科学关乎定位。科学关乎把复杂的世界简化成地图上的稀疏标记，然后遵循这幅地图的指引，跨越原本无从理解，并可能条件恶劣的地貌。好的地图能尽可能地消除大量虚假信息，留下来的信息就刚好足够引导我们该往何处走。此外，制作精良的地图可以帮助我们深入认识周围的世界。我们因而开始领悟河川都有特定走向，城镇不是随机分布的，经济和政治系统也都与地理息息相关，诸如此类。
地图（和科学）往往更多的是关于我们忽略了什么，而非画进去了什么。诚如豪尔赫·路易斯·博尔赫斯（Jorge Luis Borges）在他只有一个段落的微小说《论科学的精确性》（On Exactitude in Science）中描述：“制图协会绘出一幅帝国地图，尺寸大小正如帝国版图，点对点逐一重合。后续世代不再像他们的祖先那般喜爱研究制图学，只觉得那幅浩瀚地图毫无用处。”
不同的地图——就算画的是同一片地貌——对世界拥有不同洞见。地形图提供世界上各座山丘谷地的相关信息，其细节对徒步旅行者来说足够使用。公路图零星标记了各大城市和串连各城的道路，这些信息也刚好足以在驾车于乡间穿行时派上用场。若让地图和设计目的分离，只能导致不可避免的挫败。合宜的细节太少，或不当的细节过多，都会拖累我们认识世界的能力。
随着开发出愈益细密的地图，描绘愈益细微的现象，科学随之逐步发展。这种还原论策略的核心乃是寄予一种期望，那就算我们拥有极小部分的地图，我们也能以马赛克的方式拼贴成形，画出一幅如博尔赫斯所说的帝国版图。此项策略肯定会失败，尽管绘制成果也许会让极短篇小说中所称的制图协会十分开心，但那幅马赛克镶嵌画却一如博尔赫斯的想象，成为愚人徒劳无功的差使。
问题并不在于我们的知识不够完善，而是来自还原论者的梦想——不，是谬误。还原论之所以失败，理由在于就算你对构成系统各部位的零件无所不知，但是当这些零件形成整体时，彼此究竟如何相互作用，我们几乎一无所知。对单一一片玻璃的细节知识，无法帮你看出或欣赏整扇彩色玻璃花窗的光景。
过去几十年来，一门新的科学逐渐酝酿成形。这门科学承认我们的世界是由某些基本原则支配的（例如涌现和组织），这些原则化身为各种形式的欺人表象，遍布在科学领域的所有隐匿处。举例来说，物理学描述个别原子组成磁体，生物学说明细胞构成有机体，经济学陈述交易人形成市场。这些原则都具有普适性，这让习惯用科学分科角度思考的科学家大感意外，于是这门新科学也势必逾越了现有学术体制确立的传统分际。这门科学说明简单事件会生成复杂性，复杂事件则会生成简单性。这门科学拥抱新的调查工具，例如以计算机作为建构模型的基础，以摆脱约束，不再受限于寻常的科学工具（例如，至今我们依然依赖大量源自17世纪晚期的各式运算法）。更重要的是，这门科学挑战我们的传统认知，质疑把现象还原为最基本要素的做法。
我们追求的新科学，它可能会影响我们生活和命运的关键层面，却正如美国小说家赫尔曼·梅尔维尔（Herman Melville）所述：“没有被画进任何地图；真正的地点在地图上是找不到的。”现今的科学——其中心理学和经济学互不相关、物理学和生物学彼此分离等等——其研究向来都很有成效。科学见解中所言的创造性杀伤力，本身便蕴涵了一种内在追求，期望借由公开披露、评估并纠正来界定边界，这为我们提供了洞悉事理的原动力。然而，代价却是各门学术领域愈来愈疏远。精确审视世界的细小片段成为了学术常态，而且几乎完全偏离了我的圣塔菲研究所同事、诺贝尔物理学奖得主穆瑞·盖尔曼（Murray Gell-Mann）所称的“直视全貌”。
这个问题看似无关宏旨，不过当我们在检视原先希望探索的真正地点时，就能看出它的重要意义。试举任何全球性的社会挑战为例，好比金融危机、气候变迁、恐怖主义、流行病、革命或社会变迁等，以上任何一项都无法任何跟特定学术领域的研究方向完全吻合。此外，就算哪一门相符，或许还原论者的研究途径仍然让我们无从认识整体。根据复杂性的基本原则所述，就连基本的部分一旦聚拢起来，似乎就会孕育出自己的生命。就算熟知某项事物，好比引擎的各个零件、每根螺栓、每个活塞与凸轮等等，我们依然难以得知，当这些零件组合在一起而彼此作用时，会发生什么事？此外，当我们改动某个部件（例如加大汽缸尺寸），这种程度的熟稔也无从让我们得知引擎整体将因此有哪些影响。
还原论几乎无法让我们深入架构。而复杂性正是普遍见于架构当中。
从市集广场（agoras）到阿米巴原虫，从蜜蜂到大脑，从都市到制度崩解，乃至斑马的条纹，我们的世界如同一部复杂性的百科全书。复杂性有时由演化等自然力形成，例如大脑浮现的意识；有时，我们会出手创造，像是在商品期货交易所里一连串稳定的价格波动，都出自看似混乱的噪声和动作。缺了复杂系统科学，我们几乎没有机会理解世界，更不用说塑造了。
有关复杂系统的学术讨论，最早可以追溯至1776年，亚当·斯密（Adam Smith）在《国富论》（Wealth of Nations）中简短论及，他以“看不见的手”形容一种力量，此力量可以促使盘算自我利益的商人在非本意的情况下得到有益社会的结果。当然，以“看不见的手”为本提出的科学命题，其实还比较像是向神明祝祷，而不似科学理论，而且这类命题对于经济学家的用途，也大概像是生物学家试着使用英国作家鲁德亚德·吉卜林（Rudyard Kipling）的原来如此故事集中的短篇，解释花豹如何长出斑点一般。
复杂系统观的现代思想运动，可以和原子时代和信息时代的开端一起探讨，那时在美国的波兰犹太人数学家斯塔尼斯拉夫·乌拉姆（Stanislaw Ulam）和生于奥匈帝国的美国数学家约翰·冯·诺伊曼（John von Neumann）等人开始使用世界上最早一批可编程的电子计算机，开始模糊传统学术界为了解决问题（如机器是否真能自我繁殖等）时秉持的领域分界线。经过他们的努力，这样一类模型出现了，起初是简单、容易界定并相互作用的群集，最后创造出丰富之极的整体模型。
这些模型的研究是认识真相的重要一步，不只能得知动物斑纹图纹的生长目的（即保护色），还能厘清它们是怎么长出来的。花豹的基因里是不是写有某种整体设计图？能指定他皮肤每个定点该长出的颜色，就如同数位影像档指示计算机屏幕如何显现各像素单位的颜色，或者还有没有更普遍的解释能告诉我们，花豹是怎么长出身上的斑点的？
乌拉姆和冯·诺伊曼所开创的简单数学及计算机模型，给了我们一组透镜，让我们能以此检视复杂性的根源。我们发现，在局部相互作用的简单片段的组合就足以创造与初始源头殊异的整体行为。因此，花豹怎么会长出斑点，或海螺如何长出外壳图案，或交易所的骚乱如何导致井然有序的买卖和价格等可能的解答，也就立刻变得远更为简单，更为普遍，也远比我们想像得更耐人寻味。
过去几十年来，相互作用系统的相关研究已经为复杂系统开启了新的疆域。不论我们考量的是在计算机中以光速运作的抽象模型，还是历经一个世纪的稻米耕种作业或人类学典藏的百年稻作证据，一套能支配复杂系统的核心原则已经涌现。相互作用系统发展出各个因子间的反馈回路，接着这些回路开始驱动系统。这种反馈有可能经调节而纾缓或变本加厉，这取决于各因子间的异质程度。相互作用系统往往也是先天充满噪声，这种随机性也可能带有料想不到的整体后果。当然，谁和谁相互作用也是这类系统的一项根本性质，这样的相互作用网络，则是复杂系统中的必要元素之一。
反馈、异质性、噪声和网络等核心原则，可以用来认识复杂性的种种新层次。就如你的心智，有些复杂系统能以看似完全分散的方式，仿佛全无控制般作出协调而一致的决策。另有些系统则面对根深蒂固的约束（例如为身体所有细胞供氧），催生出种种标度定律（scaling laws），从而让世界中看似毫无联系的部分沿着一种简单关系排列。然而其他系统，如某些社会运动成员进入自行组织的临界状态，便显露了系统常见的特征。许多相互作用的系统发展出因子间相互合作的复杂行为，一旦形成，就能让系统因子转入新的机会领域，我们如今也已奠定了能理解这种过渡现象的良好根基。最后，在复杂系统的现代科学萌芽期，我们发展出重新规划的方法和设想，也能为适应系统相关行为生出新的定理。
