我们创造出来的系统在让生活更加便利，但同时这些系统也变得越来越复杂。
人类的技术，从网站到交易系统，从城市基础设施到科学模型，还有为大型企业提供配套服务的供应链系统和物流系统，都已变得过于复杂且相互交错。你甚至无法预知，这些系统会在什么时候突然崩溃，造成不可承受的损失。
《为什么需要生物学思维》告诉我们这些复杂系统形成的原因有四种。
原因一：吸积
一团旋转的尘埃和气体逐渐凝聚而成行星系，这种累积过程就是「吸积」的过程。在技术的增长过程中也是类似的吸积作用。吸积过程的结果之一就是形成了人们常说的遗留代码（legacy code）或遗留系统（legacy systems），即过时的机器和技术，也就是开发出来之后使用至今的机器和技术。
原因二：交互
当你打开 iPhone 问 Siri “世界总人口是多少”时，它会通过 Wolfram Alpha 服务获取到答案，然后回答你；当你使用谷歌地图时，它会告诉你利用 Uber 去往目的地可能要花多少钱。这些交互会让你陷入复杂世界的巨大风险。如果 Uber 的信息出错了，那你到达的目的地预算跟着出错。
原因三：必须处理的例外情况
你知道怎样计算闰年吗？年份可以被 4 整除就是闰年了吗？你还得计算年份无法被 100 整除，或是能被 400 整除。如果你忘记这些例外情况，那你设计的日历系统就会出现漏洞。这种复杂的情况就是必须处理的例外情况，也就是所谓的“边界情况”（edgecase），若不处理，技术系统就会问题百出。边界情况使技术变得复杂，技术的简单性也就渐渐消失。
原因四：普遍的稀有事物
机器翻译早期是利用语言的结构化语法搭建翻译模型，然后计算机根据语法规则进行翻译。这种方法可以处理相对简单的句子，但无法应对日常语言的多样性。例如，一个用来处理“直接不定式”的规则，不一定能够处理“分离不定式”，即无法处理“To boldly go where no one has gonebefore.”（勇敢地进入前人未曾涉足之地）这样的句子。另外，不定式的用法还具有一定的地域性，比如，匹兹堡人很喜欢省略掉to be，直接说“The car needswashed.”（这车该洗了）。很显然，面对这种形式灵活的“方言”，语法规则将束手无策。
你应该如何面对变得越来越复杂的系统，作者塞缪尔·阿贝斯曼在这本书中提供了一些方法来应对，但是并没有提供终极答案，因为也不应该有终极答案。
无论如何你首先要接受混乱，静下心去观察各种意想不到的事件，获得真正起作用的线索。通过结合物理学和生物学——用生物学思维处理个例，用物理学思维提取规律——来理解系统的复杂性。总而言之，要承认复杂性的存在，同时不要放弃理解系统的原理，而且要从简单的组件开始。
