پیشبینی نیاز به دانستن فناوریهایی دارد که در آینده کشف خواهد شد
برای پیشبینی رویدادهای تاریخی نیاز به پیشبینی نوآوریهای فناوری دارید که از اساس پیشبینیناپذیر است. به این ویژگی علم توجه کنید، اگر شما انتظار دارید فردا به یقین دریابید که نامزدتان پیوسته به شما خیانت میکرده، پس همین امروز به یقین میدانید که او به شما خیانت میکند و همین امروز وارد عمل میشوید. این نکته را میتوان به همه شکلهای دانش گستراند. قانون انتظارات مکرر در آمار چنین فرض میکند: اگر من انتظار چیزی را در فلان تاریخ در آینده داشته باشم، آنگاه انتظار آنچیز را هماکنون دارم. پیشبینی نیاز به دانستن فناوریهایی دارد که در آینده کشف خواهد شد اما صرف دانستن همین مطلب کمابیش به طور خودکار ما را بر آن خواهد داشت تا پرورش آن فناوریها را بیدرنگ آغاز کنیم بنابراین ما نمیدانیم چه چیزهایی را خواهیم دانست. هانری پوانکاره، نخستین فرد شناختهشده است که توضیح داد معادلات ما کاستیهای بنیادی دارد. او روابط غیرخطی را شناساند؛ عوامل کوچکی که میتوانند به پیامدهای بزرگ بینجامند، اندیشههایی که بعدها با نام «نظریه آشوب» فراگیر شدند. اندیشه پوآنکاره درباره تنگناهایی بود که به واسطه روابط غیر خطی در پیشبینیها پدید میآید نه اینکه روابط غیر خطی بهانهای شوند برای کاربرد تکنیکهای ریاضی به منظور امتداد دادن پیشبینیها. استدلال پوانکاره ساده بود؛ هرچه محاسبات را به آینده دورتر بکشانیم، دینامیک فرآیندی که مدل کردهایم به دقت بیشتری نیاز دارد چون شدت خطای ما با شتاب بسیار رشد میکند. مسئله این است که دقت تقریبی امکان ندارد چون فرسایش پیشگوییها یکباره ترکیب میشوند و شما سرانجام ناچار میشوید گذشته را با دقت بینهایت محاسبه کنید. پوآنکاره این مطلب را در نمونهای ساده که با نام «مسئله ۳ جرم» آوازه یافته است نشان داد؛ اگر شما در سامانهای مانند منظومه شمسی تنها ۲ جرم داشته باشید و هیچ جرم دیگری وجود نداشته باشد که بر مسیر آن ۲ اثر بگذارد، آنگاه خواهید توانست رفتار این ۲ جرم را تا آینده بینهایت دور پیشبینی کنید اما اگر پای جرم سومی به میان بیاید هرقدر هم ریز، در آغاز انحراف چندانی در مسیر تعیینشده آن ۲ جرم پدید نمیآید اما با گذشت زمان اثر جرم سوم بر رفتار آن ۲ جرم نخستین میتواند مثل بهمن روی سر ۲ جرم نخست آوار شود. یک تفاوت اندک در مکان آن جرم کوچک در نهایت آینده آن سیارههای هیولا را رقم میزند. دشواری بهمنوار پیشبینی هر اندازه هم که این فرآیند به کندی پیش برود، ریشه در پیچیده شدن مکانیک فرآیند دارد. این دشواری فزاینده را که مستلزم دقت بیشتر و بیشتر در درونداد مسئله است، میتوان با نمونه ساده زیر درباره پیشبینی حرکت توپهای بیلیارد نشان داد. مایکل بری، ریاضیدان میگوید: «اگر شما برخی اطلاعات پایه را درباره توپ در حال سکون داشته باشید، میتوانید به محاسبه واکنش میز و برآورد نیروی برخورد توپها بپردازید. از آن پس دیگر پیشبینی اینکه پس از نخستین برخورد چه روی میدهد کمابیش کاری است آسان. برخورد دوم پیچیدهتر میشود اما برآورد آن هنوز ممکن است. مسئله اینجاست که برای محاسبه دقیق نهمین برخورد نیاز دارید کشش ناشی از نیروی گرانشی کسی را که کنار میز ایستاده در محاسبات خود وارد کنید و برای محاسبه برخورد پنجاه و چهارم، یکایک ذرات اولیه موجود در کیهان باید در درونداد مسئله دیده شوند! چون اثری معنادار بر برونداد فرآیند دارد. تازه از این پس باید بار این زحمت را به دوش بکشیم که بدانیم این متغیرها در آینده کجا خواهند بود. پیشبینی حرکت توپ بیلیارد روی میز نیازمند دانستن دینامیک سراسر جهان هستی است تا یکایک اتمها. در یک سامانه دینامیکی که در آن بیش از یک توپ تنها مورد نظر است و مسیر حرکت هریک از اجزا به مسیر دیگری بستگی دارد، توانایی پیشبینی آینده نه تنها کاستی میگیرد بلکه دچار تنگنای بنیادی میشود. نظر پوآنکاره این بود که ما تنها با چیزهای کیفی میتوانیم کار کنیم یعنی میتوانیم برخی از ویژگیهای سامانه را در بحث بیاوریم نه در محاسبه. میتوانید عمیق بیندیشید اما نمیتوانید عدد به کار ببرید.پیشبینی و آیندهنگری کاری پیچیدهتر از آن است که بهطور معمول پنداشته میشود ولی فهم این موضوع به دانستن ریاضیات نیاز دارد. بنابراین عوامل کوچکی وجود دارند که میتوانند پیامدهای بزرگ همراه خود داشته باشند. برای درک این پیامدها هم دانستن ریاضیات مهم است و هم سردرآوردن از روانشناسی.
-پایان-
http://instagram.me/hamedhodaei