Science

The Word AI Researchers Are Quietly Taking Back: "Emergence"

June 21, 2026 · M. Mitchell Waldrop, Complexity~6 min read

Draw the chart one way and it looks like a miracle: a language model crawls along, useless at some task, useless, useless — and then at a certain size the line leaps off the floor. People started calling that leap "emergence," and the word did a lot of work. It hinted that somewhere in the scaling, the machine had crossed a threshold and woken up. In June 2025 three scientists from the Santa Fe Institute looked hard at that leap and made a quieter, sharper claim: redraw the chart with a kinder ruler and the cliff turns into a hill. The leap was partly in the measuring.

A word with a serious pedigree

"Emergence" did not start as an AI buzzword. It belongs to complexity science, the field whose origin story M. Mitchell Waldrop told in his 1992 book Complexity — the one about a band of restless physicists, economists and biologists who founded the Santa Fe Institute precisely because the big questions kept falling between the established disciplines. Their rallying cry came from the physicist Philip Anderson, in a 1972 essay with a title that has outlived almost everything else from that year: "More Is Different." Anderson's point was modest and devastating. You can know every law governing a single particle and still not be able to predict what a trillion of them will do together. Water is wet; no single H₂O molecule is. The whole acquires properties the parts simply don't have, and those properties need their own language to describe. That is emergence in its honest sense — and the new paper's first complaint is that this honest sense has gone missing from most AI talk.

More is different — but that's only half the sentence

The authors are David Krakauer, who runs the Santa Fe Institute, his brother John Krakauer, a neuroscientist, and Melanie Mitchell, one of the clearest voices in complexity science. Their move is to split a word everyone had been using as one thing. Scaling a model up, they grant, really can produce emergent capability: feed a network enough text and abilities appear that weren't visibly there in the smaller version — syntax, code, recalling a fact. That is "more is different," and it is real. But intelligence, they argue, is a different animal, and it runs the other way. Intelligence is "less is more" — the knack of solving a problem quickly and cheaply, with less data, less compute, less energy, than the brute-force route would demand. A pocket calculator has an emergent capability your grandmother lacks. It is not more intelligent than she is. The whole confusion of the past few years, in their telling, is a single skipped distinction: a capability you can demonstrate is not the same as a mind that deploys it well.

A June 2025 Santa Fe Institute paper (Krakauer, Krakauer & Mitchell, in a 2026 Royal Society theme issue) separates two things often blurred: scaling a model can yield new capabilities ("more is different"), but intelligence is "less is more" — doing more with less. And the famous capability "jump" may partly be a measuring artifact: under a smoother metric the cliff flattens to a slope. Framework: M. Mitchell Waldrop, Complexity. This is an open scientific debate, not a settled result.

Was there ever a cliff?

Then comes the part that should give everyone pause, on both sides. Some of those dramatic "leaps" may be an artifact of how we grade the test. The paper points to earlier work showing that when a capability is scored all-or-nothing — you only count it if the model gets the whole answer exactly right — progress looks like a sudden cliff. Switch to a metric that gives partial credit, and the same models improve along a smooth, boring slope. Nothing woke up; the ruler had a sharp edge. The Santa Fe authors are careful here, because the question isn't closed: other studies push back, and the matter is genuinely unsettled. But they add a deeper objection. A true phase transition — water to ice, the textbook image of emergence — turns on a single dial like temperature. "Scale," the x-axis of every AI emergence chart, isn't one dial; it's a tangle of data, parameters and compute bundled into one number. Calling its bend a phase transition, they suggest, borrows the drama of physics without earning it.

Why a 1992 book is the right lens

It is a small irony worth savoring that the sharpest critics of loose "emergence" talk are sitting in the very institute built to take emergence seriously. The Santa Fe Institute exists because its founders believed the universe is full of real emergent order — ant colonies, immune systems, economies, minds — that reductionism alone can't reach. Waldrop's Complexity is the chronicle of people learning to tell the genuine article from the mirage, to ask of any surprising pattern: is this a new level with its own laws, or am I fooling myself? That is exactly the question the Krakauers and Mitchell are now asking of large language models. The discipline isn't anti-emergence. It's the opposite — it cares enough about the real thing to police the word.

What this means for you

You don't need a physics degree to use the lesson, and you'll need it the next time a headline tells you a model has "developed" some startling new power. Ask two questions the Santa Fe paper hands you for free. First: is this a capability, or is it intelligence? A system can do a striking thing and still be a calculator, not a mind. Second: who drew the chart, and with what ruler? A jump that vanishes under a gentler metric was never quite a jump. None of this means the machines aren't capable, or that nothing surprising is happening — plenty is. It means a single word was carrying more weight than it could bear, and three scientists from the institute that loves that word most are the ones asking us to set it down and look again. The honest answer to "has it woken up?" is still the least satisfying one. We don't yet know — and the people closest to the question are the ones least willing to pretend otherwise.

Scaling a model can hand it a new capability. Whether that adds up to a mind is a separate question — and the leap you saw on the chart may have been drawn by the ruler, not the machine.

Emergence is real. So is our hunger to see it where the data only shows a slope.

Source: framework from M. Mitchell Waldrop, Complexity: The Emerging Science at the Edge of Order and Chaos (1992) — the Santa Fe Institute's project of distinguishing genuine emergence from wishful pattern-finding, and Philip Anderson's "More Is Different." Real-world basis: David C. Krakauer, John W. Krakauer & Melanie Mitchell, "Large Language Models and Emergence: A Complex Systems Perspective" (arXiv:2506.11135, submitted June 2025; in a 2026 Philosophical Transactions of the Royal Society A theme issue), which separates "emergent capability" from "emergent intelligence" and revisits the debate — including Schaeffer et al.'s argument that some emergent "jumps" dissolve under continuous metrics — over whether the leaps are real. An open scientific debate, presented as science communication, not settled fact.

科普

AI 研究者正在悄悄要回的一个词：「涌现」

2026 年 6 月 21 日 · 沃尔德罗普《复杂》约 6 分钟

同一张图，画法不同，结论天差地别。一种画法看起来像奇迹：一个语言模型在某个任务上一路爬行，没用、没用、还是没用——然后到了某个体量，那条线突然腾空跃起。人们开始把这一跃叫「涌现」，而这个词承担了很多东西。它暗示：在做大的某处，机器越过了一道门槛，醒了过来。2025 年 6 月，三位来自圣塔菲研究所的科学家盯着这一跃，提出了一个更安静、也更锋利的说法：换一把宽厚些的尺子重画，悬崖就成了缓坡。那一跃，有一部分是量出来的。

一个出身严肃的词

「涌现」一开始并不是 AI 圈的热词。它属于复杂性科学——沃尔德罗普 1992 年的《复杂》讲的正是这门学科的来历：一群坐不住的物理学家、经济学家、生物学家，恰恰因为那些最大的问题总是掉进各学科的夹缝，才创办了圣塔菲研究所。他们的口号来自物理学家菲利普·安德森 1972 年的一篇文章，那个标题活得比那一年的几乎所有东西都长：「多则不同」。安德森的论点谦逊却致命。你可以掌握支配单个粒子的每一条定律，却依然预测不出一万亿个粒子凑在一起会做什么。水是湿的，可没有哪一个 H₂O 分子是湿的。整体获得了零件根本不具备的性质，而这些性质需要一套自己的语言去描述。这才是「涌现」诚实的那层含义——而这篇新论文的第一条不满就是：这层诚实的含义，在大多数关于 AI 的谈论里，已经不见了。

「多则不同」——但这句话只说了一半

三位作者是掌管圣塔菲研究所的戴维·克劳尔、他做神经科学的弟弟约翰·克劳尔，以及复杂性科学里最清醒的声音之一梅勒妮·米切尔。他们的动作，是把所有人当成一件事在用的词，劈成两件。把模型做大，他们承认，确实能产生「涌现的能力」：喂给网络足够多的文本，一些在更小版本里看不出来的本事就冒了出来——语法、写代码、记起一个事实。这是「多则不同」，是真的。但智能，他们说，是另一种东西，而且走的是相反的方向。智能是「少即是多」——用更少的数据、更少的算力、更少的能量，比蛮力路线更快更省地解决一个问题的那种本事。一只袖珍计算器拥有一项你祖母没有的涌现能力，它并不因此就比她更聪明。这几年所有的混乱，照他们的讲法，只源于一处被跳过的区分：你能演示的一项能力，和一个会好好运用它的头脑，根本不是一回事。

2025 年 6 月圣塔菲研究所的一篇论文（Krakauer、Krakauer 与 Mitchell，收入 2026 年英国皇家学会专题）把常被混为一谈的两件事分开：把模型做大，能得到新能力（"多则不同"）；但智能是"少即是多"——用更少做更多。而那道著名的能力"跃迁"，可能部分是量尺造成的假象：换一把更平滑的尺子，悬崖就压成了缓坡。框架：沃尔德罗普《复杂》。这是一场尚未定论的科学争论，而非已成定局的结论。

那道悬崖，真的存在过吗

接下来这一段，该让争论的双方都停一下。那些戏剧性的「跃迁」，有些可能是我们打分方式造出来的假象。论文指向更早的研究：当一项能力被「全有或全无」地评分——只有模型把整个答案一字不差答对才算数——进步看起来就像一道陡峭的悬崖。换成一个给部分分的尺子，同样这些模型，却是沿着一条平滑、乏味的坡缓缓上升。什么都没醒来，只是那把尺子有一道锋利的刃。圣塔菲的作者在这里很谨慎，因为问题并没有盖棺：另有研究反驳，此事确实悬而未决。但他们补了一条更深的异议。真正的相变——水结成冰，那张教科书里涌现的标准插图——是靠温度这样一个单独的旋钮翻过去的。而「规模」，每张 AI 涌现图横轴上的那个量，根本不是一个旋钮；它是数据、参数、算力搅成一团、塞进同一个数字里。把它的那道弯叫相变，他们暗示，是借了物理学的戏剧性，却没有挣得它。

为什么一本 1992 年的书是对的透镜

有一处小小的反讽，值得品味：把「涌现」这个词用松了的最尖锐的批评者，恰恰就坐在那所为认真对待涌现而建的研究所里。圣塔菲研究所之所以存在，正因为它的创办者相信，宇宙中充满了真实的涌现秩序——蚁群、免疫系统、经济、心智——是单靠还原论够不到的。沃尔德罗普的《复杂》记录的，正是一群人如何学着把真品和幻象分开，学着对任何令人惊讶的图样追问：这是一个有自己定律的新层级，还是我在骗自己？而这，恰恰是克劳尔兄弟和米切尔此刻对大语言模型追问的同一个问题。这门学科不是反涌现，恰恰相反——它太在乎那个真东西，才会去管这个词怎么用。

这对你意味着什么

用上这个教训不需要物理学位，而你下一次就会用到它——当某条头条告诉你某个模型「发展出」了某种惊人的新能力。问两个这篇论文白送给你的问题。第一：这是一项能力，还是智能？一个系统可以做出一件惊人的事，却仍然是一台计算器，而不是一个头脑。第二：这张图是谁画的，用的什么尺子？一道在更温和的量尺下就消失的跃迁，本就算不上一道跃迁。这一切都不意味着机器没有能力，或者什么惊人的事都没发生——惊人的事多着呢。它意味着，一个词被压上了它扛不住的分量，而提醒我们把它放下、再看一眼的，恰是那所最爱这个词的研究所里的三位科学家。对「它醒了吗」这个问题，最诚实的回答，仍是那个最不令人满足的：我们还不知道——而离这个问题最近的人，正是最不愿假装知道的人。

把模型做大，能给它一项新能力。这是否凑成了一个头脑，是另一个问题——而你在图上看见的那一跃，也许是尺子画的，不是机器。

涌现是真的。我们急着在只有缓坡的数据里看见它，也是真的。

来源：框架取自沃尔德罗普《复杂：诞生于秩序与混沌边缘的科学》（1992）——圣塔菲研究所「把真实涌现与一厢情愿的找规律分开」的事业，以及菲利普·安德森的「多则不同」。现实依据：David C. Krakauer、John W. Krakauer 与 Melanie Mitchell，《大语言模型与涌现：一个复杂系统视角》（arXiv:2506.11135，2025 年 6 月提交；收入 2026 年《英国皇家学会哲学汇刊 A》专题），该文把「涌现的能力」与「涌现的智能」分开，并重新审视这场争论——包括 Schaeffer 等人「某些涌现『跃迁』在连续量度下会消解」的论点——即那些跃迁是否真实。本文为科普解读，呈现一场尚未定论的科学争论，非已成定局的事实。

サイエンス

AI 研究者がそっと取り戻しつつある言葉——「創発」

2026年6月21日 · ワルドロップ『複雑系』約 7 分

同じ図でも、描き方ひとつで結論はまるで変わる。ある描き方では奇跡のように見える——言語モデルがある課題で這うように進み、役立たず、役立たず、なお役立たず、そしてある規模に達したとき、その線が床から跳ね上がる。人々はこの跳躍を「創発」と呼びはじめ、その言葉は多くを背負った。規模を増すどこかで機械が閾値を越え、目覚めたのだ、と。2025年6月、サンタフェ研究所の三人の科学者がこの跳躍をじっと見つめ、より静かで、より鋭い主張を立てた。寛い物差しで描き直せば、崖はなだらかな坂になる。あの跳躍は、一部は測り方が生んだものだった、と。

由緒ある言葉

「創発」はもともと AI 界の流行語ではない。それは複雑系科学のものだ——ワルドロップが1992年の『複雑系』で語ったのは、まさにこの学問の生い立ちである。落ち着きのない物理学者・経済学者・生物学者の一団が、最大の問いがいつも既存の学科の隙間に落ちてしまうからこそ、サンタフェ研究所を創った。その合言葉は、物理学者フィリップ・アンダーソンの1972年の論文に由来する。その年のほとんどすべてより長生きした表題——「多は異なる（More Is Different）」。アンダーソンの論点は控えめで、しかし痛烈だ。単一の粒子を支配するあらゆる法則を知っていても、一兆個が一緒に何をするかは予測できない。水は濡れているが、一個の H₂O 分子は濡れていない。全体は、部品がそもそも持たない性質を獲得し、その性質を語るには専用の言語がいる。これが「創発」の誠実な意味だ——そしてこの新しい論文の第一の不満は、その誠実な意味が、AI をめぐる議論のほとんどから消えてしまったことにある。

「多は異なる」——だがその文はまだ半分だ

三人の著者は、サンタフェ研究所を率いるデイヴィッド・クラカワー、神経科学者である弟のジョン・クラカワー、そして複雑系科学で最も明晰な声の一人メラニー・ミッチェルだ。彼らの一手は、誰もが一つのものとして使ってきた言葉を、二つに割ることだった。モデルを大きくすれば、確かに「創発した能力」が生まれる、と彼らは認める。十分なテキストを与えれば、小さい版では見えなかった芸当が現れる——文法、コード、事実の想起。これは「多は異なる」であり、本物だ。だが知能は別物で、向きが逆だと彼らは説く。知能は「少は多」——より少ないデータ、より少ない計算、より少ないエネルギーで、力任せの道筋より速く安く問題を解く、その勘どころだ。携帯電卓は、あなたの祖母にはない創発した能力を持つ。だからといって祖母より知能が高いわけではない。この数年の混乱はすべて、一つの飛ばされた区別から来ている、と彼らは言う。見せられる能力と、それを上手に使う頭脳とは、まるで別物なのだ。

2025年6月のサンタフェ研究所の論文（Krakauer・Krakauer・Mitchell、2026年の英国王立協会特集号所収）は、しばしば混同される二つを分ける。モデルを大きくすれば新しい能力が得られる（「多は異なる」）。だが知能は「少は多」——より少ない手数でより多くを。そしてあの有名な能力の「跳躍」は、物差しが生んだ見かけかもしれない。なめらかな尺度に替えれば、崖は坂に均される。枠組：ワルドロップ『複雑系』。これは未決着の科学論争であり、確定した結論ではない。

そもそも、崖はあったのか

次の段は、論争の双方を一度立ち止まらせるべきところだ。あの劇的な「跳躍」のいくつかは、採点の仕方が生んだ見かけかもしれない。論文は先行研究を指し示す——ある能力を「全か無か」で採点すると（モデルが答え全体を一字一句正しく出したときだけ数える）、進歩は急な崖のように見える。部分点を与える尺度に切り替えれば、同じモデルが、なめらかで退屈な坂をゆっくり上っていく。何も目覚めてはいない。物差しに鋭い刃があっただけだ。サンタフェの著者たちはここで慎重だ。問いは閉じていないからである。反論する研究もあり、この件は本当に未決着だ。だが彼らはより深い異議を添える。本物の相転移——水が氷になる、教科書にある創発の定番図——は、温度のような一つのつまみで越える。ところが「規模」、あらゆる AI 創発図の横軸にあるあの量は、一つのつまみではない。データ・パラメータ・計算が一つの数字に束ねられたもつれだ。その曲がりを相転移と呼ぶのは、物理学の劇的さを借りておきながら、それを稼いではいない——と彼らはほのめかす。

なぜ1992年の本が正しいレンズなのか

味わう価値のある小さな皮肉がある。緩い「創発」語りへの最も鋭い批判者が、ほかならぬ、創発を真剣に扱うために建てられた研究所に座っているのだ。サンタフェ研究所が存在するのは、その創設者たちが、宇宙には本物の創発的秩序が満ちている——蟻のコロニー、免疫系、経済、心——と信じたからであり、それらは還元論だけでは届かない。ワルドロップの『複雑系』が記録するのは、人々が本物と幻を見分けることを学んでいく姿だ。驚くべき模様を前に問う——これは自前の法則を持つ新しい階層なのか、それとも私が自分を欺いているのか。それこそ、クラカワー兄弟とミッチェルがいま大規模言語モデルに向けている、まさに同じ問いだ。この学問は反創発ではない。逆だ——本物をあまりに大切に思うからこそ、言葉の使い方を取り締まるのである。

これは君にとって何を意味するか

この教訓を使うのに物理の学位はいらない。そして次にそれが要るのは、ある見出しが「あるモデルが驚くべき新しい力を『獲得した』」と告げるときだ。この論文がただで手渡してくれる二つの問いを投げよ。第一に——これは能力か、それとも知能か。系は驚くべきことをやってのけても、なお頭脳ではなく電卓でありうる。第二に——その図は誰が、どんな物差しで描いたのか。より穏やかな尺度で消える跳躍は、はじめから跳躍ではなかった。これらは、機械に能力がないとか、驚くことが何も起きていないという意味ではない。起きていることは多い。意味するのは、一つの言葉が背負いきれない重さを背負わされていたこと、そしてそれを下ろしてもう一度見ようと促すのが、その言葉を最も愛する研究所の三人の科学者だということだ。「目覚めたのか」への最も誠実な答えは、いまなお最も物足りないものである。まだわからない——そしてこの問いに最も近い人々こそ、わかったふりを最もしたがらない人々なのだ。

モデルを大きくすれば、新しい能力は手に入る。それが頭脳に積み上がるかは別の問いだ——そして図に見えたあの跳躍は、機械ではなく物差しが描いたのかもしれない。

創発は本物だ。データが坂しか示さない場所にそれを見たがる私たちの渇きも、また本物だ。

出典：枠組はワルドロップ『複雑系——科学の新しい潮流』（1992）より——サンタフェ研究所の「本物の創発と、希望的な模様探しを見分ける」営みと、フィリップ・アンダーソンの「多は異なる」。現実の根拠：David C. Krakauer・John W. Krakauer・Melanie Mitchell「Large Language Models and Emergence: A Complex Systems Perspective」（arXiv:2506.11135、2025年6月投稿。2026年の『Philosophical Transactions of the Royal Society A』特集号所収）。同論文は「創発した能力」と「創発した知能」を分け、跳躍が本物かをめぐる論争——Schaeffer らの「一部の創発的『跳躍』は連続的な尺度では解消する」という主張を含む——を改めて検討する。本稿は未決着の科学論争を提示する科学コミュニケーションであり、確定した事実ではない。