一阶序
二阶段
三阶序

系统学领域30年的相关活动,并且提我们会发现:
系统理论--起初是试图克服日前研究中存在的过于特殊化的趋势
其实是另外一门包含儿百种学科的理论。更进一步说,系统科学以计算技木,控制论、自动化、系统工程为中心,显然己经使系统思想成为另一种也是最终的一--技术,使人头脑更加敏锐,使社
会变得更像一部“庞大的机器”…。

系统论方法也可能使学生在面对学习新深题时节省思考的时间,在研究形势或者特殊系统的时候也会介绍类似的情况。根据我们的经验,系统
论方法是学习信息系统21、复杂机器21、社会系统,个人和团体以及教育系统”的一个起点。

许多人指出系统论方法对于气象学、政治学、生物学、社会学、精神病学、生态学、工程,以及你能说出名字的任何学科的学习都有帮助


系统学研究的年度报告也收录了系统学方面的第三项活动产生新的定律,修改旧的定律。
为了与系统化思维和系统学应用相区别,我们把它称为系统学研究。

对立的理论更能让我们理解到系统论的实质

要成为成功的通才,我们就应当像儿童那样,用一种天真简单的态度来接近复杂的系统。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:首先形成总体概貌式的印象,然后再逐渐细化并区别很多具体的


如何迁移应用知识

所以,一般系统论信念的主旨并不完全基于信念,当然,信念是必要的,因为不是每次领城的跳跃都能成功。为什么?出为归纳方法不可整水远有效,通才似平是在一个非常普遍的空间里思维和工作的,他像其他科学家一样在应用归纳的结果。学家们曾经弹糖竭虑地试图证明归纳法是普遍有效的方法,但现在,聪明的哲学家已经放奔了这样的努力。

雷琴巴赫”说:
当我们试图建主一般性真理时,我们需要用归纳法来提供则未经观测的事物的参考;因为需要,所以我们情愿承教它的风险,即,它也可能导致错误

然面,我们为什么不更谨慎一些呢?为什么不能等得到更多的证据时再下结论呢?原因在于,一方面知识以惊人的速度爆炸性增长,另一方面,我们的大脑受到“计算的平方律”的限制:

当我们把事物分解成小的部件或小的特性时,我们其实是在努力放大或夸大那些明显的独立性,而忽了(至少在一段时间内)组合体所具有的本质上的整体性和个性特征。我们将机体分解成官,将骨架分解成骨骼。心理学的教学也采用了似的方法,通过分析组成因素而给出关于思想活动的主观判断:但我们却清楚地知道判断或知识勇气或温和、爱或恐惧并不会独立存在,而是不同程度地多方面综合在一起,或者通过关联成为一个整体。

因为气体分子数量特别大,满足所谓的“大数定律”。大数定律实际上说明了这样的道理:观测样本的数目越多,观测值越接近于预测的平均值。

关于大数定律,更为精确的论述还能让我们了解到,随着样本数量的变化,我们期望得到的观测值与预测值如何接近。这方面最有用的经验规则(也是系统学的定律

平均特性例子：
当然·事实上事情并没有发展成“酸葡萄分子”。我们亻必须实实在在地记录下一些物理学家的名字,他们声称自己很幸运地知道不必对无法求解的方程组徒费精力,像吉布斯( Gibbs)、波尔兹曼( Boltzmann)、麦克斯维( Maxwel1)等。他们继常∫一整套方法,通过观测获得的规律(如波耳定律来描述气体的一部分可测量特性(如压力、温度、休积),同时他们相信气体是由气体分子组成的。

平均特性：

他们的这个信念与观测到的气体特性之间行在差异,必须建立起一致的解释。他们的做法是:假定所感兴趣的观测特性
是大量分子的一些平均特性,而不是其中任何个体的特性(参见肉1-6)。

牛顿是…,个天才,但他的才能井不在于他的大脑计算能力特别突出,相反,他的才能在于懂得如何对问题做出合理的简化利理想化,把复杂同题转化为普通人的大脑可以处理的、相对简单的间题。通过研究历史上所有关于简化的各种成功或失败的方法,
我们希望找到一种既能丰富人类知识又不过分依赖高智商因素的方法。

系统化思想家深知这-一点,因为理解科学背后的简化假设正是他自己所选择的任务
用威格纳的话说,就是“感兴趣的对象”和“定义清晰的条件"能帮助我们确定问题的应用范围,增加它的预测能力。系统化思想家从科学家建立关于世界的模型这一过程的起点直接人手,并依照这个过
程进行下去,直至帮助他获得关于其他科学的有用模型为止。
为什么系统化思想家对科学的简化—以及简化的科学一-这么感兴趣