本稿では、「利点としての複雑性」（CAA）というフレームワークを提案し、システムの複雑性を観測者のファミリーに対して定義します。複雑性を内在的な特性として測るのではなく、モデル化を試みる異なる観測者がそのシステムから生じる予測的な後悔の度合いを評価します。システムは一部の観測者には扱いやすく、他の観測者には難しい場合、複雑であり、情報の優位性を生み出します。このアプローチにより、マルチスケールエントロピー、予測情報、観測者依存構造など、いくつかの創発的行動の概念が統一されます。「興味深い」システムとは、観測者間で異なる後悔を生じさせる位置にあるもので、複雑性が機能的に価値を持つ理由を定量的に示します。簡単な動的モデルを通じてこの考え方を示し、学習、進化、人工エージェントへの示唆について議論します。