پیچیدگی و سیستم‌های پیچیده

سیستم‌های پیچیده

علم پیچیدگی، یا علم سیستم‌های پیچیده، مطالعه می‌کند که چگونه مجموعه بزرگی از اجزا، که در مقیاسهای کوچک به صورت موضعی با یکدیگر بر هم کنش می‌کنند، می‌توانند به صورت خود به خودی “خودسازماندهی” شوند تا رفتارها و ساختارهای جهانی نابدیهی را در مقیاس‌های بزرگ‌تر نمایش دهند، آن هم اغلب بدون دخالت عامل خارجی، مقامات مرکزی یا رهبران. فقط با داشتن آگاهی کامل از اجزا، ممکن است ویژگی‌های چنین مجموعه‌ای قابل درک یا پیش‌بینی نباشد. به چنین مجموعه‌ای، یک سیستم پیچیده می‌گویند که برای بررسی آن به چهارچوب‌های ریاضی و روش‌شناسی‌های علمی جدید نیازمندیم.

سیستم‌های پیچیده، اغلب بر اساس تعداد اجزا زیادی شناخته می‌شوند که به شیوه های مختلف با یکدیگر و در صورت امکان با محیط، بر هم‌کنش می‌کنند. این اجزا، شبکه‌هایی از برهم کنش‌ها را تشکیل می‌دهند که گاهی برخی از اجزا، در بسیاری از برهم کنش‌ها دخیل هستند. این برهم کنش‌ها می‌توانند اطلاعات جدیدی را تولید کنند که مطالعه اجزا به تنهایی، یا پیش بینی کامل آینده آنها را دشوار کند. علاوه بر این اجزای تشکیل دهنده یک سیستم می‌توانند به نوبه خود سیستم‌های جدیدی باشند که منجر به سیستم‌هایی از سیستم‌های به هم وابسته تبدیل شوند. بزرگترین چالش علم پیچیدگی نه تنها دیدن اجزا و ارتباطات آن هاست، بلکه درک این مساله است که چگونه این ارتباط باعث پدید آمدن یک کل می‌شود.

پدیدارگی
ویژگی‌های سیستم‌های پیچیده به عنوان یک کل، نسبت به ویژگی اجزای آنها به صورت تک تک، بسیار متفاوت و معمولاً غیرمنتظره هستند.

در سیستم‌های ساده، خصوصیات کل با جمع کردن خصوصیات اجزای تشکیل‌دهنده آن قابل فهم یا پیش‌بینی است . به بیان دیگر خواص ماکروسکپی یک سیستم ساده را می توان از خواص میکروسکپی اجزا آن نتیجه گرفت. اما در سیستم‌های پیچیده به دلیل پدیده ای به نام پدیدارگی، درک یا پیش‌بینی خواص کل از دانش اجزای آن ممکن نیست. این پدیده شامل سازو کارهای متنوعی است که باعث برهم کنش بین اجزای سیستم می‌شود تا اطلاعات جدید تولید کند و ساختارها و رفتارهای جمعی غیر بدیهی در مقیاس‌های بزرگتری را از خود نشان دهد. اصطلاح مشهورِ کل، بیشتر از جمع اجزاست.

 سیستم‌ها بر اساس تغییرات حالات آنها در گذر زمان می‌توانند مطالعه شوند. یک حالت، به کمک مجموعه‌ای از متغییرها که به بهترین شکل سیستم را مشخص می‌کنند، توصیف می‌شود. هنگامی که سیستم از حالتی به حالت دیگر می‌رود متغیرهای توصیف‌کننده آن نیز اغلب در پاسخ به محیط تغییر می‌کند. اگر رابطه این تغییر با زمان، حالت کنونی سیستم یا تغییرات محیط به صورت مستقیم باشد، خطی نامیده می‌شود. در غیر این صورت این تغییر را غیر خطی می‌گویند. سیستم‌های پیچیده معمولا غیر خطی هستند که بسته به حالات و محیطشان با آهنگ‌های متفاوتی تغییر می‌کنند. این سیستم‌ها ممکن است هم حالات پایداری داشته باشند، که در صورت مختل شدن نیز در همان حالت‌ها بمانند و هم حالت‌های ناپایداری که با کوچکترین اختلالی از حالت خود خارج شوند.
در برخی موارد، تغییرات کوچک محیطی می‌توانند به طور کلی رفتار محیط را تغییر دهند، مانند دوشاخگی، گذار فاز یا سرریزگاه. برخی سیستم‌ها آشوبناک هستند و از خود اثر پروانه‌ای نشان می‌دهند. به این معنا که به اختلال‌های کوچک به شدت حساس و در دراز مدت غیرقابل پیش‌بینی هستند. یک سیستم پیچیده می‌تواند به مسیر نیز وابسته باشد به طوری که حالت آینده آن نه تنها به حالت کنونی آن، بلکه به مسیر آن در گذشته نیز وابسته باشد.

دینامیک
سیستم‌های پیچیده حالات کنونی خود را دائما تغییر می‌دهند. این تمایل به تغییر، باعث بروز رفتارهای غیرقابل پیش‌بینی در دراز مدت می‌شود.

برهم‌کنش بین اجزای یک سیستم پیچیده ممکن است یک الگو یا رفتار جهانی تولید کند. این اتفاق را معمولا با عنوان خودسازمان‌دهی توصیف می‌کنند. به این معنی که هیچ کنترل‌کننده مرکزی یا خارجی وجود ندارد. کنترل یک سیستم خودسازمان‌ده، تا اندازه‌ای بین اجزای آن توزیع شده و از طریق برهم کنش‌های آنها کامل می‌شود. خودسازماندهی می‌تواند منجربه ایجاد ساختارهای فیزیکی/کاربردی مانند الگوهای بلورین مواد و ریخت‌شناسی موجودات زنده یا رفتارهای پویا/اطلاعات، مانند رفتارهای اجتماعی ماهی‌ها و پالس های الکتریکی که درون ماهیچه حیوانات منتشر می‌شود، گردند. هنگامی که سیستم در این فرایند بیشتر ساماندهی شود، با گذشت زمان الگوهای برهم کنشی جدیدی ممکن است پدیدار شوند که می توانند منجر به ایجاد پیچیدگی بیشتر شوند.

در برخی موارد، سیستم‌های پیچیده ممکن است به یک حالت بحرانی خودسازماندهی شوند. حالتی که فقط ممکن است در یک تعادل ظریف بین بی‌نظمی و نظم وجود داشته باشد. معمولا الگوهایی که در چنین حالت‌های بحرانی خودسازمان‌دهی ایجاد می‌شوند از خود خاصیت‌های عجیب و غریب مختلفی مانند خودهمانندی و توزیع های قانون‌مند از ویژگی‌های الگو نشان می‌دهند. سیستمهای پیچیده،به جای اینکه فقط به سمت یک حالت مانا حرکت کنند معمولا فعال هستند و نسبت به محیط پاسخ می‌دهند. برای مثال به تفاوت بین یک توپ که به پایین یک تپه قل می‌خورد و سرانجام در نقطه‌ای متوقف می‌شود و یا یک پرنده که هنگام پرواز نسبت به جریان‌های باد خود را وفق می‌دهد، توجه کنید. این سازگاری می‌تواند در مقیاس‌های چندگانه اتفاق بیفتد:

– شناختی، در حین یادگیری و رشد روانی
– اجتماعی، با به اشتراک گذاشتن اطلاعات به وسیله پیوندهای اجتماعی
– یا حتی تکاملی، از طریق تنوع ژنتیکی و انتخاب طبیعی

در شرایطی که اجزا آسیب ببینند یا حذف شوند، این سیستم‌ها اغلب می‌توانند سازگار شوند و کارایی قبلی خود را بازیابی کنند و گاهی حتی از قبل هم بهتر شوند. این امر از این راه‌ها ممکن است:

– مقاومت: توانایی تحمل اختلال‌ها
– تاب‌آوری: توانایی بازگشت به حالت اصلی بعد از یک اختلال بزرگ
– سازگاری: توانایی تغییر خودِ سیستم برای حفظ کارایی و زنده ماندن.
سیستم های پچیده با این خصوصیات به اسم سیستم‌های پیچیده سازگار شناخته می‌شوند.

خودساماندهی
سیستم‌های پیچیده می‌توانند به نحوی خودساماندهی کنند که الگوهایی غیربدیهی را بدون هر نقشهٔ ساختی به طور خودبخودی تولید کنند.