När vi åldras tenderar vissa siffror att sticka ut mer än andra. De får oss att stanna upp och reflektera. Denna text är skriven när författaren närmar sig en delbar-med-tio födelsedag och reflekterar över de intellektuella faserna under det senaste decenniet. Vid den förra decennieövergången var författaren en typisk universitetsstudent, förutom att hen hade börjat ta ansvar för sitt eget lärande. Författaren hade bytt från en grundutbildning i företagsekonomi till en ekonomiexamen efter att ha blivit desillusionerad av kurserna och kulturen. Det var en liten förändring i det stora hela, men meningsfull för författaren, eftersom hen inte längre var på den minsta motståndets väg.
Sedan dess har författarens kärlek till lärande tagit hen på djupa dykningar i miljömedvetenhet och datavetenskap, och korta besök i filosofi, matematik, energi, ekologi, kulturell evolution och en skvätt av andra områden. Men ett av de första stora intrycken efter att ha avslutat sin grundutbildning var inom komplexa systemvetenskap.
Komplexa systemvetenskap: Ett holistiskt perspektiv
Komplexa systemvetenskap (eller ”komplexitetsvetenskap”) är ett fascinerande tvärvetenskapligt akademiskt fält med en enkel idé i kärnan. Istället för att försöka förstå världen genom att bryta ner saker i deras beståndsdelar, ska vi se vad vi kan lära oss genom att studera helheter, centrera relationer och hålla kontext i åtanke. Det visar sig att denna enkla idé är ganska subversiv för det moderna intellektuella tänkandet, även om det kan vara svårt att se i vilken utsträckning vetenskap och kultur har formats av dominansen av den nedbrytande epistemologin (ofta kallad ”reduktionism”).
Reduktionismen har sina rötter i den vetenskapliga revolutionen och har varit ett dominerande paradigm inom många discipliner. Den cartesianska dualismen, som skiljer sinnet från kroppen, och Newtons mekaniska världsbild, som ser universum som en gigantisk maskin, bidrog till detta synsätt. Inom vetenskapen har detta lett till specialisering och en tendens att studera fenomen i isolering.
Inom ekonomin bryts ”marknaden” ner i konsumenter och företag, som alla modelleras som frånkopplade automater, vars enda interaktion är att påverka varandra genom sina effekter på rådande priser. Inom medicinen förstår vi människokroppen och upplevelsen som bestående av distinkta organsystem, distinkta utvecklingsfaser och distinkta saker som kan gå fel, och vi har specialister för varje. Även i något som basketboll tycker vi att spelet har distinkta element, anfall och försvar, avstånd och skottförmåga, konsistens och balans. I alla dessa exempel, och på otaliga andra ställen vi kan titta, är det lätt nog att se att linjerna vi drar är konventioner, abstraktioner, produkter av sinnet. Dessa divisioner kan vara användbara, och utan dem kan vi känna oss vilsna. Men i sanning är allt anslutet, och vi är omgivna av komplexa system.
Jonathan Rowsons bok *The Moves That Matter: A Chess Grandmaster on the Game of Life* fångar på ett bra sätt det faktum att vi alltid simmar i sammanlänkade system: ”Systemtänkande kan verka nischat och exakt, men system är inte exotiska, de är inom och mellan allt. Solsystemet inkluderar jordens atmosfäriska system. Vi organiserar våra liv på denna planet genom ett politiskt system som försöker styra ett ekonomiskt system, som bygger på materiella resurser från naturliga system, och även på den ständiga skapelsen av konsumentefterfrågan genom ett semiotiskt system av övertalning som kallas marknadsföring. Marknadsföring fungerar på våra nervsystem för att öka vår önskan efter alla möjliga saker vi inte behöver men kanske gillar, till exempel munkar förstärkta med pärlsocker, jordgubbssylt, rosa glasyr och madagaskarvaniljkräm. Dessa orimligt välsmakande munkar underminerar våra aptitkontrollsystem som utvecklats med en svaghet för tätt kaloririk mat för att hjälpa kortsiktig överlevnad, särskilt under stress. En förändring i efterfrågan på sådana munkar i stor skala påverkar relaterade leveranskedjor och ekosystem på sätt vi aldrig misstänker medan vi slickar välsmakande rester från våra underläppar. Med tiden förstärker systemiska influenser begäret efter munkliknande produkter i obesogena kulturer som så småningom förstör våra immunsystem, våra hälsosystem och de ekosystem som livet som sådant beror på. Nedbrytningen av system som hjälper vår livskvalitet orsakad av en sammanflöde av andra system är delvis varför aktivister talar om ’systemet’ som helhet, och inte nödvändigtvis avstår från att äta munkar. Istället säger de: ’Vi måste förändra systemet!’”
Den motkulturella aspekten av systemtänkande och särskilt komplexa systemvetenskap var onekligen attraktiv för författarens känslor, men ännu mer attraktivt var att det *fungerar*. Ett tidigt exempel på detta (som faktiskt föregår nomenklaturen ”komplexitet”) var *The Limits to Growth*, som släpptes 1972. MIT-forskare finansierade av Club of Rome använde en ny ”systemdynamik”-simulering för att kartlägga interaktionen mellan planetnivåtrender i befolkning, matproduktion, industrialisering, förorening och konsumtion. Detta banbrytande arbete gav en grund för vad som har blivit en enkel sanning i miljörörelsen: att gränslös industriell tillväxt på en ändlig planet som vår blågröna jord är omöjlig. *The Limits to Growth* väckte både uppmärksamhet och kontrovers, men dess centrala budskap om gränserna för planetens resurser är fortfarande relevant idag. Senare studier har bekräftat många av dess ursprungliga slutsatser.
En annan fascinerande bedrift inom komplexa systemvetenskap kom 1997, när Geoffrey West, James Brown och Brian Enquist publicerade en teori (WBE-teorin) som förklarade tidigare observerade skalningsmönster över arter. Förmodligen har du aldrig undrat över i vilken utsträckning en elefant bara är en uppskalad version av en mus, men det visar sig att den utsträckningen är ganska stor. Dessa forskare försökte förklara den anmärkningsvärda förutsägbarheten i förhållandet som observerades mellan massa och metabolisk hastighet (Kleibers lag). Enkelt uttryckt visade WBE-teorin att musen och elefanten delar ett gemensamt grenmönster i geometrin i sina cirkulationssystem (”fraktal geometri”), och denna gemensamhet mellan arter som producerar skalningsrelationen. Detta kan låta som en extremt nischad berättelse om ett akademiskt genombrott, men konsekvenserna av att förstå mekanismerna i arbete är långtgående, som fångas i den fullständiga titeln på Wests bok från 2018 *Scale: The Universal Laws of Life, Growth, and Death in Organisms, Cities, and Companies*. Wests arbete har visat hur principerna för komplexa system kan tillämpas på en mängd olika fenomen, från biologiska organismer till städer och företag.
Författarens egen utflykt i komplexa systemvetenskap producerade inga sådana genombrott. Inte ens i närheten. Men det hjälpte till att bredda författarens syn på världen. Författaren utnyttjade gratis onlinekurser som erbjuds av Santa Fe Institute och lärde sig om fraktal geometri, olinjära dynamiska system, agentbaserad modellering och några andra ämnen. Förutom Geoffrey Wests bok läste författaren verk av Robert Axtell, W. Brian Arthur, Fritjof Capra och Pierre Luigi Luisi, och när Sante Fe Institute publicerade redigerade volymer, skaffade författaren ivrigt även dessa.
En av dessa volymer kallas *Worlds Hidden in Plain Sight: Thirty Years of Complexity Thinking at the Sante Fe Institute*, redigerad av David Krakauer, den nuvarande presidenten för SFI. Författaren hade ursprungligen läst den i sina tidiga till mitten av tjugoårsåldern, men när hen packade för en nyligen genomförd resa, befann sig författaren mellan böcker och bestämde sig för att kasta den i sin ryggsäck för att återse den på planet. Denna volym innehåller essäer som spårar framväxten och tillväxten av komplexa systemvetenskap från 1980-talet till nutid. Medan författaren förväntade sig en avkopplande resa nerför detta intellektuella minnesfält, var det som författaren hittade på dessa sidor faktiskt förvånande och störande. Innehållet hade inte ändrats sedan författaren först läste boken, men något om författarens perspektiv hade verkligen det.
Faran med datadriven kontroll
Här är några exempel på de fraser som irriterade författaren, ofta hittade i eller nära slutsatserna i dessa essäer.
I en essä med titeln *Engineered Societies*, efter att ha diskuterat den enorma mängden tillgänglig data om mänsklig social interaktion via sociala medier dessa dagar, säger författarna Jessica C. Flack och Manfred D. Laubichler: ”[I]nnan data (om lämpligt anonymiserad) finns det en enorm potential för att få finkorniga insikter i sociala mönster och designer eftersom, alltmer, människor från alla samhällsskikt lever online-liv.” I en annan, den här med titeln *What Happens When the Systems We Rely On Go Haywire?*, avslutar författaren John H. Miller med: ”Vi befinner oss i en kapplöpning om kunskap och kontroll över den komplexa världen omkring oss, en kapplöpning som vi måste vinna om vi ska trivas, och kanske till och med överleva, som art.” Slutligen, i en essä med titeln Learning How To Control Complex Systems, hör vi från Seth Lloyd att ”när man går till finare och finare skalor, och till mer och mer frekvent sampling, kan en skala uppstå där ett okontrollerbart system plötsligt blir kontrollerbart.” Senare noterar han att ”[f]ör att karakterisera och kontrollera vår omgivning måste vi identifiera de delar av världen där ordningen kan ökas på bekostnad av oordning.”
Kan du se mönstret här? Det finns en tendens bland dessa författare att identifiera mycket komplexa och dynamiska fenomen, och att rama in den komplexiteten som en utmaning att möta med enorma data och beräkningar. Om vi bara hade en tillräckligt stor superdator eller en tillräckligt smart artificiell intelligens kunde vi köra en mer exakt simulering och uppnå kontroll över det som för närvarande är okontrollerbart. Problemet författaren ser här är att genom att sätta sina sikten på kontroll förråder dessa författare den komplexa systemvetenskapens natur och gör det misstag mänskligheten har gjort i hundratals (om inte tusentals) år. Om du frågar författaren är det vår lust efter makt och kontroll över naturen som kommer runt för att bita oss.
Strävan efter kontroll över komplexa system är ofta motiverad av en önskan att lösa problem som klimatförändringar, fattigdom och sjukdom. Det antas att med tillräckligt med data och beräkningskraft kan vi förstå dessa system tillräckligt bra för att kunna styra dem mot önskade resultat. Men denna uppfattning ignorerar de inneboende begränsningarna för vår förmåga att förutsäga och kontrollera komplexa system.
Det finns tre möjliga svar när man konfronterar den komplexa sammankopplingen av världen omkring oss och kommer att acceptera att naturen är inneboende intrasslad. Du kan göra som dessa författare gör och satsa på Moores lag (stora data och beräkningar) för att reda ut komplexiteten. Detta är en oklok strategi, och författaren kommer att ge några skäl till varför om en stund. Ett annat alternativ, alltid tillgängligt men aldrig att föredra, är att ge upp kunskapen. Vi kommer aldrig att fullt ut förstå världen i våra händer, att göra med som vi vill, så vad är poängen? Ett tredje alternativ är, med orden från *Limits to Growth*-författaren Donella Meadows, att *dansa med system*.
Innan vi tar på oss våra dansskor, låt oss säga lite mer om varför vägen som går genom stora data för att nå förståelse och kontroll är förrädisk.
Energiförbrukning och beräkningskraft
Först, energi. Författaren nämnde Moores lag, som är mönstret för exponentiell digital teknik där antalet transistorer på ett datorchip har fördubblats i en nästan konstant takt på ungefär två år under de senaste decennierna. Detta är mönstret som har lanserat oss in i informationsåldern, men trots vad vi kanske hoppas har det inte befriat oss från de materiella och energiska begränsningarna i den fysiska verkligheten. Om du förlitar dig på detta mönster för att reda ut komplexiteten och ge kontroll satsar du på ständigt ökande tillgänglighet av massiva beräkningar, vilket beror på de mycket fysiska elementen elektricitet, sällsynta metaller och andra materiella insatser och extremt komplexa leveranskedjor. För att inte tala om vattnet som behövs för att kyla massiva datacenter och så vidare. Med andra ord är beräkning en produkt av högenergimodernitet, vilket har visats upprepade gånger vara ohållbart. Ett nyligen genomfört tillvägagångssätt för denna idé som författaren tyckte var extremt tydlig och tillgänglig är Tom Murphys *Metastatic Modernity*-serie. Datacenter står för en betydande och växande del av den globala energiförbrukningen, och deras miljöpåverkan är ett ökande problem.
Kaos och förutsägbarhet
För det andra, kaos. Låt oss anta att tillgång till beräkning inte är ett problem. Komplexa system uppvisar kaotiskt beteende, och det är inte svårt att visa varför detta skapar ett olösligt problem för tillvägagångssättet förutsäg och kontroll. Tänk på den logistiska ekvationen, som är ett matematiskt förhållande som används för att demonstrera kaos. Ekvationen säger att värdet vid en given tidpunkt kan beräknas genom en enkel transformation av värdet vid föregående tidpunkt, och givet denna enkelhet kan man tro att det är lätt att förutsäga var värdet hamnar om vi simulerar framåt, säg, tio tidssteg. Om du känner till det initiala värdet med fullständig precision skulle det vara korrekt. Men om vi ansluter en uppskattning av det initiala värdet och vi är fel med en liten liten mängd, kan vår förutsägelse vara långt ifrån verkligheten bara några steg ner på vägen. Och när du förlänger tidsperioden som du vill förutsäga ökar mängden precision du behöver för att mäta det initiala tillståndet exponentiellt. Här och här är ett par bra resurser om du vill lära dig mer, men poängen är den här: om du hoppas att AI- och stora dataåldern kommer att hjälpa oss att korsa trösklar där komplexa system går från okontrollerbara till kontrollerbara jagar du i huvudsak en exponentiell (kaos) med en annan (Moores lag). Författaren har en ganska stark känsla för vilken av dem som kommer att vinna. Den logistiska ekvationen demonstrerar det känsliga beroendet av initiala förhållanden i kaotiska system. Storleksordningsökningar i precision resulterar i relativt små ökningar av prediktiv kapacitet. Kaosteori är en gren av matematiken som studerar dynamiska system som är mycket känsliga för initiala förhållanden. Detta innebär att små förändringar i de initiala förhållandena kan leda till stora och oförutsägbara förändringar i systemets beteende över tiden.
Entropi och termodynamik
För det tredje, entropi. Den andra lagen om termodynamik beskriver tendensen för energi att spridas ut över tid från mer användbara, koncentrerade buntar till mindre användbara, distribuerade röror. (Varför gör energin detta? Författaren skulle rekommendera den här videon för en förklaring.) System med låg entropi, där energi är mer kompakt och användbar, tar mindre information att beskriva och är därför lättare att kontrollera. Men givet den andra lagen, för att minska entropin i ett område måste entropin ökas någon annanstans. Kylskåp, flammor och livet självt är alla intuitiva exempel på detta: kylskåpet avleder värme för att hålla sig svalt, en flamma förbränner sin källa och livet utvisar oordning på alla möjliga sätt. Som ett resultat av den andra lagen, om du försöker lösa ett problem som klimatförändringar genom att kontrollera de komplexa system som driver det, kan du befinna dig i att spela whack-a-mole när oavsiktliga oordnade konsekvenser dyker upp i anslutna system. Kanske löste du koldioxidutsläppen, men kraschade ekonomin och krossade den biologiska mångfalden. Detta är varför systemtänkare tenderar att tala i termer av ”svar” snarare än ”lösningar” – eftersom våra ”lösningar” inte tenderar att stanna inom våra godtyckliga gränser och ofta kommer tillbaka för att bita oss. Den andra lagen om termodynamik har djupgående implikationer för alla system, inklusive ekonomiska, sociala och ekologiska system. Det föreslår att vi inte kan skapa ordning utan att skapa oordning någon annanstans.
Observatörseffekten
För det fjärde, observatörseffekten. Om du söker kontroll över komplexa system antar du nödvändigtvis en separation mellan kontrollen och det som ska kontrolleras. Du är i gott sällskap, eftersom det är så vetenskapen vanligtvis fungerar, med en hård separation mellan observatören och det observerade. Men vi vet att den separationen fundamentalt inte existerar, och faktiskt förråder förlitandet på den kärninsikten i komplexa systemvetenskap. Det finns vissa saker du bara inte kan förstå om du inte engagerar dig i dem. Denna insikt är välutvecklad av Robert Pirsig i hans roman *Zen and the Art of Motorcycle Maintenance*, där huvudpersonen kommer att se begreppet ”arbeta på sin motorcykel” som en dålig inramning. En bättre inramning är att se honom och hans motorcykel som ett anslutet system som arbetar tillsammans mot kvalitet. Kvantmekaniken har visat att observationsprocessen i sig kan påverka det system som observeras. Denna princip kan utvidgas till att omfatta alla komplexa system, där observatörens perspektiv och handlingar kan påverka systemets beteende.
Dansa med system: En mer ödmjuk och effektiv strategi
Förhoppningsvis undrar du vid det här laget över ”att dansa med system”. Författaren skulle hänvisa dig till Donella Meadows essä med samma namn, och författaren skulle verkligen rekommendera att du tar dig tid att läsa den. Men du kanske får kärnidén bara från titeln: Vi måste behandla komplexa system inte som objekt vi förutsägbart kan kontrollera, utan som partners i en fantastisk dans. Du kan knuffa och antyda nästa drag, men du kan inte helt bestämma det, och om du är bra kommer du att kunna ta emot feedback och justera ditt beteende också.
Oavsett om du har danserfarenhet eller inte är vi nästan alla experter på den här typen av interaktion. Om du inte är ekonom samlar du inte in stora mängder data om din romantiska partner och använder den för att förutsäga och i slutändan kontrollera hur de kommer att svara när du frågar vad de vill ha till middag. (För övrigt behöver författaren inte stora data för att berätta vad sin fru vill ha till middag; svaret är nästan alltid ”soppa.”) Alla hälsosamma relationer är ett givande och tagande, med risker, överraskningar och ömsesidig tillväxt längs vägen. Detsamma gäller för alla våra relationer, inklusive med den naturliga miljön runt oss.
Ändå, trots vår förtrogenhet med denna ”dans”, strider den mot normal vetenskaplig praxis, och författaren tror att det är denna opposition av krafter som gör komplexa systemvetenskap generativ och intressant. I en riktning insisterar vetenskapen på separation och objektiv observation. I den andra vädjar verkligheten om samhörighet. Frasen ”modellering av komplexa system” fångar den inneboende kompromissen, eftersom den antyder en skarp frånkoppling mellan modelleraren och det som modelleras, medan elementen i modellen är anslutna och tillåtna att interagera.
Genom erkännande av denna kompromiss och de begränsningar den medför, kan en fungerande kunskap om komplexa systemvetenskap vara en bra motgift mot den genomgripande men bristfälliga kulturella berättelsen om att vetenskap och teknik är de enda räddarna till våra nuvarande globala problem. Det har åtminstone varit författarens erfarenhet. Sedan författaren lärde sig om komplexa systemvetenskap har författarens intellektuella resa tagit hen på en väg mot bättre uppskattning av erfarenhetsbaserad, deltagande kunskap i partnerskap med vetenskaplig kunskap. Som Robin Wall Kimmerer noterar i sin bästsäljande bok *Braiding Sweetgrass*, ”vetenskapen har inte monopol på sanningen.” Kimmerer och andra inhemska författare har undersökt hur inhemska kulturer är värda att lära sig av delvis för att (för att måla i breda drag) de har hållit samhörigheten med den naturliga världen i centrum för sina kulturella kunskapssystem. Inhemska kunskapssystem erbjuder ett värdefullt alternativt perspektiv på förståelsen och hanteringen av komplexa system. Dessa system betonar ofta sammankopplingen mellan alla levande ting och vikten av att leva i harmoni med naturen.
Med allt det sagt förstår författaren som datavetare säkert lockelsen i att fånga berg av information och extrahera insikter, göra förutsägelser och optimera för kontroll av komplexa system. Men författaren vet också att mer data inte alltid är bättre, och ofta skapar de bästa interventionerna återkopplingsslingor där rätt information kommer till rätt personer vid rätt tidpunkt, vilket möjliggör kontinuerligt lärande och förbättring. Istället för att utöva kontroll över komplexiteten ”där ute” kan vi vårda komplexiteten ”här inne” för att bli bättre på att lyssna, lära och svara. Ibland behöver vi inte mer data, vi behöver bara gå ut och dansa.
Förhoppningsvis kan författaren bryta ut några nya drag i sina trettioåriga dagar – förvänta dig bara inte att se hen breakdansa på sin 40-årsdag.
Word count: 2332 ”`
