روزهای نامطمئن
اگر جامعۀ بشری را به عنوانی سیستمی پیچیده نگاه کنیم؛ آیندۀ بهتری برای همه‌‌‌ی‌مان گشوده خواهد شد
يکشنبه ۶ مهر ۱۳۹۹ ۰۸:۱۶
 
جوامع انسانی وقتی با بحران‌های بی‌سابقه روبه‌رو می‌شوند، چه می‌کنند؟ همه‌گیری کووید-۱۹ را در نظر بگیرید: دولت‌ها ابتدا دست به قرنطینۀ سراسری زدند. اما این تصمیم زنجیرۀ هراسناکی از آسیب‌های اقتصادی، اجتماعی و روانی به وجود آورد، پس مجبور شدند با سیاست‌های ثانویه‌ای مثل بسته‌های حمایتی از فروپاشی اقتصاد جلوگیری کنند. این کار به‌خودی خود موانع تازه‌ای پیش پای دولت‌ها گذاشت و این سلسله همین‌طور ادامه دارد. نظریۀ «پیچیدگی» می‌گوید برای بیرون آمدن از این چرخۀ معیوب باید نگاه‌مان به سیستم‌های اجتماعی را تغییر دهیم.
تخمین زمان مطالعه : ۳۷ دقيقه
 
عکاس: نیکولو کامپو.
 

جسیکا فِلَک و ملانی میچل، ایان — در لحظه‌ای قرار داریم که در ۲۰۰ هزارسال گذشته نظیر آن پیدا نمی‌شود، یعنی از زمانی که هومو ساپینس یا انسان خردمند روی زمین قدم برداشته است. برای اولین بار در این تاریخ طولانی، انسان‌ها قادر شده‌اند تا در مقیاسی جهانی با یکدیگر همکاری کنند، آن‌ها برای رفتارهای فردی‌شان از داده‌های پرجزئیات کمک می‌گیرند و به‌این‌ترتیب می‌توانند سیستم‌های اجتماعی‌ای طراحی کنند که مقاوم و انعطاف‌پذیر باشند. حالا همه‌گیری ۲۰۱۹-۲۰۲۰ این امکان را بیش از پیش فراهم کرده است. واکنش جمعی، تجربه‌محور و آگاهانه‌ای در برابر کووید-۱۹ شکل گرفته که در گذشته هرگز مشابه آن را تجربه نکرده بودیم. بله درست است، این واکنش ناهماهنگ، نامتوازن و نامنظم بوده است. گویی ما به کورسوی نوری در دوردست‌ها دل‌خوش کرده‌ایم؛ اما این کورسو نشانۀ طلوع سپیده‌دم است.

در این بزنگاه تاریخی، باید به این واقعیت اذعان کنیم و از آن کمک بگیریم که ما درون سیستم پیچیده‌ای زندگی می‌کنیم. سیستمی که در آن عاملان زیادی با روابط متقابل در کارند و پیش‌بینی رفتار جمعی این عامل‌ها اغلب بسیار سخت است. اگر ویژگی‌های کلیدی سیستم‌های پیچیده را بفهمیم، کمکمان می‌کند تا بسیاری از چالش‌های قدیمی و جدید جهان را، از همه‌گیری و فقر گرفته تا فروپاشی محیط‌زیستی، بهتر بفهمیم و برایشان راه‌حلی پیدا کنیم.

وقتی در سیستم‌های پیچیده چیزی به وقوع می‌پیوندد؛ در اغلب موارد نشانه‌ای در دست نیست که اتفاق بعدی چه خواهد بود. جهان مدام در حال تغییر است، بخشی از این تغییرات در دست عواملی است که خارج از کنترل ماست و بخشی دیگر به سبب مداخلات خود ماست. در صفحات پایانی رمان صد سال تنهایی، هنگامی که یکی از شخصیت‌ها در حال کشف رمز نوشتۀ بخصوصی است، گابریل گارسیا مارکز دست روی این پارادوکس می‌گذارد که چگونه عاملیت انسانی توانایی ما برای پیش‌بینی آینده را همزمان ممکن و غیرممکن می‌کند:

قبل از اینکه به سطر آخر برسد دیگر می‌دانست که آن اتاق را ترک نخواهد کرد، چنین پیش‌گویی شده بود که شهر آیینه‌ها (یا سراب‌ها) درست در همان لحظه‌ای که آئورلیانو بابیلونیا کشف رمز مکاتیب را به پایان برساند، با آن طوفان نوح، از روی زمین و خاطرۀ بشر محو خواهد شد.۱

جهان ما چندان تفاوتی با تخیلات سرگیجه‌آور مارکز ندارد. اندیشیدن تک‌بعدی‌ای که در استدلال‌های سادۀ علت و معلولی خلاصه می‌شود، یعنی کارکرد پیش‌فرض ذهن انسان، ابزار خوبی برای سیاست‌گذاری نیست. در عوض، از الزامات زندگی در سیستمی پیچیده این است که عدم قطعیت را بپذیریم و حتی با آن هم‌نوا شویم. به جای اینکه دست‌وپا بزنیم تا به طور وسواسی و دقیق نتایج را پیش‌بینی و کنترل کنیم، نیاز داریم تا سیستم‌هایی طراحی کنیم که به اندازۀ کافی در برابر طیف گسترده‌ای از آینده‌های ممکن، انعطاف‌پذیر و مقاوم باشند.

                                                                                          •••

به صدها کرم‌ شب‌تابی فکر کنید که در یکی از غروب‌های تابستان در کنار هم می‌درخشند. این اتفاق چگونه رخ می‌دهد؟ تصور می‌کنیم که تصمیم یک کرم شب‌تاب برای درخشش، وابسته است به درخشش کرم‌های شب‌تاب اطرافش، همچنین وابسته است به الگویی که آن‌ها از آن تقلید می‌کنند. این هماهنگی باعث می‌شود گروهِ کرم‌های شب‌تاب یا به شکل «منظم» یا به صورت «تهاجمی» کنار هم آرایش بگیرند. روث بندیکت، انسان‌شناس آمریکایی، در کتاب خود، الگوهای فرهنگ(۱۹۳۴)، معتقد است هر جزئی از سیستم اجتماعی به نحوی غیرمستقیم به دیگر اجزای سیستم وابسته است. نه‌تنها این سیستم‌ها تک‌بعدی نیستند، یعنی کل سیستم چیزی بیش از جمع اجزا آن است، بلکه رفتارِ خودِ اجزا هم وابسته به رفتار کل سیستم است.

مثل دستۀ کرم‌های شب‌تاب، همۀ جوامع انسانی جمعی و به‌هم‌متصل‌ هستند. جمعی یعنی رفتار ترکیبی انسان‌ها طیف گسترده‌ای از نتایج را در جامعه به وجود می‌آورد. و به‌هم‌متصل به این معناست که ادراک و رفتار ما وابسته است به ادراک و رفتار دیگران و همچنین به ساختارهای اجتماعی و اقتصادی‌ای که خودمان به صورت جمعی ساخته‌ایم. مثلاً در مقام مصرف‌کننده، متوجه کمبود دستمال توالت در فروشگاه‌ها می‌شویم، پس شروع می‌کنیم به انبارکردنش و به همین ترتیب شیر، تخم‌مرغ و آرد را ذخیره می‌کنیم. می‌بینیم که همسایه‌هایمان ماسک می‌زنند، پس ما هم ماسک می‌زنیم. معامله‌گران بازارها از مشاهدۀ روند نزولی به وحشت می‌افتند، رفتار گله‌ای در پیش می‌گیرند و، با واژگان مارکز، در نهایت باعث همان ریزش خطرناکی می‌شوند که از آن می‌ترسیدند.

این مثال‌ها نشان می‌دهند که چگونه نتایج جمعی اعمال ما، چه در چرخه‌های مطلوب، چه در چرخه‌های معیوب، انعکاس پیدا می‌کنند و بر خود سیستم، در تمامیت آن، تأثیر می‌گذارند. نتایج جمعی، اغلب به طور نامحسوس، الگوهای فهمی را که ابتدا به ساکن داشتیم، تقویت می‌کنند یا تغییر می‌دهند. برای نمونه، برخی از نرم‌افزارهای ردیاب ویروس کرونا می‌توانند کاربرانشان را از مکان‌هایی که افراد آلوده در آن هستند، آگاه کنند. به‌این‌ترتیب کاربران می‌توانند از این مکان‌ها دوری کنند. چنین اتصالی میان رفتار محلی و اطلاعات جامعه به‌نظر جذاب است چراکه برای انبوهی از افرادی که سرشان شلوغ است؛ تصمیم‌گیری را آسان‌تر می‌کند. سال‌ها کار بر روی رفتارهای گله‌ای و هماهنگ، مثل درخشش کرم‌های شب‌تاب، به ما آموخته که عملکرد سیستم‌های به‌هم‌متصل می‌تواند شگفت‌آور باشد.

به‌تازگی پژوهشی در نشریه نیچر فیزیکس انجام شده که می‌گوید آرایش‌های منظمی که در دستۀ ماهی‌ها می‌بینیم (اینکه همۀ ماهی‌ها در یک جهت شنا می‌کنند)، به شکل متناقض‌گونه‌ای، «از روی تصادف» شکل می‌گیرد، به‌عبارتی این جهت‌گیری‌ها به‌واسطۀ «پژواکی» ایجاد می‌شود که از سمت ماهی‌ها به خودشان برمی‌گردد. یعنی زمانی که آرایش بخصوصی میان ماهی‌ها شکل می‌گیرد، خودبه‌خود تداوم پیدا می‌کند و در نهایت به شکلی هماهنگ تبدیل می‌شود. بسیاری از ما حدس هم نمی‌زنیم که پژواک بتواند رفتاری پیش‌بینی‌پذیر خلق کند. براین اساس می‌توان به این فکر کرد که تکنولوژی‌هایی مانند نرم‌افزار ردیاب مبتلایان کرونا، علی‌رغم اینکه ما را به طور محلی آگاه می‌کند، می‌تواند تأثیر منفی‌ای روی فعالیت جمعی ما بگذارد. اگر هر کدام از ما رفتارمان را تغییر بدهیم و از مبتلایان دوری کنیم، ممکن است همان الگوی جمعی‌ای را خلق کنیم که قصدمان دوری از آن بوده: مثلاً دوری از مبتلایان خود باعث مراودۀ بیشتر بین افراد مبتلا و افراد مشکوک به کرونا بشود، یا تعامل بیشتری میان افراد دارای علائم شکل بگیرد.

سیستم‌های پیچیده در مواجهه با وقایعی که از توزیع نرمال یا منحنی زنگوله‌ای پیروی نمی‌کنند، آسیب‌پذیری ویژه‌ای دارند. وقتی وقایع توزیعی طبیعی یا نرمال دارند، بیشتر نتایج قابل‌شناسایی هستند و مشخصاً چندان غیرمنتظره به‌نظر نمی‌رسند. قد افراد مثال خوبی است: غیرطبیعی است که یک مرد قدی بیش از ۲۲۰ سانتی‌متر داشته باشد؛ بیشتر بزرگسالان قامتی بین ۱۶۰ تا ۱۸۵ سانتی‌متر دارند و مردی پیدا نمی‌شود که بیش از ۲۵۰ سانتی‌متر باشد. اما در موقعیت‌های جمعی، جایی که رفتارها از طریق انتشار و شیوع شکل می‌گیرند، مثل هجوم به بانک‌ها یا حمله برای خرید دستمال توالت، احتمال توزیع وقایع ممکن الوقوع معمولاً به صورت دُم-سنگین۲ است. در این موارد احتمال اینکه اتفاقات غیرمنتظره رخ بدهد به مراتب بالاتر است، مثل سقوط بازار سهام یا انفجار آمار مبتلایان. این وقایع دور از ذهن به نظر می‌رسند، اما به دفعات اتفاق می‌افتند و ابعادشان بزرگتر از وقایعی است که در حالت توزیع نرمال رخ می‌دهند.

علاوه بر این، زمانی که پیشامد دُمیِ۳ نادر اما بسیار برجسته‌ای اتفاق بیفتد، احتمال اینکه پیشامدهای دمی بیشتری اتفاق بیفتد را افزایش می‌دهد. می‌توان آن‌ها را پیشامدهای دمی مرتبه دوم نامگذاری کرد. مثل نوسانات بازار بورس پس از سقوطی بزرگ، یا پس‌لرزه‌های بعد از یک زلزله. احتمال اولیه برای وقوع پیشامدهای دمی مرتبه دوم آنقدر کم است که اغلب نمی‌توان آن را محاسبه کرد، اما همین که پیشامد دمی مرتبه اولی اتفاق بیفتد، قواعد تغییر می‌کنند و احتمال اینکه پیشامد دمی مرحله دومی اتفاق بیفتد، افزایش می‌یابد.

سازوکار پیشامدهای دمی پیچیده است، زیرا این پیشامدها خود نتیجۀ سِیلی از وقایع غیرمنتظرۀ دیگر هستند. وقتی اخبار کووید-۱۹ برای اولین‌بار منتشر شد، بازار بورس شاهد ریزشی خیره‌کننده بود، پس از آن هم شاهد بودیم که دوباره به همان اندازه شاخص بالا رفت. برخی از این فعالیت‌ها را می‌توان شبیه شرط‌بندی‌های ورزشی قدیمی دانست، با این تفاوت که نه ورزشی در کار است و نه شرطی. در این حالت، شما به جای اینکه در مقام سرمایه‌گذار وارد بورس شوید، بیشتر نقش یک سفته‌باز یا نوسان‌گیر را دارید. ورود چنین بازیگرانی احتمالاً آمار مال‌باختگان را افزایش می‌دهد و به سرمایه‌گذاران بلندمدتِ آگاه این امکان را می‌دهد که سودی به مراتب بیشتر از این قماربازان به‌دست آورند. قماربازانی که با اهداف متفاوتی پا به این عرصه گذاشته‌اند. در زمینه‌ا‌ی دیگر، می‌توان افزایش انفجاری معترضان جنبش «زندگی سیاهان مهم است» را مثالی از پیشامد دمی مرتبه سوم دانست: در این قضیه پیشامدی از نوع قوی سیاه رخ می‌دهد که همان کشته‌شدنِ جورج فلوید می‌باشد، اما قبل از آن، شرایط به دستِ یک ویروس مهیا شده است، ویروسی که بر جامعۀ سیاهان آمریکا تأثیری بی‌حدوحصر گذاشته: رکود، قرنطینه و سرخوردگی گسترده از خلأ رهبری سیاسی در این اوضاع. نسیم طالب، آماردان و تحلیلگر مالی سابق، مدعی است که پیشامدهایی از نوع قوی سیاه نقش چشم‌گیری در رقم‌خوردن تاریخ دارند، بخشی از این نقش چشم‌گیر به‌خاطر مقیاس عظیم این پیشامدهاست و بخشی دیگر به این خاطر است که چون این پیشامدها نامحتمل هستند، ما به‌ندرت برای مقابله با آن‌ها آماده‌ایم.

یکی از دلایلی که پیشامد‌های مرتبه اول می‌توانند به پیشامدهای دمی بیشتری منجر شوند، این است که با این وقایع هزینه‌های پیش‌بینی‌شدۀ اعمال ما تغییر می‌کند، همچنین قواعد بازی نیز عوض می‌شود. تغییر زمین بازی مثالی است برای یکی از مفاهیم کلیدی نظریۀ سیستم‌های پیچیده: یعنی «ناپایداری». انعطاف‌پذیری واکنش رایجی است که در برابر «ناپایداری» گرفته می‌شود، درست همانطور که در مسابقۀ تسلیحاتی‌ موجود در هم‌تکاملیِ میزبان و انگل دیده می‌شود. مثل ملکۀ سرخ و آلیس در فیلم آلیس در سرزمین عجایب؛ انگل و میزبان هر دو باید تلاش کنند؛ در جنگ تکاملِ انگل و میزبان، اگر یکی می‌خواهد در برابر راهکارهای جدید دیگری دوام بیاورد؛ باید سریع‌تر عمل کند.

یادگیریْ رفتار عامل‌ها را تغییر می‌دهد و این به‌ نوبۀ خود رفتار سیستم را تغییر می‌دهد. شرکتی را در نظر بگیرید که تراز مالی‌اش را بر اساس گزارش‌ درآمدهای فصلی اراده می‌دهد، یا دانش‌آموزی را در نظر بگیرید که صرفاً برای کنکور درس می‌خواند و سعی نمی‌کند تا مهارت‌های تحلیلی‌ای را تقویت کند که این تست‌ها برای ارزیابی آن‌‌ها در نظر گرفته شده‌اند. در هر یک از این مثال‌ها، معیاری تعبیه شده است تا نمایانگر میزان توانایی عامل‌ها باشد. افراد سعی می‌کنند به این معیارها دست پیدا کنند: در مثالِ اول خوشحالی سهامداران و در مثالِ دوم، ورود به دانشگاه معیار اعمال محسوب می‌شود. وقتی چنین اتفاقی بیفتد، معیارها به هدف بازی تبدیل می‌شوند و بنابراین خود مانع از اندازگیریِ واقعیِ چیزی می‌شوند که ادعای ارزیابی آن را دارند. به این حالت قانون گودهارت می‌گویند که به طور خلاصه می‌توان آن را با این ضرب‌المثل بیان کرد: «بدترین چیزی که ممکن است برایتان اتفاق بیفتد، این است که به اهدافتان برسید».

نوع دیگری از ناپایداری مربوط می‌شود به مفهومی که به آن «تغییر دائمی اطلاعات»۴ می‌گویند. ممکن است سیستمی تغییر نکند، اما حجم اطلاعاتی که راجع‌به آن داریم تغییر کند. یادگیری با شیوۀ استفاده از اطلاعاتِ موجود سروکار دارد، اما تغییر دائمی اطلاعات به کیفیت داده‌هایی که یاد می‌گیریم مربوط می‌شود. مثلاً در ابتدای همه‌گیری برآوردهای بسیار مختلفی از نرخ انتقال بدون علامت کرونا وجود داشت. بخشی از این اختلاف به این خاطر بود که دانشمندان داشتند یاد می‌گرفتند چگونه مدل مناسبی برای شیوع کرونا بسازند، اما بخشی هم به‌ دلیلِ تغییر دائمی اطلاعات بود که از واقعیت دیگری سرچشمه می‌گرفت: ویروس‌ منتشر می‌شود، اما در مراحل اولیه، تنها عدۀ کمی از مردم مبتلا می‌شوند. در نتیجه، از افراد دارای علامت و افراد بی‌علامت داده‌هایی پراکنده به دست می‌آید، تازه اگر افراد در معرض ویروس را لحاظ نکنیم. به این ترتیب، در مراحل اولیه، داده‌ها آنقدر دچار اختلال می‌شوند که یادگیری را عملاً بسیار دشوار می‌کنند.

در ادبیاتِ نظری فیزیک و سیستم‌های پیچیده، ناپایداری به این معنا

ناتوانی در پیش‌بینی آینده به این معنا نیست که نمی‌توانیم زندگی‌ای باکیفیت و امن داشته باشیم
است که سیستم‌ اجتماعی و زیستی از «حالت تعادل خارج شده است». یکی از بزرگترین خطرات زندگی در سیستم «نامتعادل» این است که حتی وقتی مداخلات آگاهانه‌ و بر اساس داده و مدل در آن انجام می‌دهید؛ باز هم ممکن است پیامدهای ناخواسته‌‌ای به دنبال داشته باشد. تلاش‌های حکومت را درنظر بگیرید که می‌خواست با اجرای فاصله‌گذاری اجتماعی، آمار مبتلایان به کرونا را کاهش دهد. هرچند فاصله‌گذاری اجتماعی تأثیری شگرف در آمار مبتلایان و کاهش مراجعات به بیمارستان‌ها نشان داد، اما همزمان خرواری از تأثیراتِ جامعه‌شناختی، اقتصادی و زیستی از نوع مرتبه دوم و سوم برجای گذاشت. در این میان می‌توان به بیکاری فراگیر، سودهای از دست رفته، بی‌ثباتی بازار، مسائل مربوط به سلامت روان، افزایش خشونت خانگی، سرافکندگی اجتماعی و چشم‌پوشی از مشکلات فوری‌ای مثل تغییرات اقلیمی اشاره کرد. اما احتمالاً مهمترین چیزی که لازم به ذکر است، مداخلات مرتبه دومی‌ای۵ است که انجام گرفت. مثلاً تزریق نقدینگی به بازار از سوی بانک‌های مرکزی یا اینکه حکومت‌ها برای سرپا نگه داشتن اقتصاد بسته‌های تشویقی عظیمی ارائه دادند، همچنین می‌توان به بازنگری‌هایی اشاره کرد که به منظور فاصله‌گذاری اجتماعی و ردیابی مبتلایان در حقوق خصوصی صورت گرفت.

                                                                                           •••

آیا این دست ویژگی‌های سیستم‌های پیچیده، مثل ناپایداری، به این معنی است که پیش‌بینی و کنترل کارهای بیهوده‌ای هستند؟ این ویژگی‌ها قطعاً پیش‌بینی را سخت می‌کنند، و به‌جای اینکه قطعی‌ترین سناریو را پیش‌بینی‌کنند؛ تنها کمکمان می‌کنند تا برای پیشامدهای متعدد سناریو بسازیم. اما ناتوانی در پیش‌بینی آینده به این معنا نیست که نمی‌توانیم زندگی‌ای باکیفیت و امن داشته باشیم. هرچه باشد، طبیعت پر است از اجتماعات و سیستم‌های به‌هم‌متصلی که خصلت‌های غیرتک‌بعدی و ناپایدار دارند. به همین خاطر باید به نحوۀ انعطاف‌پذیری، سازگاری و ابتکارعمل سیستم‌های زیستی تحت این شرایط توجه کنیم.

قبل از اینکه سراغ طبیعت برویم، لازم است چند نکته دربارۀ مهندسی انسانی بگویم. گونۀ ما از آغاز تاریخ فرهنگی‌اش در تلاش بوده تا نتایج اجتماعی و اقلیمی را مهندسی کند. این مداخلات درصورتی جواب خواهند داد که مداوم، از پایین به بالا و تدریجی باشند. اما چنانچه استیو لنسینگِ انسان‌شناس در کتاب خود، کشیش‌ها و برنامه‌نویس‌ها: تکنولوژی‌های قدرت در سرزمین مهندسی‌شدۀ بالی۶، می‌گوید، بسیاری از این مداخلات عقیم و فاجعه‌آمیز بوده‌ و شرایط را از گذشته بدتر کرده‌اند. در بخشی از کتاب، لنسینگ دو سیستم توزیع آب را در بالی مقایسه می‌کند. اولی سیستم توزیع آب ۱۰۰۰ سالۀ محلی‌ای است که بسیار کارآمد است و دومی سیستم توزیع آبی از است که از سوی حکومت مرکزی و در جریان انقلاب سبزِ قرن بیستم بر منطقه تحمیل شده است. این دیدگاهِ از بالا به پایین باعث شده محیط شکنندۀ این جزیره و اکوسیستمِ سواحل آن با اختلال مواجه شود، همچنین حکمرانی جمعی‌ پیشین در آن را هم از بین برده است.

ناکامی‌ها زمانی فرا می‌رسند که برای تصمیمات کیفی از داده‌های خام استفاده می‌کنیم. اقسام دیگری از این استدلال‌های ویرانگر هم هست، مثل فهم ساده‌انگارانۀ علت و معلولی یا این تلقی که گذشته بهترین اطلاعات را دربارۀ آینده به ما می‌دهد. این نوع پیشگویی‌های «گذشته‌نگر»، تمرکزی وسواسی بر آخرین «واقعۀ بد» دارند و این‌گونه سبب گمراهی‌مان می‌شوند و ادراک ما را آسیب‌پذیر می‌کنند. برای نمونه، واکنش ایالات متحده به وقایع ۱۱ سپتامبر را درنظر بگیرید، پس از این وقایع، شاهد بودیم که آمریکا چشمش را به روی مشکلاتی همچون بهداشت و درمان، آموزش و فقر جهانی بست و سرمایه‌گذاری سنگینی برای جلوگیری از تروریسم انجام داد. حالا در واقعه‌ای مشابه، در طول بحران کووید-۱۹، سیلی از تحلیلگران تأکید دارند که راه‌حل کلیدی این بحران سرمایه‌گذاری در بخش بهداشت و درمان است. همه‌گیری ضرورت بهداشت و درمان را یادآوری کرد و نشان داد که ما چقدر از آن غافل بوده‌‌ایم. اما قراردادن بهداشت و درمان در مرکز توجه‌ها، باز برنامه‌ریزی‌ای است که بر مبنای گذشته و آخرین واقعۀ بد انجام می‌شود.

طرفداران ارباب حلقه‌ها شاید نقشۀ آراگورن را به یاد بیاروند که می‌خواست چشم سائورون را داخل دروازه سیاه بیندازد، تا قهرمانان داستان، فرودو و سَم، بتوانند از راه دیگری وارد قلمروی سائورون بشوند (از محدوده‌ای که هیولای ترسناکی با شمایل عنکبوت در آن زندگی می‌کرد). این نقشه بر ترس سائورون از گذشته تکیه داشت، یعنی زمانی که جَد آراگورن، در میانۀ داستان، توانست انگشت سائورون را قطع کند و حلقۀ قدرتمندش را به دست بیاورد. نکتۀ داستان این است که وقتی به نحوی وسواسی، احساسی و هیجانی بر چیزی تمرکز می‌کنیم، به سادگی باعث می‌شود که دیگر مشکلات، حتی آن‌هایی که زیر گوشمان رشد می‌کنند، نادیده بگیریم. در سیستم‌های پیچیده، بسیار ضروری است که در برابر چنین گرایشی مقاومت کنیم. چیزی که شاید بتوان آن را با تساهل «سوگیری سائورون» نامید.

برای اینکه بتوانیم در سطح جامعه تصمیمات مؤثری بگیریم، راه‌های بهتری هست. جان آلن پائلوسِ ریاضیدان، دربارۀ سیستم‌های پیچیده می‌نویسد: «عدم‌قطعیت تنها قطعیتی است که می‌توان درنظر گرفت و اینکه بدانیم با ناامنی چگونه زندگی کنیم تنها حالتِ ممکنِ امنیت است» به جای اینکه پیامدهای مرتبط با آخرین واقعه بد را در الویت قرار دهیم، چنان که به‌طور وسواسی بر تروریسم، نابرابری و بهداشت و درمان تمرکز کردیم، بهتر است از سیستم‌های پیچیده‌ای که در طبیعت هستند، الهام بگیریم و فرایندهایی طراحی کنیم که انعطاف‌پذیری و مقاومت بالایی در برابر طیفی از سناریوهای ممکن داشته باشند.

این رویکرد «مهندسی نوظهور»۷نام دارد و اساساً متفاوت از مهندسی سنتی است. مهندسی سنتی در بند پیش‌بینی است و در آن تلاش بر این است تا رفتار سیستم کنترل شود، این مهندسی می‌خواهد سیستم را به‌گونه‌ای طراحی کند که نتایج مشخصی از آن بیرون بیاید. در مقابل، مهندسی نوظهور عدم قطعیت را واقعیتی از زندگی می‌داند که بالقوه سازنده است.

وقتی پای چالش‌هایی در سطح جامعه در میان باشد؛ مهندسی نوظهور راه‌حل‌های دیگری جلویمان قرار می‌دهد. برای مثال در چارچوب سیاست عدم‌قطعیتِ سازنده، به مردم اطمینان داده می‌شود که حداقل بالایی از کیفیت زندگی را خواهند داشت، اما تضمین نمی‌شود که نهادها و ساختارهای اجتماعی، در هیچ شکلشان، پایدار بمانند. در عوض، در این نوع دیدگاه سیستم‌های اجتماعی، اقتصادی و غیره به گونه‌ای طراحی می‌شوند که بنا به اقتضای موقعیت بتوانند به‌راحتی تغییر فاز بدهند. اتخاذ چنین سیاسی نیازمند ایجاد تعادلی محتاطانه میان دو موضع است، یکی توجه به آرمان‌های درست و راستینی مانند عدالت، برابری و فرصت‌های برابر است و دیگری تعهد به انعطاف‌پذیری و مقاوم بودن. البته چنین طرحی جنجال‌برانگیز است و آزمایش آن حتی در مقیاس‌های نسبتاً کوچکی مثل بهداشت و درمان و بازارهای مالی، در ورطه‌ای از مسائل فلسفی، اخلاقی و فنی غرقمان می‌کند. بااین‌حال، موفقیت‌هایی که طبیعت از این راه به‌دست آورده نشان می‌دهد که چنین طرحی کارآمد است.

بدن انسان را درنظر بگیرید، علی‌رغم تمام مشکلاتی که می‌تواند برای حدود ۳۰ تریلیون سلول بدن (و ۳۸ تریلیون سلول باکتریایی موجود در میکرواورگانیسم‌های آن) به وجود بیاید، به طرز چشمگیری کارآمد است. طبیعت چیزها را با دو دستۀ کلی از استراتژی‌ها پیش می‌برد، اولین استراتژی تضمین می‌کند که سیستم در برابر بی‌نظمی یا «آشوب» به کارکرد خود ادامه دهد و دومین استراتژی فرایندها را در مقیاس‌های زمانی متفاوت به اجرا درمی‌آورد، بدین‌ترتیب ضمن کاهش عدم‌قطعیت سیستم، به آن اجازۀ تغییر و انعطاف می‌دهد.

اولین استراتژی بر مبنای چیزی است که به آن «مکانیسم‌های مقاوم» می‌گوییم. این مکانیسم‌ها به سیستم اجازه می‌دهند حتی در زمان‌هایی‌ که آشوب‌ها به عناصر کلیدی صدمه می‌زنند، کار خود را بدون اشکال ادامه دهد. به طور مثال، الگوهای بیان ژن۸در صورتی مقاوم‌اند که در مواجهه با اختلالات ژنتیکی و محیطی، از جمله جهش‌ها، تغییر نکنند. مکانیسم‌های زیادی هستند که این تغییرناپذیری را ممکن کرده‌اند. هرچند بر سر چگونگی کار آن‌ها بحث‌های زیادی هست، اما در اینجا ایدۀ اصلی آن را به طور ساده بیان می‌کنیم: برای مثال افزاینده‌های۹ ثانویه را در نظر بگیرید: افزاینده‌های ثانویه بخشی از توالی‌های اضافی دی.ان.ای هستند که ژن‌ها را کنترل می‌کنند و وقتی جهشی اتفاق بیفتد، با همکاری با یکدیگر، فرایند بیان ژن را پایدار نگه می‌دارند. مثال دیگر «رونویسی ژن» است که در آن ژن‌ها، از خودشان، یک نسخۀ پشتیبان با کارکردهای همپوشان دارند. این نسخۀ پشتیبان کمک می‌کند تا اگر ژن اصلی آسیب دید، فرایند رونویسی بتواند آن را ترمیم کند.

طراحی مکانیسم‌های مقاوم هم برای سیستم‌های طبیعی سخت است هم برای سیستم‌های مهندسی شده، زیرا تا زمانی که خطایی رخ ندهد کارایی آن‌‌ها مشخص نمی‌شود. این مکانیسم‌ها باید از اختلالات نادر اما آسیب‌زا جلوگیری کنند. با‌این‌حال، طبیعت مجموعۀ عظیمی از این مکانیسم‌های مقاوم را پیدا کرده است. صلح و سازش، یعنی برگرداندن روابط به آنچه پیش از جنگ بوده است، ابداعی صرفاً انسانی نیست. چنین چیزی در قلمروی حیوانات عادی است و در بسیاری از گونه‌ها دیده می‌شود. در زمینه‌ای متفاوت، ساختار پیچیدۀ قلب انسان در برابر طیف وسیعی از اختلالات مقاوم است، تصور می‌شود که این مقاومت به‌خاطر ریتم بخصوص تپش قلب است که نه نامنظم است و نه متناوب، بلکه ساختاری برخالی۱۰ دارد. طراحی مقاوم، برخلاف رویکرد‌های معمولی که در مهندسی وجود دارد، درصدد کشف مکانیسم‌هایی است که در محیط‌های متغیر و متزلزل کارکرد خود و سیستم را حفظ می‌کنند.

طبیعت حقه‌های دیگری هم در آستین خود دارد. مقیاس‌های زمانی‌ای که یک سیستم برای اجرای فرایندهایش دارد، تأثیر جدی‌ای بر توان سیستم در سازگاری با شرایط آینده و پیش‌بینی آن می‌گذارد. وقتی سرعت تغییرات آهسته باشد، پیش‌بینی راحت‌تر است، اما اگر تغییرات بیش‌ازحد کند باشد، ابتکار عمل و واکنش به تغییرات سخت‌تر ‌می‌شود. برای حل این تناقض، طبیعت سیستم‌هایی ترتیب دیده که بر اساس مقیاس‌های زمانی مختلف کار می‌کنند. ژن‌ها نسبتاً آهسته تغییر می‌کنند، اما فرایند بیان ژن سریع است. در گروهی از میمون‌ها، نتیجۀ دعواهایی که درمی‌گیرد هر روز عوض می‌شود، اما ماه‌ها یا سال‌ها طول می‌کشد تا ساختار قدرت گروه تغییر کند. مقیاس‌های زمانی سریع، مثل دعوای میمون‌ها، عدم‌قطعیت بیشتری دارند و نتیجتاً مکانیسمی برای تحرک اجتماعی فراهم می‌کنند. از طرفی، مقیاس‌های زمانی آهسته، مثل ساختار قدرت، پایداری و پیش‌بینی‌پذیری دارند. این ویژگی به افراد اجازه می‌دهد که قواعد را کشف کنند و استراتژی‌های متناسبی در پیش بگیرند.

میزان تفاوتی که بین مقیاسِ زمانی فرایند‌های آهسته و سریع وجود دارد هم مهم است. اگر تفاوت فاحشی وجود داشته باشد و تغییر ساختار قدرت بسیار آهسته باشد، بی‌شمار جنگ هم نمی‌تواند میمون جوانی را به رأس هرم قدرت نزدیک کند، حتی اگر آن میمون، از خلال تجربه‌‌هایی که به دست می‌آورد، به جنگجوی بی‌نظیری تبدیل شود. تفاوتِ فاحشِ زمانی به این معناست که بسیار طول خواهد کشید تا وضعیت «واقعی» در سطح فردی، که در اینجا میمون جوانی است که جنگجوی خوبی شده، خودش را در ساختار قدرت بازتاب دهد. از این رو، اگر تغییرات ساختار قدرت بسیار کند باشد، با اینکه می‌تواند از تغییرات بی‌مورد در سطح فردی جلوگیری کند، اما راجع‌به قواعد سیستم به ما اطلاعی نخواهد داد. مثلاً اطلاع درمورد اینکه اگر اوضاع تغییر کند، در اینجا یعنی افزایش توانایی میمون جوان ما، چه کسی می‌تواند بهتر از نیرویش استفاده کند.

به‌علاوه، گاهی محیط می‌طلبد که سیستم به‌عنوان یک کل تغییر و تحول داشته باشد اما گاه هم می‌شود که محیط اقتضا می‌کند که سیستم آرام و ساکن باشد. این به آن معناست که اگر بتوانیم مقدار تفاوت مقیاس‌ زمانی بین فرایندهای سریع و آهسته را با هم سازگار کنیم، بازی را برده‌ایم. البته بسته به اینکه بپرسیم آیا انجام تغییری از پایین برای تأثیرگذاری در بالا، سودمند است یا نه. این نکات ما را به بحث قبل‌ترمان یعنی ناپایداری برمی‌گرداند. درجۀ تفاوتِ مقیاسِ زمانی راهی است که با آن می‌توان مبادله‌هایی را متوازن کرد که توسط انواع مختلفی از ناپایداری‌ها در سیستم ایجاد شده‌اند.

مکانیسم‌های دقیقی که طبیعت با آن‌ها تفاوت مقیاس‌های زمانی را تنظیم می‌کند هنوز تا حد زیادی ناشناخته هستند و می‌توانند حوزۀ بکری برای تحقیقات علمی باشند. با این‌حال، انسان‌ها می‌توانند از ایدۀ تفاوت مقیاس زمانی الهام بگیرند. وقتی داریم سیستم‌هایی برای آینده طراحی می‌کنیم، می‌توانیم در آن‌ها مکانیسم‌هایی تعبیه کنیم که به کاربران، چه ناظران بازار باشند چه سیاستگذاران، این اجازه را بدهد تا میزان تفاوت مقیاس زمانی را تنظیم کنند یا به عبارت دیگر، بین رفتار فردی در یک سطح با نهادها و متغیرهای کلانی مثل بازدۀ بورس یا طول دورۀ مناصب انتخابی در سطحی دیگر پیوند برقرار کنند. البته نسخه‌های ساده‌ای از این طرح همین حالا هم وجود دارد. دلیل اینکه بازارهای مالی

اگر مهندسیِ تدریجی می‌خواهد موفق شود، باید فهمی را پرورش دهد که بگوید چه چیز یک گروه را هوشمندتر می‌کند
دربرابر ریزش‌ها آسیب‌پذیراند، این است که به‌طور ذاتی بین معامله‌گری و شاخص‌های بازار تفاوت مقیاس‌زمانی وجود ندارد. یعنی احتمالش هست در دوره‌‌هایی که فروش هیجانی اتفاق می‌افتد، در عرض چند ساعت شاخص کل، بخش عمده‌ای از ارزشش را از دست بدهد. در واکنش به این ویژگی بورس، ناظران بازار روشی را معرفی کرده‌اند که به آن «جریان‌شکن۱۱» گفته می‌شود. این روش می‌گوید وقتی نشانه‌هایی از ریزشی عظیم شناسایی شد، معاملات باید متوقف گردد. مکانیسم «جریان‌شکن» دقیقاً درجۀ مقیاس زمانیِ بین عملکرد شاخص و معاملات را تنظیم نمی‌کند. با این‌حال، این مکانیسم، خیلی ساده، همین که نشانه‌هایی از ریزش ببیند، ترمز معاملات را می‌کشد. رویکرد تنظم‌‌کنندۀ واضح‌تر این است که در زمان‌های خطرناک، با محدودکردن حجم و دامنۀ نوسان خرید و فروش‌ها، سرعت معاملات را کاهش دهیم و باز وقتی اوضاع پیش‌بینی‌پذیرتر شد، به معامله‌گران اجازه دهیم مطابق میل‌شان معامله کنند. آیا مکانیسم‌های تنظیم‌کنندۀ جایگزینی هم متصور است که بیشتر به درد بازار بخورند؟ این در نهایت سؤالی است تجربی.

                                                                                         •••

ریزش‌های بازار بورس پلی است به یکی دیگر از ویژگی‌های خیره‌کننده طبیعت: یعنی نقاط اوج یا آنطور که در فیزیک گفته می‌شود «نقاط بحرانی»۱۲. وقتی سیستمی در نزدیکی نقطۀ بحرانی‌ای «قرار داشته باشد»، محرک کوچکی کافی است تا تغییری بزرگ رخ دهد. این گاه به معنی تغییر به حالتی جدید است. مثلاً گروهی از ماهیان که سلانه سلانه برای خود در حال حرکت‌اند (اتحاد ضعیف) وقتی ناگهان با کوسه‌ای (محرک) مواجه می‌شوند؛ حالت گله‌ای (اتحاد قوی) به خود می‌گیرند، این حالت هم به شنای سریع کمک می‌کند و هم شکارچی را گیج می‌کند. نقاط بحرانی اغلب اوقات به عنوان چیزی شناخته می‌شوند که باید از آن‌ها دوری کرد، مثلاً، در قضیۀ تغییرات اقلیمی. اما در واقع همانطور که مثال ماهی‌ها و کوسه نشان می‌دهد؛ قرارگرفتن در نزدیکی نقطه‌ای بحرانی به سیستم اجازه می‌دهد که اگر محیط تغییر کرد، بتواند متناسب با آن سازگار شود.

درست مثل تفاوت مقیاس زمانی، نقاط بحرانی هم می‌توانند ابزارهای خوبی برای طراحی باشند، البته به شرط اینکه بتوان فاصله با آن‌ها را کنترل و تنظیم کرد. به طور مثال، تحقیقی به تازگی روی جامعۀ بزرگی از میمون‌های در اسارت صورت گرفته است. در این تحقیق موقعیتی ثبت شده که سیستم اجتماعی نزدیک به نقطه‌ای بحرانی قرار داشته؛ به طوری که اندکی افزایش در تنش، مثلاً گرمای هوا در بعدازظهری داغ، می‌توانست سیلی از خشونت به راه بیندازد و گروه را از وضعیتی صلح‌آمیز به جنگ همه علیه همه بکشاند. اما به نظر می‌رسد در این گروه افراد قدرتمندی بودند که منازعات را کنترل می‌کردند و به نحو منصفانه‌ای آن‌ها را فیصله می‌دادند. این افراد می‌توانستند با کم و زیاد ‌کردن حدودِ مداخلۀ خود، حساسیت گروه به آشوب‌ها را تنظیم کنند. یعنی با تعیین سقف میزان خشونت مجاز، فاصله از نقطۀ بحرانی را تنظیم می‌کردند.

ما هنوز نمی‌دانیم این شیوه از تنظیم در سیستم‌های زیستی چقدر رایج است. اما همانند میزان تفاوت مقیاس زمانی، می‌توان با به کارگیری این شیوه در سیستم‌های انسانی آن‌ها منعطف و تغییرپذیر کرد. در این صورت سیستم‌ها دربرابر تکان‌ها و بی‌ثباتی‌ها واکنش بهتری نشان خواهند داد. برای مثال در بحث بهداشت و درمان، زمانی چنین تنظیمی خواهیم داشت که ظرفیت‌های مالی و تکنولوژیکی لازم در اختیارمان باشد و بتوانیم در مدت کوتاهی تجهیزات درمانی را بسازیم و واسازی کنیم. مثلاً استفاده از پرینترهای سه‌بعدی، موادِ زیستی تجزیه‌پذیر و وسایلی با قابلیت استفادۀ چندباره. در حوزه اقتصاد هم اصلاحاتی داریم که حباب‌های بازار را قبل از اینکه زیاد بزرگ شوند، می‌ترکاند. این اصلاحات تا حدودی از این کارکرد تنظیم‌کننده‌ پیروی می‌کنند. درست است که انرژی تولید شده توسط سیستم با چنین اصلاحاتی از بین می‌رود، اما در عوض، موج و هیجانی که به راه افتاده تا آن اندازه کاهش می‌یابد که از سقوط بازار جلوگیری کند.

نگرانی‌ای که فعالان حوزۀ تغییرات اقلیمی دربارۀ نقاط بحرانی دارند، بجاست. مشکل وقتی دشوار می‌شود که امکان تنظیم فاصله تا نقاط بحرانی میسر نباشد، یا زمانی که افراد در محاسبات خود خطا کنند (مثلاً به اشتباه فکر کنند که کوسه‌ای در نزدیکی است). حالا اگر برگشت‌پذیری‌ای در سیستم وجود نداشته باشد، پس از اینکه سیستم از تعادل خارج شد، دیگر نمی‌توان آن را به حالت منعطفِ پیشین بازگرداند. اختلالات بازگشت‌ناپذیر می‌توانند آرایش سیستم را کاملاً به‌هم بزنند یا حتی باعث سقوط آن شوند. البته ممکن است بنا به دگرگونی محیط، تغییر آرایش سیستم هم ضروری باشد، اما این تغییر حالت احتمالاً پرهزینه است؛ زیرا در این صورت سیستم به زمان و منابع نیاز دارد تا بتواند راه‌حل‌های قابل قبولی برای محیط جدید پیدا کند. وقتی وضعیت جهان کم‌و‌بیش آشفته باشد، یعنی پر از تصادفات و اتفاقات غیرقابل ‌پیش‌بینی باشد، حساسیت نسبت به اختلالات ممکن است خطرناک باشد. اما همین حساسیت، زمانی که تغییری استراتژیک لازم باشد (مثل حمله شکارچی) یا زمانی که محیط از اساس تغییر کند و تاکتیک‌های قدیمی از کار بیفتند، بسیار کارآمد است.

یکی از چالش‌هایی که در طراحی سیستم‌ها، در شرایط عدم‌قطعیت، وجود دارد؛ این است که چگونه کیفیت اطلاعات موجود در سیستم را بالا ببریم. ما پردازشگران کاملی برای اطلاعات نیستیم. مرتکب خطا می‌شویم و دیدی جزئی و ناقص به جهان داریم. چنان که بیل میلرِ سرمایه‌گذار می‌گوید، این نکته دربارۀ بازار هم صدق می‌کند. فقدان انسانی همه‌چیزدان هم اثرات منفی دارد هم اثرات مثبت. از نگاه سیستمی، بسیاری از افراد برای خود ارزیابی مستقل(یا نیمه مستقلی) از محیط دارند که مجموع آن‌ها «هوشی جمعی» را پدید می‌آورد. باوجوداین، هرکس دوست دارد تا نظرگاهش را وسعت ببخشد، به همین خاطر دست به کپی یا حتی دزدی اطلاعات دیگران می‌زند یا در اطلاعات آن‌ها شریک می‌شود. درست است که تقلید و مشاهده یادگیری فردی را افزایش می‌دهد، اما درعین‌حال، استقلال افراد و تکثری که برای گروه، در مقام یک کل، ارزشمند است را کاهش می‌دهد. مثالی رایج از این موضوع «ذهنیت گله‌ای معامله‌گرانی» است که به محض دیدن صف فروش، هیجان‌زده می‌شوند و دست به فروش سهام خود می‌زنند.

اگر مهندسیِ تدریجی می‌خواهد موفق شود، باید فهمی را پرورش دهد که بگوید چه چیز یک گروه را هوشمندتر می‌کند. چیزی که می‌دانیم این است که این فرایند دو حالت یا بخش دارد. اولی حالت «گردآوری» است که در آن افراد درمورد چگونگی عملکرد جهان اطلاعات جمع‌آوری می‌کنند و دومی حالت «انباشتی» است که در آن اطلاعات کنارهم قرار می‌گیرد. همچنین می‌دانیم که اگر افراد در جمع‌آوری داده‌های مطلوب کوتاهی کنند، مثلا بخاطر سوگیری‌هایشان تحلیل‌ نابه‌جایی از داده‌ها داشته باشند، یا بر روی ارزیابی‌هایشان تأکیدی جزمی داشته باشند، مکانیسم انباشتی می‌تواند آن را جبران کند.

الگوریتم پیج‌رنک۱۳ مثالی از مکانیسم انباشتی است که قبلاً گوگل از آن استفاده می‌کرد. پیج‌رنک به صفحاتی که پیوندهای بیشتری با دیگر صفحات وب داشتند، الویت بیشتری می‌داد. نوعی دیگر از مکانیسم انباشتی هم هست، برای مثال افرادی هستند که از طریق فرایندهای استدلالی مشابه به نتایج یکسان می‌رسند و درنتیجه تکثر را از بین می‌برند. در این حالت مکانیسم انباشتی وزن آرای این افراد را کاهش می‌دهد. مثلا آرای الکترال کالج یا مجمع گزینشگران آمریکا را در نظر بگیرید، این مجمع در اصل ترتیب داده شده تا آرای توده‌ها را اصلاح کند و نگذارد محیط‌های پرجمعیت نتایج انتخابات را کاملاً قبضه کنند. در طرف دیگر ماجرا، اگر شناسایی و استقرار مکانیسم‌های انباشتی سخت است، مثلاً نقطه‌نظرهای پرمایه‌ای را درنظر بگیرید که علیه مجمع گزینشگران مطرح است، شاید راه جبران این باشد که درجاهایی سرمایه‌گذاری کنیم که ظرفیت جمع‌آوری اطلاعات افراد را بهبود می‌بخشند. وقتی از طراحی الگوریتم‌های انباشتی‌ای حرف می‌زنیم که هوش جمعی را بهبود می‌بخشند؛ صرفاً سوگیری شناختی متعارفی مثل جزم‌گرایی، زیان‌گریزی۱۴ و لنگر انداختن۱۵ را درنظر نداریم، بلکه مسائل اخلاقی‌ای مثل عدالت و حریم خصوصی هم مطرح هستند.

در اینجا ما به جای اینکه تلاش کنیم تا آینده را دقیقاً پیش‌بینی کنیم، سعی‌مان بر این بوده تا در طراحی سیستم‌ها انعطاف‌پذیری و مقاوم بودن را ارجحیت بدهیم، به عبارت دیگر، تلاش کرده‌ایم سیستم‌هایی طراحی کنیم که دربرابر طیفی از سناریوهای احتمالی کارا و خلاق باشند. همه‌گیری کووید-۱۹ فرصتی بی‌سابقه فراهم کرده تا به این فکر کنیم که چگونه می‌‌توان رفتار جمعی و عدم‌قطعیت را مهار کرد و برای همۀ احاد جامعه آیندۀ بهتری رقم زد. مهم‌ترین کلیدواژۀ این مقاله «بحرانی»، «پیچیده»، «قوی‌ سیاه»، «نامتعادل» یا «اثر مرتبه دوم» نبود، «سپیده‌دم» بود.


فصلنامۀ ترجمان چیست، چه محتوایی دارد، و چرا بهتر است اشتراک سالانۀ آن را بخرید؟
فصلنامۀ ترجمان شامل ترجمۀ تازه‌ترین حرف‌های دنیای علم و فلسفه، تاریخ و سیاست، اقتصاد و جامعه و ادبیات و هنر است که از بیش از ۱۰۰ منبع معتبر و به‌روز انتخاب می‌شوند. مجلات و وب‌سایت‌هایی نظیر نیویورک تایمز، گاردین، آتلانتیک و نیویورکر در زمرۀ این منابع‌اند. مطالب فصلنامه در ۴ بخش نوشتار، گفت‌وگو، بررسی کتاب، و پروندۀ اختصاصی قرار می‌گیرند. گزیده‌ای از بهترین مطالب وب‌سایت ترجمان همراه با مطالبی جدید و اختصاصی، شامل پرونده‌های موضوعی، در ابتدای هر فصل در قالب «فصلنامۀ ترجمان علوم انسانی» منتشر می‌شوند. تاکنون به موضوعاتی نظیر «اهمال‌کاری»، «تنهایی»، «سفر»، «خودیاری»، «سلبریتی‌ها» و نظایر آن پرداخته‌ایم.

فصلنامۀ ترجمان در کتاب‌فروشی‌ها، دکه‌های روزنامه‌فروشی و فروشگاه اینترنتی ترجمان به‌صورت تک شماره به‌ فروش می‌رسد اما شما می‌توانید با خرید اشتراک سالانۀ فصلنامۀ ترجمان (شامل ۴ شماره)، علاوه بر بهره‌مندی از تخفیف نقدی، از مزایای دیگری مانند ارسال رایگان و دریافت یک کتاب به‌عنوان هدیه برخوردار شوید. فصلنامه برای مشترکان زودتر از توزیع عمومی ارسال می‌شود و در صورتی‌که فصلنامه آسیب ببیند بدون هیچ شرط یا هزینۀ اضافی آن را تعویض خواهیم کرد. ضمناً هر وقت بخواهید می‌توانید اشتراکتان را لغو کنید و مابقی مبلغ پرداختی را دریافت کنید.


پی‌نوشت‌ها:
• این مطلب را جسیکا فِلَک و ملانی میچل نوشته و در تاریخ ۲۱ آگوست ۲۰۲۰ با عنوان «Uncertain times» در وب‌سایت ایان منتشر شده است. وب‌سایت ترجمان آن را در تاریخ ۶ مهر ۱۳۹۹ با عنوان «عدم‌قطعیت تنها چیز قطعی در «سیستم‌های پیچیده» است» و ترجمۀ مهدی صادقی منتشر کرده است.
•• جسیکا فلک (Jessica Flack) استاد مؤسسۀ سانته‌فه در نیومکزیکو است و ملانی میچل (Melanie Mitchell) محقق مبحثِ «پیچیدگی» در این موسسه است. فلک و میچل دربارۀ فرایندهای جذب و تحلیل اطلاعات و طراحی سیستم‌های مقاوم در طبیعت و جامعه پژوهش می‌کنند.

[۱] این بخش با کمی تغییر از ترجمه‌ی بهمن فرزانه نقل شده است [مترجم].
[۲] heavy-tailed
[۳] tail event: پیشامدهایی که توزیع آن‌ها را روی نمودار به شکل یک دم ظاهر می‌شود [مترجم].
[۴] information flux
[۵] second-order interventions
[۶] Priests and Programmers: Technologies of Power in the Engineered Landscape of Bali
[۷] emergent engineering
[۸] بیان ژن فرایندی است که در آن از اطلاعات درون ژن استفاده می‌شود تا محصولی کاربردی پدید آید [مترجم].
[۹] افزاینده به بخش کوتاهی از دی.ان.ای گفته می‌شود که می‌تواند به برخی پروتئین‌های ویژه بچسبد و با این کار رونویسی ژن را در یک خوشه ژن افزایش دهد [مترجم].
[۱۰] فراکتال یا برخال ساختاری هندسی است که با بزرگ کردن هر بخش از این ساختار به نسبت معین، همان ساختار نخستین بدست می‌آید [مترجم].
[۱۱] circuit breaker
[۱۲] critical points
[۱۳] PageRank
[۱۴] نظریه‌ای که می‌گوید ما انسان‌ها از ضرر و زیان بیزاریم و برایمان ناراحتی از دست دادن چیزی دوبرابر بدست آوردن همان چیز است [مترجم].
[۱۵] در این سوگیری ذهن فرد در فرایند تصمیم‌گیری به نخستین اطلاعاتی که بدست می‌آورد تکیه می‌کند [مترجم].

کد مطلب: 9908
 


 
مهدی
۱۳۹۹-۰۷-۰۶ ۰۸:۵۷:۰۶
با سلام
بسیار از مقاله لذت بردم
عالی بود (7960)
 
امیر
۱۳۹۹-۰۷-۰۷ ۱۹:۰۸:۳۹
مثل اکثر مقالات گزینش شده شما عالی بود.
من از طریق خرید پکیج یک ساله حامی کوچک، ترجمان هستم.
همیشه موفق باشید که موفقیت امثال شما برای جامعه ما یک نیاز و امر واجب است. (7973)