Komplex rendszerek és a denevérhatás

A pillangóhatás mint kifejezés szinte mindenki számára ismert: ha egy pillangó megrebegteti a szárnyait, az tőle több ezer kilométerre hurrikánt okozhat a komplex rendszerben uralkodó önerősítő folyamatok miatt[1]. Idén egy valószínűleg denevérből származó vírus két hónap alatt a globális gazdaság megállásához és egészségügyi vészhelyzethez vezettet.

Ebben a bejegyzésben nem e közismert tulajdonságra fókuszálunk, hanem a komplex rendszerekben rejlő „trade off”-ra: az alkalmazkodás (adaptivity) versus hatékonyság kérdésére. A jelen helyzetre vonatkoztatva a kérdés annyi, hogy nem áldoztuk-e fel túlságosan a lokális alkalmazkodóképességünket a túlzott globális gazdasági hatékonyság oltárán? Mit mond a komplex rendszerek tudománya e sérülékenységről?

Komplex rendszerek: a méret a lényeg?[2]

Az nem kérdés, hogy a világunkat komplexnek érezzük, az egymásra ható társadalmi-politikai-gazdasági-környezeti tényezők rendkívül összetett rendszerben mutatkoznak meg előttünk. Az egyes komponensek közti potenciális összefüggések sokasága teszi a rendszert komplexszé, nem is önmagában az egyedi elemek számossága. A rendszerek komplexitását a rendszer leírásához szükséges információk „hosszával” ragadhatjuk meg: minél komplexebb egy rendszer, annál több állapotot vehet fel („Space of Possibilities”), ezért annál több információra van szükség a leírásához[3].

Itt pedig azonnal előbukkan a komplex rendszerek egyik legfontosabb tulajdonsága, a skálafüggőség. Más szavakkal: az adott rendszer, ami mikroszinten komplex és rengeteg változóval írható csak le, az makroszinten már nem biztos, hogy az, így jóval kevesebb információval is leírható. Ez a kijelentés remélhetőleg a következő ábrákkal és példákkal könnyebben érthetővé válik:

denevér

Forrás: An Introduction to Complex Systems Science and its Applications (Siegenfeld és Bar-Yam, 2019)

Nézzük először a bal oldali ábrát, és azon belül is a random rendszereket, mint például a gázok. A legkisebb skálán az egyes gázmolekulák rendkívül rendezetlenek, az egyes molekulák véletlenszerű elhelyezkedése mikrószinten közel végtelen lehet. Ahogy azonban magasabb nézőpontból figyeljük meg a gázokat, úgy egyre kevesebb változóval írható le az adott rendszer, például a nyomással, hőmérséklettel, hisz a mikroszintű véletlenek kioltják egymást. Az átlagok ismerete a mi emberi világunkban pedig elég, a newtoni fizika szintjén a gázok ezért már nem komplexek.

A korrelált rendszerek esetében az egyes komponensek közti együttmozgás értelemszerűen szűkíti a rendszer által felvehető állapotokat (hiszen például ’A’ bekövetkezése valamilyen eséllyel maga után vonja ’B’ bekövetkezését is), ami véletlenszerű rendszereknél alacsonyabb komplexitást jelent mikroszinten. Makroszinten azonban a korrelált rendszerek magasabb komplexitással bírhatnak[4], azaz többféle viselkedést mutathatnak, több jellemzővel írhatóak csak le, az átlagok pedig ez esetben félrevezetőek lehetnek.

Paradox módon azonban pontosan ebből a skálaméret-függőségből fakad, hogy a komplex rendszerek mégis sokszor rendezettnek tűnnek számunkra: ahhoz ugyanis, hogy nagyobb méretben – mondjuk globális szinten – komplex rendszerek alakuljanak ki, az egyes komponenseknek koordináltan (rendezetten) kell mozogniuk, ahogy a fenti ábra mutatja! Ilyen korrelált rendszer például az emberi test is, ahol „alacsony felbontáson” egy szerv molekulái rendezettebbek egy adott gáz molekuláinál, azonban maga a teljes testünk már sokkal komplexebb, mint egy gázzal kitöltött emberi test nagyságú tér.

Nézzük a jobb oldali, sematikusan egyszerűsített ábrát, amely két különböző cég működését mutatja a komplexitás és a termelt mennyiség[5] függvényében. Az egyik cégnél (kék vonal) az alkalmazottak rengeteg különféle terméket gyártanak párhuzamosan, azonban ezt nem tudják nagy mennyiségben megtenni. Így egy bizonyos mennyiség után nullára zuhan a komplexitás. A másik cégnél (sárga vonal) kevesebb terméktípust gyártanak, de a nagyobb specializáció miatt nagyobb mennyiséget képesek gyártani, azaz a komplexitás alacsonyabb (hisz a munkások „szabadságfoka” alacsony), de sokáig stabil.

Ez alapján érthető meg a komplex rendszerekben rejlő trade-off: amennyiben a rendszert lokálisan párhuzamosság, magasabb komplexitás jellemzi, úgy a környezet kihívásaira képes különféle válaszokat adva alkalmazkodni, de ezt bizonyos mennyiségi korlátok közt teszi csak meg. Amennyiben azonban az egyes egyedi komponensek együttmozognak, úgy csökken lokálisan a komplexitás, de összességében nő a hatékonyság, a termelt mennyiség.

A globális rendszer koronavírustesztje: „a határon autóztunk”?

Közhely, hogy az elmúlt évtizedekben a világ egyre összefüggőbbé, együttmozgóbbá és összekötöttebbé vált: igaz ez a globális termelési láncokra, a turizmusra, valamint az emberek, a tőke és az információ áramlására. Ennek előnyeit nem kell ecsetelni, könnyen megragadható az olcsóbb termékekben, az olcsóbb utazásban stb.

A fenti keretrendszerben ez annyit jelentett, hogy lokális szinten az emberiség egyre több és több komplexitást adott fel – just in time rendszerek, kiszervezett termelés a hatékonyság jelentős növelése érdekében – azért, hogy globálisabb szinten relatív magasabb komplexitást érhessen el. Ebből alapvetően két probléma adódik, amiből az első kézenfekvő. Egyrészt ezzel lokális szinten egyre inkább feladta az alkalmazkodóképességét, az egymásrautaltság növekedése pedig sérülékenységet okoz, ezt látjuk most kibontakozni.

A másik problémához meg kell érteni valamit: a komplexitás szintje önmagában semleges, a magasabb komplexitás nem „értékesebb”. A rendszereknek mindig a környezeti kihívások változékonyságára (volatilitására) kell tudni az adott szinten választ adni. Ha a környezet 50 féle választ kívánhat meg egy adott szint mellett, akkor a megfelelő komplexitás a rendszer részéről is 50. Felmerül a kérdés, hogy a rendszer ezt miképp képes elérni. A válasz az evolúcióban rejlik, azaz azon komplex rendszerek éltek túl, amelyek a leghatékonyabban alkalmazkodtak az adott szintű kihívásokra. A szükségesnél nagyobb komplexitás túl nagy párhuzamosságot és erőforrásokat jelent, a túl alacsony pedig az alkalmazkodás esetleges hiányát. Egyik sem megfelelő, de az evolúció a legjobbat jutalmazta.

De visszatérve a jelenlegi helyzethez és a probléma gyökeréhez: a globális szintű magasabb komplexitású rendszer evolúciós „tesztje” relatíve ritka, ezért a környezet által okozott volatilitás hatása a korábban lokálisan „feláldozott” komplexitás miatt különösen fájdalmas lehet. Más szavakkal: nem alakult, nem alakulhatott ki globális szinten megfelelő alkalmazkodóképesség bizonyos sokkokra, globális méretben a rendszer, ha úgy tetszik ehhez még közel sem elég komplex. Például jelenleg nincs globális szinten fiskális redisztribució, amely lehetővé tenné, hogy egyes országokat azonnal teljesen el lehessen különíteni és lezárni, miközben a világ többi része végleges átcsoportosításokkal átsegíti e nehéz perióduson[6]. Azaz globális rendszerünk hiába komplex, egy világjárvány okozta sokkhoz képest nem az. Különösen igaz ez egy gazdasági hatékonyság tekintetében kifeszített globális rendszerben, mint amilyen az elmúlt évtizedet jellemezte.

Rövid távon természetesen nem lehet más cél, mint a vírus megállítása a lehető legkevesebb emberi áldozat mellett. Azonban középtávon már a globális gazdasági rendszer esetleges átalakulása lehet a fő kérdés. Visszavesz az emberiség a globális komplexitásból, ami deglobalizációhoz és a lokalizmus megerősödéséhez vezet? Ezzel ellenállóbbá válna a rendszer a növekvő párhuzamosság miatt, de a globális gazdasági hatékonyság valószínűleg csökkenne. Vagy új technológiákkal és politikai-gazdasági keretrendszerekkel még összekapcsoltabbá teszi a lokális rendszereket, ezzel értelemszerűen növelve a globális komplexitást, amely képes ilyen helyzetekre is reagálni világszinten? (Ezt a problémát járja körül tulajdonképpen más aspektusból a Rodrik trilemma.)

Az elmúlt évek tapasztalatai a protekcionizmus előretöréséről már önmagában is az első felvetés irányába mutatnak. E folyamat potenciális erősödése lehet tehát a koronavírus egyik legfontosabb gazdasági-politikai következménye.

Tapaszti Attila


[1] Általában a komplexitásból fakadó előrejelezhetetlen folyamatok metaforája tehát a pillangó: kis hatásúnak látszó esemény a bemeneti oldalon és jelentős események a kimenetin (vagy éppen fordítva: egy komplex rendszer el is nyelhet szignifikáns hatásokat).

[2] E bekezdés a következő cikken alapul: An Introduction to Complex Systems Science and its Applications, Alexander F. Siegenfeld / Yaneer Bar-Yam

[3] Itt ér össze a Shannon entrópia és a komplexitás fogalma.

[4] Hisz a véletlenek nem oltják ki egymást.

[5] A termelt mennyiség a skála proxyja ebben az esetben.

[6] A hitelek nem tekinthetőek ilyen eszköznek, csak egy lépésnek ebben az irányba.


Főoldali kép forrása: pixabay.com