اشکان
اشکان
خواندن ۹ دقیقه·۱ سال پیش

علوم پیچیدگی و تئوری سیستم های پیچیده به زبان ساده!!

قطعا تا حالا به حرکت کردن مورچه ها در قالب یک گروه دقت کردید ولی آیا متوجه شدید که چطوری انقدر دقیق و هدفمند دارن کار میکنن؟ یا اینکه چطوری تریولون ها نورون توی مغز ما چیزی فوق العاده پیچیده مثل ذهن رو به وجود می آورند؟ یا حتی خارج از بیولوژی در یک دیسیپلین دیگه مثل اقتصاد، چگونه میشه دقیقا فهمید که الآن روی چی سرمایه گذاری کنم سود میکنم؟ آینده یک کشور در ده سال آینده چطوری خواهد شد؟ و ...

هوش جمعی مورچه ها یا swarm intelligence یک نمونه از عملکرد سیستم های پیچیده
هوش جمعی مورچه ها یا swarm intelligence یک نمونه از عملکرد سیستم های پیچیده


این مثالها همه میتونن نشان از یک سیستم پیچیده باشن ولی برای درک و تشخیص بهتر انها اول باید بتونیم بفهمیم تعریف واضح سیستم های پیچیده چیه؟

اگر از متخصصان علوم پیچیدگی و دانش آموختگان علوم سیستم های پیچیده بپرسید که پیچیدگی واقعا چیه؟ ممکنه از درهم تنیدگی کوانتومی و آنتروپی در فیزیک مثال بزنن و در آخر جوابی که به شما میدن اینه که " واقعا نمیدونم چیه!".

اولین و ساده ترین تعریفی که از سیستم های پیچیده وجود داره اینه که یک نوعی از سیستم هستند که از اجزای خیلی زیاد ساخته شدن. ولی مسلما این تعریف، تعریفِ جامعی برای اینکه واقعا بشه این سیستم هارو فهمید نیست.

پس اگه قابل میدونین با من در این مقاله کوتاه همراه باشید تا یکم علمی تر بررسیش کنیم.

تا میانه قرن بیستم بسیاری از دانمشندان متوجه شده بودند که نمیشه و نمیتوان پدیده های پیچیده ای مثل وضعیت اب و هوا، رفتار اقتصادی، سیاسی و فرهنگی جوامع، رشد و تاثیرات فناوری و شبکه های ارتباطی مدرن و.. رو به یک رشته علمی واحد محدود کرد، بلکه برای فهمیدن آنها به یک فهم چند رشته ای (interdisciplinary) نیاز داریم، که مبتنی بر بنیان های علمیِ خاصی باشه، پس نشستن یه سری بنیان های علمی تعریف کردن که منجر به به وجود آمدن یه سری علوم چند رشته ای شد که اخرین انها علمی به اسم سیستم های پیچیده بود.

در کتاب سیری در نظریه پیچیدگی اثر ملانی میچر، اینطور گفته شده که سیستم های پیچیده مجموعه های بزرگ با اجزای ساده ای هستند که از اجزای انها رفتار خیلی پیچیده سر میزند و با تقلیل گرایی (reductionism) نمیتوان آنهارا باز تعریف کرد چرا که در این مجموعه ها "کل چیزی بیشتر از مجموعه اجزایش است".

پس ازونجا که با یک علم چندرشته ای طرفیم و خیلی کمتر به زبون ساده و تئوری بیان شده، سعی کردم تعریفی خوانا و قابل فهم برای اون پیدا کنم که بین تعاریف مختلفی که تا الان ازش شده مشترک ترین و قابل قبول ترین باشه. لازم به ذکره بیشتر این مطالب از دانش جناب دکتر حسین مدنیِ انسان شناس و جناب عباس کریمیِ فیزیکدان جمع آوری و گرداوری شده.

پس در تعریف سیستم های پیچیده به زبان ساده داریم :

سیستم های پیچیده یک گونه خاصی از سیستم اند که از عناصری تشکیل شده اند که با هم در ارتباط اند. این عناصر درهم تنیده اند و دارای یک ساختار یکپارچه integrated هستند. میشه گفت این ساختار یکپارچه بخاطر در ارتباطی اجزا و برهمکنش بین اجزا به وجود می آید. هر چقدر این برهمکنش بین اجزا بیشتر بشه و سرعت آن بالا تر بره سیستم به آستانه پیچیدگی خودش میرسه و در این لحظه است که فرآیند پدیدارگی یا Emergence در آن اتفاق میفته!
برای مثال تعداد زیادی سلول که یک جاندار زنده رو درست میکنن. (مانند گونه انسانهای هوموساپینس که 200 هزار سال پیش پدیدار شدند.) یا میلیاردها سلول عصبی در مغز که آگاهی و هوش رو ایجاد میکنند. (یعنی هوش میتواند یک پدیدارگی باشد).

پس ما در یک سو ما با یک سیستم یکپارچه کار داریم در یک سوی دیگر با اجزای آن.

برهم کنش بین اجزا؟ یعنی چه؟

چون سیستم های پیچیده قبل از هر چیزی یه "سیستم" هستن بهتره یه گریزی بزنیم به تعریف سیستم که یه مجموعه ایه که عناصرش با هم در ارتباط اند(connection)، مثل چرخدنده های ساعت.
ساز و کارشون هم اینجوریه که یه ورودی میگیره و یه خروجی میده بیرون. خروجیش هم کاملا قابل پیش بینیه. عناصر و اجزا هم ساده هستند و قدرت تصمیم گیری ندارن.

منتها توی سیستم های پیچیده هر کدوم از عناصر چون خودمختارن علاوه بر اینکه با هم در ارتباطن با هم برهم کنش یا interaction هم دارن،
درواقع این بر همکنش ها هستند که میتونن عامل پیچیدگی سیستم باشن چون خروجیش یه اتفاق غیر قابل پیش بینینیه و چون کل خیلی پیچیده تر از مجموعه اجزاش هست، اگه ورودی ای به این سیستم بدیم باس نتیجه رو مشاهده کنیم ببینیم چی قراره پدید بیاد!
توی کتاب میلانی میچر برهم کنش رو اینجوری تعریف کرده (برگرفته از pdfترجمه شده این سایته) :
"سـیستمهای پیچیده اغلب بر اساس تعدادِ اجزای زیادی کـه بـه شیوه های مختلـف بـا یکدیگر، و در صـورت امکان، بـا محیـط برهمکنـش میکنند شناختــه میشوند.
ایــن اجزا، شبکه هایی از برهمکنشهـا را تشکیـل میدهنـد کـه گاهی برخـی از اجزا، در بسـیاری از برهمکنشهـا دخیل هســـتند.
برهمکنشهـــا میتوانند اطلاعات جدیدی را تولیــد کننــد کــه مطالعــه اجزا به تنهایی یـا پیشبینی کامـل آینده آنها را دشوار کنند. عالوه بر ایـن، اجزای تشکیـل دهنده یک سـیستم میتواننـد خود سیستمهای جدیدی باشنــــد کــــه منجــــر بــــه سیستمهایی از ســیستمهای به هم وابســته شوند. بزرگترین 
چالـش علـم پیچیدگـی نـه تنها دیدن اجزا و ارتباطات آنهـا اسـت بلکـه درک ایـن مسئله  اسـت کـه چگونـه ایـن ارتباطات باعـث پدید آمدن یک کل میشوند."

مثال :
- میلیاردها سلول عصبی در حال برهمکنش 
در مغز انسان

در مقاله ای که در سایت موسسه هاوا درباره پبچیدگی گذاشته شده گفته شده که در زبان اروپایی 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.

بریم یکم توی تعریف بهتر این سیستم ها درگیر بشیم و چندتا از ویژگی های مهمشو با هم بررسی کنیم :

  • 1- اجزای سیستم های پیچیده که معمولا ایجنت (agent) نامیده میشن یک خود مختاری (autonomy) دارند و مجموع اجزا در کنار همدیگر یک سازش با محیط دارند(adaptation) پس یک پویایی یا دینامیک دارند که داینامیک آنها در جهت بقاست.
  • 2- در سیستم های غیر پیچیده ما یک کنترل مرکزی داریم درصورتی که در سیستم های پیچیده به جای کنترل مرکزی دارای خودساماندهی هستیم. خود ساماندهی یا self organization به این معنیه که هیج کنترل کننده مرکزی یا خارجی وجود نداره و در این صورت کنترل یک سیستم خودسامانده تا حدی بین اجزا اون توزیع میشه و از طریق برهمکنشهای آنها کامل میشه. میشه گفت هوش جمعی، یه پدیدارگیه که با خودساماندهی زیاد در یک حالت بحرانی اتفاق افتاده. مثل رفتارهای اجتماعی ماهی ها یا حرکت جمعی پردندگان. پس واضحه که در یک سیستم پیچیده نمیشه کنترلگر اون رو پیدا کرد و تمامی اجزا دارن خودشون رو در یک حالت پایداری کنترل میکنن و این یک کنترل جمعیه!
  • 3- در این سیستمها اجزا به هم وابسته هستند و یک رفتار وابسته دارند پس به هم پیوستگی (interconnected) و وابستگی متقابل(interdependency) جزو ویژگی های این سیستم است.
  • 4- یک ویژگی بزرگ که از سیستمهای پیچیده نتیجه میشود، وجود تنوع رفتار های اجزای سیستم و تطابق است. دو ویژگی diversity به معنی تنوع و همچنین heterogeneity به معنی ناهمگونی در آنها دیده میشود.( توجه داشته باشید که خیلی نمیشه به معنی فارسی بعضی واژه های عملی استناد کرد بخاطر همین سعی کنین بیشتر به واژه اصلیش توجه کنین.)
  • 5- تکامل و یادگیری از دیگر ویژگی های این سیستم است، در این سیستم ها همیشه فرایند تکامل از طریق یادگیری اتفاق میفتد، سیستم برای اینکه شانس بقای خودش رو افزایش بده به اجزا اجازه میده تنوع داشته باشند و در اینجا یک مکانیسم فیدبک داریم که این به سیستم یاد میده که از طریق حذف کردن تکامل پیدا کنه چیجوری؟ سیستم از طریق مکانیسم فیدبک رفتارهایی رو که به نظرش رفتار های بهتری برای فرایند تطبیق و سازگاری است رو انتخاب میکنه که محصول آن انتخاب طبیعی یا natural selection است. پس سیستم یاد میگیره که چه رفتارهایی مناسبن که بتونه با نگه داشتن اونها زنده بمونه و تکامل پیدا کنه.
پس تا اینجا به صورت کلی میشه گفت ما در سیستم های پیچیده یک سری اجزایی داریم که مستقل و خودمختار هستند و با هم برهمکنش دارند، وقتی این اجزا تطبیق پیدا میکنند یک پویایی در سیستم شکل میگیره که همزمان هم به بقای سیستم کمک می‌کنه هم به خود سیستم اجازه میده که در درون خودش دامنه متنوعی از رفتار ها شکل بگیره، در اینجا سیستم از طریق انتخاب طبیعی و یادگیری (با مکانیسم بازخورد یا feedback) بعضی رفتار ها رو حذف میکنه و بعضی رو نگه میداره و همینجوریه که تکامل پیدا میکنه.

یاد ازمایشی از ماریو سیگمان نویسنده کتاب زندگی پنهان ذهن افتادم که سوالی رو مطرح کرده بود تحت عنوان اینکه "برج ایفل چند متره؟" و حاضرین رو در چند گروه پنج نفره و چند نفره، تقسیم کرد که به اون پاسخ بدن. چیزی که جالب بود این بود که گروه ها به صورت خود به خودی اون کسی که جواب خیلی پرت میده رو حذف میکردن و هر چی تعداد بیشتر بود جواب نزدیکتر بود. البته بهتره توجه داشته باشین که گروه با سیستم فرق میکنه و این ممکنه گاهی باعث اشتباه بشه. در گروه آدم ها اگه برهم کنشی بین اجزا وجود نداشته باشه نمیشه اون رو یک سیستم دونست.

جا داره اشاره کنم که یک ویژگی منحصر به فرد سیستم های پیچیده اینه که از الگوهای یکسانی پیروی میکنند و اگر قوانین یکسانی بین اونها پیدا کنید میتونین این قوعد رو به سیستم پیچیده دیگه تعمیم بدید.

یعنی این شکلی به راحتی میشه خیلی ساده مثلا با فهمیدن رفتارهای نورون های عصبی مغز اونهارو به عملکرد های مختلفی مثل درک نوسان های مالی در بازار سهام و ... تعمیم داد و همون شکلی رفتار اونهارو پیش بینی کرد.

خوب به صورت کلی تا اینجا میشه گفت که برهمکنش بین اجزا ، پدیدارگی ، دینامیک و پویایی، خودساماندهی ، سازگاری و تطبیق از بزرگترین مسائلی هستند که ظاهرا در این سیستم ها وجود دارد.

در ادامه با مطالعه بیشتر متوجه شدم سیستم های پیچیده متشکل از این چند تئوری اند که در زیر آورده شده، اگه علاقه مند بودید میتونین جداگانه هر کدوم رو مطالعه کنید:

  • Self organization Theory
  • Chaos Theory
  • Network Theory
  • Adaptive system Theory

ممنون که تا اینجا همراهم بودین. بینهایت خوشحال میشم اگه نظرات و پیشنهادات خودتون رو برام بنویسید

سیستمهای پیچیدهپیچیدگیعلوم شناختیفیزیکهوش مصنوعی
دانشجوی تکنولوژی معماری (طراح محسباتی)، ایده پرداز و محقق. علاقه مند به آینده پژوهی، علوم شناختی، سیستم های پیچیده و موسیقی
شاید از این پست‌ها خوشتان بیاید