← 返回新闻

2026年11月4日 · DA 宣传部

从复杂系统到人才生态,我们如何遇见未来?

DA WEE COMMUNITY / OCTOBER 2026

会后思想切片

复杂系统 · 人工智能 · 人才生态

摘要

2026年10月,博士联盟 Doctorate Association(DA) Wee Community 月度例会围绕复杂系统、人工智能与人才生态展开。

本期由博士联盟副主席、ScholarLand Ltd 创始人、应用系统哲学研究者单景博士分享。讨论从一个看似简单的问题开始:“多”,和“复杂”,是一回事吗?

单景博士从“繁杂”与“复杂”的区分出发,结合其原创理论 Relational Dynamics™: Theory of System Trajectories(关系动力学™:系统轨迹理论),从语言、语料库语言学与语言模型谈到人工智能,再将同一视角带回人才网络与组织生态:如果一本字典并不等于一种语言,那么一份人才名单是否也并不等于一个人才生态?

随后的交流中,与会成员从不同专业与实践经验出发,将讨论进一步延展至人类系统与语言为什么具有复杂性、AI 幻觉如何形成、系统为何发生漂移,以及面对尚未被命名的未来问题,人才网络应该如何提高发现、连接与回应的能力。


Abstract

The October 2026 Doctorate Association (DA) Wee Community explored complexity, AI and talent ecology.

Led by Dr Alice Jing Shan, Vice President of the Doctorate Association, Founder of ScholarLand Ltd and Applied Systems Philosopher, the conversation began with the distinction between complicated and complex systems. Drawing on her original theoretical framework, Relational Dynamics™: Theory of System Trajectories, Dr Shan moved through language, corpus linguistics and language models to questions of AI, talent networks and organisational ecology.

A central analogy guided the discussion: if a dictionary is not the same thing as a language, is a talent database the same thing as a talent ecology?

The conversation then expanded through members’ different disciplinary and professional perspectives into AI hallucination and drift, the complexity of human and linguistic systems, and a broader question: rather than trying only to predict the future, how might organisations build the capacity to encounter it?

img-01.jpg

ScholarLand · Relational Dynamics™

01 / COMPLEXITY

Complicated ≠ Complex:多,并不等于复杂

单景在分享中指出,中文里,Complicated 和 Complex 常常都被翻译成“复杂”,但在理解复杂系统时,二者提供了一个重要的工作性区分:

繁杂,难在部件多,是相对可分解、可预测的“精密机器”;复杂,难在关系会动,是持续适应、演化并产生涌现的“动态生态”。

一个系统可能包含大量部件,却仍能够通过分解、分析和专业知识加以理解。人类系统却有所不同。参与者会观察、回应、学习和适应;一次互动可能改变下一次互动的条件,过去也会进入现在,并影响未来。

因此,在复杂系统中,关系并不只是连接不同部件的线,关系本身也是系统的一部分。

这也与单景博士近年来持续发展的 Relational Dynamics™(关系动力学™)相呼应。其上游本体论命题为:

Reality is relational dynamics under constraint over time.

现实并非由彼此孤立、静止不变的对象简单组成。理解一个系统,不仅要问“它是什么”,还需要继续追问:

什么正在与什么发生关系?在什么约束下?随着时间,它如何形成,又沿着怎样的轨迹走向下一步?

02 / LANGUAGE & AI

从字典到语言模型:关系如何产生意义?

语言为理解复杂性提供了一个直观的入口。

一本字典可以拥有十万甚至更多词条,但词条数量本身并不会自动产生语言。

字典 → 语料库 → 语言模型

这不只是工具的变化,也意味着我们观察语言的方式发生了变化。

字典首先告诉我们:这里有什么?进入语料库以后,问题开始变成:什么和什么在真实使用中发生关系?它们在什么情境下出现,又形成了怎样的模式?到了语言模型,问题则进一步向前移动:在已经发生这些以后,接下来什么成为可能?

从“有什么”,到“如何发生关系”,再到“接下来可能发生什么”,观察的对象也从孤立的条目,逐渐转向关系、模式与可能性。

语言之所以复杂,不只是因为词很多、规则很多,更因为意义会受到语境、使用者、关系、历史和顺序的影响。同一句“你真厉害”,可以是赞美,也可以是讽刺。词没有改变,关系配置与语境改变了,意义也随之改变。

这也使讨论进一步进入人工智能:当语言模型出现 hallucination(幻觉)时,我们除了问“哪里错了?”,是否还应该继续追问:这个错误是在什么条件下、通过什么机制,被系统性地产生出来的?

由此,单景博士将讨论进一步延伸至 drift(漂移):当数据、环境、互动方式或约束条件随时间改变,系统的行为也可能随之发生变化。关注点由一个孤立的错误事件,转向了错误的形成条件、关系与轨迹。

03 / TALENT ECOLOGY

从静态人才名单到新时代的“人才生态建设”

如果把同样的视角带回人才工作,一个有意思的类比就出现了:

人才库,其实很像一本字典。

  1. 人才库首先回答的是:这里有谁?
  2. 人才网络进一步关心:谁可以与谁发生连接?
  3. 到了人才生态,我们还需要继续追问:因为这些人在这里,什么新的可能因此出现?

一本字典里可以有十万个优秀的词,但十万个词不会自己写出一篇文章。同样,大量优秀人才出现在同一份名单中,也不会自动形成一个有生命力的人才生态。这也呼应了单景博士此前在杭州人才交流活动中提出的思考:人才服务可以进一步从“静态名单”走向“动态生态”。

数据库擅长记录已经存在的东西,而生态还需要为尚未出现的关系、组合与可能创造条件。这也是为什么人才网络中的“可见性(visibility)”十分重要。

一个成员十年前的学历、专业和单位,可以告诉我们“他是谁”;但十年之后,他正在研究什么、关注什么问题、形成了什么新的能力组合,则需要通过持续的动态连接,才能被网络重新看见。

可见性本身,就是连接发生的基础条件之一。

04 / FUTURE CAPACITY

从预测到能力如何:遇见尚未出现的未来?

讨论最终回到一个更大的问题:如果未来的形成具有复杂性,我们真的能够提前把未来的问题、行业和所需要的人才全部预测出来吗?

有些未来的问题,我们今天还没有命名;有些未来需要的人才,我们今天还无法分类。

分类依然重要,但分类往往来自已经被认识的世界。当变化加速,我们也需要警惕:用昨天形成的类别,寻找明天需要的人。

因此,与其只问:我们如何预测未来?也许还需要进一步追问:我们如何建立遇见未来的能力?

面对无法完全预测的未来,一个人才生态的重要能力,可能不是提前拥有所有答案,而是让具有不同能力的人彼此可见,并在适当的时间产生有意义的相遇。

发现问题、定义问题、解释问题和解决问题,本身就可能需要不同的知识、经验与能力。能够最早看见一个问题的人,未必是最适合定义它的人;能够解释其形成机制的人,也未必是最终提供解决方案的人。不同的人可能来自完全不同的专业领域,也可能在不同阶段进入同一个问题。

因此,一个有生命力的人才生态,并不意味着让所有人始终保持连接,也不是连接越多越好。真正重要的,是让不同的能力能够被看见,让潜在的关系保留发生的接口,并在问题真正出现的时候,使需要彼此的人有机会找到彼此。

换句话说:让合适的连接,在合适的时间,以合适的方式成为可能。

也许,我们无法提前知道未来会提出什么问题,但我们可以让一个系统拥有更好的能力,在未来到来时认出它、理解它,并找到可以共同回应它的人。

各自发光 · 彼此可见 · 适时相遇

img-02.jpg

Intellectual Jianghu™ · 思想江湖™ · 万人谷

05 / THREE QUESTIONS

Food for Thought 💡

QUESTION 01

如果未来的问题还没有名字,我们如何寻找解决它的人?

今天的人才分类在多大程度上能够识别未来需要的跨领域能力?又有哪些人才,可能恰恰因为“不容易分类”,而被现有体系忽略?

QUESTION 02

当 AI 出现幻觉或系统性漂移,我们应该只纠正结果,还是进一步理解错误如何形成?

如果错误并非孤立事件,而是在特定的数据、互动关系、约束与时间条件下逐渐形成,那么 AI 治理是否也需要从“纠错”,进一步走向对形成机制与演变过程的理解?

QUESTION 03

一个组织什么时候才真正成为“生态”?

拥有更多成员、更多微信群、更多连接,并不必然意味着拥有更强的生态能力。或许更值得追问的是:正因为这些不同的人在这里,有什么原本不会发生的事情,开始成为可能?


关于作者

单景博士(Dr Alice Jing Shan),博士联盟副主席、ScholarLand Ltd 创始人,应用系统哲学研究者、独立学者,原创提出并持续发展 Relational Dynamics™(关系动力学™:系统轨迹理论)。

更多研究、文章与作品,可访问 AJS Substack:https://alicejingshan.substack.com/

— END —

DA WEE COMMUNITY

撰稿人:单景

排版:曾靖雅

审稿人:王韬

— END —