مقدمه ای بر نظریه پیچیدگی – قسمت چهارم

نظری ی پیچیدگی

مقدمه ای بر نظریه پیچیدگی و کاربرد آن در مطالعات علم، فناوری و نوآوری

همان طور که در  سه پست قبلی گفته شد؛ نظریه پیچیدگی، توسعه درک مشترک از مفاهیمی است که فهم آن ­ها در حوزه ی مطالعات نوآوری و سیاست گذاری علم، فناوری و نوآوری امری لازم و به غایت ضروری است.

ویژگی­های سیستم پیچیده

در سه نوشتار قبل تلاش گردید تا مثال ­هایی از جهان سیستم ­های پیچیده ارائه گردد. در این نوشتار تلاش شده است تا ویژگی ­های سیستم های پیچیده ارائه و تعریفی مناسب از سیستم پیچیده و پیچیدگی ارائه گردد. این ویژگی­ ها را می ­توان به گونه زیر دسته ­بندی کرد و هر یک از مثال ­های ارائه شده در نوشتارهای قبلی و بسیاری از نمونه­ های دنیای پیرامون را در آن قرار داد.

  1. رفتار جمعی پیچیده: همه ی سیستم­ هایی که در بالا شرح دادم، شامل شبکه ­ای گسترده از موجودیت­ های فردی است که از قواعد مشخصی پیروی می­ کنند. این فعالیت جمعی تعداد زیادی از موجودیت ­های سیستم است که باعث می ­شود، سیستم رفتاری پیچیده از خود بروز دهد، باعث شود تا برونداد­های سیستم پیش­بینی ناپذیر شوند. این رفتارهای به سرعت در حال تغییر است که ما را به شدت مجذوب خودش می ­کند.
  2. علامت­دهی و پردازش اطلاعات: همه ی این سیستم ­ها که در بالا توضیح داده شدند، دست به تولید اطلاعات می ­زنند و از این اطلاعات استفاده می­ کنند تا به محیط بیرون و درون علامت بدهند و با آن رابطه برقرار کنند.
  3. تطابق: همه ی این سیستم­ ها تطبیق پیدا می ­کنند. به این معنا که رفتارشان را تغییر می ­دهند تا شانس زنده ماندن و یا موفقیتشان را از طریق یادگیری و فرآیندهای تکاملی افزایش دهند.

نظریه ی پیچیدگی

تصور می ­کنم فرصت مناسبی است تا تعریف مشخصی از پیچیدگی ارائه شود. پیچیدگی، اسمی است که تشریح­ کننده ی یک شی­ء است که از اجزای بسیار زیاد و به یکدیگر متصل ساخته شده است. این واژه چنان در ادبیات علمی گسترش پیدا کرده است که توانسته برای خودش شعب بسیاری در علوم مختلف باز کند. اما مشکل اساسی اینجاست که این واژه نه تنها در ادبیات علمی مورد استفاده فرآوان قرار می­ گیرد، در زبان روزمره مردم عادی نیز وارد شده و در بسیاری از موارد، کاربرد پیدا کرده است. بطور عمده پیچیدگی در مقابل ساد­گی به کار گرفته می­ شود. یعنی هرچیزی که ساده نیست، پیچیده است. اما آیا این تعبیری درست از پیچیدگی است؟ برای فهم این مساله ضروری است دو واژه ی بسیار مهم که متاسفانه در زبان فارسی با یک عبارت، ترجمه شده­ اند را از یکدیگر جدا نماییم. واژه ی پیچیده در مقابل درهم تنیده یا بغرنج (Complex Vs. Complicated). جستجو در واژه­ نامه­ های انگلیسی نیز دستاورد زیادی ندارد، زیرا یا آنها را هم معنی می­ خواند و  یا در ترجمه ی هر دو واژه بر اجزای به هم متصل تاکید می­ کند. برای فهم این مساله بهتر است از ناسازنمایی استفاده کنیم که به ناسازنمای کپه ­ها (Sorites Paradox) مشهور است. فرض کنید یک کپه (توده) از دانه­ های گندم وجود دارد. یکی از این دانه­ ها را بر می­داریم. آیا باقی ­مانده گندم ­ها هنوز هم یک کپه گندم است؟ اگر این فرآیند برای بار دوم تکرار شود چه؟ اگر این فرآیندها بارها و بارها تکرار گردد چگونه؟ کپه ی گندم ­ها در هر بار کم کردن دانه ­های گندم کوچکتر می­ شود، اما مرز میان دانه و کپه کجاست؟ با این اعتبار، شاید بتوان توضیح داد که مرز میان پیچیده و بغرنج کجاست. پیچیده دارای وضعیتی است که نمی ­توان مرز میان اجزای سازنده و پدیده ایجاد شده را توضیح داد. به بیان دیگر، در ناسازنمای ذکر شده، مجموع دانه ­های گندم منجر به بروز پدیده­ای غیر از دانه ­ها، یعنی کپه شده است. این مفهوم، به عنوان سنجه ­ای برای درک سیستم­ های پیچیده است که به آن پدیده ظهوریافتگی (Emergent Property) گفته می ­شود و بعدتر در نوشتارهای بعدی بطور مفصل شرح داده خواهد شد. یکی از مهمترین تفاوت ­های این دو مفهوم در پیش­ بینی­ پذیری بروندادهای سیستم است. برای مثال، به حرکت یک هواپیما توجه کنید. حرکت یک هواپیما اگرچه بسیار در هم ­تنیده و بغرنج است، اما از مراحل و الگوهای مشخصی استفاده می­ کند. شبکه ی توزیع برق اگرچه در هم و برهم است و به نظر بسیار بغرنج است، اما از الگوی مشخصی پیروی می­ کند. در مقابل، به مغز انسان توجه کنید. آیا بروندادهای مغز انسان قابل پیش ­بینی هستند؟ آیا رفتار انسان، شبیه حرکت هواپیما از الگوهای مشخصی استفاده می­ کند؟ واضح است که یکی دیگر از تفاوت­ های اصلی این دو مفهوم در خروجی آنهاست. در یک سیستم بغرنج، هر کسی با شناخت موقعیت اولیه، می­ تواند برونداد یا خروجی آن سیستم را پیش ­بینی کند، اما در یک سیستم پیچیده، یک نقطه شروع مشابه با سیستم بغرنج، می­ تواند چندین خروجی ایجاد کند که دلیل اصلی آن، تعامل میان عناصر درون سیستم است. برای مثال به مرکز کنترل ترافیک هوایی توجه کنید که نمونه ­ای عالی برای یک سیستم پیچیده است. مرکز کنترل ترافیک هوایی به طور مستمر تغییرات جوی، زمان بلند شدن و نشستن هواپیما و مسائلی این چنین را مورد توجه قرار می­ دهد. شاید هر یک از این اجزا را بتوان به تنهایی مورد تحلیل قرار داد، اما تحلیل خروجی­ های کل سیستم کنترل ترافیک هوایی به تنهایی امکان پذیر نیست و یا دست کم از روش­ های مرسوم برای تحلیل، همانند معادلات ریاضی و … انجام شدنی نیست. اگر یک سیستم را به عنوان گروهی از اجزای به هم وابسته و متعامل تعریف کنیم که یک کل بزرگتر را شکل می ­دهند و شامل ایده­ ها، اصول و دکترین مشخصی هستند که آرایش کل سیستم را تشریح می­ کنند، آنگاه می ­توان سیستم ­های پیچیده را نیز به سادگی تعریف نمود. یک سیستم پیچیده عبارتست از شبکه ­ای بزرگ از اجزایی که هیچ کنترل مرکزی بر آنها وجود ندارد. در این سیستم ­ها، قواعد ساده­، نحوه ی عمل اجزا را کنترل کرده و در نهایت منجر به رشد رفتارهای جمعی پیچیده و تطابق از طریق یادگیری و تکامل می ­گردد.

سعید روشنی دانشجوی دکتری مدیریت فناوری، دانشگاه علامه طباطبایی

منابع:

  1. Mitchell, M. (2009). Complexity: A guided tour. Oxford University Press
  2. Bhalla, U. S., & Iyengar, R. (1999). Emergent properties of networks of biological signaling pathways. Science, 283(5400), 381-387

درباره نویسنده

مطالب مرتبط

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *