人类生活在各种复杂系统之中。复杂性系统科学研究不同复杂系统之间的共性特征，其核心思想是：一个复杂系统由许多相互作用的个体组成，这些个体的局部行为通过互动形成整体上的复杂模式。近年来，复杂性系统科学广泛应用于生物学、物理学、经济学、社会学以及人类语言演化研究等多个领域。语言学研究需要紧跟同时代科学研究的步伐。根据语言学的发展历程，生成语言学理论和认知语言学理论的提出都与同时代其他学科的发展密切相关。当前，科学研究方法正从“还原主义”向“整体主义”转变，复杂性系统科学的重要性越发凸显。语言学研究也应抓住这一契机，顺应这一趋势。

　　语言是一个复杂系统

　　传统的语言学研究往往将语言视为一个静态结构系统，认为其有固定的语法规则。然而，日常语言中的词汇和表达方式并不是一成不变的，而是随着社会、文化、技术等因素不断演化，反映了复杂系统的动态性，即通过社会成员的日常互动，词汇和语法规则会自发地发生变化。这与复杂系统中个体之间的相互作用产生全局效应的特征相吻合。语言作为一个复杂系统，由词汇、语法、语音、语义等多个要素构成，这些要素通过说话者与听话者之间的互动形成语言现象，体现出开放性、规律性、不对称性、适应性和演化性等特征。

　　一是语言的开放性。语言的开放性指语言系统能够与其他系统相互作用，进行能量与信息交换。社会因素会导致不同语言在语法搭配上产生差异，语言系统与客观世界、人类认知能力之间也存在相互作用。语言系统与其他社会、文化系统的互动进一步揭示了其开放性特征。社会环境、历史背景、技术进步等都可能通过文化交际、政治互动等途径影响语言系统的演变和发展。

　　二是语言的规律性。语言的规律性是指语言系统内部的运作必须受规律支配。语言中统一的语法结构和语法标记能够帮助读者理解高依赖语境的话语表达。人类能够互相交流，正是依赖于共有的语法规律。语言中蕴含着自然界的演绎规律、统计规律、发生规律、功能规律四种规律形态。比如，凡是可以被“很”“最”等程度形容词修饰的词都可以用“不”表示否定。

　　三是语言的不对称性。语言系统内部存在着不对称性。在词汇中，“大、小”“高、矮”存在语义和语法功能上的不对称性；在语法标记中，语言的运作原理和运行机制充分利用不对称性。在任何一种语言中，肯定标记与否定标记、单数标记与复数标记都不可能同时存在。任何一种语言在某一既定时期都不可能具备所有语法手段，也没有任何一种语法手段是语言所必需的，而这种不对称性也是语法演化的原因。

　　四是语言的适应性。语言的适应性着重体现为语法标记存在“物竞天择，适者生存”的现象。以汉语被动式的发展为例，为适应新的语言环境，语法标记的功能必须随着语法系统的演变而变化。魏晋时期，“为……所……”构式兴起，“被”字功能进一步发展，被动标记只能在谓语动词之前引出施事，被动构式随之发生变化。

　　五是语言的演化性。语言系统具有适应性，必然具有演化性。演化包括两方面含义：一是淘汰旧有的语法形式，二是产生新的语法手段。复杂性系统的一个重要特性是适应性，即系统能够根据外部环境的变化调整自身。语言作为复杂系统，展现出高度的适应性，不仅适应社会文化的变化，还能够根据科技、传媒的进步调整自身的语法、词汇和表达方式。日常的语言使用并不是简单地遵循某些固定的规则，而是灵活调整以适应具体的交际需求。

　　复杂性系统科学

　　将语言看作复杂的自组织系统，便可以从多个层面深入探讨语言的传播、变化和演化过程。复杂性系统科学不仅揭示了语言如何在社交网络中传播，还提供了理解语言现象的新方法。尤其是在人工智能、自然语言处理和双语者语言行为的研究中，都可以看到复杂性理论的应用和价值。

　　一是语言传播与网络理论。复杂性系统中的“网络理论”提供了对语言传播和扩散的新理解。在传统的语言学研究中，语言变化往往被视为从中心到外围的线性传播过程，但借助复杂性系统的网络理论，可以看到语言传播的非线性特点和复杂模式。在社交网络中，语言并非通过单一的渠道传播，而是通过多层次、多维度的网络关系传播。比如，社交媒体的兴起使得语言的变化更加迅速和广泛，语言中的新词、俚语甚至是语法结构的变化，都能够通过网络效应快速蔓延。一些流行词并非通过传统的语言传承方式进入大众词汇表，而是通过社交网络中的用户互动、自发模仿与扩散等过程迅速被广泛接受和使用。这种网络效应体现了复杂系统中的“集体行为”，即个体在相互作用中形成了全局的语言现象。

　　二是自组织与涌现理论在自然语言处理中的应用。复杂性系统的自组织和涌现理论为人工智能领域的自然语言处理提供了启发。自组织理论表明，在没有外部干预的情况下，个体间的互动能够自发形成有序的模式。涌现则是指在系统中产生的新现象，这些现象通常无法从单个个体的行为中推导出来，而是全局行为的结果。与之类似，在机器学习领域，当前的语言模型通过大量的语料库训练能够自发地学习和生成自然语言，这一过程与复杂性系统中的自组织过程高度相似。以当前的自然语言处理技术为例，大语言模型依赖于大规模数据训练，并通过模型中隐含的复杂数学结构对语言进行生成和理解。大语言模型通过模拟语言的结构、语法和语义关系，在无须显式编程的情况下产生符合人类语言习惯的输出。这与复杂系统中的“无领导自组织”模式相似，即各个独立的机器学习单元通过学习和调整，不断优化语言的生成过程，涌现出符合语境的语言表达。未来，人工智能在语言处理中的发展将更加依赖复杂性系统的理论支持。自然语言处理不仅是对词汇和语法规则的表面学习，更是对语言深层次结构的建模。

　　三是双语者语言行为的复杂性。复杂性系统的理论还可以为理解双语者的语言行为提供新视角。在全球化背景下，越来越多的人在日常生活中切换多种语言，语言之间的互动与转化展示了语言系统在复杂环境中的高度适应性。双语者的语言行为不仅受到社会、文化和情境因素的影响，还反映了语言作为复杂系统如何在多重语境中进行自适应调整。比如，在双语者的语言切换过程中，可以观察到语言之间的相互影响和涌现现象。当一个双语者在不同的社交环境中切换语言时，语言的使用并非随机，而是受制于多种因素，包括对方的语言背景、社会语境以及交流目的。双语者在不同语言之间的切换并非简单的“替换”，而是一个动态的适应过程，类似于复杂系统中的自适应行为。语言切换的选择和频率，不仅由双语者自身的语言能力决定，更与社交网络、文化背景和交流的语境息息相关。在双语者的语言行为中，语言系统展现了高度的灵活性和适应性，能够根据外部环境的变化调整语言输出。无论是在家庭、工作场合还是公共场所，双语者的语言行为都表现出复杂系统中的动态变化和自适应能力。

　　（作者系吉首大学外国语学院、民族文化翻译研究中心副教授