ایلیا پریگوژین
شیمیفیزیکدان بلژیکی-روسی و برنده جایزه نوبل شیمی، یکی از مهمترین چهرههایی بود که نگاه ما را به ترمودینامیک و مفهوم نظم دگرگون کرد.
ایلیا پرگوژین جواب یک پرسش بسیار مهم و سرگیجه آور را داد:
اگر افزایش آنتروپی یک اصل بنیادی طبیعت است، پس نظم و سازمانیافتگی چگونه در جهان پدیدار میشوند؟
پاسخ او در مطالعه سامانههایی بود که از تعادل فاصله دارند. ترمودینامیک کلاسیک عمدتاً با سامانههایی سروکار داشت که به سوی تعادل حرکت میکنند؛ وضعیتی که در آن جریانهای درونی فروکش میکنند و سامانه به حالتی پایدار میرسد. اما بسیاری از پدیدههای واقعی طبیعت چنین نیستند. موجود زنده، شعله آتش، گردابههای سیال، برخی واکنشهای شیمیایی و بسیاری از فرایندهای طبیعی، تنها تا زمانی پایدار میمانند که با محیط خود در تبادل دائمی انرژی و ماده باشند.
پریگوژین نشان داد که در چنین شرایطی، یعنی در سامانههای باز و دور از تعادل، بیثباتی و عدم تعادل میتوانند زمینه پیدایش ساختارهای جدید را فراهم کنند. سامانه ممکن است در نقطهای به ناپایداری برسد و از میان چند مسیر ممکن، به ساختاری تازه و منظم گذار کند. او این ساختارهای پایدار را که در اثر جریان و اتلاف انرژی شکل میگیرند، «ساختارهای اتلافی» نامید.
این ایده اهمیت فلسفی بزرگی داشت. عدم تعادل دیگر صرفاً فاصلهای از یک وضعیت مطلوب و آرام نبود؛ بلکه میتوانست خود منشأ پیدایش نظم باشد. نظم در اینجا چیزی نیست که در برابر قانون دوم ترمودینامیک قرار گرفته باشد؛ بلکه در شرایطی خاص میتواند در دل همان فرایندهای ترمودینامیکی و از طریق تبادل انرژی و ماده با محیط پدیدار شود.
البته اینجا یکی از بدفهمیهای رایج درباره پریگوژین شکل میگیرد: گاهی گفته میشود او نشان داد که قانون دوم ترمودینامیک را میتوان نقض کرد یا اینکه طبیعت در مسیر خود از بینظمی به نظم حرکت میکند. چنین برداشتی علی الاصول درست نیست.
قانون دوم همچنان برقرار است. آنچه تغییر میکند، نگاه ما به محل و نحوه تولید آنتروپی است. یک سامانه باز میتواند در درون خود نظم ایجاد کند، در حالی که در مقیاس کلیتر، تولید آنتروپی همچنان ادامه دارد و سامانه بخشی از آن را به محیط منتقل میکند.
از همینجا، یکی از ستونهای بنیادین
علوم پیچیدگی سر برمیآورد:
نظم الزاماً محصول سکون و تعادل نیست؛ گاهی محصول جریان است. ساختاری که در یک سامانه زنده یا یک فرایند شیمیایی شکل میگیرد، اگر جریان انرژی و ماده متوقف شود، ممکن است خود نیز از میان برود. بنابراین این نظم نه یک نظم ایستا، بلکه نظمی پویا و وابسته به فرایند است.
اهمیت پریگوژین برای دانش پیچیدگی دقیقاً در همین تغییر زاویه دید است. او به ما نشان داد که برای فهم پیدایش ساختار، نباید همیشه به دنبال تعادل نهایی باشیم؛ گاهی باید خودِ مسیر، ناپایداری، جریان و دور بودن از تعادل را مطالعه کنیم. سامانه میتواند در شرایطی که از نظر ترمودینامیکی در حال اتلاف است، از نظر ساختاری پیچیدهتر و سازمانیافتهتر شود.
به این ترتیب، پریگوژین یکی از مهمترین پلها میان ترمودینامیک و علوم پیچیدگی شد. او امکان نگاه کردن به طبیعت را نه مجموعهای از اشیای ثابت، بلکه به صورت فرایندهایی جاری و ناپایدار فراهم کرد؛ فرایندهایی که در آنها نظم و بینظمی، ثبات و ناپایداری و ساختار و اتلاف، لزوماً در برابر یکدیگر قرار ندارند.
پرگوژین به منزله یکی از بزرگترین معماران دانش پیچیدگی به ما آموخت:
طبیعت برای ساختن نظم، همیشه به تعادل نیاز ندارد؛ گاهی درست در جایی که تعادل از دست میرود، امکان پیدایش نظم تازه آغاز میشود.
https://t.me/+oTlrBOZFJlI0YTI0
شیمیفیزیکدان بلژیکی-روسی و برنده جایزه نوبل شیمی، یکی از مهمترین چهرههایی بود که نگاه ما را به ترمودینامیک و مفهوم نظم دگرگون کرد.
ایلیا پرگوژین جواب یک پرسش بسیار مهم و سرگیجه آور را داد:
اگر افزایش آنتروپی یک اصل بنیادی طبیعت است، پس نظم و سازمانیافتگی چگونه در جهان پدیدار میشوند؟
پاسخ او در مطالعه سامانههایی بود که از تعادل فاصله دارند. ترمودینامیک کلاسیک عمدتاً با سامانههایی سروکار داشت که به سوی تعادل حرکت میکنند؛ وضعیتی که در آن جریانهای درونی فروکش میکنند و سامانه به حالتی پایدار میرسد. اما بسیاری از پدیدههای واقعی طبیعت چنین نیستند. موجود زنده، شعله آتش، گردابههای سیال، برخی واکنشهای شیمیایی و بسیاری از فرایندهای طبیعی، تنها تا زمانی پایدار میمانند که با محیط خود در تبادل دائمی انرژی و ماده باشند.
پریگوژین نشان داد که در چنین شرایطی، یعنی در سامانههای باز و دور از تعادل، بیثباتی و عدم تعادل میتوانند زمینه پیدایش ساختارهای جدید را فراهم کنند. سامانه ممکن است در نقطهای به ناپایداری برسد و از میان چند مسیر ممکن، به ساختاری تازه و منظم گذار کند. او این ساختارهای پایدار را که در اثر جریان و اتلاف انرژی شکل میگیرند، «ساختارهای اتلافی» نامید.
این ایده اهمیت فلسفی بزرگی داشت. عدم تعادل دیگر صرفاً فاصلهای از یک وضعیت مطلوب و آرام نبود؛ بلکه میتوانست خود منشأ پیدایش نظم باشد. نظم در اینجا چیزی نیست که در برابر قانون دوم ترمودینامیک قرار گرفته باشد؛ بلکه در شرایطی خاص میتواند در دل همان فرایندهای ترمودینامیکی و از طریق تبادل انرژی و ماده با محیط پدیدار شود.
البته اینجا یکی از بدفهمیهای رایج درباره پریگوژین شکل میگیرد: گاهی گفته میشود او نشان داد که قانون دوم ترمودینامیک را میتوان نقض کرد یا اینکه طبیعت در مسیر خود از بینظمی به نظم حرکت میکند. چنین برداشتی علی الاصول درست نیست.
قانون دوم همچنان برقرار است. آنچه تغییر میکند، نگاه ما به محل و نحوه تولید آنتروپی است. یک سامانه باز میتواند در درون خود نظم ایجاد کند، در حالی که در مقیاس کلیتر، تولید آنتروپی همچنان ادامه دارد و سامانه بخشی از آن را به محیط منتقل میکند.
از همینجا، یکی از ستونهای بنیادین
علوم پیچیدگی سر برمیآورد:
نظم الزاماً محصول سکون و تعادل نیست؛ گاهی محصول جریان است. ساختاری که در یک سامانه زنده یا یک فرایند شیمیایی شکل میگیرد، اگر جریان انرژی و ماده متوقف شود، ممکن است خود نیز از میان برود. بنابراین این نظم نه یک نظم ایستا، بلکه نظمی پویا و وابسته به فرایند است.
اهمیت پریگوژین برای دانش پیچیدگی دقیقاً در همین تغییر زاویه دید است. او به ما نشان داد که برای فهم پیدایش ساختار، نباید همیشه به دنبال تعادل نهایی باشیم؛ گاهی باید خودِ مسیر، ناپایداری، جریان و دور بودن از تعادل را مطالعه کنیم. سامانه میتواند در شرایطی که از نظر ترمودینامیکی در حال اتلاف است، از نظر ساختاری پیچیدهتر و سازمانیافتهتر شود.
به این ترتیب، پریگوژین یکی از مهمترین پلها میان ترمودینامیک و علوم پیچیدگی شد. او امکان نگاه کردن به طبیعت را نه مجموعهای از اشیای ثابت، بلکه به صورت فرایندهایی جاری و ناپایدار فراهم کرد؛ فرایندهایی که در آنها نظم و بینظمی، ثبات و ناپایداری و ساختار و اتلاف، لزوماً در برابر یکدیگر قرار ندارند.
پرگوژین به منزله یکی از بزرگترین معماران دانش پیچیدگی به ما آموخت:
طبیعت برای ساختن نظم، همیشه به تعادل نیاز ندارد؛ گاهی درست در جایی که تعادل از دست میرود، امکان پیدایش نظم تازه آغاز میشود.
https://t.me/+oTlrBOZFJlI0YTI0
❤1
رابرت می
فیزیکدان و بومشناس استرالیایی، از چهرههای مهم در شکلگیری بومشناسی نظری و مطالعه سامانههای غیرخطی بود. اهمیت کار او در علوم پیچیدگی، بیش از هر چیز به مطالعه «نگاشت لجستیک» بازمیگردد؛ معادلهای ساده که نشان داد چگونه میتوان از دل یک قانون بسیار ساده، رفتارهایی پیچیده و حتی آشوبناک پدیدار کرد.
نگاشت لجستیک در سادهترین شکل خود چنین نوشته میشود:
x_{n+1}=r x_n(1-x_n)
در این رابطه، x میتواند اندازه نسبی یک جمعیت و r نرخ رشد آن باشد. بخش x نشاندهنده میل جمعیت به رشد است، اما عبارت (1-x) همان محدودیتی است که محیط بر رشد جمعیت وارد میکند. هرچه جمعیت به ظرفیت محیط نزدیکتر شود، امکان رشد بیشتر کاهش مییابد. بنابراین همین یک رابطه ساده، دو فرایند را همزمان در خود دارد: گرایش به رشد و محدودیت رشد.
نکته شگفتانگیز اینجاست که تغییر مقدار r، یعنی شدت رشد، میتواند رفتار سامانه را بهتدریج دگرگون کند. در مقادیر پایین، جمعیت پس از مدتی به یک وضعیت پایدار نزدیک میشود؛ با افزایش r، سامانه وارد نوسانهای دورهای میشود؛ سپس دورهها دو برابر و پیچیدهتر میشوند و در نهایت، در محدودهای از پارامترها، رفتار آشوبناک ظاهر میشود.
بنابراین می نشان داد که برای پیدایش پیچیدگی، الزاماً به یک قانون پیچیده نیاز نداریم. کافی است یک قانون ساده، غیرخطی باشد و بارها بر خروجی خودش اعمال شود. تکرار یک رابطه ساده میتواند جهانی از رفتارهای پیچیده بسازد.
اهمیت دیگر کار می در همین رابطه میان رشد و محدودیت است. جمعیت نمیتواند تا بینهایت رشد کند؛ محیط با محدود کردن منابع، رشد را مهار میکند. اما همین محدودیت، وقتی با یک فرایند رشد غیرخطی ترکیب میشود، میتواند به جای آنکه صرفاً سامانه را آرام کند، سرچشمه نوسان و حتی آشوب شود.
از این منظر، نگاشت لجستیک یکی از نمونههای کلاسیک این ایده در دانش پیچیدگی است که محدودیت الزاماً پیچیدگی را از بین نمیبرد؛ گاهی خود محدودیت، در تعامل با رشد و بازخورد، میتواند منشأ پیچیدگی شود.
نگاشت لجستیک فقط یک معادله درباره رشد جمعیت نیست؛ یکی از نخستین آزمایشگاههای ریاضی برای دیدن زایش پیچیدگی است. جایی که میتوان در چند خط ریاضی، گذار از نظم به آشوب و ظهور رفتارهای پیچیده را مشاهده کرد.
https://t.me/+oTlrBOZFJlI0YTI0
فیزیکدان و بومشناس استرالیایی، از چهرههای مهم در شکلگیری بومشناسی نظری و مطالعه سامانههای غیرخطی بود. اهمیت کار او در علوم پیچیدگی، بیش از هر چیز به مطالعه «نگاشت لجستیک» بازمیگردد؛ معادلهای ساده که نشان داد چگونه میتوان از دل یک قانون بسیار ساده، رفتارهایی پیچیده و حتی آشوبناک پدیدار کرد.
نگاشت لجستیک در سادهترین شکل خود چنین نوشته میشود:
x_{n+1}=r x_n(1-x_n)
در این رابطه، x میتواند اندازه نسبی یک جمعیت و r نرخ رشد آن باشد. بخش x نشاندهنده میل جمعیت به رشد است، اما عبارت (1-x) همان محدودیتی است که محیط بر رشد جمعیت وارد میکند. هرچه جمعیت به ظرفیت محیط نزدیکتر شود، امکان رشد بیشتر کاهش مییابد. بنابراین همین یک رابطه ساده، دو فرایند را همزمان در خود دارد: گرایش به رشد و محدودیت رشد.
نکته شگفتانگیز اینجاست که تغییر مقدار r، یعنی شدت رشد، میتواند رفتار سامانه را بهتدریج دگرگون کند. در مقادیر پایین، جمعیت پس از مدتی به یک وضعیت پایدار نزدیک میشود؛ با افزایش r، سامانه وارد نوسانهای دورهای میشود؛ سپس دورهها دو برابر و پیچیدهتر میشوند و در نهایت، در محدودهای از پارامترها، رفتار آشوبناک ظاهر میشود.
بنابراین می نشان داد که برای پیدایش پیچیدگی، الزاماً به یک قانون پیچیده نیاز نداریم. کافی است یک قانون ساده، غیرخطی باشد و بارها بر خروجی خودش اعمال شود. تکرار یک رابطه ساده میتواند جهانی از رفتارهای پیچیده بسازد.
اهمیت دیگر کار می در همین رابطه میان رشد و محدودیت است. جمعیت نمیتواند تا بینهایت رشد کند؛ محیط با محدود کردن منابع، رشد را مهار میکند. اما همین محدودیت، وقتی با یک فرایند رشد غیرخطی ترکیب میشود، میتواند به جای آنکه صرفاً سامانه را آرام کند، سرچشمه نوسان و حتی آشوب شود.
از این منظر، نگاشت لجستیک یکی از نمونههای کلاسیک این ایده در دانش پیچیدگی است که محدودیت الزاماً پیچیدگی را از بین نمیبرد؛ گاهی خود محدودیت، در تعامل با رشد و بازخورد، میتواند منشأ پیچیدگی شود.
نگاشت لجستیک فقط یک معادله درباره رشد جمعیت نیست؛ یکی از نخستین آزمایشگاههای ریاضی برای دیدن زایش پیچیدگی است. جایی که میتوان در چند خط ریاضی، گذار از نظم به آشوب و ظهور رفتارهای پیچیده را مشاهده کرد.
https://t.me/+oTlrBOZFJlI0YTI0
❤1
میچل فایگنباوم
فیزیکدان نظری آمریکایی و از چهرههای مهم در شکلگیری نظریه آشوب است. اهمیت کار او در دهه ۱۹۷۰، در مطالعه رفتار سامانههای غیرخطی و بهویژه همان مسیری بود که رابرت می با نگاشت لجستیک آشکار کرده بود؛ مسیری که در آن یک سامانه میتواند از نظم به نوسان و سپس به آشوب گذار کند.
نکته جالب در داستان فایگنبام این است که کشف او با امکانات محاسباتی خارقالعادهای انجام نشد. او در بررسی نقاط دوشاخهشدن نگاشت لجستیک، با استفاده از یک ماشینحساب جیبی شروع به محاسبه و مقایسه فاصله میان این نقاط کرد. آنچه توجه او را جلب کرد این بود که این فاصلهها با نسبت منظمی کوچکتر میشوند. این نسبت به عددی حدود ۴٫۶۶۹۲ همگرا میشد؛ عددی که بعدها «ثابت فایگنبام» نام گرفت.
اما اهمیت کشف او فقط در خود این عدد نبود. فایگنبام دریافت که این نسبت فقط ویژگی نگاشت لجستیک نیست و در طیف گستردهای از سامانههای غیرخطی که از مسیر دوبرابر شدن دورهها به آشوب میرسند، ظاهر میشود. به این ویژگی «جهانشمولی فایگنبام» گفته میشود.
این کشف دریچه تازهای به دانش پیچیدگی گشود: سامانههایی که ممکن است از نظر ماهیت، معادلات و کاربرد کاملاً متفاوت باشند، میتوانند در مسیر گذار به آشوب از یک الگوی مشترک پیروی کنند. گویی در زیر تنوع گسترده پدیدهها، معماریهایی مشترک برای پیدایش پیچیدگی وجود دارد.
او در میان اعداد حاصل از یک محاسبه ساده، نظمی را دید که در نگاه نخست دیده نمیشد؛ و نشان داد که پشت ظاهر آشوبناک سامانههای مختلف، گاهی یک ساختار ریاضی مشترک پنهان است.
از این منظر، ثابت فایگنبام یک نمونه عددی از مفهوم «جهانشمولی» است؛ یعنی این امکان که برخی ویژگیهای بنیادی یک پدیده، فارغ از جزئیات سامانهای که آن پدیده در آن رخ میدهد، مشترک باقی بمانند. این نکته برای دانش پیچیدگی اهمیت زیادی دارد، زیرا به ما یادآوری میکند که برای یافتن ویژگیهای مشترک جهان، همیشه نباید به دنبال یکسان بودن خود سیستمها باشیم؛ گاهی آنچه جهانشمول است، نه ساختار اجزا، بلکه الگوی رفتار و دینامیک آنهاست.
البته ثابت فایگنبام یک «عدد جادویی طبیعت» نیست که در هر پدیده پیچیدهای ظاهر شود. جهانشمولی آن به کلاس مشخصی از سامانههای دینامیکی و بهویژه مسیر دوبرابر شدن دورهها به سوی آشوب مربوط است.
https://t.me/+oTlrBOZFJlI0YTI0
فیزیکدان نظری آمریکایی و از چهرههای مهم در شکلگیری نظریه آشوب است. اهمیت کار او در دهه ۱۹۷۰، در مطالعه رفتار سامانههای غیرخطی و بهویژه همان مسیری بود که رابرت می با نگاشت لجستیک آشکار کرده بود؛ مسیری که در آن یک سامانه میتواند از نظم به نوسان و سپس به آشوب گذار کند.
نکته جالب در داستان فایگنبام این است که کشف او با امکانات محاسباتی خارقالعادهای انجام نشد. او در بررسی نقاط دوشاخهشدن نگاشت لجستیک، با استفاده از یک ماشینحساب جیبی شروع به محاسبه و مقایسه فاصله میان این نقاط کرد. آنچه توجه او را جلب کرد این بود که این فاصلهها با نسبت منظمی کوچکتر میشوند. این نسبت به عددی حدود ۴٫۶۶۹۲ همگرا میشد؛ عددی که بعدها «ثابت فایگنبام» نام گرفت.
اما اهمیت کشف او فقط در خود این عدد نبود. فایگنبام دریافت که این نسبت فقط ویژگی نگاشت لجستیک نیست و در طیف گستردهای از سامانههای غیرخطی که از مسیر دوبرابر شدن دورهها به آشوب میرسند، ظاهر میشود. به این ویژگی «جهانشمولی فایگنبام» گفته میشود.
این کشف دریچه تازهای به دانش پیچیدگی گشود: سامانههایی که ممکن است از نظر ماهیت، معادلات و کاربرد کاملاً متفاوت باشند، میتوانند در مسیر گذار به آشوب از یک الگوی مشترک پیروی کنند. گویی در زیر تنوع گسترده پدیدهها، معماریهایی مشترک برای پیدایش پیچیدگی وجود دارد.
او در میان اعداد حاصل از یک محاسبه ساده، نظمی را دید که در نگاه نخست دیده نمیشد؛ و نشان داد که پشت ظاهر آشوبناک سامانههای مختلف، گاهی یک ساختار ریاضی مشترک پنهان است.
از این منظر، ثابت فایگنبام یک نمونه عددی از مفهوم «جهانشمولی» است؛ یعنی این امکان که برخی ویژگیهای بنیادی یک پدیده، فارغ از جزئیات سامانهای که آن پدیده در آن رخ میدهد، مشترک باقی بمانند. این نکته برای دانش پیچیدگی اهمیت زیادی دارد، زیرا به ما یادآوری میکند که برای یافتن ویژگیهای مشترک جهان، همیشه نباید به دنبال یکسان بودن خود سیستمها باشیم؛ گاهی آنچه جهانشمول است، نه ساختار اجزا، بلکه الگوی رفتار و دینامیک آنهاست.
البته ثابت فایگنبام یک «عدد جادویی طبیعت» نیست که در هر پدیده پیچیدهای ظاهر شود. جهانشمولی آن به کلاس مشخصی از سامانههای دینامیکی و بهویژه مسیر دوبرابر شدن دورهها به سوی آشوب مربوط است.
https://t.me/+oTlrBOZFJlI0YTI0
«گذر از استعارههای زیستی به پیچیدگی اجتماعی»
این مقاله به بررسی مفهوم «اتوپویز» (خودپیدایی) در نظریه سیستمها و تمایز میان سیستمهای طراحیشده و سیستمهای خودپیدا میپردازد و نشان میدهد چگونه مفاهیم زیستی میتوانند در تحلیل سیستمهای اجتماعی و پیچیده به کار گرفته شوند، اما در عین حال، در صورت تبدیل شدن استعاره به واقعیت، به محدودیتهای شناختی منجر شوند.
مقاله همچنین به ویژگیهای سیستمهای اتوپویتیک، از جمله برایش شبکهای، پایداری فرآیندی، تکامل و عاملیت درونزا، و نیز کاربرد این مفاهیم در هوش مصنوعی، مهندسی سیستمها، هویت و اخلاق میپردازد. در ادامه، با بررسی ساختارهای سلسلهمراتبی و جنبشهای اجتماعی، ضرورت گذار از ارگانیکیسم سنتی به سوی رویکردهای جدیدتر در مطالعه پیچیدگی اجتماعی، از جمله جامعهشناسی محاسباتی و تحلیل تعاملات نمادین، مطرح میشود.
این مقاله برای پژوهشگران و علاقهمندان به نظریه سیستمها، علم پیچیدگی، علوم اجتماعی و مطالعات میانرشتهای نوشته شده است؛ بهویژه برای کسانی که به دنبال فهم چگونگی انتقال مفاهیم زیستی به حوزههای اجتماعی و محدودیتهای این انتقال هستند
متن کامل چند روز آینده در کانال «دانش پیچیدگی» بارگذاری خواهد شد.
https://t.me/+oTlrBOZFJlI0YTI0
این مقاله به بررسی مفهوم «اتوپویز» (خودپیدایی) در نظریه سیستمها و تمایز میان سیستمهای طراحیشده و سیستمهای خودپیدا میپردازد و نشان میدهد چگونه مفاهیم زیستی میتوانند در تحلیل سیستمهای اجتماعی و پیچیده به کار گرفته شوند، اما در عین حال، در صورت تبدیل شدن استعاره به واقعیت، به محدودیتهای شناختی منجر شوند.
مقاله همچنین به ویژگیهای سیستمهای اتوپویتیک، از جمله برایش شبکهای، پایداری فرآیندی، تکامل و عاملیت درونزا، و نیز کاربرد این مفاهیم در هوش مصنوعی، مهندسی سیستمها، هویت و اخلاق میپردازد. در ادامه، با بررسی ساختارهای سلسلهمراتبی و جنبشهای اجتماعی، ضرورت گذار از ارگانیکیسم سنتی به سوی رویکردهای جدیدتر در مطالعه پیچیدگی اجتماعی، از جمله جامعهشناسی محاسباتی و تحلیل تعاملات نمادین، مطرح میشود.
این مقاله برای پژوهشگران و علاقهمندان به نظریه سیستمها، علم پیچیدگی، علوم اجتماعی و مطالعات میانرشتهای نوشته شده است؛ بهویژه برای کسانی که به دنبال فهم چگونگی انتقال مفاهیم زیستی به حوزههای اجتماعی و محدودیتهای این انتقال هستند
متن کامل چند روز آینده در کانال «دانش پیچیدگی» بارگذاری خواهد شد.
https://t.me/+oTlrBOZFJlI0YTI0
لودویگ فون برتالنفی
زیستشناس و اندیشمند اتریشی،با نگاه کلنگر یا هولیستی خود، مفهوم «سیستم» را بار دیگر به یکی از مفاهیم بنیادی علم تبدیل کرد. البته واژه سیستم پیش از او نیز در علوم به کار رفته بود، اما برتالنفی آن را از یک واژه عمومی به یک چارچوب نظری برای فهم جهان ارتقا داد.
از نگاه برتالنفی، یک سیستم صرفاً مجموعهای از اجزایی نیست که کنار هم قرار گرفتهاند. سیستم زمانی معنا پیدا میکند که میان اجزا روابط، کارکردها و وابستگیهایی برقرار باشد که از آنها یک کل سازمانیافته پدید آید. بنابراین آنچه یک سیستم را میسازد، تنها اجزا نیستند؛ بلکه شبکه روابط میان اجزا و کارکردی است که این روابط ایجاد میکنند.
یکی از مهمترین ایدههای برتالنفی، مفهوم «سیستم باز» بود. او نشان داد که موجودات زنده و بسیاری از پدیدههای طبیعی، سیستمهایی بسته و منزوی نیستند؛ همواره یک پای آنها در محیط است. آنها به طور مداوم با محیط خود ماده، انرژی و تا حدی اطلاعات مبادله میکنند و همین تبادل، شرط بقا، پایداری و سازمانیافتگی آنهاست. از این منظر، سازمانیافتگی امری منفک از ارتباط با محیط نیست، بلکه محصول همین ارتباط و تبادل مداوم است.
برتالنفی تلاش کرد مفهوم سیستم را از قلمرو زیستشناسی فراتر ببرد و آن را به زبان مشترکی برای مطالعه پدیدههای طبیعی، اجتماعی و انسانی تبدیل کند. او معتقد بود بسیاری از پدیدهها، با وجود تفاوت در ماهیت، از اصول مشترکی در سازمانیافتگی و روابط درونی پیروی میکنند.
البته برتالنفی را نباید بنیانگذار «سامانههای پیچیده سازگار» یا همان CAS )دانست. حوزه کار او «نظریه عمومی سیستمها» یا General System Theory (GST) بود؛ نظریهای که بنیان نگاه سیستمی را فراهم کرد و بعدها زمینهساز شکلگیری بسیاری از مفاهیم دانش پیچیدگی شد.
نکته مهم دیگر این است که از نگاه برتالنفی، هر مجموعهای یک سیستم نیست. سیستم زمانی شکل میگیرد که میان اجزا رابطهای سازمانیافته وجود داشته باشد و این روابط نیز در تعامل پیوسته با محیط معنا پیدا کنند. شاید مهمترین میراث او همین تغییر زاویه دید باشد: برای فهم جهان، باید روابط را به همان اندازه اجزا جدی گرفت و هیچ سیستمی را جدا از محیطش فهم نکرد.
https://t.me/+oTlrBOZFJlI0YTI0
زیستشناس و اندیشمند اتریشی،با نگاه کلنگر یا هولیستی خود، مفهوم «سیستم» را بار دیگر به یکی از مفاهیم بنیادی علم تبدیل کرد. البته واژه سیستم پیش از او نیز در علوم به کار رفته بود، اما برتالنفی آن را از یک واژه عمومی به یک چارچوب نظری برای فهم جهان ارتقا داد.
از نگاه برتالنفی، یک سیستم صرفاً مجموعهای از اجزایی نیست که کنار هم قرار گرفتهاند. سیستم زمانی معنا پیدا میکند که میان اجزا روابط، کارکردها و وابستگیهایی برقرار باشد که از آنها یک کل سازمانیافته پدید آید. بنابراین آنچه یک سیستم را میسازد، تنها اجزا نیستند؛ بلکه شبکه روابط میان اجزا و کارکردی است که این روابط ایجاد میکنند.
یکی از مهمترین ایدههای برتالنفی، مفهوم «سیستم باز» بود. او نشان داد که موجودات زنده و بسیاری از پدیدههای طبیعی، سیستمهایی بسته و منزوی نیستند؛ همواره یک پای آنها در محیط است. آنها به طور مداوم با محیط خود ماده، انرژی و تا حدی اطلاعات مبادله میکنند و همین تبادل، شرط بقا، پایداری و سازمانیافتگی آنهاست. از این منظر، سازمانیافتگی امری منفک از ارتباط با محیط نیست، بلکه محصول همین ارتباط و تبادل مداوم است.
برتالنفی تلاش کرد مفهوم سیستم را از قلمرو زیستشناسی فراتر ببرد و آن را به زبان مشترکی برای مطالعه پدیدههای طبیعی، اجتماعی و انسانی تبدیل کند. او معتقد بود بسیاری از پدیدهها، با وجود تفاوت در ماهیت، از اصول مشترکی در سازمانیافتگی و روابط درونی پیروی میکنند.
البته برتالنفی را نباید بنیانگذار «سامانههای پیچیده سازگار» یا همان CAS )دانست. حوزه کار او «نظریه عمومی سیستمها» یا General System Theory (GST) بود؛ نظریهای که بنیان نگاه سیستمی را فراهم کرد و بعدها زمینهساز شکلگیری بسیاری از مفاهیم دانش پیچیدگی شد.
نکته مهم دیگر این است که از نگاه برتالنفی، هر مجموعهای یک سیستم نیست. سیستم زمانی شکل میگیرد که میان اجزا رابطهای سازمانیافته وجود داشته باشد و این روابط نیز در تعامل پیوسته با محیط معنا پیدا کنند. شاید مهمترین میراث او همین تغییر زاویه دید باشد: برای فهم جهان، باید روابط را به همان اندازه اجزا جدی گرفت و هیچ سیستمی را جدا از محیطش فهم نکرد.
https://t.me/+oTlrBOZFJlI0YTI0
❤1👍1
نوربرت وینر
ریاضیدان و اندیشمند آمریکایی و استاد MIT، بنیانگذار علم سایبرنتیک و یکی از چهرههایی بود که مفهوم «بازخورد» را به یکی از بنیادیترین مفاهیم علم تبدیل کرد. برتالنفی جهان را از دریچه «سیستم» نگاه کرد و وینر به دنبال آن رفت که سیستمها چگونه از طریق ارتباط، کنترل و بازخورد رفتار خود را تنظیم میکنند.
داستان سایبرنتیک از میدان جنگ آغاز شد، نه از آزمایشگاه زیستشناسی. وینر از دل این مسئله نظامی به ایده «بازخورد» رسید و آن را به بنیان علم سایبرنتیک تبدیل کرد.
وینر سایبرنتیک را «علم کنترل و ارتباط در حیوان و ماشین» نامید. موضوع اصلی این علم، مطالعه سازوکارهایی است که به یک سیستم امکان میدهند اطلاعات را دریافت کند، به آن پاسخ دهد، رفتار خود را اصلاح کند و در برابر تغییرات محیط واکنش نشان دهد. از ترموستات و سیستم عصبی گرفته تا سامانههای هدایت، همه با زبان سایبرنتیک قابل توصیفاند.
اهمیت سایبرنتیک در این بود که نگاه خطی علت و معلولی را به چالش کشید و مفهوم حلقههای بازخورد را وارد علم کرد. در یک سیستم سایبرنتیکی، خروجی میتواند دوباره به ورودی بازگردد و مسیر آینده سیستم را تغییر دهد. به همین دلیل، رفتار یک سیستم تنها نتیجه ورودیهای آن نیست؛ بلکه نتیجه بازگشت پیامدهای رفتار خودِ سیستم به درون آن است. خروجی سیستم میتواند دوباره به ورودی تبدیل شود و مسیر آینده آن را تغییر دهد.
گاه برخی سایبرنتیک را با دانش پیچیدگی یکسان میگیرند که قسمی سوء تفاهم است .
در واقع سایبرنتیک یکی از پایههای شکلگیری علوم پیچیدگی و وینر یکی از معماران این دانش است، اما همه دانش پیچیدگی، سایبرنتیک نیست.
چرا که دانش پیچیدگی دامنهای بسیار گستردهتر دارد و مفاهیمی مانند ظهور، خودسازمانیابی، سازگاری، شبکهها، آشوب، تکامل و اطلاعات را نیز در بر میگیرد.
به بیان دیگر، سایبرنتیک توضیح میدهد یک سیستم چگونه خود را تنظیم میکند؛ اما دانش پیچیدگی میپرسد چگونه از دل تعامل اجزا، ساختارها و رفتارهای نوظهور پدید میآیند و چگونه یک سیستم در گذر زمان پیچیدهتر و سازگارتر میشود.
وینر و شانون هر دو در سال ۱۹۴۸ کتابهای مهم خود را منتشر کردند.
شانون: اطلاعات را اندازهگیری کرد.
وینر: نشان داد اطلاعات چگونه در حلقههای بازخورد، کنترل و تنظیم رفتار سیستم نقش ایفا میکند، هر چندفهم پیچیدگی، تنها با بازخورد به پایان نمیرسد، بلکه از همین نقطه آغاز میشود کماینکه اطلاعات در پیچیدگی هم متوقف در شانون نماند.
https://t.me/+oTlrBOZFJlI0YTI0
ریاضیدان و اندیشمند آمریکایی و استاد MIT، بنیانگذار علم سایبرنتیک و یکی از چهرههایی بود که مفهوم «بازخورد» را به یکی از بنیادیترین مفاهیم علم تبدیل کرد. برتالنفی جهان را از دریچه «سیستم» نگاه کرد و وینر به دنبال آن رفت که سیستمها چگونه از طریق ارتباط، کنترل و بازخورد رفتار خود را تنظیم میکنند.
داستان سایبرنتیک از میدان جنگ آغاز شد، نه از آزمایشگاه زیستشناسی. وینر از دل این مسئله نظامی به ایده «بازخورد» رسید و آن را به بنیان علم سایبرنتیک تبدیل کرد.
وینر سایبرنتیک را «علم کنترل و ارتباط در حیوان و ماشین» نامید. موضوع اصلی این علم، مطالعه سازوکارهایی است که به یک سیستم امکان میدهند اطلاعات را دریافت کند، به آن پاسخ دهد، رفتار خود را اصلاح کند و در برابر تغییرات محیط واکنش نشان دهد. از ترموستات و سیستم عصبی گرفته تا سامانههای هدایت، همه با زبان سایبرنتیک قابل توصیفاند.
اهمیت سایبرنتیک در این بود که نگاه خطی علت و معلولی را به چالش کشید و مفهوم حلقههای بازخورد را وارد علم کرد. در یک سیستم سایبرنتیکی، خروجی میتواند دوباره به ورودی بازگردد و مسیر آینده سیستم را تغییر دهد. به همین دلیل، رفتار یک سیستم تنها نتیجه ورودیهای آن نیست؛ بلکه نتیجه بازگشت پیامدهای رفتار خودِ سیستم به درون آن است. خروجی سیستم میتواند دوباره به ورودی تبدیل شود و مسیر آینده آن را تغییر دهد.
گاه برخی سایبرنتیک را با دانش پیچیدگی یکسان میگیرند که قسمی سوء تفاهم است .
در واقع سایبرنتیک یکی از پایههای شکلگیری علوم پیچیدگی و وینر یکی از معماران این دانش است، اما همه دانش پیچیدگی، سایبرنتیک نیست.
چرا که دانش پیچیدگی دامنهای بسیار گستردهتر دارد و مفاهیمی مانند ظهور، خودسازمانیابی، سازگاری، شبکهها، آشوب، تکامل و اطلاعات را نیز در بر میگیرد.
به بیان دیگر، سایبرنتیک توضیح میدهد یک سیستم چگونه خود را تنظیم میکند؛ اما دانش پیچیدگی میپرسد چگونه از دل تعامل اجزا، ساختارها و رفتارهای نوظهور پدید میآیند و چگونه یک سیستم در گذر زمان پیچیدهتر و سازگارتر میشود.
وینر و شانون هر دو در سال ۱۹۴۸ کتابهای مهم خود را منتشر کردند.
شانون: اطلاعات را اندازهگیری کرد.
وینر: نشان داد اطلاعات چگونه در حلقههای بازخورد، کنترل و تنظیم رفتار سیستم نقش ایفا میکند، هر چندفهم پیچیدگی، تنها با بازخورد به پایان نمیرسد، بلکه از همین نقطه آغاز میشود کماینکه اطلاعات در پیچیدگی هم متوقف در شانون نماند.
https://t.me/+oTlrBOZFJlI0YTI0
Masoud Amirzadeh
اتوپویز.pdf
«گذر از استعارههای زیستی به پیچیدگی اجتماعی»
این مقاله به بررسی مفهوم «اتوپویز» (خودپیدایی) در نظریه سیستمها و تمایز میان سیستمهای طراحیشده و سیستمهای خودپیدا میپردازد و نشان میدهد چگونه مفاهیم زیستی میتوانند در تحلیل سیستمهای اجتماعی و پیچیده به کار گرفته شوند، اما در عین حال، در صورت تبدیل شدن استعاره به واقعیت، به محدودیتهای شناختی منجر شوند.
مقاله همچنین به ویژگیهای سیستمهای اتوپویتیک، از جمله برایش شبکهای، پایداری فرآیندی، تکامل و عاملیت درونزا، و نیز کاربرد این مفاهیم در هوش مصنوعی، مهندسی سیستمها، هویت و اخلاق میپردازد. در ادامه، با بررسی ساختارهای سلسلهمراتبی و جنبشهای اجتماعی، ضرورت گذار از ارگانیکیسم سنتی به سوی رویکردهای جدیدتر در مطالعه پیچیدگی اجتماعی، از جمله جامعهشناسی محاسباتی و تحلیل تعاملات نمادین، مطرح میشود.
این مقاله برای پژوهشگران و علاقهمندان به نظریه سیستمها، علم پیچیدگی، علوم اجتماعی و مطالعات میانرشتهای نوشته شده است؛ بهویژه برای کسانی که به دنبال فهم چگونگی انتقال مفاهیم زیستی به حوزههای اجتماعی و محدودیتهای این انتقال هستند
https://t.me/+oTlrBOZFJlI0YTI0
این مقاله به بررسی مفهوم «اتوپویز» (خودپیدایی) در نظریه سیستمها و تمایز میان سیستمهای طراحیشده و سیستمهای خودپیدا میپردازد و نشان میدهد چگونه مفاهیم زیستی میتوانند در تحلیل سیستمهای اجتماعی و پیچیده به کار گرفته شوند، اما در عین حال، در صورت تبدیل شدن استعاره به واقعیت، به محدودیتهای شناختی منجر شوند.
مقاله همچنین به ویژگیهای سیستمهای اتوپویتیک، از جمله برایش شبکهای، پایداری فرآیندی، تکامل و عاملیت درونزا، و نیز کاربرد این مفاهیم در هوش مصنوعی، مهندسی سیستمها، هویت و اخلاق میپردازد. در ادامه، با بررسی ساختارهای سلسلهمراتبی و جنبشهای اجتماعی، ضرورت گذار از ارگانیکیسم سنتی به سوی رویکردهای جدیدتر در مطالعه پیچیدگی اجتماعی، از جمله جامعهشناسی محاسباتی و تحلیل تعاملات نمادین، مطرح میشود.
این مقاله برای پژوهشگران و علاقهمندان به نظریه سیستمها، علم پیچیدگی، علوم اجتماعی و مطالعات میانرشتهای نوشته شده است؛ بهویژه برای کسانی که به دنبال فهم چگونگی انتقال مفاهیم زیستی به حوزههای اجتماعی و محدودیتهای این انتقال هستند
https://t.me/+oTlrBOZFJlI0YTI0
Masoud Amirzadeh
نشست سه شنبه ۱۰ شهریور.pdf
در نشست روز سه شنبه دهم شهریور بررسی چرایی
موضوع استمرار سد سازی و انتقال آب علی رغم ناکامی ها و توابع گسترده تخریبی بر سرزمین و عدم توفیق در نظام حکمرانی را با رویکرد پیچیدگی ارائه داده شد.
https://t.me/+oTlrBOZFJlI0YTI0
موضوع استمرار سد سازی و انتقال آب علی رغم ناکامی ها و توابع گسترده تخریبی بر سرزمین و عدم توفیق در نظام حکمرانی را با رویکرد پیچیدگی ارائه داده شد.
https://t.me/+oTlrBOZFJlI0YTI0
چارلز داروین
طبیعتشناس و زیستشناس انگلیسی، یکی از اثرگذارترین اندیشمندان تاریخ علم است. اهمیت داروین تنها در ارائه نظریه تکامل زیستی نیست؛ او مفهومی را وارد علم کرد که بعدها به یکی از بنیادیترین ستونهای دانش پیچیدگی تبدیل شد: فرگشت.
داروین نامی از دانش پیچیدگی نبرد و اصولا چنین حوزه بین رشته ای هنوز به دنیا نیامده بود اما در عین حال با نظریه فرگشت یکی از مهم کلیدهای فهم سیستمهای پیچیده را به ما اهدا کرد.
به وجهی که اگر از بسیاری اندیشمندان تاریخ فلسفه علم بپرسید تاثیرگذارترین نظریه علمی بشری کدام است بی تردید نظریه فرگشت را برخواهند گزید.
داروین نشان داد که نظم و سازگاری موجودات زنده حاصل یک طراحی از پیش تعیینشده نیست، بلکه محصول فرایندی تدریجی از تغییر، تنوع، انتخاب و انباشت تغییرات در طول زمان است. از نگاه او، حیات یک وضعیت ثابت نیست؛ یک فرایند تاریخی و پویاست که پیوسته دگرگون میشود.
اهمیت دیگر داروین برای دانش پیچیدگی در همین تغییر نگاه است. فرگشت فقط ویژگی موجودات زنده نیست؛ بعدها روشن شد که بسیاری از سامانههای پیچیده، از اکوسیستمها و فرهنگ گرفته تا اقتصاد، فناوری و شبکههای اجتماعی، نیز مسیرهای فرگشتی را طی میکنند. آنها تغییر میکنند، سازگار میشوند، برخی ویژگیها را حفظ میکنند و برخی را از دست میدهند.
البته یکی از بزرگترین سوءبرداشتها درباره داروین، فروکاستن فرگشت به «بقای اصلح» است. این تعبیر، که بعدها بیش از خود داروین شهرت یافت، گاه چنین فهمیده شد که طبیعت همواره قویترین یا برترین را حفظ میکند. در حالی که در اندیشه داروین، آنچه اهمیت دارد سازگاری با محیط است، نه برتری مطلق. فرگشت بیش از آنکه رقابتی برای قویتر شدن باشد، فرایندی برای سازگارتر شدن است.
مهمترین میراث داروین برای دانش پیچیدگی این است که جهان را نه مجموعهای از ساختارهای ثابت، بلکه شبکهای از فرایندهای در حال تغییر دید. در این نگاه، پیچیدگی چیزی نیست که یکباره ساخته شود؛ پیچیدگی تاریخ دارد و در مسیر فرگشت شکل میگیرد.
https://t.me/+oTlrBOZFJlI0YTI0
طبیعتشناس و زیستشناس انگلیسی، یکی از اثرگذارترین اندیشمندان تاریخ علم است. اهمیت داروین تنها در ارائه نظریه تکامل زیستی نیست؛ او مفهومی را وارد علم کرد که بعدها به یکی از بنیادیترین ستونهای دانش پیچیدگی تبدیل شد: فرگشت.
داروین نامی از دانش پیچیدگی نبرد و اصولا چنین حوزه بین رشته ای هنوز به دنیا نیامده بود اما در عین حال با نظریه فرگشت یکی از مهم کلیدهای فهم سیستمهای پیچیده را به ما اهدا کرد.
به وجهی که اگر از بسیاری اندیشمندان تاریخ فلسفه علم بپرسید تاثیرگذارترین نظریه علمی بشری کدام است بی تردید نظریه فرگشت را برخواهند گزید.
داروین نشان داد که نظم و سازگاری موجودات زنده حاصل یک طراحی از پیش تعیینشده نیست، بلکه محصول فرایندی تدریجی از تغییر، تنوع، انتخاب و انباشت تغییرات در طول زمان است. از نگاه او، حیات یک وضعیت ثابت نیست؛ یک فرایند تاریخی و پویاست که پیوسته دگرگون میشود.
اهمیت دیگر داروین برای دانش پیچیدگی در همین تغییر نگاه است. فرگشت فقط ویژگی موجودات زنده نیست؛ بعدها روشن شد که بسیاری از سامانههای پیچیده، از اکوسیستمها و فرهنگ گرفته تا اقتصاد، فناوری و شبکههای اجتماعی، نیز مسیرهای فرگشتی را طی میکنند. آنها تغییر میکنند، سازگار میشوند، برخی ویژگیها را حفظ میکنند و برخی را از دست میدهند.
البته یکی از بزرگترین سوءبرداشتها درباره داروین، فروکاستن فرگشت به «بقای اصلح» است. این تعبیر، که بعدها بیش از خود داروین شهرت یافت، گاه چنین فهمیده شد که طبیعت همواره قویترین یا برترین را حفظ میکند. در حالی که در اندیشه داروین، آنچه اهمیت دارد سازگاری با محیط است، نه برتری مطلق. فرگشت بیش از آنکه رقابتی برای قویتر شدن باشد، فرایندی برای سازگارتر شدن است.
مهمترین میراث داروین برای دانش پیچیدگی این است که جهان را نه مجموعهای از ساختارهای ثابت، بلکه شبکهای از فرایندهای در حال تغییر دید. در این نگاه، پیچیدگی چیزی نیست که یکباره ساخته شود؛ پیچیدگی تاریخ دارد و در مسیر فرگشت شکل میگیرد.
https://t.me/+oTlrBOZFJlI0YTI0
دانش پیچیدگی pinned «در نشست روز سه شنبه دهم شهریور بررسی چرایی موضوع استمرار سد سازی و انتقال آب علی رغم ناکامی ها و توابع گسترده تخریبی بر سرزمین و عدم توفیق در نظام حکمرانی را با رویکرد پیچیدگی ارائه داده شد. https://t.me/+oTlrBOZFJlI0YTI0»
آلن تورینگ
ریاضیدان، منطقدان و اندیشمند انگلیسی( یکی از بزرگترین نوابغ همه اعصار) ، بیش از هر چیز با بنیانگذاری علم رایانه و هوش مصنوعی شناخته میشود. اما برای دانش پیچیدگی، شاید مهمترین میراث او نه ماشین تورینگ، بلکه پاسخی باشد که به یکی از بنیادیترین پرسشهای طبیعت داد: شکلها و الگوهای پیچیده چگونه پدید میآیند؟
تورینگ در مقاله مشهور «مبانی شیمیایی مورفوژنز» در سال ۱۹۵۲ نشان داد که برای پیدایش بسیاری از الگوهای طبیعی، از نوارهای گورخر و خالهای پلنگ گرفته تا آرایش برگها، صدفها و برخی ساختارهای زیستی، الزاماً به یک نقشه از پیش طراحیشده نیاز نیست. او نشان داد که از دل دو فرایند بسیار ساده، یعنی واکنش و انتشار مواد شیمیایی، میتوان الگوهایی پیچیده، پایدار و متنوع ایجاد کرد.اهمیت کشف تورینگ در این بود که یک بار دیگر نشان داد پیچیدگی الزاماً از قواعد پیچیده زاده نمیشود. گاهی چند قانون ساده، اگر در یک سیستم غیرخطی و به صورت پیوسته با یکدیگر تعامل کنند، میتوانند ساختارهایی پدید آورند که در نگاه نخست بسیار پیچیده به نظر میرسند.
تورینگ دریچه تازهای به دانش پیچیدگی گشود: جهان فقط فرگشت نمییابد، بلکه الگو نیز میسازد. پیدایش شکل، رنگ، نقش و سازمان فضایی در بسیاری از سامانههای طبیعی، میتواند حاصل دینامیک درونی خود سیستم باشد، نه محصول طراحی بیرونی.
البته بی گمان،یکی از عمیقترین ایدههای او مفهوم «ماشین جهانی تورینگ» بود. تورینگ نشان داد که میتوان ماشینی نظری تصور کرد که فقط با چند قاعده بسیار ساده، قادر باشد هر الگوریتم یا هر محاسبهای را که قابل محاسبه است اجرا کند. این ایده، بنیان نظری همه رایانههای امروزی شد.
اما اهمیت آن برای دانش پیچیدگی بسیار فراتر از رایانه است.
تورینگ یک پرسش بنیادین را پیش روی علم گذاشت: آیا جهان را میتوان به صورت یک فرایند محاسباتی فهمید؟ اگر قواعدی وجود داشته باشند که بتوانند رفتار یک سیستم را گام به گام تولید کنند، آیا پیچیدگی جهان نیز میتواند حاصل اجرای همین قواعد باشد؟
این ایده بعدها به یکی از ستونهای علوم پیچیدگی تبدیل شد. اتوماتای سلولی فون نویمان، اتوماتای سلولی ولفرام، حیات مصنوعی و بسیاری از مدلهای عاملمبنا، همگی بر این فرض استوارند که رفتارهای بسیار پیچیده میتوانند از اجرای مکرر قواعد ساده محاسباتی پدید آیند.
اما اینجا یک مرز بسیار مهم وجود دارد
یکی از سوءبرداشتهای رایج این است که از ماشین جهانی تورینگ نتیجه گرفته میشود که «جهان یک رایانه است» یا «هر پدیدهای صرفاً یک محاسبه است». این برداشت دقیق نیست.
ماشین تورینگ درباره قابلیت محاسبه سخن میگوید، نه درباره ماهیت جهان. او نشان داد چه چیزهایی اصولاً قابل محاسبهاند، نه اینکه همه واقعیت را بتوان به محاسبه فروکاست.
اتفاقاً علوم پیچیدگی این مرز را پررنگتر میکند. بسیاری از سامانههای پیچیده، با وجود آنکه از قواعد محاسباتی پیروی میکنند، به دلیل غیرخطی بودن، ظهور، آشوب و وابستگی به مسیر، رفتارهایی تولید میکنند که پیشبینی آنها عملاً بسیار دشوار یا حتی از نظر محاسباتی کاهشناپذیر است.
پایان زندگی آلن تورینگ، پس از لودویگ بولتزمان، یکی دیگر از تلخترین سرنوشتهای تاریخ علم است. نابغهای که افقهای تازهای در ریاضیات، محاسبات و فهم جهان گشود، در سال ۱۹۵۴ در چهلویک سالگی به زندگی خود پایان داد؛ آن هم در زمانهای که جامعه و ساختار رسمی، توان فهم و تحمل بخشی از وجود او را نداشتند.
برای من، مرگ تورینگ فقط یک تراژدی شخصی نیست؛ نشانه برخورد زمانه با اندیشههایی است که از مرزهای رایج دانش و هنجارهای مسلط فراتر میروند. بولتزمان زیر فشار انکار ایدههایش فرسوده شد و تورینگ زیر فشار تبعیض و تحقیر اجتماعی. هر دو قربانی روزگاری شدند که افق نگاهشان از افق زمانه وسیعتر بود.
شاید این هم یکی از درسهای تاریخ علم باشد: همیشه بزرگترین مانع یک ایده جدید، دشواری علمی آن نیست؛ گاهی زمانه هنوز آماده فهم صاحب آن ایده نیست.
https://t.me/+oTlrBOZFJlI0YTI0
ریاضیدان، منطقدان و اندیشمند انگلیسی( یکی از بزرگترین نوابغ همه اعصار) ، بیش از هر چیز با بنیانگذاری علم رایانه و هوش مصنوعی شناخته میشود. اما برای دانش پیچیدگی، شاید مهمترین میراث او نه ماشین تورینگ، بلکه پاسخی باشد که به یکی از بنیادیترین پرسشهای طبیعت داد: شکلها و الگوهای پیچیده چگونه پدید میآیند؟
تورینگ در مقاله مشهور «مبانی شیمیایی مورفوژنز» در سال ۱۹۵۲ نشان داد که برای پیدایش بسیاری از الگوهای طبیعی، از نوارهای گورخر و خالهای پلنگ گرفته تا آرایش برگها، صدفها و برخی ساختارهای زیستی، الزاماً به یک نقشه از پیش طراحیشده نیاز نیست. او نشان داد که از دل دو فرایند بسیار ساده، یعنی واکنش و انتشار مواد شیمیایی، میتوان الگوهایی پیچیده، پایدار و متنوع ایجاد کرد.اهمیت کشف تورینگ در این بود که یک بار دیگر نشان داد پیچیدگی الزاماً از قواعد پیچیده زاده نمیشود. گاهی چند قانون ساده، اگر در یک سیستم غیرخطی و به صورت پیوسته با یکدیگر تعامل کنند، میتوانند ساختارهایی پدید آورند که در نگاه نخست بسیار پیچیده به نظر میرسند.
تورینگ دریچه تازهای به دانش پیچیدگی گشود: جهان فقط فرگشت نمییابد، بلکه الگو نیز میسازد. پیدایش شکل، رنگ، نقش و سازمان فضایی در بسیاری از سامانههای طبیعی، میتواند حاصل دینامیک درونی خود سیستم باشد، نه محصول طراحی بیرونی.
البته بی گمان،یکی از عمیقترین ایدههای او مفهوم «ماشین جهانی تورینگ» بود. تورینگ نشان داد که میتوان ماشینی نظری تصور کرد که فقط با چند قاعده بسیار ساده، قادر باشد هر الگوریتم یا هر محاسبهای را که قابل محاسبه است اجرا کند. این ایده، بنیان نظری همه رایانههای امروزی شد.
اما اهمیت آن برای دانش پیچیدگی بسیار فراتر از رایانه است.
تورینگ یک پرسش بنیادین را پیش روی علم گذاشت: آیا جهان را میتوان به صورت یک فرایند محاسباتی فهمید؟ اگر قواعدی وجود داشته باشند که بتوانند رفتار یک سیستم را گام به گام تولید کنند، آیا پیچیدگی جهان نیز میتواند حاصل اجرای همین قواعد باشد؟
این ایده بعدها به یکی از ستونهای علوم پیچیدگی تبدیل شد. اتوماتای سلولی فون نویمان، اتوماتای سلولی ولفرام، حیات مصنوعی و بسیاری از مدلهای عاملمبنا، همگی بر این فرض استوارند که رفتارهای بسیار پیچیده میتوانند از اجرای مکرر قواعد ساده محاسباتی پدید آیند.
اما اینجا یک مرز بسیار مهم وجود دارد
یکی از سوءبرداشتهای رایج این است که از ماشین جهانی تورینگ نتیجه گرفته میشود که «جهان یک رایانه است» یا «هر پدیدهای صرفاً یک محاسبه است». این برداشت دقیق نیست.
ماشین تورینگ درباره قابلیت محاسبه سخن میگوید، نه درباره ماهیت جهان. او نشان داد چه چیزهایی اصولاً قابل محاسبهاند، نه اینکه همه واقعیت را بتوان به محاسبه فروکاست.
اتفاقاً علوم پیچیدگی این مرز را پررنگتر میکند. بسیاری از سامانههای پیچیده، با وجود آنکه از قواعد محاسباتی پیروی میکنند، به دلیل غیرخطی بودن، ظهور، آشوب و وابستگی به مسیر، رفتارهایی تولید میکنند که پیشبینی آنها عملاً بسیار دشوار یا حتی از نظر محاسباتی کاهشناپذیر است.
پایان زندگی آلن تورینگ، پس از لودویگ بولتزمان، یکی دیگر از تلخترین سرنوشتهای تاریخ علم است. نابغهای که افقهای تازهای در ریاضیات، محاسبات و فهم جهان گشود، در سال ۱۹۵۴ در چهلویک سالگی به زندگی خود پایان داد؛ آن هم در زمانهای که جامعه و ساختار رسمی، توان فهم و تحمل بخشی از وجود او را نداشتند.
برای من، مرگ تورینگ فقط یک تراژدی شخصی نیست؛ نشانه برخورد زمانه با اندیشههایی است که از مرزهای رایج دانش و هنجارهای مسلط فراتر میروند. بولتزمان زیر فشار انکار ایدههایش فرسوده شد و تورینگ زیر فشار تبعیض و تحقیر اجتماعی. هر دو قربانی روزگاری شدند که افق نگاهشان از افق زمانه وسیعتر بود.
شاید این هم یکی از درسهای تاریخ علم باشد: همیشه بزرگترین مانع یک ایده جدید، دشواری علمی آن نیست؛ گاهی زمانه هنوز آماده فهم صاحب آن ایده نیست.
https://t.me/+oTlrBOZFJlI0YTI0
Forwarded from پیام ما آنلاین
🔶رژیم رابطه بهعنوان یک ساختار اکولوژیک ـ فرهنگی فرگشتی
✍️مسعود امیر زاده
🔷اگر بپذیریم که رابطه انسان و سامانه زمین صرفاً مجموعهای از تعاملات پراکنده و منفرد نیست، پرسش این است که این رابطه در طول زمان چه ماهیتی پیدا کرده است؟
🔷 آیا همچنان باید آن را صرفاً به مجموعهای از رفتارهای انسانی، فناوریها، نهادها و واکنشهای محیطی فروکاست، یا آنکه میتوان از شکلگیری ساختاری سخن گفت که پس از پیدایش، ویژگیها و پویاییهای خاص خود را پیدا کرده است؟
ادامه یادداشت 👇
https://payamema.ir/payam/163739
@payamema
✍️مسعود امیر زاده
🔷اگر بپذیریم که رابطه انسان و سامانه زمین صرفاً مجموعهای از تعاملات پراکنده و منفرد نیست، پرسش این است که این رابطه در طول زمان چه ماهیتی پیدا کرده است؟
🔷 آیا همچنان باید آن را صرفاً به مجموعهای از رفتارهای انسانی، فناوریها، نهادها و واکنشهای محیطی فروکاست، یا آنکه میتوان از شکلگیری ساختاری سخن گفت که پس از پیدایش، ویژگیها و پویاییهای خاص خود را پیدا کرده است؟
ادامه یادداشت 👇
https://payamema.ir/payam/163739
@payamema