Didier Sornette院士：破局不確定性，從認知迷霧到行動指南

導語

不確定性常被誤認為源于自然系統的內在隨機性，實則多由認知局限、模型失配與制度性信息阻塞所致。本文系統闡釋索內特院士提出的“動態前瞻”理論框架，主張通過識別復雜系統臨界前兆（如慢化恢復、關聯增強與波動放大）、區分“龍王”與“黑天鵝”事件，并將預測范式從“預言式”轉向“診斷式”，從而在金融、工程與社會治理等領域實現對不確定性的結構性理解與主動駕馭。該路徑強調以適應性領導力、透明溝通機制與制度化學習構建韌性系統，使不確定性從風險源轉化為認知拓展與創新演化的驅動力

關鍵詞：不確定性、復雜系統、臨界點預警、動態前瞻、診斷式預測、韌性治理、認知偏差、風險信息生態

迪迪埃·索內特（Didier Sornette）丨作者

南科大風險院丨來源

引言：時代浪潮中的不確定性漩渦

不確定性是我們這個時代如影隨形的伴侶。無論是金融市場、氣候系統、全球疫情，還是社會與技術變革，我們幾乎在每個領域都能與它不期而遇[1, 2, 3]。

然而，我們對不確定性的本質認知，往往深陷誤區 [4]。一方面，過度迷信數據與技術的力量，妄圖憑借海量數據搭建起全知全能的預測模型，徹底馴服不確定性這頭猛獸；另一方面，面對復雜多變的現實，又時常陷入消極悲觀的宿命論，認定未來全然不可知、不可控。

諸多看似不可預測的現象，其根源并非來自自然的混沌與無序，而恰恰是人類自身的局限性在作祟，是制度性盲區、認知偏差以及提問方式的失當，共同堆砌起了不確定性的高墻 [5, 6, 7]。

當我們學會轉換視角，在恰當的描述層面提出問題，敏銳捕捉變化來臨前的蛛絲馬跡時，不確定性將不再是阻礙前行的路障，反而能成為引領我們探索未知、開拓新局的向導 [8]。它將為我們解鎖新的認知維度，助力我們在復雜多變的世界中穩健前行。

要掌控不確定性，預測需從“預言式預測” 轉向 “診斷式預測”，即重點識別不穩定性的先兆，而非預測確切結果。為此，我提出“動態前瞻”框架，其核心包括適應性領導力、透明溝通與系統性學習。通過這一框架，我們將恐懼轉化為遠見，以可演化的制度設計去駕馭、而非否認復雜的變化。

本文凝聚了我在物理學、金融學與風險管理領域數十年的研究成果，升華為對“不確定性”這一兼具挑戰與機遇的命題的系統性反思。全文圍繞三個核心維度展開：

【概念層面】我們面臨的是何種不確定性；

【現實層面】這些不確定性如何影響并塑造世界；

【行動層面】如何在不確定性中實現更智慧地生存、決策與治理。

一、迷霧中的概念迷宮：剖析不確定性真貌

（一）隨機性與無知的分野

在日常生活的語言使用中，人們常常將 “不確定性” 與 “隨機性” 混為一談，然而，二者之間實則存在著本質區別。隨機性指向的是事物內在的、天然的變異性。以擲骰子為例，當我們拋出一枚公平的骰子時，其最終呈現的點數結果具有內在的不確定性，每個點數出現的概率均為六分之一，這是一種基于概率分布的隨機現象；放射性原子的衰變同樣如此，我們無法確切預知某個原子在何時會發生衰變，它遵循著特定的量子力學概率規律，這種隨機性是自然過程本身所固有的屬性。

而不確定性，更多地反映出人類自身的認知局限。它可能源自我們有限的知識儲備，面對復雜世界的萬千現象，我們所掌握的信息永遠只是冰山一角；也可能是由于我們構建的模型不夠完善，無法精準刻畫現實世界的運行機制；甚至可能是因為我們對問題的框架設定存在偏差，導致從一開始就偏離了正確理解事物的方向。在實際情境中，我們既難以窮盡所有可能發生的事件，也無法精確地量化每個事件發生的概率，甚至無法對于每個事件所造成損失的定義達成一致 [8]。

當我們試圖管理不確定性時，常常會遭遇失敗，而這些失敗主要源于以下五個反復出現的因素：

1. 想象力的匱乏：難以充分設想各種可能出現的復雜情境，從而在面對未曾預料的情況時手足無措；

2. 缺乏直面真實問題的勇氣和動力：人們往往傾向于逃避那些棘手、可能帶來負面結果的問題；

3. 不當的獎勵機制：過于注重短期成功，為了追求眼前利益而忽視了從長遠角度去學習和積累應對不確定性的能力；

4. 對復雜系統及其內部反饋機制的認知不足：無法準確把握系統的運行規律，難以提前預判風險；

5. 領導力與溝通機制的失效：關鍵信息在傳遞過程中受阻，無法及時、準確地到達需要的人手中，影響決策的及時性和準確性。

這些失敗并非簡單的技術層面問題，而是反映出我們在概念理解和思維方式上的偏差，這便是所謂的“路燈效應”。就如同醉漢在黑暗中丟失了鑰匙，卻僅僅在路燈下尋找，因為那里有光亮，盡管鑰匙可能并不在那里。

在面對不確定性時，我們也常常犯類似的錯誤——將分析焦點局限在數據易獲取的領域，卻忽略了真正隱藏答案的地方，從而錯失應對關鍵。這種思維偏差，讓我們與全面理解不確定性的機會失之交臂 [9]。

（二）復雜性的迷障與突破

在探索不確定性的道路上，復雜性常常成為人們為自身認知局限辯解的理由。21 世紀初，史蒂芬?沃爾夫勒姆（Stephen Wolfram）推廣的“計算不可歸約性” 概念，更是為這種觀點提供了看似有力的支持。某些復雜系統，如特定元胞自動機的“110 規則”，其結構精妙復雜，系統的運行結果只能通過模擬每一個步驟來獲取 [10]，無法通過簡單的公式或規律進行簡化計算，這一理念逐漸演變為自然界不可預測性的生動隱喻，讓人們愈發堅信復雜性等同于不可預測性。

然而，這種認知實際上是一種誤導。

復雜性與可預測性并非絕對對立，它們在很大程度上取決于我們對系統的描述層級。

以房間內空氣分子的運動為例，從微觀層面來看，每個空氣分子都在做著無規則的熱運動，其運動軌跡和速度瞬息萬變，分子之間頻繁碰撞，整個系統的運動狀態呈現出極度的混亂和復雜性。

但當我們從宏觀層面去觀察時，采用合適的尺度和描述方式，卻能得出極為簡潔優美的理想氣體定律（pV = nRT）。這背后運用的是 “粗粒化”（coarse - graining）方法，即通過忽略微觀層面的細節信息，將大量微觀粒子的行為進行統計平均，從而在宏觀層面上揭示出系統的整體規律。在這個過程中，我們選擇了恰當的描述層面，使得原本看似雜亂無章的現象變得有序且可理解，原本不可預測的微觀運動在宏觀上展現出了可預測的規律性 [11]。

這種源自物理學的“重整化”（renormalization）邏輯深刻地告訴我們，不可約性并非是絕對的真理。它更多地反映出我們在認識世界過程中，未能準確識別關鍵變量與控制參數的認知局限。

當我們深入探究系統內部相互作用的結構，精準把握其相變臨界點時，許多看似混沌的不確定性，終將展現出內在的規律與秩序。

就像在復雜的社會經濟系統中，只要找到影響運行的關鍵因素和節點，就能透過表象洞察趨勢，更好地應對挑戰。

（三）臨界點的警示信號

無論是生態系統、經濟體系，還是社交網絡，諸多復雜系統都存在著一個關鍵的特性：當某個控制參數，如生態系統中的溫度、經濟體系中的杠桿率、社交網絡中的信任度等發生微小變化時，可能會將系統推過臨界閾值，從而引發巨大的轉變。在這類分岔點附近，系統會呈現出一系列顯著的變化特征：

1. 系統對擾動的敏感性會急劇增強，以往微小的外部沖擊可能只會引起系統的輕微波動，但在臨近臨界點時，同樣的沖擊卻可能引發系統的大幅震蕩；

2. 從沖擊中恢復的速度明顯減緩，系統的自我修復能力下降，一旦受到干擾，需要更長的時間才能恢復到穩定狀態；

3. 系統內部各要素之間的關聯性顯著增強，原本看似獨立的部分變得相互依賴、相互影響，一個微小的局部變化可能會通過連鎖反應迅速擴散至整個系統；

4. 波動幅度也會顯著放大，系統的運行狀態變得更加不穩定，不確定性明顯增加 [12]。

值得注意的是，這些現象并非偶然出現，它們實際上是普適的早期預警信號。盡管它們無法精確預測變革發生的具體時刻，但卻能清晰地預示著系統狀態即將發生突變。同樣的數學模型適用于瀕臨崩潰的生態系統、即將發作的癲癇患者大腦，以及投機泡沫不斷膨脹的金融市場。

不確定性并非毫無規律可循，其背后藏著內在的結構性規律，敏銳捕捉早期預警信號，就能提前筑牢風險防線。

在生態系統中，環境因素逼近臨界值時的指標異常；在金融市場中，杠桿率過高、資產關聯性增強等現象，都是危機臨近的信號，讀懂這些信號就能降低不確定性的負面影響 [13, 14]。

（四）不可知論的迷思破解

在經濟學界，諸多權威人士常常將危機斷言為 “不可預測”，這種觀點長期以來為 “被動應對式的政策框架” 提供了理論支撐。凱恩斯早在 1921 年就提出 “未來本質上是不確定的” 論斷 [15]，伯南克也曾無奈地表示 “我們無法預知下一場危機何時發生” [16]。這些觀點深入人心，使得人們在面對經濟危機時，往往陷入一種消極被動的應對狀態，認為危機是不可避免且無法提前預知的。

然而，實證研究的結果卻與這種觀點背道而馳。回顧歷史上的重大金融危機，如1929年、1987年、2000年、2008年的危機，都呈現出鮮明的前兆模式。在危機爆發前，經濟增長往往呈現出異常的加速態勢，這種過度的增長可能是由虛假的繁榮、過度的投資等因素驅動，并非基于實體經濟的健康發展；市場的波動率會出現異常的越平或下降，表面上看似市場趨于穩定，實則隱藏著巨大的風險，因為這可能意味著市場參與者對風險的忽視和低估；資產間的關聯性也會日益增強，不同資產的價格波動不再相互獨立，而是呈現出高度的協同性，一旦某個關鍵環節出現問題，就會迅速引發整個市場的連鎖反應 [17, 18]。

由此可見，問題的關鍵不在于預測本身是否可行，而在于我們是否能夠準確識別這些危機來臨前的信號。

政策制定者和機構的真正困境，不是無法預測危機，而是被傳統的線性與均衡模型束縛，忽視了正反饋機制與集體放大效應的警示信號。

在金融市場中，正反饋機制會強化市場趨勢，集體行為會放大風險，只有打破傳統思維定式，重視這些關鍵信號的監測分析，才能提前洞察危機端倪，采取有效預防措施，降低不確定性帶來的損失 [19]。

二、現實棱鏡下的不確定性投影

（一）金融領域：黑天鵝背后的 “龍王” 真相

金融市場常被描繪為 “黑天鵝事件” 的頻發之地。所謂“黑天鵝事件”，即那些發生概率極低、影響巨大且難以預測的極端事件。金融市場中反復發生的泡沫破裂、股價崩盤，讓許多人堅信金融市場充滿了不可預知的隨機性和不確定性，人類在其面前幾乎無能為力。

然而，深入的研究卻揭示出另一番景象。當我們轉換視角，以累計損失序列（而非孤立的日度收益率）來對市場價格的大幅回撤進行度量時，會發現它們構成了一類獨特的統計事件類別，即“龍王”（dragon - kings）事件 [20, 21]。那些被稱為“黑天鵝”的極端危機，多數實則是“龍王”事件——看似罕見突發，實則由可識別的“自我放大機制”驅動。這些事件并非毫無緣由地隨機發生，而是有著清晰的形成邏輯，讀懂這些邏輯就能為預測危機提供可能。

左：Didier Sornette的書《股市為什么會崩盤》

右：2012年，Didier Sornette在歐洲物理雜志EPJ特刊發表《從黑天鵝到龍王——是否存在超越冪率法則的事件？》，全面闡述龍王事件的概念、定義與應用

在金融市場的實際運行中，泡沫與崩盤的背后有著清晰的邏輯脈絡。

【羊群效應】在其中扮演著關鍵角色，投資者往往傾向于模仿他人的行為，當市場上出現某種投資熱潮時，大量投資者會盲目跟風，不斷推高資產價格，形成泡沫；

【杠桿交易】則進一步放大了市場的波動，投資者通過借貸資金進行投資，在市場上漲時能夠獲取更高的收益，但一旦市場走勢逆轉，虧損也會被成倍放大，加劇了市場的恐慌情緒；

【反身性理論】則揭示了市場參與者的認知與市場現實之間的相互作用，投資者的預期和行為會影響市場價格，而市場價格的變化又會反過來影響投資者的認知和行為，形成一種正反饋循環，使得市場的不穩定因素不斷積累。

要預測這類不穩定的時點，就需要持續監測一系列核心指標 [20]。內生化程度反映了市場內部因素對價格走勢的影響程度，當市場過度依賴內部資金循環和投機行為時，內生化程度升高，市場的脆弱性也隨之增加；增長加速度能夠體現市場增長的速度和趨勢，異常的增長加速可能預示著市場的非理性繁榮，隱藏著巨大的風險；市場關聯度則衡量了不同資產之間的相互關系，當市場關聯度增強，意味著資產之間的風險傳染性增大，一個市場的波動很容易擴散到其他市場，引發系統性風險。

TED演講Didier Sornette: 我們如何預測下一次金融危機

這一理論框架在現實中得到了有力的驗證。我的研究團隊曾成功對2006年美國房地產峰值發出預警 [22]。當時，通過對美國房地產市場的深入研究，我們監測到市場的內生化程度不斷提高，大量金融機構過度參與房地產信貸業務，次級貸款規模急劇膨脹；增長加速度異常，房價在短期內快速上漲，遠遠超出了實際經濟基本面的支撐；市場關聯度增強，房地產市場與金融市場緊密捆綁，金融機構通過金融衍生品將房地產風險廣泛傳播。基于這些關鍵指標的異常變化，我們準確地預判出美國房地產市場即將面臨重大調整。

同樣，在中國A股的2007年、2009年和2015年三次見頂前夕 [23]，我們也通過對相關核心指標的持續監測，提前洞察到市場的不穩定因素，提前1周至1個月成功發出預警。我從2008年在瑞士蘇黎世建立了全球金融危機監測站（FCO），對全球股票、商品、外匯、債券等兩萬多種不同的金融資產進行實時監控，多次成功預測市場巨變。

這些成功案例充分證明，金融市場的危機并非不可預測，只要我們能夠深入理解市場運行的內在邏輯，精準監測關鍵指標，就能在一定程度上提前預知危機的來臨，為投資者和政策制定者提供寶貴的決策依據，降低金融市場不確定性帶來的損失。

（二）工程與工業：風險信息的沉默與警示

在工程與工業領域，一系列重大災難的發生，如博帕爾毒氣泄漏事件、切爾諾貝利核事故、挑戰者號航天飛機失事、福島核事故等，猶如一記記沉重的警鐘，敲響了對不確定性風險的深刻反思。盡管這些災難發生的背景、涉及的行業和技術各不相同，但深入剖析其根源，卻能發現驚人的相似之處——風險信息隱瞞。

挑戰者號航天飛機失事案例

以 1986 年挑戰者號航天飛機失事為例，這是一個極具代表性的案例。在發射前夕，工程師們通過嚴謹的實驗和數據分析，已經明確掌握了數據，證明 O 型環損壞率隨溫度降低而急劇上升。在低溫環境下，O 型環的彈性會顯著下降，密封性能大幅減弱，從而無法有效阻止燃料泄漏，這將給航天飛機的發射和飛行帶來巨大的安全隱患。然而，管理層卻漠視這一明顯的趨勢，出于對任務進度、政治壓力以及對自身判斷的過度自信等多方面因素的考慮，選擇在 2℃的低溫下堅持發射航天飛機。最終，悲劇不可避免地發生，航天飛機在升空后不久便發生爆炸，機上 7 名宇航員全部遇難，給美國乃至全球的航天事業帶來了沉重的打擊。

進一步深入研究 500 多起工業、環境與技術災難案例后，我們識別出了 30 多種常見誘因。“報喜不報憂”的組織文化使得員工不敢或不愿向上級報告潛在的風險和問題，導致管理層無法及時了解真實情況；短期利潤壓力促使企業過度追求生產效率和經濟效益，忽視了對安全風險的管控；薄弱的溝通渠道使得信息在組織內部無法順暢傳遞，不同部門之間難以實現有效的協作和信息共享；監管俘虜現象則使得監管機構被利益集團所左右，無法切實履行監管職責，對企業的違規行為視而不見。

這些失敗案例深刻表明，不確定性在工程與工業領域不僅是一個認知層面的問題，更是一個嚴重的制度層面問題。

系統在風險面前“失明”，并非因為沒有風險信息，而是信息被組織文化、錯位激勵和追責恐懼所壓制——這種人為的信息梗阻，才是災難的真正推手 [24]。

值得慶幸的是，這種“失明”并非天生注定，而是人為造成的，因而在理論上具有可糾正性。只要從制度層面打破信息傳遞障礙，建立健全風險信息收集、報告和處理機制，培育健康組織文化，就能有效提升系統對不確定性風險的識別和應對能力，避免悲劇重演。

（三）社會層面：危機與焦慮的共振

在社會層面，不確定性如同一個無形的放大器，與心理機制和媒體傳播產生強烈的共振，深刻影響著社會的穩定與發展。在現代體制下，恐懼常常被別有用心的人或勢力工具化，無論是金融崩盤引發的恐慌，疫情蔓延帶來的憂慮，還是地緣政治沖突造成的威脅，都被過度渲染和利用，成為操縱公眾情緒、謀取私利的手段。

這種人為制造的焦慮情緒，如同一場迅速蔓延的傳染病，在社會中廣泛傳播，嚴重壓縮了公共討論的空間。當公眾被恐懼情緒所籠罩時，往往會失去理性思考和判斷的能力，難以客觀地分析問題和尋求解決方案。同時，社會的韌性也會受到極大的削弱，人們在恐懼中變得脆弱和敏感，對未來充滿擔憂，社會凝聚力和向心力下降。

更值得警惕的是，當各類機構聲稱要管控風險時，其行為卻常常適得其反，加劇了集體焦慮，形成了一種惡性循環 [25]。例如，在面對金融市場波動時，政府或金融監管機構可能會采取一些緊急措施，如大規模的救市行動或嚴厲的監管政策，但這些措施如果缺乏充分的溝通和解釋，反而會讓公眾感到更加不安，進一步加劇市場的恐慌情緒；在疫情防控期間，一些地方政府過度依賴強制手段，信息發布不及時、不透明，導致公眾對疫情形勢產生過度擔憂和恐慌，信任危機也隨之而來，公眾對政府和相關機構的信任度下降，進而影響社會的穩定運行。

要重拾社會能動性，關鍵在于正確看待不確定性。

將不確定性僅視為危險信號，社會會陷入保守停滯；而將其視為信息源，社會才能激發創新活力，增強適應能力。

當我們以積極心態面對不確定性時，它將成為推動社會進步的動力，促使我們不斷探索新解決方案，提升社會抗風險能力，實現可持續發展。

三、破局之策：在不確定中篤定前行

（一）從靜態防御到動態駕馭

傳統的風險管理模式猶如一座堅固卻靜態的堡壘，以評估概率、計算預期損失、設計控制措施為主要手段，其底層邏輯建立在平穩性假設之上，默認系統的運行規律恒定不變，如同在風平浪靜的海面上航行，只需按照既定航線行駛，依靠預設的安全設備就能保障航行安全。然而，現實世界中的復雜系統，無論是金融市場的跌宕起伏，還是生態環境的微妙變遷，都呈現出非平穩性的特征，其運行規則時刻處于動態演變之中，更像是在蜿蜒曲折、路況復雜的盤山公路上駕駛摩托車 [26]。

以摩托車手在盤山公路上的駕駛過程為例，便能生動地闡釋主動風險管理的本質。摩托車手在行駛過程中，需要時刻保持高度的警覺，持續感知路面狀況、坡度變化、天氣條件以及周圍車輛的動態等多方面信息，這些信息就如同復雜系統中的各類關鍵變量。他要根據這些實時感知到的信息，迅速預判前方可能出現的危險，如急轉彎、路面濕滑、突然出現的障礙物等，這一過程需要他具備敏銳的洞察力和前瞻性思維。一旦做出預判，摩托車手會立即做出相應的調整，如適時減速、換擋、調整行駛方向等，以確保在復雜多變的路況下維持車輛的穩定行駛。這種持續感知、預判與調整的過程，是一個動態循環、緊密相連的整體，每一個環節都不可或缺。

Didier Sornette院士作為風險管理大師，熱衷于高速摩托車、風箏沖浪等各類極限運動，實踐著其“動態風險管理”的理念

與靜態風險管理形成鮮明對比的是，靜態風險管理依賴于諸如頭盔、防護服、手套等被動防護裝備，這些裝備固然能在撞擊瞬間提供一定程度的保護，但如果摩托車手發現自己到了需要完全依賴這些裝備的時刻，那就意味著他在事前的風險感知、預判和調整環節出現了嚴重失誤，核心預防措施已然失效，此時他距離危險甚至死亡也就僅有一步之遙。

在復雜系統中，生存的關鍵從來不是沖擊后的被動防護，而是事前持續的警覺與修正——主動適應變化，才能在不確定性中站穩腳跟。

無論是個人應對生活挑戰，還是企業抵御市場風險，這種主動風險管理的思維都至關重要。

（二）預測范式的革新：從預言到診斷

在復雜系統的研究與應對中，預測的本質正經歷著一場深刻的變革，從傳統的“預言式預測”逐漸向“診斷式預測”轉變。傳統的預言式預測，試圖憑借各種模型和數據，精確地預判未來具體事件的發生時間、發展過程和最終結果，就如同占卜師試圖通過神秘的儀式和符號，預知未來的命運走向。然而，復雜系統的高度非線性、開放性以及內部要素之間錯綜復雜的相互作用，使得這種精確的預言幾乎成為不可能完成的任務。

1. 以醫學領域為例，踐行精準醫療的優秀醫生，不會妄圖預言患者發病的準確時刻，因為人體是一個極其復雜的系統，受到遺傳、環境、生活習慣、心理狀態等多種因素的綜合影響，疾病的發生和發展過程充滿了不確定性。醫生們更多地是通過識別前兆癥狀，如發熱、咳嗽、乏力等，分析風險因素，如家族病史、年齡、生活方式等，以及監測反饋信號，如體溫變化、血液指標波動等，來判斷患者的身體狀態是否出現異常，是否需要進行干預以及采取何種干預措施。這種從多個維度綜合分析、判斷系統狀態的方法，就是典型的 “診斷式預測”。

2. 在金融領域，同樣需要從診斷系統不穩定性的角度來進行預測。金融市場受到宏觀經濟形勢、政策變化、投資者情緒、國際政治局勢等諸多因素的影響，價格走勢充滿了不確定性。通過監測市場的流動性狀況、杠桿率水平、投資者信心指數等關鍵指標，分析市場是否存在過度投機、資金鏈緊張等不穩定因素，從而提前預判市場可能出現的危機，為投資者和監管機構提供決策依據。

3. 在環境政策領域，通過監測生態系統的生物多樣性指標、水質變化、氣候變化等數據，診斷生態系統是否處于健康穩定狀態，是否面臨失衡的風險，以便及時采取保護和修復措施 [27]。

這種從“預言式預測”到“診斷式預測”的范式轉變，巧妙地調和了人類對前瞻性洞察的內在需求與復雜系統客觀規律之間的矛盾。

放棄“精準預言未來”的幻想，轉向“診斷系統狀態”的理性視角，才是應對不確定性的科學之道。

它讓我們擺脫了對精確預知未來的不切實際的幻想，回歸科學預測的本質——通過深入分析和監測系統狀態，識別潛在風險和變化趨勢，為決策提供有價值的參考，既滿足我們對未來的探索渴望，又避免陷入全知全能的傲慢陷阱。

（三）解鎖不確定性的創新密碼

不確定性從來不是純粹的“麻煩”，它藏著創新的密碼——正是對未知的探索，推動著創新、創業與進化的發生。然而，并非所有的不確定性都能帶來積極的結果，我們需要清晰地區分“建設性不確定性”與“破壞性不確定性”。

建設性不確定性為發展開辟新路徑，它激發我們的創新思維，促使我們勇于嘗試新的方法、技術和商業模式。以互聯網行業的發展為例，早期互聯網技術的興起充滿了不確定性，沒有人能準確預知它將如何改變人們的生活和商業形態。但正是這種不確定性，吸引了無數創業者和創新者投身其中，他們不斷探索互聯網的應用場景，從最初的信息傳播平臺，逐漸發展出電子商務、社交媒體、在線教育、共享經濟等多種創新模式，徹底改變了人們的生活方式和經濟運行模式，為社會創造了巨大的價值。

而破壞性不確定性則源于系統的不透明與溝通失效，它往往導致混亂和損失。在企業管理中，如果內部信息流通不暢，各部門之間缺乏有效的溝通與協作，面對市場變化和競爭壓力時，就無法及時做出正確的決策，從而陷入困境。當企業對市場趨勢的判斷出現偏差，盲目投入資源進行生產或擴張，而忽視了潛在的風險，也會導致嚴重的后果。

為了充分發揮不確定性的建設性價值，組織需要精心培育風險信息生態。建立異常情況主動上報機制是關鍵的一步，鼓勵員工在發現潛在風險或異常情況時，能夠毫無顧慮地向上級報告，確保信息能夠及時傳遞到決策層。領導者應珍視不同意見，營造一個開放包容的環境，讓員工敢于表達自己的想法和建議，因為不同的視角和觀點往往能為解決問題提供新的思路。同時，領導者要切實獎勵坦誠溝通，對那些勇于直言、提供有價值信息的員工給予肯定和獎勵，形成積極的激勵導向。

我與合作者開展的實證研究表明，

那些能包容模糊性、不強行壓制不確定性的企業與機構，往往更具韌性與創新能力——因為它們懂得在未知中尋找機會。

在面對市場的不確定性時，它們能夠迅速調整戰略，靈活應對變化，通過不斷創新來適應市場需求，從而在激烈的競爭中立于不敗之地。這種對不確定性的積極態度和有效管理，使得企業能夠將不確定性轉化為發展的機遇，實現持續的韌性成長與創新 [28]。

（四）鍛造韌性系統的領導力密鑰

在金融市場的跌宕起伏、工程領域的風險挑戰、組織管理的復雜難題以及社會危機的嚴峻考驗等各領域中，決定系統能否在不確定性的狂風暴雨中保持穩定、避免崩潰的關鍵因素，無疑是領導力。韌性不是物質或算法的屬性，而是遠見領導者引領集體呈現的特質——解讀微弱信號、培育信任、果斷行動，三者缺一不可 [14, 29]。這些領導者宛如敏銳的觀察者，能夠精準解讀微弱的信號，提前洞察潛在的風險；又似信任的培育者，通過建立良好的溝通機制和合作氛圍，在團隊中培育信任的種子；更如果斷的行動者，在系統即將失控的關鍵時刻，能夠迅速采取行動，力挽狂瀾。

基于我數十年的研究，提煉出一套相互關聯、相輔相成的核心原則，這些原則融匯了關于預測、溝通與適應的深層洞見，是構建韌性系統的關鍵所在。

1. 前瞻引領，而非后知后覺，這是治理的本質要求。真正的領導者應如同一位動態領航者，時刻保持警覺，持續掃描預警信號，在危機尚未爆發之時，就憑借敏銳的洞察力和前瞻性思維，提前調整航向，引領團隊避開潛在的暗礁。正如摩托車手在行駛過程中，時刻專注于解讀路況，提前預判危險，而不是等到事故發生時才依賴頭盔等防護裝備。在充滿不確定性的世界里，等待確定性出現，是通往災難最確定的道路——未雨綢繆從來都是最優解。只有主動出擊，提前布局，才能掌握應對不確定性的主動權。

2. 培育無畏溝通的文化是構建韌性系統的基石。當信息在組織內部流動受阻，不確定性便會如同一顆隱藏的定時炸彈，隨時可能引發致命威脅。沉默與隱瞞是災難的無形助燃劑 [28, 30]，唯有讓信息自由流動，才能及時化解風險——敢言的文化，是韌性系統的第一道防線。領導者必須以身作則，營造一個敢言的氛圍，讓員工深知揭示令人不安的真相不僅是他們的權利，更是他們的責任，并且能夠因此獲得正向激勵。在許多重大事故中，如挑戰者號航天飛機失事、福島核事故等，正是因為信息被壓制，才讓風險不斷積累，最終引發不可挽回的災難。只有打破信息壁壘，才能及時發現問題、解決問題，增強系統的韌性。

3. 以系統學習取代責任歸咎，是提升組織應對不確定性能力的關鍵。每一場事故都是一次深刻的教訓，然而，許多機構往往將錯誤個人化，把責任歸咎于某一個人或某一個部門，卻忽視了追溯孕育錯誤的系統性路徑。成熟的組織從不糾結“誰犯了錯”，而是深究“為何會犯錯”——從系統層面復盤，才能避免重蹈覆轍 [31, 32]。通過系統學習，組織能夠不斷優化自身的運行機制，提升應對風險的能力，從而在不確定性中實現持續發展。

4. 知行合一貫穿始終，是領導者贏得公信力的關鍵。公信力是韌性的硬通貨，當領導者強調安全、可持續或前瞻性時，其決策與激勵機制必須與之契合，言行一致。否則，溝通將淪為毫無意義的噪音，而信任——這種最珍貴的資本，也將在一次次的失信中逐漸流失。在企業管理中，如果領導者一方面強調創新的重要性，另一方面卻在績效考核和資源分配上對創新行為設置重重障礙，那么員工就會對領導者的決策產生懷疑，組織的凝聚力和執行力也將大打折扣[33]。只有領導者做到言行一致，才能贏得員工的信任和支持，共同應對不確定性帶來的挑戰。

5. 穩定性優先于速度，是確保系統可持續發展的重要原則。市場、機構與技術往往因追求發展速度而獲得獎勵，但所有可持續系統都依賴調節增長速度的負反饋機制。當系統發展過快時，可能會導致資源過度消耗、風險積累等問題，此時需要通過負反饋機制來放慢腳步，調整結構，確保系統的穩定；當系統發展過慢時，也需要適當激發活力，推動其向前發展。所有可持續的系統，都懂得“慢下來”的智慧——穩定不是停滯，而是持續創新的根基。明智的領導者知道何時該放慢腳步，何時該加速前進，在穩定的基礎上追求適度發展，實現系統的長期可持續。

6. 將反思與想象力制度化，是領導者帶領組織突破思維局限的關鍵。最嚴重的失敗往往源于想象力的貧瘠，即未能提出正確的問題。領導力因此必須培育集體想象力，通過開展情景規劃，設想各種可能出現的未來情景，提前制定應對策略；鼓勵異議思維，讓不同的聲音能夠在組織內部得到充分表達，激發創新的火花；建立超越即時指標的長遠思考，避免被短期利益所迷惑，從更宏觀、更長遠的角度規劃組織的發展方向。

韌性領導力本質上是警覺、謙遜與想象力的融合。駕馭不確定性的核心，不是壓制它，而是圍繞它構建組織——創建能與變革同頻共振，而非在沖擊下支離破碎的制度體系。通過踐行這些核心原則，領導者能夠引領組織在不確定性的浪潮中穩健前行，實現可持續發展。

（五）繪制未來情景地圖：預測的新航向

19 世紀，埃米爾?德?吉拉爾丹（émile de Girardin）曾深刻地指出：“治理之道在于預見”。在當今這個充滿高度不確定性的時代，我們必須以全新的、動態的視角來理解預見力。這種地圖不是對單一結果的預判，而是對多種可能性的梳理，為應對不確定性提供清晰框架。

這張未來情景地圖，就像是一幅精心繪制的航海圖，它不僅標注出了我們當前所處的位置，更重要的是，它展示了前方可能出現的各種航線和潛在的風險區域。通過識別系統脆弱性與韌性的分布區域，我們能夠清晰地了解到在不同情況下，系統可能面臨的挑戰以及具備的應對能力。在金融市場領域，這張地圖可以幫助我們分析不同經濟形勢下市場的波動趨勢，識別潛在的風險點，如資產泡沫、流動性危機等，以及哪些因素能夠增強市場的韌性，如完善的監管制度、多元化的投資組合等。在能源轉型領域，它可以呈現出不同能源政策和技術發展路徑下，能源供應的穩定性、環境影響以及經濟成本等多方面的情景，為政策制定者和企業提供決策依據，引導他們在能源轉型的道路上做出更加明智的選擇。

我目前領導全球金融危機監測站（FCO）[34-37] 及南方科技大學風險分析預測與管控研究院（Risks-X）的團隊，正與眾多博士生、博士后及合作者共同致力于開發此類動態圖譜工具。我們將大數據與相變理論深度融合，充分利用大數據的海量信息和相變理論對系統臨界狀態的深刻洞察，來繪制這張未來情景地圖。通過收集和分析金融市場、經濟運行、環境變化等多領域的大數據，我們能夠更全面、準確地把握系統的運行狀態和變化趨勢；運用相變理論，我們可以識別系統從一種狀態轉變為另一種狀態的臨界點，提前預警潛在的危機。

這套方法論具有廣泛的適用性，不僅適用于金融領域，在地球健康、能源轉型與社會創新等眾多領域都具有重要的應用價值。在地球健康領域，通過監測氣候變化、生物多樣性、環境污染等多方面的數據，結合相變理論分析生態系統的穩定性和脆弱性，我們可以預測生態系統可能發生的重大變化，為生態保護和可持續發展提供科學依據。在社會創新領域，通過分析社會需求、技術發展、政策環境等因素的變化，繪制社會創新的發展路徑和可能的突破點，激發社會各界的創新活力，推動社會的進步與發展。

在這個充滿不確定性的時代，真正的挑戰不在于預知每個具體事件，而在于洞察涌現現象的內在邏輯——看懂規律，才能駕馭未知。

通過繪制未來情景地圖，我們能夠以更加宏觀、全面的視角來理解和應對不確定性，為我們在復雜多變的世界中航行提供可靠的指引，引領我們走向更加穩健、可持續的未來。

結論：跨越恐懼，擁抱遠見

在 21 世紀這個充滿挑戰與變革的時代，我們被氣候變化、金融動蕩、技術變革等等一系列相互交織的危機所包圍。這些危機的根源，很大程度上源于人類的集體盲區，我們對不確定性的本質認識不足，對其潛在影響預估不夠，從而在應對時顯得力不從心。

然而，這些危機也為我們揭示了一個更為深刻的真相：

不確定性不是認知的對立面，而是認知的前沿——跨越對它的恐懼，就能將無知轉化為認知拓展，將恐懼升華為未雨綢繆的智慧。

它是大自然給予我們的獨特饋贈，蘊含著無限的可能與機遇。當我們勇敢地擁抱它時，就能在探索未知中實現認知升級，為應對未來做好充分準備。

我們必須清醒地認識到并摒棄兩種極端的迷思。一方面，全盤掌控的妄念不可取，盡管人類的科技與認知能力在不斷進步，但我們永遠無法完全洞悉宇宙萬物的運行規律，無法精準預測未來的每一個細節；另一方面，聽天由命的消極態度同樣不可取，我們不能因為不確定性的存在，就放棄對未來的探索和努力，陷入消極無為的泥沼。

在這兩個極端之間，存在著一種全新的認識論。

將不確定性視為完善模型、革新制度、激發想象的契機——這才是應對未知的核心邏輯。

當我們面對不確定性時，不應逃避或抗拒，而是要深入剖析其背后的原因，不斷完善認知模型，使其能更好地解釋和預測復雜現象；以此為動力推動制度創新，建立更適應不確定性的體系；同時，讓不確定性激發想象力，突破傳統思維束縛，探索新的解決方案和發展路徑。

歷史上的每一場災難，都像是一位嚴厲的導師，向我們傳遞著相同的啟示：自然、社會與科技所蘊含的想象力和創造力，永遠超越我們當前的認知邊界。科學與政策的共同使命，便是要努力追趕這一腳步，不斷拓展我們的認知領域。

不要只局限于“路燈下的安全區”，勇敢探索未知，才能找到決定未來命運的真正“鑰匙”。

只有這樣，我們才能在不確定性的浪潮中穩健前行，實現人類社會的可持續發展，開創更加美好的未來 。

作者介紹

Didier Sornette，歐洲科學院院士、瑞士工程院院士，蘇黎世聯邦理工學院管理技術與經濟學院、地球科學學院、物理學院講席榮休教授，南方科技大學風險分析預測與管控研究院聯席院長和講席教授，全球金融危機監測站主任，風險中心聯合創始人，瑞士金融研究所金融學教授，美國促進科學會會士（AAAS Fellow），世界創新基金會會士（WIF Fellow）。

Sornette教授在復雜系統與極端風險管控領域是世界級的開拓者，在復雜系統、統計物理學、地球物理學和經濟物理學等學科領域是世界知名的領導者。他提出了“龍王”極端事件理論，運用嚴謹的數據驅動的數理統計分析方法，對復雜系統不穩定性和各類極端風險進行識別、控制和預測，將成果成功應用到了金融風險、地震預測、核能安全、網絡信息安全、社會網絡、醫學等一系列復雜系統中。他建立了全球金融危機實時監測站（FCO），對全球兩萬多種不同的金融資產進行實時監控，曾成功預測包括2007、2009和2015年三次中國股市泡沫破裂、2008年原油泡沫、2015年瑞朗歐元脫鉤等多次市場巨變。

Sornette教授已連續六年入選斯坦福大學《全球前2%頂尖科學家榜單》的“終身科學影響力”榜單和“年度科學影響力”榜單。他已發表學術論文800余篇，出版專著15本，谷歌學術引用次數超過60000次，H-index引用指數達到120。他還曾在多家世界知名航空航天企業、銀行、基金和再保險公司擔任過專家顧問等角色，包括美國銀行首席風險顧問、美國洛斯阿拉莫斯國家實驗室專家顧問、法國再保險集團科學基金會董事會成員等。

參考文獻

[1] J.A. Wilson, Scientific Uncertainty, Complex Systems, and the Design of CommonPool Institutions, in The Drama of the Commons (National Research Council, 2002), Eds., Paul Stern, Elinor Ostrom, Thomas Dietz, and Nives Dolsak.

[2] S. Khan, J. Vaillancourt Rosenau, and J. Reiss, Embracing uncertainty, managing complexity: applying complexity thinking principles to transformation efforts in healthcare systems, BMC Health Services Research, 18, 192 (2018).

[3] J. P. Crutchfield, The Hidden Fragility of Complex Systems–Consequences of Change, Changing Consequences, Cultures of Change: Social Atoms and Electronic Lives, G. Ascione, C. Massip, J. Perello, editors, ACTAR D Publishers, Barcelona, Spain, 98-111 (2009). (arXiv preprint arXiv:2003.11153)

[4] A. Faccia, P. Petratos, and F. Manni, The Illusion of Control: How Knowledge and Expertise Misclassify Uncertainty as Risk, Risks 13 (10): 188 (2025).

[5] D.L . Emmons, T.A. Mazzuchi, S. Sarkani and C.E. Larsen, Mitigating cognitive biases in risk identification: Practitioner Checklist for the aerospace sector, Def. Acquis. Res. J. (25 (1), 52-93 (2018).

[6] A.R. Bland and A. Schaefer, Different Varieties of Uncertainty in Human DecisionMaking, Front. Neurosci. 6, 85, pp. 1-11 (2012).

[7] S. Anagnou, C. Salge, and P. R. Lewis, Uncertainty, bias and the institution bootstrapping problem, arXiv preprint arXiv:2504.21579 (2025).

[8] E. Hüllermeier and W. Waegeman, Aleatoric and Epistemic Uncertainty in Machine Learning: An Introduction to Concepts and Methods, Mach. Learn. 110, 457-506 (2021).

[9] D. Roy and R. Zeckhauser, Grappling with Ignorance: Frameworks from Decision Theory, J. Benefit Cost Anal. 6 (1), 33-65 (2015).

[10] S. Wolfram, A New Kind of Science, Wolfram Media, 2002.

[11] N. Israeli and N. Goldenfeld, Coarse-graining of cellular automata, emergence, and the predictability of complex systems, Physical Review E 73, 026203 (2006).

[12] M. Scheffer, J. Bascompte, W. A. Brock, V. Brovkin, S. R. Carpenter, V. Dakos, H. Held, E. H. van Nes, M. Rietkerk, and G. Sugihara, Early-warning signals for critical transitions, Nature 461, 53-59 (2009).

[13] D. Sornette, Critical market crashes, Physics Reports 378 (1), 1-98 (2003).

[14] D. Sornette, Critical Phenomena in Natural Sciences: Chaos, Fractals, Selforganization and Disorder, Concepts and Tools, 2nd ed., Springer (2006).

[15] J. M. Keynes, A Treatise on Probability, Macmillan, 1921.

[16] B. S. Bernanke, Implications of the Financial Crisis for Economics, Speech at the Conference Sponsored by the Center for Economic Policy Studies and the Bendheim Center for Finance, Princeton University (September 24, 2010).

[17] A. Johansen, D. Sornette and O. Ledoit, Predicting Financial Crashes using discrete scale invariance, Journal of Risk 1 (4), 5-32 (1999).

[18] A. Johansen, O. Ledoit and D. Sornette, Crashes as critical points, International Journal of Theoretical and Applied Finance 3 (2), 219-255 (2000).

[19] D. Sornette and P. Cauwels, 1980-2008: The Illusion of the Perpetual Money Machine and what it bodes for the future, Risks 2, 103-131 (2014).

[20] D. Sornette, Dragon-Kings, Black Swans and the Prediction of Crises, International Journal of Terraspace Science and Engineering 2(1), 1-18 (2009).

[21] D. Sornette and G. Ouillon, Dragon-kings: mechanisms, statistical methods and empirical evidence, European Physical Journal Special Topics 205, 1-26 (2012).

[22] W.-X. Zhou and D. Sornette, Is There a Real-Estate Bubble in the US? Physica A: Statistical Mechanics and its Applications 361, 297-308 (2006) (prediction posted in June 2005 at http://arxiv.org/abs/physics/0506027)

[23] Didier Sornette, Guilherme Demos, Qun Zhang, Peter Cauwels, Vladimir Filimonov and Qunzhi Zhang, Real-time prediction and post-mortem analysis of the Shanghai 2015 stock market bubble and crash, Journal of Investment Strategies 4 (4), 77-95 (2015)

[24] D. Chernov and D. Sornette, Man-made Catastrophes and Risk Information Concealment: Case Studies of Major Disasters and Human Fallibility, Springer (2016).

[25] R. E. Kasperson, O. Renn, P. Slovic, H. S. Brown, J. Emel, R. Goble, J. X. Kasperson and S. W. Ratick, The Social Amplification of Risk: A Conceptual Framework, Risk Analysis, 8(2), 177-187 (1988).

[26] F. Khan, S.J. Hashemi, N.Paltrinieri, P. Amyotte, V. Cozzani and G. Reniers, Dynamic risk management: a contemporary approach to process safety management, Current Opinion in Chemical Engineering 14, 9-17 2016).

[27] M. Soleimani, F. Khan, and P. Davari, Diagnostics and prognostics for complex systems: A review of methods and challenges, Quality and Reliability Engineering International 37 (8), 3746-3778 (2021).

[28] Dmitry Chernov, Ali Ayoub, Giovanni Sansavini and Didier Sornette, Averting disaster before it strikes (how to make sure your subordinates warn you while there is still time to act), Springer (2023)

[29] L. Schüttner, K. Coleman, J. Ralston and M. Parchman, The role of organizational learning and resilience for change in building quality improvement capacity in primary care, Health Care Manage Rev. 46 (2), E1-E7 (2021).

[30] A. C. Edmondson, The Fearless Organization: Creating Psychological Safety in the Workplace for Learning, Innovation, and Growth, Hoboken, NJ: John Wiley & Sons (2018).

[31] J. Reason, Managing the Risks of Organizational Accidents, London, Routledge(1997).

[32] S. Dekker, Just Culture: Restoring Trust and Accountability in Your Organization, 3rd Edition, CRC Press, London (2018).

[33] Center for Creative Leadership, Why Leadership Trust Is Critical, Especially in Times of Change, CCL (2024).

[34] Didier Sornette, Ryan Woodard, Maxim Fedorovsky, Stefan Riemann, Hilary Woodard, Wei-Xing Zhou (The Financial Crisis Observatory) The Financial Bubble Experiment: advanced diagnostics and forecasts of bubble terminations (2009) (http://arxiv.org/abs/0911.0454)

[35] Didier Sornette, Ryan Woodard, Maxim Fedorovsky, Stefan Reimann, Hilary Woodard, Wei-Xing Zhou (The Financial Crisis Observatory), The Financial Bubble Experiment: Advanced Diagnostics and Forecasts of Bubble Terminations Volume II–Master Document (beginning of the experiment) (2010) (http://arxiv.org/abs/1005.5675)

[36] Didier Sornette, Ryan Woodard, Maxim Fedorovsky, Stefan Reimann, Hilary Woodard, Wei-Xing Zhou (The Financial Crisis Observatory), The Financial Bubble Experiment: Advanced Diagnostics and Forecasts of Bubble Terminations Volume II-Master Document (end of the experiment), (http://arxiv.org/abs/1005.5675)

[37] Ryan Woodard, Didier Sornette, Maxim Fedorovsky The Financial Bubble Experiment: Advanced Diagnostics and Forecasts of Bubble Terminations, Volume III (beginning of experiment + post-mortem analysis) (2010) (http://arxiv.org/abs/1011.2882)

參考文獻可上下滑動查看

報名讀書會：「非線性動力學與混沌」

集智俱樂部聯合北京師范大學張江科研組聯和南信大李春彪科研組師生共同發起，由師生共同領讀《非線性動力學與混沌》，以分章節精讀的方式，帶領大家系統學習非線性動力學的基本理論與典型模型，結合洛倫茲系統、Kuramoto模型等經典案例，深入探討混沌的起源、分形與奇異吸引子等前沿問題。

本讀書會不僅讀書，還會系統化地梳理本書中的重要概念，并整理為百科詞條。也就是說，讀完本書，我們會梳理出一套非線性動力學與混沌相關的百科詞條，這才是重點。

我們也會通過梳理詞條的方式，讓學員組成學習小組進行比賽，最終會評出優秀學習小組獲得復雜科學知識卡、汪小帆簽名的《非線性動力學與混沌》、張江簽名的《規模法則》、以及譯者簽名的《復雜-誕生于混沌與秩序邊緣的科學》以及特色集智文化衫！

詳情請見：

1.

2.

3.

4.

5.

6.