随着计算机和互联网技术的发展，技术的复杂性问题越发严重，硬件和软件都比之前都要复杂的多，一个程序可能包含数百万行计算机代码，芯片的集成电路也已经是原子级别的。

技术的复杂性直观的表现在，每个专家都只能知道其中的一个部分，但没有人能够完全理解整体。比如，某个计算机系统一经开发便使用了长达五十年时间，在这五十年的过程中有无数的工程师在系统上进行补丁或者增加功能模块，随着时间推移，工程师队伍会出现离职和新入职，由于后来的工程师并不能完全明白先前工程师在系统上所做的修改，但是后来的工程师一样可以在此基础上对系统做出调整。就好比汽车工程师不一定要完全了解一台汽车的设计原理，也可以给汽车加装额外的功能，比如绞盘或者增压器。所以随着时间的推移，这个系统会变得越来越庞杂。会产生递归问题。

那也有人会觉得，既然这个系统变得越来越庞杂，那不如重新设计一套简洁系统。但是这样就忽略了一个问题，在系统进行补丁的过程中涉及很多边缘性问题，如果重新设计，将导致新系统无法很好的解决这些边缘性问题，新系统将会出现很多BUG。

通常系统在使用的过程中，会遇到各种意外和特殊的情况，而很多补丁就是针对这些极少见的情况而设置的，如果重新设计系统。并不能很好的把所有遇到的情况都能考虑进去。但是庞杂导致系统甚至会出现一些“暗码”，没有人能完全理解这种代码，它的存在也没有明确的目的，但是又是不可或缺的。

站在工程师的角度来说，他们更倾向于只在原有系统上补丁或增加功能模块，因为相对于重新设计系统来说，在原系统上进行修改要轻松和便利很多。重新设计系统类似于至上而下重新设立规则，但是并不能同实际情况做出很好的匹配，而通过具体问题具体解决的方法显得更具有实用性。

系统变得越来越复杂的主要原因是“吸积”和“交互”。随着时间的推移，各种系统的复杂性都会出现大规模的增长，就比如法律也是一个系统。通常宪法都是篇幅有限，但是随之发展出来的注释，和根据单独条款发展出来的法律法规，会随着时间的变化越来越庞杂。再比如，现在飞机的复杂程度远甚于早期的飞机。两者相比，所使用的零件数量和功能上差别都是巨大的。也就是说，随着时间的推移，系统的组成部分越来越多，同时组成部分之间的关联也越来越多，。

同样，人类对于这个世界的理解就像人们面对计算机系统的庞杂问题一样，虽然人类的目的是想要穷极所能，完全认识世界，比如人们想要得出万有定律。但是，就目前的情况来说，这个世界远比人类所能认知到的要复杂的多。

通常我们认识世界的方法大致分为两种，一种是物理学的方法，另外一种是生物学的方法，物理学的方法认为这个世界受统一的定理支配。就像万有引力定律，大到外太空的恒星，小到地球发射卫星，篮球明星打比赛，都要受到万有引力的支配，而且这些定理都是简洁的。这是一种至上而下的认知论，只要弄懂了定律，也就弄懂了世间万物。

生物学的方法论认为世界是多样性的，生物学倾向于陈述事实，而不在于这些事实是否能够整合进某个统一理论来解释。虽然物理学理论和生物学理论都希望具有普遍性和预测能力，但是，这两种思维方式的推进方向是不同的。

物理学理论通常要求是简洁的，剔除掉冗余和噪音，而生物学理论则支持理论的丰富性。比如针对同样一个问题向物理学和生物学家分别寻求答案，物理学家倾向于给出简洁的解决方案，生物学家则通常会给出长达几百页的详细的报告。

像对于计算机系统这样的庞杂系统，物理学家的那套方法显得不那么适用，而生物学家具体问题具体分析的方法越发显示出实用性。所以，我们应该培养生物学知识。从生物学的角度看待问题，可能会有不一样的解决问题的方法。