复杂度不对称

• Complexity Asymmetry - 复杂度不对称

系统为了在多变的外界环境中生存、保持高等级的秩序与稳定（行为极简），必须将“不可消除的复杂度”吸收并内化为自身的结构与计算成本（内部极繁）。

• 埃什比控制论“必要多样性定律”（Ashby’s Law of Requisite Variety）
  • “只有多样性才能消灭多样性（Only variety can destroy variety）”
    • 如果外部干扰有 100 种可能的状态，控制系统的内部状态（计算、模型、策略）也必须至少拥有 100 种状态，否则系统就会失控。
  • 不对称的本质：外部环境的无序度（高复杂度）是客观存在的，控制器必须在内部用等量甚至更高阶的“算法/模型复杂度”去对冲它，从而表现出“系统输出始终稳定在0误差”（极低复杂度）的表象。
• 软件工程的“莱曼鲁棒性与复杂度定律”（Lehman’s Laws of Software Evolution）

系统为了维持对复杂现实世界的正确响应（例如支持各种异常处理、物理约束、自适应调整），其内部代码和架构的复杂度会随着时间指数级上升。为了让用户的操作界面或执行机构保持“傻瓜式、一键化”，开发者必须在底层堆叠庞大的条件分支与状态估计。

• 密码学与信息论中的“单向陷门机制”（One-Way Trapdoor Principle）

在信息流向和处理上，该理论指出，算力的消耗是非对称的。系统通常被设计为：生成或验证某个稳态极其容易，但维持该稳态所进行的内部探索/优化求解却极其昂贵。

• 系统中的复杂度永远不会凭空消失，它只能被“转移”或“内化”。

设计指南

• 主动制造不对称（以繁御简）
• 优雅地缓解不对称（复杂度隐藏）

可以把复杂度不对称理论看作现代复杂系统设计的“第一性原理”：所有表面上的轻盈与稳定，背后都有一个在数学和算力上负重前行的深邃灵魂。