Kompleksisuus · Oppitunti 0002/6

Kompleksiset sopeutuvat järjestelmät (CAS)

Tuhannet yksinkertaiset toimijat, neljä mekanismia (aggregaatio, tunnisteet, epälineaarisuus, virrat), ja emergentti äly. Tämä on CAS.

Edellisessä oppitunnissa erottelimme kompleksin ja monimutkaisen. Nyt syvennämme tärkeimpään kompleksin järjestelmän tyyppiin — kompleksi sopeutuva järjestelmä (Complex Adaptive System, CAS). Tämä on käsite, joka yhdistää kaikki edelliset.

CAS lyhyesti

CAS on järjestelmä, jossa:

• On monta toimijaa (agenssia), joilla on kukin oma käyttäytymisensä.
• Toimijat kytkeytyvät toisiinsa — vaikuttavat toistensa tilaan.
• Toimijat oppivat ja sopeutuvat — muuttavat käyttäytymistään kokemuksesta.
• Kokonaisuus synnyttää emergenttejä rakenteita, joita kukaan ei suunnitellut.

Tämä määritelmä kuvaa muurahaisyhdyskuntia, aivoja, ekosysteemejä, markkinoita, kaupunkeja — ja kummallisin kyllä, myös omia ajatuksiasi juuri nyt.

Neljä CAS:n tasoa

John Holland (1929–2015), kompleksisuustieteen pioneeri ja geneettisten algoritmien isä, kuvasi CAS:n neljällä tasolla:

1. Toiminnan taso (performance) — järjestelmän kyky käsitellä ympäristöä. Suoritetaan toimijoiden kautta.
2. Anturit ja toimeenpanijat — toimijoiden keinot havaita ja vaikuttaa. Kartoittavat ympäristön omaan malliin.
3. Sisäiset mallit — toimijoiden uskomukset säännöistä, jotka ohjaavat maailmaa. Suurin osa päätöksistä syntyy näistä malleista, ei raakadatasta.
4. Strategioiden armeija — joukko yksinkertaisia sääntöjä ("if-then"), joita toimija käyttää. Nämä kehittyvät kokemuksen myötä.

Tärkeä pointti: sisäiset mallit ovat usein vääriä, mutta riittävän hyviä. Ne eivät kuvaa todellisuutta tarkasti — ne ovat "tyydyttäviä" heuristiikkoja (Herbert Simonin satisficing). Mutta ne toimivat tarpeeksi hyvin, jotta elämä jatkuu.

"All complex adaptive systems share four basic mechanisms: aggregation, tagging, nonlinearity, and flows." — John Holland

CAS-mekanismit

Neljä mekanismia joita CAS käyttää:

Nämä neljä mekanismia toistuvat kaikissa CAS:issa. Ne ovat ikään kuin kompleksisuuden "fysiikkaa".

Esimerkkejä CAS-järjestelmistä

Katsotaan kolme esimerkkiä — ja tunnistetaan samat rakenteet.

1. Muurahaisyhdyskunta

• Toimijat: tuhansia muurahaisia, joista kukin on yksinkertainen.
• Säännöt: jätä feromoni, seuraa vahvinta feromonia.
• Käyttäytyminen: lyhin reitti ruokaan löytyy itse. Ei "johtajaa".
• Emergentti rakenne: pesän arkkitehtuuri, "työnjako".

2. Aivot

• Toimijat: 86 miljardia neuronia.
• Säännöt: neuronit vahvistavat yhteyksiä, jotka laukeavat usein (Hebbin sääntö).
• Käyttäytyminen: tietoinen kokemus, muisti, oppiminen.
• Emergentti rakenne: tietoisuus.

3. Talousmarkkinat

• Toimijat: miljoonia sijoittajia, yrityksiä, kuluttajia.
• Säännöt: osta jos hinta nousee, myy jos laskee.
• Käyttäytyminen: kuplat, romahdukset, hinta-trendit.
• Emergentti rakenne: markkinahinta, volatiliteetti.

Näissä kaikissa samat periaatteet. Eri mittakaavassa, mutta samat säännöt.

Mikä on "sopeutuva" CAS:ssa

Sopeutuvuus (adaptation) on oppimista — mutta ei välttämättä tietoista. Se on käyttäytymismallien muuttumista kokemuksen perusteella.

CAS oppii kolmella tapaa:

1. Yksilötasolla — yksi toimija oppii.
2. Sääntötasolla — toimijat muuttavat strategiaansa (evoluutio).
3. Järjestelmätasolla — emergentti rakenne muuttuu (esim. ekosysteemi).

Stuart Kauffman kutsuu tällaista järjestelmää adjacent possible -tilaksi — jokainen hetki tarjoaa uusia mahdollisuuksia, jotka eivät olleet mahdollisia aiemmin.

CAS vs. perinteinen tiede

Perinteinen tiede redusoi — pilkkoo osiin ja tutkii niitä. CAS on eri lähtökohta:

• Perinteinen: vähennä monimutkaisuutta, tavoittele yksinkertaisia lakeja.
• CAS-tiede: kohtaa monimutkaisuus, etsi rakenteita emergenssistä.

"At the Santa Fe Institute we don't seek the simple laws of complex systems. We seek the patterns that emerge from complexity itself." — Murray Gell-Mann

Mikä on agenttipohjainen mallinnus?

Koska CAS on vaikea analysoida matemaattisesti, sitä tutkitaan usein agenttipohjaisella mallinnuksella (ABM). Siinä:

• Toimijat (agenssit) ohjelmoidaan yksinkertaisilla säännöillä.
• Jokaisella on oma tila ja käyttäytymissäännöt.
• Toimijat kytkeytyvät toisiinsa ja ympäristöönsä.
• Tutkija ajaa simulaation ja katsoo mitä emergenssiä syntyy.

ABM on erinomainen CAS-työkalu, koska se tunnustaa: emme voi ennustaa tulosta, voimme vain kokeilla. Toistuvat simulaatiot tuottavat todennäköisyysjakaumia.

Mikä on CAS:n suurin valta

CAS ratkaisee ongelmia, joita perinteinen suunnittelu ei osaa. Esimerkkejä:

• Googlen PageRank — hakutulosjärjestys emergoituu linkkirakenteesta, ei keskitetystä suunnittelusta.
• Linux-käyttöjärjestelmä — ydin syntyy tuhansien kehittäjien yhteistyöstä ilman keskusjohtoa.
• Ihmisen immuniteetti — oppii uusia patogeeneja ilman, että tarvitsee suunnitella jokaista.

Näissä on sama kaava: antaa säännöt, ei suunnitelmaa. Säännöt ovat yksinkertaisia, tulokset emergenttejä.

Pysähdy ja tarkastele

Etsi yksi CAS omasta elämästäsi — järjestelmä jossa toimijat oppivat ja mukautuvat.

Seuraavassa oppitunnissa näemme miten tämä järjestys syntyy ilman keskussuunnittelua — itseorganisoitumisen kautta.

Liittyvät käsitteet

• complex-adaptive-system — tämän oppitunnin ydinkäsite (CAS)
• complexity — yleiskäsite
• emergence — syntyy CAS:n tasolla
• self-organization — ilman keskussuunnittelua
• adaptation — oppiminen ja sopeutuminen
• feedback-loop — sääntöjen moottori
• non-linearity — pieni syy → suuri seuraus
• system — yleiskäsite
• modeling — ABM — agenttipohjainen mallinnus
• holism — kokonaisuus edellä

Lähteet: John Holland — Emergence (Perseus, 1998), Hidden Order (Addison-Wesley, 1995); Stuart Kauffman — At Home in the Universe (Oxford, 1995); W. Brian Arthur — Inductive Reasoning and Bounded Rationality (AER, 1994); Eric Bonabeau, Marco Dorigo, Guy Theraulaz — Swarm Intelligence (Oxford, 1999).