پیل گراس

پیر-پل گراس
زیست‌شناس و حشره‌شناس فرانسوی، در سال ۱۹۵۹ مفهوم «استیگمرژی» را برای توضیح نوعی از سازمان‌یافتگی جمعی در جوامع حشرات مطرح کرد؛ سازوکاری که در آن عامل‌ها بدون ارتباط مستقیم و بدون وجود فرماندهی مرکزی، از طریق تغییراتی که در محیط ایجاد می‌کنند بر رفتار یکدیگر اثر می‌گذارند. در این فرایند، تغییر ایجادشده در محیط به نشانه‌ای برای عامل‌های بعدی تبدیل می‌شود و از تداوم همین تعامل غیرمستقیم، الگوها و ساختارهای جمعی پدید می‌آیند. استیگمرژی بعدها در بحث‌های مربوط به خودسازمان‌یابی، هوش جمعی، سیستم‌های چندعاملی و دانش پیچیدگی اهمیت فراوانی پیدا کرد.
گراس را نمی‌توان از نظر گستره و تأثیرگذاری در ردیف چهره‌هایی مانند بولتزمان، لورنتس، کافمن یا هالند قرار داد و او نیز خود نظریه‌ای جامع درباره پیچیدگی ارائه نکرد؛ با این حال، با توجه به اینکه در این پروژه کوشیده‌ایم ایده استیگمرژی را نیز بسط دهیم و ظرفیت‌های آن را در فهم رفتارهای جمعی و سازمان‌یافتگی بررسی کنیم، لازم دیدیم گراس را نیز در کنار معمارانی که آثار گسترده‌تری در شکل‌گیری دانش پیچیدگی داشته‌اند معرفی کنیم. جایگاه او در این مجموعه بیش از آنکه به گستره آثارش مربوط باشد، به اهمیت همان ایده‌ای مربوط است که مطرح کرد و هنوز ظرفیت زیادی برای توسعه و کاربرد در فهم سیستم‌های پیچیده دارد.مقاله ای که تحت عنوان تحت عنوان تقویت ترجیحی در این کانال به اشتراک گذاشته است پایه های ان مربوط به کشفیات این حشره شناس فرانسوی است.
https://t.me/complexitythinking

تصاویری از حرکت مورچه ها ( واقعی و شبیه سازی) که نشانگر گرادیان مسیرهای حرکت تقویت شده است.
مهم این است که بعضا رفتارهای انسانی از همین منطق ساده تبعیت میکند.

نخستین کنفرانس علوم اعصاب شناختی

پژوهشکده علوم شناختی پژوهشگاه دانش‌های بنیادی (IPM) برگزار می‌کند:

📍 نخستین کنفرانس علوم اعصاب شناختی
📅 ۱۲ و ۱۳ دی‌ماه ۱۴۰۵

📍 پژوهشگاه دانش‌های بنیادی، فرمانیه، تهران

ثبت‌نام و ارسال مقالات از پایان مهرماه ۱۴۰۵ آغاز خواهد شد.

به زودی اطلاعات تکمیلی، فراخوان مقالات و جزئیات ثبت‌نام اعلام می‌شود.

به تداوم راه علم 🧠

@CNC_IPM

ویلیام راس اشپی

ویلیام راس اشبی
روان‌پزشک و پژوهشگر بریتانیایی و از پیشگامان سایبرنتیک و نظریه سیستم‌ها بود؛ اما اهمیت او برای دانش پیچیدگی بیش از هر چیز در پرسشی ریشه داشت که از دل مطالعه مغز و موجود زنده بیرون کشید: چگونه یک سیستم می‌تواند در محیطی متغیر، خود را در محدوده‌ای پایدار نگه دارد و در برابر اختلالات سازگار شود؟ اشبی تلاش کرد این پرسش را از قلمرو توصیف‌های زیستی و روان‌شناختی بیرون بکشد و به مسئله‌ای قابل مدل‌سازی تبدیل کند. او در این مسیر مفاهیمی مانند قانون «تنوع لازم»، خودسازمان‌دهی و فوق‌پایداری را پرورش داد و از طریق آنها یکی از پایه‌های فکری سایبرنتیک را بنا کرد.
یکی از مهم‌ترین ساخته‌های او «هومئوستات» بود؛ دستگاهی که اشبی در سال‌های ۱۹۴۶ و ۱۹۴۷ با استفاده از چهار واحد الکترومکانیکی ساخت. این دستگاه هنگامی که از محدوده پایدار خود خارج می‌شد، می‌توانست با تغییر وضعیت‌های داخلی خود در میان گزینه‌های مختلف جست‌وجو کند تا دوباره به وضعیت پایداری برسد. هومئوستات برای اشبی مدلی از سازگاری بود: سیستم پاسخ از پیش تعیین‌شده‌ای برای هر اختلال نداشت، بلکه با استفاده از بازخورد و جست‌وجو در فضای حالت‌های ممکن، راهی برای بازگشت به محدوده پایدار پیدا می‌کرد.

اینجا یکی از نخستین صورت‌بندی‌های مهم مسئله‌ای ظاهر می‌شود که بعدها در دانش پیچیدگی اهمیت فراوان پیدا کرد: چگونه نظم و ثبات می‌تواند از تعامل اجزای یک سیستم و واکنش آنها به محیط پدیدار شود، بی‌آنکه برای هر وضعیت، یک فرمان مرکزی وجود داشته باشد؟ اشبی برای توضیح این مسئله از مفهوم «فوق‌پایداری» استفاده کرد؛ سامانه‌ای چندپایدار که می‌توانست در برابر آشفتگی، وضعیت خود را تغییر دهد و در جست‌وجوی محدوده‌ای قرار گیرد که در آن متغیرهای حیاتی دوباره در وضعیت قابل قبول قرار گیرند. در یادداشت‌های خود نیز adaptation را با جست‌وجو، آزمون و مقایسه پیوند می‌داد.

اشبی همچنین با «قانون تنوع لازم» نشان داد که تنظیم یک سیستم در برابر تنوع و آشفتگی محیط، بدون داشتن ظرفیت پاسخ‌گویی کافی امکان‌پذیر نیست. به بیان ساده، اگر محیط بتواند در شکل‌های بسیار متنوعی بر یک سیستم اثر بگذارد، تنظیم‌کننده نیز باید از تنوع کافی برای مقابله با این وضعیت برخوردار باشد. این ایده بعدها به یکی از شناخته‌شده‌ترین اصول سایبرنتیک تبدیل شد و پیوند میان اطلاعات، کنترل، محیط و سازگاری را به شکلی دقیق‌تر صورت‌بندی کرد.
اما اهمیت اشبی برای تاریخ مفهوم خودسازمان‌دهی در یک نکته ظریف‌تر قرار دارد. هنگامی که او از self-organization سخن می‌گفت، هنوز با معنایی که امروز در دانش پیچیدگی از «خودسامان‌دهی» می‌شناسیم فاصله داشت. هومئوستات می‌توانست بدون فرمان لحظه‌به‌لحظه یک ناظر خارجی، درون معماری و قواعدی که از پیش برای آن فراهم شده بود، وضعیت مناسب خود را پیدا کند؛ اما خودِ معماری بنیادی و سازوکار جست‌وجوی آن را سیستم از هیچ به وجود نمی‌آورد. بنابراین خودسازمان‌دهی اشبی را بهتر است یکی از مراحل تاریخی تحول این مفهوم بدانیم: حرکتی از خودتنظیمی و سازگاری به سوی پرسش عمیق‌تر درباره اینکه چگونه سازمان می‌تواند از درون تعاملات یک سیستم پدیدار شود.
اشبی را از این منظر می‌توان یکی از حلقه‌های مهم میان زیست‌شناسی، سایبرنتیک و دانش پیچیدگی دانست.
https://t.me/complexitythinking

تصویری از دستگاه طراحی شده توسط اشپی بنام «هومئوستات» برای تبیین مفهوم خود تنظیمی

معرفی مقاله

خودسازمان‌دهی (Self-Organization) چیست و وقتی از این مفهوم در دانش پیچیدگی (Complexity Science) سخن می‌گوییم، دقیقاً منظور چیست؟

در واقع خودسازمان‌دهی مفهومی نیست که فقط در مباحث علمی با آن روبه‌رو شویم. حتی در زندگی روزمره نیز گاهی با پدیده‌هایی مواجه می‌شویم که بدون وجود یک طراح یا فرماندهی مرکزی، نوعی نظم و سازمان در آن‌ها شکل می‌گیرد.

اما خودسازمان‌دهی در علم، به‌ویژه در دانش پیچیدگی، مفهومی بسیار گسترده‌تر و در عین حال پیچیده‌تر است و در حوزه‌های مختلف، معانی و کاربردهای متفاوتی پیدا کرده است.

در چند روز آینده مقاله‌ای در کانال «دانش پیچیدگی» منتشر خواهد شد که در آن تلاش می‌کنم با زبانی ساده، نگاهی به مراتب و صورت‌های مختلف خودسازمان‌دهی داشته باشیم؛ از نخستین کاربردها و تحول تاریخی این مفهوم گرفته تا دیدگاه‌های دانشمندانی که هر یک از زاویه‌ای متفاوت به آن پرداخته‌اند، و سرانجام جایگاه آن در فهم سیستم‌های پیچیده (Complex Systems).

هدف این است که ببینیم وقتی از «خودسازمان‌دهی» (Self-Organization) سخن می‌گوییم، دقیقاً درباره چه چیزی حرف می‌زنیم و این مفهوم چگونه از توصیف شکل‌گیری نظم در برخی سیستم‌های ساده، به یکی از مفاهیم مهم در مطالعه سیستم‌های پیچیده و زنده رسیده است.

این مقاله طی چند روز آینده آماده و در کانال منتشر میشود.
https://t.me/complexitythinking

فون فورستر

هینتس فون فورستر

فیزیکدان اتریشی‌تبار و یکی از چهره‌های مهم نسل دوم سایبرنتیک بود؛ دانشمندی که مرز میان فیزیک، زیست‌شناسی، علوم کامپیوتر، نظریه سیستم‌ها و فلسفه را درنوردید. اهمیت او برای دانش پیچیدگی بیش از همه در گسترش مفهوم خودسامان‌دهی و ایده مشهور «نظم از نویز» است؛ ایده‌ای که جایگاه تصادف و آشفتگی را در شکل‌گیری نظم دگرگون کرد.
فون فورستر در سال ۱۹۵۹ در سخنرانی‌ای که بعدها در سال ۱۹۶۰ با عنوان «درباره سیستم‌های خودسامان‌ده و محیط آنها» منتشر شد، به مسئله‌ای پرداخت که برای فهم خودسامان‌دهی بسیار بنیادی بود: آیا یک سیستم می‌تواند در تعامل با محیط، بدون آنکه نظم نهایی از بیرون به آن تحمیل شده باشد، به سازمان‌یافتگی برسد؟ پاسخ او این بود که برای فهم چنین سیستمی نباید آن را جدا از محیطش دید. سیستم‌های خودسامان‌ده از محیط انرژی، اطلاعات و آشفتگی دریافت می‌کنند و ساختار درونی آنها تعیین می‌کند که کدام بخش از این آشفتگی‌ها می‌تواند به افزایش نظم منجر شود.

از همین‌جا مفهوم «نظم از نویز» شکل گرفت. در نگاه معمول، نویز چیزی بود که باید از سیستم حذف شود؛ عامل مزاحم و بی‌نظمی که مانع عملکرد درست سیستم است. فون فورستر نگاه را معکوس کرد: نویز می‌تواند دامنه‌ای از امکان‌های تازه را در اختیار سیستم قرار دهد و سیستم، به واسطه ساختار و قواعد درونی خود، برخی از این تغییرات تصادفی را انتخاب و تقویت کند. بنابراین نظم الزاماً از یک الگوی از پیش تعیین‌شده به وجود نمی‌آید؛ گاهی از میان آشفتگی، برخی حالت‌ها به دلیل ویژگی‌های خود سیستم تثبیت می‌شوند.

این ایده برای دانش پیچیدگی اهمیت ویژه‌ای پیدا کرد، زیرا رابطه میان تصادف، امکان و نظم را از نو تعریف کرد. در یک سیستم پیچیده، تصادف لزوماً فقط نیرویی برای برهم‌زدن نظم موجود نیست؛ می‌تواند سیستم را به وضعیت‌هایی برساند که بدون آن هرگز تجربه نمی‌کرد. اگر ساختار سیستم برخی از این وضعیت‌ها را تقویت و برخی دیگر را تضعیف کند، آشفتگی اولیه می‌تواند به پیدایش یک الگوی پایدار منجر شود. از این منظر، نویز نه علت مستقیم نظم، بلکه بخشی از فضای جست‌وجویی است که در آن خودسامان‌دهی امکان پیدا می‌کند.

فون فورستر علاوه بر این، یکی از پایه‌گذاران مهم «سایبرنتیک مرتبه دوم» بود. سایبرنتیک کلاسیک عمدتاً به مشاهده و کنترل سیستم‌ها می‌پرداخت؛ اما در سایبرنتیک مرتبه دوم، خودِ مشاهده‌گر نیز بخشی از مسئله می‌شود. پرسش دیگر فقط این نیست که «سیستم چگونه رفتار می‌کند؟» بلکه این است که «چه کسی سیستم را تعریف و مشاهده می‌کند و خودِ این مشاهده چگونه بر شناخت ما از سیستم اثر می‌گذارد؟» این تغییر نگاه، سایبرنتیک را از مطالعه صرفِ سیستم‌های کنترل‌شونده به مطالعه سیستم‌های مشاهده‌گر، شناخت و ارتباط نیز گسترش داد.
فون فورستر در دانشگاه ایلینوی «آزمایشگاه رایانه زیستی» را ایجاد و آن را به یکی از مراکز مهم پژوهش‌های میان‌رشته‌ای در سایبرنتیک و خودسامان‌دهی تبدیل کرد. در سال ۱۹۶۰ نیز سمپوزیوم «اصول خودسامان‌دهی» را سازمان داد؛ گردهمایی‌ای که پژوهشگران حوزه‌هایی مانند زیست‌شناسی، هوش مصنوعی، شناخت، شبکه‌ها و مهندسی را گرد هم آورد و نشان داد که خودسامان‌دهی دیگر مسئله‌ای محدود به یک رشته علمی نیست. اشبی نیز در همین کنفرانس درباره نظریه عمومی سیستم‌های خودسامان‌ده سخنرانی کرد.

یک اتفاق جالب در زندگی علمی فون فورستر نیز به مقاله‌ای مربوط می‌شود که در سال ۱۹۶۰ در مجله Science با عنوان «Doomsday» منتشر کرد. او و همکارانش با برون‌یابی یک الگوی رشد جمعیت، تاریخی را برای رسیدن جمعیت به یک مقدار ریاضی نامتناهی محاسبه کردند که در آن زمان به «۱۳ نوامبر ۲۰۲۶» می‌رسید. این نتیجه بعدها بارها به‌صورت پیش‌بینی نابودی جهان نقل شد، در حالی که مقاله در واقع یک برون‌یابی ریاضی از یک مدل رشد بود، نه پیش‌بینی علمی وقوع چنین رویدادی. همین ماجرا نمونه جالبی از فاصله میان یک مدل ریاضی و تفسیر عمومی از نتایج آن است.

https://t.me/complexitythinking

محیط زیست و اعداد (۳)

داده پنهانی

مسعود امیرزاده

واژه‌هایی مانند «شفافیت»، «حکمرانی در اتاق شیشه‌ای»، «دسترسی آزاد به اطلاعات» و «برچیدن بساط پنهان‌کاری» آن‌قدر در گفتار رسمی تکرار شده‌اند که گاه خود این مفاهیم فرسوده و بی‌اعتبار به نظر می‌رسند. تکرار بی‌عمل، واژه‌ها را تهی می‌کند؛ تا جایی که شنیدنشان بیش از آنکه امید بیافریند، خشم یا تمسخر برمی‌انگیزد.

دیگر مسئله فقط پنهان کردن اطلاعات نیست؛ مسئله بر هم زدن تراز قدرت است.
یکی از مهم‌ترین ابزارهای قدرت در جهان مدرن، «انحصار داده» است. هر دستگاهی که داده را در اختیار دارد و دیگران از آن محروم‌اند، تنها مالک اطلاعات نیست؛ مالک بخشی از قدرت تصمیم‌گیری و روایت واقعیت نیز هست.

در ایران با وضعیت پیچیده‌تری روبه‌رو هستیم. گاه داده اساساً منتشر نمی‌شود؛ گاه ناقص منتشر می‌شود؛ گاه میان دستگاه‌های مختلف درباره یک موضوع چند عدد متفاوت وجود دارد؛ و گاه داده‌ها چنان مبهم، متناقض و پراکنده عرضه می‌شوند که عملاً هیچ امکان استفاده عمومی از آنها باقی نمی‌ماند. ظاهراً اطلاعات وجود دارد، اما جامعه با انبوهی از داده‌های غیرقابل اتکا و غیرقابل مقایسه مواجه است. این نیز نوعی پنهان‌کاری است؛ پنهان‌کاری در پوشش انتشار اطلاعات. در اینجا اطلاعات حکم زبانی ژارگون و غیر قابل استماع را پیدا میکند که ظاهرا در دسترس اما عملا مبدل به کدهای ناخوانا میشود.ز اسکات در کتاب «دولت‌ها چگونه می‌بینند» از مفهومی سخن می‌گوید که شاید برای محیط زیست ایران بسیار آشنا باشد: خوانایی برای دولت. دولت فقط آن بخشی از جامعه و طبیعت را می‌بیند که به نقشه، کد، پرونده و عدد تبدیل شده باشد. اما همین خوانایی، اگر انحصاری باشد، جامعه را نابینا می‌کند. دولتی که همه داده‌ها را در اختیار دارد و جامعه از آنها محروم است، تنها ناظر میدان می‌شود و دیگران باید درباره واقعیتی بحث کنند که اجازه دیدنش را ندارند.
«تئودور پورتر» توضیح می‌دهد که اعداد در حکومت‌های مدرن، ظاهری از بی‌طرفی و عینیت می‌آفرینند. اما هنگامی که دسترسی به داده انحصاری باشد، همین ظاهرِ عینیت می‌تواند به ابزاری برای حذف نقد تبدیل شود. کسی که به داده دسترسی ندارد، نه می‌تواند ادعایی را راستی‌آزمایی کند و نه می‌تواند روایت دیگری از واقعیت ارائه دهد.

در محیط زیست، پیامد این وضعیت بسیار سنگین‌تر است. آمار برداشت آب، وضعیت آبخوان‌ها، فرونشست زمین، تخریب جنگل، آلودگی هوا، تغییر کاربری اراضی یا کیفیت منابع آب، صرفاً اطلاعات فنی نیستند؛ اینها داده‌های مربوط به سرنوشت سرزمین‌اند. هر جا این داده‌ها پنهان یا مبهم شوند، امکان ارزیابی مستقل طرح‌های انتقال آب، سدسازی، معدن‌کاری، توسعه شهری یا پروژه‌های عمرانی نیز از میان می‌رود.

پنهان‌سازی داده، قدرت نظارت را از جامعه سلب می‌کند. رسانه، دانشگاه، سازمان‌های مردم‌نهاد، متخصصان و حتی ذی‌نفعان محلی، بدون دسترسی به داده، وارد منازعه‌ای نابرابر می‌شوند؛ یک طرف همه اطلاعات را در اختیار دارد و طرف دیگر باید درباره واقعیتی بحث کند که اجازه دیدنش را ندارد.

اما اگر دسترسی به داده به عنوان یک حق عمومی و شهروندی به رسمیت شناخته شود، سازوکاری متفاوت شکل می‌گیرد. جامعه خود به یک نظام پایش دائمی تبدیل می‌شود؛ نظامی متکثر، گسترده، کم‌هزینه و مستقل از ساختار اداری. هزاران چشم، هزاران پژوهشگر، روزنامه‌نگار، کنشگر و شهروند می‌توانند هم‌زمان یک تصمیم یا یک پروژه را بررسی کنند. چنین سازوکاری را نمی‌توان به آسانی خرید، خاموش یا سرکوب کرد؛ زیرا متکی به یک نهاد واحد نیست، بلکه بر تکثر جامعه استوار است.

میشل فوکو آمار را یکی از فناوری‌های قدرت می‌دانست؛ اما همان فناوری، اگر از انحصار خارج شود، می‌تواند به فناوری پاسخ‌گویی نیز تبدیل شود. داده، وقتی عمومی باشد، فقط دولت را قادر به دیدن جامعه نمی‌کند؛ جامعه را نیز قادر می‌کند دولت را ببیند.

به همین دلیل، داده پنهانی صرفاً یک نقص اداری نیست؛ نوعی اختلال در حکمرانی است. جایی که داده پنهان می‌شود، نظارت عمومی تضعیف می‌شود؛ و جایی که نظارت تضعیف شود، فساد، ناکارآمدی و انحراف فرصت رشد پیدا می‌کنند. تاریکی، مناسب‌ترین زیستگاه فساد است؛ و نخستین قربانی تاریکی، حقیقت اعداد است.

ادامه دارد…

https://t.me/complexitythinking

جان کانوی

جهانی که کانوی ساخت، جهانی کوچک و مصنوعی بود، اما پرسشی که پیش روی علم گذاشت بسیار بزرگ‌تر از آن بود: آیا بسیاری از پیچیدگی‌هایی که در طبیعت می‌بینیم نیز می‌توانند از قواعدی ساده و محلی، از طریق تعامل تعداد زیادی جزء، پدید آمده باشند؟
کانوی با «بازی زندگی» پاسخ این پرسش را درباره جهان واقعی نداد؛ اما نشان داد که چنین چیزی از نظر منطقی و ریاضی کاملاً ممکن است. همین نمایش ساده، یکی از روشن‌ترین تصویرها از ایده‌ای شد که بعدها در قلب دانش پیچیدگی قرار گرفت: از قواعد ساده، می‌توان جهانی پیچیده ساخت.
https://t.me/complexitythinking

جان هورتون کانوی

ریاضیدان انگلیسی که نشان داد برای پدید آمدن رفتارهای پیچیده، لزوماً به قواعد پیچیده نیاز نداریم. شاید مهم‌ترین سهم او در شکل‌گیری اندیشه پیچیدگی همین پرسش ساده اما عمیق بود: اگر اجزای یک سامانه فقط چند قاعده ساده را رعایت کنند، آیا از تعامل همین اجزای ساده می‌توان چیزی پدید آورد که در سطح کل، بسیار پیچیده‌تر از خود اجزا باشد؟

کانوی در ادامه راهی قرار گرفت که پیش‌تر جان فون‌نویمان و استانیسلاو اولام با اتوماتاهای سلولی گشوده بودند. اما او این ایده را در قالبی بسیار ساده و در عین حال شگفت‌انگیز به نمایش گذاشت. در اواخر دهه ۱۹۶۰، کانوی «بازی زندگی» را طراحی کرد؛ جهانی از خانه‌های مربعی که هر خانه فقط می‌تواند زنده یا مرده باشد و وضعیت هر خانه در نسل بعد، فقط بر اساس وضعیت هشت همسایه‌اش تعیین می‌شود. اگر یک خانه زنده دو یا سه همسایه زنده داشته باشد، زنده می‌ماند؛ اگر سه همسایه زنده داشته باشد، یک خانه مرده متولد می‌شود و در سایر حالت‌ها خانه می‌میرد یا مرده باقی می‌ماند. همین. چند قاعده بسیار ساده، بدون هیچ فرمانده مرکزی و بدون هیچ نقشه‌ای برای آنچه قرار است در آینده اتفاق بیفتد.
اما هنگامی که این قواعد بارها و بارها بر روی مجموعه‌ای از خانه‌ها اعمال می‌شوند، چیزی ظاهر می‌شود که در هیچ‌یک از خانه‌ها به‌تنهایی وجود ندارد. بعضی آرایش‌ها ثابت می‌مانند، بعضی به شکل دوره‌ای تغییر می‌کنند و دوباره به وضعیت قبلی بازمی‌گردند و بعضی دیگر در صفحه حرکت می‌کنند. یکی از مشهورترین آنها «گلایدر» است؛ الگویی کوچک که بدون آنکه هیچ خانه‌ای واقعاً در صفحه حرکت کند، حاصل جمعیِ تغییرات محلی آن به صورت یک موجودیت متحرک ظاهر می‌شود.

اینجا همان نقطه‌ای است که بازی کانوی برای دانش پیچیدگی اهمیت پیدا می‌کند. یک خانه فقط همسایه‌های خود را می‌بیند و از کل صفحه هیچ اطلاعی ندارد. هیچ خانه‌ای نمی‌داند گلایدر چیست، هیچ خانه‌ای قصد حرکت ندارد و هیچ مرکزی نیز مسیر آن را تعیین نمی‌کند. با این حال، از تعامل همین اجزای ساده، الگویی در سطح بالاتر پدیدار می‌شود که ویژگی‌ای تازه دارد: حرکت. این همان چیزی است که در زبان دانش پیچیدگی از آن با مفهوم «ظهور» یاد می‌کنیم؛ ویژگی‌ای که در سطح کل پدیدار می‌شود، بی‌آنکه در تک‌تک اجزای تشکیل‌دهنده آن به همان صورت وجود داشته باشد.

شگفتی بزرگ‌تر زمانی آشکار شد که پژوهشگران دریافتند جهان کانوی بسیار غنی‌تر از چند شکل متحرک و نوسانگر است. الگوهایی پیدا شدند که می‌توانستند با یکدیگر برخورد کنند، الگوهای دیگری بسازند و حتی ساختارهایی پدید آورند که قادر به انجام محاسبات باشند. در نهایت نشان داده شد که «بازی زندگی» از نظر محاسباتی جهان‌شمول است؛ یعنی می‌توان با ساختارهای مناسب در آن، فرایندهای محاسباتی عمومی را پیاده کرد. به این ترتیب، جهانی که از چند قاعده بسیار ساده بر روی خانه‌های سیاه و سفید آغاز شده بود، ظرفیت ساختن چیزی را پیدا کرد که از نظر منطقی می‌تواند بسیار نزدیک به یک رایانه عمومی باشد.

اهمیت کانوی در اینجا فقط کشف یک بازی عجیب ریاضی نبود. او به ما نشان داد که سادگی در سطح اجزا، الزاماً به سادگی در سطح کل منجر نمی‌شود. یک سلول فقط دو وضعیت دارد، اما مجموعه‌ای از همین سلول‌ها می‌تواند الگوهایی با رفتارهای بسیار متنوع بسازد. بنابراین برای پدید آمدن پیچیدگی، الزاماً لازم نیست اجزای سازنده پیچیده باشند؛ گاهی آنچه اهمیت دارد تعداد زیاد اجزا، نحوه ارتباط آنها و قواعدی است که تعامل میان آنها را سازمان می‌دهد.

از سوی دیگر، بازی زندگی به مسئله پیش‌بینی نیز وجه تازه‌ای داد. این سامانه کاملاً قطعی است؛ اگر وضعیت آغازین و قواعد را بدانیم، وضعیت نسل بعد کاملاً تعیین شده است. اما قطعی بودن به معنای آسان بودن پیش‌بینی نیست. گاهی تغییر تنها یک خانه در وضعیت اولیه می‌تواند سرنوشت یک آرایش را به‌کلی تغییر دهد؛ یک الگو ممکن است پس از چند نسل از بین برود و آرایش بسیار مشابهی هزاران نسل ادامه پیدا کند و ساختارهای تازه تولید کند. در چنین وضعیتی، مشکل از نبود قانون نیست؛ مشکل از پیچیدگی پیامدهای اجرای مکرر قانون است.
به این ترتیب، کانوی شکاف مهمی را میان «قانون ساده» و «رفتار پیچیده» آشکار کرد. ما عادت داریم پیچیدگی را نشانه وجود علت یا دستورالعملی پیچیده بدانیم؛ بازی زندگی این تصور را به چالش می‌کشد. ممکن است قواعد در سطح محلی بسیار ساده باشند، اما تعامل مکرر و انباشته آنها در سطح کل، جهانی بسازد که رفتار آن دیگر به‌آسانی از روی قواعد اولیه قابل حدس نباشد.

ارزشمندترین میراث کانوی برای دانش پیچیدگی همین باشد: پیچیدگی را همیشه نباید در خودِ اجزا جست‌وجو کرد؛ گاهی باید به رابطه میان اجزا و پیامدهای انباشته تعامل آنها نگاه کرد.

گیف بازی زندگی کانوی