0:00:03.393,0:00:04.621
科学，

0:00:04.621,0:00:07.958
科学让我们了解了非常多

0:00:07.958,0:00:10.984
关于浩瀚宇宙的深奥知识。

0:00:10.984,0:00:14.179
与此同时，宇宙是又是极为的重要

0:00:14.179,0:00:16.245
并且极为的遥远，

0:00:16.245,0:00:18.704
然而同时，它又比很多我们并不明白的事物

0:00:18.704,0:00:20.795
离我们更近，

0:00:20.795,0:00:23.263
跟我们更加直接相关。

0:00:23.263,0:00:25.392
我们不明白的事情之一

0:00:25.392,0:00:28.718
就是我们周围这些动物的社会复合性。

0:00:28.718,0:00:30.734
今天我想给你们讲几个

0:00:30.734,0:00:32.742
关于动物的复合性的故事。

0:00:32.742,0:00:36.092
首先，什么被我们称为复合性呢？

0:00:36.092,0:00:37.579
复合是什么？

0:00:37.579,0:00:41.006
复合并不是复杂。

0:00:41.006,0:00:44.454
一件复杂的事物是由很多小部分所组成的，

0:00:44.454,0:00:46.884
每一部分都各不相同，而且每一部分都

0:00:46.899,0:00:50.003
在这个体系中有其自身的确切作用。

0:00:50.003,0:00:52.814
与之相反，（这是）一个复合的系统

0:00:52.814,0:00:55.455
由很多很多类似的部件所组成，

0:00:55.455,0:00:57.463
而且（就是因为）他们之间的相互影响

0:00:57.463,0:01:00.783
才形成了一种宏观上一致的行为。

0:01:00.783,0:01:04.619
复合系统含有很多相互动的的元素，

0:01:04.619,0:01:08.045
它们根据简单的、 个体的规则行动，

0:01:08.045,0:01:11.394
这（样)就导致了（新的）特征的出现。

0:01:11.394,0:01:13.282
系统作为一个整体的行为

0:01:13.282,0:01:14.950
是无法仅仅根据

0:01:14.950,0:01:17.102
个体规则推测出来的。

0:01:17.102,0:01:18.912
正如亚里斯多德写道：

0:01:18.912,0:01:21.972
整体大于其各部分的总和。

0:01:21.972,0:01:24.434
但是让我们从亚里斯多德转到

0:01:24.434,0:01:28.124
复杂系统的一个更具体的例子吧。

0:01:28.124,0:01:30.080
这里有几条苏格兰梗犬。

0:01:30.080,0:01:33.831
开始时，该系统是混乱无章的。

0:01:33.831,0:01:37.632
现在来点干扰： 牛奶。

0:01:37.632,0:01:41.482
每个个体开始向同一个方向推动，

0:01:41.482,0:01:44.791
然后就会变成这样。

0:01:44.791,0:01:47.617
风车式的运动是一个新出现的特征，

0:01:47.617,0:01:49.520
它源于小狗们之间的相互作用（配合）

0:01:49.520,0:01:53.430
小狗们唯一的规则就是要尽量够得着牛奶

0:01:53.430,0:01:57.037
因此它们就向一个随机的方向推。

0:01:57.037,0:02:01.012
所以就是要找到

0:02:01.012,0:02:03.770
从简单规则中突现出的复合性。

0:02:03.770,0:02:06.710
我把这称之为简化复杂性，

0:02:06.710,0:02:08.845
这就是我们在苏黎世ETH系统设计院

0:02:08.845,0:02:10.822
所做的事。

0:02:10.822,0:02:14.527
我们收集关于动物族群的数据，

0:02:14.527,0:02:18.338
分析复合模式，尝试解释它们。

0:02:18.338,0:02:20.957
这需要物理学家与生物学家，

0:02:20.957,0:02:23.680
还有数学家和计算机科学家共同合作，

0:02:23.680,0:02:26.500
并且这是他们的相互动所产生出的

0:02:26.500,0:02:28.214
交叉（跨学科）式的能力

0:02:28.214,0:02:29.792
可以用来解决这些问题。

0:02:29.792,0:02:32.064
再一次，这样一来整体是

0:02:32.064,0:02:33.464
比各个部分的总和要大。

0:02:33.464,0:02:35.614
从某种程度上说，合作

0:02:35.614,0:02:39.105
是复合系统的另一个例子。

0:02:39.105,0:02:40.981
你可能会问自己，

0:02:40.981,0:02:43.798
我是在哪一个（学科的分支）上面呢，生物学家还是物理学家呢？

0:02:43.798,0:02:45.909
事实上，都不是，

0:02:45.909,0:02:47.498
要解释这一点，我得告诉你

0:02:47.498,0:02:49.840
关于我自己的一个小故事。

0:02:49.840,0:02:51.567
当我还是个孩子的时候，

0:02:51.567,0:02:55.676
我喜欢打造东西，创建复杂的机器。

0:02:55.676,0:02:58.413
所以我决定去学电气工程

0:02:58.413,0:02:59.965
和机器人(技术)。

0:02:59.965,0:03:02.058
我的结业项目

0:03:02.058,0:03:04.984
是造一个名叫 ER-1的机器人，

0:03:04.984,0:03:06.914
看起来就像这样—

0:03:06.914,0:03:09.285
它可以从其环境中收集信息，

0:03:09.285,0:03:12.783
然后沿着地面上的白线前进。

0:03:12.783,0:03:15.162
这个机器人非常、 非常复杂，

0:03:15.162,0:03:18.146
但它在我们的测试室特别好使。

0:03:18.146,0:03:21.599
到了演示的那天，教授们聚集在一起要给我们的项目打分。

0:03:21.607,0:03:24.509
于是我们把ER1带到评估室。

0:03:24.509,0:03:26.819
结果，那间房间里的灯光

0:03:26.819,0:03:28.638
稍有不同，

0:03:28.638,0:03:30.969
(这样一来)机器人的视觉系统就被弄糊涂了。

0:03:30.969,0:03:32.730
在白线第一个转弯的地方，

0:03:32.730,0:03:36.469
它就偏离了路线，然后撞到了墙上。

0:03:36.469,0:03:38.556
我们花了好几个星期来打造它，

0:03:38.556,0:03:40.229
结果使它毁于一旦的

0:03:40.229,0:03:42.885
(竟然只)是房间里灯光颜色的

0:03:42.885,0:03:44.481
微妙的变化。

0:03:44.481,0:03:45.996
这使我意识到，

0:03:45.996,0:03:48.323
你把一台机器造得越复杂，

0:03:48.323,0:03:50.362
它就越有可能会由于

0:03:50.362,0:03:52.925
某个绝对意想到不的因素而失败。

0:03:52.925,0:03:54.755
于是我决定，其实，

0:03:54.755,0:03:57.768
我并不想创建复杂的东西。

0:03:57.768,0:04:00.710
我想要了解的是复合性，

0:04:00.710,0:04:02.698
我们周围的世界的复合性，

0:04:02.698,0:04:05.103
尤其是在动物王国里。

0:04:05.103,0:04:08.423
这就得说到蝙蝠。

0:04:08.423,0:04:11.474
彼氏鼠耳蝠是一种常见的欧洲蝙蝠。

0:04:11.474,0:04:12.887
他们是非常具有社会性的动物。

0:04:12.887,0:04:16.178
通常他们栖息或睡在一起，

0:04:16.178,0:04:17.857
而且他们生活在母系的群落里。

0:04:17.857,0:04:19.397
这就意味着每年春天，

0:04:19.397,0:04:22.655
雌蝙蝠在冬眠后聚在一起，

0:04:22.655,0:04:24.744
然后一起生活大约六个月

0:04:24.744,0:04:27.230
来养育后代。

0:04:27.230,0:04:30.035
他们身上都携带了很小的芯片，

0:04:30.035,0:04:31.906
这样每次他们其中之一

0:04:31.906,0:04:34.963
进入一个这种具有特殊装备的蝙蝠盒，

0:04:34.963,0:04:36.606
我们就知道她在哪里

0:04:36.606,0:04:37.775
更重要的是，

0:04:37.775,0:04:40.338
我们知道她和谁在一起。

0:04:40.338,0:04:44.032
所以我研究的是蝙蝠的栖息联系，

0:04:44.032,0:04:46.477
看起来就像这样：

0:04:46.477,0:04:48.919
白天的时候，蝙蝠

0:04:48.919,0:04:51.223
分成很多小组栖息在不同的蝙蝠盒里。

0:04:51.223,0:04:53.152
有可能某一天，

0:04:53.152,0:04:55.372
整个群落分在两个盒子里，

0:04:55.372,0:04:56.672
但是另一天，

0:04:56.672,0:04:58.913
它们可能一起聚在一个盒子里，

0:04:58.913,0:05:01.229
或者分到三个或或更多个盒子里，

0:05:01.229,0:05:04.156
这一切看起来确实相当混乱。

0:05:04.156,0:05:07.359
这被称为裂变融合动态，

0:05:07.359,0:05:09.072
指一群动物

0:05:09.072,0:05:11.250
定期拆分和合并

0:05:11.250,0:05:12.911
到不同的子组里的特性。

0:05:12.911,0:05:15.473
所以我们做的是收集来自不同的天

0:05:15.473,0:05:17.135
所有这些数据

0:05:17.135,0:05:18.639
并把它们集中在一起

0:05:18.639,0:05:21.256
来提取一个长期的关联模式。

0:05:21.256,0:05:23.761
通过应用技术与网络分析，

0:05:23.761,0:05:25.382
我们可以获得一份

0:05:25.382,0:05:27.919
关于整个群落社会结构的完整图片。

0:05:27.919,0:05:32.184
对吧？这张图片看起来是这样子。

0:05:32.184,0:05:34.578
在这个网络中，所有的圈

0:05:34.578,0:05:37.355
是节点，是蝙蝠个体，

0:05:37.355,0:05:38.938
而它们之间的连线

0:05:38.938,0:05:42.602
是社会纽带，是个体之间的关联。

0:05:42.602,0:05:45.280
事实证明这是张非常有趣的图片。

0:05:45.280,0:05:47.262
整个蝙蝠群

0:05:47.262,0:05:49.130
被分成两个不同的社区，

0:05:49.130,0:05:50.969
这是无法

0:05:50.969,0:05:53.218
从日常的裂变未来动态中预测出来的。

0:05:53.218,0:05:56.768
我们把他们称为隐性社会单位。

0:05:56.768,0:05:58.384
更有趣的是

0:05:58.384,0:06:00.748
每年10月前后

0:06:00.748,0:06:02.309
种群分散开了

0:06:02.309,0:06:05.007
所有蝙蝠都分开冬眠，

0:06:05.007,0:06:06.468
但是年复一年，

0:06:06.468,0:06:09.541
当蝙蝠在春天再一次聚在一起的时候，

0:06:09.541,0:06:12.131
两个群体保持不变。

0:06:12.131,0:06:14.851
所以这些蝙蝠可以记住他们的朋友

0:06:14.851,0:06:16.681
并且记住很长时间。

0:06:16.681,0:06:19.155
(虽然)大脑只有花生粒大小，

0:06:19.155,0:06:21.280
他们却保持个性化、

0:06:21.280,0:06:23.422
长期的社会纽带，

0:06:23.422,0:06:25.146
在此之前我们不知道这是有可能的。

0:06:25.146,0:06:26.905
我们知道灵长类动物，

0:06:26.905,0:06:29.473
还有大象和海豚能做到这一点，

0:06:29.473,0:06:32.101
但与蝙蝠相比，他们有巨大的大脑。

0:06:32.101,0:06:34.500
所以（蝙蝠的大脑）怎么可能

0:06:34.500,0:06:36.451
让蝙蝠们保持这个复合的、

0:06:36.451,0:06:38.139
稳定的社会结构，

0:06:38.139,0:06:41.671
而又（只有）在如此有限的认知能力（的情况下）呢？

0:06:41.671,0:06:44.560
在这里复合性就给予了一个解答

0:06:44.560,0:06:46.701
要了解这个系统，

0:06:46.701,0:06:49.498
我们建立了一个栖息的计算机模型。

0:06:49.498,0:06:51.516
基于简单的、 个体的规则，

0:06:51.516,0:06:53.951
然后虚拟的蝙蝠群里模拟

0:06:53.951,0:06:55.970
成千上万的日子。

0:06:55.970,0:06:58.094
这是一个数学模型，

0:06:58.094,0:07:00.048
但它并不复杂。

0:07:00.048,0:07:03.146
简而言之，该模型告诉我们的是，

0:07:03.146,0:07:06.332
每个蝙蝠认识种群少数的其他几个成员，

0:07:06.332,0:07:08.820
把她们当作朋友，而且只是稍微更有可能

0:07:08.820,0:07:11.330
在与他们栖息在同一个盒子里。

0:07:11.330,0:07:13.774
简单的、 个体的规则。

0:07:13.774,0:07:15.486
这些就足以解释

0:07:15.486,0:07:17.875
这些蝙蝠的社会复合性。

0:07:17.875,0:07:19.593
还有更有趣的呢。

0:07:19.593,0:07:22.441
2010 年和 2011 年之间，

0:07:22.441,0:07:25.894
种群失去了三分之二的成员，

0:07:25.894,0:07:28.880
可能因为那年寒冷的冬天。

0:07:28.880,0:07:32.024
第二年春天，没有像每年那样

0:07:32.024,0:07:33.295
形成两个社群，

0:07:33.295,0:07:35.498
那样就可能会导致整个种群的死亡，

0:07:35.498,0:07:37.593
因为它变得太小了。

0:07:37.593,0:07:42.966
取而代之的是，它形成了一个单一、 紧密的社会单位，

0:07:42.966,0:07:45.698
这就使种群在那一季度中幸存了下来，

0:07:45.698,0:07:48.802
并在随后的两年里再次蓬勃发展。

0:07:48.802,0:07:50.580
我们知道那些蝙蝠

0:07:50.580,0:07:53.487
并不知道他们的种群在这样做。

0:07:53.487,0:07:57.033
所有他们所做的只是去遵循简单的关联规则，

0:07:57.033,0:07:58.382
而从这简单性（中），

0:07:58.382,0:08:00.823
涌现出了社会复合性

0:08:00.823,0:08:03.663
（这种社会复合型又）使得种群重新振作，

0:08:03.663,0:08:06.644
（同时）去抵抗群体结构的巨大变化。

0:08:06.644,0:08:09.338
我觉得这令人难以置信。

0:08:09.338,0:08:11.422
现在我想告诉你另一个故事，

0:08:11.422,0:08:12.977
但（为了这个故事）我们必须从欧洲

0:08:12.977,0:08:16.025
到南非的卡拉哈里沙漠去。

0:08:16.025,0:08:18.052
猫鼬就住在那里。

0:08:18.052,0:08:19.552
我确信你们知道猫鼬。

0:08:19.552,0:08:21.658
他们是很有趣的生物。

0:08:21.658,0:08:24.647
他们生活在具有非常严格的社会等级制度的群体里。

0:08:24.647,0:08:26.106
群体里有一对地位最高，

0:08:26.106,0:08:27.488
还有很多下属，

0:08:27.488,0:08:29.202
有的充当哨兵，

0:08:29.202,0:08:30.539
有的充当保姆，

0:08:30.539,0:08:32.436
还有的教习幼仔，等等。

0:08:32.436,0:08:35.757
我们所做的就是把很小的 GPS 项圈

0:08:35.757,0:08:37.282
放在这些动物身上

0:08:37.282,0:08:39.157
来研究他们是如何一起行动的，

0:08:39.157,0:08:42.874
同时（研究）这与它们的社会结构有什么关系。

0:08:42.874,0:08:44.364
这里有一个非常有趣的例子

0:08:44.364,0:08:47.080
关于猫鼬的集体活动行为

0:08:47.080,0:08:49.447
在它们居住的保护区的中央

0:08:49.447,0:08:50.656
有一条马路。

0:08:50.656,0:08:53.889
这条路上有车，所以是很危险的。

0:08:53.889,0:08:56.173
但猫鼬们必须穿过去，

0:08:56.173,0:08:58.747
才能从一个猎食地到达下一个。

0:08:58.747,0:09:03.498
所以我们就问，他们到底是怎么做到的呢？

0:09:03.498,0:09:05.334
我们发现，地位最高的雌猫鼬，

0:09:05.334,0:09:07.955
多数时候（都）是她领着整个群体来到马路边，

0:09:07.955,0:09:11.227
但是到要横穿马路的时候，

0:09:11.227,0:09:13.578
她就让路给她的下属，

0:09:13.578,0:09:15.355
（好像）用这种方式在说，

0:09:15.355,0:09:18.037
“ 去吧，告诉我是不是安全。”

0:09:18.037,0:09:19.701
事实上我不知道的是，

0:09:19.701,0:09:22.843
这些猫鼬遵循了什么样的行为规则，

0:09:22.843,0:09:25.768
可以使群体的边缘发生这样的变化，

0:09:25.768,0:09:29.618
而且，是否用简单的规则就足以解释它。

0:09:29.618,0:09:33.609
因此我建了一个模型，一个模拟猫鼬

0:09:33.609,0:09:35.522
横穿一条模拟马路的模型。

0:09:35.522,0:09:37.394
这是一个非常简化的模型。

0:09:37.394,0:09:40.234
正在移动的猫鼬就像随机质点一样

0:09:40.234,0:09:42.456
其唯一的规则就是排成一列。

0:09:42.456,0:09:44.862
他们只是一起行动。

0:09:44.862,0:09:48.046
当这些粒子到达马路时，

0:09:48.046,0:09:49.988
他们感觉到某种障碍，

0:09:49.988,0:09:52.072
然后他们撞了上去。

0:09:52.072,0:09:53.228
那只地位最高的雌猫鼬，

0:09:53.228,0:09:55.270
这里红色的这只，

0:09:55.270,0:09:56.755
和其他个体的唯一差别，

0:09:56.755,0:09:59.309
就是对她来说障碍物的高度，

0:09:59.309,0:10:01.814
实际上就是被察觉的马路上的风险，

0:10:01.814,0:10:03.763
稍稍高了一点儿。

0:10:03.763,0:10:05.424
这个个体运动规则中的

0:10:05.424,0:10:07.262
小小的区别

0:10:07.262,0:10:09.708
足以解释我们所观察到的现象，

0:10:09.708,0:10:12.268
也就是地位最高的雌猫鼬，

0:10:12.268,0:10:13.702
领着她的群体到马路边，

0:10:13.702,0:10:15.372
然后让路给其他猫鼬，

0:10:15.372,0:10:18.235
让它们先过马路。

0:10:18.235,0:10:21.886
乔治·鲍克斯，他是一个英国的统计学家，

0:10:21.886,0:10:24.848
曾经写道，“所有的模型是虚构的，

0:10:24.848,0:10:26.907
但有些模型是有用的。”

0:10:26.907,0:10:30.104
事实上，这个模型显然是假的，

0:10:30.104,0:10:34.072
因为在现实中，猫鼬决不是什么随机粒子。

0:10:34.072,0:10:35.709
但是这个模型也挺有用的，

0:10:35.709,0:10:38.458
因为它告诉我们这种极端简单，

0:10:38.458,0:10:41.816
在个体层面的运动规则，

0:10:41.816,0:10:44.167
到了群体的层面上，

0:10:44.167,0:10:46.105
就可以导致很大的复合性。

0:10:46.105,0:10:50.161
再说一次，这就是简化复合性。

0:10:50.161,0:10:51.609
最后我要说的是

0:10:51.609,0:10:54.426
这对整个物种意味着什么。

0:10:54.426,0:10:56.090
当地位最高的雌猫鼬

0:10:56.090,0:10:57.656
给下属让路，

0:10:57.656,0:10:59.773
它不是出于礼貌。

0:10:59.773,0:11:01.280
事实上，地位最高的雌猫鼬

0:11:01.280,0:11:03.799
对这个群体的凝聚力来说非常重要。

0:11:03.799,0:11:07.311
如果她死在马路上，整个集团将处于危险之中。

0:11:07.311,0:11:09.547
所以这种风险规避的行为

0:11:09.547,0:11:12.348
是一个非常古老的进化反应。

0:11:12.348,0:11:16.217
这些猫鼬只是在重复一个已经进化好的策略。

0:11:16.217,0:11:18.450
这个策略已经历经成千上万代了，

0:11:18.450,0:11:20.864
现在他们在把它向（抵抗）现代风险做改进，

0:11:20.864,0:11:24.189
在这里（现代风险）是人类所建的一条路。

0:11:24.189,0:11:26.584
他们改进非常简单的规则，

0:11:26.584,0:11:28.873
而由此产生的复合行为

0:11:28.873,0:11:31.829
使它们可以抵抗人类

0:11:31.829,0:11:34.277
对于它们的自然栖息的入侵。

0:11:34.277,0:11:36.079
最后，

0:11:36.079,0:11:38.779
这也许是蝙蝠通过改变它们的社会结构

0:11:38.779,0:11:41.163
去应对群体的灾难；

0:11:41.163,0:11:42.562
也许是猫鼬

0:11:42.562,0:11:45.764
对人造的马路所表现出新型的适应方式的

0:11:45.764,0:11:48.449
或者也可能是另一个物种。

0:11:48.449,0:11:51.242
我这里（想要传达的）信息不是一个复杂的问题，

0:11:51.242,0:11:54.006
而是一个简单惊叹与希望

0:11:54.006,0:11:57.099
我（要传达）的信息时是，动物

0:11:57.099,0:11:59.523
显示出非同寻常的社会复合性，

0:11:59.523,0:12:01.964
这允许他们能够适应

0:12:01.964,0:12:05.445
并对他们的环境的变化作出响应。

0:12:05.445,0:12:08.213
用三个字来说就是，在动物王国中，

0:12:08.213,0:12:10.987
简单性导致复合性，

0:12:10.987,0:12:12.470
复合性又导致适应力。

0:12:12.470,0:12:14.754
谢谢。

0:12:14.754,0:12:21.434
（掌声）

0:12:30.694,0:12:32.647
达尼亚格哈特：尼古拉斯，非常感谢你

0:12:32.647,0:12:35.926
带来这么好的一个开场。 有点紧张么？

0:12:35.926,0:12:37.570
尼古拉斯普莱尼：我还好，谢谢。[br]

0:12:37.570,0:12:40.300
达尼亚格哈特：好的，很好。我确信观众席中的许多人

0:12:40.300,0:12:41.894
以某种方式试图去在你谈论的动物比如蝙蝠和猫鼬

0:12:41.894,0:12:43.718
与人之间

0:12:43.718,0:12:45.774
建立关联

0:12:45.774,0:12:46.982
你带来了几个例子

0:12:46.982,0:12:48.717
雌性们是上流社会中的个体

0:12:48.717,0:12:50.430
雌性们（还是）有统治地位的个体

0:12:50.430,0:12:52.103
我不确定谁会去思考为什么（会这样）。

0:12:52.103,0:12:54.998
但是，（在人与动物之间）做这样的关联妥当么？

0:12:54.998,0:12:57.798
有没有（一些）在这方面你可以确定的模式化见解

0:12:57.798,0:13:01.071
是否这样的一个关联在所有的物种之间都是可行的呢？

0:13:01.071,0:13:02.674
尼古拉斯普莱尼： 我想说，确实也有

0:13:02.674,0:13:04.626
对于这些模式化见解的反例。

0:13:04.626,0:13:07.766
举个例子，在海马或者考拉之中，其实，

0:13:07.766,0:13:11.464
总是由雄性来照顾他们的幼仔的。

0:13:11.464,0:13:16.505
（我们所学到的）经验教训是，有时这是有些困难

0:13:16.505,0:13:18.257
并且时常有一点危险

0:13:18.257,0:13:20.929
在人类与动物之间进行对比。

0:13:20.929,0:13:23.350
这也就是我的回答了。

0:13:23.350,0:13:25.881
达尼亚格哈特：好的。感谢你如此精彩的开场。

0:13:25.881,0:13:27.961
尼古拉斯普莱尼，谢谢你。