cover_compressed

فصل اول- تفکر سیستمی و بحران فهم در جهان پیچیده:بخش دوم

۱.۶ پیامدهای ناخواسته تصمیم‌ها

1.6.1.فراگیری پیامدهای ناخواسته

شاید چشمگیرترین شاهد بر محدودیت‌های پارادایم تحلیلی سنتی، فراگیری پیامدهای ناخواسته باشد. بارها و بارها، مداخلاتی که برای حل مسائل طراحی شده‌اند پیامدهایی تولید می‌کنند که هیچ‌کس قصدش را نداشته و عده کمی پیش‌بینی‌اش کرده‌اند. این پیامدها ناهنجاری نیستند؛ ویژگی‌های ساختاری مداخله در سیستم‌های پیچیده‌اند. آن‌ها از وابستگی متقابل اجزای سیستم، غیرخطی بودن روابط علت‌ومعلولی، حضور حلقه‌های بازخورد و ظرفیت سازگاری کنشگران سیستم ناشی می‌شوند. فهم اینکه چرا پیامدهای ناخواسته رخ می‌دهند—و چه چیزی درباره ماهیت سیستم‌های پیچیده آشکار می‌کنند—برای هر کسی که می‌خواهد در جهان معاصر مؤثر عمل کند اساسی است (Merton, 1936; Tenner, 1996).

مفهوم پیامدهای ناخواسته توسط جامعه‌شناس رابرت مرتون (۱۹۳۶) صورت‌بندی کلاسیک یافت، که میان پیامدهای آشکار (آن‌هایی که مقصود و شناخته‌شده‌اند) و پیامدهای نهفته (آن‌هایی که ناخواسته و ناشناخته‌اند) تمایز قائل شد. تحلیل مرتون نقدی بود بر فرض ساده‌لوحانه‌ای که مداخلات اجتماعی فقط اثرات مقصود خود را تولید می‌کنند. او استدلال کرد که سیستم‌های اجتماعی با تعاملات پیچیده‌ای مشخص می‌شوند که پیامدهایی تولید می‌کنند که از دانش اجزای فردی قابل پیش‌بینی نیستند. این بینش توسط محققان بعدی توسعه یافته، که فراگیری پیامدهای ناخواسته را در طیف وسیعی از حوزه‌ها، از فناوری تا پزشکی تا سیاست عمومی، مستند کرده‌اند (Tenner, 1996; Scott, 1998).

1.6.2.مثال سیاست اقتصادی

حوزه سیاست اقتصادی نمونه‌های متعددی از پیامدهای ناخواسته ارائه می‌دهد. کنترل قیمت را در نظر بگیرید. کنترل قیمت معمولاً برای محافظت از مصرف‌کنندگان در برابر قیمت‌های بالا یا تضمین مقرون‌به‌صرفه بودن کالاهای اساسی معرفی می‌شود. اما کنترل قیمت اغلب پیامدهایی تولید می‌کند که عکس مقصود است: کمبود ایجاد می‌کند، زیرا تولیدکنندگان حاضر نیستند کالا را به قیمت کنترل‌شده عرضه کنند؛ بازار سیاه ایجاد می‌کند، زیرا مصرف‌کنندگان حاضرند بیش از قیمت کنترل‌شده بپردازند؛ کیفیت را کاهش می‌دهد، زیرا تولیدکنندگان برای حفظ سودآوری در قیمت کنترل‌شده از کیفیت می‌کاهند؛ و تخصیص نادرست منابع ایجاد می‌کند، زیرا قیمت‌ها دیگر کمبود نسبی کالاها و خدمات را منعکس نمی‌کنند. پیامدهای ناخواسته کنترل قیمت نتیجه اجرای ضعیف نیست؛ نتیجه تعامل مداخله با دینامیک پیچیده سیستم‌های بازار است (Rockoff, 1984; Shleifer & Vishny, 1992).

تنظیم مالی را نیز در نظر بگیرید. مقرراتی که برای جلوگیری از بحران‌های مالی طراحی شده‌اند اغلب انگیزه‌هایی برای مؤسسات مالی ایجاد می‌کنند تا رفتارهایی انجام دهند که خطر بحران را افزایش می‌دهد. توافق‌نامه‌های بازل، برای مثال، که الزامات سرمایه‌ای برای بانک‌ها تعیین می‌کرد، انگیزه‌هایی برای بانک‌ها ایجاد کرد تا دارایی‌های پرخطر را از ترازنامه‌های خود خارج کنند، جایی که مشمول الزامات سرمایه‌ای نبودند. این رفتار آسیب‌پذیری سیستم مالی را در برابر شوک‌ها افزایش داد و به بحران مالی ۲۰۰۸ کمک کرد. مقرراتی که برای جلوگیری از بحران طراحی شده بود به شرایطی کمک کرد که آن‌ها را تولید کرد. این به این معنا نیست که مقررات همیشه ضدبازده است؛ به این معناست که مقررات در سیستم‌های پیچیده اغلب پیامدهای ناخواسته‌ای تولید می‌کند که باید پیش‌بینی و مدیریت شوند (Haldane & May, 2011; Tett, 2009).

1.6.3.مثال نوآوری فناورانه

نوآوری فناورانه حوزه دیگری است که در آن پیامدهای ناخواسته فراگیرند. معرفی فناوری‌های جدید اغلب اثراتی تولید می‌کند که هیچ‌کس پیش‌بینی نکرده و این اثرات می‌توانند هم سودمند و هم زیان‌بار باشند. خودرو، برای مثال، به‌عنوان راه‌حلی برای مسئله حمل‌ونقل شهری معرفی شد—به‌طور خاص، مسئله کود اسب که با سرعتی هشداردهنده در شهرها انباشته می‌شد. خودرو آن مسئله را حل کرد، اما مجموعه‌ای از مسائل جدید ایجاد کرد: آلودگی هوا، ترافیک، گسترش شهری، وابستگی به سوخت‌های فسیلی و مرگ میلیون‌ها نفر در تصادفات رانندگی. این پیامدها مقصود مخترعان خودرو نبود و کسانی که adoption آن را ترویج می‌کردند پیش‌بینی‌اش نکرده بودند. آن‌ها از تعامل فناوری با سیستم‌های اجتماعی، اقتصادی و زیست‌محیطی پیچیده‌ای که در آن جاسازی شده بود، ظهور کردند (Tenner, 1996; Volti, 2009).

پیامدهای ناخواسته فناوری به جهان فیزیکی محدود نمی‌شود. معرفی رسانه‌های اجتماعی به‌عنوان فناوری‌ای جشن گرفته شد که ارتباط را دموکراتیزه می‌کند، مردم را در فواصل دور به هم متصل می‌کند و افراد را در برابر نهادهای قدرتمند توانمند می‌سازد. در برخی جنبه‌ها، این کارها را انجام داده است. اما پیامدهایی نیز تولید کرده که پیش‌بینی نشده بود: گسترش اطلاعات نادرست، قطبی‌شدن گفتمان عمومی، فرسایش حریم خصوصی، دستکاری انتخابات و تشدید مشکلات سلامت روان در میان جوانان. این پیامدها از تعامل رسانه‌های اجتماعی با دینامیک پیچیده روان‌شناسی انسان، شبکه‌های اجتماعی و سیستم‌های سیاسی ظهور می‌کنند. آن‌ها را نمی‌توان با تحلیل فناوری در انزوا فهمید؛ آن‌ها نیازمند فهم سیستمی هستند که فناوری در آن جاسازی شده است (Zuboff, 2019; Haidt, 2024).

1.6.4.مثال تغییر سازمانی

حوزه تغییر سازمانی تصویر دیگری از فراگیری پیامدهای ناخواسته ارائه می‌دهد. سازمان‌ها سیستم‌های اجتماعی پیچیده‌اند و مداخلاتی که برای بهبود عملکردشان طراحی شده‌اند اغلب پیامدهایی تولید می‌کنند که عکس مقصود است. شرکتی را در نظر بگیرید که یک سیستم مدیریت عملکرد جدید برای افزایش بهره‌وری کارکنان معرفی می‌کند. سیستم برای هم‌راستایی انگیزه‌های فردی با اهداف سازمانی طراحی شده است، اما پیامدهای ناخواسته تولید می‌کند: کارکنان بر معیارهایی که اندازه‌گیری می‌شوند تمرکز می‌کنند و جنبه‌های کارشان که اندازه‌گیری نمی‌شوند را نادیده می‌گیرند؛ با یکدیگر رقابت می‌کنند به‌جای همکاری؛ سیستم را برای بیشینه‌سازی امتیازاتشان بازی می‌کنند؛ و نسبت به مدیریت بدبین و از کارشان بی‌انگیزه می‌شوند. مداخله، که برای بهبود عملکرد طراحی شده بود، آن را تضعیف می‌کند. این شکست اجرا نیست؛ نتیجه تعامل مداخله با دینامیک اجتماعی پیچیده سازمان است (Kerr, 1975; Senge, 1990).

مورد تغییر سازمانی یک اصل عمومی را نشان می‌دهد: در سیستم‌های اجتماعی پیچیده، مداخلات پیامدهایی تولید می‌کنند که از دانش مداخله به‌تنهایی قابل پیش‌بینی نیستند. پیامدها از تعامل مداخله با سیستم ظهور می‌کنند و به ساختار سیستم، تاریخ آن و پاسخ‌های سازگارانه اعضایش بستگی دارند. این به این معناست که مداخله مؤثر نه تنها به دانش مداخله، بلکه به دانش سیستمی که در آن جاسازی شده است نیاز دارد. این، در یک کلام، نیازمند یک منظر سیستمی است (Meadows, 2008; Sterman, 2000).

1.6.5.منطق پیامدهای ناخواسته

چرا پیامدهای ناخواسته رخ می‌دهند؟ پاسخ در ساختار سیستم‌های پیچیده نهفته است. سیستم‌های پیچیده با سه ویژگی مشخص می‌شوند که پیامدهای ناخواسته را محتمل می‌کنند: وابستگی متقابل، غیرخطی بودن و سازگاری. وابستگی متقابل یعنی مداخلات در یک بخش از سیستم اثراتی در بخش‌های دیگر تولید می‌کنند، اغلب به روش‌هایی که فوراً آشکار نیستند. غیرخطی بودن یعنی رابطه میان مداخله و اثر متناسب نیست، به‌طوری که مداخلات کوچک می‌توانند اثرات بزرگ تولید کنند و مداخلات بزرگ می‌توانند اثرات کوچک. سازگاری یعنی کنشگران سیستم به مداخلات پاسخ می‌دهند و رفتار سیستم را تغییر می‌دهند، اغلب به روش‌هایی که اثر مقصود مداخله را تضعیف می‌کند. این سه ویژگی ترکیب می‌شوند تا پیش‌بینی و کنترل سیستم‌های پیچیده را اساساً محدود کنند. ما نمی‌توانیم پیامدهای مداخلاتمان را به‌طور کامل پیش‌بینی کنیم زیرا سیستم برای ابزارهای تحلیلی ما بسیار پیچیده، بسیار به‌هم‌پیوسته و بسیار سازگار است (Forrester, 1971; Sterman, 2000).

منطق پیامدهای ناخواسته پیامدهای عمیقی برای نحوه رویکرد ما به مداخله دارد. به این معناست که باید به مداخلات با فروتنی نزدیک شویم و تشخیص دهیم که نمی‌توانیم پیامدهایشان را به‌طور کامل پیش‌بینی کنیم. پس به این معناست که باید اثرات مداخلاتمان را پایش کنیم و آماده باشیم آن‌ها را با آموختن درباره سیستم تنظیم کنیم. به این معناست که باید مداخلاتی طراحی کنیم که در برابر عدم قطعیت مقاوم‌اند—که در طیفی از آینده‌های ممکن به‌طور معقول خوب کار می‌کنند نه بهینه برای یک آینده پیش‌بینی‌شده واحد.

و به این معناست که باید ظرفیت یادگیری از مداخلاتمان، تشخیص پیامدهای ناخواسته وقتی رخ می‌دهند و تنظیم فهممان از سیستم بر اساس آنچه می‌آموزیم را توسعه دهیم. این‌ها ویژگی‌های آن چیزی است که من در سراسر این کتاب «عمل سیستمی» خواهم نامید—شیوه‌ای از کار حرفه‌ای که در فهم سیستم‌های پیچیده ریشه دارد و از طریق یادگیری و سازگاری پیوسته پیش می‌رود (Schön, 1983; Senge, 1990).

۱.۷ زمان، تغییر و دشواری پیش‌بینی

1.7.1.بعد زمانی سیستم‌های پیچیده

سیستم‌های پیچیده ایستا نیستند؛ در طول زمان تکامل می‌یابند. روابط میان اجزا تغییر می‌کند، خود اجزا تغییر می‌کنند و سیستم به‌عنوان یک کل تغییر می‌کند. این بعد زمانی برای فهم اینکه چرا سیستم‌های پیچیده پیش‌بینی و کنترل دشوارند اساسی است. در سیستم‌های ساده، زمان عامل مهمی نیست: روابط میان اجزا پایدارند و رفتار سیستم بدون توجه به زمان مشاهده قابل پیش‌بینی است. در سیستم‌های پیچیده، زمان عاملی بنیادین است: روابط میان اجزا پویا هستند و رفتار سیستم به تاریخ آن و زمان‌بندی مداخلات بستگی دارد. فهم سیستم‌های پیچیده بنابراین نیازمند فهم دینامیک زمانی آن‌هاست—چگونه در طول زمان تغییر می‌کنند، چگونه به مداخلات پاسخ می‌دهند و چگونه تاریخشان حال و آینده‌شان را شکل می‌دهد (Prigogine & Stengers, 1984; Holland, 1995).

بعد زمانی سیستم‌های پیچیده چند پیامد برای پیش‌بینی و کنترل دارد. نخست، سیستم‌های پیچیده وابسته به مسیرند: وضعیت کنونی آن‌ها به تاریخشان بستگی دارد و تاریخ‌های مختلف می‌توانند به وضعیت‌های مختلفی منجر شوند حتی وقتی شرایط اولیه مشابه‌اند. این به این معناست که پیش‌بینی نیازمند دانش نه تنها وضعیت کنونی سیستم بلکه تاریخ آن است—نیازی که اغلب ارضایش ناممکن است. دوم، سیستم‌های پیچیده با تأخیرهای زمانی مشخص می‌شوند: اثرات مداخلات ممکن است فوراً آشکار نشوند و فقط پس از تأخیر قابل‌توجهی قابل مشاهده شوند. این ارزیابی اثربخشی مداخلات و تنظیم به‌موقع آن‌ها را دشوار می‌کند. سوم، سیستم‌های پیچیده با برگشت‌ناپذیری مشخص می‌شوند: برخی تغییرات برگشت‌ناپذیرند، به‌طوری که مداخلاتی که چنین تغییراتی تولید می‌کنند نمی‌توانند خنثی شوند. این به این معناست که مداخلات در سیستم‌های پیچیده خطراتی را به همراه دارند که نمی‌توان آن‌ها را به‌طور کامل پیش‌بینی یا کاهش داد (Arthur, 1994; Sterman, 2000).

1.7.2.مسئله وابستگی به مسیر

وابستگی به مسیر ویژگی‌ای است که وضعیت کنونی یک سیستم به تاریخ آن بستگی دارد و تاریخ‌های مختلف می‌توانند به وضعیت‌های مختلفی منجر شوند حتی وقتی شرایط اولیه مشابه‌اند. وابستگی به مسیر یک ویژگی فراگیر سیستم‌های پیچیده است و پیامدهای عمیقی برای پیش‌بینی و کنترل دارد. در سیستم‌هایی که با وابستگی به مسیر مشخص می‌شوند، همان مداخله می‌تواند نتایج متفاوتی تولید کند بسته به زمان اعمال و آنچه قبلاً رخ داده است. این به این معناست که پیش‌بینی نیازمند دانش تاریخ سیستم است و کنترل نیازمند توانایی تأثیرگذاری بر مسیر سیستم—توانایی که اغلب محدود است (David, 1985; Arthur, 1994).

نمونه کلاسیک وابستگی به مسیر، صفحه‌کلید QWERTY است. صفحه‌کلید QWERTY در قرن نوزدهم برای ماشین‌های تحریر مکانیکی طراحی شد و چیدمان آن برای جلوگیری از گیر کردن میله‌های حروف بهینه شده بود. وقتی صفحه‌کلیدهای الکترونیکی توسعه یافتند، دیگر نیازی به چیدمان QWERTY نبود و چیدمان‌های کارآمدتری طراحی شد. اما QWERTY به دلیل وابستگی به مسیر باقی ماند: Once استاندارد شد، تغییر آن دشوار بود، زیرا کاربران به آن عادت کرده بودند، تولیدکنندگان آن را تولید می‌کردند و هزینه‌های جابه‌جایی بالا بود. صفحه‌کلید QWERTY کارآمدترین چیدمان نیست، اما چیدمان غالب است و به دلیل تاریخش غالب می‌ماند. این مثال ساده‌ای از یک پدیده عمومی است: در سیستم‌های پیچیده، تاریخ مهم است و حال را نمی‌توان بدون ارجاع به گذشته فهمید (David, 1985).

وابستگی به مسیر به استانداردهای فناورانه محدود نمی‌شود. این یک ویژگی سیستم‌های اقتصادی، سیاسی و اجتماعی است. نهادهای یک جامعه، الگوهای اقتصاد آن و ساختار سیاست آن همه به تاریخشان بستگی دارند و نمی‌توان آن‌ها را بدون ارجاع به آن تاریخ فهمید. این به این معناست که مداخلات در سیستم‌های پیچیده باید تاریخ را در نظر بگیرند: آن‌ها باید تشخیص دهند که وضعیت کنونی سیستم محصول گذشته آن است و تغییر سیستم نیازمند فهم چگونگی شکل‌دهی گذشته به حال است. مداخلاتی که تاریخ را نادیده می‌گیرند احتمالاً شکست می‌خورند، زیرا عواملی را که وضعیت کنونی سیستم را تولید کرده‌اند برطرف نمی‌کنند (North, 1990; Pierson, 2004).

1.7.3.مسئله تأخیرهای زمانی

تأخیرهای زمانی ویژگی دیگری از سیستم‌های پیچیده است که پیش‌بینی و کنترل را دشوار می‌کند. تأخیر زمانی زمانی رخ می‌دهد که اثرات یک مداخله فوراً آشکار نمی‌شوند، بلکه فقط پس از یک تأخیر قابل مشاهده می‌شوند. تأخیرهای زمانی در سیستم‌های پیچیده فراگیرند: اثرات سیاست‌های زیست‌محیطی ممکن است دهه‌ها آشکار نشوند، اثرات اصلاحات آموزشی ممکن است سال‌ها آشکار نشوند و اثرات سیاست‌های اقتصادی ممکن است ماه‌ها آشکار نشوند. تأخیرهای زمانی ارزیابی اثربخشی مداخلات را دشوار می‌کنند، زیرا اثرات ممکن است در زمان تصمیم‌گیری درباره ادامه یا تنظیم قابل مشاهده نباشند. آن‌ها یادگیری از تجربه را نیز دشوار می‌سازند، زیرا بازخورد مداخلات به تأخیر می‌افتد و ارتباط میان مداخله و اثر مبهم می‌شود (Sterman, 2000; Meadows, 2008).

مسئله تأخیرهای زمانی توسط چالش تغییرات اقلیمی نشان داده می‌شود. اثرات انتشار گازهای گلخانه‌ای فوری نیستند: دی‌اکسید کربن منتشرشده امروز قرن‌ها در جو باقی می‌ماند و اثر گرمایشی آن نسل‌ها احساس خواهد شد. این به این معناست که پیامدهای انتشار امروز برای دهه‌ها یا قرن‌ها به‌طور کامل قابل مشاهده نخواهد بود و بازخورد کاهش انتشار نیز به تأخیر می‌افتد. تأخیر زمانی میان علت و معلول بسیج اقدام را دشوار می‌کند: هزینه‌های کاهش انتشار امروز تحمل می‌شود، در حالی که منافع به آینده موکول می‌شود. ارزیابی اثربخشی سیاست‌های کاهش انتشار را نیز دشوار می‌کند، زیرا اثرات فوراً قابل مشاهده نیستند. تأخیرهای زمانی بنابراین چالشی بنیادین برای سیاست اقلیمی و چالشی عمومی برای هر سیاستی که به مسائل بلندمدت می‌پردازد، هستند (Hansen et al., 2013; Stern, 2007).

1.7.4.مسئله برگشت‌ناپذیری

برگشت‌ناپذیری ویژگی‌ای است که برخی تغییرات در سیستم‌های پیچیده نمی‌توانند خنثی شوند. پس برگشت‌ناپذیری ویژگی بسیاری از فرایندهای طبیعی و اجتماعی است: انقراض یک گونه برگشت‌ناپذیر است، ذوب یک صفحه یخی ممکن است برگشت‌ناپذیر باشد، تخریب یک میراث فرهنگی برگشت‌ناپذیر است و از دست رفتن اعتماد به یک نهاد ممکن است برگشت‌ناپذیر باشد. برگشت‌ناپذیری به این معناست که مداخلات در سیستم‌های پیچیده خطراتی را به همراه دارند که نمی‌توان آن‌ها را به‌طور کامل پیش‌بینی یا کاهش داد. Once یک تغییر برگشت‌ناپذیر رخ داده است، نمی‌توان آن را خنثی کرد و سیستم به وضعیت جدیدی حرکت کرده که از آن نمی‌تواند بازگردد. این به این معناست که تصمیمات درباره مداخلات باید احتمال پیامدهای برگشت‌ناپذیر را در نظر بگیرند و احتیاط هنگامی که stakes بالا و پیامدها نامعلوم‌اند، موجه است (Prigogine & Stengers, 1984; Lenton et al., 2008).

مسئله برگشت‌ناپذیری توسط بحث درباره geoengineering—دستکاری عمدی اقلیم زمین برای مقابله با گرمایش جهانی—نشان داده می‌شود. برخی دانشمندان پیشنهاد کرده‌اند که ذرات آئروسل سولفات را به استراتوسفر تزریق کنند تا نور خورشید را منعکس کنند و سیاره را خنک کنند. این مداخله، اگر کار کند، می‌تواند دمای جهانی را کاهش دهد و برخی اثرات تغییرات اقلیمی را کاهش دهد. اما همچنین می‌تواند پیامدهای برگشت‌ناپذیری تولید کند: تغییرات در الگوهای بارش که بر کشاورزی اثر می‌گذارد، تخلیه لایه اوزون، و اثر خاتمه—اگر مداخله متوقف شود، دماها می‌توانند به‌سرعت افزایش یابند و پیامدهای فاجعه‌بار تولید کنند. احتمال پیامدهای برگشت‌ناپذیر به این معناست که geoengineering باید با احتیاط شدید نزدیک شود و تصمیمات درباره استقرار آن باید با آگاهی کامل از خطرات گرفته شود (Robock, 2008; Keith, 2013).

1.7.5.محدودیت‌های پیش‌بینی

دینامیک زمانی سیستم‌های پیچیده—وابستگی به مسیر، تأخیرهای زمانی و برگشت‌ناپذیری—ترکیب می‌شوند تا پیش‌بینی را اساساً محدود کنند. ما نمی‌توانیم وضعیت آینده یک سیستم پیچیده را با اطمینان پیش‌بینی کنیم، زیرا رفتار سیستم به تاریخش بستگی دارد، اثرات مداخلات به تأخیر می‌افتند و به‌سختی قابل انتساب‌اند، و برخی تغییرات برگشت‌ناپذیرند. این به معنای عدم امکان پیش‌بینی نیست؛ به این معناست که پیش‌بینی همیشه جزئی و موقتی است و باید با دیگر شیوه‌های فهم تکمیل شود. در سیستم‌های پیچیده، فهم نه پیش‌بینی دقیق آینده، بلکه فهم ساختار، دینامیک و مسیرهای بالقوه سیستم و استفاده از آن فهم برای تأثیرگذاری بر تکامل سیستم در جهت‌های مطلوب است (Sterman, 2000; Meadows, 2008).

محدودیت‌های پیش‌بینی پیامدهای عمیقی برای نحوه رویکرد ما به تصمیم‌گیری در سیستم‌های پیچیده دارند. آن‌ها به این معناست که نمی‌توانیم تنها بر پیش‌بینی برای هدایت تصمیماتمان تکیه کنیم؛ باید بر قضاوت، تجربه و شهود نیز تکیه کنیم. به این معناست که باید مداخلاتی طراحی کنیم که در برابر عدم قطعیت مقاوم‌اند—که در طیفی از آینده‌های ممکن به‌طور معقول خوب کار می‌کنند نه بهینه برای یک آینده پیش‌بینی‌شده واحد. به این معناست که باید اثرات مداخلاتمان را پایش کنیم و آماده باشیم آن‌ها را با آموختن تنظیم کنیم. و به این معناست که باید بپذیریم که برخی عدم قطعیت‌ها غیرقابل کاهش‌اند و تصمیمات باید در مواجهه با آن عدم قطعیت گرفته شوند. این شرط انسانی در جهان پیچیده است: باید عمل کنیم، حتی اگر نتوانیم با اطمینان بدانیم پیامدهای اعمالمان چه خواهد بود (Knight, 1921; Taleb, 2007).

۱.۸ چرا راه‌حل‌های ساده شکست می‌خورند؟

1.8.1.جذابیت راه‌حل‌های ساده

راه‌حل‌های ساده جذاب‌اند. آن‌ها وعده حل مسائل پیچیده با کمترین تلاش و هزینه را می‌دهند. آسان قابل فهم، آسان قابل انتقال و آسان قابل اجرا هستند. آن‌ها به میل ما به قطعیت و کنترل appeal می‌کنند و امید اینکه مسائلی که ما را آزار می‌دهند می‌توانند از طریق کاربرد یک مداخله سرراست واحد حل شوند را ارائه می‌دهند. جذابیت راه‌حل‌های ساده قدرتمند است و توسط طیفی از سوگیری‌های شناختی تقویت می‌شود: سوگیری دسترس‌پذیری، که ما را به سمت راه‌حل‌های آشنا سوق می‌دهد؛ سوگیری تأیید، که ما را به جست‌وجوی شواهدی که از راه‌حل‌های ترجیحی‌مان حمایت می‌کند وامی‌دارد؛ و اثر بیش‌اطمینان، که ما را به دست‌کم گرفتن پیچیدگی مسائل و احتمال پیامدهای ناخواسته وامی‌دارد (Kahneman, 2011; Tversky & Kahneman, 1974).

جذابیت راه‌حل‌های ساده توسط ساختار گفتمان عمومی نیز تقویت می‌شود. بحث‌های سیاسی پیام‌های ساده را پاداش می‌دهند و nuance را مجازات می‌کنند. پوشش رسانه‌ای داستان‌های دراماتیک با شرور و قهرمان روشن را بر تحلیل‌های پیچیده با چندین منظر ترجیح می‌دهد. و فشارهای سیاست انتخاباتی انگیزه‌هایی برای سیاستمداران ایجاد می‌کند تا راه‌حل‌های ساده برای مسائل پیچیده وعده دهند. نتیجه گفتمان عمومی‌ای است که با راه‌حل‌های ساده—کاهش مالیات، مقررات‌زدایی، خصوصی‌سازی، فناوری، آموزش—اشباع شده که وعده حل مسائلی را می‌دهند که در واقع پیچیده‌ساز و مقاوم در برابر راه‌حل‌های ساده‌اند. وقتی این راه‌حل‌ها شکست می‌خورند، همان‌طور که اغلب می‌خورند، شکست به تعهد ناکافی، اجرای ضعیف یا خرابکاری توسط مخالفان نسبت داده می‌شود، نه به ناکافی بودن خود راه‌حل (Scott, 1998; Muller, 2018).

1.8.2.شکست راه‌حل‌های ساده

راه‌حل‌های ساده در سیستم‌های پیچیده به چند دلیل شکست می‌خورند. نخست، آن‌ها نشانه‌ها را هدف می‌گیرند نه علل را. مسائل پیچیده‌ساز توسط تعامل عوامل متعدد تولید می‌شوند و هدف گرفتن یک عامل—حتی یک عامل مهم—ممکن است مسئله را حل نکند. برای مثال، راه‌حل ساده برای فقر ممکن است ارائه نقل‌وانتقال نقدی به فقرا باشد. نقل‌وانتقال نقدی می‌تواند فقر را در کوتاه‌مدت کاهش دهد، اما عوامل ساختاری—کمبود آموزش، کمبود شغل، تبعیض—را که فقر را در وهله اول تولید می‌کنند برطرف نمی‌کند. مسئله ممکن است موقتاً تسکین یابد، اما تا زمانی که عوامل ساختاری برطرف نشوند ادامه می‌یابد یا بازمی‌گردد (Banerjee & Duflo, 2011).

دوم، راه‌حل‌های ساده پیامدهای ناخواسته تولید می‌کنند. همان‌طور که دیده‌ایم، مداخلات در سیستم‌های پیچیده اثراتی تولید می‌کنند که از دانش مداخله به‌تنهایی قابل پیش‌بینی نیستند. یک راه‌حل ساده ممکن است مسئله‌ای را که برای آن طراحی شده حل کند، اما ممکن است مسائل جدیدی نیز ایجاد کند که به‌اندازه مسئله اصلی جدی باشند. برای مثال، راه‌حل ساده برای ترافیک ممکن است ساخت جاده‌های بیشتر باشد. اما ساخت جاده‌های بیشتر ترافیک بیشتری القا می‌کند، که ترافیک را افزایش می‌دهد، که تقاضا برای جاده‌های بیشتر ایجاد می‌کند. راه‌حل ساده نه تنها مسئله را حل نمی‌کند؛ ممکن است آن را بدتر کند (Downs, 1962; Duranton & Turner, 2011).

سوم، راه‌حل‌های ساده در برابر سازگاری آسیب‌پذیرند. در سیستم‌های پیچیده، کنشگران به مداخلات به روش‌هایی پاسخ می‌دهند که رفتار سیستم را تغییر می‌دهد. یک راه‌حل ساده ممکن است ابتدا کار کند، اما با سازگاری کنشگران با آن، اثربخشی آن ممکن است کاهش یابد. برای مثال، راه‌حل ساده برای مقاومت آنتی‌بیوتیکی ممکن است توسعه آنتی‌بیوتیک‌های جدید باشد. اما باکتری‌ها با آنتی‌بیوتیک‌های جدید سازگار می‌شوند و مقاومت توسعه می‌یابد. راه‌حل ساده یک راه‌حل دائمی نیست؛ یک راه‌حل موقتی است که باید پیوسته تجدید شود. در بلندمدت، راه‌حل ساده ممکن است ناپایدار باشد (Levy, 2010).

1.8.3.مورد اصلاحات فنی

شکست راه‌حل‌های ساده به‌ویژه در مورد اصلاحات فنی—مداخلاتی که بر فناوری برای حل مسائل پیچیده تکیه می‌کنند—آشکار است. اصلاحات فنی جذاب‌اند زیرا وعده حل مسائل بدون نیاز به تغییر در رفتار، نهادها یا ساختارهای اجتماعی را می‌دهند. اما اصلاحات فنی اغلب شکست می‌خورند زیرا ماهیت سیستمی مسائلی را که برای حل آن‌ها طراحی شده‌اند برطرف نمی‌کنند. برای مثال، معرفی اجاق‌های کارآمدتر در کشورهای در حال توسعه به‌عنوان یک اصلاح فنی برای مسئله آلودگی هوای داخل خانه ترویج شد، که سالانه میلیون‌ها مرگ ایجاد می‌کند. اما اجاق‌ها توسط افرادی که برای آن‌ها طراحی شده بود پذیرفته نشد، زیرا با شیوه‌های پخت‌وپز محلی سازگار نبود، گران‌تر از اجاق‌های سنتی بود و نیازمند تغییراتی در رفتار بود که مردم حاضر به انجامش نبودند. اصلاح فنی شکست خورد زیرا عوامل اجتماعی، فرهنگی و اقتصادی شکل‌دهنده شیوه‌های پخت‌وپز را برطرف نکرد (Bailis et al., 2015).

مورد اصلاحات فنی یک اصل عمومی را نشان می‌دهد: در سیستم‌های پیچیده، مسائل صرفاً فنی نیستند؛ آن‌ها اجتماعی، فرهنگی، اقتصادی و سیاسی‌اند. اصلاحات فنی که این ابعاد را نادیده می‌گیرند احتمالاً شکست می‌خورند. این به این معنا نیست که فناوری هیچ نقشی در پرداختن به مسائل پیچیده ندارد؛ به این معناست که فناوری باید در یک استراتژی گسترده‌تر که عوامل سیستمی تولیدکننده مسئله را برطرف می‌کند، جاسازی شود. فناوری یک ابزار است، نه یک راه‌حل؛ باید با فهم سیستمی که در آن مستقر می‌شود استفاده شود (Scott, 1998; Tenner, 1996).

1.8.4.مورد گلوله‌های نقره‌ای

شکست راه‌حل‌های ساده همچنین در مورد گلوله‌های نقره‌ای—مداخلاتی که به‌عنوان راه‌حل‌های جامع برای مسائل پیچیده ترویج می‌شوند—آشکار است. گلوله‌های نقره‌ای جذاب‌اند زیرا وعده حل مسئله یک بار برای همیشه، بدون نیاز به تلاش یا سازگاری پیوسته را می‌دهند. اما گلوله‌های نقره‌ای اغلب شکست می‌خورند زیرا بر فهم ساده‌شده‌ای از مسئله بنا شده‌اند و پیچیدگی سیستمی که در آن مستقر می‌شوند را در نظر نمی‌گیرند. برای مثال، انقلاب سبز—معرفی واریته‌های crop پرمحصول، کودها و آبیاری—به‌عنوان یک گلوله نقره‌ای برای مسئله گرسنگی در جهان در حال توسعه ترویج شد.

انقلاب سبز تولید غذا را افزایش داد و گرسنگی را در بسیاری از کشورها کاهش داد. اما همچنین پیامدهای ناخواسته‌ای تولید کرد: نابرابری را افزایش داد، زیرا کشاورزان ثروتمند بهتر قادر به پذیرش فناوری‌های جدید بودند؛ محیط زیست را تخریب کرد، زیرا کشاورزی فشرده خاک و منابع آب را تخلیه کرد؛ و تنوع زیستی را کاهش داد، زیرا monocultures جایگزین سیستم‌های کشت متنوع شد. گلوله نقره‌ای یک مسئله را حل کرد در حالی که مسائل دیگر ایجاد کرد (Evenson & Gollin, 2003; Pingali, 2012).

مورد انقلاب سبز یک اصل عمومی را نشان می‌دهد: در سیستم‌های پیچیده هیچ گلوله نقره‌ای وجود ندارد. مسائل پیچیده‌ساز پاسخ‌های پیچیده‌ساز می‌طلبند و هر پاسخی که ادعای حل جامع و دائمی مسئله را داشته باشد احتمالاً بر فهم ساده‌شده‌ای از مسئله بنا شده است. این به این معنا نیست که باید از حل مسائل پیچیده ناامید شویم؛ به این معناست که باید با فروتنی به آن‌ها نزدیک شویم، با تشخیص اینکه راه‌حل‌ها همیشه جزئی و موقتی‌اند و باید با آموختن درباره سیستم سازگار شوند (Scott, 1998; Easterly, 2006).

1.8.5.گذار از حل مسئله به فهم سیستم

شکست راه‌حل‌های ساده نشان می‌دهد که باید از جهت‌گیری حل مسئله به جهت‌گیری فهم سیستم گذار کنیم. حل مسئله فرض می‌کند که مسائل موجودیت‌های منفصلی هستند که می‌توان از طریق مداخلات هدفمند حلشان کرد. فهم سیستم فرض می‌کند که مسائل نشانه‌های شرایط سیستمی زیربنایی‌اند که باید فهمیده و برطرف شوند. حل مسئله بر یافتن راه‌حل درست تمرکز می‌کند؛ فهم سیستم بر فهم سیستم به‌قدر کافی خوب برای تأثیرگذاری بر رفتارش تمرکز می‌کند. حل مسئله برای مسائل ساده و پیچیده مناسب است؛ فهم سیستم برای مسائل پیچیده‌ساز ضروری است (Ackoff, 1974; Senge, 1990).

گذار از حل مسئله به فهم سیستم صرفاً تغییری در تکنیک نیست؛ تغییری در ذهنیت است. نیازمند رها کردن فرض اینکه مسائل را می‌توان یک بار برای همیشه حل کرد و پذیرش اینکه مسائل پیچیده‌ساز نیازمند engagement پیوسته‌اند. پس نیازمند تشخیص اینکه فهم ما از سیستم همیشه جزئی و موقتی است و باید آماده بازنگری آن با آموختن باشیم. نیازمند در آغوش کشیدن عدم قطعیت و پیچیدگی به‌جای جست‌وجوی حذف آن‌هاست. این گذار دشوار است، زیرا برخلاف جهت آموزش و فرهنگ ما که قطعیت و کنترل را جشن می‌گیرند، حرکت می‌کند. اما ضروری است، زیرا مسائلی که با آن‌ها مواجه‌ایم پیچیده‌سازند و به راه‌حل‌های ساده تسلیم نخواهند شد (Meadows, 2008; Snowden & Boone, 2007).

۱.۹ نیاز به یک شیوه جدید دیدن

1.9.1.از اشیا به روابط

استدلال مرکزی این فصل این است که پاسخ به بحران فهم نیازمند تغییر بنیادی در ادراک است—تغییری از دیدن جهان به‌عنوان مجموعه‌ای از اشیای منفصل به دیدن آن به‌عنوان شبکه‌ای از روابط. این تغییر جوهره تفکر سیستمی است. تفکر سیستمی یک تکنیک یا روش نیست؛ یک شیوه دیدن است—یک جهت‌گیری ادراکی و شناختی که ما را قادر می‌سازد جهان را بر حسب کل‌ها، روابط و الگوها بفهمیم، نه اجزا، موجودیت‌ها و رویدادها. این شیوه فهم، مناسب پیچیدگی جهان معاصر و بنیاد عمل مؤثر در آن است (Capra, 1996; Senge, 1990).

تغییر از اشیا به روابط رد رویکرد تحلیلی نیست؛ مکمل آن است. رویکرد تحلیلی، که سیستم‌ها را به اجزایشان تجزیه می‌کند و روابط میان آن‌ها را تحلیل می‌کند، قدرتمند و ثمربخش است. دستاوردهای خارق‌العاده علم و فناوری مدرن را تولید کرده است. اما ناقص است. اجزا را آشکار می‌کند اما کل را پنهان می‌کند؛ اجزا را شناسایی می‌کند اما الگوهایی که از تعاملاتشان ظهور می‌کنند را از دست می‌دهد. تفکر سیستمی رویکرد تحلیلی را با تمرکز بر کل، بر روابط میان اجزا و بر الگوهایی که از آن روابط ظهور می‌کنند، تکمیل می‌کند. تحلیل را جایگزین نمی‌کند؛ تحلیل را در فهم گسترده‌تری از سیستم به‌عنوان یک کل جای می‌دهد (Ackoff, 1974; Checkland, 1981).

1.9.2.ویژگی‌های تفکر سیستمی

ویژگی‌های تفکر سیستمی چیست؟ نخست، تفکر سیستمی کل‌نگر است: بر کل‌ها تأکید می‌کند نه اجزا، بر الگوها نه رویدادها، بر روابط نه موجودیت‌ها. در پی فهم سیستم به‌عنوان یک کل یکپارچه است که خواصش با تحلیل اجزایش در انزوا قابل فهم نیست. دوم، تفکر سیستمی پویا است: بر فرایندها تأکید می‌کند نه ساختارها، بر تغییر نه سکون، بر جریان‌ها نه انبارها. در پی فهم چگونگی تکامل سیستم‌ها در طول زمان، چگونگی پاسخ آن‌ها به مداخلات و چگونگی وابستگی رفتارشان به تاریخشان است.

سوم، تفکر سیستمی کثرت‌گراست: تشخیص می‌دهد که سیستم‌های پیچیده را می‌توان از چندین منظر فهمید و هیچ منظری کامل نیست. در پی ادغام چندین منظر در فهمی غنی‌تر از سیستم به‌عنوان یک کل است. چهارم، تفکر سیستمی انتقادی است: تشخیص می‌دهد که همه مدل‌ها ساده‌سازی‌اند و همه فهم‌ها جزئی‌اند. در پی آشکارسازی مفروضات، بررسی انتقادی آن‌ها و بازنگری آن‌ها در پرتو شواهد و دیدگاه‌های جدید است (Meadows, 2008; Midgley, 2000).

این ویژگی‌های تفکر سیستمی صرفاً فکری نیستند؛ عملی نیز هستند. آن‌ها نحوه رویکرد ما به مسائل، طراحی مداخلات و ارزیابی اثراتشان را شکل می‌دهند. یک متفکر سیستمی به یک مسئله با جست‌وجوی فهم سیستمی که در آن جاسازی شده—اجزا، روابط، دینامیک و زمینه‌اش—نزدیک می‌شود. مداخلاتی طراحی می‌کند که با دینامیک سیستم کار می‌کنند نه علیه آن، که از ظرفیت خودسازمان‌دهی سیستم استفاده می‌کنند نه جست‌وجوی کنترل آن از خارج. و مداخلات را با پایش اثراتشان در طول زمان، توجه به پیامدهای ناخواسته و تنظیم فهم و اعمالش بر اساس آنچه می‌آموزد ارزیابی می‌کند. تفکر سیستمی دستور موفقیت نیست؛ یک disposition است که احتمال عمل مؤثر در سیستم‌های پیچیده را افزایش می‌دهد (Senge, 1990; Sterman, 2000).

1.9.3.چارچوب پنج‌گانه

جهت‌گیری تفکر سیستمی که این کتاب توسعه می‌دهد حول یک چارچوب پنج‌گانه از قابلیت‌های اصلی سازمان یافته است: دیدن سیستم‌ها، فهم سیستم‌ها، نقد سیستم‌ها، طراحی سیستم‌ها و تحول سیستم‌ها. این قابلیت‌ها مراحل یک توالی خطی نیستند؛ ابعاد یک ظرفیت کل‌نگرند که در طول زمان از طریق تمرین و تأمل توسعه می‌یابد. آن‌ها در اینجا به‌عنوان چارچوبی برای سازمان‌دهی کتاب معرفی می‌شوند و در فصل‌های بعدی به‌تفصیل توسعه خواهند یافت.

قابلیت اول، دیدن سیستم‌ها، ظرفیت بنیادین است: توانایی درک جهان بر حسب کل‌ها، روابط و الگوها نه اجزا، موجودیت‌ها و رویدادها. این فصل استدلالی مبسوط برای ضرورت این قابلیت بوده و با معرفی مفاهیم پیچیدگی، وابستگی متقابل، غیرخطی بودن، ظهور و سازگاری، توسعه آن را آغاز کرده است. قابلیت دوم، فهم سیستم‌ها، شامل توسعه ابزارها و روش‌های مفهومی برای تحلیل ساختار و دینامیک سیستم‌های پیچیده است. شامل مفاهیمی مانند حلقه‌های بازخورد، انبارها و جریان‌ها، تأخیرها و نقاط اهرمی است و شامل ظرفیت استفاده از این مفاهیم برای فهم نحوه کار سیستم‌هاست.

قابلیت سوم، نقد سیستم‌ها، شامل ظرفیت بررسی انتقادی سیستم‌هاست—آشکارسازی مفروضات، ارزش‌ها و روابط قدرت که آن‌ها را شکل می‌دهند و ارزیابی آن‌ها بر حسب اثراتشان بر ذی‌نفعان مختلف. حال قابلیت چهارم، طراحی سیستم‌ها، شامل ظرفیت طراحی مداخلاتی است که با دینامیک سیستم‌های پیچیده کار می‌کنند—که از ظرفیت خودسازمان‌دهی سیستم استفاده می‌کنند و در برابر عدم قطعیت و سازگاری مقاوم‌اند. قابلیت پنجم، تحول سیستم‌ها، شامل ظرفیت engagement در کار عمیق و بلندمدت تغییر ساختارها، فرهنگ‌ها و رویه‌های سیستم‌های پیچیده است—کاری که نیازمند صبر، پشتکار و تمایل به یادگیری از شکست است (Meadows, 2008; Senge, 1990; Midgley, 2000).

1.9.4.سفر پیش رو

این فصل پایه سفر پیش رو را گذاشته است. استدلال کرده که جهان معاصر با بحران فهم مواجه است—عدم تناسب میان پیچیدگی مسائلی که با آن‌ها مواجه‌ایم و چارچوب‌های تحلیلی که به ارث برده‌ایم. ماهیت سیستم‌های پیچیده—وابستگی متقابل، غیرخطی بودن، ظهور، سازگاری و بازخورد—را توصیف کرده و نشان داده چرا این ویژگی‌ها سیستم‌های پیچیده را در برابر شیوه‌های سنتی تحلیل و مداخله مقاوم می‌کنند. شکست راه‌حل‌های ساده و فراگیری پیامدهای ناخواسته را بررسی کرده و استدلال کرده که پاسخ به این چالش‌ها نیازمند تغییر بنیادی در ادراک است—تغییری از دیدن جهان به‌عنوان مجموعه‌ای از اشیا به دیدن آن به‌عنوان شبکه‌ای از روابط. این تغییر جوهره تفکر سیستمی است و بنیاد قابلیت‌هایی است که بقیه این کتاب توسعه خواهد داد (Ackoff, 1974; Checkland, 1981; Meadows, 2008).

سفر پیش رو آسان نیست. تفکر سیستمی تکنیکی نیست که در یک کارگاه آخر هفته mastered شود؛ شیوه‌ای از بودن در جهان است که نیازمند تمرین، تأمل و یادگیری پیوسته است. نیازمند unlearning عادات فکری عمیقاً ریشه‌دوانده و توسعه عادات جدیدی است که ابتدا ناراحت‌کننده و ناآشنا هستند. نیازمند در آغوش کشیدن عدم قطعیت و پیچیدگی به‌جای جست‌وجوی حذف آن‌ها و پذیرش اینکه فهم ما همیشه جزئی و موقتی است. اما سفر ضروری است، زیرا مسائلی که با آن‌ها مواجه‌ایم پیچیده‌سازند و به شیوه‌های فکری که آن‌ها را تولید کرده‌اند تسلیم نخواهند شد. فصل بعد سفر را به‌طور جدی با پرسش آغاز می‌کند: تفکر سیستمی چیست و چرا به آن نیاز داریم؟ (Senge, 1990; Sterman, 2000).

جمع‌بندی: از بحران فهم تا نیاز به تفکر سیستمی

این فصل استدلال کرده که جهان معاصر با بحران فهم مواجه است—بحرانی که نه شکست هوش یا اطلاعات، بلکه عدم تناسب میان ساختار دانش ما و ساختار واقعیتی است که در پی فهم آن هستیم. بحران در شکست پیش‌بینی و کنترل در طیف وسیعی از حوزه‌ها، در فراگیری پیامدهای ناخواسته و در تشخیص فزاینده ناکافی بودن چارچوب‌های تحلیلی موروثی برای پیچیدگی مسائل کنونی آشکار می‌شود. بحران دلیلی برای ناامیدی نیست؛ دلیلی برای بازجهت‌گیری بنیادین تفکر ما—بازجهت‌گیری به سمت تفکر سیستمی است.

تفکر سیستمی نوشدارو نیست. همه مسائل را حل نمی‌کند و عدم قطعیت و پیچیدگی را از بین نمی‌برد. اما شیوه‌ای از فهم و عمل ارائه می‌دهد که برای ماهیت سیستم‌های پیچیده مناسب‌تر از پارادایم تحلیلی سنتی است. شیوه‌ای از دیدن جهان ارائه می‌دهد که روابط، الگوها و کل‌هایی را آشکار می‌کند که برای چشم تحلیلی نامرئی‌اند. شیوه‌ای از عمل ارائه می‌دهد که با دینامیک سیستم‌های پیچیده کار می‌کند، نه علیه آن‌ها. و شیوه‌ای از بودن در جهان ارائه می‌دهد که با فروتنی، کنجکاوی و تمایل به یادگیری مشخص می‌شود. این‌ها نه فقط فضیلت‌های فکری، بلکه ضرورت‌های عملی برای هر کسی است که می‌خواهد در جهان معاصر مؤثر عمل کند.

این فصل این استدلال را از طریق بررسی ماهیت سیستم‌های پیچیده—وابستگی متقابل، غیرخطی بودن، ظهور، سازگاری و بازخورد—و از طریق تحلیل شکست راه‌حل‌های ساده و فراگیری پیامدهای ناخواسته توسعه داده است. استدلال کرده که پاسخ به این چالش‌ها نیازمند گذار از حل مسئله به فهم سیستم، از تمرکز بر اجزا به تمرکز بر کل‌ها، از جست‌وجوی قطعیت به پذیرش عدم قطعیت است. و چارچوب پنج‌گانه قابلیت‌های تفکر سیستمی—دیدن، فهمیدن، نقد کردن، طراحی کردن و تحول—را معرفی کرده که در بقیه کتاب توسعه خواهد یافت.

فصل بعد توسعه این قابلیت‌ها را با پرسش آغاز می‌کند: تفکر سیستمی چیست و چرا به آن نیاز داریم؟ ظهور تاریخی تفکر سیستمی را ردیابی می‌کند، مفاهیم و روش‌های اصلی آن را معرفی می‌کند و آن را از دیگر شیوه‌های تفکر متمایز می‌سازد. استدلال خواهد کرد که تفکر سیستمی رد سنت تحلیلی نیست، بلکه مکمل آن است—شیوه‌ای از فهم که تحلیل را در درک گسترده‌تری از کل جای می‌دهد. و توسعه اولین قابلیت، دیدن سیستم‌ها، را با معرفی مفاهیم و ابزارهایی که ما را قادر می‌سازد جهان را بر حسب روابط، الگوها و کل‌ها درک کنیم، آغاز خواهد کرد. سفر از بحران فهم به ظرفیت تفکر سیستمی سفر این کتاب است و در فصل بعد آغاز می‌شود (Bertalanffy, 1968; Checkland, 1981; Meadows, 2008).

منابع

Ackoff, R. L. (1974). Redesigning the future: A systems approach to societal problems. Wiley.

Anderson, P. W. (1972). More is different. Science, 177(4047), 393–396.

Arthur, W. B. (1994). Increasing returns and path dependence in the economy. University of Michigan Press.

Axelrod, R., & Cohen, M. D. (2000). Harnessing complexity: Organizational implications of a scientific frontier. Free Press.

Bailis, R., Drigo, R., Ghilardi, A., & Masera, O. (2015). The carbon footprint of traditional woodfuels. Nature Climate Change, 5(3), 266–272.

Banerjee, A. V., & Duflo, E. (2011). Poor economics: A radical rethinking of the way to fight global poverty. PublicAffairs.

Bedau, M. A. (1997). Weak emergence. Philosophical Perspectives, 11, 375–399.

Bertalanffy, L. von. (1968). General system theory: Foundations, development, applications. George Braziller.

Capra, F. (1996). The web of life: A new scientific understanding of living systems. Anchor Books.

Chalmers, D. J. (1996). The conscious mind: In search of a fundamental theory. Oxford University Press.

Checkland, P. (1981). Systems thinking, systems practice. Wiley.

Cilliers, P. (1998). Complexity and postmodernism: Understanding complex systems. Routledge.

David, P. A. (1985). Clio and the economics of QWERTY. American Economic Review, 75(2), 332–337.

Downs, A. (1962). The law of peak-hour expressway congestion. Traffic Quarterly, 16(3), 393–409.

Duranton, G., & Turner, M. A. (2011). The fundamental law of road congestion: Evidence from US cities. American Economic Review, 101(6), 2616–2652.

Easterly, W. (2006). The white man’s burden: Why the West’s efforts to aid the rest have done so much ill and so little good. Penguin Press.

Evenson, R. E., & Gollin, D. (2003). Assessing the impact of the Green Revolution, 1960 to 2000. Science, 300(5620), 758–762.

Forrester, J. W. (1971). Counterintuitive behavior of social systems. Technology Review, 73(3), 52–68.

Gigerenzer, G., & Todd, P. M. (1999). Simple heuristics that make us smart. Oxford University Press.

Gladwell, M. (2000). The tipping point: How little things can make a big difference. Little, Brown.

Glouberman, S., & Zimmerman, B. (2002). Complicated and complex systems: What would successful reform of Medicare look like? Romanow Papers, 2, 21–53.

Haidt, J. (2024). The anxious generation: How the great rewiring of childhood is causing an epidemic of mental illness. Penguin Press.

Haldane, A. G., & May, R. M. (2011). Systemic risk in banking ecosystems. Nature, 469(7330), 351–355.

Hansen, J., Kharecha, P., Sato, M., Masson-Delmotte, V., Ackerman, F., Beerling, D. J., … & Zachos, J. C. (2013). Assessing “dangerous climate change”: Required reduction of carbon emissions to protect young people, future generations and nature. PLoS ONE, 8(12), e81648.

Holland, J. H. (1995). Hidden order: How adaptation builds complexity. Addison-Wesley.

Holland, J. H. (1998). Emergence: From chaos to order. Oxford University Press.

Holling, C. S. (1978). Adaptive environmental assessment and management. Wiley.

Hölldobler, B., & Wilson, E. O. (1990). The ants. Harvard University Press.

Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.

Kauffman, S. A. (1993). The origins of order: Self-organization and selection in evolution. Oxford University Press.

Keith, D. W. (2013). A case for climate engineering. MIT Press.

Kerr, S. (1975). On the folly of rewarding A, while hoping for B. Academy of Management Journal, 18(4), 769–783.

Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.

Kurtz, C. F., & Snowden, D. J. (2003). The new dynamics of strategy: Sense-making in a complex and complicated world. IBM Systems Journal, 42(3), 462–483.

Lenton, T. M., Held, H., Kriegler, E., Hall, J. W., Lucht, W., Rahmstorf, S., & Schellnhuber, H. J. (2008). Tipping elements in the Earth’s climate system. Proceedings of the National Academy of Sciences, 105(6), 1786–1793.

Levy, S. B. (2010). The antibiotic paradox: How miracle drugs are destroying the miracle. Journal of Antimicrobial Chemotherapy, 65(7), 1325–1327.

Lorenz, E. N. (1972). Predictability: Does the flap of a butterfly’s wings in Brazil set off a tornado in Texas? American Association for the Advancement of Science.

Meadows, D. H. (2008). Thinking in systems: A primer. Chelsea Green.

Merton, R. K. (1936). The unanticipated consequences of purposive social action. American Sociological Review, 1(6), 894–904.

Midgley, G. (2000). Systemic intervention: Philosophy, methodology, and practice. Kluwer Academic/Plenum.

Mitchell, M. (2009). Complexity: A guided tour. Oxford University Press.

Morçöl, G. (2012). A complexity theory for public policy. Routledge.

Morin, E. (2008). On complexity. Hampton Press.

Muller, J. Z. (2018). The tyranny of metrics. Princeton University Press.

North, D. C. (1990). Institutions, institutional change and economic performance. Cambridge University Press.

Perrow, C. (1984). Normal accidents: Living with high-risk technologies. Basic Books.

Pielke, R. A. (2007). The honest broker: Making sense of science in policy and politics. Cambridge University Press.

Pierson, P. (2004). Politics in time: History, institutions, and social analysis. Princeton University Press.

Pingali, P. L. (2012). Green Revolution: Impacts, limits, and the path ahead. Proceedings of the National Academy of Sciences, 109(31), 12302–12308.

Prigogine, I., & Stengers, I. (1984). Order out of chaos: Man’s new dialogue with nature. Bantam Books.

Ravitch, D. (2010). The death and life of the great American school system: How testing and choice are undermining education. Basic Books.

Robock, A. (2008). 20 reasons why geoengineering may be a bad idea. Bulletin of the Atomic Scientists, 64(2), 14–18.

Rockoff, H. (1984). Drastic measures: A history of wage and price controls in the United States. Cambridge University Press.

Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.

Scott, J. C. (1998). Seeing like a state: How certain schemes to improve the human condition have failed. Yale University Press.

Sen, A. (1999). Development as freedom. Oxford University Press.

Senge, P. M. (1990). The fifth discipline: The art and practice of the learning organization. Doubleday.

Shleifer, A., & Vishny, R. W. (1992). Pervasive shortages under socialism. RAND Journal of Economics, 23(2), 237–246.

Snowden, D. J., & Boone, M. E. (2007). A leader’s framework for decision making. Harvard Business Review, 85(11), 68–76.

Steffen, W., Rockström, J., Richardson, K., Lenton, T. M., Folke, C., Liverman, D., … & Schellnhuber, H. J. (2018). Trajectories of the Earth System in the Anthropocene. Proceedings of the National Academy of Sciences, 115(33), 8252–8259.

Sterman, J. D. (2000). Business dynamics: Systems thinking and modeling for a complex world. Irwin/McGraw-Hill.

Stern, N. (2007). The economics of climate change: The Stern review. Cambridge University Press.

Stiglitz, J. E., Sen, A., & Fitoussi, J.-P. (2010). Mismeasuring our lives: Why GDP doesn’t add up. New Press.

Strogatz, S. H. (1994). Nonlinear dynamics and chaos: With applications to physics, biology, chemistry, and engineering. Perseus Books.

Taleb, N. N. (2007). The black swan: The impact of the highly improbable. Random House.

Tenner, E. (1996). Why things bite back: Technology and the revenge of unintended consequences. Knopf.

Tett, G. (2009). Fool’s gold: How the bold dream of a small tribe at J.P. Morgan was corrupted by Wall Street greed and unleashed a catastrophe. Free Press.

Toulmin, S. (1990). Cosmopolis: The hidden agenda of modernity. Free Press.

Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.

Volti, R. (2009). Society and technological change (6th ed.). Worth Publishers.

Walters, C. J. (1986). Adaptive management of renewable resources. Macmillan.

Wilson, E. O. (1998). Consilience: The unity of knowledge. Knopf.

Wilson, W. J. (1987). The truly disadvantaged: The inner city, the underclass, and public policy. University of Chicago Press.

Wimsatt, W. C. (2007). Re-engineering philosophy for limited beings: Piecewise approximations to reality. Harvard University Press.

Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.

Sidebar atefi
دکتر محمدرضا عاطفی

عضو هیئت علمی دانشگاه
رئیس هیئت مدیره گروه ناب
هم بنیان گذار شرکت دانش بنیان
مشاور شرکت ها و سازمان های بزرگ کشور

آنچه می خوانید

COVER compressed 25 300x169
هوش مصنوعی

بایاس در شبکه عصبی چیست و چگونه رفتار نورون مصنوعی را تغییر می‌دهد؟

1. بایاس: چگونه یک پارامتر ثابت، رفتار نورون مصنوعی را تغییر می‌دهد؟ در بخش قبلی، وزن‌ها را به‌عنوان یکی از اجزای بنیادی نورون مصنوعی بررسی کردیم. آموختیم که هر وزن، میزان و جهت تأثیر ورودی متناظر خود را بر مجموع وزن‌دار تعیین می‌کند. همچنین دریافتیم که وزن‌ها علاوه بر نقش

توضیحات بیشتر »
COVER compressed 24 300x169
هوش مصنوعی

وزن در نورون مصنوعی چیست؟ آموزش مفهوم، انواع و محاسبه با پایتون

1. وزن‌ها: چگونه نورون میزان تأثیر هر ورودی را تعیین می‌کند؟ در بخش قبلی، آموختیم که اطلاعات یک مسئله واقعی چگونه به ویژگی‌های عددی تبدیل می‌شوند و چگونه می‌توان ویژگی‌های یک نمونه را در قالب یک بردار ورودی نمایش داد. همچنین تفاوت میان نمونه، ویژگی و مجموعه داده را بررسی

توضیحات بیشتر »
COVER compressed 23 300x169
هوش مصنوعی

آماده‌سازی داده برای نورون مصنوعی: آموزش ورودی‌های عددی با پایتون

1. از اطلاعات دنیای واقعی تا ورودی‌های عددی نورون مصنوعی در بخش قبلی، منشأ تاریخی نورون مصنوعی را بررسی کردیم و دیدیم چگونه تلاش برای مدل‌سازی برخی جنبه‌های فعالیت عصبی به پیدایش واحدهای محاسباتی ساده منجر شد. همچنین نشان دادیم که با اختصاص وزن‌های متفاوت به ورودی‌ها و افزودن بایاس،

توضیحات بیشتر »
error: محتوا غیر قابل انتخاب و کپی است.