许多系统正变得更加“复杂”——这意味着其组成部分之间的相互作用有时会带来相当出人意料的结果。
应对复杂性有几种方法——分析方法认为，复杂系统可以还原为若干简单定律，从而使我们能够准确预测其行为。
后现代方法认为复杂系统不可预测且混乱，因此应对它们就像是迈入未知，有点像一次信仰的飞跃。
这两种方法都有问题，但各自都抓住了应对复杂性的重要方面。
随着时间推移，生物体、我们的地球，乃至整个宇宙都变得愈发复杂。“复杂”并不只是“繁复”：它意味着系统各部分之间的相互作用会产生有时相当出人意料的属性。
每当跨越某个阈值，似乎就会发生一种转变，一些复杂系统（如蚂蚁或恒星）由此获得构建更多复杂系统的能力，例如蚁群或某些化学元素。
在地球上，动物、植物和微生物各界的生物也能聚集在一起，形成复杂的生态系统。而我们人类则构建了极其复杂的社会、制度和技术系统。因此，复杂性能够催生更多复杂性。
复杂性也能发展出能力来管理、控制和应对其所构建的复杂性。例如，我们管理、控制和应对自己构建的复杂经济系统和交通系统。从某种意义上说，复杂性因此能够“反过来作用于自身”。
这也是复杂性持续增长的原因之一。这一过程不断迭代，随着时间推移产生指数级增长的复杂性。
复杂性理论家已经详尽地描述了我们如何作用于复杂系统——也就是管理或控制复杂系统。然而，我们如何身处复杂系统之中行动——也就是应对复杂系统——则不那么明晰。这是因为，我们需要在未必能控制系统的情况下做出决策，以实现期望的结果。
例如，我们经常在复杂的经济系统中购买食品，或在复杂的交通系统中穿过马路。我们尽力兼顾短期和长期目标来管理个人财务，也会规划每日通勤路线，以尽量缩短交通耗时。无论复杂系统有多么不可预测，我们在采取这类行动时大多都能取得不错的成效。
然而，我们很少停下来思考这为何可能。
应对复杂性的规则
对于如何成功应对复杂系统，有几种不同的解释。“分析方法”认为，复杂系统可以还原为某条简单的确定性定律或一组定律，使我们能够准确预测系统的行为。据此，我们大概可以通过学习并遵循这些定律，在复杂系统中成功采取行动。
但例如，我们大多数人都不了解支配经济运行的定律。事实上，即使存在这类基本定律，也极难发现。
而且，并不能保证所有相关的复杂系统都能还原为简单定律。有些人认为，一个可以还原的系统从一开始就并不复杂，而只是繁复而已。
另一种被称为“后现代方法”的观点认为，在复杂系统中行动并没有可辨识的定律。后现代方法认为复杂系统不可预测且混乱，因此应对它们就像是一次存在主义式的跃入未知，有点像一次信仰的飞跃。据此，在复杂系统中成功行动，大概主要靠碰运气猜对。
后现代方法似乎确实能解释我们面对复杂性时做出的一些决策。这些决策证据不足且不确定性很高，例如，是否与某个人结婚是通往幸福生活的好选择。
然而，后现代方法无法解释我们在复杂系统中进行的大多数活动，包括购买食品或穿过马路。这类活动涉及的决策显然并非跃入未知。我们以如此规律且可靠的方式完成这些活动，说明其中起作用的并非任意选择，而是更有章法的方法。
分析方法和后现代方法都有问题，但两者仍各自抓住了一些重要之处。有没有办法兼取两者之长？
经验法则
我们认为，起作用的是“推理启发式”——更常见的说法是经验法则。在复杂系统中，经验法则追踪的是“涌现”出的规律，而非底层的确定性定律。
涌现属性并非基本属性，而是大量底层相互作用的产物。例如，单个水分子不会形成涟漪，但池塘中的涟漪仍可能由水分子之间的相互作用涌现出来。
同样，复杂系统在某个尺度上有时会呈现稳定且类似定律的特征，而非混乱，因此能够让我们做出预测。条件合适时，我们可以根据复杂系统过去的行为预测它将如何行动，并据此决定接下来的决策和行动。
当然，这一过程并非万无一失。有时，人们去商店买牛奶，却发现已经售罄；有时，过马路的人会被汽车撞到。因此，正如后现代方法所说，我们在某种意义上确实是在冒险一搏。我们相信条件适合，经验法则能够发挥作用。
然而，正如分析方法所说，经验法则在某种意义上也类似定律：它们具有一定章法，而且足够可靠，能够带来反复的成功。
例如，设想你正在等着过马路。你看到行人绿灯、一辆卡车正驶向人行横道，以及其他种种情况。卡车似乎正在减速，于是你推断司机看到的是红灯，会停下来。
你过去通常看到卡车司机就是这样行驶的（非反社会、清醒且刹车良好的卡车司机）。交通信号灯、其他行人等也大致如此。于是，你迈步走上马路。
一方面，你是在遵循一条规则，即使这条规则追踪的是复杂系统中的稳定性，而非底层的确定性定律。另一方面，你也有一定自由，可以选择一种行动方式而非另一种。
当复杂性跨过某个阈值，发展出运用经验法则的能力时，这种情况便会发生。运用经验法则的能力或许也就意味着成为行动主体的能力——行动主体拥有意图，因而具备认知能力。也许，当生物体等复杂系统发展出运用经验法则、成功应对自身创造的更多复杂性的能力时，认知便在宇宙中涌现。
