作为信息处理过程的复杂网络

本书总体上是试图去阐明仿真和计算方法对于研究复杂社会科学的意义。 本书的写法是很细节、学术化的，我跳过了很多具体描述网络模型的章节，主要关注了作为一种方法论的动力学仿真能给社会科学带来什么样的视角。

工具和方法塑造着研究者的观点，无论研究者本身愿不愿意承认。 社会适应复杂网络的建模需要在灵活性和精确性之间把握自我。它即不力图达到完全的平衡， 也不关心无意义的混沌。 它的意义就是在于"允许我们探索平衡与混沌之间的空间。" 物理学感兴趣的那种精确的定律不是它的追求，它的意义更多地是实用性的，用计算能力来支持仿真，作为一种理论探索和检验的手段，在实践中是有启发性的，是严密性和丰富性之间的桥梁。 在数据科学已然兴起的现在，即使深度学习的很多部分仍处于黑箱之中，也不影响它作为一个用来发现模式和知识的有效手段，对于复杂科学也是同理。

书中很有趣的论断是将个体之间的关系阐明为一种信息过程，并且合理的复杂网络研究应着眼于广阔的信息视角，而非传统的静态的、平均的、理性的假设。这在直觉上是容易理解的，但是社会网络的理论多半把这些关系解释为一种状态而非过程。作者用一种类似神经网络的结构来描述这种网络组织信息，描述了作为一个组织的个体们是如何共同决策的，虽有过度抽象之嫌，但是不失为一种有用的视角，尤其在研究知识管理等问题时。 网络中作为神经元的每个个体存在着处理信息能力的界限，他们"对从外部采集得到的信息进行内部加工以得到补充性信息"， 主体自身的认知能力被解释为其"内部模型"， 分析网络就是分析他们的内部模型如何和外部信息互动，从而产生不同结果，反馈给其他神经元。 网络中个体（和个体之间）的关键特性可被"八正道"阐释:

作者认为，通过这些要素，我们可以基本上理解网络是如何作为一个系统去处理信息，完成决策，遵从某种"动力学"的。这样的视角是基本上着眼于动态性和演化性的。