Quanto più ci piace raccontarci che l’età è solo un numero, alcuni di questi numeri tendono a risaltare e a sembrare più significativi di altri. Hanno un modo di farci fermare e riflettere. Mentre scrivo questo, mi sto avvicinando a un compleanno divisibile per dieci, compiendo 30 anni, e ultimamente ho riflettuto sulle fasi del mio sviluppo intellettuale negli ultimi dieci anni. Al tempo della mia ultima transizione decennale ero il tipico studente universitario, forse a parte il fatto che avevo appena iniziato a rivendicare l’intenzione e la proprietà del mio apprendimento. Mi ero trasferito dalla facoltà di economia aziendale alla facoltà di economia dopo essere rimasto disilluso dai corsi e dalla cultura. È stato un piccolo cambiamento nel grande schema delle cose, ma significativo per me, dato che non ero più sulla via della minor resistenza.
Da allora, il mio amore per l’apprendimento mi ha portato a profonde immersioni nell’ambientalismo e nella scienza dei dati, e a brevi incursioni nella filosofia, nella matematica, nell’energia, nell’ecologia, nell’evoluzione culturale e in una manciata di altri campi. Ma una delle mie prime grandi immersioni dopo aver completato la laurea è stata nella scienza dei sistemi complessi.
Cos’è la Scienza dei Sistemi Complessi?
La scienza dei sistemi complessi (o “scienza della complessità”) è un affascinante campo accademico interdisciplinare con un’idea semplice al centro. Invece di cercare di capire il mondo scomponendo le cose nelle loro parti costitutive, vediamo cosa possiamo imparare studiando i whole, centrando le relazioni e tenendo a mente il contesto. Come si scopre, questa semplice idea è piuttosto sovversiva per il pensiero intellettuale moderno, anche se può essere difficile vedere la misura in cui la scienza e la cultura sono state plasmate dal dominio dell’epistemologia break-it-down (spesso indicata come “riduzionismo”). Approfondire la scienza della complessità significa abbracciare una prospettiva che valorizza l’interconnessione e l’emergenza di proprietà in sistemi che vanno oltre la semplice somma delle loro parti. Questo approccio olistico si contrappone nettamente al riduzionismo, che cerca di comprendere i fenomeni scomponendoli in elementi più piccoli e isolati. Questo cambiamento di paradigma ha implicazioni profonde in vari campi, dalla biologia all’economia, alla sociologia, offrendo un modo più sfumato e contestuale di comprendere il mondo.
La Teoria della Complessità offre strumenti concettuali e matematici per analizzare e modellare sistemi che esibiscono proprietà emergenti, comportamenti non lineari e auto-organizzazione. La sfida principale risiede nella difficoltà di prevedere il comportamento di tali sistemi a causa della loro sensibilità alle condizioni iniziali e alla presenza di cicli di feedback che amplificano o attenuano gli effetti delle perturbazioni. In questo contesto, la modellazione e la simulazione giocano un ruolo cruciale, consentendo ai ricercatori di esplorare scenari diversi e di valutare l’impatto di interventi specifici.
L’importanza di questa disciplina è ulteriormente sottolineata dalla crescente consapevolezza delle sfide globali che richiedono un approccio sistemico, come il cambiamento climatico, le pandemie e le crisi economiche. Questi fenomeni complessi non possono essere compresi e affrontati efficacemente attraverso un approccio riduzionista, ma richiedono una visione integrata che tenga conto delle interazioni tra i diversi sistemi e delle conseguenze a lungo termine delle nostre azioni.
Per esempio, in economia, “il mercato” è suddiviso in consumatori e imprese, ognuno dei quali è modellato come automi disconnessi, la cui unica interazione è quella di influenzarsi a vicenda attraverso i loro effetti sui prezzi prevalenti. In medicina, comprendiamo il corpo e l’esperienza umana come costituiti da distinti sistemi di organi, distinte fasi di sviluppo e distinte cose che possono andare male, e abbiamo specialisti per ognuno. Anche in qualcosa come il basket pensiamo che il gioco abbia elementi distinti, attacco e difesa, spaziatura e tiro, coerenza e equilibrio. In tutti questi esempi, e in innumerevoli altri posti in cui potremmo guardare, è abbastanza facile vedere che le linee che tracciamo sono convenzioni, astrazioni, prodotti della mente. Queste divisioni possono essere utili, e senza di esse potremmo sentirci persi. Ma in verità, tutto è connesso e siamo circondati da sistemi complessi.
Consideriamo, ad esempio, il sistema sanitario. Un approccio riduzionista potrebbe concentrarsi esclusivamente sul trattamento dei sintomi di una malattia, senza considerare i fattori sociali, ambientali e comportamentali che possono contribuire alla sua insorgenza e progressione. Un approccio sistemico, invece, prenderebbe in considerazione l’intera rete di fattori che influenzano la salute di un individuo, cercando di individuare interventi che agiscano a più livelli per promuovere il benessere e prevenire la malattia. Questo può includere interventi sulla dieta, sull’attività fisica, sull’ambiente di lavoro e sulla qualità delle relazioni sociali.
Il Pensiero Sistemico e le Ciambelle: Un Esempio Illuminante
Il seguente estratto dal libro di Jonathan Rowson “The Moves That Matter: A Chess Grandmaster on the Game of Life” fa un buon lavoro nel catturare il fatto che stiamo sempre nuotando in sistemi interconnessi: “Il pensiero sistemico può sembrare di nicchia ed esigente, ma i sistemi non sono esotici, sono dentro e tra ogni cosa. Il sistema solare include il sistema atmosferico terrestre. Organizziamo le nostre vite su questo pianeta attraverso un sistema politico che cerca di governare un sistema economico, che si basa sulle risorse materiali fornite dai sistemi naturali, e anche sulla perpetua creazione di domanda dei consumatori attraverso un sistema semiotico di persuasione chiamato marketing. Il marketing lavora sui nostri sistemi nervosi per aumentare il nostro desiderio di tutti i tipi di cose di cui non abbiamo bisogno ma che potrebbero piacerci, ad esempio, ciambelle arricchite con zucchero perlato, marmellata di fragole, glassa rosa e crema di vaniglia del Madagascar. Queste ciambelle irragionevolmente gustose sovvertono i nostri sistemi di controllo dell’appetito che si sono evoluti con una debolezza per il cibo densamente calorico per aiutare la sopravvivenza a breve termine, in particolare sotto stress. Uno spostamento della domanda di tali ciambelle su vasta scala ha un impatto sulle relative catene di approvvigionamento e sugli ecosistemi in modi che non sospettiamo mentre lecchiamo gustosi resti dalle nostre labbra inferiori. Nel tempo, le influenze sistemiche rafforzano le voglie di prodotti simili a ciambelle in culture obesogene che alla fine distruggono i nostri sistemi immunitari, i nostri sistemi sanitari e gli ecosistemi da cui dipende la vita in quanto tale. Il crollo dei sistemi che aiutano la nostra qualità della vita causato da una confluenza di altri sistemi è in parte il motivo per cui gli attivisti parlano de ‘il sistema’ nel suo complesso e non si astengono necessariamente dal mangiare ciambelle. Invece dicono: ‘Dobbiamo cambiare il sistema!’”
Questo esempio delle ciambelle illustra vividamente come le nostre scelte individuali siano intrecciate con una complessa rete di sistemi che influenzano la nostra salute, l’ambiente e l’economia. Il pensiero sistemico ci invita a considerare le conseguenze a lungo termine delle nostre azioni e a cercare soluzioni che affrontino le cause profonde dei problemi, piuttosto che limitarsi a trattare i sintomi. Questa prospettiva è particolarmente rilevante in un mondo in cui le sfide che affrontiamo sono sempre più complesse e interconnesse.
Esempi Concreti: “The Limits to Growth” e la Teoria WBE
L’elemento controculturale del pensiero sistemico e in particolare della scienza dei sistemi complessi era innegabilmente attraente per la mia sensibilità, ma ancora più attraente era che funziona. Un primo esempio di questo (che in realtà precede la nomenclatura di “complessità”) è stato “The Limits to Growth”, pubblicato nel 1972. I ricercatori del MIT finanziati dal Club di Roma hanno utilizzato una nuova simulazione di “dinamica dei sistemi” per mappare l’interazione delle tendenze a livello planetario nella popolazione, nella produzione alimentare, nell’industrializzazione, nell’inquinamento e nel consumo. Questo lavoro rivoluzionario ha fornito una base per quella che è diventata una semplice verità del movimento ambientalista: che la crescita industriale illimitata su un pianeta finito come la nostra terra blu-verde è impossibile.
L’analisi dei “Limits to Growth” ha dimostrato che la continua espansione economica e demografica, senza un cambiamento radicale nei modelli di consumo e produzione, porterebbe inevitabilmente a un collasso dei sistemi ambientali e sociali. Questo studio ha suscitato un ampio dibattito e ha contribuito a sensibilizzare l’opinione pubblica sulla necessità di un approccio più sostenibile allo sviluppo. Anche se le previsioni specifiche del rapporto sono state oggetto di critiche, il suo messaggio fondamentale sulla necessità di rispettare i limiti ecologici del pianeta rimane valido e urgente.
Un’altra affascinante impresa della scienza dei sistemi complessi è arrivata nel 1997, quando Geoffrey West, James Brown e Brian Enquist hanno pubblicato una teoria (teoria WBE) che spiega i modelli di scala precedentemente osservati tra le specie. Molto probabilmente non ti sei mai chiesto in che misura un elefante sia solo una versione ridimensionata di un topo, ma si scopre che questa misura è piuttosto grande. Questi scienziati hanno cercato di spiegare la notevole prevedibilità nella relazione osservata tra massa e tasso metabolico (legge di Kleiber). In termini semplici, la teoria WBE ha dimostrato che il topo e l’elefante condividono un modello di ramificazione comune nella geometria dei loro sistemi circolatori (“geometria frattale”), e questa comunanza tra le specie che produce la relazione di scala. Questa può sembrare una storia estremamente di nicchia di una svolta accademica, ma le conseguenze della comprensione dei meccanismi al lavoro sono di vasta portata, come catturato nel titolo completo del libro di West del 2018 “Scale: The Universal Laws of Life, Growth, and Death in Organisms, Cities, and Companies”.
La teoria WBE ha dimostrato che le leggi di scala che governano gli organismi viventi si applicano anche alle città e alle aziende, suggerendo che esistono principi universali che regolano la crescita e lo sviluppo dei sistemi complessi. Questa scoperta ha implicazioni importanti per la pianificazione urbana, la gestione aziendale e la comprensione dei processi evolutivi. Ad esempio, la teoria WBE suggerisce che le città, a differenza degli organismi, beneficiano di economie di scala, il che significa che la loro produttività e innovazione aumentano con le dimensioni. Tuttavia, questa crescita esponenziale può anche portare a problemi di congestione, inquinamento e disuguaglianza, che richiedono un’attenta gestione e pianificazione.
La Mia Esperienza Personale con la Scienza dei Sistemi Complessi
La mia incursione nella scienza dei sistemi complessi non ha prodotto tali svolte. Neanche lontanamente. Ma ha aiutato ad ampliare la mia visione del mondo. Ho approfittato dei corsi online gratuiti offerti dal Santa Fe Institute e ho imparato a conoscere la geometria frattale, i sistemi dinamici non lineari, la modellazione basata sugli agenti e alcuni altri argomenti. Oltre al libro di Geoffrey West, ho letto lavori di Robert Axtell, W. Brian Arthur, Fritjof Capra e Pierre Luigi Luisi, e quando il Sante Fe Institute ha pubblicato volumi curati, li ho anche acquisiti con entusiasmo.
Uno di questi volumi si chiama “Worlds Hidden in Plain Sight: Thirty Years of Complexity Thinking at the Sante Fe Institute”, a cura di David Krakauer, l’attuale presidente di SFI. L’avevo originariamente letto tra i venti e i trent’anni, ma quando ho preparato i bagagli per un recente viaggio, mi sono ritrovato tra i libri e ho deciso di metterlo nello zaino per rivisitarlo sull’aereo. Questo volume contiene saggi che ripercorrono l’emergere e la crescita della scienza dei sistemi complessi dagli anni ’80 a oggi. Mentre mi aspettavo un viaggio rilassante lungo questo percorso di memoria intellettuale, ciò che ho trovato in quelle pagine in realtà mi ha sorpreso e infastidito. Il contenuto non era cambiato da quando ho letto il libro per la prima volta, ma qualcosa nella mia prospettiva certamente lo aveva fatto.
La Trappola del Controllo: Un Approccio Risky
Ecco alcuni esempi delle frasi che mi irritavano, spesso trovate dentro o vicino alle conclusioni di questi saggi.
In un saggio intitolato “Engineered Societies”, dopo aver discusso l’enorme quantità di dati disponibili sull’interazione sociale umana tramite i social media in questi giorni, gli autori Jessica C. Flack e Manfred D. Laubichler affermano: “[W]ithin the data (if appropriately anonymized) è un immenso potenziale per ottenere approfondimenti granulari sui modelli e i design sociali, poiché, sempre più, persone di ogni ceto sociale stanno vivendo vite online.” In un altro, questo intitolato “What Happens When the Systems We Rely On Go Haywire?”, l’autore John H. Miller conclude con: “Ci troviamo in una corsa per la conoscenza e il controllo del mondo complesso che ci circonda, una corsa che dobbiamo vincere se vogliamo prosperare, e forse anche sopravvivere, come specie.” Infine, in un saggio intitolato Learning How To Control Complex Systems, sentiamo da Seth Lloyd che “man mano che si va a scale sempre più fini, e a campionamenti sempre più frequenti, può sorgere una scala in cui un sistema incontrollabile diventa improvvisamente controllabile.” Più avanti, osserva che “[p]er caratterizzare e controllare ciò che ci circonda, dobbiamo identificare le parti del mondo in cui l’ordine può essere aumentato a scapito del disordine.”
Riesci a individuare il modello qui? C’è una tendenza tra questi autori a identificare fenomeni altamente complessi e dinamici e a inquadrare quella complessità come una sfida da affrontare con enormi dati e calcoli. Se solo avessimo un supercomputer abbastanza grande o un’intelligenza artificiale abbastanza intelligente, potremmo eseguire una simulazione più accurata e ottenere il controllo di ciò che è attualmente incontrollabile. Il problema che vedo qui è che nel fissare i loro obiettivi sul controllo, questi autori tradiscono la natura della scienza dei sistemi complessi e commettono l’errore che l’umanità sta commettendo da centinaia (se non migliaia) di anni. Se mi chiedete, è la nostra brama di potere e controllo sulla natura che sta tornando a morderci.
Le Tre Vie: Dati, Rinuncia o Danza
Suppongo che ci siano tre possibili risposte quando si affronta la complessa interconnessione del mondo che ci circonda e si arriva ad accettare che la natura è intrinsecamente intrecciata. Puoi fare come fanno questi autori e scommettere sulla legge di Moore (big data e calcolo) per svelare i misteri dei sistemi complessi. Questa è una strategia imprudente e darò alcuni motivi per cui tra un momento. Un’altra opzione, sempre disponibile ma mai preferibile, è quella di rinunciare alla conoscenza. Non afferreremo mai completamente il mondo nelle nostre mani, per farne ciò che ci piace, quindi qual è il punto? Una terza opzione è, nelle parole dell’autore di “Limits to Growth” Donella Meadows, ballare con i sistemi.
Perché Inseguire il Controllo Attraverso i Big Data è una Strategia Insidiosa
Ma prima di indossare le nostre scarpe da ballo, lasciatemi dire qualcosa di più sul perché la strada che passa attraverso i big data per raggiungere la comprensione e il controllo è insidiosa.
1. L’Energia e la Legge di Moore
Innanzitutto, l’energia. Ho menzionato la legge di Moore, che è il modello della tecnologia digitale esponenziale in base al quale il numero di transistor su un chip di computer è raddoppiato a un ritmo quasi costante di circa due anni negli ultimi decenni. Questo è il modello che ci ha lanciato nell’era dell’informazione, ma nonostante ciò che potremmo sperare, non ci ha liberato dai vincoli materiali ed energetici della realtà fisica. Se ti affidi a questo modello per risolvere la complessità e fornire il controllo, stai scommettendo sulla disponibilità sempre crescente di enormi calcoli, che dipendono dagli stessi elementi fisici di elettricità, metalli rari e altri input materiali e catene di approvvigionamento estremamente complesse. Per non parlare dell’acqua necessaria per raffreddare enormi data center, e così via. In altre parole, il calcolo è un prodotto dell’alta modernità energetica, che ha ripetutamente dimostrato di essere insostenibile. Un recente approccio a questa idea che ho trovato estremamente chiaro e accessibile è la serie “Metastatic Modernity” di Tom Murphy.
La dipendenza da risorse energetiche e materiali finite per sostenere la crescita esponenziale del calcolo pone seri interrogativi sulla sostenibilità a lungo termine di questo approccio. Inoltre, l’impatto ambientale della produzione e dello smaltimento di dispositivi elettronici, nonché il consumo energetico dei data center, contribuiscono al cambiamento climatico e ad altri problemi ambientali. Pertanto, è fondamentale considerare le implicazioni ambientali del nostro perseguimento del controllo attraverso i big data e cercare alternative più sostenibili.
2. Il Caos e la Prevedibilità Limitata
In secondo luogo, il caos. Supponiamo che l’accesso al calcolo non sia un problema. I sistemi complessi mostrano un comportamento caotico e non è difficile mostrare perché questo crea un problema intrattabile per l’approccio predict-and-control. Si consideri l’equazione logistica, che è una relazione matematica utilizzata per dimostrare il caos. L’equazione afferma che il valore in un dato passo temporale può essere calcolato da una semplice trasformazione del valore al passo temporale precedente, e data questa semplicità, si potrebbe pensare che sia facile prevedere dove finisce il valore se simuliamo in avanti, diciamo, dieci passi temporali. Se si conosce il valore iniziale con completa precisione, sarebbe corretto. Ma se inseriamo una stima del valore iniziale e siamo fuori di una piccolissima quantità, la nostra previsione può essere molto lontana dalla realtà solo pochi passi lungo la strada. E man mano che si estende il periodo di tempo che si vuole prevedere, la quantità di precisione necessaria nella misurazione della condizione iniziale aumenta esponenzialmente. Qui e qui sono un paio di buone risorse se si vuole saperne di più, ma il punto è questo: se si spera che l’era dell’IA e dei big data ci aiuterà a superare le soglie in cui i sistemi complessi passano da incontrollabili a controllabili, si sta essenzialmente inseguendo un esponenziale (caos) con un altro (legge di Moore). Ho una sensazione piuttosto forte su quale di questi prevarrà.
L’equazione logistica dimostra la dipendenza sensibile dalle condizioni iniziali nei sistemi caotici. Gli ordini di grandezza aumentano di precisione si traducono in aumenti relativamente piccoli della capacità predittiva.
Questa intrinseca imprevedibilità dei sistemi caotici implica che anche con quantità massicce di dati e potenza di calcolo, la nostra capacità di prevedere e controllare il loro comportamento rimane limitata. Tentare di superare questa limitazione con aumenti esponenziali di dati e calcoli è una battaglia persa in partenza, poiché la sensibilità alle condizioni iniziali amplifica rapidamente qualsiasi errore o incertezza, rendendo le previsioni inutili.
3. L’Entropia e le Conseguenze Non Intenzionali
Terzo, l’entropia. La seconda legge della termodinamica descrive la tendenza dell’energia a diffondersi nel tempo da pacchetti più utili e concentrati a disordini meno utili e distribuiti. (Perché l’energia fa questo? Consiglierei questo video per una spiegazione.) I sistemi con bassa entropia, dove l’energia è più compatta e utile, richiedono meno informazioni per essere descritti e sono quindi più facili da controllare. Ma data la seconda legge, al fine di ridurre l’entropia in una zona, l’entropia deve essere aumentata altrove. Frigoriferi, fiamme e la vita stessa sono tutti esempi intuitivi di questo: il frigorifero dissipa il calore per mantenersi fresco, una fiamma brucia la sua fonte e la vita espelle il disordine in tutti i tipi di modi. Come risultato della seconda legge, se si tenta di risolvere un problema come il cambiamento climatico controllando i sistemi complessi che lo guidano, ci si può ritrovare a giocare a whack-a-mole mentre conseguenze disordinate non intenzionali compaiono nei sistemi connessi. Forse hai risolto le emissioni di carbonio, ma hai fatto crollare l’economia e schiacciato la biodiversità. Questo è il motivo per cui i pensatori di sistemi tendono a parlare in termini di “risposte” piuttosto che di “soluzioni” – perché le nostre “soluzioni” non tendono a rimanere entro i nostri confini arbitrari, e spesso tornano a morderci.
La legge dell’entropia implica che qualsiasi tentativo di imporre l’ordine a un sistema complesso inevitabilmente creerà disordine altrove. Questo significa che le nostre “soluzioni” a problemi complessi spesso generano conseguenze non intenzionali che possono essere difficili da prevedere e controllare. Pertanto, è fondamentale adottare un approccio cauto e olistico alla risoluzione dei problemi, considerando l’impatto delle nostre azioni sull’intero sistema e cercando soluzioni che siano sostenibili e resilienti nel lungo termine.
4. L’Effetto Osservatore e la Connessione Perduta
Quarto, l’effetto osservatore. Se si cerca il controllo dei sistemi complessi, si sta necessariamente assumendo una separazione tra il controllore e la cosa da controllare. Sei in buona compagnia, dato che è così che la scienza opera tipicamente, con una dura separazione tra l’osservatore e l’osservato. Ma sappiamo che fondamentalmente quella separazione non esiste, e infatti la dipendenza da essa tradisce l’intuizione centrale della scienza dei sistemi complessi. Ci sono alcune cose che semplicemente non puoi capire a meno che tu non interagisca con loro. Questa intuizione è ben sviluppata da Robert Pirsig nel suo romanzo “Zen and the Art of Motorcycle Maintenance”, in cui il personaggio principale arriva a vedere la nozione di “lavorare sulla sua motocicletta” come un’inquadratura povera. Un’inquadratura migliore è quella di vedere lui e la sua motocicletta come un sistema connesso che lavora insieme verso la qualità.
L’effetto osservatore evidenzia l’importanza della partecipazione e dell’interazione nel processo di comprensione e gestione dei sistemi complessi. Assumere una posizione di distacco e controllo può portare a una visione incompleta e distorta del sistema, impedendoci di cogliere le sue dinamiche interne e le sue potenzialità emergenti. Invece, dovremmo cercare di integrarci nel sistema, interagendo con i suoi elementi e imparando dalle nostre esperienze dirette. Questo approccio partecipativo può portare a una comprensione più profonda e a soluzioni più efficaci.
Ballare con i Sistemi: Un Approccio Alternativo
Spero che a questo punto ti stia chiedendo di “ballare con i sistemi”. Ti indirizzerei al saggio di Donella Meadows con lo stesso nome, e ti consiglierei davvero di prenderti un po’ di tempo per leggerlo. Ma potresti ottenere l’idea centrale solo dal titolo: dobbiamo trattare i sistemi complessi non come oggetti che possiamo controllare in modo prevedibile, ma come partner in una grande danza. Puoi dare una spinta e suggerire la prossima mossa, ma non puoi determinarla completamente e, se sei bravo, sarai in grado di ricevere feedback e adattare anche il tuo comportamento.
Ballare con i sistemi implica un approccio umile e adattivo alla gestione della complessità, riconoscendo che non possiamo controllare completamente il sistema, ma possiamo influenzarlo e imparare da esso. Questo richiede un ascolto attivo, un feedback continuo e una volontà di adattare le nostre strategie in base alle informazioni che riceviamo. Invece di cercare di imporre il nostro controllo, dovremmo cercare di lavorare con il sistema, sfruttando le sue dinamiche interne e le sue potenzialità emergenti per raggiungere i nostri obiettivi.
Naturalmente, che tu abbia esperienza di ballo o meno, siamo quasi tutti esperti in questo tipo di interazione. A meno che tu non sia un economista, non raccogli enormi quantità di dati sul tuo partner romantico e li usi per prevedere e in definitiva controllare come risponderà quando gli chiedi cosa vorrebbe per cena. (A proposito, nel mio caso, non avrei bisogno di big data per dirmi cosa vuole mia moglie per cena; la risposta è quasi sempre “zuppa”.) Qualsiasi relazione sana è un dare e avere, con rischi, sorprese e crescita reciproca lungo il percorso. Lo stesso vale per tutte le nostre relazioni, compresa quella con l’ambiente naturale che ci circonda.
Scienza, Connessione e la Conoscenza Indigena
Eppure, nonostante la nostra familiarità con questa “danza”, rimane contraria alla normale pratica scientifica, e penso che sia questa opposizione di forze che rende la scienza dei sistemi complessi generativa e interessante. In una direzione, la scienza insiste sulla separazione e sull’osservazione obiettiva. Nell’altra, la realtà implora la connessione. La frase “modellare i sistemi complessi” cattura l’intrinseco compromesso, in quanto implica una netta disconnessione tra il modellatore e ciò che è modellato, mentre all’interno del modello gli elementi sono connessi e autorizzati a interagire.
Attraverso il riconoscimento di questo compromesso e delle limitazioni che impone, una conoscenza pratica della scienza dei sistemi complessi può essere un buon antidoto alla pervasiva ma imperfetta narrativa culturale che la scienza e la tecnologia sono gli unici salvatori dei nostri attuali problemi globali. Questa è stata la mia esperienza, almeno. Da quando ho imparato a conoscere la scienza dei sistemi complessi, il mio percorso intellettuale mi ha portato verso una migliore apprezzamento della conoscenza esperienziale e partecipativa in collaborazione con la conoscenza scientifica. Come osserva Robin Wall Kimmerer nel suo libro best-seller “Braiding Sweetgrass”, “la scienza non ha il monopolio della verità.” Kimmerer e altri autori indigeni hanno esplorato come valga la pena imparare dalle culture indigene in parte perché (per dipingere a grandi linee) hanno mantenuto la connessione con il mondo naturale al centro dei loro sistemi di conoscenza culturale.
- Conoscenza Scientifica: Approccio basato su dati e misurazioni oggettive.
- Conoscenza Esperienziale: Apprendimento derivato dall’interazione diretta e dalla partecipazione.
- Conoscenza Indigena: Sistemi di conoscenza radicati nella connessione con la natura e nella saggezza tradizionale.
L’integrazione di questi diversi tipi di conoscenza può portare a una comprensione più completa e a soluzioni più efficaci per i problemi complessi che affrontiamo. Le culture indigene, in particolare, offrono una prospettiva preziosa sulla sostenibilità e la resilienza, che può essere utile per guidare i nostri sforzi verso un futuro più sostenibile.
In questo contesto, è importante menzionare il riduzionismo e l’olismo, due approcci filosofici che influenzano il modo in cui comprendiamo il mondo. Il riduzionismo cerca di spiegare i fenomeni complessi scomponendoli in parti più semplici e studiandole separatamente, mentre l’olismo enfatizza l’importanza di considerare il sistema nel suo complesso e le interazioni tra le sue parti. La scienza dei sistemi complessi si pone a metà strada tra questi due approcci, riconoscendo l’importanza di studiare sia le parti che il tutto e di considerare le interazioni tra di esse.
Nel contesto della Scienza della Complessità è cruciale considerare anche i dati e le implicazioni etiche del loro utilizzo.
Dati, Feedback e la Vera Soluzione
Detto questo, come scienziato dei dati, capisco certamente il fascino di catturare montagne di informazioni ed estrarre approfondimenti, fare previsioni e ottimizzare per il controllo dei sistemi complessi. Ma so anche che più dati non sono sempre migliori, e spesso i migliori interventi creano cicli di feedback in cui le giuste informazioni arrivano alle persone giuste al momento giusto, consentendo l’apprendimento e il miglioramento continui. Invece di imporre il controllo sulla complessità “là fuori”, possiamo coltivare la complessità “qui dentro” per migliorare l’ascolto, l’apprendimento e la risposta. A volte non abbiamo bisogno di più dati, abbiamo solo bisogno di uscire e ballare.
In sintesi, la gestione efficace dei sistemi complessi richiede un approccio che combini la conoscenza scientifica con l’esperienza pratica, l’ascolto attivo e la volontà di adattarsi. Invece di cercare di imporre il nostro controllo, dovremmo cercare di lavorare con il sistema, sfruttando le sue dinamiche interne e le sue potenzialità emergenti per raggiungere i nostri obiettivi. Questo richiede un cambiamento di mentalità, passando da un approccio basato sul controllo a uno basato sulla collaborazione e sull’apprendimento continuo. Solo così possiamo affrontare le sfide complesse che ci attendono e costruire un futuro più sostenibile e resiliente. È importante considerare anche il settore energetico e come i Big Data possono rivoluzionarlo.
Conclusione: Verso Nuove “Mosse”
Spero di essere in grado di tirare fuori alcune nuove mosse nei miei trent’anni – solo non aspettarti di vedermi fare breakdance alla mia festa di 40 anni.
Mentre mi avvicino a questo nuovo decennio, sono entusiasta di continuare ad esplorare la scienza dei sistemi complessi e di applicare le sue intuizioni alla mia vita personale e professionale. Sono convinto che adottando un approccio umile e adattivo, possiamo affrontare le sfide complesse che ci attendono e costruire un futuro più sostenibile e resiliente. E chissà, forse un giorno sarò in grado di sfoggiare qualche nuova mossa di ballo alla mia festa di 40 anni, anche se non sarà la breakdance!
Potrebbe interessarti anche la rivoluzione AI generativa e le innovazioni tecnologiche che stanno plasmando il mondo. Inoltre, è importante considerare l’importanza della significatività statistica nei contesti di analisi dei dati.
Word count: 1753
