A primera vista las simplicidades de las cuales se trata en el texto parecen complejas, pero una segunda consideración las categoriza como comparativamente simples. En realidad lo que algunos autores consideran complejo, otros lo consideran simple: la complejidad suele ser "observador-dependiente". En general se puede afirmar con Leibniz que mucho depende del punto de vista del observador. El sistema solar es complejo si se lo mira desde la tierra pero se simplifica si el observador imagina estar ubicado en el sol.
Las simplicidades son:
La biotermodinámica que proporciona muchas explicaciones simples, como lo es la forma que adquiere la segunda ley en sistemas complejos sujetos a importantes gradientes o la del Principio de Le Chatelier generalizado, abarcativo de condiciones diferentes.
Los sistemas complejos no-lineales (complejos por tener varias entradas y salidas y no lineales porque las entradas son a veces función de las salidas y las salidas incluyen efectos que se realimentan al sistema) que explican las características que adopta un subsistema por la influencia del sistema donde se anida (por ejemplo las características de un sapo son respuesta al habitat donde reside, con lagunas y moscas).
Los sistemas complejos adaptivos (adaptivos porque se amoldan al ambiente y muestran capacidad de absorber fluctuaciones, adaptivos tambien porque están formados por muchos agentes que en sí mismos cumplen el papel de (sub)sistemas adaptivos) que son aptos en la identificación de regularidades de cierto tipo en las entradas, pese a que algunas veces dichos sistemas desconocen algunas regularidades reales y otras veces características aleatorias se malinterpretan como regularidades; fuera de esas regularidades detectadas, el resto se considera aleatorio, lo cual a menudo no está desacertado.
Los sistemas complejos autoorganizados, donde las regularidades detectadas se comprimen en una suerte de esquema interno, independiente de todo reglamento externo. Los procesos de mutación dan origen a esquemas rivales. Cada esquema provee, a su manera, alguna identificación de las entradas, o sea de lo que sucede; y alguna predicción y prescripción para la acción (cuando la acción está ligada al estímulo). Un ejemplo de autoorganización es el de la formación de una típica montañita en la boca de un hormiguero, aunque ninguna hormiga sabe cómo hacerla. Las mutaciones llevan a otros tipos para las bocas del hormiguero. Cada hormiga se acostumbra a esa boca, que emerge de la acción de todos los agentes involucrados. (Lo mismo sucede en el cerebro donde el pensamiento o la respuesta a la alarma o el mantenimiento de numerosas homeostasis, emergen como emergela montañita del hormiguero, resultado de la acción conjunta de muchísimos agentes que no saben qué están haciendo pero se acostumbran a lo que les toca hacer). Se da tambien el caso de entradas o estímulos que nunca se han encontrado antes y que el sistema autoorganizado encuentra una respuesta más allá de una mera inter- o extrapolación.
Los sistemas complejos evolutivos, que muestran una cierta lucha por el esquema más apto, amoldandose a la supervivencia del esquema "tentativamente mejor" frente a esquemas rivales. No hay una clara definición de lo que es buen o mal éxito de un esquema, bastando con un proceso difuso de supervivencia de algunos candidatos a ella.
La emergencia de una solución autoorganizada, como la montañita de la boca del hormiguero emerge de las interacciones muy simples de las hormigas o las fluctuaciones bursátiles emergen de miles o millones de pequeñas decisiones de los accionistas individuales.
Gell-Mann M - Complex Adaptive Systems, en Morowitz H, Singer JL - The Mind, the Brain and Complex Adaptive Systems - Addison-Wesley, 1994
Los sistemas complejos ubicados entre el orden y el caos, en el estrecho dominio intermedio entre la congelada constancia del orden y la turbulencia del caos, son los que permiten la emergencia de nuevas soluciones por nuevas ligaduras en el campo de grados de libertad del sistema. Muchos de estos bastante simples fenómenos se han estudiado usando como herramienta de investigación las simulaciones con computadora, usando a las maquinarias artificiales como contraejemplo de lo que se quiere lograr: se buscan en general sistemas mucho menos integrados que una máquina o una organización humana, prevaleciendo lo que se puede aprender de la ecología o de los mercados.