نوظهوری (Emergence) یعنی جایی که "زوماوت" (Zoom out) کردن، تصویر شفافتری از واقعیت به ما میدهد تا "زوماین" (Zoom in) کردن. این صرفاً فلسفه نیست؛ ریاضیات نشان میدهد که در سیستمهای پیچیده، "کل" واقعاً قدرتی دارد (قدرت علی) که "اجزا" ندارند.
Emergence: ظهوریافتگی در علم پیچیدگی
بررسی نظریه Causal Emergence 2.0 و اریک هوئل
مقدمه: عبور از فلسفه به علم
مفهوم Emergence (نوظهوری) صرفاً مفهومی فلسفی برای توجیه نادانستههای ما نیست. بلکه یک مفهوم علمی بسیار توانمند و کارآمد برای مدلسازی و مطالعهٔ رفتار سامانههای پیچیده است. اساساً علم پیچیدگی پیرامون مطالعهٔ emergence شکل گرفته است و بدون این مفهوم بسیار مهم، دستاوردهای چهار دههٔ گذشته علم پیچیدگی عملاً میسر نبود.
صورتبندی دقیق، کمّی و محاسباتی emergence، انواع emergence و درجات مختلف آن از حوزههای پژوهشی بسیار فعال علم پیچیدگی است. یکی از جدیدترین صورتبندیها را اریک هوئل (Erik Hoel) در قالب چهارچوب تئوریک Causal Emergence 2.0 معرفی کرده است.
گام اول: Emergence یا «نوظهوری» چیست؟
تصور کنید شما یک قطره آب دارید. اگر آن را زیر میکروسکوپ بگذارید، مولکولهای H2O را میبینید.
- آیا یک مولکول آب «خیس» است؟ خیر.
- آیا دو تا مولکول «خیس» هستند؟ خیر.
- آیا یک قطره آب «خیس» است؟ بله!
خیسی ویژگیای است که در مولکولها وجود ندارد، اما وقتی میلیاردها مولکول کنار هم قرار میگیرند و با هم تعامل میکنند، ناگهان «ظهور» میکند.
تعریف ساده: Emergence یعنی ویژگیهایی که در «کل» یک سیستم وجود دارد، اما در هیچکدام از «اجزا» به تنهایی وجود ندارد. (کل، چیزی بیشتر از مجموع اجزاست).
گام دوم: مشکل کجاست؟ (دعوای فلسفی و علمی)
قرنها دانشمندان فکر میکردند: "اگر میخواهید چیزی را دقیق بفهمید، باید آن را ریزِ ریز کنید." (به این نگاه میگویند کاهشگرایی یا Reductionism). مثلاً میگفتند اگر میخواهید مغز را بفهمید، باید تکتک نورونها را بشناسید.
اما در ۴۰ سال اخیر، علم پیچیدگی (Complexity Science) آمد و گفت: "صبر کنید! همیشه ریز شدن جواب نمیدهد." گاهی وقتی خیلی روی جزئیات دقیق میشوید (سطح میکرو)، تصویر کلی و علتومعلولها را گم میکنید.
گام سوم: نظریه اریک هوئل (Causal Emergence)
اریک هوئل یک حرف انقلابی میزند: او میگوید گاهی اوقات، توضیح دادن یک پدیده در سطح کلان (Macro)، دقیقتر و علمیتر از توضیح دادن آن در سطح ریز (Micro) است.
برای درک این موضوع، به تعریف سه پارامتر کلیدی نیاز داریم. بیایید این پارامترها را با مثال «لایک کردن در اینستاگرام» یاد بگیریم.
مثال: دکمهی «لایک» ❤️
۱. نگاه خرد (Micro): درگیری میلیونها ترانزیستور و پیکسل. پر از نویز و آشوب الکترونی.
۲. نگاه کلان (Macro): کاربر دکمه را میزند ← قلب قرمز میشود.
پارامترهای کمّی:
-
Determinism (قطعیت): میزان کاهش عدم قطعیت دربارهٔ معلولها با علتهای مفروض.
در سطح کلان (دکمه): اگر دکمه را بزنم، قلب قرمز میشود (قطعیت بالا).
در سطح خرد (الکترون): نویز وجود دارد و قطعیت کمتر است. -
Specificity (اختصاصی بودن): میزان کاهش عدم قطعیت دربارهٔ علتها با معلولهای مفروض.
در سطح کلان: اگر قلب قرمز شده، علت حتماً «زدن دکمه» بوده است.
در سطح خرد: اگر وضعیت الکترونی خاصی را ببینیم، نمیدانیم دقیقاً کدام آرایش باعثش شده (چون میلیاردها حالت مختلف دارد). - Causal Primitive (CP): حاصل جمع Determinism و Specificity (منهای ۱).
یک سطح کلانمقیاس (macroscale) زمانی Emergent است که اندازهٔ CP آن حداقل در یک مسیر micro به macro بیشتر از اندازهٔ CP همهٔ خردمقیاسها (microscale) باشد.
گام چهارم: تعریف Emergence با فرمول جدید (دیدگاه ۲۰۲۵)
حال بیایید آن تعریف دشوار ریاضی را با جدیدترین دیدگاه (CE 2.0) بازنویسی کنیم:
"یک سطح کلانمقیاس (macroscale) زمانی emergent است که اندازهٔ CP آن بیشتر از اندازهٔ CP همهٔ خردمقیاسها باشد."
ترجمه ساده و مستقیم:
واقعیت شبیه یک شیء چندبُعدی است. یک پدیده زمانی «نوظهور» (Emergent) است که «بُرشِ کلان» (Macro Slice) از واقعیت، روابط علت و معلولی را بسیار شفافتر، دقیقتر و قابلاعتمادتر از «بُرشِ خرد» (Micro Slice) نشان دهد.
در واقع، Emergence لحظهای است که ما «بُرشِ درست» را پیدا میکنیم؛ بُرشی که در آن نویزها حذف شدهاند و «قدرت علّی» اصلی آشکار شده است.
در مثال اینستاگرام:
توضیح دادنِ لایک کردن با "زدن دکمه" (کلان) همان بُرشی از واقعیت است که داستانِ اصلی را حمل میکند.
توضیح دادن آن با "حرکت میلیاردها الکترون" (خرد)، اگرچه غلط نیست، اما یک بُرشِ پر از نویز و کماثر است.
نتیجه: لایک کردن یک پدیده Emergent است، نه به این خاطر که الکترونها وجود ندارند، بلکه به این خاطر که سیستم کلان، «بهترین بُرش» برای دیدنِ واقعیت است.
بخش فنی: ریاضیات ماجرا (زبان ساده و فرمولها)
تمام ریاضیات این نظریه روی «نظریه اطلاعات» (Information Theory) بنا شده است. اریک هوئل نشان میدهد که مدل کلان برای علم و پیشبینی بهتر است چون "اطلاعات مؤثر" (Effective Information) را بیشینه میکند.
مرحله ۱: نگاشت (Mapping)
تابعی که حالتهای ریز ($x$) را میگیرد و به یک حالت درشت ($y$) تبدیل میکند:
مرحله ۲: محاسبهٔ آنتروپی و پارامترها
فرمول آنتروپی (میزان گیجی): $$H(X) = - \sum p(x) \log_2 p(x)$$
$$Det = 1 - H(X_{t+1} | X_t)$$
Specificity (اختصاصی بودن):
$$Spec = 1 - H(X_t | X_{t+1})$$
مرحله ۳: شرط نهایی Emergence
شرط نوظهوری: $$CP_{macro} > CP_{micro}$$
منبع علمی: "When the Map Is Better Than the Territory" (2017). هوئل ثابت میکند هر سطحی که CP بالاتری داشته باشد، از نظر علمی «واقعیتر» است.
عمیقتر شدن: نویز چیست و چه چیزی حذف میشود؟
وقتی میگوییم نویز حذف میشود، دقیقاً یعنی چه؟
مثال بیولوژیکی: سردرد و پروستاگلاندین
برای ایجاد سردرد، غلظت ماده باید از حد خاصی بالاتر برود.
- حالت A: مولکول ۱ به گیرنده راست چسبید.
- حالت B: مولکول ۱ به گیرنده چپ چسبید.
- حالت C: مولکول با سرعت ۵۰۰ m/s حرکت کرد.
نکته کلیدی: آیا فرقی میکند حالت A رخ دهد یا B؟ خیر! نتیجه نهایی یکی است: «درد».
چه چیزی حذف میشود؟ خود مولکول حذف نمیشود. بلکه «تفاوت بین حالت A و B» حذف میشود. علم پیچیدگی به این تفاوتهای بیاهمیت میگوید «نویز».
چندگانگی تحقق (Multiple Realizability)
این یعنی: «یک نتیجهی واحد (ماکرو)، میتواند توسط هزاران حالت مختلف (میکرو) ساخته شود.»
بخش تکمیلی: تحول نظریه (CE 2.0: از حذف تا تسهیم)
یک نکته بسیار ظریف و مهم که در سال ۲۰۲۵ (CE 2.0) مطرح شده، تفاوت نگاه به رابطهٔ خرد و کلان است.
CE 1.0 (نگاه قدیمی): حذف و جنگ
میگفت چون سطح ماکرو اطلاعات بیشتری دارد، پس سطح میکرو را «کنار میزند» (Exclude). انگار فقط ماکرو وجود دارد.
CE 2.0 (نگاه ۲۰۲۵): تسهیم و ابعاد بالاتر
میگوید واقعیت یک «شیء چندبُعدی» است.
سطح خرد یک بُرش (Slice) از این واقعیت است.
سطح کلان هم یک بُرش دیگر است.
ما سطح خرد را دور نمیاندازیم، بلکه میگوییم «سهم» آن در توضیح علیتِ این پدیده خاص، ناچیز است، در حالی که «سهم» بُرش کلان بسیار زیاد است. این یعنی Causal Apportioning (تسهیم سببی).
تحلیل نهایی: بحث درباره «علیت غیرخطی»
استدلال: مثال سردرد نمونه بارز علیت غیرخطی است. به دلیل وجود «آستانه» (Threshold)، تغییرات کوچک در سطح خرد اثر ندارند تا وقتی که از یک حد بگذرند (پرش ناگهانی به درد). دقیقاً به همین دلیل است که ما به چارچوب Causal Emergence نیاز داریم، چون این چارچوب برای مدیریت سیستمهای غیرخطی که در آنها «کل» رفتاری متفاوت از «جمع اجزا» دارد، طراحی شده است.
بنابراین، اگرچه رسیدن از راههای مختلف به یک نتیجه (چندگانگی تحقق) شرط کافی برای غیرخطی بودن نیست، اما در سیستمهای پیچیده واقعی (مثل مغز)، این دو ویژگی (چندگانگی تحقق + آستانههای غیرخطی) همواره با هم ظاهر میشوند.
