本书包含（和不包含）的内容

虽然我们不可能对自然和社会的增长进行真正全面的描述，但我们仍然应该对增长的模式进行更广泛的研究。本书的意图是通过研究许多自然、社会和技术形式的增长来为这一命题添砖加瓦。为了覆盖如此广阔的范围，我必须限制单本书的范围和深度。本书讨论的重点将是地球上的生命和人类社会的成就。这项任务将使讨论的范围从细菌入侵和病毒感染发展到森林和动物的新陈代谢，从能源转换和特大城市的增长延伸到全球经济的基本要素——同时，我将忽略最大和最小尺度上的问题。

我将不会讨论宇宙、星系、超新星或恒星的增长（膨胀）过程。前文已经说过，地球化过程的增长速度本来就很慢，这些过程主要由新的大洋型地壳的形成控制，扩张速度为每年2—20厘米。虽然一些短暂且空间有限的灾难性事件（火山喷发、大规模滑坡、海啸、大洪水）可以在短时间内导致质量和能量的快速和大量转移，但持续性的地貌活动（侵蚀与沉积）与地质构造过程一样慢，甚至比后者更慢：喜马拉雅山的侵蚀可以达到每年1厘米，但不列颠群岛的剥蚀每1,000年仅能达到2—10厘米（Smil 2008）。本书不会对这些地质性增长率做更多的研究。

本书的主要关注点是生命体、人造物和复杂系统的增长，因此也不会涉及亚细胞水平的生长。得益于生命科学研究的巨大进步，我们对细胞的一般生长过程（特别是细胞的不当增生过程）的理解取得了重大进展。这些进步的多学科融合性质、不断扩大的研究范围和持续加快的研究节奏意味着，现在绝大多数的新发现都已经以电子出版物的形式被报道了，而在这些领域编写书籍进行摘要或评论几乎都是一种过时的练习行为。尽管如此，在最近的出版物中，马西埃拉—科埃略（Macieira-Coelho 2005）、格维尔茨等人（Gewirtz et al. 2007)、木村（Kimura 2008）和克莱基夫斯基（Kraikivski 2013）还是做了一系列针对正常和异常细胞的生长与死亡的研究。

因此，本书不会对基础遗传学、表观遗传学和生长的生物化学进行系统讨论，只会在描述单细胞生物的生长过程和微生物复合体的生命时讨论细胞层面的增长。在某些生态系统中，它们的存在占据了整个系统的生物量的很大一部分，甚至是大部分。同样，在讨论植物、动物和人类时，我的关注点也不在于亚细胞、细胞和器官水平的生化特异性和生长的复杂性——尽管关于大脑（Brazier 1975; Kretschmann 1986; Schneider 2014; Lagercrantz 2016）或心脏（Rosenthal and Harvey 2010; Bruneau 2012）发育的研究非常有趣。相反，我会讨论整个生命体的生长，包括环境要素和生长的影响。本书还将指出一些经常会限制或破坏生命体生长的关键环境因素（从微量营养素到感染，等等）。

我将详细介绍人类身体的发育，重点关注个体的身高和体重（按照特定性别来区分）的增长轨迹（以及肥胖这种不良增长），还将关注人口的集体增长。本书将展示关于人口增长的长期历史观点，评估当前的增长模式，并研究全球范围内和一些国家未来可能的发展趋势。但是，本书不会讨论关于社会心理成长（发展阶段、个性、抱负、自我实现）或意识成长的内容：心理学和社会学文献对此有大量研究。

在系统地介绍自然和社会的增长之前，我将简要介绍增长轨迹的测量方法和种类。这些轨迹包括没有清晰模式的随机过程（经常出现在股票市场的估值中）、简单的线性增长（沙漏每秒向底部的沙堆添加相同数量的落沙）、暂时呈现的指数增长（通常表现为各种现象，例如处于婴儿期的生命体的生长、技术创新的最密集阶段的发展以及股市泡沫的形成），还有符合各种受限型生长曲线（所有生命体的个体大小均是如此）的增长，它们的形状都可以通过数学函数进行描述。

大多数增长过程——无论是生物体或人造物的增长还是复杂系统的增长——都严格遵循某类S型增长曲线，无论是逻辑斯蒂曲线③（Verhulst 1838、1845、1847），还是冈珀茨曲线④（Gompertz 1825），抑或是它们的某些衍生形式——最常见的是由冯·拜尔陶隆菲（von Bertalanffy 1938、1957）、理查兹（Richards 1959）、布伦贝格（Blumberg 1968）、特纳等人（Turner et al. 1976）制定的那些形式。但自然的多样性以及意外的干扰常常会导致实际的过程与预测轨迹出现重大偏差。这就是为什么我建议，研究增长的学者最好能从实际上或多或少已完结的过程开始展开研究，看看哪个增长函数能以最吻合的方式去描述它。

另一种研究方式——从增长轨迹中取几个早期样本点，并使用它们构建特定选择的增长曲线——只有在人们试图预测那些已经被反复展示、模式已知的增长过程时才有效，例如针叶树或淡水鱼的生长过程。但是，随机选择一条S型曲线来预测那些未经充分研究的生物体的生长过程是一种应该被怀疑的行为，因为在生长的最早期阶段，这类特定的函数并不是一种足够灵敏的预测工具。