cover_compressed

فصل دوم- ضرورت تفکر سیستمی؛ چرا جهان امروز به شیوه جدیدی از دیدن نیاز دارد؟

۲.۱ مقدمه: از پیچیدگی جهان تا ضرورت تغییر تفکر

در فصل نخست این کتاب، تصویری از جهانی ترسیم شد که به طرز بی‌سابقه‌ای پیچیده، به هم پیوسته و غیرقابل پیش‌بینی شده است‌. دیدیم که مسائل معاصر—از تغییرات اقلیمی و نابرابری‌های اقتصادی گرفته تا بحران‌‌های بهداشتی جهانی و ناپایداری‌های سیاسی—دیگر در قالب‌های سنتی قابل درک و مدیریت نیستند‌. اما این تشخیص‌ به تنهایی کافی نیست‌. اگر ماهیت مسائل تغییر کرده است، پرسش بنیادینتری پیش می‌آید: آیا ابزار‌های فکری ما نیز تغییر کرده‌اند؟ آیا شیوه‌هایی که با آنها جهان را می‌بینیم، مسائل را تعریف می‌کنیم و راه‌حل می‌جوییم، با ماهیت جدید مسائل همخوانی دارند؟

این پرسش، هسته مرکزی فصل حاضر را تشکیل می‌دهد‌. مأموریت این فصل پاسخ به همین پرسش است‌. این فصل قصد ندارد تفکر سیستمی را‌ به طور کامل آموزش دهد‌. هدف این فصل اثبات یک ضرورت است: اینکه جهان امروز به قابلیت فکری جدیدی نیاز دارد که پیش از این‌ به عنوان یک مهارت عمومی و سازمانی جدی گرفته نشده بود‌. به بیان دقیقتر، این فصل نشان می‌دهد که بسیاری از ناکامی‌های ما در مواجهه با مسائل بزرگ، نه از کمبود اطلاعات ناشی می‌شود، نه از ضعف فناوری، و نه حتی از ناتوانی در تصمیمگیری، بلکه ریشه در شیوه دیدن و فهمیدن مسئله دارد.

برای درک این ادعا، اجازه دهید با یک مثال ساده آغاز کنیم‌. تصور کنید در شهری زندگی می‌کنید که ترافیک آن هر سال سنگین‌تر می‌شود‌. مسئولان شهری، با تکیه بر منطق متعارف، تصمیم می‌گیرند خیابان‌های بیشتری بسازند و بزرگراه‌های جدید احداث کنند‌. چند سال بعد، ترافیک نه تنها کاهش نمی‌یابد، بلکه در برخی مناطق تشدید می‌شود‌. چرا؟ زیرا ساخت بزرگراه‌های جدید، دسترسی را آسان‌تر می‌کند، دسترسی آسانتر، استفاده از خودروی شخصی را جذاب‌تر می‌سازد، و استفاده بیشتر از خودروی شخصی، تقاضا برای سفر‌های بیشتری را ایجاد می‌کند که خود به ترافیک بیشتر می‌انجامد‌. این پدیده که در ادبیات برنامهریزی حمل ونقل به ‌”تقاضای القایی‌” (Induced Demand) شهرت دارد (Downs, 1962; Duranton & Turner, 2011)، نمونه‌ای آشکار از این واقعیت است که راه‌حل‌های مستقیم و خطی، در سیستم‌ پیچیده می‌توانند به تشدید همان مشکلی بیانجامند که قرار بود حل کنند.

این مثال، هرچند ساده، جوهره استدلال این فصل را در خود دارد: وقتی با سیستم‌های پیچیده مواجهیم، شیوه تفکری که بر رابطه خطی علت و معلول، بر راه‌حل‌های فوری و بر تجزیه مسئله به اجزای جداگانه استوار است، نه تنها کافی نیست، بلکه می‌تواند بخشی از مسئله باشد‌. ضرورت تفکر سیستمی از همینجا سرچشمه می‌گیرد: از شکاف میان ماهیت مسائل و شیوه‌های تفکری که برای مواجهه با آنها به کار می‌بریم.

اما چرا این شکاف در دهه‌های اخیر عمیقتر شده است؟ پاسخ را باید در تحولات تاریخی جستوجو کرد‌. جهان پیش از انقلاب صنعتی، جهانی نسبتاً ساده و محلی بود‌. مسائل، عمدتاً محلی، قابل مشاهده و قابل مدیریت با ابزار‌های سنتی بودند‌. اما با گسترش انقلاب صنعتی، شهرنشینی، تجارت جهانی، و در ادامه، فناوری‌های اطلاعاتی و ارتباطی، جهان‌ به تدریج به یک شبکه پیچیده و‌ به همپیوسته تبدیل شد‌. در چنین جهانی، مسائل دیگر محلی نیستند؛ آنها در شبکه‌ای از روابط متقابل قرار دارند که مرزهای جغرافیایی، سازمانی و رشته‌ای را پشت سر می‌گذارند‌. بحران مالی سال ۲۰۰۸ که از بازار مسکن آمریکا آغاز شد و‌ به سرعت به یک بحران اقتصادی جهانی تبدیل شد، نمونه بارزی از این‌ به همپیوستگی است‌. همینطور، همه‌‌گیری کووید-۱۹ که از یک شهر کوچک در چین شروع شد و در عرض چند ماه به یک بحران بهداشتی، اقتصادی و اجتماعی جهانی تبدیل شود(Helbing, 2013) .

این تحولات، یک پیامد بنیادین دارند: شیوه‌های تفکری که در جهانی ساده، خطی و قابل پیش‌بینی شکل گرفته‌اند، دیگر برای جهانی پیچیده، غیرخطی و غیرقابل پیش‌بینی کافی نیستند‌. این فصل، استدلال می‌کند که ما به یک تحول پارادایمی (Paradigm Shift) در شیوه تفکر خود نیاز داریم—تحولی که در آن،‌ به جای دیدن جهان‌ به عنوان مجموعه‌ای از اجزای جداگانه، آن را‌ به عنوان شبکه‌ای از روابط متقابل ببینیم‌. این تحول، همان چیزی است که تفکر سیستمی نامیده می‌شود و در فصل‌های بعدی‌ به تفصیل به آن خواهیم پرداخت‌. اما در این فصل، هدف ما اثبات ضرورت این تحول است، نه آموزش آن.

۲.۲ دام ‌”دانستن بیشتر، فهمیدن کمتر‌”

یکی از تصورات رایج در عصر اطلاعات این است که اگر داده‌های بیشتری جمعآوری کنیم، اگر تحلیل‌های دقیقتری انجام دهیم، و اگر مدل‌های پیش‌بینیکننده قویتری بسازیم، آنگاه مسائل پیچیده خودبهخود حل خواهند شد‌. این تصور، که می‌توان آن را ‌”توهم اطلاعات محور‌” (Information-Centric Illusion) نامید، ریشه در یک پیشفرض ناگفته دارد: اینکه مسئله اصلی، کمبود اطلاعات است‌. اما تجربه دهه‌های اخیر نشان می‌دهد که در بسیاری از حوزه‌ها، ما با فراوانی اطلاعات و کمبود فهم مواجهیم، نه با کمبود اطلاعات.

راسل ایکاف، یکی از بنیانگذاران تفکر سیستمی و متفکری که عمر خود را وقف مطالعه سازمانها و سیستم‌های اجتماعی کرد، در نوشته‌های خود بارها به این نکته اشاره کرده است که میان ‌”داده‌”، ‌”اطلاعات‌”، ‌”دانش‌”، ‌”فهم‌” و ‌”خرد‌” تفاوت بنیادین وجود دارد (Ackoff, 1989)‌. به باور او، سازمانها و جوامع امروزی غرق در داده و اطلاعات‌اند، اما از فهم و خرد بی بهره‌اند‌. این تمایز، که در جدول ۲.۱ خلاصه شده است، نشان می‌دهد که چرا جمعآوری اطلاعات بیشتر،‌ به خودی خود به فهم بهتر نمی انجامد.

جدول ۲.۱: سلسله شناختی ایکاف

سطحپرسش کلیدیماهیتمثال
دادهچه چیزی؟نماد‌های خامعدد ۳۸
اطلاعاتچه کسی، چه زمانی، کجا؟داده‌های پردازششدهدمای بدن بیمار: ۳۸ درجه
دانشچگونه؟مهارت و تواناییچگونه دمای بدن را اندازه بگیریم
فهمچرا؟درک روابط و الگوهاچرا دمای بدن افزایش یافته است
خردبرای چه؟قضاوت ارزشی و اخلاقیآیا باید به پزشک مراجعه کرد

منبع: اقتباس از  Ackoff (1989)

آنچه در این جدول اهمیت دارد، تفاوت میان ‌”دانستن‌” و ‌”فهمیدن‌” است‌. دانستن، انباشتن اطلاعات است؛ فهمیدن، درک روابط، الگوها و سازوکار‌های پنهان‌. در بسیاری از موارد، ما اطلاعات فراوانی درباره اجزای یک مسئله داریم، اما از درک روابط میان این اجزا و از فهم پویایی‌های کل سیستم ناتوانیم‌. این وضعیت، همان چیزی است که می‌توان آن را ‌”دام تخصص‌گرایی افراطی‌” (Trap of Extreme   Specialization) نامید: تخصصی که در آن، هر متخصص فقط بخشی از تصویر را می‌بیند و هیچکس تصویر کامل را در اختیار ندارد.

برای روشن تر شدن این بحث، مثال سازمانی زیر را در نظر بگیرید‌. فرض کنید یک شرکت تولیدی با کاهش فروش مواجه شده است‌. مدیر بازاریابی، مشکل را در ضعف تبلیغات می‌بیند و خواستار بودجه بیشتر برای تبلیغات است‌. پس مدیر تولید، مشکل را در کیفیت محصول می‌داند و خواستار سرمایه‌‌گذاری در تجهیزات جدید است‌. مدیر مالی، مشکل را در ساختار هزینه‌ها می‌بیند و خواستار کاهش هزینه‌هاست‌. هر یک از این مدیران، داده‌ها و اطلاعات مربوط به حوزه خود را در اختیار دارد و تحلیل خود را ارائه می‌کند‌. اما هیچیک‌ به تنهایی نمی تواند توضیح دهد که چرا فروش کاهش یافته است‌. زیرا کاهش فروش، محصول تعامل پیچید‌های از عوامل درونی و بیرونی است: تغییرات بازار، رفتار رقبا، انتظارات مشتریان، کیفیت محصول، قیمت گذاری، کانال‌های توزیع، و بسیاری عوامل دیگر‌. فهم این تعامل، نیازمند نگاهی فراتر از تخصص‌های جزیر‌ه‌ای است.

این مثال نشان می‌دهد که چرا ‌”دانستن بیشتر‌” لزوماً به ‌”فهمیدن بهتر‌” نمیانجامد‌. فهمیدن، نیازمند توانایی دیدن روابط، تشخیص الگوها، و درک پویایی‌های سیستم است‌. این توانایی، همان چیزی است که تفکر سیستمی نامیده می‌شود و در فصل‌های بعدی‌ به تفصیل به آن خواهیم پرداخت‌. اما در این فصل، هدف ما اثبات ضرورت این قابلیت است، نه آموزش آن.

نکته مهم دیگری که در این زمینه باید مورد توجه قرار گیرد، پدیده ‌”بار اطلاعاتی‌” (Information Overload) است‌. وقتی حجم اطلاعات از توانایی پردازش انسان فراتر می‌رود، نه تنها فهم بهتر نمی‌شود، بلکه ممکن است به ‌”فلج تحلیلی‌” (Analysis Paralysis) بیانجامد—وضعیتی که در آن، فرد یا سازمان از ترس اشتباه، قادر به تصمیم‌گیری نیست‌. هربرت سایمون، برنده جایزه نوبل اقتصاد، در نظریه ‌”عقلانیت محدود‌” (Bounded Rationality) نشان داد که انسانها در تصمیمگیری، نه‌ به دنبال بهترین راه‌حل، بلکه‌ به دنبال راه‌حل رضایت بخش هستند، زیرا توانایی پردازش اطلاعات آنها محدود است (Simon, 1962)‌. این یافته، اهمیت فهم عمیق را در برابر انباشت اطلاعات بیشتر برجسته می‌کند.

۲.۳ توهم راه‌حل‌های مستقیم

یکی از عمیقترین خطا‌های شناختی در مواجهه با مسائل پیچیده، این است که فرض کنیم برای هر مسئله، یک راه‌حل مستقیم و مشخص وجود دارد‌. این خطا، که ریشه در تفکر خطی و علت ومعلولی ساده دارد، در بسیاری از تصمیم‌های فردی، سازمانی و سیاسی قابل مشاهده است‌. اما واقعیت این است که در سیستم‌های پیچیده، راه‌حلها اغلب غیرمستقیماند، پیامد‌های ناخواسته دارند، و می‌توانند به تشدید مسئله بیانجامند.

دونلا میدوز، یکی از برجسته ترین نظریه پردازان تفکر سیستمی، در کتاب ‌”تفکر در سیستم ها‌” (Meadows, 2008) نمونه‌های متعددی از این پدیده را ارائه می‌دهد‌. یکی از مشهورترین این نمونه ها، مسئله استفاده از د.د.ت (DDT) برای کنترل مالاریا در دهه ۱۹۵۰ است‌. د.د.ت به عنوان یک راه‌حل مستقیم برای کاهش جمعیت پشه‌های ناقل مالاریا به کار رفت و در کوتاه‌مدت موفقیت آمیز به نظر می‌رسید‌. اما در بلندمدت، پشه ها در برابر د.د.ت مقاوم شدند، دشمنان طبیعی پشه ها از بین رفتند، و جمعیت پشه ها دوباره افزایش یافت—این بار مقاومتر از قبل‌. این مثال، نمونه‌ای کلاسیک از ‌”راه‌حل‌هایی که مسئله را بدتر می‌کنند‌” است.

این پدیده، که در ادبیات سیستمی به ‌”بازخورد تقویتی‌” (Reinforcing Feedback) شهرت دارد، نشان می‌دهد که چرا راه‌حل‌‌های مستقیم در سیستم‌های پیچیده می‌توانند به نتایج معکوس بیانجامند‌. در واقع، بسیاری از مسائل بزرگ معاصر—از فقر و نابرابری گرفته تا تغییرات اقلیمی و بحران‌های مالی—از جنس مسائلی هستند که پیتر سنج، در کتاب ‌”پنجمین فرمان‌” (Senge, 1990)، آنها را ‌”مسائل سیستمی‌” می‌نامد: مسائلی که در آنها، راه‌حل‌های کوتاه‌مدت و مقطعی، می‌توانند به تشدید مسئله در بلندمدت بیانجامند.

برای درک بهتر این بحث، مثال اقتصادی زیر را در نظر بگیرید‌. فرض کنید دولت یک کشور برای کنترل تورم، نرخ بهره را افزایش می‌دهد‌. این سیاست، بر اساس منطق اقتصادی متعارف، باید تقاضا را کاهش دهد و در نتیجه تورم را کنترل کند‌. اما در عمل، افزایش نرخ بهره می‌تواند هزینه استقراض را برای کسبوکارها افزایش دهد، سرمایه‌‌گذاری را کاهش دهد، بیکاری را افزایش دهد، و در نهایت به رکود اقتصادی بیانجامد—رکودی که خود می‌تواند به فشار‌های تورمی جدیدی منجر شود‌. این پیچیدگی، نشان می‌دهد که مداخله در یک متغیر اقتصادی، بدون توجه به روابط گستردهتر، می‌تواند به نتایج غیرمنتظره‌ای بیانجامد.

نمونه دیگری از این پدیده، در حوزه سیاست‌های رفاهی قابل مشاهده است‌. فرض کنید دولتی برای کاهش فقر، به خانواده‌های کم درآمد کمک مالی مستقیم پرداخت می‌کند‌. این سیاست، در کوتاه مدت، درآمد خانواده‌ها را افزایش می‌دهد و فقر را کاهش می‌دهد‌. اما در بلندمدت، اگر این کمک‌ها به کاهش انگیزه کار بیانجامد، ممکن است به وابستگی به کمک‌های دولتی و در نتیجه، تداوم فقر بیانجامد‌. این پدیده، که در ادبیات اقتصادی به ‌”دام رفاه‌” (Welfare Trap) شهرت دارد، نمونه‌ای از پیامدهای ناخواسته سیاست‌هایی است که بدون توجه به پویایی‌های بلندمدت طراحی می‌شوند.

در سطح سازمانی نیز، نمونه‌های متعددی از این پدیده وجود دارد‌. فرض کنید یک شرکت برای کاهش هزینه‌ها، اقدام به تعدیل نیرو می‌کند‌. این تصمیم، در کوتاه‌مدت، هزینه‌ها را کاهش می‌دهد‌. اما در بلندمدت، ممکن است به کاهش روحیه کارکنان باقیمانده، از دست رفتن دانش سازمانی، کاهش نوآوری، و در نهایت، کاهش توان رقابتی شرکت بیانجامد‌. این پدیده، که در ادبیات مدیریت به ‌”خودزنی سازمانی‌” (Organizational Self-Harm) تعبیر می‌شود، نشان می‌دهد که تصمیم‌های مبتنی بر منطق خطی، در سیستم‌های پیچیده می‌توانند به نتایج معکوس بیانجامند.

۲.۴ وقتی تخصص به مانع تبدیل می‌شود

تخصص، بدون شک، یکی از دستاورد‌های بزرگ تمدن مدرن است‌. تقسیم کار و تخصصی شدن دانش، به پیشرفت‌های شگرفی در علم، فناوری و پزشکی انجامیده است‌. اما تخصص، زمانی که به تنهایی و بدون درک روابط گسترده تر به کار گرفته شود، می‌تواند به مانعی برای فهم تبدیل شود‌. این پدیده، که می‌توان آن را ‌”دام تخصص‌” (Specialization Trap) نامید، در بسیاری از حوزه‌ها قابل مشاهده است.

ادگار مورن، فیلسوف و جامعه‌شناس فرانسوی، در آثار خود بارها به این نکته اشاره کرده است که تخصص‌گرایی افراطی، می‌تواند به ‌”هوش کور‌” (Blind Intelligence) بیانجامد (Morin, 1999)‌. به باور او، تخصص‌های جزیرهای، هر یک فقط بخشی از واقعیت را می‌بینند و از درک کلیت ناتوانند‌. این وضعیت، در مسائل پیچید‌ه‌ای که نیازمند همکاری میان‌رشته‌ای هستند، به ویژه خطرناک است.

مثال سازمانی زیر را در نظر بگیرید‌. فرض کنید یک بیمارستان با مشکل افزایش خطا‌های پزشکی مواجه است‌. مدیر بخش جراحی، مشکل را در خستگی پزشکان می‌بیند و خواستار کاهش ساعت کاری آنهاست‌. پس مدیر بخش پرستاری، مشکل را در کمبود پرستار می‌داند و خواستار استخدام نیروی بیشتر است‌. مدیر فناوری اطلاعات، مشکل را در سیستم‌های قدیمی ثبت اطلاعات می‌بیند و خواستار‌ به روزرسانی نرم‌افزارهاست‌. هر یک از این مدیران، از منظر تخصص خود، تحلیل درستی ارائه می‌دهد‌. اما هیچ یک‌ به تنهایی نمی‌تواند توضیح دهد که چرا خطا‌های پزشکی افزایش یافته است‌. زیرا خطا‌های پزشکی، محصول تعامل پیچیده‌ای از عوامل ساختاری، فرهنگی، ارتباطی و فنی است‌. فهم این تعامل، نیازمند نگاهی فراتر از تخصص‌های جزیره‌ای است.

این مثال نشان می‌دهد که تخصص، هرچند ضروری است، اما کافی نیست‌. در سیستم‌های پیچیده، فهم مسئله نیازمند توانایی دیدن روابط میان تخصص ها، درک تعاملات میان اجزا، و تشخیص الگو‌های پنهان است‌. این توانایی، همان چیزی است که تفکر سیستمی نامیده می‌شود و در فصل‌های بعدی‌ به تفصیل به آن خواهیم پرداخت.

برای درک عمیقتر این بحث، لازم است میان دو نوع مسئله تمایز قائل شویم: ‌”مسائل ساده‌”  و ‌”مسائل پیچیده‌”‌. مسائل ساده، مسائلی هستند که در آنها، رابطه علت و معلول خطی و قابل مشاهده است، اجزا مستقل از یکدیگرند، و راه‌حلها قابل پیش‌بینی اند‌. مثال کلاسیک این مسائل، تعمیر یک ماشین خراب است: مکانیک با بررسی اجزا، قطعه معیوب را شناسایی و تعمیر می‌کند‌. اما مسائل پیچیده، مسائلی هستند که در آنها، رابطه علت و معلول غیرخطی و پنهان است، اجزا‌ به همپیوسته‌اند، و راه‌حلها غیرقابل پیش‌بینی‌اند‌. مثال این مسائل، کاهش فقر در یک جامعه است: هیچکس نمیتواند با اطمینان بگوید که کدام ترکیب از سیاستها به کاهش پایدار فقر  می‌‌انجامد.

راسل ایکاف، در تمایزی مشهور، میان ‌”مسائل” (Problems) و ‌”آشفتگی‌ها‌” (Messes) تفاوت قائل می‌‌شود (Ackoff, 1974)‌. به باور او، مشکلات، مسائلی هستند که می‌توان آنها را از یکدیگر جدا کرد و‌ به طور مستقل حل کرد‌. اما آشفتگی‌ها، مجموعه‌هایی از مشکلات‌ به همپیوسته هستند که نمی‌توان آنها را جداگانه حل کرد‌. به بیان ایکاف، ‌”مشکلات، انتزاعاتی هستند که از آشفتگی‌ها استخراج می‌شوند؛ در واقعیت، ما همیشه با آشفتگی‌ها مواجهیم، نه با مشکلات.‌” این تمایز، اهمیت تفکر سیستمی را برجسته می‌کند: در جهانی که پر از آشفتگی است، تفکر مبتنی بر حل مشکلات جداگانه، نه تنها کافی نیست، بلکه می‌تواند به تشدید آشفتگی بیانجامد.

۲.۵ از حل مسئله به فهم سیستم

یکی از مهمترین تفاوت‌ها میان تفکر سنتی و تفکر سیستمی، در نحوه مواجهه با مسئله است‌. در تفکر سنتی، مسئله‌ به عنوان یک وضعیت ناخوشایند تلقی می‌شود که باید در اسرع وقت حل شود‌. در تفکر سیستمی، مسئله‌ به عنوان نشانه‌ای از یک سیستم بزرگتر تلقی می‌شود که باید فهم شود‌. این تفاوت، که در شکل ۲.۱ نشان داده شده است، بنیادین است.

در تفکر سنتی، هدف، حذف مسئله است‌. در تفکر سیستمی، هدف، فهم سیستمی است که مسئله را تولید می‌کند‌. این تفاوت، پیامد‌های عمیقی برای نحوه مواجهه با مسائل دارد‌. در تفکر سنتی، راه حل ها اغلب مقطعی و سطحی‌اند؛ در تفکر سیستمی، راهحل‌ها ریشه‌ای و پایدارند.

برای روشنتر شدن این بحث، مثال تغییرات اقلیمی را در نظر بگیرید‌. در تفکر سنتی، تغییرات اقلیمی‌ به عنوان یک مسئله محیطزیستی تلقی می‌شود که باید با کاهش انتشار گازهای گلخانه‌ای حل شود‌. در تفکر سیستمی، تغییرات اقلیمی‌ به عنوان نشانه‌ای از یک سیستم اقتصادی-اجتماعی-فنی تلقی می‌شود که در آن، الگوهای تولید، مصرف، حمل‌ونقل، کشاورزی و انرژی،‌ به گونه‌ای سازمان یافته‌اند که انتشار گازهای گلخانه‌ای را بازتولید می‌کنند‌. فهم این سیستم، نیازمند نگاهی فراتر از راه حل‌های فنی است‌. زیرا تغییرات اقلیمی، نه تنها یک مسئله فنی، بلکه یک مسئله اقتصادی، سیاسی، اجتماعی و فرهنگی است‌. راه حل‌های مؤثر، نیازمند تغییر در الگو‌های تولید و مصرف، در سیاست‌های انرژی، در ساختار‌های اقتصادی، و در نهایت، در شیوه‌های زندگی است.

این مثال نشان می‌دهد که چرا فهم سیستم، پیش نیاز حل مسئله است‌. بدون فهم سیستم، راه‌حل‌ها می‌توانند‌ به  تشدید مسئله بیانجامند‌. با فهم سیستم، می‌توان نقاط اهرمی (Leverage Points) را شناسایی کرد و مداخلات مؤثرتری طراحی کرد‌. دونلا میدوز، در مقاله‌ای مشهور با عنوان ‌”نقاط اهرمی: کجا در سیستم مداخله کنیم‌” (Meadows, 1999)، دوازده نقطه اهرمی را معرفی می‌کند که از سطحی‌ترین (مانند پارامترها و اعداد) تا عمیقترین (مانند پارادایم‌ها و جهان‌بینی‌ها) متغیرند‌. به باور او، مداخله در نقاط اهرمی عمیق، می‌تواند تغییرات سیستمی بزرگی ایجاد کند، در حالی که مداخله در نقاط سطحی، اغلب به نتایج مقطعی و ناپایدار می‌انجامد.

برای درک بهتر این مفهوم، مثال سازمانی زیر را در نظر بگیرید‌. فرض کنید یک شرکت با مشکل کاهش نوآوری مواجه است‌. در تفکر سنتی، ممکن است مدیران تصمیم بگیرند بودجه تحقیق و توسعه را افزایش دهند، یا تعداد کارکنان بخش نوآوری را بیشتر کنند، یا سیستم پاداشدهی به نوآوری را تقویت کنند‌. این اقدامات، در سطح پارامترها و ساختارها قرار دارند و ممکن است در کوتاه‌مدت اثرگذار باشند‌. اما در تفکر سیستمی، ممکن است ریشه مشکل در فرهنگ سازمانی باشد—فرهنگی که در آن، اشتباهات مجازات می‌شوند، ریسک پذیری discouraged است، و کارکنان از بیان ایده‌های جدید می‌ترسند‌. مداخله در این سطح — سطح پارادایم‌ها و باور‌های بنیادین— می‌تواند تغییرات عمیق تر و پایدارتری ایجاد کند‌. این مثال، اهمیت فهم سیستم را در برابر حل مسئله نشان می‌دهد.

۲.۶ مسائل بزرگ به قابلیت‌های جدید نیاز دارند

مسائل بزرگ معاصر—از تغییرات اقلیمی و نابرابری‌های اقتصادی گرفته تا بحران‌های بهداشتی جهانی و ناپایداری‌های سیاسی—دارای ویژگی‌های مشترکی هستند که آنها را از مسائل سنتی متمایز می‌کند‌. این ویژگی ها عبارتند از:

  • اول، پیچیدگی (Complexity):‌ این مسائل، محصول تعامل میان عوامل متعدد و‌ به هم‌پیوسته‌اند‌. هیچیک از این عوامل‌ به تنهایی نمی‌تواند مسئله را توضیح دهد‌. برای مثال، تغییرات اقلیمی محصول تعامل میان عوامل اقتصادی (مانند الگو‌های تولید و مصرف)، فنی (مانند فناوری‌های انرژی)، سیاسی (مانند سیاست‌های زیست‌محیطی)، و اجتماعی (مانند رفتار‌های مصرفی) است‌. فهم این تعامل، نیازمند نگاهی چندبعدی است.
  • دوم، عدم‌قطعیت(Uncertainty):‌ این مسائل، در محیط‌هایی رخ می‌دهند که عدم‌قطعیت بالاست و پیش‌بینی دقیق آینده دشوار است‌. برای مثال، پیامد‌های بلندمدت هوش مصنوعی بر بازار کار، بر ساختار‌های اجتماعی، و بر روابط انسانی،‌ به طور دقیق قابل پیش‌بینی نیست‌. این عدم‌قطعیت، نیازمند رویکردهایی است که‌ به جای پیش‌بینی دقیق، به انعطافپذیری و سازگاری تأکید کنند.
  • سوم، چندبعدی بودن(Multi-Dimensionality):‌ این مسائل، همزمان ابعاد اقتصادی، اجتماعی، سیاسی، فرهنگی و فنی دارند‌. برای مثال، فقر، نه تنها یک مسئله اقتصادی، بلکه یک مسئله اجتماعی، فرهنگی، سیاسی و روانشناختی است‌. راه‌حل‌های مؤثر، نیازمند توجه همزمان به همه این ابعادند.
  • چهارم، مرز‌های نامشخص(Blurred Boundaries):‌ این مسائل، مرز‌های سازمانی، علمی و سیاسی را پشت سر می‌گذارند و نیازمند همکاری میان‌رشته‌ای و بین‌المللی هستند‌. برای مثال، همه‌‌‌گیری کووید-۱۹، نه تنها یک مسئله بهداشتی، بلکه یک مسئله اقتصادی، اجتماعی، سیاسی و بین‌المللی بود که همکاری جهانی را می‌طلبید.
  • پنجم، پویایی‌های زمانی(Temporal Dynamics):‌ این مسائل، در طول زمان تحول می‌یابند و اثرات آنها ممکن است با تأخیر ظاهر شود‌. برای مثال، اثرات تغییرات اقلیمی، ممکن است دهه‌ها بعد ظاهر شوند، در حالی که اقدامات امروز، می‌توانند اثرات بلندمدتی داشته باشند‌. این تأخیرها، تصمیم‌گیری را دشوار می‌کنند، زیرا ارتباط میان اقدام و نتیجه، فوری و قابل مشاهده نیست.
  • این ویژگیها، نشان می‌دهند که مسائل بزرگ معاصر، به قابلیت‌های فکری جدیدی نیاز دارند‌. این قابلیت‌ها عبارتند از:
  • دیدن روابط (Seeing Relationships):‌توانایی تشخیص روابط میان اجزای یک سیستم، و درک اینکه چگونه تغییر در یک جزء، می‌تواند بر کل سیستم اثر بگذارد‌. برای مثال، در یک سازمان، تغییر در سیاست‌های منابع انسانی می‌تواند بر فرهنگ سازمانی، بر‌ بهره‌وری، بر رضایت مشتریان، و در نهایت، بر عملکرد مالی سازمان اثر بگذارد.
  • فهم تعاملات(Understanding Interactions):‌ توانایی درک تعاملات میان اجزا، و تشخیص اینکه چگونه این تعاملات می‌توانند به رفتار‌های غیرخطی و غیرقابل پیش‌بینی بیانجامند‌. برای مثال، در یک بازار مالی، تعامل میان سرمایه‌گذاران، می‌تواند به حباب‌های قیمتی و سقوط‌های ناگهانی بیانجامد که با مدل‌های خطی قابل پیش‌بینی نیستند.
  • درک زمان (Understanding Time):‌‌توانایی درک پویایی‌های زمانی، و تشخیص اینکه چگونه تأخیرها، بازخوردها و چرخه‌های زمانی می‌توانند بر رفتار سیستم اثر بگذارند‌. برای مثال، در مدیریت موجودی، تأخیر میان سفارش و تحویل، می‌تواند به نوسانات شدید در موجودی بیانجامد—پدیده‌ای که در ادبیات سیستمی به ‌”اثر شلاقی‌” (Bullwhip Effect) شهرت دارد (Forrester, 1961).
  • توجه به زمینه (Contextual Awareness):‌‌توانایی درک زمینه‌ای که مسئله در آن رخ می‌دهد، و تشخیص اینکه چگونه زمینه، می‌تواند بر ماهیت مسئله و راه‌حل‌های آن اثر بگذارد‌. برای مثال، راه‌حل‌های کاهش فقر در یک جامعه کشاورزی، با راه‌حل‌های کاهش فقر در یک جامعه صنعتی متفاوت است‌. نادیده گرفتن زمینه، می‌تواند به شکست سیاست‌ها بیانجامد.

این قابلیتها، همان چیزی است که تفکر سیستمی نامیده می‌شود و در فصل‌های بعدی‌ به تفصیل به آن خواهیم پرداخت.

۲.۷ تفکر سیستمی‌ به عنوان قابلیت فردی

تفکر سیستمی، پیش از هر چیز، یک قابلیت فردی است‌. این قابلیت، به افراد امکان می‌دهد تا جهان را‌ به گونه‌ای متفاوت ببینند، مسائل را عمیق‌تر فهم کنند، و راه‌حل‌های مؤثرتری طراحی کنند‌. این قابلیت، برای گروه‌های مختلف، اهمیت متفاوتی دارد.

  • مدیران‌: برای مدیران، تفکر سیستمی‌ به معنای توانایی دیدن سازمان‌ به عنوان یک سیستم‌ به همپیوسته است، نه مجموعه‌ای از واحدهای جداگانه‌. مدیرانی که تفکر سیستمی دارند، می‌توانند پیامدهای بلندمدت تصمیم‌های خود را پیش‌بینی کنند، تعاملات میان واحد‌های مختلف را درک کنند، و راه‌حل‌هایی طراحی کنند که‌ به جای تشدید مسئله، آن را حل کنند‌. برای مثال، مدیری که تفکر سیستمی دارد، می‌داند که کاهش هزینه‌ها از طریق تعدیل نیرو، ممکن است در کوتاه‌مدت سودآوری را افزایش دهد، اما در بلندمدت به کاهش دانش سازمانی، کاهش روحیه کارکنان، و کاهش توان نوآوری بیانجامد‌. چنین مدیری،‌ به جای تمرکز بر هزینه‌ها، بر بهبود فرآیندها، افزایش بهره‌وری، و تقویت فرهنگ سازمانی تمرکز می‌کند.
  • پژوهشگران‌: برای پژوهشگران، تفکر سیستمی‌ به معنای توانایی دیدن روابط میان متغیرها، تشخیص الگو‌های پنهان، و درک زمینه‌ای که پدیده در آن رخ می‌دهد‌. پژوهشگرانی که تفکر سیستمی دارند، می‌توانند سؤال‌های عمیق‌تری بپرسند، روش‌های مناسبتری انتخاب کنند، و نتایج را در زمینه گسترده‌تری تفسیر کنند‌. برای مثال، پژوهشگری که تفکر سیستمی دارد، در مطالعه فقر، نه تنها به درآمد، بلکه به آموزش، سلامت، سرمایه اجتماعی، نهادها، و فرهنگ نیز توجه می‌کند‌. چنین پژوهشگری،‌ به جای ارائه راه‌حل‌های ساده، به دنبال فهم پیچیدگی‌های پدیده است.
  • سیاستگذاران‌: برای سیاست‌گذاران، تفکر سیستمی‌ به معنای توانایی درک پیامد‌های ناخواسته سیاست‌ها، تشخیص تعاملات میان حوزه‌های مختلف، و طراحی سیاست‌هایی است که‌ به جای حل مقطعی مسئله، به حل ریشه‌ای آن بیانجامند‌. برای مثال، سیاست‌‌‌گذاری که تفکر سیستمی دارد، در طراحی سیاست‌های انرژی، نه تنها به کاهش انتشار گاز‌های گلخانه‌ای، بلکه به اثرات اقتصادی، اجتماعی، و سیاسی این سیاست‌ها نیز توجه می‌کند‌. چنین سیاست‌گذاری،‌ به جای تمرکز بر یک ابزار (مانند مالیات کربن)، ترکیبی از ابزارها (مانند سرمایه‌‌گذاری در انرژی‌های تجدیدپذیر، بهبود بهره‌وری انرژی، و تغییر الگو‌های حمل‌ونقل) را در نظر می‌گیرد.
  • شهروندان‌: برای شهروندان، تفکر سیستمی‌ به معنای توانایی درک مسائل عمومی‌ به عنوان مسائل سیستمی، تشخیص پیامد‌های بلندمدت تصمیم‌های جمعی، و مشارکت مؤثرتر در فرآیند‌های تصمیم‌گیری است‌. برای مثال، شهروندی که تفکر سیستمی دارد، در مواجهه با مسئله ترافیک، نه تنها به ساخت بزرگراه‌های بیشتر فکر نمی‌کند، بلکه به بهبود حمل‌ونقل عمومی، تغییر الگو‌های سفر، و طراحی شهری پایدار نیز توجه می‌کند‌. چنین شهروندی، می‌تواند در فرآیند‌های تصمیم‌گیری شهری، مشارکت مؤثرتری داشته باشد.

۲.۸ تفکر سیستمی‌ به عنوان قابلیت سازمانی و اجتماعی

تفکر سیستمی، نه تنها یک قابلیت فردی، بلکه یک قابلیت سازمانی و اجتماعی است‌. سازمان ها و جوامعی که تفکر سیستمی دارند، می‌توانند مسائل پیچیده را بهتر فهم کنند، راه‌حل‌های مؤثرتری طراحی کنند، و با تغییرات محیطی سازگارتر باشند.

  • سازمان‌های یادگیرنده‌: پیتر سنج، در کتاب “پنجمین فرمان‌” (Senge, 1990)، مفهوم “سازمان یادگیرنده“ را معرفی می‌کند‌. سازمان یادگیرنده، سازمانی است که در آن، افراد‌ به طور مستمر توانایی‌های خود را گسترش می‌دهند، الگو‌های جدید تفکر را پرورش می‌دهند، آرزو‌های جمعی را آزاد می‌کنند، و یاد می‌گیرند که چگونه با هم یاد بگیرند‌. تفکر سیستمی، یکی از پنج رشته اصلی سازمان یادگیرنده است—در کنار تسلط شخصی، مدل‌های ذهنی، آرمان مشترک، و یاد‌گیری تیمی‌. به باور سنج، بدون تفکر سیستمی، سایر رشته‌ها به قطعات جداگانه‌ای تبدیل می‌شوند که نمی‌توانند به یک کل منسجم بیانجامند.
  • حکمرانی‌: در سطح حکمرانی، تفکر سیستمی‌ به معنای توانایی درک مسائل عمومی‌ به عنوان مسائل سیستمی، تشخیص تعاملات می‌ان حوزه‌های مختلف سیاستگذاری، و طراحی سیاست‌هایی است که‌ به جای حل مقطعی مسئله، به حل ریشه‌ای آن بیانجامند‌. حکمرانی سیستمی، نیازمند همکاری میان‌بخشی، مشارکت ذینفعان، و یاد‌گیری مستمر است‌. برای مثال، در مواجهه با بحران‌های بهداشتی، حکمرانی سیستمی نیازمند همکاری میان وزارت بهداشت، وزارت اقتصاد، وزارت آموزش، بخش خصوصی، و جامعه مدنی است‌. هیچیک از این نهادها‌ به تنهایی نمی‌توانند بحران را مدیریت کنند.
  • مسائل جمعی‌: در سطح مسائل جمعی، تفکر سیستمی‌ به معنای توانایی درک مسائل عمومی‌ به عنوان مسائل سیستمی، تشخیص پیامد‌های بلندمدت تصمیم‌های جمعی، و مشارکت مؤثرتر در فرآیند‌های تصمیم‌گیری است‌. مسائلی مانند تغییرات اقلیمی، فقر، نابرابری، و بحران‌های بهداشتی، نمونه‌هایی از مسائل جمعی هستند که نیازمند تفکر سیستمی‌اند‌. الینور اوستروم، برنده جایزه نوبل اقتصاد، در باره منابع مشترک نشان داد که مدیریت پایدار منابع مشترک، نیازمند نهادهایی است که به پیچیدگی‌های محلی، تعاملات اجتماعی، و پویایی‌های بلندمدت توجه کنند (Ostrom, 1990)   ‌. این یافته، اهمیت تفکر سیستمی را در سطح اجتماعی برجسته می‌کند.

۲.۹ چرا تفکر سیستمی برای آینده ضروری است؟

در دهه‌های آینده، جهان با چالش‌های بی‌سابقه‌ای مواجه خواهد شد‌. این چالش‌ها، که برخی از آنها هم اکنون نیز قابل مشاهده‌اند، عبارتند از:

  • هوش مصنوعی‌: گسترش هوش مصنوعی، نه تنها یک تحول فناورانه، بلکه یک تحول اجتماعی، اقتصادی و اخلاقی است‌. فهم پیامد‌های هوش مصنوعی، نیازمند تفکر سیستمی است‌. زیرا هوش مصنوعی، همزمان بر بازار کار، بر ساختار‌های اجتماعی، بر روابط انسانی، و بر ساختار‌های قدرت اثر می‌گذارد‌. برای مثال، گسترش هوش مصنوعی ممکن است به افزایش بهره‌وری بیانجامد، اما همزمان ممکن است به افزایش نابرابری، از دست رفتن مشاغل، و تمرکز قدرت در دست شرکت‌های فناوری بیانجامد‌. فهم این پیامدها، نیازمند نگاهی سیستمی است که تعاملات میان فناوری، اقتصاد، سیاست، و جامعه را در نظر بگیرد.
  • تغییرات اقلیمی‌: تغییرات اقلیمی، یکی از پیچیدهترین مسائل معاصر است‌. این مسئله، همزمان ابعاد محیط‌زیستی، اقتصادی، سیاسی، اجتماعی و فرهنگی دارد‌. فهم و مدیریت این مسئله، نیازمند تفکر سیستمی است‌. برای مثال، سیاست‌های کاهش انتشار گاز‌های گلخانه‌ای، ممکن است بر اشتغال، بر قیمت انرژی، بر رقابتپذیری صنایع، و بر عدالت اجتماعی اثر بگذارند‌. بدون تفکر سیستمی، ممکن است سیاست‌هایی طراحی شوند که در یک حوزه موفق، اما در حوزه‌های دیگر ناموفق باشند.
  • ریسک‌های جهانی‌: در جهان‌ به هم پیوسته امروز، ریسک‌های محلی می‌توانند به سرعت به ریسک‌های جهانی تبدیل شوند‌. بحران‌های مالی، بیماری‌های واگیردار، و ناپایداری‌های سیاسی، نمونه‌هایی از ریسک‌هایی هستند که مرز‌های ملی را پشت سر می‌گذارند‌. فهم و مدیریت این ریسکها، نیازمند تفکر سیستمی است‌. برای مثال، همه‌گیری کووید-۱۹ نشان داد که یک بیماری واگیردار در یک نقطه جهان، می‌تواند در عرض چند ماه به یک بحران جهانی تبدیل شود که همزمان ابعاد بهداشتی، اقتصادی، اجتماعی و سیاسی دارد‌. مدیریت چنین بحرانی، نیازمند همکاری جهانی، هماهنگی میان‌بخشی، و یاد‌گیری مستمر است.
  • تغییرات اجتماعی‌: جوامع امروزی، با تغییرات سریع اجتماعی مواجه‌اند‌. این تغییرات، که ناشی از عوامل متعدد اقتصادی، فناورانه، فرهنگی و جمعیتی هستند، نیازمند فهم سیستمی اند‌. بدون تفکر سیستمی، سیاست‌های اجتماعی می‌توانند به تشدید مسائل بی‌انجامند‌. برای مثال، سیاست‌های مهاجرت، نه تنها بر جمعیت، بلکه بر اقتصاد، بر فرهنگ، بر سیاست، و بر روابط بین‌الملل اثر می‌گذارند‌. فهم این اثرات، نیازمند نگاهی سیستمی است.

۲.۱۰ جمع‌بندی‌: ضرورت یک شیوه جدید دیدن جهان

در این فصل، استدلال شد که جهان معاصر، به طرز بی‌سابقه‌ای پیچیده،‌ به هم پیوسته و غیرقابل پیش‌بینی شده است‌. این پیچیدگی، نه تنها در ماهیت مسائل، بلکه در روابط میان آنها نیز قابل مشاهده است‌. مسائل بزرگ معاصر—از تغییرات اقلیمی و نابرابری‌های اقتصادی گرفته تا بحران‌های بهداشتی جهانی و ناپایداری‌های سیاسی—دارای ویژگی‌های مشترکی هستند‌: پیچیدگی، عدم‌قطعیت، چندبعدی بودن، مرز‌های نامشخص، و پویایی‌های زمانی.

این ویژگی‌ها، نشان می‌دهند که مسائل بزرگ معاصر، به قابلیت‌های فکری جدیدی نیاز دارند‌. این قابلیت‌ها، که در قالب تفکر سیستمی خلاصه می‌شوند، عبارتند از‌: دیدن روابط، فهم تعاملات، درک زمان، و توجه به زمینه‌. این قابلیت‌ها، نه تنها برای مدیران، پژوهشگران و سیاست‌گذاران، بلکه برای همه شهروندان ضروریاند.

تفکر سیستمی، پیش از هر چیز، یک قابلیت فردی است‌. اما در سطح سازمانی و اجتماعی نیز، اهمیت فزایند‌های دارد‌. سازمان‌های یادگیرنده، حکمرانی سیستمی، و مسائل جمعی، نمونه‌‌هایی از حوزه‌هایی هستند که در آنها، تفکر سیستمی نقش کلیدی دارد.

در دهه‌های آینده، با گسترش هوش مصنوعی، تشدید تغییرات اقلیمی، افزایش ریسک‌های جهانی، و تسریع تغییرات اجتماعی، ضرورت تفکر سیستمی بیش از پیش آشکار خواهد شد‌. آینده، متعلق به کسانی است که بتوانند روابط و الگوها را ببینند، تعاملات را فهم کنند، و در پیچیدگی، نظم پنهان را تشخیص دهند.

این فصل، ضرورت تفکر سیستمی را اثبات کرد‌. اما پرسش بنیادین‌تری باقی می‌ماند‌: تفکر سیستمی دقیقاً چیست؟ این پرسش، موضوع فصل سوم است‌. در فصل سوم،‌ به تفصیل بررسی خواهیم کرد که تفکر سیستمی چیست، چه نیست، و چگونه می‌توان آن را پرورش داد.

منابع

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

Ackoff, R‌. L‌. (1981)‌. Creating the corporate future: Plan or be planned for‌. John Wiley & Sons.

Ackoff, R‌. L‌. (1989)‌. From data to wisdom‌. Journal of Applied Systems Analysis, 16(1), 3–9.

Ackoff, R‌. L‌. (1999)‌. Ackoff’s best: His classic writings on management‌. John Wiley & Sons.

Anderson, V., & Johnson, L‌. (1997)‌. Systems thinking basics: From concepts to causal loops‌. Pegasus Communications.

Argyris, C., & Schön, D‌. A‌. (1978)‌. Organizational learning: A theory of action perspective‌. Addison-Wesley.

Bar-Yam, Y‌. (2004)‌. Making things work: Solving complex problems in a complex world‌. Knowledge Press.

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

Byrne, D‌. (1998)‌. Complexity theory and the social sciences: An introduction‌. Routledge.

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

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

Checkland, P., & Scholes, J‌. (1990)‌. Soft systems methodology in action‌. John Wiley & Sons.

Churchman, C‌. W‌. (1968)‌. The systems approach‌. Delacorte Press.

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

Dörner, D‌. (1996)‌. The logic of failure: Recognizing and avoiding error in complex situations‌. Metropolitan Books.

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.

Flood, R‌. L., & Carson, E‌. R‌. (1993)‌. Dealing with complexity: An introduction to the theory and application of systems science (2nd ed.)‌. Plenum Press.

Forrester, J‌. W‌. (1961)‌. Industrial dynamics‌. MIT Press.

Gharajedaghi, J‌. (2011)‌. Systems thinking: Managing chaos and complexity: A platform for designing business architecture (3rd ed.)‌. Morgan Kaufmann.

Gunderson, L‌. H., & Holling, C‌. S‌. (Eds.)‌. (2002)‌. Panarchy: Understanding transformations in human and natural systems‌. Island Press.

Helbing, D‌. (2013)‌. Globally networked risks and how to respond‌. Nature, 497(7447), 51–59.

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

Homer-Dixon, T‌. (2006)‌. The upside of down: Catastrophe, creativity, and the renewal of civilization‌. Island Press.

Jackson, M‌. C‌. (2003)‌. Systems thinking: Creative holism for managers‌. John Wiley & Sons.

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

Kauffman, S‌. (1995)‌. At home in the universe: The search for the laws of self-organization and complexity‌. Oxford University Press.

Kim, D‌. H‌. (1999)‌. Introduction to systems thinking‌. Pegasus Communications.

Maani, K., & Cavana, R‌. Y‌. (2007)‌. Systems thinking and modelling: Understanding change and complexity‌. Pearson Education.

Meadows, D‌. H‌. (1999)‌. Leverage points: Places to intervene in a system‌. The Sustainability Institute.

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

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

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

Morin, E‌. (1999)‌. Seven complex lessons in education for the future‌. UNESCO.

Ostrom, E‌. (1990)‌. Governing the commons: The evolution of institutions for collective action‌. Cambridge University Press.

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

Richmond, B‌. (1993)‌. Systems thinking: Critical thinking skills for the 1990s and beyond‌. System Dynamics Review, 9(2), 113–133.

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

Simon, H‌. A‌. (1962)‌. The architecture of complexity‌. Proceedings of the American Philosophical Society, 106(6), 467–482.

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

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

Stroh, D‌. P‌. (2015)‌. Systems thinking for social change: A practical guide to solving complex problems, avoiding unintended consequences, and achieving lasting results‌. Chelsea Green Publishing.

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

West, G‌. (2017)‌. Scale: The universal laws of growth, innovation, sustainability, and the pace of life in organisms, cities, economies, and companies‌. Penguin Press.

Wheatley, M‌. J‌. (2006)‌. Leadership and the new science: Discovering order in a chaotic world (3rd ed.)‌. Berrett-Koehler Publishers.

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.