قبل از هر چیز باید به این موضوع توجه کرد که «حیات» یا فرآیند های زنده در یک فضای فاز مشخص قرار نگرفته اند بلکه همواره در حال جستجو و محک مرز های خودشان هستند. به طور مثال اگر یک سلول زنده در بدنتان را در نظر بگیرید تنها وظیفه ی چنین سیستمی بقا از طریق مصرف انرژی نیست بلکه فراتر از آن جستجوی پارامتر های جدید در فضای فاز است. به همین دلیل سلول های شما به صورت مداوم مسیر های متفاوتی را امتحان می کنند و در حال یافتن مسیر های جدید برای انجام کارهای پیشین یا مسیر های بکلی جدید برای انجام کارهای جدید هستند. در زیست شناسی گاهی چنین فرآیند بسیار پیچیده و چند لایه ای را در قالب جهش random mutation شناخته می شود. با این حال چنین فرآیندی یک فرآیند تصادفی قاعده مند است و نه صرفا امتحان کردن همه ی حالات. صد البته گاهی چنین مسیر هایی به بن بست های بدی ختم می شوند که مشخص ترین مثال آن سلول های سرطانی است. بدن شما هر روز سلول های سرطانی ایجاد می کند و این بخشی از فرآیند جستجو (exploration) چنین سیستمی است.
نکته ی بعدی این است که جستجو فقط در سطح ژنتیک انجام نمی شود بلکه «حیات» از اساس سیستمی است که در مقیاس های مختلف کار می کند (scale free). بنابراین جستجو نه تنها در سطح ژن بلکه در سطح سلول و ارگان و حتی موجود زنده و زیست بوم رخ می دهد. در هر لایه سیستم توانایی تصمیم گیری بر اساس ورودی هایی که به آن وارد می شود را دارد.
فرض کنید بر روی مدل آیزینگ یک آهن ربا را به صورت تصادفی انتخاب و آن را برعکس میکنیم (اگر بالا باشد به پایین و اگر پایین باشد به بالا تغییر میدهیم) در این صورت خانه های اطراف آن ممکن است تحت تاثیر قرار بگیرند و مقدار آن ها هم به تبع چنین تغییری برعکس شود. اما احتمال این تغییر رابطه ی معکوسی با دما دارد. هر چه دما بالا تر باشد احتمال چنین تغییری بیشتر است اما اگر دما از حدی بیشتر شود اثرات گرمایی آنقدر شدید می شود که حرکت آهنربا ها تقریبا بدون هیچ ارتباطی به هم به صورت تصادفی تغییر می کند. اگر دما بسیار کم باشد احتمال تغییر باز هم پایین است چون در دمای پایین تمایل آهن ربا ها برای تغییر هم کمتر است. در دمای بحرانی اما اتفاق جالبی می افتد. در این دما با تغییر یک آهن ربا یک فرآیند گلوله برفی (snowballing effect) رخ می دهد به این معنا که اکثر تغییرات محلی است اما گاهی یک تغییر مانند یک دومینو به نقاط بسیار دوردست تری می رسد. به این ترتیب همبستگی زیادی بین نقاط به وجود می آید. طول همبستگی (correlation length) متری است که با آن متوجه می شویم سیستم تا چه اندازه به هم متصل است. اگر شما به دمای بحرانی از پایین یا بالا نزدیک تر شود این طول بزرگتر و بزرگتر می شود و در خود دمای بحرانی طول همبستگی به اندازه ی کل سیستم است! به این ترتیب سیستم به یک واحد تبدیل می شود که رابطه های درونی با طول های مختلف دارد ولی می توان مطمئن شد که هر جای سیستم می تواند با هر جای دیگر آن اطلاعات رد و بدل کند.
با اینکه مدل آیزینگ بسیار ساده است نمونه ی بسیار جالبی از ساخته شدن یک کل از اجزا را در طبیعت نشان می دهد. ویژگی های عجیب تر این مدل این است که در نقطه ی بحرانی دقیقا شبیه به یک فراکتال می شود یعنی اگر شما در آن به عقب یا جلو زوم کنید یک ساختار را می بینید! در این ویدیو می توانید این موضوع را ببینید. به چنین خاصیتی به اصطلاح «عدم تغییر مقیاس» (scale invariance) گفته می شود.
فراکتال ها در طبیعت به وفور یافته می شوند اما برخلاف انتظار شما بسیاری از فراکتال ها منظم نیستند. یک مثال آن هم خود مدل آیزینگ است. چنین فراکتال هایی ساختارهای پیچیده و نامنظمی را نشان می دهند.
عدم تغییر نسبت مقیاس یکی از ویژگی های تقریبا جهانی در زیست شناسی است. بسیار از دینامیک ها و ویژگی ها در زیست شناسی در مقیاس های مختلف تکرار می شوند. به طور مثال دینامیک شکارچی شکار (predator prey) از سطح ژنتیک تا سطح بوم شناسی و حیوانات دیده می شود. چنین الگوهایی تنها یک تصادف نیست. و الگوی شکارچی و شکار تنها یک نمونه ی بسیار نادر نیست. از قضا چنین الگوهایی بسیار زیاد و در همه ی سطح ها دیده می شوند. دینامیک شکارچی و شکار شامل یک شکارچی مانند روباه و یک شکار مانند خرگوش هست. در این مدل اگر تعداد روباه ها بسیار زیاد شود خرگوش ها از بین می روند از طرفی اگر تعداد روباه ها کم باشد خرگوش ها آنقدر زیاد می شوند که گرسنه میشوند و میمیرند. به عبارتی این دو گونه جمعیت همدیگر را کنترل میکند. چنین دینامیکی با یک معادله دیفرانسیل جفت قابل توضیح دادن است که به اسم معادله لوتکا-ولتررا شناخته می شود. این معادله بین باکتری ها و باکتریوفیج ها (Bacteriophages) بین حشرات و عنکبوت ها و غیره برقرار است.
نکته ی مهم این است که چنین دینامیک هایی از اساس مستقل از مقیاس هستند. به این معنا که اگر شما بر روی بخشی از این سیستم ها زوم کنید باز هم روابط بسیار مشابهی را می بینید. به این ترتیب برای درک چنین دینامیکی بر خلاف آنچه در فیزیک معمول است باید آن را در یک کل درک کرد. توجه کنید که در این جا منظور از زوم کردن هم از لحاظ فضایی (از سطح ژن و سلول تا زیست بوم و کل زیست کره biosphere) و هم زمانی (از چند میکروثانیه تا چند میلیون سال) است. حالا وقت آن است که به گل پرنده سبز برگردیم. اگر شما به چنین پدیده ی طبیعی ای به صورت یک فرآیند حاصل یک مهندسی یا ناظم بنگرید تفاوتی بین چنین چیزی و یک معجزه ی به تمام معنا نمیبینید! چنین فرآیندی نمی تواند حاصل تصادف باشد! اما وقتی به دینامیک رشد این گل در مقیاس های مختلف از ژنتیک تا ارتباط گل با شکارچی اش و زمان بین عمر یک گل تا چند صد هزار سال که تغییرات کوچک در آن کنار هم جمع می شود بنگرید متوجه می شوید که چنین شکلی نه تنها عجیب نیست بلکه بسیار هم منطقی و نتیجه ی یک فرآیند فیزیک است.
در انتها باید اضافه کنم که چنین توضیحی به هیچ وجه از راز آمیزی و معجزه بودن این فرآیند نمی کاهد بلکه بیشتر بر آن می افزاید. تصور اینکه چنین گلی نتیجه ی بوجود آمدن دفعی یک خلق توسط یک هوش فراتر است تمام زیبایی جزییات ریاضی دینامیکی آن، نحوه ی فرگشت آن و مسیر آینده آن را به کلی خنثی و آن را به طرز کودکانه ای مشابه با ساخت های بشر مانند ماشین، ساختمان یا یک ساعت می کند. طبیعت از طرفی پر است از خلاقیت های پویا و یک رقص نا تمام بین اجزایش در تمام مقیاس ها. از سطح ژنتیک و پروتئین ها گرفته تا کره ای که حتی از فضا هم سبز بودنش خیره کننده است.
