پیچیدگی و سیستم‌های پیچیده

پیچیدگی و سیستم‌های پیچیده

پیچیدگی و سیستم‌های پیچیده 787 787 گیتی‌نو
سیستم‌های پیچیده

علم پیچیدگی، یا علم سیستم های پیچیده، مطالعه می کند که چگونه مجموعه بزرگی از اجزا که در مقیاس های کوچک با یکدیگر به صورت موضعی بر هم کنش می کنند، می توانند به صورت خود به خودی خودسازماندهی شوند تا رفتارها و ساختارهای جهانی نابدیهی در مقیاس های بزرگ تر، اغلب بدون دخالت عامل خارجی، مقامات مرکزی یا رهبران، نمایش دهند. تنها با داشتن آگاهی کامل از اجزا، ممکن است ویژگی های چنین مجموعه ای قابل درک یا پیش بینی نباشند. به چنین مجموعه ای یک سیستم پیچیده می گویند که برای بررسی آن به چهارچوب های ریاضی و روش شناسی های علمی جدید نیازمندیم.

سیستمهای پیچیده اغلب بر اساس تعداد اجزا زیادی که به شیوه های مختلف با یکدیگر و در صورت امکان با محیط بر هم کنش می کنند، شناخته می شوند. این اجزا شبکه هایی از برهم کنش ها را تشکیل می دهند که گاهی برخی از اجزا در بسیار از برهم کنش ها دخیل هستند. برهم کنش ها می توانند اطلاهات جدیدی را تولید کنند که مطالعه اجزا به تنهایی یا پیش بینی کامل آینده آنها را دشوار کنند. علاوه بر این اجزای تشکیل دهنده یک سیستم می توانند خود سیستم های جدیدی باشند که منجر به سیستم هایی از سیستم های به هم وابسته 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 می شوند

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

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

سیستم ها بر اساس تغییرات حالات آ نها در گذرزمان می توانند مطالعه شوند. یک حالت به کمک مجموعه ای از متغییرها که به بهترین شکل سیستم را مشخص می کنند توصیف می شود. هنگامی که سیستم از حالتی به حالت دیگر می‌رود متغیرهای توصیف کننده آن نیز اغلب در پاسخ به محیط تغییر می کند. این تغییر خطی نامیده می شود اگر رابطه آن با زمان، حالت کنونی سیستم یا تغییرات محیط به صورت مستقیم باشد. در غیر این صورت این تغییر را غیر خطی می گویند. سیستم های پیچیده معمولا غیر خطی هستند که بسته به حالات و محیطشان با آهنگ های متفاوتی تغییر می کنند. این سیستم ها ممکن است هم حالات پایداری داشته باشند که در صورت مختل شدن نیز در همان حالت ها بمانند و هم حالت های ناپایداری که با کوچکترین اختلالی از حالت خود خارج شوند.
در برخی موارد، تغییرات کوچک محیطی می توانند به طور کلی رفتار محیط را تغییر دهند، مانند دوشاخگی، گذار فاز یا سرریزگاه. برخی سیستم ها آشوبناک هستند و از خود اثر پروانه ای نشان می دهند . به این معنا که به اختلال های کوچک به دت حساس و در درازمدت غیر قابل پیش بینی هستند. یک سیستم پیچیده می تواند 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
سیست مهای پیچیده حالات کنونی خود را دائما تغییر می‌دهند. این تمایل به تغییر باعث بروز رفتارهای غیرقابل پیش‌بینی در دراز مدت می‌شود

برهم کنش بین اجزای یک سیستم پیچیده ممکن است یک الگو یا رفتار جهانی تولید کند. این اتفاق را معمولا با عنوان خودسازمان دهی توصیف می کنند. به این معنی که هیچ کنترل کننده مرکزی یا خارجی وجود ندارد. کنترل یک سیستم خودسازمان ده تا اندازه ای بین اجزای آن توزیع شده و از طریق برهم کنش های آنها کامل می شود. خودسازماندهی می تواند منجربه ایجاد ساختارهای فیزیکی/کاربردی مانند الگوهای بلورین مواد و ریخت شناسی موجودات زنده یا رفتارهای پویا / اطلاعایت مانند رفتارهای اجتماعی ماهی ها و پالس های الکتریکی که درون ماهیچه حیوانات منتشر می شوند، 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 سیستم های پیچیده ممکن است به یک حالت بحرانی خودسازماندهی شوند. حالتی که فقط ممکن است در یک تعادل ظریف بین بی نظمی و نظم وجود داشته باشد. معمولا الگوهایی که در چنین حالت های بحرانی خودسازمان ده ایجاد می شوند از خود خاصیت های عجیب و غریب مختلفی مانند خودهمانندی و توزیع های قانون-توانی از ویژگی های الگو نشان می دهندسیستمهای پیچیده،به جای اینکه فقط به سمت یک حالت مانا حرکت کنند معمولا فعال هستند و نسبت به محیط پاسخ می دهند. برای مثال به تفاوت بین یک توپ که به پایین یک تپه قل می خورد و سرانجام در نقط های متوقف میشود و یک پرنده که هنگام پرواز نسبت به جریا نهای باد خود را وفق می دهد توجه کنید. این سازگاری می تواند در مقیاس های 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 سیستم ها اغلب می توانند سازگار شوند و کارایی قبلی خود را بازیابی کنند و گاهی حتی از قبل هم بهتر شوند. این امر از این راه ها ممکن است:
مقاومت: توانایی تحملاختلال ها
تاب آوری: توانایی بازگشت به حالت اصلی بعد از یک اختلال بزرگ
سازگاری: توانایی تغییر خود سیستم برای حفظ کارایی و زنده ماندن.
سیستم های پچیده با این خصوصیات به اسم سیستم های پیچیده سازگار شناخته می شوند

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

میان رشته ای
علم پیچیدگی میتواند برای فهمیدن و مدیریت گسترهٔ گوناگونی از سیست مها در زمینه‌های زیادی مورد استفاده قرار گیرد. با این وجود به دنبال خصوصیات مشترک بین گونه های متنوع از سیستم های پیچیده بودن، ممکن است کاملاً بیهوده نباشد … ایده های بازخورد و اطلاعات، چارچوب مرجعی برای مشاهده دامنهٔ گسترده ای از شرایط را فراهم می سازد

 

  
سیستهای پیچیده در همه حوزه های علمی و حرفه‌ای ظاهر می‌شوند. از جمله فیزیک، زیست شناسی، بوم شناسی، علوم اجتماعی، اقتصاد، تجارت، مدیریت، سیاست، روانشناسی، انسان شناسی، پزشکی، مهندسی، فناوری اطلاعات و غیره. تعداد زیادی از فناوریهای نوین از شبکه های اجتماعی و فناوریهای تلفن همراه تا وسایل نقلیه خودکار و زنجیره بلوکی، سیستمهای پیچیده با خواص پدیداره ای را تولید می کنن دکه درک و پیش‌بینی آ نها برای بهزیستی اجتماعی بسیار حیاتی هستند. بک مفهوم کلیدی از علم پیچیدگی، عمومیت است، ایده ای که سیستم های زیادی در حوزه های متفاوت پدیده‌هایی با ویژگی های اساسی مشترک را نشان می دهند که می تواند با مدل های علمی یکسان توصیف شوند.
این مفاهیم یک چهارچوب چندرشته ای ریاضیاتی / محاسباتی را تضمین می کنند. علم پیچیدگی می تواند یک رهیافت تحلیلی همه‌جانبه میان رشته ای که مکمل روش های سنتی علمی است و تمرکز بر موضوعات خاص در هر حوزه دارد را ارائه کند.
 
با ما در شبکه های اجتماعی همراه باشید