سیستم های پیچیده – ویژگی های سامانه پیچیده به زبانی ساده

پاسخ به این که پیچیدگی و تعریف سیستم های پیچیده دقیقا چیست، کار دشواری است. پیچیدگی و سیستم های پیچیده مفهومی نیست که بتوان آن را در یک جمله تعریف کرد. مانند عشق یا نفرت، که همگی ضمن اینکه آن‌ ها را درک می‌ کنیم، اگر از ما تعریفی بخواهند احتمالا هر یک به تناسب تجارب، اعتقادات و سایر پیش‌ زمینه‌ هایی که داریم، تعریفی مجزا از آن‌ها ارائه خواهیم کرد. همین عدم وجود تعریفی دقیق و مشترک بین محققین باعث شده است که اندازه‌گیری پیچیدگی و تعریف معیاری برای آن ناممکن شود. ما پیچیدگی را از نشانه‌ های آن متوجه می‌ شویم.

در این مقاله قصد داریم با مطرح کردن مفاهیم مرتبط به پیچیدگی و بررسی سیستم های پیچیده به درک عمیق‌ تری نسبت به این موضوع برسیم و پیچیدگی جهان اطراف خود را بهتر درک کنیم.

 

سرفصل های مقاله:

• مفهوم پیچیدگی
• تعریف سیستم های پیچیده
• نمونه های سیستم های پیچیده
• ویژگی های سیستم های پیچیده
• چرا باید سیستم های پیچیده را بشناسیم؟
• سخن پایانی

 

مفهموم پیچیدگی

معمولاً بحث پیچیدگی و سیستم های پیچیده را اینگونه آغاز می کنند که پیچیدگی با سخت بودن و دشواری در فهم تفاوت دارد. ما وقتی یک ساختار یا روش مواجهه با مسئله ریاضی یا یک سیستم پیشرفته مخابراتی و الکترونیکی را درک نمی کنیم، آن را با صفت پیچیده توصیف می کنیم. 

این نوع مفهوم دشواری و پیچیدگی همان چیزی است که در زبان انگلیسی از آن با واژه هایی مانند (Difficult) و (Complicated) یاد می شود. اما در زبان هاى اروپایى، مترادف کلمه پیچیده، کلمه ای مانند (Complex) از پیشوند (COM) به معناى “با هم” و ریشه لاتین PLECTER به معناى “پیچ خوردن و چین خوردگى” مشتق شده است.

پیچیدگی را می توان از دو منظر ساختارى و کارکردی تعریف کرد.

 

 

تعریف ساختاری پیچیدگی:

ساده ترین تعریف، آن است که سیستم هاى داراى تعداد عناصر زیاد را پیچیده تر از آن هایى بدانیم که شمار عناصرشان کمتر است. مثلاً مى توان یک خانواده ۱۰ نفره را پیچیده تر از خانواده اى دو نفره دانست. یا کتابى ۱۰۰ صفحه اى را ساده تر از کتابى هزار صفحه اى فرض کرد. اما واضح است که تعریف پیچیدگی بر مبناى شمار عناصر، ناقص است، چرا که ممکن است خانواده ۱۰ نفره ما از انسان هایى کر و لال و فلج تشکیل شده باشد که تمام عمرشان را جلوى تلویزیون مى گذرانند و هرگز با هم حرف نمى زنند و آن خانواده ۲ نفره هم از پیر کورى و مارى کورى (همسرش) تشکیل شده باشد، که بى تردید خانواده بغرنجى از آب در مى آید. پس عامل دیگرى هم باید براى سنجش پیچیدگى مورد توجه قرار گیرد، و آن هم روابط است. سیستمى که روابط بین عناصرش انبوه تر با شد، پیچیده تر است. با این دو عامل، مى توان تصویرى به نسبت رضایت بخش از مفهوم پیچیدگى را درک کرد.

 

 

تعریف کارکردی پیچیدگی:

اطلاعات، عنصرى از سیستم است که بیشتر از ماده و انرژى بر روابط تأثیر مى گذارد. پس سیستمى که روابط زیادى داشته باشد، در عین حال حجم اطلاعات بیشترى را هم دارا خواهد بود.

یک تعریف دیگر پیچیدگى را مى توان به کمک همین نکته فهمید:

سیستمى پیچیده است که حجم اطلاعاتش نسبت به ماده و انرژى اش زیاد باشد. سیستمى که اطلاعات زیادى را در خود انباشته باشد، و عناصر و روابط زیادى هم داشته باشد، رفتارى با متغیرهاى بسیار خواهد داشت.

یکى دیگر از شواهدى که مى توانیم براى سنجش پیچیدگى یک سیستم مورد استفاده قرار دهیم، نوع رفتار آن است. سیستمى مثل انسان که رفتارش تحت تأثیر متغیرهایى فراوان باشد، پیچیده است و سیستمى که رفتارش با شمار کمى از متغیرها پیش بینى پذیر شود، ساده تلقى مى شود.

 

 

پس در مقام جمع بندى، مى توان پیچیدگى یک سیستم را از دو راه تخمین زد:

الف) با نگریستن به سیستم در یک مقطع زمانى، و بررسى شمار عناصر آن، و تراکم روابط میانشان (که نسبت اطلاعات به ماده/ انرژى را هم به دست مى دهد.)

ب) با ردگیرى تحولات سیستم در مسیر زمان، و بررسى تاریخچه سیستم، حجم اطلاعات تولید شده در سیستم و در نتیجه وارسى تعداد متغیرهاى تعیین کننده رفتار سیستم.

بیان نخست را تعریف ساختارى و بیان دوم را تعریف کارکردى از پیچیدگى مى نامیم. نکته حائز اهمیت این است که پیچیدگی، یک کمیت دو وضعیتی نیست که بتوانیم به سادگی بگوییم این سیستم، پیچیده است و آن سیستم پیچیده نیست.

 

 

تعریف سیستم های پیچیده

 

امروزه، نظریه سیستم های پیچیده یاسامانه پیچیده و به اصطلاح انگلیسی (Complex System) یک دستگاه جهان بینی جدید است. این نظریه بر پایه همه مشاهدات و دستاورد ها در علوم مختلف، اعم از ریاضیات، فیزیک، زیست شناسی و روانشناسی ساخته و پرداخته شده است. آنچه فعلاً می توانیم بگوییم این است که در این سال ها، نظریه سیستم های پیچیده دوران نوزادی و رشد خود را تجربه می کند، درست مانند همان سال هایی که نیوتون فیزیک خود را بنا میکرد. امروز نیز این دیدگاه جدید، آخرین دستاورد فکری انسان و ابزاری کافی برای درک قواعد حاکم بر جهان به نظر می رسد.

و اما منظور ما از سیستم های پیچیده چیست؟

 

 

سیستم های پیچیده معمولاً با اعضای زیاد و تعداد رابطه های بسیار بین این اعضا شناخته می شوند و به دلیل تعداد اعضای زیاد و روابط بینشان، پویایی بیشتری هم دارند و شکل و نوع این رابطه ها در طول زمان تغییر می کند.

در دنیای امروز، انسان ها، اقتصادها، فرهنگ ها، قدرت ها، اتفاقات، احساسات، خوشی و ناخوشی ها، فقر و رفاه و ضعف و قدرت، چنان با یکدیگر در هم آمیخته اند که هر نوع تقسیم بندی و مرز بندی به شیوه کهن، می تواند ما را از درک بهتر آنچه در جهان اطرافمان می گذرد، دور کند. سیستم های پیچیده با وجود تنوع گسترده خود دارای ویژگی های مشابه بسیاری هستند، پس می توان از روش های مشابه برای درک این مجموعه های ظاهرا نا متشابه استفاده کرد. نهایتا سامانه پیچیده به سامانه‌ ای پرتعداد از اجزاء کوچکتر گفته می‌ شود که با یکدیگر و پدیده‌ های خارج از سامانه برهم‌ کنش‌هایی دارند و به این علت پیچیده گفته می‌ شوند.

سامانه پیچیده رفتار هایی از خود بروز می‌ دهد که از رفتار اجزاء به تنهایی قابل استنتاج نیست. مدل کردن رفتار این سامانه‌ها ذاتاً دشوار است. وابستگی تک تک اجزا به هم و برهمکنش سیستم با محیط اطراف، شرایط پیچیده‌ ای را به وجود می آورد. به زبان ساده اینطور می‌توان گفت که یک نورون دارای آگاهی است و مجموعه تعداد زیادی از آن‌ها به عنوان مغز، آگاه و هوشیار هستند. درست مانند یک اجتماع که می‌توان گفت تک تک اعضای آن نقش چندانی در اداره کشور ندارند، اما مجموعه رفتار همه اشخاص، کشور را اداره می‌کند.

 

نمونه های سیستم های پیچیده

با توجه به اینکه تعریف سیستم های پیچیده، خود نیز کاری دشوار و پیچیده است، بهتر است هنگامی که تعریف سیستم های پیچیده را مطالعه و بررسی می کنید، چند نمونه از این سیستم ها را در ذهن داشته باشید. از میان انبوه مثال های قابل تصور، ارگانیسم ها، انسان، مغز انسان، جامعه انسانی، سازمان ها، اکوسیستم های طبیعی، یک موجود تک سلولی، بازار بورس، گله حیوانات و نیز کل جهان، نمونه های مناسبی از سیستم های پیچیده محسوب می شوند.

 

سیستم های زیستی (Biological Systems)

سیستم های زیستی یکی از نمونه های بسیار مناسب برای مطالعه سیستم های پیچیده محسوب می شوند. تعداد بسیار زیادی از سلول ها در کنار هم، ارگانیسم ها، ارگان ها (اندام ها) و موجودات را می سازند که خود آنها هم با یکدیگر در ارتباط هستند. ترکیب این سیستم ها، سیستم هایی بزرگتر و پیچیده تر را می سازند و معمولاً در حدی پیچیده اند که ما به خوبی نمی توانیم مکانیزم های حاکم بر رفتار آنها را تشخیص دهیم و به همین علت، ترجیح می دهیم صفت زنده را در مورد آنها به کار ببریم. مغز انسان، خود انسان، سیستم ایمنی بدن، جامعه انسانی و اکوسیستم ها، از جمله مصداق های بسیار عالی برای سیستم های پیچیده محسوب می شوند.

 

سیستم های اقتصادی (Economic systems)

سیستم های اقتصادی نمونه دیگری از سیستم های پیچیده هستند که همه ما به نوعی آنها را تجربه کرده ایم. بانک ها که در تعداد بسیار زیاد با خود و با سرمایه گذاران و مشتریان در ارتباط هستند، بازارهای بورس و اوراق بهادار که تعداد افراد و روابط در آنها بسیار زیاد است و نیز اقتصاد کلان در یک کشور یا در سطح جهان که المان های متنوع و رابطه های پویا و متعدد را در دل خود جا داده است.

 

سیستم آب و هوا و شرایط اقلیمی (Climate system and climatic conditions)

سیستم آب و هوا و شرایط اقلیمی هم از جمله سیستم های پیچیده در جهان محسوب می شود. بحث هایی که در مورد گرمایش زمین و تهدید زندگی انسان توسط دست ساخته های انسان مطرح می شوند، به این سیستم های پیچیده و رفتارهای آن اشاره دارد. بخشی از اختلاف های صاحب نظران در مورد گرمایش زمین و تغییر شرایط اقلیمی به این علت به نقطه نهایی نرسیده که سیستم مورد بررسی پیچیده است. بنابراین تعداد و تنوع رابطه ها در این سیستم بسیار بیشتر از حدی است که بتوان به سادگی در مورد علت ها و معلول ها و رابطه شان اظهار نظر کرد. مثال های بسیار بیشتری هم می توان مطرح کرد. ترافیک در یک شهر یا در مجموعه جاده های یک کشور نیز سیستم های پیچیده محسوب می شوند.

 

حوزه تکنولوژی (Technology)

ظهور سیستم های پیچیده را علاوه بر سیاست، اقتصاد و بیولوژی، در حوزه تکنولوژی نیز می توان مشاهده کرد. اینترنت و همه چیزهایی که توسط آن به یکدیگر متصل میشوند، مجموعه کاربران یک شبکه اجتماعی مانند فیسبوک، توییتر، اینستاگرام و مجموعه کاربران یک شبکه مخابراتی یا یک نرم افزار پیام رسان، هر کدام سیستمی پیچیده را تشکیل می دهند.

 

ویژگی های سیستم های پیچیده

در این مقاله صرفاً چند ویژگی از میان انبوه ویژگی های سیستم های پیچیده را بیان می کنیم تا بتوانیم به تدریج در ادامه، بحث را از شکل کیفی به شکل کمّی تبدیل کنیم. بهتر است هنگامی که تعریف سیستم های پیچیده را مطالعه و بررسی می کنید، چند نمونه از این سیستم ها مانند “انسان” را در ذهن داشته باشید. سیستم های پیچیده و ویژگی های آنان را می توان از دو منظر ساختار و رفتار تشریح کرد.

 

توصیف انسان بر اساس رفتار در مقابل توصیف آن بر اساس ساختار
توصیف رفتاری	توصیف ساختاری
انسان موجودی است که می تواند گذشته را به خاطر بسپارد و خاطرات گذشته اش بر روی انتخاب های امروزش تاثیر می گذارند.	انسان موجودی است که دو پا دارد.
انسان موجودی است که حرف می زند و می تواند افکارش را به کلمات تبدیل کند.	دو دست دارد.
انسان از کلمات برای انتقال اطلاعات خود به سایر همنوعانش استفاده می کند.	بدن این موجود پس از بلوغ، چیزی در حدود سی تا چهل هزار میلیارد سلول دارد.
عمر انسان ها به ندرت از صد سال فراتر می رود.	قد او به ندرت از دو متر فراتر می رود.
	بین ۵۰ تا ۶۵ درصد از وزن او را آب تشکیل می دهد.

 

واضح است که ویژگی های رفتاری هم، به هر حال در ویژگی های ساختاری ریشه دارند. با این حال، در سیستم های پیچیده، گاهی اوقات تشخیص ویژگی های رفتاری ساده تر است و گاهی اوقات، در مورد ویژگی های ساختاری می توان ساده تر اظهار نظر کرد. بنابراین، تقسیم بندی فوق، اگر چه یک مرز بندی دقیق نیست، اما می تواند مفید باشد. اگر تقسیم بندی فوق را مد نظر داشته باشید و کتاب ها و مقالات مربوط به سیستم های پیچیده را مرور کنید، بسیاری از تعریف ها و توصیف ها را می توانید به سادگی در یکی از دو دسته ساختاری یا رفتاری طبقه بندی کنید.

 

توصیفات ساختاری سیستم های پیچیده

معمولاً در توصیف ساختاری سیستم های پیچیده به تعداد بسیار زیاد اجزا، تعامل پیچیده و گسترده آنها و نیاز سیستم به باز بودن و تامین منابع از بیرون، برای بقاء اشاره می شود.

 

تعداد المان های بسیار زیاد (Too many elements)

یکی از نخستین ویژگی های ساختاری سیستم های پیچیده تعداد المان های بسیار زیاد است. در سیستم های پیچیده، تعداد المان ها در حدی زیاد است که ناظر، به سادگی نمی تواند تک تک تعامل ها و رفتار ها را مورد بررسی قرار داده و سهم هر یک از المان ها را در رفتار کل سیستم به شکل دقیق و مطلق پیش بینی کند. تعداد المان ها در سیستم های پیچیده، عموماً در حدی است که حذف تعداد کمی از آنها، خلل جدی در عملکرد کل سیستم ایجاد نمی کند. البته بسیاری از این توصیفات، مطلق نیستند. مثلاً وقتی از یک اکوسیستم، به عنوان نمونه ای از یک سیستم پیچیده صحبت می کنیم، برخی از گونه ها، به عنوان گونه های کلیدی یا سنگ بنا شناخته می شوند که حذف آنها می تواند ساختار اکوسیستم را متزلزل کرده و یا لااقل سیستم را به سمت یک نقطه پایدار کاملاً جدید سوق دهد.

بنابراین دو نکته را به خاطر داشته باشید:

1. در سیستم های پیچیده تعداد اجزا در حدی زیاد است که حذف یکی از اجزا یا بخش کوچکی از اجزاء، به احتمال زیاد خللی جدی در عملکرد کل سیستم ایجاد نمی کند.
2. با وجود نکته اول، المان هایی که حذف یا تغییر آنها، می تواند اثرات بزرگ و محسوسی بر مسیر حرکت و زندگی کل سیستم بگذارد، اگر چه تشخیص بخش های کلیدی همیشه ساده نیست.

 

 

تعامل گسترده اجزا با یکدیگر (Extensive interaction of components with each other)

ویژگی دوم در ساختار سیستم های پیچیده، تعامل گسترده اجزا با یکدیگر است. این تعامل، صرفاً به صورت زنجیره خطی نیست. چون زنجیره خطی، هر چقدر هم که طولانی باشد، قابل ارزیابی و تحلیل است. پیچیدگی در سیستم های پیچیده، معمولاً از جایی آغاز می شود که این زنجیره های تعامل، در هم گره می خورند. به عبارتی:

1. یک المان تنها از یک المان دیگر اثر نمی پذیرد و چند المان به صورت همزمان بر روی آن اثر می گذارند. همچنین هر المان نیز، خود ممکن است بر روی تعدادی از المان ها (نه صرفاً یک المان) تاثیر گذار باشد.
2. زنجیره اثرگذاری در بخش های متعددی از سیستم به یک حلقه تبدیل می شود. یعنی اقدام، رفتار یا ویژگی یک المان، پس از طی چند مرحله (یا چند میلیون یا چند میلیارد مرحله) نهایتاً بر روی خود آن المان هم، تاثیر می گذارد.

جالب اینجاست که برای بسیاری از این تعامل ها، نمی توان به سادگی آغاز و انجام مشخص کرد.

معلوم نیست که نقطه آغاز کدام حرکت بوده و نیز مشخص نیست که حرکت یا رفتاری هم که در این لحظه مشاهده می شود، چه رفتارهای دیگری
را برخواهد انگیخت. برای این تعامل ها، عموماً سهم مشخص هم قابل تعریف نیست. مولکولی آبی که اکنون به یک گرده گل تنه میزند و آن را تکان می دهد، نمی داند که چه سهمی از تکانه ای را که اکنون حمل می کند، در اثر برخورد قبلی خود با گرده گل، و برخورد هایی که در ادامه، گرده گل با مولکول های دیگر در اطراف او داشته است، کسب کرده است؛ همچنین ماجرای کلاسیک مرغ و تخم مرغ، تنها نمونه ای از یک سیستم پیچیده است.

 

توصیفات رفتاری سیستم های پیچیده

با توجه به مطالعات در این زمینه تا به امروز، علوم زیر از رایج ترین مسیر هایی بوده اند که به دانش پیچیدگی و سیستم های پیچیده منتهی شده اند:

• فیزیک و شیمی
• زیست شناسی
• نظریه آشوب
• علوم اجتماعی
• نظریه اطلاعات
•  هوش مصنوعی

جالب اینجاست که دانشمندان هر رشته، بر حسب سوابق و چارچوب فکری و دغدغه های خود، بعضاً ویژگی های رفتاری متفاوتی را برای سیستم های پیچیده پیشنهاد کرده اند.

ابهام علّی (Causal ambiguity)

گولدن فلد رفتار پیچیده را به شکلی ساده اما زیبا تعریف می کند:

پیچیدگی از جایی شروع می شود که علّیت و بحث رابطه علت و معلول، در شرح آنچه روی داده است، ناتوان می ماند.

توجه داشته باشید که در اینجا، بحث بر سر این نیست که رابطه علّی وجود دارد یا ندارد. بحث در این است که ما به عنوان ناظر، نمی توانیم با قوای تحلیلی خود برای آنچه روی می دهد، یک علّت قطعی، واضح و منحصر به فرد را مشخص کنیم. حتی اگر کلیه علت های موجود را هم بدانیم و فهرست کنیم، در تعیین و برآورد سهم هر یک از آنها، ناتوان خواهیم بود.

به مثال زیر توجه کنید.

 

طوفان به عنوان یک پدیده پیچیده

طوفان می آید و در مسیر خود، خانه ها و خانه نشین ها را نابود می کند و به زیرساخت های شهری آسیب می زند. مجموعه گسترده ای از خسارات به وجود می آید. به هر حال، طوفان یک اتفاق کاملاً طبیعی است و ما با دانش امروز خود، ریشه های آن را می دانیم. اما نمی توانیم سهم آنها را مشخص کنیم یا بگوییم نقطه شروع این طوفان در کدام نقطه از زمان و مکان بوده است. حرف ادوارد لورنز که بعدًا به اثر پروانه ای (Butterfly Effect) هم مشهور شد و از فضای علمی به فضای داستان ها و افسانه ها هم وارد شد همین است. تغییرات بسیار کوچکی که زنجیره ای از اتفاق ها را به وجود می آورند، زنجیره هایی که دست در دست هم می دهند و در نهایت رویدادی به وقوع می پیوندد. این همان چیزی است که به آن ابهام علّی میگویند.

 

ابهام، همیشه از دید یک ناظر تعریف می شود و در یک سیستم پیچیده، ممکن است آنچه برای من مبهم است، برای شما ابهام کمتر یا بیشتری داشته باشد و یا اساساً مبهم نباشد.

قابلیت خود سازماندهی (Ability to self-organize)

قانون ولف تنها نمونه ای از این توانایی خودسازماندهی است:

استخوان های ما وقتی بار بیشتری را تحمل می کنند، چگالی آنها به تدریج افزایش می یابد. اگر امروز نسل ما بار بیشتر (یا کمتری) را تحمل کند، به عنوان یک سیستم پیچیده می تواند خود را با این شرایط تطبیق دهد و لازم نیست ما از طریق زاد و ولد، انبوهی از فرزندان را به وجود بیاوریم تا شاید در میانشان، گونه ای به وجود بیاید که تراکم استخوان بیشتر (یا کمتر) داشته باشد. در اینجا هم ماجرا دو وضعیتی نیست. ما نمی توانیم بگوییم که یک سامانه پیچیده قابلیت خودسازماندهی دارد یا خیر.

 

 

اما به هر حال، سیستم های بسیار پیچیده، از قابلیت خودسازماندهی بسیار بالایی برخوردار هستند. کافی است به مغز انسان فکر کنید که در اثر تعامل با محیط و تجربه های بیرونی، اتصالات سیناپتیک خود را تغییر می دهد و اصلاح می کند و با تغییر این اتصالات نورونی، اطلاعات حاصل از تجربه را برای استفاده های بعدی در خود ذخیره می سازد.

خودسازماندهی به این معنا است که سیستم ها می توانند خود را تغییر دهند و از آنچه در محیطشان در ارتباط با آنها روی داده است « یاد بگیرند »

البته یک نکته مهم را نباید فراموش کنیم.

برخلاف ابهام علَی که به نوعی، ویژگی مشترک همه سیستم های پیچیده است، خود سازماندهی رفتاری است که فقط در برخی از سیستم های پیچیده بروز می کند. شاید اگر بخواهیم با وسواس علمی بیشتری بگوییم، باید گفت که توانایی سیستم های مختلف در خودسازماندهی یکسان نیست و در برخی سیستم های پیچیده، این توانایی در حدی ضعیف است که می توان فرض کرد این سیستم ها از توانایی خودسازماندهی برخوردار نیستند.

 

قابلیت هومیوستازی (هم ایستایی) (Homeostasis capability)

موجود زنده، با وجودی که به محیط خود نیاز دارد، به نوعی مستقل از آن نیز هست. این استقلال از این واقعیت ناشی می شود که بافت ها، به نوعی یک محیط داخلی را شکل داده اند و از طریق مایعاتی که در سراسر بدن در گردش است، با هم هماهنگ و همراه می شوند و خود را تا حدی در برابر اثرات محیطی حفظ می کنند. نکته بسیار مهمی که در سیستم ها نظر ما را جلب کرد، یکپارچگی و به وجود آمدن هویت در یک سیستم بود.

هومیوستازی به بیانی ساده، حفظ تعادل پویای محیط داخلی یک سیستم  می باشد. به بیانی هومیوستازی را همان تعادل پویا نیز می توان گفت. هومیوستازی در مورد موجودات سطح بالاتر مانند انسان، می تواند پیچیده تر باشد. بدن انسان به عنوان یک سیستم پیچیده، پیوسته پارامترهای متعددی را کنترل می کند و در تعادل پویا نگه می دارد. از جمله این پارامترها می توان به دمای بدن، غلظت یون های سدیم و کلسیم و نیز سطح قند خون اشاره کرد.

 

با این حال، اکثر کسانی که در حوزه پیچیدگی کار می کنند، ترجیح می دهند خودسازماندهی را برای تغییر ساختار و ویژگی های سیستم متناسب با نیاز محیط و هومیوستازی را برای تلاش سیستم در راستای حفظ ویژگی های خود به رغم تغییرات محیط به کار ببرند.

 

توانایی رشد و تکامل در مجاورت سایر سیستم ها (Ability to grow and evolve in close proximity to other systems)

از جمله ویژگی های دیگر سیستم های پیچیده، توانایی تطبیق، تغییر و تکامل در اثر مجاورت و تعامل با سایر سیستم های پیچیده است. برای مثال وقتی سیستم اتومبیل ها تغییر و تکامل پیدا می کند، جاده ها هم به تدریج تغییر می کنند و البته جاده ها هم به نوبه خود، در شیوه طراحی نسل بعدی خودروها اثر دارند. در اینجا نوعی تکامل ناشی از تعامل مشاهده می شود. کم نیستند کسانی که تکامل سیستم های پیچیده را صرفاً در رقابت و حذف سیستم های ضعیف تر می بینند. حال آنکه در اینجا، تاکید بر این است که گاه، سیستم های پیچیده در اثر مجاورت با یکدیگر، بدون اینکه جا را برای دیگری تنگ کنند یا به رقابت برای جذب منابع محدود برخیزند، می توانند رشد و تکامل یابند.

 

ظهور و پدیدار شدن ویژگی های جدید (The emergence of new features)

فکر می کنم، برای توضیح مفهوم ظهور یا پدیدار شدن، بهتر است قبل از هر سخنی، به سراغ یک مثال برویم. به دمای اتاقی که الان در آن هستید فکر کنید. رابطه بین انرژی جنبشی یک مولکول گاز و دمای آن گاز را در نظر بگیرید. فرض کنید دمای اتاق ۲۱ درجه سانتیگراد است. منظور من از دمای اتاق، عملاً دمای هوای محبوس داخل اتاق است. حالا من از شما می پرسم که این دما چگونه به وجود آمده است؟ چه می شود که دمای هوا افزایش یا کاهش پیدا می کند؟ احتمالاً شما توضیح خواهید داد که دما، حاصل حرکت مولکول های هوا است و به نوعی به انرژی جنبشی مولکول ها ربط دارد. حالا من سوال دیگری میپرسم. تا حالا فکر کرده اید که اگر یک عدد از این مولکول ها را انتخاب و بررسی کنیم، دمای آن مولکول چند درجه سانتیگراد است؟

پاسخ را میدانیم: یک مولکول، دما ندارد. اصلاً دما برای یک مولکول تعریف نمی شود. دما برای مجموعه ای از مولکول ها (آن هم وقتی تعدادشان بسیار زیاد باشد) قابل تعریف است.

از شما میپرسم:

هر یک از این مولکول ها چه سهمی در دمای ۲۱ درجه دارند؟

شما می گویید: هیچ سهمی ندارند. در حدی که اگر دیواری در میان اتاق بکشیم و نیمی از مولکول ها پشت دیوار بمانند، باز هم دمای هوا ۲۱ درجه خواهد بود.

باز میپرسم:

حالا که مولکول ها هیچ نقشی ندارند، اگر تمام مولکول ها را از اتاق خارج کنیم، باز هم دمای داخل اتاق ۲۱ درجه است؟

پاسخ میدهید که: نه. اگر مولکول ها نباشند، شرایط فرق می کند. چون این دما، به نوعی از انرژی جنبشی مولکول ها نشأت می گیرد.

تمام بحث ظهور ، پدیدار شدن و به وجود آمدن ویژگی های سطح بالا همین است. شما در سطح کلان در کل سیستم پیچیده، می توانید ویژگی هایی را مشاهده، تعریف، اندازه گیری و بررسی کنید که برای تک تک اعضای آن سیستم، قابل مشاهده ، تعریف و اندازه گیری نیست. برای این رفتار سیستم های پیچیده یعنی ظهور ویژگی های جدید، تعریف های متنوعی وجود دارد. گاهی اوقات گفته می شود که در سیستم های پیچیده، ویژگی ها و رفتارهایی بروز می کند که با حاصل جمع ویژگی ها و رفتارهای تک تک اجزاء، قابل بیان نیست. گاهی اوقات، می گویند که ویژگی هایی از این دست، زمانی پدید می آیند که تعداد اجزاء یک سیستم، بسیار زیاد باشد و به سمت بی نهایت میل کند.

 

عدم کنترل مرکزی: Uncentral control:

در سیستم های پیچیده فعالیت اجزا توسط واحد مرکزی کنترل نمی‌ شود. یکی از مثال‌های خوب برای شروع، مورچه‌ ها هستند.

 

 

طبق دانسته ها، یک مورچه سرباز، از نظر رفتاری یکی از ساده‌ترین موجودات قابل تصور است اما موضوع درباره تعداد زیاد آن‌ها کاملا متفاوت است. یک کولونی از مورچه‌ های سرباز را در نظر بگیرید که در حال ساخت یک تونل هستند.

 

 

هر یک به تنهایی بسیار ساده هستند، اما در کنار هم می‌ توانند در انجام وظایفی بسیار پیچیده همکاری کنند، آن هم بدون هیچ واحد کنترل مرکزی. یعنی هیچ مورچه‌ای برتری و وظیفه مدیریت ندارد. به عبارت دیگر یک کولونی از مورچه‌ ها می‌تواند ویژگی‌ هایی داشته باشد که در هیچ یک از آن‌ ها به تنهایی نیست.

در تصویر بالا مثالی از مورچه‌ها را داریم که در حال ساخت یک پل با بدن‌های خود هستند، تا سایر اعضای گروه بتوانند از فاصله بین دو برگ درخت عبور کنند. در ابتدا یکی یکی خود را به محل ایجاد پل رسانده و با اضافه شدن به آن پل را تکمیل می‌ کنند. هر مورچه با ترشح مواد شیمایی با دیگری ارتباط برقرار می‌ کند و بدون کنترل مرکزی پل ساخته می‌ شود. سایر حشرات اجتماعی نیز رفتاری مشابه دارند.

 

بازخورد یا فیدبک (Feedback)

یک دسته پرنده‌ را در نظر بگیرید. هر عضو این دسته، مسیری که برای پرواز انتخاب می‌کند وابسته به جهت و فاصله‌ اش با سایر اعضا گروه است. اما پس از آن‌که مسیرش را تنظیم کرد، سایر پرندگان مجاور برنامه پروازشان را به طور جزئی در پاسخ به مسیر حرکت آن عضو تغییر می‌ دهند؛ به‌ همین خاطر زمانی که نوبت به قدم بعدی برای آن پرنده می‌ شود، وضعیت همسایگان آن پرنده به طور جزئی منعکس کننده رفتار آن پرنده در زمان قبل‌ تر است. زمانی بخشی از سیستم، بازخورد دریافت می‌ کند که همسایگانش با آن بخش در زمان بعدی به نحوی برهمکنش کنند که آن عضو با آن‌ ها قبلا برهمکنش داشته باشد.

بازخورد، یک شرط لازم مهم برای سیستم‌های دینامیکی پیچیده است. وجود باز خورد، شرط کافی برای پیچیدگی نیست، به این خاطر که نخست افراد باید عضو یک گروه به اندازه کافی بزرگ باشند که بتوانند پیچیدگی را بروز دهد و دوم اینکه بازخورد چگونه می‌ خواهد منجر به نوعی نظم مرتبه بالاتر در سیستم شود؟!

مورچه‌ هایی را در نظر بگیرید که می‌ توانند وظایف پیچیده‌ ای چون ساخت یک پل یا خانه را انجام دهند؛ در صورتی که هر فرد این جامعه هیچ ایده‌ ای در مورد آن‌چه در حال وقوع است ندارد، هر مورچه فقط مشغول رفتاری بسیار ساده است که تمام آن در برهمکنش با سایر اعضای آن جامعه وجود دارد و نه چیز بیشتری. در زمینه‌های بسیاری، بازخورد توسط سیستم کنترل استفاده می‌شود.

به عنوان مثال، ماشین بخار وات این‌گونه کار می‌کند؛

سرعت چرخش دستگاه توسط یک حلقه بازخورد با موتور دستگاه برهمکنش می‌ کند و درنهایت سرعت موتور تنظیم می‌ شود. با این وجود، ماشین بخار وات، یک سیستم پیچیده نیست چرا که دارای یک هسته کنترل کننده مرکزی (رگلاتور) است.

نظریه کنترل به شدت به سیستم‌های پیچیده مرتبط است؛ به این دلیل که یکی‌ دیگر از ایده‌ های اصلی وابسته به سیستم‌ های پیچیده توزیع و تولید (موضعی) نظم، سازماندهی و کنترل بین همه اعضا آن سیستم است.

مجددا به مثال مورچه‌ها نگاه کنید؛در جمعیت مورچه‌ ها کنترل مرکزی وجود ندارد ولی در مجموع یک پل ساخته می‌ شود. درست برعکس ماشین بخار وات که یک کنترل‌کننده مرکزی (ریگلاتور) وجود دارد که سیستم را تنظیم می‌ کند. بازخورد هم‌ چنین می‌تواند برای تصحیح خطا به کار برده شود.

 

نظم خودجوش (Self-boiling order)

نظم خودجوش یا نظم خودانگیخته نمونه ای از ویژگی های سطح بالاست که در سیستم های پیچیده ظهور می کند. البته نظم همواره به ناظر احتیاج دارد. به عبارت دیگر نظم و بی نظمی، یک مفهوم ذهنی و قراردادی است و به شدت به ناظر بستگی دارد. از دید فیلسوفان هر اتفاقی که برای انسان شیرین و دوست داشتنی بود، نشانه ای از نظم تلقی می شود. نظم، یک مفهوم کاملاً ذهنی است. مسئله بسیار واضح است، سیستم ها، نه منظم هستند و نه نا منظم؛ این تعبیری است که ما به آنها نسبت می دهیم. می توان شکل گیری نظم در هر سیستم را در یک طیف بررسی کرد که یک انتهای آن را نظم از بالا به پایین (نظم سلسله مراتبی) تشکیل می دهد و انتهای دیگر طیف، همان چیزی است که می توان آن را نظم خودجوش (یا نظم خودانگیخته یا نظم از پایین به بالا ) نامید.

نظم دسته اول همان نوع نظمی است که ناظم دارد.

یک فرد، گروه یا سیستم کنترل مرکزی در رأس آن قرار دارد و پیام هایی را به سطح پایینی ارسال می کند. هر سطح هم پیام ها را از لایه های بالاتر می گیرد، به شکل مناسب به لایه های پایین تر منتقل می کند و در نهایت یک هرم با سیستم کنترل و فرماندهی متمرکز شکل می گیرد.

 

شکل دوم نظم، از پایین به بالا به وجود می آید.

هیچ مرکزی به طور مشخص در مورد آن تصمیم نمی گیرد اما رفتارها، تصمیم ها و برخوردهای تک تک اعضا با یکدیگر در سطح بالاتر به شکل یک الگوی منظم ظهور می کند. در چنین شرایطی ما نمی توانیم به سادگی مرکزیتی در سیستم بیابیم، اما شکل و رفتار سیستم به گونه ای است که ممکن است احساس کنیم نظم از بیرون سیستم به آن دیکته شده است.

 

نظم خودجوش به هر شکل و الگویی می تواند ظهور کند. توده مورچه ها و موریانه هایی که با هم یک لانه بزرگ می سازند، نمونه ای از نظم خودجوش است.

 

چرا باید سیستم های پیچیده را بشناسیم؟

بسیاری از جنبه های زندگی ما، هر روز پیچیده تر می شوند. بخشی از این پیچیدگی، به علت افزایش تعداد افراد در بازی های دنیاست. تا حالا در مورد «قانون نود ۶» چیزی شنیده اید؟

ساده ترین بیان قانون نود ۶ به این صورت است که اگر فردی را در نقطه ای از جهان انتخاب کنید تنها ۶ نفر با او فاصله دارید تا بتوایند با او ارتباط برقرار کنید. توجه داشته باشید که اینجا فقط از شناختن صحبت می کنیم و نه از یک رابطه دوستی یا عاطفی عمیق. به عبارتی این نوع آشنایی را می توانید چیزی در حد همین دوستی های رایج امروزی در شبکه های اجتماعی در نظر بگیرید که با یک کلیک به وجود می آید و با کلیک دیگر هم از بین می رود.

 

سخن پایانی

شناخت سیستم های پیچیده به ما کمک می کند بهتر درک کنیم که تفاوت ها و فاصله ظاهری بین شاخه های مختلف علوم اعم از فیزیک، زیست شناسی، روانشناسی، جامعه شناسی، تاریخ، ترمودینامیک و تکنولوژی، صرفاً از درک ناقص ما و البته متدولوژی چند قرن اخیر ما در درک و تفسیر جهان ریشه می گیرد و این علوم بر خلاف درک برخی از ما، از موضوعات متفاوتی صحبت نمی کنند.