目标导向性的意义与起源：动力系统视角

原创 Heylighen 2025-04-29 22:16 上海

一条理解生命与非生命界限的动力学线索

导语

我们作为人类，可以体会到自己的自由意志，那是否所有的生命都有自己的目的？目的论作为一种对生命系统的哲学解释，一直广受争议。人们很容易把它和一些超自然的事情联系在一起，比如会认为生命做一件事的目的是由上帝赋予的。可在另一方面，目的论确实是对我们所观察到的生命现象的一种简洁的解释。这篇文章便从动力系统分析的角度出发，解释生命的目的是从哪里来的——它其实就是系统中远离平衡态的吸引子。作者在这篇文章中力图排除超自然的因素，用动力学分析和控制论的思想，解释生命的起源。

关键词：吸引子，吸引域，协同行动，等终性，负反馈，生命起源，持续性，可塑性，韧性，自我维持

Francis Heylighen丨作者

杨明哲丨译者

引言

关于目的的存在是否应纳入科学理论范畴，学界一直存在争议（Deacon & Sherman，2007）。科学的标准本体论以因果法则为核心，其基本假设是：系统当前行为完全由过去因素决定，包括系统之前的状态以及外部施加的力或输入。因此，尚未发生的目标似乎无法影响当前行为。此外，将目标导向性引入生物系统也曾引发质疑，因为它常与多种解释联系，这些解释与当代生命科学的认知相冲突。例如，造物主预设目的、智能设计理论、神秘的“生命活力”，以及主张目标行为需依赖意识意图的假设。

然而，在实际应用中，科学家与大众仍广泛采用目标导向性概念，因其能为日常现象提供简洁有效的解释。当看到有人在厨房处理食材，我们可以合理推断其目的是烹制餐食。猎豹追逐羚羊时，其目标明确指向捕杀与进食。猎豹狩猎过程中的每个行为——加速冲刺、跃上猎物脊背、撕咬咽喉——皆可通过目标导向性框架解读。这种分析方式能产生具体且可验证的预测：当猎豹最终捕获猎物时，其后续行为将被实际观测验证。

但这种观点未能阐明目标导向的具体机制。此外，目的性机制（teleonomy）与目的论（teleology）的确切区别仍不明确——多数科学家会回避目的论这一术语（Thompson， 1987）。韦氏词典将目的性机制定义为“生物体因进化出适应能力而呈现的结构或功能上表面的目的性”，这体现了普遍认知（或误解）。部分科学家使用目的性机制这个术语时，实际是想表达目标导向（goal-directedness），却不敢直言，仅以“表面的目的性”作为掩饰。这种解释既未说明有目的组织与无目的组织的区别，也未阐明过程如何有效指向尚未存在的目标状态。

译者注：telenomy 难有准确的中文对应。它指的是一种模拟出来的目的性，比如目的论解释是长颈鹿的脖子变长是为了吃到高处的树叶，而teleonomy的解释是在干旱环境中，具有较长脖子的个体获得生存优势，通过自然选择导致种群颈部长度增加。这便是所谓的结构或功能上表面的目的性。

因此，下文将尽量避免使用目的性机制，改用更明确的概念目标导向（goal-directedness）。我指的是一种系统行为，它始终朝向特定状态或结构发展，这种状态可理解为系统目标。具体而言，若将行为影响向未来推演，最终轨迹会到达目标状态——即使中途干扰导致偏离初始路径。因此，系统是否具备目标导向是可验证的：只需扰动系统行为（比如将猎豹转移至其视野范围内的其他位置），观察新轨迹是否仍会收敛于同一目标状态（比如捕食羚羊）。

我们所说的目标，实际上取决于观察者如何选择变量来定义系统状态。以“猎豹捕食羚羊”为例，这个目标可以被表述为“满足猎豹的饥饿感”，或者“缓解猎豹能量代谢的不足”——具体表述方式取决于描述的层次。这些描述在实际操作中效力相同，因为对猎豹行为的预测完全一致。

本文旨在深化目标导向概念，阐明其与因果机制完全兼容。首先将梳理该概念的常见误用，解释科学界排斥这些用法的原因。接下来将评述多项研究：这些研究试图建立更具操作性的理解框架，并提出整合性定义。研究表明，将目标视为动力系统的远离平衡吸引子，能有效建模并解释目标导向行为。进一步展示这类吸引子如何自组织：在反应网络中形成自创生系统，即原始生命形态或自主主体。由此论证目标导向与因果性没有矛盾，其组织结构可从简单因果过程自然形成。这有望为发展具有目的的系统科学奠定基础，助力理解生命、心智及行为本质。

对目标导向的有问题的解读

在系统阐述目标导向概念前，需先厘清科学界长期排斥该术语的原因——尤其是针对生物现象的描述。

首要原因在于，目的论长期与超自然解释绑定。这种思路认为，世界的运行遵循着神圣计划。该计划设定了宇宙演化的路径，指向特定的终极目标。所有现象都被解释为：上帝（或未知智能力量）的刻意安排。例如，上帝赋予鸟类翅膀，就是为了让它们飞翔。当飞鸟展翅于云端时，便是在执行神圣意志。人类进行宗教仪式、辛勤劳作或维系家庭时，也遵循了这套预设逻辑。

科学家准确指出：归因于无形力量，能够解释所有现象。但这种力量的动机始终无法参透。当村庄毁于地震时，总能编造出合理的目的——村民或因触戒受罚，或上帝在考验信仰。这类解释无法验证真伪，更无预测效力，因此被排除在科学领域之外。

活力论提出了更科学的解释框架（Walsh，2018）。该理论认为，生物具备独特的“生命力”，驱使其追求特定目标，而这种力量是非生命体所不具备的。它能解释生物如何生长、发育并自组织，形成精密有序的结构行为。这使得生物区别于纯物理系统：后者遵循热力学第二定律，表现为秩序崩解与能量耗散，而非主动建立组织结构。

活力论不再被科学界接受的首要原因，是这种生命力量从未被观测到。具体来说，在分子生物学层面实施操控时，生命与非生命系统的界限逐渐模糊。但始终找不到这种力量生效的关键点。第二个原因是，自组织系统建立秩序的原理已明确：通过向环境排放熵来实现，同时遵守第二定律（热力学第二定律规定，封闭系统的熵只能增加或维持不变）。最后，假设存在某种未知力量，与智能设计理论面临同样困境：若无法阐明该力量的作用方式与生效条件，理论就失去预测价值。

科学家对目的论解释存疑的第三个原因，是其明显将非人类事物人格化。多数人认为人类行为受意识驱动：先在脑中构想目标状态，再计划行动实现这个构想。但低级动物、植物、细菌或胚胎，不太可能明确呈现目标状态。更难以想象它们会主动思考如何达成目标。不过后文将证明：系统无需明确呈现最终状态，也能稳定趋向该目标（Brooks, 1991; Trestman, 2012）。尤其不需要类似人类智能或意识的因素。

质疑的另一根源，在于亚里士多德学派将目标视为“目的因”——即存在于未来的原因。科学认为系统的当前实际状态，决定了其未来所有状态，包括任何“终点”。但这类因果关系无法逆向延伸。未来状态不能回溯过往，引导当下朝自身发展（见下图）。否则将面临经典时间机器悖论（Heylighen, 1990）。这种装置能让人回到过去施加因果影响。若实现，比如你可阻止父母相遇，从而否定自身存在。因此，将目的论解释视作时间逆向的因果关系，与我们理解的时空结构相矛盾。

图1. 终极因果被诠释为未来目标沿时间逆向影响当前状态（实线箭头），这种阐释与我们所理解的因果关系相矛盾。

另一批评源自因果关系的决定论诠释，这是经典牛顿力学的基础。该哲学在物理学中发展得最彻底，但其他学科也多默认其假设：过程的初始条件（原因）完全决定后续演化（结果）。因此，若知晓系统初始状态，理论上能精准预测其未来轨迹与终局。由此推论：若系统行为已被当前状态完全决定，所谓目标便无从影响行为。这意味着，用目标导向解释系统行为，要么与根本的因果解释矛盾，要么纯属多余——仅是重复因果解释已有的结论（Walsh, 2012）。

然而，这类对目标导向的批判，忽略了两项关键观察。首先，即使假设牛顿动力学能精确描述轨迹，轨迹的起点和终点之间依然可逆。当唯有一条轨迹连通两态时，终态对初始态的制约力与反向等同。牛顿动力学完全可逆，它不关心时间箭头的方向（Heylighen, 1989）。因此，理论上，从过去推断未来的方式，同样能反推过去。这意味着，系统的当前行为，完全可用预测的终态目标解释。在真正的牛顿宇宙里，终极原因与初始原因抽象的意义上等价。这里没有时间机器悖论——那种穿越时空阻止父母相遇的构想：在决定论框架下，万物皆已注定。无论是未来或过去，任何事物都无法改变。

更根本的观察在于：现代物理学早已摒弃决定论。海森堡不确定性原理揭示，微观事件本质上具有不可确定性。大多数物理系统属于非线性类型，这意味着微小到无法观测的波动，可能逐渐扩大为宏观差异。这种差异足以改变历史进程——该特性被称作“对初始条件的敏感依赖”，俗称“蝴蝶效应” (Hilborn, 2004)。复杂系统科学研究证实（Heylighen, 2009），现实世界中的多数过程根本无法被预测。

生物学家、生态学家、心理学家与社会学家深知，永远无法为观察对象建立确定性模型。然而，仍有人心存幻想：原子与粒子层面的过程应是确定的。物理学已彻底推翻此观点 (Barrow, 1998)。因此，因果模型必然残缺不全。这为目标导向模型开辟了空间，使其能扩展预测因果模型无法触及的领域。

定义目标导向的尝试

鉴于前文讨论的概念难点与误读，目标导向或目的论概念长期被排除在科学之外(Deacon & Sherman, 2007; Deacon, 2011)。但现实世界中存在诸多系统，如细菌、猎豹、人类与企业，其行为宛若追逐某个遥远目标。现梳理不同研究方案，尝试以更具体的方式定义目标导向或目的论——不涉及神秘设计、明确意图或逆向因果关系。

生物学家恩斯特·迈尔将目的论解释为：系统遵循内部程序运行，最终达成预定结果（Mayr，1974）。例如，胚胎执行基因程序指令，发育出特定复杂形态；猎豹追击瞪羚的行为，源于基因编码的本能程序。然而，程序只是固定步骤序列，每一步都确定无疑。因此，难以辨明其与普通因果机制的本质区别。

麦克希近年提出新观点：目标导向性不存于生物体内部，而存在于引导系统的外部“场”（McShea，2012；Babcock & McShea，2021）。例如，细菌感知空间中的食物浓度分布，调整运动方向，沿梯度游向浓度最高处（趋化性）（Wadhams & Armitage，2004；Sourjik & Wingreen，2012）。问题在于，这种场类似引力或电磁力。它像牛顿力学般，决定性地控制系统轨迹。两种理论都未充分说明，目标导向系统的核心特征——即不受内外作用力影响，能自主控制运动轨迹的能力。

或许对目标导向性，最简明的操作定义是等终性。该概念指系统初始状态各异，最终都会达成同一状态（Lyman，2004）。例如细菌无论起始位置，最终必达食物源；猎豹无论出发方位，总会追至瞪羚处。生物学家兼系统理论家 Ludwig von Bertalanffy 指出，生命系统与机械系统的本质差异，正在这种等终性（Bertalanffy，1969）。生物学家 Hans Driesch 更将此现象视为活力论佐证。他在实验中用不同方式处理胚胎，发现仍发育出相同解剖结构。

但在纯牛顿动力学中，初始状态不同必致结果相异。这种特性称为“差异守恒”（Heylighen，1989）。热力学描述的不可逆动态则相反。此时初始差异会被熵的持续增长逐渐消除。例如球滚入碗中，因摩擦耗散动能，最终静止在碗底最低处。无论球最初位于碗中何处，终点始终是势能最小的平衡态。然而这类等终现象，并非人们直觉认知的目标导向行为。

要解决这一问题，可要求最终状态必须是远离平衡的稳态。这种稳态的达成与维持，需要主动干预与持续供能。事实上，生命本身就是一种远离平衡的状态。生物若失去持续的能量供给，其代谢活动便难以为继。这恰好诠释了能动性的核心——主动采取行动，例如调集能量或资源以抵抗耗散等物理作用。而碗中的球仅是被动遵循重力与摩擦规律。因此，冯·贝塔朗菲将等终性限定于与环境交换资源的开放系统（Bertalanffy，1969；Lyman，2004）。

哲学家纳杰尔以相似的路径定义了目标导向性（Nagel，1977）。他继承了索默霍夫（1950）的理论框架，提出了两个必要条件：灵活调整与持续趋近。灵活调整近似于等终性概念。主体的"灵活调整"体现在能适应各类初始条件，仍能抵达同一目标。“持续趋近”则表现为：当运动受扰偏离轨迹时，主体会调整路径以继续指向目标。值得注意的是，有观点认为持续趋近并非独立条件，而是等终性的具体表现——扰动仅改变初始状态，主体仍会重新趋向终态。对于目标导向运动而言，初始状态是否由扰动产生并不影响结果。

李与麦克谢的研究表明（Lee & McShea，2020），通过测量行为对干扰的补偿程度，或对初始状态变化的适应幅度，可将可塑性和持久性作为评估标准。这种方法能判断具体系统（如细菌或猎豹）是否存在目标导向行为。这为"目标导向"模型提供了更精准的定量检验。

纳杰尔（1977）提出的第三条标准较为宽泛，学界对其存在不同诠释。其核心在于主体需调动多种互补行为。这些组件或功能相互协作，共同实现目标。该理念源于生物观察：器官组合、代谢过程与生理功能协调运作，共同支撑目标导向行为。例如猎豹追捕羚羊时，不仅依靠眼睛、四肢和牙齿，还需呼吸系统与血液循环。各类器官、本能及生理过程协同配合，才能完成捕杀动作。特雷斯特曼（2012）将此称为“动态一致性”。更精准的表述是"协同行动"——系统各组件主动协作，高效整合必要资源，最终达成目标状态。

该标准的难点在于具体实施：观察者需要确定多少组件，以何种方式互动，才能判定存在目标导向的协同行动？在我的目标导向起源模型中，将具体说明如何对这种协调活动进行形式化。这里需要注意，该要求与远离平衡态的终态标准相契合。因为达成这种状态需要调动供能资源——即协调有序的调配、主动驱动的运作、非熵形式的部署。

本视频是张江老师在集智俱乐部、苇草智酷、信息社会50人论坛举办的《生命是什么？——从圣塔菲研究所“个体信息论”谈起》系列研讨会上的分享，从建模的视角看待主体起源的问题，分享了生命个体计算模型四个阶段的发展。张江老师更倾向于从内在涌现的角度解释生命，我们不可能从外在观察者的角度划分生命的边界。能定义生命的，只有生命它自己。扫码查看视频👇

推荐阅读：生命是什么？圣塔菲研究所提出“个体信息理论”，重新定义个体生命

控制论中的目标导向性

最精妙的目标导向操作性定义，或许来自控制论（Heylighen & Joslyn, 2003）。控制论概念既包含殊途同归性，也强调持续存在性，但提出了具体机制：通过负反馈进行调节。这种机制还能阐明终极因果悖论，正如经典论文《行为、目的与目的论》（Rosenblueth等，1943）首次揭示的。控制论引入循环因果关系，解释目标为何能影响初始状态，同时不违背"原因先于结果"的因果铁律。

看似矛盾的是，循环因果机制其实并不难实现。只需将系统输出（效应、结果）反馈到输入（原因、初始条件）。这种现象被称为再入机制，构成了数学与计算机科学中递归的基石。后文将详细说明：当系统能够生成自身部分输入时，这种环形架构便赋予其自主能力。系统得以保持内部动态，而不必受制于无法控制的外部输入。这种自我主导特性可视为自举过程——系统通过输出动作牵动输入组件，犹如拽起自身鞋带，逐步向目标提升。

需要注意的是，这种循环属于空间关联，而非时间顺序。输出被重定向到系统中最初受输入影响的组件，即流程起始点。但反馈必然晚于初始输入——虽可近乎实时，仍能实现输入的即时调节。

控制论最基本的调节形式仅需负反馈。这意味着再入输出的作用方向，与触发它的输入方向相反。实际操作中，当扰动（输入）使系统偏离轨迹，系统响应（反馈转化成的输入）将抵消偏差，使其重归正轨（见图2）。

控制论中目标导向系统的经典案例，是恒温系统。当温控房间温度T下降，低于目标值T₀（系统感知输入），恒温器启动加热（输入触发的输出）。温度随即回升，中和干扰输入影响（负反馈）。若温度T继续上升，超过目标值（新输入），恒温器关闭加热（新输出）。温度因此回落（反向负反馈）。其运作遵循条件-动作规则：

若T < T₀（条件），启动加热（动作）；

若T ≥ T₀，关闭加热。

内置机制使实际温度T始终趋近目标T₀。输出动作通过抵消干扰，压制偏离目标的波动。结果呈现等终性：无论扰动幅度或方向如何，系统总能回归目标状态。更复杂的案例是热追踪导弹。它持续检测自身位置与目标热源的偏差。当检测到轨迹偏移（例如目标东移），导弹立即调整航向（如转向东侧）。通过持续补偿偏差，最终精准命中目标。这机制与猎豹追捕羚羊时的路径修正原理，完全一致。

图2. 通过负反馈实现目标导向：扰动（弯曲虚线箭头）造成轨迹偏离（笔直虚线箭头）时，补偿作用（实线箭头）会中和偏差。

早期控制论对恒温器、伺服机构等技术进行了深入研究。这些装置启发了数学理论的建立，但它们都是人造系统，目标由设计者预先设定。这与人类设定目标的方式类似——系统需要明确目标状态，或者主动选择才能行动。而自然界的负反馈机制则不同，它能直接抵消偏离系统动态的扰动。这种机制可视为趋向终态的过程，无需对该状态进行显式表征。

例如，鱼缸常用的简易恒温器，由两片平行金属条组成。其中一片构造特殊，遇冷收缩时会弯曲。温度下降时，弯曲幅度逐渐增大，不断靠近另一片，直至完全接触。接触瞬间接通电路，触发加热器工作。温度回升时，金属受热膨胀，弯曲幅度减小，断开接触后停止加热。两片接触的精确温度，即为系统的目标状态。系统会持续回归这个状态。但装置内部没有对“预期”温度的表征。该温度仅由弯曲系数和初始间距决定。调整间距即可改变温度。整个过程不存在有意识的目标决策行为。

控制论进一步延伸到自然目标导向系统，如生物体、大脑及社会系统。这类系统的目标不由外部设定，而是系统内在属性。它们能够自主调节，因此具备行动能力。在进化产生的系统中，隐含目标是生存繁衍。无法有效达成该目标的系统，已被自然选择淘汰。但要实现整体目标，系统需要完成次级目标：饥饿时寻找食物，寒冷时获取温暖，受威胁时确保安全。最后一章将探讨这种相互关联的控制行为与目标网络如何形成。

集智学园联合中科院数学与系统科学研究院多位控制科学与工程领域专家共同开设了《控制科学前沿理论与方法》系列课程，为面向控制专业领域学生以及跨领域的学习者做深度科普，帮助学习控制论的核心思想、框架与方法。郭雷院士以“系统控制之美”对控制论进行了概览性分享，扫码查看视频👇

目标导向性的动力系统诠释

基于动力系统理论（R.D. Beer, 1995; Strogatz, 2000; Sternberg, 2010），我将整合并形式化各类目标导向性概念。这一数学框架扩展了牛顿力学，适用于包含多组件的复杂非线性系统。它为描述从初始状态到终态的因果演变提供了通用的形式体系。本文不涉及动力方程的数学细节，仅梳理相关定性概念，以辅助理解目标导向行为。

动力系统通过变量集合 {s1,s2,s3,…} 描述。这些变量代表可变化的属性，例如位置、速度、温度，或溶液中不同分子的浓度。这些属性通常表征具体系统的特征，如钟摆、汽车、生物体或经济体。特别需要注意的是，在建模生物体等目标导向系统时，“系统”特指生物体或智能体自身的属性与行为，而非环境属性（如食物是否存在）。系统动力学描述这些属性随时间的变化过程。为此引入系统状态 s(t) 概念，即时刻 t 所有系统变量的取值集合：

s(t) = (s1(t) ,s2(t) ,s3(t),…)

因此，系统状态需完整描述系统在特定瞬间的特征——至少涵盖后续演化所需信息。以反应容器内的化学混合物为例，状态包含所有现存分子的浓度。每个变量值的可能组合，都定义系统的一个潜在状态。所有潜在状态的集合，构成系统的状态空间（有时称为相空间）。

演化轨迹即系统在状态空间中的路径。随时间推进，系统依次经历不同状态：s(t) ,s(t + 1) ,s(t + 2) ,s(t + 3) ,… 该演化由特定方程决定。此方程表达初始时刻 t 的状态（原因或输入）与后续时刻 t + 1 的状态（结果或输出）间的因果关系：

f(s(t)) = s(t + 1)

为简化说明，此处采用“差分”方程。它描述离散时间下，状态通过不连续转换到达后续状态。在更复杂的连续演化中，动力学常用微分方程表达。状态转移函数 f 将状态空间中的任意状态，映射到系统动力学决定的后续状态。动力学体现系统内部所有促使变化的“作用力”总和。

需注意，状态空间的映射函数隐含递归机制：首次转移的输出 s(t + 1) 立即成为下次转移的输入：

s(t + 2) = f(s(t + 1)) = f(f(s(t)))

这种将f反复作用于自身结果的过程，称为“迭代映射”。它能从初始状态s(t)出发，生成轨迹的所有后续状态。对状态空间中每个初始状态进行此操作时，可创建出优雅的视觉呈现——称为“相图”——展示系统可能的演化。此处状态空间表现为二维平面。平面上每个点（状态）都绘制箭头，指向轨迹中的下一个状态（见下图）。这些箭头用图形展现了动力学固有方向，即系统从任意初始状态出发后，下一步的运动方向。由连续箭头构成的链状结构，代表状态空间中可能的演化轨迹。

图3．动力系统相图：中心暗区为吸引子，外围亮区是其吸引域。域内起始的轨迹（实线箭头）全部汇聚至吸引子，域外轨迹则不会。若扰动结果仍在域内（虚线箭头），系统会生成新的指向吸引子的轨迹进行补偿；超出域界则无补偿。

现在，我们可以区分这类系统的两种基本运行模式。第一种模式对应可逆的牛顿系统。此时，轨迹保持平行：既不会交汇，也不会聚合或交叉。不同的初始状态必定导向不同的终态：等效终点并不存在。第二种模式则代表不可逆的非线性系统。此时，部分轨迹确实会彼此汇聚。它们最终聚合的终点被称为吸引子。在动力系统理论中，吸引子被定义为状态空间中的一个区域。系统可以进入该区域，但无法离开。区域内部不包含更小的同类区域（Milnor, 2006; Sternberg, 2010）。吸引子外围环绕着吸引域。这个区域包含所有最终通向吸引子的状态轨迹。系统的行为表现为：计算吸引域内任一初始状态的轨迹，最终都会到达吸引子并驻留其中。吸引子成为其域内所有轨迹的终极目的地。根据后续将详述的条件，它可被理解为系统的“目标”或“终点”。

吸引子的数学概念阐明，等效终点现象如何与标准因果动力学完美契合。在标准动力学中，系统轨迹仅取决于当前状态，而非假想的未来终态。人们自然会问：为何必须考虑终态？为何不从初始状态直接推算轨迹？关键在于：只有在理想情况下才能确定轨迹。此时系统严格遵循动力学规则，且不受未知干扰。

然而，现实中的生命体、生态系统或经济体，常会遭遇不可预测的扰动。这些扰动使系统偏离原有轨迹。它们源于系统无法掌控的事件，即不属于函数f定义的动力学范畴。典型来源是所处环境，例如遭遇其他生物体、突发事故或气象变化。

对于生物体这类复杂系统而言，精确轨迹实际上难以预测。但若已知吸引子及其吸引域，终态预测便重新可行：只要扰动未将系统推出当前吸引域，系统动力学终会使其回归该域吸引子。如上图所示，扰动分为两类：停留在域内的会被动力学自动修正，越出域界的则不会。因此，对于开放复杂系统，基于吸引子的模型比完全确定的动力学模型更实用、更灵活、更贴近现实。

不过“吸引子”这个名称或许容易引发误解。实际上，并非吸引子产生拉力，将系统拽向自身。而是系统基于内在动力学，持续朝吸引子移动。即使被扰动推离原轨迹（未出吸引域），系统仍保持运动方向。必须强调：相图中的吸引子与吸引域，展现的是系统自主运行机制。即内置程序或条件触发规则。这不同于McShea（2012）模型中的食物梯度——那种外部引导场。后续用趋化性案例说明：系统停在食物源，只因规则要求感知食物才停驻。并非食物发出牵引力。如同恒温器，仅在传感器达到设定温度时停止加热。温度不会主动“吸引”加热系统。

若假设吸引子并非碗底小球式的势能最低点，趋近运动需持续供能。需要攀爬势能梯度，补偿能量耗散。因此，系统向吸引子移动、抵抗干扰的行为，可视为目标导向动作。这类系统展现基础自主能力：主动抵抗外力推拉，不像受重力牵引的小球般被动。

其作用在于补偿、中和或抑制扰动。但由于系统动态遵循因果律，反作用需在偏离后触发。必须等系统状态偏离原“预期”轨迹。新初始状态决定调整轨迹，但仍指向同一吸引子。任何变化都会反馈到当前状态。系统动作的“输出”、外界扰动或二者结合，都将成为新输入。反馈若能抵消偏离，使系统回归原位，即为负反馈。

集智学园推出了一系列动力系统分析课程，包括：

北京师范大学教授王大辉的《动力系统分析》：分析系统的动力学行为，核心讲解定性的几何分析方法，略讲定量的以计算机为基础的数值计算方法，以及初步学会估计动力系统的参数；

北京邮电大学教授兰岳恒的《Koopman分析在非线性动力学中的应用》，从Koopman算符的定义出发，讲述其定义、基本性质和谱特征的数值计算方法，以及在几个典型非线性系统中的应用。

华侨大学教授郑志刚老师的《复杂系统的涌现动力学》，从涌现的基本物理和数学原理出发，构建涌现动力学的基本理论框架，并将其应用于节律行为、同步、集群、时空斑图、智能与人工智能等热点问题。

上述课程由浅入深带领大家分析非线性系统，可选择适合自己学习阶段扫码查看视频👇

协同行动

动态系统模型可深化对协同行动的理解。复杂系统状态含多个变量，反映各组分变化。例如，球体运动仅需重心坐标，但描述人体运动时，需涵盖所有肢体。关节自由度也需纳入。肘部骨骼夹角是单维变量，手臂相对肩部朝向需两个变量，头部绕垂直轴旋转需另一变量。因此，人体运动的动态系统状态空间是多维的。

特定动作如爬楼梯，可视为状态空间中的运动轨迹。轨迹终点是特定终态——身体立于楼梯顶端。要描述这种轨迹，各肢体需协调运作。当一条腿伸展发力，推动身体上升时，另一腿需弯曲，置于目标台阶。在动态系统表述中，这种协调体现为：各状态变量同步变化。伸展腿膝关节角度增大时，另一腿膝关节角度减小。若扰动破坏协调，必须及时抵消。例如，当弯曲腿过度屈曲，足部会悬空失撑。此时需补偿性伸展，方能恢复平衡。

这表明，动力系统的数学描述隐含一个核心观点：目标导向行为需要系统内部各动作、层面及组件协同运作。这种协调往往极为复杂，既包含不同组件（如身体部位）动作间的关联，也涉及感知变量（如肢体位置）对系统状态的调控。这些关联可分为以下类型（Trestman，2012；Heylighen，2013）：(1) 顺序型（某动作必须触发特定后续动作）；(2) 同步型（需同时执行多个动作）；(3) 循环型（动作结果反馈回来触发同类动作）；(4) 层级型（多个动作组合成更高阶动作）；更广义而言(5) 网络型（动作间通过连接网络相互依存）。尽管这类复杂目标行为可用动力系统模型描述，但引出一个根本问题：若无智能设计干预，如此精密的依赖网络如何自然形成？自然选择进化论指出，微小变异逐渐积累，使生物体结构日趋复杂，适应能力逐步提升。例如，DNA链通过复制与突变产生变异，经筛选形成基因组网络。这些网络调控细胞代谢活动，进而决定生命系统的动态模式。表观遗传机制作用于基因组网络，在个体发育中逐步构建多细胞生物的功能器官。

这一调控（表观）遗传网络的功能要素可视为条件-行动规则（亦称生产规则，Anderson，2014；Heylighen，2016）。每条规则规定：特定条件触发特定行动。例如：当某类分子存在时，必须生成对应酶（通过读取并表达编码该酶的DNA序列）。生成的酶将与分子作用，将其转化为新物质（如中和毒素或分解食物）。因此，条件-行动规则呈现了生物代谢的实际因果过程——将物理状态（如分子存在）转变为新状态（如酶中和分子）。所有规则共同作用于系统变量（如细胞内各类分子浓度），由此形成控制状态变化的动态系统。

这些规则通过自然选择保留，因其能引导生物体趋向适应性目标（吸引子）。无法达成适应性状态的生物必然消亡。以细菌为例：规则驱动其靠近视为食物的物质，远离视为毒素的物质（趋化性，参见Wadhams & Armitage，2004；Sourjik & Wingreen，2012）。具体通过循环应用以下规则实现：

若食物分子浓度下降，立即调整移动方向。

结果是，细菌会持续向食物浓度最高的区域移动，或在此区域停留。停留于此便形成该简单动态的吸引子。需注意，细菌并不将此区域看作外部实体：对其动态系统而言，吸引子仅是（内部）状态空间中食物浓度未下降的区域。细菌行为既非由内部程序决定（如Mayr（1974）目的论机制），也非由外部食物浓度场控制（如McShea（2012）所述），而是基于（部分编程的）自身对（非编程的）外部扰动（如食物浓度下降）的反应。这与恒温器类似：其（内部）规则规定，温度低于目标值（外部扰动）时启动加热。恒温器与细菌都无需知晓（即无需内部表征）与目标对应的外部环境，只需判断何时行动（应对扰动）或停止（达成目标）。

此处“食物”指细菌可分解并获取生存资源的物质，“毒素”指干扰代谢并威胁存活的物质。内部动态指向其他吸引子的细菌（如趋向毒素或忽略食物），已被自然选择淘汰。行动能量不足或协调不佳的细菌，无法有效应对常见扰动。这类细菌同样被淘汰。因此，变异与选择充分解释了协同行动动态的发展与优化——这些动态始终指向维持适应度的目标状态。

然而，这一假设默认存在某种生物体。其整体隐性目标是生存，即维持生命组织（Mossio & Bich, 2017）。次级目标如躲避毒素、捕捉羚羊，可视为演化手段。这些手段服务于整体生存目的。但生存的首要目标从何起源？这重新诠释了生命起源问题：无目标导向的物理化学过程集合，如何形成高效自我维持的组织（Deacon & Sherman, 2007）？这类组织如何获得必要可塑性及持久性？身处多变环境，承受各类扰动，仍能稳定达成目标？

为厘清疑问，首需理解吸引子与吸引域特性。下一节将引入反应网络形式体系，演示特定动力学如何通过化学反应自组织。

吸引子与吸引域

多维状态空间中，吸引子作为连贯区域存在。其大小、形状、维度多样，含混沌的"奇异吸引子"。最简形式是单态s0，即转移函数f的不动点。后续转移仅返回此点：

f(s0) = s0.

点状吸引子可视为稳态模型：不动点代表系统的“理想”状态，系统不会偏离（稳态即维持不变）。生物体实际运作中，某些变量允许波动，但范围需控制在理想值附近。前提是这些波动不威胁核心组织结构。例如人体温度，可在37°C附近小幅度变化。这说明吸引子覆盖的，是状态空间中的连续小区域，而非单个不动点。

另一种常见类型是极限环。这类过程终点不是单一状态，而是状态序列持续循环。例如存在三个状态的周期性转换：s1,s2,s3：

f(s1) = s2,

f(s2) = s3,

f(s3) = s1,

典型实例可见于Lotka-Volterra方程，描述了捕食者与猎物数量周期性波动。但极限环也能解释生物体内代谢循环：特定分子结构被周期分解后重建。必须持续维持这种循环，所有偏差都需被修正，使系统回归吸引子。此时目标不是固定状态，而是周期性进程。例如猎豹猎杀羚羊，实际属于循环中的阶段，准确描述应为：

捕猎→猎杀→进食

休整消化→捕猎→…

图4．极限环吸引子（内部椭圆）被其吸引域（浅色外围区）环绕。实线箭头表示趋向极限环的轨迹，虚线箭头表示扰动。

一种非常规吸引子形态可用无限直线表示（如下图）。[注：直线本身并非严格吸引子，而是吸引域组成部分，该吸引域向无限远处吸引子收敛。] 这适用于描述持续增长过程。例如种群数量、体型或经验等变量，可能无限增长。树木发育是典型案例：每年新增木质年轮，直径持续增大。生长可能受外界扰动，例如干旱导致供水不足。困难年份木质生长量减少。但作为目标导向动态系统，树木会补偿生长路径偏离。例如长出更长根系，汲取深层水分。

图5．以连续直线或流动形式呈现的吸引子（中央粗箭头），展示目标导向动态过程，阐释回归过程的运作机制。

这种回归理想进程而非固定状态的现象，称为动态稳流（homeorhesis，流动恒定）。动态稳流（Gare, 2017）比异态平衡（allostasis，保持差异）（Day, 2005）更精准。前者更能体现生命系统趋向无限发展的轨迹。后者概念则较为模糊。

一个重要问题是目标导向需具备三种特质：足够的可塑性、持续性与协调运作。这些特质共同构成围绕吸引子或目标的广阔吸引域。吸引域越大，三点效应越显著：更多初始状态终达吸引子（殊途同归，可塑展现）；系统能修正的轨迹偏离越大（持续作用，负反馈机制）；可统一调控的变量数量越多（动态协同，整体配合）。

试想吸引子具有狭窄吸引域。范围仅略微超出自身边缘。最轻微扰动就使系统越界。进入其他吸引子领域。这意味着系统失去自主回归能力。此时目标导向性极其微弱。系统几乎无法抵御任何干扰。这种目标的存在脆弱易折。

对应脆弱的是抗干扰能力。确切说是恢复韧性。即经历不同强度扰动后，仍能重返目标配置。从动力系统视角看，有效目标导向等于目标配置的恢复韧性。社会与生态研究（Holling, 1973；Walker等, 2004；Beigi, 2019）进一步阐明吸引域特性如何左右吸引子的存续强度。

另一个值得探讨的问题是：动力系统如何建模次级目标（例如进食）。现实中这类目标只是中间站，作为实现终极目标（例如生存）的跳板或途径。根据定义，吸引子是过程的最终归宿，因此所有中间步骤必须处于吸引域，而非存在于吸引子内部。但它们仍可成为整体系统的子系统吸引子，即缺少某些要素或变量的局部系统。

以进食为例：若将“饥饿”视为固定属性而非变量，其数值恒定在“高”水平。此时进食可被建模为吸引子。对饥饿的猎豹而言，进食是核心目标。但若将“饥饿”设为变量，模型需引入新动态规则。进食后饥饿值会急速下降，系统在低饥饿状态转向“休息与消化”。该行为会使饥饿值逐渐回升，直至系统恢复“进食主导”状态。这类新增变量充当控制参数，当参数值变化时，系统动态相应调整。稳定解（吸引子）可能转移、分叉或消失。

感知控制理论（Perceptual Control Theory， PCT）是一个典型例证。该理论受控制论启发，用于模拟生物与人类的目标导向行为。下级目标（负反馈控制回路趋近的参考值）由上级控制回路的动作（输出）设定。上级回路会综合感知变量（如饥饿感），从而指定下级回路的目标（如进食或休息）。通过将固定目标转化为受控变量，PCT构建出多层次目标体系，既能描述短期行为，也能解释长期动态。

如果你也想动手尝试一下，集智学院有一门由北京师范大学刘宇副教授开设的基于Python的动手实战课《复杂系统入门与实战》，扫码查看视频👇

目标导向系统的起源

本文最后将探讨：具有远离平衡态吸引子的复杂系统如何形成。这类系统被广阔的吸引域环绕。生物进化能解释系统的持续优化，但无法阐明目标导向的根源。进化论隐含了最根本目标——生存。对远离平衡的系统而言，生存首先需要主动自我维持：持续修复并重组组件结构，否则它们会被熵的必然产生消耗殆尽。这尤其涉及动态结构，它区分“自我”（需维持的系统）与环境（系统无法控制的扰动）。

正是这一视角使马图拉纳与瓦雷拉将生命系统定义为自创生系统，即自我生产。自创生通过组织闭合实现：系统内部过程循环运作。输出结果反哺为自身输入来源。不同组分与过程相互重构再生。自我维持即是生命系统的终极目标、价值与归宿。对自然系统而言，“系统目的即其实际所为”——引用控制论专家斯塔福德·比尔的经典论断。系统目标非由智能设计者设定，有别于人工或“他创生”系统。其目标源自系统运作机制：持续以原有方式运行。因此，生命系统呈现涌现目的的结构：组分与过程仅为简单因果机制，却共同构成自主“主体”或“自我”。即组织闭合的整体（热力学层面开放），通过行动确保持续存在。

自创生系统虽具有目标导向，但该理论未能阐明：这类系统如何从早期非生命系统演化而来，后者原本缺乏此特征。关于生命起源，学界已提出多种假说。虽然对特定理化条件的研究有所进展，例如氨基酸生成机制、细胞膜或RNA形成，但整体演化过程仍不清晰。根本问题在于：所有假说都未解释，非生命成分如何产生具有目的的行为（迪肯与舍曼，2007）。当起始要素只是线性因果机制与被动物质（如分子或膜结构），而非主动自我维持的组织时，这种演化的存在说不通。

现有假说中，最接近控制论和自创生理论循环因果的，是自催化循环的自组织（考夫曼，1986；霍迪克等，2010）。但该假说有根本缺陷。自催化本质是正反馈：催化剂越多，产物就越多。这种失控增长导致循环不稳定：不仅达不到"预期"浓度目标，催化剂储备还会指数级增长。直到耗尽生产所需"食物"分子。若无稳定外部食物来源，循环必然中断，初生的"代谢"系统随之瓦解（迪肯与舍曼，2007）。

受自创生理论启发，彼得·迪特里希扩展了自催化循环概念，并将其命名为化学组织（Dittrich & Fenizio, 2007；Benkö 等, 2009；Veloz 等, 2022）。这类广义循环不仅包含正反馈，还包含负反馈，整体上保持稳定性。与自创生系统类似，化学组织能够生产自身组分，从而构建起自主体系。相较于表述模糊的自创生理论，化学组织具有精确的数学结构，可通过反应网络形式体系进行解析与计算。

该形式体系由两类元素构成：分子（或称“分子物种”）{a,b,c,…}和反应 {r1,r2,…}。反应的基本形式为：

r : a + b + … → e + f + …

每个反应都会消耗特定分子（称为反应物或输入物：a,b,…），同时生成其他分子（称为产物或输出物：e,f,…）。反应可能受特定分子催化，但这并非必要条件。它们可以被理解为条件-行为规则：输入侧表明必要条件（需反应物同时存在），输出侧体现结果行为（生成产物并消除反应物）。这些反应本质上是物理作用力，例如化学反应，驱动系统产生动态演化。

“分子”可以是实际反应物，但并非必须如此。它们可代表任何资源。这些资源相互作用后，能生成更多资源。化学组织理论（Chemical Organization Theory, COT）通过反应体系（Veloz & Razeto-Barry，2017a， b），剥离了资源的物理生化属性。这种处理使理论具有广泛适用性，可应用于物理系统、生物领域（Kreyssig 等，2012）、生态环境（Veloz，2019）、社会结构（Dittrich & Winter，2008）及计算模型（Matsumaru 等，2005）。

当反应网络的分子与反应子集满足两个条件时，称为组织。第一是封闭：反应不会产生子集外的分子。第二是自维持：子集内消耗的分子，会被其他反应完全补充。由此，组织成分持续循环：无成分流失，无新成分产生。需注意，体系允许输入“养分”分子并排出“废物”，以遵守热力学约束。因此，组织常处于远离平衡的构型。

例如，以下高度抽象的组织模型，展现了地球生态系统：

→ 阳光

植物 + 阳光 + 二氧化碳 + 矿物质 → 植物 + 氧气 + 热量

植物 → 废物 + 热量

植物 + 动物 + 氧气 → 动物 + 二氧化碳 + 废物 + 热量

废物 + 分解者 + 氧气 → 分解者 + 二氧化碳 + 矿物质 + 热量

热量 →

这段描述了植物、动物与分解者如何循环氧气、二氧化碳及矿物质。该循环由太阳能驱动（能量来自外界系统，因此相关反应无需内部输入），同时热量向太空散逸。由此形成的自维持网络，可视为行星级自创生系统，即盖亚（Rubin 等，2021）。

需注意，当组织直接实现协同行动特征时，对应网络中的不同反应以顺序、并行及循环方式相互耦合。它们协同运作，维持整个系统的存续。每个分子或反应在自创生系统中均承担特定功能（Nunes-Neto 等，2014）。例如图示案例中，植物的功能是生产动物所需氧气与食物，并消耗二氧化碳；分解者的功能是释放植物需要的矿物质。这些功能是系统持续存在的核心。其他功能虽支持自维持，但并非必需。例如动物虽参与产生植物所需二氧化碳，但分解者具备相同功能。因此理论上，盖亚有机体可在无动物情况下存续。此案例显然经过高度简化。实际典型组织包含数百种分子，以及循环耦合的化学反应。未来需进一步研究，明确不同类型化学组织的功能划分、层级结构与协调模式。

反应网络可被建模为动力系统。其中，分子浓度构成了状态变量，而反应速率则定义了转移函数，从而决定状态的演变。研究表明，这类系统的吸引子均为组织（Dittrich & Fenizio，2007；Peter & Dittrich，2011）。当网络足够复杂时，它们会自发演化，进而形成自维持结构。简言之，系统将实现自组织（Heylighen 等，2015）。

从基于目标的动力学视角来看，化学组织类似于目标导向系统。当扰动导致轨迹偏离目标时，系统会主动补偿，以维持自创生（Busseniers 等，2021）。潜在的组织数量无限，从简单到复杂的形态均有涵盖。化学组织论的数学框架，为识别反应网络中的各类组织提供了高效的计算工具（Centler 等，2008）。

我的合作者新近开发的软件（Veloz 等，2022）能够计算反应网络中的所有组织。这些网络可以来源于代谢数据，可以是构建的演示模型，也可以是随机生成的。此外，软件还能模拟动态过程。系统从初始状态出发，或在受到扰动后，最终将稳定于某一组织。这为探索不同条件下自维持系统的自组织与演化，提供了切实可用的工具。

显然，这类动力系统的吸引子必然是化学组织。原因在于：若某构型不封闭或无法自我维持，根据定义，它必然发生变化。这种变化可能来自获得新分子（非封闭）或失去现有分子（非自我维持）。因此，这样的构型不可能成为反应网络动态演化的最终阶段。

然而，作为最终阶段的组织是否具备目标导向性的全部特征，仍存疑问。这些特征包括足够强的灵活适应、持久稳定与协同行动。某些组织的吸引域可能极小（甚至为空）。这意味着几乎任何扰动都会将系统推入其他吸引域。系统因此进入不同组织，随后可能再次受扰，跃迁至另一组织。如此随机地在吸引子间跳跃，无法等同于生命系统目标导向的受控自我维持。

合理推测认为，足够复杂的反应网络会呈现多种吸引子。其中某些吸引域范围远大于其他。当系统持续遭受随机扰动时，更可能脱离脆弱的小吸引域组织，最终稳定于最具韧性的大吸引域组织。这类组织能抵御后续多数扰动（Heylighen 等，2015）。我们通过随机生成反应网络与扰动的初步模拟，验证了该假设。若能将模拟结果推广至真实化学反应网络，就能解释稳健自维持系统的起源。这类系统展现出目标导向活动的核心特征，即生命所需的高度灵活适应、持久稳定与协同行动。

虽然需要更深入研究才能详尽阐述这一图景，但希望本文已能表明：目标导向结构从简单因果过程中涌现，既不神秘也不罕见。这是自然演化的结果——演化不断优化自我维持的构型，同时筛选出抗扰动能力最强的组织。

结论

在生命科学领域中，目标导向性仍是争议性概念且常被误解。本文试图阐明三点：目标导向性的本质，如何建模操作，以及其如何从非目标导向的因果过程中产生。首先指出，目标导向行为无需依赖特殊机制（如超自然干预、智能设计、生命原力、意识意图或逆向因果）。这些机制超出当前物理系统因果机制的理解范畴。

进一步文章论证，目标导向性不仅与常规"正向"因果性兼容，还能补充因果解释。当过程涉及复杂性、随机性或外部干扰时，逐步因果预测难以实现。例如，假设猎豹行为以捕食为目标，就能预测其捕获羚羊的结果——无论二者奔跑轨迹多么复杂难测。

这种轨迹多变而不规则，最终却总能汇聚于同一终态，此现象称为等终性。与之相关的目标导向特性包括：可塑性（不同环境下皆能实现目标）、持续趋近（面对扰动仍坚持前进）、负反馈（通过补偿动作消除偏离）。更复杂的特性是我提出的协同机制：系统各部件相互配合以达成目标。

这些特征都能通过动力系统模型得到完美阐释。此类系统的动力学通常呈现吸引子——即状态空间中的特定区域，吸引域内的所有轨迹最终都会汇聚于此，成为过程的真正"终点"。此时，系统动力学会自动修正扰动，前提是扰动未将其推出吸引域。吸引子对应的目标未必是固定状态（稳态），可以是环形运动（极限环）或持续演变进程（稳流态）。

为区分目标导向系统（如生命体）与平衡系统（如碗底静止的球），我补充一个关键条件：吸引子必须对应远离平衡的构型。这种构型需要持续输入能量才能实现并维持。这契合我们对目标导向行为的直觉认知——主动调配资源以干预世界，而非被动屈从于外力。

虽然这类动力系统能够解释目标导向行为的因果机制，但核心问题随之浮现：系统最初是如何形成正确配置的因果过程，从而产生这种动态的？

为了解答这一问题，我简述了COT的形式框架。该框架以资源间的反应为因果单元。研究表明，这类反应网络会自组织成“组织”类吸引子。其特征是自我维持与结构闭合。

因此，组织为循环自生动力学提供了简明模型。控制论、自创生理论与自催化循环理论均指出，这种动力学是自主能动性的核心，也是生命的本质特征。尽管该模型需要抽象的数学证明自我维持可以自然涌现，但其基本要素——各类反应——对应着真实的物理、化学或生物过程。

但根据我的定义，目标导向特质与已知生命现象所需的并不仅仅是自我维持结构。这种结构还需具备高度韧性，即在自然环境中遭遇扰动时，能有效恢复原状。

这就要求对应的吸引子被广阔的吸引域环绕。这等同于系统需具备广泛的适应力、持久的维持力与协同的行动力。通过后续的软件模拟研究，我与团队致力于明确：扩展吸引域的组织形成需要哪些具体条件。

这将构建生命起源与目标导向的形式模型（Heylighen等，2022），并提供必要的概念与方法，推动自然目标导向系统、目的性系统或目的论系统的科学研究。

参考文献

Anderson JR. 2014. Rules of the mind, 2nd edn. Hove: Psychology Press.

Ashby WR. 1960. Design for a brain: the origin of adaptive behavior. New York: Wiley. Available at: http://archive.org/ details/designforbrain00ashb

Babcock G, McShea DW. 2021. An externalist teleology. Synthese 199: 8755-8780.

Barrow JD. 1998. Impossibility: the limits of science and the science of limits. New York: Oxford University Press.

Beer RD. 1995. A dynamical systems perspective on agent-environment interaction. Artificial Intelligence 72: 173-215.

Beer S. 2002. What is cybernetics? Kybernetes 31: 209-219.

Beigi S. 2019. A road map for cross operationalization of resilience. In: Rattan SIS, Kyriazis M, eds. The science of hormesis in health and longevity. Elsevier: Academic Press, 235-242.

Benkö G, Centler F, Dittrich P, Flamm C, Stadler BMR, Stadler PF. 2009. A topological approach to chemical organizations. Artificial Life 15: $${71} - {88$$ .

Bertalanffy LV. 1969. General system theory: foundations, development, applications, revised edn. New York: George Braziller.

Bourbon WT. 1995. Perceptual control theory. In: Roitblat HL, Meyer JA, eds. Comparative approaches to cognitive science. Cambridge: MIT Press, 151-172.

Brooks RA. 1991. Intelligence without representation. Artificial Intelligence 47: 139-159.

Busseniers E, Veloz T, Heylighen F. 2021. Goal directedness, chemical organizations, and cybernetic mechanisms. Entropy 23: 1039.

Centler F, Kaleta C, di Fenizio PS, Dittrich P. 2008. Computing chemical organizations in biological networks. Bioinformatics 24: 1611-1618.

Corning PA. 2022 (in press). Teleonomy in evolution: "The Ghost in the Machine.' In: Corning PA, ed. Evolution on purpose. Boston, MA: MIT Press.

Day TA. 2005. Defining stress as a prelude to mapping its neurocircuitry: no help from allostasis. Progress in Neuro-Psychopharmacology and Biological Psychiatry 29: $${1195} - {1200$$ .

Deacon TW. 2011. Incomplete nature: how mind emerged from matter. New York: Norton.

Deacon T, Sherman J. 2007. The physical origins of purposive systems. Embodiment in Cognition and Culture 71: 3.

Dittrich P, di Fenizio PS. 2007. Chemical organisation theory. Bulletin of Mathematical Biology 69: 1199-1231.

Dittrich P, Winter L. 2008. Chemical organizations in a toy model of the political system. Advances in Complex Systems 11: $${609} - {627$$ .

Gare A. 2017. Chreods, homeorhesis and biofields: finding the right path for science through Daoism. Progress in Biophysics and Molecular Biology 131: 61-91.

Heylighen F. 1989. Causality as distinction conservation: a theory of predictability, reversibility and time order. Cybernetics and Systems 20: 361-384.

Heylighen F. 1990. Representation and change: a metarepresentational framework for the foundations of physical and cognitive science. Ghent: Communication & Cognition. First published 1987; web edition. Available at: http://pcp.vub.ac.be/books/Rep&Change.pdf

Heylighen F. 2009. Complexity and self-organization. In: Bates MJ, Maack MN, eds. Encyclopedia of library and information sciences, 3rd edn. Boca Raton: Taylor & Francis, $${1215} - {1224$$ .

Heylighen F. 2013. Self-organization in communicating groups: the emergence of coordination, shared references and collective intelligence. In: Massip-Bonet À, Bastardas-Boada A, eds. Complexity perspectives on language, communication and society. Berlin: Springer, 117-149. Available at: http://pcp.vub.ac.be/Papers/Barcelona-LanguageSO.pdf

Heylighen F. 2016. Stigmergy as a universal coordination mechanism I: definition and components. Cognitive Systems Research 38: 4413-4413.

Heylighen F, Beigi S, Busseniers E. 2022. The role of self-maintaining resilient reaction networks in the origin and evolution of life. BioSystems (in press).

Heylighen F, Beigi S, Veloz T. 2015. Chemical Organization Theory as a modeling framework for self-organization, autopoiesis and resilience. ECCO Working Papers. Belgium, 1-30. Available at: http://pespmc1.vub.ac.be/Papers/COT-ApplicationSurvey-submit.pdf

Heylighen F, Joslyn C. 2003. Cybernetics and second-order cybernetics. In: Meyers RA, ed. Encyclopedia of physical science and technology, 3rd edn, Vol. 4. San Diego: Academic Press, 155-169. Available at: http://pespmc1.vub.ac.be/ Papers/Cybernetics-EPST.pdf

Heylighen F, Rosseel E, Demeyere F. 1990. Self-steering and cognition in complex systems: toward a new cybernetics. New York: Gordon and Breach Science Publishers.

Hilborn RC. 2004. Sea gulls, butterflies, and grasshoppers: a brief history of the butterfly effect in nonlinear dynamics. American Journal of Physics 72: 425-427.

Holling CS. 1973. Resilience and stability of ecological systems. Annual Review of Ecology and Systematics 4: 1-23.

Hordijk W, Hein J, Steel M. 2010. Autocatalytic sets and the origin of life. Entropy 12: 1733-1742.

Kauffman SA. 1986. Autocatalytic sets of proteins. Journal of Theoretical Biology 119: 1-24.

Kreyssig P, Escuela G, Reynaert B, Veloz T, Ibrahim B, Dittrich P. 2012. Cycles and the qualitative evolution of chemical systems. PLoS One 7: e45772.

Lee JG, McShea DW. 2020. Operationalizing goal directedness: an empirical route to advancing a philosophical discussion. Philosophy, Theory, and Practice in Biology 12: 005. Available at: https://quod.lib.umich.edu/p/ptpbio/16039257.0012.005/-- operationalizing-goal-directedness-an-empirical-route?c=ptb ;c=ptpbio;g=ptpbiog;rgn=main;view=fulltext;xc=1;q1=Article

Lockton D. 2012. POSIWID and determinism in design for behaviour change (SSRN Scholarly Paper ID 2033231). Elsevier: Social Science Research Network. Available at: https://doi.org/10.2139/ssrn.2033231

Luhmann N. 1986. The autopoiesis of social systems. In: Geyer F, van der Zouwen J, eds. Sociocybernetic paradoxes, Vol. 6. London: Sage, 172-192. Available at: http://cepa.info/2717

Lyman RL. 2004. The concept of equifinality in taphonomy. Journal of Taphonomy 2: 15-26.

Matsumaru N, Centler F, di Fenizio PS, Dittrich P. 2005. Chemical organization theory as a theoretical base for chemical computing. In: Teuscher C, Adamatzky A, eds. Proceedings of the 2005 workshop on unconventional computing: from cellular automata to wetware. UK: Luniver Press, 75-88.

Maturana HR, Varela FJ. 1980. Autopoiesis and cognition: the realization of the living. Dordrecht: D Reidel Publishing.

Mayr E. 1974. Teleological and teleonomic, a new analysis. In: Cohen RS, Wartofsky MW, eds. Methodological and historical essays in the natural and social sciences. The Netherlands: Springer, 91-117.

McShea DW. 2012. Upper-directed systems: a new approach to teleology in biology. Biology & Philosophy 27: 663-684.

Milnor JW. 2006. Attractor. Scholarpedia 1: 1815.

Mingers J. 1995. Self-producing systems: implications and applications of autopoiesis. Berlin: Springer Science & Business Media.

Mossio M, Bich L. 2017. What makes biological organisation teleological? Synthese 194: 1089-1114.

Nagel E. 1977. Goal-directed processes in biology. The Journal of Philosophy 74: 261-279.

Nunes-Neto N, Moreno A, El-Hani CN. 2014. Function in ecology: an organizational approach. Biology & Philosophy 29: 123-141.

Peter S, Dittrich P. 2011. On the relation between organizations and limit sets in chemical reaction systems. Advances in Complex Systems 14: 77-96.

Powers WT. 1973. Behavior: the control of perception. Chicago: Aldine.

Powers WT. 1995. The origins of purpose: the first metasystem transitions. World Futures 45: 125-137.

Razeto-Barry P. 2012. Autopoiesis 40 years later. A review and a reformulation. Origins of Life and Evolution of Biospheres 42: 543-567.

Rosenblueth A, Wiener N, Bigelow J. 1943. Behavior, purpose and teleology. Philosophy of Science 10: 18-24.

Rubin S, Veloz T, Maldonado P. 2021. Beyond planetary-scale feedback self-regulation: Gaia as an autopoietic system. Biosystems 199: 104314.

Sommerhoff G. 1950. Analytical biology. Oxford: Oxford University Press.

Sourjik V, Wingreen NS. 2012. Responding to chemical gradients: bacterial chemotaxis. Current Opinion in Cell Biology 24: 262-268.

Sternberg S. 2010. Dynamical systems. North Chelmsford: Courier Corporation.

Strogatz SH. 2000. Nonlinear dynamics and chaos: with application to physics, biology, chemistry, and engineering. Boulder: Westview Press.

Thompson NS. 1987. The misappropriation of teleonomy. In: Bateson PPG, Klopfer PH, eds. Perspectives in ethology: Volume 7 alternatives. New York: Springer US, 259-274.

Trestman MA. 2012. Implicit and explicit goal-directedness. Erkenntnis 77: 207-236.

Veloz T. 2019 (2020). The complexity-stability debate, chemical organization theory, and the identification of non-classical structures in ecology. Foundations of Science 25: 259-273. Avaialble at: https://link.springer.com/ article/10.1007/s10699-019-09639-y.

Veloz T, Maldonado P, Busseniers E, Bassi A, Beigi S, Lenartowicz M, Heylighen F. 2022. An analytic framework for systems resilience based on reaction networks. Complexity 2022: 9944562. doi:10.1155/2022/9944562.

Veloz T, Razeto-Barry P. 2017a. Reaction networks as a language for systemic modeling: fundamentals and examples. Systems 5: 11.

Veloz T, Razeto-Barry P. 2017b. Reaction networks as a language for systemic modeling: on the study of structural changes. Systems 5: 30.

Wadhams GH, Armitage JP. 2004. Making sense of it all: bacterial chemotaxis. Nature Reviews Molecular Cell Biology 5: $${1024} - {1037$$ .

Walker B, Holling CS, Carpenter SR, Kinzig A. 2004. Resilience, adaptability and transformability in social-ecological systems. Ecology and Society 9: 5.

Walsh DM. 2012. Mechanism and purpose: a case for natural teleology. Studies in History and Philosophy of Science Part C: Studies in History and Philosophy of Biological and Biomedical Sciences 43: 173-181.

Walsh DM. 2018. Objectcy and agency: towards a methodological vitalism. In: Nicholson DJ, Dupré J, eds. Everything flows: towards a processual philosophy of biology. Oxford: Oxford University Press. Available at: https://oxford.universitypressscholarship.com/view/10.1093/oso/9780198779636.001.0001/ oso-9780198779636-chapter-8.

参考文献可上下滑动查看

生命复杂性读书会：

生命复杂系统的构成原理

在生物学中心法则的起点，基因作为生命复杂系统的遗传信息载体，在生命周期内稳定存在；而位于中心法则末端的蛋白质，其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进，尤其是生命组学（基因组学、转录组学、蛋白质组学和代谢组学等的集合）等领域的日新月异，当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统——“人体”的构成原理和设计原理？阐释人类发育、衰老和重大疾病的发生机制？

集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰，国家蛋白质科学中心（北京）副研究员常乘、李杨，香港浸会大学助理教授唐乾元，北京大学前沿交叉学科研究院研究员林一瀚，中国科学院分子细胞科学卓越创新中心博士后唐诗婕，共同发起「生命复杂性：生命复杂系统的构成原理」读书会，从微观细胞尺度、介观组织器官尺度到宏观人体尺度，梳理生命科学领域中的重要问题及重要数据，由生物学家提问，希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流，建立跨学科合作关系，激发新的研究思路和合作项目。读书会目前共进行10期，现在报名参与读书会可以加入读书会社群，观看视频回放，解锁完整读书会权限。