一、一般系统信念的主旨
对于刚刚开始职业生涯的年轻人，我的忠告是，用新鲜的、不教条的、没有偏见的头脑，去思考大事情的主要轮廓。
——H. 塞里（H. Selye）
但是，人不能脱离信念而存在。没有信念，我们寸步难移，因为不知道前面的地面是否能支撑我们的体重。我们甚至不能站得很直，因为不知道脚下的土地是否坚实。一般系统方法不会让我们无需信念，只是设法用一组信念补充另一组信念，以期在有些时候更加有用。
在什么基础上，一般系统思维肯定会有用呢？首选答案似乎是伯丁所谓的“一般系统信念的主旨”：
经验世界的秩序本身也有秩序，也许可以称为二阶序。
关于通才，伯丁说：
如果他发现规律时会高兴，那么他发现规律的规律时就会狂喜。如果他认为规律是好的，那么规律的规律就是美味且最值得追求。
这种信念，这种饥渴，可能徒劳无功。但如果二阶序确实存在，那肯定对寻找一阶序的人有用。
从某种意义上说，一阶序是二阶序的基础，发现一般系统规律的主要方法是归纳。一般系统研究者从不同学科的规律开始，寻找其中的相似性，然后向世界宣布新的“关于规律的规律”。各学科的一般规律就只是其特例了。
通过归纳进行一般化处理的威力在于，我们能够运用一般规律针对未曾观察到的情况得出某些结论。这也是通才能从一个学科转到另一个学科的原因。每一次成功都会让人们增强对二阶序的信任程度。
因此，一般系统信念的主旨并不完全基于信念。当然，信念是必要的，因为不是每次学科间的跳跃都能成功。为什么？因为归纳不可能永远有效。就算通才看起来像在驾驶一驾最一般的飞机，但和所有科学家一样，他只是在应用归纳的结果。哲学家们曾经花了很长时间试图证明归纳法一定有效，但现在聪明的哲学家已经放弃了这种努力。赖欣巴哈说：
如果我们想建立一般真理，就需要归纳法，它包含了对未曾观测的事物的参考。因为我们需要它，所以就愿意承担它出错的风险。
但我们为什么不更谨慎一些？为什么不等待更多的证据？原因在于知识呈爆炸性增长，而我们的大脑受到计算的平方律的限制。伯丁说：
当今社会，即使是那些新新人类，他们的知识也只是人类知识的极小一部分。因此，一般系统学者经常在黑暗中跳跃，经常在没有足够证据时得出结论，结果实际上经常做傻事。确实，愿意做傻事几乎就是进入一般系统研究界的必要条件，因为这种意愿常常是快速学习的先决条件。
要成为成功的通才，我们必须用一种天真、简单的态度研究复杂系统。我们必须像儿童那样，因为有充分的证据表明，儿童就是用这种方式来理解许多复杂思想的：首先形成有关总体的大致印象，然后再深入具体的差别。皮亚杰（Piaget）这样描述他的观察结果：
一个不认识字母和音符的四岁孩子，通过一天或者一个月的观察，就能简单地根据题目和那页书的样子，分辨出书中不同的歌曲。对他来说，书中的每一页都代表了一种特别的模式，但对我们来说，每一页的形式都差不多，因为我们看到的是每个词或每个字母。
由于识字，成年人可能丧失了研究部分之前先抓住整体的能力，这种能力被他们在读写方面的高级分析能力掩藏起来了。不过，成年人还是保留了一些语言之外的能力。我们可以认出一个熟悉的街区，即使没有任何标志，也能感觉到某些东西发生了变化，即使我们说不出来。
根据前面的分析，我们肯定会犯一些错误。我们常常误以为曾经到过这个街区，而进一步的分析可能证明我们错了。但在科学中，正如塞里所说：“枯燥乏味的理论与错误的理论差别非常大。”在一个有点熟悉的环境中迷路时，我们需要利用总体印象，快速导向更为熟悉的环境。如果我们发现走错了街区，这个错误就会被纠正。如果我们非要查看每个街区的每个门牌号码，就赶不上晚餐了。
任何方法，不论是分析方法还是综合方法，都不能确保在寻求理解时不犯错误。每种方法都有一些有特点的错误。基于对二阶序的信念，我们大跨度地跳跃，往往完全错了，但至少能很快发现。如果时间是重要的因素，那么慢而对的分析方法所能保证的，就只有无法按时完成任务了。雷利爵士（Lord Rayleigh）曾说：
精心设计的实验的结果常常被视为新发现并以“定律”的形式被提出。其实经过几分钟的思考，人们就可以事先预测出来。
这就是分析所固有的错误。虽然从长远来看，耐心总会有回报，但就像凯恩斯所说的，长远来看，我们都会死。所以，一般系统方法会吸引那些没有耐心等待精确方法的人，但仅仅没有耐心是不够的。要想成为出色的通才，必须学会忽略数据，只看事物的“概貌”。
看看一个完全相反的例子，也许更能理解这种方法的实质，这就是韦特墨（Wertheimer）笔下的奥地利督学：
故事发生在奥地利帝国时期摩拉维亚的一个小村庄。一天，教育部的督学来检查这里的学校。这种例行检查是他职责之内的事情。快要听完一节课时，他站了起来，说：“看到你们都学得很好，我很高兴。班级很好，我对你们的进步非常满意。所以，在离开之前，我想问大家一个问题——谁知道马有多少根鬃毛？”令督学和老师感到吃惊的是，一个九岁男孩很快举起了手。他站起来回答：“马有3 571 962根鬃毛。”督学惊讶地问：“你是怎么知道的呢？”孩子答道：“你要是不相信我，就自己去数一数。”督学大笑起来，对孩子的表现非常欣赏。老师沿着走廊送督学出门时，督学还一直笑个不停，他说：“多有趣的故事啊！回到维也纳，我一定要讲给同事听。我甚至想得出他们会有什么反应，他们最喜欢幽默故事。”就这样，督学离开了学校。
一年后，督学又来这所学校进行年度检查。在送督学出门的路上，老师停下来问道：“督学先生，顺便问一下，你的同事听完马鬃毛的故事后反应如何？”督学拍了拍老师的背，“哦，”他说，“你知道我是多么想快点给他们讲这个绝妙的故事，不过我没讲成。回到维也纳之后，我死活也想不起马到底有多少根鬃毛了。”
二、一般系统规律的本质
有人会反对，说这种基于过度简化的敏锐和清晰包含了一些曲解或错误表述。但这就像是教师面对的永恒悖论：教事实和图表，还是教真理。要教一个模型，教师必须采用具体的图表，并清楚地说明一些根本看不到的东西。学生们必须“学习”一些东西，以便以后意识到，那些东西并不太像他学到的样子。但到那时，他已经抓住了事物的本质，从此开始接近真理。他会用一生的时间不断地修正，不断地接近真理。
——卡尔·曼宁格（Karl Menninger）
至此，我们已经讨论了类比、思维类型系统、一般化以及一般系统思维的其他一些工具。现在我们要解释一下本书对“定律”的使用。开始之前，我们有必要回顾一下科学定律的某些方面，这些是标准著作不太强调的。
具体说来，我们要记住：
科学断言的模式是“如果……那么……”。
我们常常忘记科学定律是有条件的，因为它们常常用非常简单的方式表述，即省略或简写了“如果……”部分。这一部分必须省略，因为如果我们认真地全部写出来，就太长了。例如，热力学第一定律的一种表述是：
系统中的总能量守恒。
我们可以用操作术语细化这个表述，像下面这样：
如果一个系统的能量既没有进也没有出，如果我们对它的总能量进行测量，在测量过程中也没有能量进出，那么每次测量都会得出一样的值。
这个表述还可以进一步细化，但这样已经足够冗长了。这肯定比前面的表述更难记住，而进一步细化的情况就更糟了。
有时候，我们依然需要非常精确地表述“那么”成立的“如果”条件。例如，假设我们真的测量一个系统，并发现每次结果都不相同，我们就可能得出下面某个结论：
1. 能量守恒定律不适用于本系统；
2. 有能量进出；
3. 测量不准确。
最大的可能是我们仍然坚持能量守恒定律，因为定律代表了以前许多实验的结果。虽然从理论上说，一个反例就能够迫使我们拒绝接受能量守恒定律，但实际上我们恐怕不会这样做。
首先，我们最有可能怀疑自己的测量。在这个例子中，能量守恒定律将作为规则，来定义“总能量的测量”：
如果一个系统没有能量进出，如果我们对该系统的某个属性进行测量，过程中也没有能量进出，如果被测的属性不是常量，那么这个属性就不是系统的总能量。
或者，我们可以断定有能量进出该系统。在这种情形下，能量守恒定律就成为“封闭系统”定义的一部分，或者提醒我们去寻找“开放”之处：
如果我们对系统的总能量进行测量，而且发现每次测量的结果都不同，那么就说明系统不是封闭的。
更激进的做法是改变“总能量”的定义，以便保持该定律不变。爱因斯坦提出了著名的质能守恒方程，他实际上就是这么做的，从而保持了该定律不变。
E=mc2
这个方程的意思是，物质可以转化为能量（反之亦然），或者说物质是能量的一种形式。第二种说法保持了能量守恒定律不变。第一种同样也保持了定律不变，但增加了一个“如果”条件：
……如果系统中没有发生物质和能量的转换……
现在，我们看到了定律在科学思维中的不同作用。它们描述了测量导则，定义了定律中的术语，提醒我们寻找以前未曾留意的东西，并且预测未来的行为。它们也成为了某种焦点，可以围绕它讨论测量方法、术语的意义，并探索解决问题的技术。同一条定律可以做所有这些事情，当然，显然不是同时做。要学习科学的思维，不只是要记住定律，而是要知道什么时候以什么方式运用什么定律。
如果一条定律包含许多条件关系，就很难记住何时该用它，因为每一个条件都限制了定律的适用范围。定律中条件越少，它就越通用。添加条件还是改变术语定义？当我们面临这样的问题时，通常会选择重新定义术语。因此，能量守恒定律号称经受了上百年的考验，其实是不断修改的能量定义拯救了它。
如果发现测量结果与成熟的定律不符，不到最后我们不会修改定律。这与一个反例就能推翻一条科学定律的印象刚好相反。实际上，我们可以提炼出一个新的一般系统定律：
如果事实和定律冲突，那么拒绝接受事实或改变定义，但是绝不要抛弃定律。
这可以称为定律保护定律。
科学遵守定律保护定律，因为科学定律中包含了太多有价值的信息，在发现它“失效”时不能简单地将其抛弃。但是，在存在过程中，科学定律会被大量的条件、定义和特例淹没。最终，它们将失去原有的特点，不再是对归纳知识的简略总结，尽管对于涉及面越来越窄的问题，它们能够给出更准确的答案。
本书采用了“一般系统定律”，其目的不是给出答案。因此，它们偶尔也会出错。我们假定，要想从一般系统定律中获得精确的结论，就必须充分考察其内在含义。因此，我们不是给一般系统定律加上各种限定条件，让它们更精确，而是保持它们原有的简洁特点，让它们更好记。而且，只要有可能，我们会采用隽永的短语和吸引人的名字，方便大家记忆。也许我们称之为“格言”更好，不过“定律”是一个很吸引人的名字。
出于某种未知的心理学原因，最好记的定律采用禁止、矛盾，甚至是悖论的表述方式。能量守恒定律的另一种表述是：
不可能造出永动机。
当我们发现热力学第一定律不能排除某些类型的永动机时（虽然第二定律可以排除），就修改了永动机的定义，改成现在所谓的“第一类永动机”。当然，这意味着我们所谓的“第一类”永动机就是第一定律说不能制造的那些永动机。这是定律保护定律的漂亮应用。
许多一般系统定律都会有多种表述方式：作为定义，作为测量方法，作为探索工具，特别是以更容易记住的否定形式。我们常常采用近似的形式来表述定律，以便简化讨论，然后关注更精细的形式需要增加的条件，不让太多的“第一类”“第二类”这样的词干扰读者。错误的定律也可能有用，但如果在需要的时候想不起来，那它就完全没用了。因此，我们的定律不应是对思维的束缚，而应是刺激。
如果能给出说明性的例子，定律就更容易记。我们希望避免空洞的概括，因为只有宽泛的概括是不够的，要有“宽泛的概括加上愉快的特例，才是有成果的概念”。对每一条定律，本书努力寻找两个“愉快的特例”，有时则作为章后所附的思考题出现。任何自诩为“一般系统定律”的定律，至少应该适用于两种情况：一种是该定律的来源，另一种作为保险。
不是所有的一般系统文献都符合这个原则。因此，我们也许应该把它提升为一条一般系统定律，可以称为愉快的特例定律：
任何一般定律必须至少适用于两种具体情况。
或者像伯丁太太发现丈夫过于远离事实时告诫他的话：
要想成为通才，你总得懂点什么。
出于对同事的礼貌，尽管他们违反了这条定律，我也不会举出两个具体的例子。因此，我会举一个自己的例子。读下去你就会发现其他的例子。
过度一般化是蠢人之错还是英雄之错，取决于你个人的观点。但正如过于胆大会导致过度一般化，过于胆小则会导致一般化不足。与愉快的特例定律相对的是不爽的奇葩定律：
任何一般定律至少应该有两个例外情形。
或者，用否定形式来强调：
如果你从来没说错，相当于什么也没说。
请读者们找找不爽的奇葩定律的两个例外。
特例定律和奇葩定律适用于任何提炼一般化的行为，还有一些定律则适用于一般系统思维的“系统”方面。同样，有两种互补的错误：组合和分解。请看组合错误的一个例子：
我站在桥上朝河里吐口水。发现河水的纯度没有明显的变化后，我去了投票站，给发行市政债券用以新建河水处理工厂的提议投了反对票。
再来看看分解错误的一个例子：
我站在桥上，发现河水很干净，所以我的结论是，没有人向河里吐口水。
有两个定律可以使我们不犯类似的错误。一个是组合定律，它可以追溯到亚里士多德时期，即：
整体大于部分之和。
另一个是分解定律，即：
部分大于整体的局部。
注意，这两条定律看上去是矛盾的，所以让人难以忘记。
我们为什么要记住它们？一般系统定律到底有什么用？因为定律如此一般化，系统又如此复杂，所以我们会发现它们对做出准确的预估帮助不大。但是，正因为系统如此一般化，系统如此复杂，一般系统定律才能帮助我们，使我们在准确估计的道路上避免犯大的错误。“带来麻烦的不是未知的东西，而是我们以为知道、实际却并非如此的东西。”
三、系统思维的类型
模型的主要作用与其说是解释和预测（虽然最终这被归于科学的主要作用），不如说是让思维集中并提出尖锐问题。最重要的是，发明和玩模型很有乐趣，而且模型有自己独特的生命。与生物相比，“适者生存”的道理甚至更适合模型。但是，如果没有真实的需要或真实的目的，就不应该随意发明模型。
在这段关于数学模型的描绘中，马克·卡克（Mark Kac）概括了建模的快乐以及模型的使用和应用，这完全适用于一般系统的模型。他暗示与模型相关的活动有3种。
1. 促进思维过程：“让思维集中并提出尖锐问题”。
2. 研究特殊系统：“真实的需要或真实的目的”。
3. 创造新定律和改进旧定律：“发明和玩”。
我们可以用这个框架来回顾本章中粗略概括的“一般系统论方法”，也可以用它作为本书后续章节的序言。我们可以从改进思维过程开始，因为这种好处大多数人都能享受到。我们并非都在研究具体的系统，创建新的一般系统定律的人更少，但大多数人都需要思考。
一般系统方法对思维的贡献，可能充分体现在了一般系统学者应对新课程的方法上。学生应该对一般系统的这种应用特别感兴趣，因为他们每个学期都要学习一些新课程。遗憾的是，四年的新课程学习常常让头脑变得麻木，结果许多毕业生在脱掉学位服和学位帽之后，发誓再也不学新课程了。一般系统方法承诺学习新课程时不会那么受伤，这样学习可以有趣味，而不是令人生厌。
一般系统学者如何应对新课程呢？假定他要学一点经济学知识。他可能参考当地大学开设的相关导论课程，找来一本教科书，或者在当地图书馆浏览一些经济学著作。但是，当他翻开这样的书时，不是从头开始。他知道许多关于思维和沟通的一般模式，而且他足够聪明，可以看透这些模式的经济学伪装。
举例来说，如果他刚好拿起萨缪尔森（Samuelson）的《经济学》（Economics），将会看到许多“生产-可能性”曲线，如图2-2所示。几乎不用解释，他就会明白，这些是一般状态空间（将在后续几章中讨论）的特例。经济学家所谓“生产可能性边界”，在一般系统论学者看来就是一组系统，它们都具有特定的属性。曲线上任一点代表了这组系统中的一个特殊系统。他知道在这个状态空间中，从一个点到另一个点的运动就是行为曲线，所以他知道的关于行为曲线的所有知识就会立即传递到这个新环境中。
图 2-2经济学家的“生产可能性边界”，就是一般系统学者的“状态空间”
由于一般系统定律的本质，在经济学家看来，传递过来的内容可能很少。尽管如此，一般系统学者已经比其他人有优势，他就像在曼谷的旅行者一样，不畏惧陌生的环境。他已经给这只野兽命名并开始驯伏它。
然后，一般系统学者有一些思维类型，这些思维类型的一般化本质让他在研究新领域时不会完全失败。他的词汇表中有一些特殊的词汇，如稳定性、行为、状态空间、结构、规则、噪声和调节等，他能将这些词和专家的名词联系起来。如果他很聪明，就会忍住不说：“哦，这就是二维状态空间中的一条行为曲线。”他会在心里进行名词转换，然后提出一些“十分尖锐”的问题，让专家大吃一惊。
一般系统学者遇到专门领域里的定律时，常常能够将其与他知道的一般系统“定律”联系起来。他会识别一些特殊的假定，将他的一般系统定律转换成经济学定律或其他学科的定律。例如，他会马上意识到，经济学中的收益递减定律是限制因素定律的一个实例。当然，他并不是要夸口说经济学定律只不过是一般定律的特例，尤其是当他意识到可能要靠这条经济学定律来发现这条一般定律时。对他来说，一条定律是另一条定律的特例，但从起源上看，一般系统定律可能正来源于经济学。
因此，一般系统方法可以大幅节省课程学习的思考时间。在研究各种情况或特殊系统时，也会如此。据我们的经验，一般系统方法为学习大量的信息系统、复杂机器、社会系统、个人和工作团体以及教育系统提供了一个起点。其他人发现，一般系统方法可以用于气象学、政治学、生物学、社会学、精神病学、生态学、工程学以及你能说出名字的任何学科。对具体实例感兴趣的读者会发现，一般系统研究会的年度报告是一个金矿。不过需要提醒的是，一般系统方法的实际应用非常多，收录的文章只代表了其中很小一部分，因为大多数时候，这种应用并没有发表在任何出版物上。一般系统思维的大多数应用并不是专业学者完成的，而是普通人在处理日常工作时完成的。
General Systems Yearbook（《一般系统年度报告》）也收录了一些例子，记录了第三种一般系统活动，即创造新定律和修订旧定律。这种活动我们称为一般系统研究，以区别于一般系统思维和一般系统应用。在这三种活动中，一般系统研究参与的人最少，因此它实际上是专家的兴趣。对于如何开展一般系统研究，我们说不出它与其他领域的研究有什么太多的不同。我们确实有一些一般系统定律，比如愉快的特例定律，可以指导如何进行一般系统研究。但大多数情况下，一般系统研究和其他学科的研究一样，都是以神秘的方式完成的。
一般系统运动起初不是一个学科，但可能正在形成一个学科。冯·贝塔朗菲在1969年面市的书的前言中考察了一般系统学领域30年的相关活动，并且提醒我们会发现：
……系统理论（起初是想克服当前过于专业化的问题）成了几百种学术专业中的一种。而且系统科学以计算机技术、控制论、自动化和系统工程为中心，这似乎让系统思想成为了另一种技术（实际上是终极技术），让人类和社会变得更像一部“庞大的机器”……
多年前还没有学术官僚主义，国防资金也没有介入一般系统研究会，当时我收到过一封信，收信地址写的是“Society for Gentle Systems Research”（文雅系统研究学会）。当我惊恐地看到现在的“系统运动”时，常常回想起这封信。我在想：文雅的人是否还有生存空间，我们是否
不应该去帮助建造“庞大的机器”，而应该去发展文雅的系统？
结果会怎样？它很有可能会像所有运动一样，杀掉它的先知，背叛他们的教诲。它已经没有回头路可走，但就像所有狂热的信徒一样，我还想做最后的尝试。这本书就是致力于把一般系统思维带回给普通人，因为它本身就是为他们设计的。
本书是软件思想家温伯格的非凡之作。这是一本全面介绍一般系统思维的权威指南，旨在帮助人们掌握科学的思维法则，揭开科学与技术的神秘面纱。
》
》
》
《》
》
》
》
1月份中标信息：
1、
