Спеур кртако о хаосе

Zakhar Kogan
8 min readApr 19, 2019
Источник в виде источника, ниже в виде ссылки

http://www.mementor.se/wp-content/palmberg-complex-adaptive-systems-research-report.pdf => короткое введение в комплексные адаптивные/хаотические системы, разделённое на две части:

  • Основные свойства этих систем;
  • Методы их направления (управлять не особо удастся) => можно пользоваться в качестве чек-листа, хоть и не очень подробного => в будущем, когда знаний будет побольше, есть желание составить что-то вроде таблицы или блок-схемы.

Крутость комплексных адаптивных систем в том, что они везде — это и наш организм, и общество, и фондовый рынок, и биосфера, и космос — практически всё, начиная с инфузории в пруду и еды, которая от неё бегает.

Что ж, приступим:

Свойства

  1. Взаимозависимые агенты / участники / составные части
Снова Китай, снова Китай

Всё просто — составляющие части системы могут влиять друг на состояние и поведение друг друга своим состоянием или поведением (или маслом масло взбивать).

По сути, это один из признаков систем с эффектами второго и далее порядков — простейшим примером можно назвать автомобилистов, стоящих в пробке, и подъезжающих, выбирающих пути объезда. Они бы поехали по другому пути, не будь других в пробке :)

2. Нелинейность / эффект бабочки

Звенит в Эль-Ниньо вьюга, и ветры хлещут аааааа

Сила и масштаб воздействия на систему не имеет прямой связи с возникающим в результате его эффектом — масштабное воздействие может не иметь эффекта вовсе, или иметь краткий эффект, после которого система придёт в равновесие.

Простейший пример — всем известный эффект бабочки, или лежащее в основе предсказание погоды — небольшое отклонение в условиях для расчёта может вызвать кардинальные изменения в прогнозе.
Пример другой категории— тяжёлая палка, кинутая (ха!) по течению ручья, уплывёт, а более тонкая, поставленная поперёк, будет менять течение (пока не сломается — прямо как человек). Outside the box, bois.

3. Адаптивность и изменчивость

Ежжи братуха заходи слева! Пыхти!

Все КАС (Комплексные Адаптивные Системы, мои солнечные) способны адаптироваться к среде, можно сказать — обучаться.

Дальше в примерах будут животные (грязные животные, ммм) => в данном случае, например — дельфины, которые учатся работать в команде, чтобы ловить вкуснейших обитателей океана.

4. Эмерджентность

Эти чуваки шарят в наведении мостов

Эмерджентность (emergence) — способность агентов системы, объединяясь, образовывать структуры, группы, кластеры, имеющие свойства и атрибуты, не присущие агентам по отдельности.

Муравьи, формирующие мост через воду — отличный пример эмерджентности.

5. Самоорганизация

Тут только гифка

Можно назвать и частным случаем эмерджентности, однако в общем случае способность к самоорганизации — по сути, способность создавать подобие порядка из хаоса => структур, подчиняющихся каким-либо законам.

Примером можно назвать дорожное движение в Индии; или даже разделение на группы по обязанностям/функциям!

6. Распределённый контроль / управление

Умнее многих, хотя и меньше 47 хромосом

“Отсутствие централизованного управления не означает, что система не управляется вовсе => на деле, у каждого организма и/или системы наличествуют процессы контроля состояния и поведения” Senge, 1990, p. 292

По аналогии со статьёй, хорошим примером самоуправляемой и самоорганизующейся системы можно назвать мицелий гриба — не имея нервной системы, он адаптируется и меняется в соответствии с условиями (развиваясь там, где можно больше покушать/попить, конечно — как и мы!);

7. Совместная эволюция / развитие

Марк, у тебя смузи остывает!

Развивается и меняется каждая часть системы, см. пункт 1 — агенты взаимозависимы, и изменения в одной части системы означают изменения в других => и так далее, далее, далее. Примером можно назвать большую организацию с подразделениями.

8. Непредсказуемость в деталях, но наличие структур и паттернов поведения

Как ни странно, цены на товары подвержены паттернам (в зависимости от погоды и урожая, или средней температуры пяток жителей стран в случае топлива)

Анализируя КАС (Патрис) в деталях, мы в них и погрязаем — слишком уж велико количество агентов и взаимосвязей, эффектов второго и более порядков. Однако, если смотреть на подобные системы в целом => искать базовые структуры, являющиеся источником изменений в системе => можно находить структуры и паттерны, которые, по сути, являются порядком в хаосе. Вспоминаем фракталы и самоподобие, рекурсивно.
Примером можно назвать фондовый рынок — предсказать поведение цен на товар или акцию крайне сложно (только не стоит о фракталах), однако на том же товарном рынке присутствуют сезонные паттерны зависимости от прогнозов погоды, и практически всегда есть место поведению толпы — страху и жадности.

Направление / менеджмент

Сложной системой невозможно управлять (как и предсказывать состояние) в деталях (см. пункт 8, снова), но можно, опять же, менять общее направление.

  1. Создание видения будущего, к которому система будет стремиться
Отличный пример — мотивационная доска => человек (или человечек (или человечишко!)) стремится к видению поведения

Больше подходит для систем, состоящих из людей (или, хотя бы, животных (ну ладно, подойдут и слои современных типов нейронных сетей)).
Основная идея — оставить попытки управления с помощью пошаговых инструкций и планов => создав видение конечного состояния системы (условно говоря, замотивировав своим видением, зажигая сердца) блаблабла=> позволяя системе самоорганизоваться. Проще говоря, поменьше микроменеджмента, побольше свободы (пролетариям) небольшим группам в составе системы!

2. Задание правил управления сложным поведением

Об этом буквально чуть ниже

“Хаос сдерживается правилами и ограничениями, им управляющими” Tetenbaum, 1998, p. 25

Для симуляции поведения стаи птиц Крэйг Рейнольдс в итоге вывел три простых правила: разделение (движение от плотного скопления, для избежания чрезмерной концентрации ближайших птиц/агентов), согласование (движение в примерную сторону, куда движутся ближайшие птицы/агенты) и объединение (движение к скоплению/средней точке нахождения ближайшего кластера).

Эти три простых правила позволяют стае симуляционных агентов (боидов (почти грабоидов!)) проходить практически любые препятствия => простые правила, при наличии множества взаимодействующих частей системы, способны приводить к сложному адаптивному поведению => чаще всего, система, которую мы пытаемся анализировать, управляется также — несколькими основными принципами => стоит это учитывать, и не пытаться усложнять.

3. Аттракторы

Мини-аттрактор и средство косвенного повышения продуктивности в офисе — столовая или кофейная машина

“Сопротивления не существует — лишь притяжение.”

Для того, чтобы менять поведение системы, эффективнее не пытаться “проталкивать” её в нужном направлении, а создавать точки притяжения в нужных местах и убирать факторы, ограничивающие развитие системы (в нужном направлении => можно их создавать для нежелательных направлений, но никто этого не говорил) => снова пример замечательной ментальной модели Via negativa.

“Важно перенаправлять имеющуюся в системе энергию, не бороться с ней.”

4. Разнообразие и напряжение

Как пример

Несмотря на то, что часто упрощение и простые правила работают отлично — это не универсальный подход. Иногда, особенно тогда, когда требуется нестандартное поведение системы, а в случае системы людей — инновации, креативность и прорывы => стоит усложнять.

Иногда полезно добавить гетерогенности в систему (люди из разных областей в команде), иногда — создать ограничения, или задачи с жёсткими рамками/условиями. Важно лишь знать меру с подобным — слишком мало, и система укоренится в старых паттернах, слишком много — приведёт к хаотическому поведению и отсутствию самоорганизации.

Второй подход — сложные, открытые вопросы без единого ответа. Напрашивается дополнительное применение техники креативности с минимальным числом вариантов/ответов, возможно — с ограничением времени.

Третий подход — совмещать сотрудничество и соперничество. Здесь нет места полярности и дуальности (как и во всём, связанном с КАС, и вообще в жизни) => важно совмещение подходов, а не прыжки от одного к другому.
В организации на помощь может прийти геймификация, например; или общая задача с лёгким элементом соперничества, где доход частично (но не полностью!) зависит от результативности. Слегка похоже на коллективную ответственность с капиталистическим привкусом — ей, наверное, и является :)

5. Эксперименты и рефлексия / анализ

Краткая схема с пуфиками вместо людей

Традиционный подход к решению задач — анализ, анализ, ещё раз анализ, затем действия, и катастрофа при неудаче.
Подход с комплексными системами — эксперименты, затем анализ результатов, затем следующая итерация — более эффективная и адаптивная => можно назвать частным случаем антихрупкости (Нассим, приветик).

Важно — эксперименты должны быть:

  • с минимальной стоимостью неудачи (failsafe => safe to fail);
  • поощряемыми, особенно — нестандартный подход к решению задач => не стоит стыдить за неудачный эксперимент, как минимум;
  • желательно — повторяемыми (безусловно, разок увидеть, как профи пишет супер-однострочник и объясняет его, может натолкнуть на полезные мысли => однако лучше, когда подобное смогут, хотя бы частично, применять другие агенты системы);
  • отслеживаемыми и измеряемыми => это поможет анализировать результаты и понять, как лучше применять шестой пункт, который чуть ниже :)

6. Чанкинг / разбиение на мелкие части и анализ по отдельности

Чанкинг и выбор работающих частей можно представить в виде графов

Даже маленький эксперимент (например, лендинг для мини-проекта) является, чаще всего, тоже сложной системой — просто существует на более коротком отрезке времени, чем основная система. Он состоит из множества деталей — продолжаем пример => кнопки, текстовка, медиа-материалы, товар/услуга и т.д.

Хорошим подходом является старт с малого, и анализ, в первую очередь, в поисках того, что работает (части и паттерны/правила) => оставлять работающее, убирать нерабочее => т.е. мыслить экспериментами не как неделимыми частями, а как конструктором => экспериментировать и адаптироваться!

7. Обратная связь

Крутейшая репрезентация обратной связи — петля OODA от Джона Бойда. О ней чуть позже стоит расписать — концепция полезная.

Важнейший пункт, управляющий процессами обучения (в том числе, и в случае людей/сознания).

В общем случае обратная связь — получение информации о результате действия (или анализе этого результата) агентом/кластером => изменение дальнейшего поведения в соответствии с этой информацией.

Обратная связь бывает усиливающей <> балансирующей, или положительной <> отрицательной, можно даже сказать, что трендовой <> возвращающей к среднему. Проще говоря, одна “усиливает” поведение, другая его ослабляет.

Простейший пример — оценки, KPI, палка учителя (которой бьют по рукам, то — другая…).

Выводы

Важно:

  1. Понимать, какие системы являются комплексными (спойлер: что угодно с участием людей является таковым), какие — нет => какие методы лучше применять;
  2. Не управлять, но направлять => больше свободы (применимо также и к нашему сознанию => не стоит загонять его в рамки);
  3. Помнить о методах направления, прощёлкивать в голове оптимальные => внедрить их в сознание, совмещать, придумывать новые;
  4. Экспериментировать — во всём. Это не больно (а если и больно — учит чему-то (а кому-то вообще нравится)), и всегда полезно;
  5. Менять поведение системы после эксперимента и анализа, а не смотреть, говорить “о, я всё понял/поняла”, и действовать по старому => применимо, например, к психоделическим опытам.

Возможно, было полезно (для меня — точно). Всем счастья :)

--

--