Složitý adaptivní systém - Complex adaptive system - Wikipedia

A komplexní adaptivní systém je Systém to je komplex v tom, že je dynamická síť interakcí, ale chování souboru nemusí být předvídatelné podle chování komponent. to je adaptivní v tom jednotlivec a kolektivní chování mutovat a samoorganizovat odpovídající mikro-události vyvolávající změnu nebo souboru událostí.[1][2][3] Jedná se o „komplexní makroskopický soubor“ relativně „podobných a částečně propojených mikrostruktur“ vytvořených za účelem přizpůsobit se měnícímu se prostředí a zvyšují jejich schopnost přežít jako a makrostruktura.[1][2][4] Přístup komplexních adaptivních systémů staví na dynamika replikátoru.[5]

Studium komplexních adaptivních systémů, podmnožina nelineární dynamické systémy,[6] je interdisciplinární záležitost, která se pokouší spojit poznatky z přírodních a společenských věd s cílem vyvinout modely a poznatky na úrovni systému, které umožňují heterogenní látky, fázový přechod, a vznikající chování.[7]

Přehled

Termín komplexní adaptivní systémynebo složitost vědy, se často používá k popisu volně organizovaného akademického oboru, který vyrostl kolem studia těchto systémů. Věda o složitosti není jediná teorie - zahrnuje více než jeden teoretický rámec a je interdisciplinární a hledá odpovědi na některé základní otázky týkající se živobytí, adaptabilní, vyměnitelné systémy. Složité adaptivní systémy mohou využívat tvrdé nebo měkčí přístupy.[8] Tvrdé teorie používají přesný formální jazyk, mají sklon vidět agenty s hmatatelnými vlastnostmi a obvykle vidí objekty v systému chování, se kterými lze nějakým způsobem manipulovat. Měkčí teorie používají přirozený jazyk a příběhy, které mohou být nepřesné, a agenti jsou předměty, které mají hmotné i nehmotné vlastnosti. Mezi příklady teorií složité složitosti patří Complex Adaptive Systems (CAS) a Teorie životaschopnosti, a třída měkčí teorie je Životaschopná teorie systému. Mnoho z propozičních úvah učiněných v tvrdé teorii má význam i pro měkčí teorii. Od této chvíle se zájem bude nyní soustředit na CAS.

Studium CAS se zaměřuje na komplexní, naléhavé a makroskopické vlastnosti systému.[4][9][10] John H. Holland uvedl, že CAS „jsou systémy, které mají velké množství komponent, často nazývaných agenty, které interagují a přizpůsobují se nebo se učí“.[11]

Typické příklady komplexních adaptivních systémů zahrnují: klima; města; firmy; trhy; vlády; průmyslová odvětví; ekosystémy; sociální sítě; energetické sítě; zvířecí roje; dopravní toky; sociální hmyz (např. mravenec ) kolonie;[12] the mozek a imunitní systém; a buňka a vývoj embryo. Snahy založené na lidské sociální skupině, jako např politické strany, komunity, geopolitické organizace, válka, a teroristické sítě jsou také považovány za CAS.[12][13][14] The Internet a kyberprostor —Zloženo, spolupracováno a spravováno složitou kombinací interakce člověk-počítač, je také považován za komplexní adaptivní systém.[15][16][17] CAS může být hierarchický, ale častěji vykazuje aspekty „samoorganizace“.[18]

Obecné vlastnosti

Co odlišuje CAS od čistého multiagentní systém (MAS) je zaměření na vlastnosti a funkce nejvyšší úrovně sebepodobnost, složitost, vznik a sebeorganizace. MAS je definován jako systém složený z více interagujících agentů; zatímco v CAS jsou agenti i systém adaptivní a systém je podobný. CAS je komplexní, sebepodobná kolektivita interagujících, adaptivních látek. Komplexní adaptivní systémy se vyznačují vysokým stupněm adaptivní kapacita, což jim dává odolnost tváří v tvář rozrušení.

Další důležité vlastnosti jsou adaptace (nebo homeostáza ), komunikace, spolupráce, specializace, prostorová a časová organizace a reprodukce. Lze je najít na všech úrovních: buňky se specializují, přizpůsobují a množí se stejně jako větší organismy. Komunikace a spolupráce probíhá na všech úrovních, od úrovně agenta po úroveň systému. Síly hnací spolupráce mezi agenty v takovém systému lze v některých případech analyzovat pomocí herní teorie.

Vlastnosti

Mezi nejdůležitější vlastnosti komplexních systémů patří:[19]

  • Počet prvků je dostatečně velký, aby konvenční popisy (např. Systém diferenciální rovnice ) jsou nejen nepraktické, ale přestávají pomáhat porozumět systému. Kromě toho prvky interagují dynamicky a interakce mohou být fyzické nebo mohou zahrnovat výměnu informací
  • Takové interakce jsou bohaté, tj. Jakýkoli prvek nebo podsystém v systému je ovlivněn a ovlivňuje několik dalších prvků nebo podsystémů
  • Interakce jsou nelineární: malé změny ve vstupech, fyzické interakce nebo podněty mohou způsobit velké efekty nebo velmi významné změny ve výstupech
  • Interakce jsou primárně, ale ne výhradně, s bezprostředními sousedy a povaha vlivu je modulována
  • Jakákoli interakce se může vracet zpět na sebe přímo nebo po několika intervenujících fázích. Kvalita takové zpětné vazby se může lišit. Toto je známé jako opakování
  • Celkové chování systému prvků není předpovězeno chováním jednotlivých prvků
  • Takové systémy mohou být otevřené a může být obtížné nebo nemožné definovat hranice systému
  • Složité systémy fungují pod daleko od rovnováhy podmínky. K udržení organizace systému musí existovat neustálý tok energie
  • Složité systémy mají historii. Vyvíjejí se a jejich minulost je spoluzodpovědná za jejich současné chování
  • Prvky v systému mohou ignorovat chování systému jako celku a reagovat pouze na informace nebo fyzické podněty, které mají k dispozici lokálně

Robert Axelrod & Michael D. Cohen[20] identifikovat řadu klíčových pojmů z pohledu modelování:

  • Strategie, model podmíněné akce, který označuje, co za jakých okolností dělat
  • Artefakt, materiální zdroj, který má určité umístění a může reagovat na činnost agentů
  • Činidlo, sbírka vlastností, strategií a schopností pro interakci s artefakty a jinými agenty
  • Populace, sbírka agentů, nebo v některých situacích kolekce strategií
  • Systém, větší sbírka, včetně jedné nebo více populací agentů a případně i artefaktů
  • Typ, všichni agenti (nebo strategie) v populaci, kteří mají některé společné znaky
  • Odrůda, rozmanitost typů v populaci nebo systému
  • Vzorec interakce, opakující se zákonitosti kontaktu mezi typy v systému
  • Prostor (fyzický), umístění agentů a artefaktů v geografickém prostoru a čase
  • Prostor (koncepční)„umístění“ v sadě kategorií strukturovaných tak, aby „blízcí“ agenti měli tendenci k interakci
  • Výběr, procesy, které vedou ke zvýšení nebo snížení frekvence různých typů agentů nebo strategií
  • Kritéria úspěšnosti nebo výkonnostní opatření„skóre“ používané agentem nebo designérem při přiřazování kreditu při výběru relativně úspěšných (nebo neúspěšných) strategií nebo agentů

Turner a Baker[21] syntetizoval charakteristiky komplexních adaptivních systémů z literatury a testoval tyto charakteristiky v kontextu kreativity a inovace. Ukázalo se, že každá z těchto osmi charakteristik je přítomna v kreativitě a inovativních procesech:

  • Cesta závislá: Systémy bývají citlivé na své počáteční podmínky. Stejná síla může ovlivnit systémy odlišně.[22]
  • Systémy mají historii: Budoucí chování systému závisí na jeho počátečním výchozím bodě a následné historii.[23]
  • Nelineárnost: Reagujte neúměrně na narušení životního prostředí. Výsledky se liší od výsledků jednoduchých systémů.[24] [25]
  • Vznik: Interní dynamika každého systému ovlivňuje jeho schopnost měnit se způsobem, který se může zcela lišit od ostatních systémů.[26]
  • Neredukovatelné: Nelze vrátit nevratné transformace procesu zpět do původního stavu.[27]
  • Adaptivní / adaptabilita: Systémy, které jsou současně uspořádané a neuspořádané, jsou přizpůsobivější a odolnější.[28]
  • Funguje mezi řádem a chaosem: Adaptivní napětí vychází z energetického rozdílu mezi systémem a jeho prostředím.[29]
  • Samoorganizující se: Systémy se skládají ze vzájemné závislosti, interakcí jeho částí a rozmanitosti v systému. [30]

Modelování a simulace

CAS jsou příležitostně modelovány pomocí modely založené na agentech a komplexní síť modely na bázi.[31] Modely založené na agentech jsou vyvíjeny pomocí různých metod a nástrojů především prostřednictvím první identifikace různých agentů uvnitř modelu.[32] Další metoda vývoje modelů pro CAS zahrnuje vývoj složitých síťových modelů pomocí dat interakce různých komponent CAS.[33]

V roce 2013 SpringerOpen / BioMed Central spustila online otevřený deník na téma komplexní modelování adaptivních systémů (CASM).[34]

Vývoj složitosti

Pasivní versus aktivní trendy ve vývoji složitosti. CAS na začátku procesů jsou červeně zbarveny. Změny v počtu systémů se zobrazují podle výšky pruhů, přičemž každá sada grafů se pohybuje v časové řadě.
Hlavní článek: Vývoj biologické složitosti

Živé organismy jsou složité adaptivní systémy. Ačkoli je složitost v biologii těžko kvantifikovatelná, vývoj produkoval některé pozoruhodně složité organismy.[35] Toto pozorování vedlo k tomu, že běžná mylná představa o evoluci je progresivní a vede k tomu, co je považováno za „vyšší organismy“.[36]

Pokud by to byla obecně pravda, měla by evoluce aktivní trend ke složitosti. Jak je uvedeno níže, v tomto typu procesu by se hodnota nejběžnějšího množství složitosti v průběhu času zvýšila.[37] Opravdu, někteří umělý život simulace naznačují, že generace CAS je nevyhnutelnou vlastností evoluce.[38][39]

Myšlenku obecného trendu ke složitosti evoluce lze však vysvětlit také pasivním procesem.[37] To zahrnuje zvýšení rozptyl ale nejběžnější hodnota, režimu, se nemění. Maximální úroveň složitosti se tedy v průběhu času zvyšuje, ale pouze jako nepřímý produkt toho, že existuje celkem více organismů. Tento typ náhodného procesu se také nazývá omezený náhodná procházka.

V této hypotéze je zjevný trend směrem ke komplexnějším organismům iluzí vyplývající ze soustředění se na malý počet velkých, velmi složitých organismů, které obývají pravý ocas distribuce složitosti a ignorování jednodušších a mnohem běžnějších organismů. Tento pasivní model zdůrazňuje, že drtivá většina druhů je mikroskopický prokaryoty,[40] které tvoří zhruba polovinu světa biomasa[41] a tvoří drtivou většinu biologické rozmanitosti Země.[42] Jednoduchý život proto na Zemi zůstává dominantní a složitý život se jeví rozmanitější jen kvůli zkreslení vzorkování.

Pokud v biologii chybí celkový trend ke složitosti, nevylučuje to v podskupině případů existenci sil vedoucích ke složitosti systémů. Tyto drobné trendy by byly vyváženy dalšími evolučními tlaky, které vedou systémy k méně složitým stavům.

Viz také

Reference

  1. ^ A b „Statistiky z teorie složitosti: lepší porozumění organizacím“. od Doc. Amit Gupta, student - S. Anish, IIM Bangalore. Citováno 1. června 2012.
  2. ^ A b „Deset principů složitosti a umožnění infrastruktury“. profesorka Eve Mitleton-Kelly, ředitelka programu pro výzkum složitosti, London School of Economics. CiteSeerX  10.1.1.98.3514. Citovat deník vyžaduje | deník = (Pomoc)
  3. ^ Miller, John H. a Scott E. Page (1. ledna 2007). Komplexní adaptivní systémy: úvod do výpočetních modelů společenského života. Princeton University Press. ISBN  9781400835522. OCLC  760073369.CS1 maint: více jmen: seznam autorů (odkaz)
  4. ^ A b „Evoluční psychologie, komplexní systémy a sociální teorie“ (PDF). Bruce MacLennan, Katedra elektrotechniky a informatiky, University of Tennessee, Knoxville. eecs.utk.edu. Citováno 25. srpna 2012.
  5. ^ Foster, John (2006). „Proč ekonomie není složitá systémová věda?“ (PDF). Journal of Economic Issues. 40 (4): 1069–1091. doi:10.1080/00213624.2006.11506975. S2CID  17486106. Citováno 18. ledna 2020.
  6. ^ Lansing, J. Stephen (2003). "Složité adaptivní systémy". Výroční přehled antropologie. Výroční recenze. 32 (1): 183–204. doi:10.1146 / annurev.anthro.32.061002.093440. ISSN  0084-6570.
  7. ^ Auerbach, David (19. ledna 2016). „Teorie všeho a ještě něco navíc“. Břidlice. ISSN  1091-2339. Citováno 7. března 2017.
  8. ^ Yolles, Maurice (2018). "Kontinuum složitosti, Část 1: tvrdé a měkké teorie". Kybernetes. 48 (6): 1330–1354. doi:10.1108 / K-06-2018-0337.
  9. ^ Faucher, Jean-Baptiste. „Komplexní adaptivní organizace pod objektivem modelu LIFE: Případ Wikipedie“. Egosnet.org. Citováno 25. srpna 2012.
  10. ^ „Komplexní adaptivní systémy jako model pro hodnocení organizace: změna způsobená zavedením zdravotnických informačních systémů“ (PDF). Kieren Diment, Ping Yu, Karin Garrety, Výzkumná laboratoř zdravotnické informatiky, Fakulta informatiky, University of Wollongong, School of Management, University of Wollongong, NSW. uow.edu.au. Archivovány od originál (PDF) dne 5. září 2012. Citováno 25. srpna 2012.
  11. ^ Holland John H (2006). „Studium komplexních adaptivních systémů“ (PDF). Journal of Systems Science and Complexity. 19 (1): 1–8. doi:10.1007 / s11424-006-0001-z. hdl:2027.42/41486. S2CID  27398208.
  12. ^ A b Steven Strogatz, Duncan J. Watts a Albert-László Barabási "vysvětlující synchronicitu (v 6:08), teorie sítí, autoadaptační mechanismus složitých systémů, šest stupňů odloučení, fenomén malého světa, události nejsou nikdy izolované, protože na sobě navzájem závisí (v 27:07) v dokumentu BBC / Discovery Documentary ". BBC / Discovery. Citováno 11. června 2012. „Odvíjení vědy za myšlenkou šesti stupňů oddělení“
  13. ^ „Směrem ke komplexní komunitě adaptivní inteligence Wiki a blog“. D. Calvin Andrus. cia.gov. Citováno 25. srpna 2012.
  14. ^ Solvit, Samuel (2012). „Dimensions of War: Understanding War as a Complex Adaptive System“. L'Harmattan. Citováno 25. srpna 2013.
  15. ^ „Internet analyzován jako komplexní adaptivní systém“. Citováno 25. srpna 2012.
  16. ^ „Cyberspace: The Ultimate Complex Adaptive System“ (PDF). Mezinárodní deník C2. Citováno 25. srpna 2012. Paul W. Phister ml
  17. ^ „Složité adaptivní systémy“ (PDF). mit.edu. 2001. Citováno 25. srpna 2012. Serena Chan, Research Seminar in Engineering Systems
  18. ^ Holland, John H. (John Henry) (1996). Skryté pořadí: jak adaptace vytváří složitost. Addison-Wesley. ISBN  0201442302. OCLC  970420200.
  19. ^ Paul Cilliers (1998) Složitost a postmodernismus: Porozumění složitým systémům
  20. ^ Robert Axelrod & Michael D. Cohen, Využití složitosti. Základní knihy, 2001
  21. ^ Turner, J. R. a Baker, R. (2020). Prostě to udělejte: Případová studie testující kreativitu a inovativní procesy jako složité adaptivní systémy. Nové obzory ve vzdělávání dospělých a rozvoji lidských zdrojů, 32 (2). https://doi.org/10.1002/nha3.20283
  22. ^ Lindberg, C .; Schneider, M. (2013). „Boj proti infekcím v Maine Medical Center: Pohled na vedení informované o složitosti z pozitivní deviace“. Vedení lidí. 9 (2): 229–253. doi:10.1177/1742715012468784. S2CID  144225216.
  23. ^ Boal, K. B .; Schultz, P. L. (2007). „Vyprávění příběhů, čas a evoluce: Role strategického vedení ve složitých adaptivních systémech“. Čtvrtletní vedení. 18 (4): 411–428. doi:10.1016 / j.leaqua.2007.04.008.
  24. ^ Lindberg, C .; Schneider, M. (2013). „Boj proti infekcím v Maine Medical Center: Pohled na vedení informované o složitosti z pozitivní deviace“. Vedení lidí. 9 (2): 229–253. doi:10.1177/1742715012468784. S2CID  144225216.
  25. ^ Luoma, M (2006). "Hra čtyř arén - Jak složitost může sloužit rozvoji managementu". Učení managementu. 37: 101–123. doi:10.1177/1350507606058136. S2CID  14435060.
  26. ^ Lindberg, C .; Schneider, M. (2013). „Boj proti infekcím v Maine Medical Center: Pohled na vedení informované o složitosti z pozitivní deviace“. Vedení lidí. 9 (2): 229–253. doi:10.1177/1742715012468784. S2CID  144225216.
  27. ^ Borzillo, S .; Kaminska-Labbe, R. (2011). „Odhalení dynamiky vytváření znalostí v komunitách praxe prostřednictvím objektivů teorie složitosti“. Výzkum a praxe v oblasti řízení znalostí. 9 (4): 353–366. doi:10.1057 / kmrp.2011.2011.13. S2CID  62134156.
  28. ^ Lindberg, C .; Schneider, M. (2013). „Boj proti infekcím v Maine Medical Center: Pohled na vedení informované o složitosti z pozitivní deviace“. Vedení lidí. 9 (2): 229–253. doi:10.1177/1742715012468784. S2CID  144225216.
  29. ^ Borzillo, S .; Kaminska-Labbe, R. (2011). „Odhalení dynamiky vytváření znalostí v komunitách praxe prostřednictvím objektivů teorie složitosti“. Výzkum a praxe v oblasti řízení znalostí. 9 (4): 353–366. doi:10.1057 / kmrp.2011.2011.13. S2CID  62134156.
  30. ^ Lindberg, C .; Schneider, M. (2013). „Boj proti infekcím v Maine Medical Center: Pohled na vedení informované o složitosti z pozitivní deviace“. Vedení lidí. 9 (2): 229–253. doi:10.1177/1742715012468784. S2CID  144225216.
  31. ^ Muaz A. K. Niazi, Směrem k novému jednotnému rámci pro vývoj formálních, síťových a ověřených simulačních modelů založených na agentech komplexních adaptivních systémů Disertační práce
  32. ^ John H. Miller & Scott E. Page, Complex Adaptive Systems: An Introduction to Computational Models of Social Life, Princeton University Press Stránka knihy
  33. ^ Melanie Mitchell, Complexity A Guided Tour, Oxford University Press, Stránka knihy
  34. ^ Springer Deník modelování komplexních adaptivních systémů (CASM)
  35. ^ Adami C (2002). „Co je to složitost?“. BioEssays. 24 (12): 1085–94. doi:10.1002 / bies.10192. PMID  12447974.
  36. ^ McShea D (1991). „Složitost a vývoj: Co každý ví“. Biologie a filozofie. 6 (3): 303–24. doi:10.1007 / BF00132234. S2CID  53459994.
  37. ^ A b Carroll SB (2001). „Šance a nutnost: vývoj morfologické složitosti a rozmanitosti“. Příroda. 409 (6823): 1102–9. Bibcode:2001 Natur.409.1102C. doi:10.1038/35059227. PMID  11234024. S2CID  4319886.
  38. ^ Furusawa C, Kaneko K (2000). "Původ složitosti u mnohobuněčných organismů". Phys. Rev. Lett. 84 (26 Pt 1): 6130–3. arXiv:nlin / 0009008. Bibcode:2000PhRvL..84,6130F. doi:10.1103 / PhysRevLett.84.6130. PMID  10991141. S2CID  13985096.
  39. ^ Adami C, Ofria C, Collier TC (2000). „Vývoj biologické složitosti“. Proc. Natl. Acad. Sci. USA. 97 (9): 4463–8. arXiv:fyzika / 0005074. Bibcode:2000PNAS ... 97,4463A. doi:10.1073 / pnas.97.9.4463. PMC  18257. PMID  10781045.
  40. ^ Oren A (2004). „Diverzita prokaryot a taxonomie: současný stav a budoucí výzvy“. Philos. Trans. R. Soc. Lond. B Biol. Sci. 359 (1444): 623–38. doi:10.1098 / rstb.2003.1458. PMC  1693353. PMID  15253349.
  41. ^ Whitman W, Coleman D, Wiebe W (1998). „Prokaryotes: neviditelná většina“. Proc Natl Acad Sci USA. 95 (12): 6578–83. Bibcode:1998PNAS ... 95,6578W. doi:10.1073 / pnas.95.12.6578. PMC  33863. PMID  9618454.
  42. ^ Schloss P, Handelsman J (2004). „Stav mikrobiálního sčítání lidu“. Microbiol Mol Biol Rev. 68 (4): 686–91. doi:10.1128 / MMBR.68.4.686-691.2004. PMC  539005. PMID  15590780.

Literatura

externí odkazy