Những đặc điểm nào khiến hệ phức tạp khó dự đoán?

Bốn đặc điểm đặc biệt quan trọng là tương tác, phi tuyến, phản hồi và tính nổi trội. Chúng liên kết với nhau: tương tác tạo ra quan hệ phụ thuộc, phi tuyến khiến tác động không tỷ lệ đơn giản với nguyên nhân, phản hồi làm trạng thái của hệ tiếp tục ảnh hưởng đến diễn biến sau đó, còn tính nổi trội khiến toàn hệ có những đặc tính không thể đọc trực tiếp từ từng bộ phận

Hệ phức tạp là gì và khác hệ nhiều thành phần ở đâu?

Hệ phức tạp không đồng nghĩa với một hệ chỉ có nhiều bộ phận. Một hệ có thể rất lớn nhưng vẫn tương đối dễ dự đoán nếu các thành phần hoạt động độc lập hoặc quan hệ giữa chúng gần như tuyến tính và ổn định

Điểm quan trọng của hệ phức tạp nằm ở cấu trúc tương tác. Trạng thái của một thành phần có thể phụ thuộc vào trạng thái của thành phần khác; thay đổi ở một vị trí có thể làm thay đổi điều kiện hoạt động của những vị trí còn lại. Do đó, khi hệ tiến hóa, chính các tương tác lại làm thay đổi môi trường mà các thành phần đang hoạt động trong đó

Có thể hình dung sự khác biệt theo ba mức:

·         Hệ đơn giản: Một vài quan hệ tương đối rõ ràng, ít phụ thuộc lẫn nhau và dễ truy nguyên nguyên nhân

·         Hệ nhiều thành phần nhưng gần tuyến tính: Có thể rất lớn nhưng hành vi tổng thể vẫn có thể ước tính bằng cách cộng hoặc kết hợp tương đối ổn định các tác động riêng lẻ

·         Hệ phức tạp: Tương tác giữa các thành phần làm thay đổi lẫn nhau, khiến hành vi tổng thể phụ thuộc mạnh vào cấu hình, lịch sử và trạng thái hiện tại của hệ

Vì vậy, “nhiều thành phần” chỉ là điều kiện có thể góp phần tạo phức tạp, không phải nguyên nhân đủ để khiến một hệ khó dự đoán

Tương tác giữa các thành phần làm thay đổi hành vi của toàn hệ như thế nào?

Trong hệ phức tạp, mỗi thành phần không hoạt động trong chân không. Nó vừa chịu ảnh hưởng từ hệ vừa tác động ngược trở lại hệ. Điều này tạo ra sự phụ thuộc lẫn nhau, khiến cùng một tác động ban đầu có thể cho kết quả khác nhau tùy cấu hình mà nó đi vào

Một thay đổi nhỏ vì thế không nhất thiết chỉ ảnh hưởng đến một thành phần. Nó có thể truyền qua mạng lưới:

Thay đổi ở một thành phần → thay đổi tương tác lân cận → thay đổi trạng thái các thành phần khác → hình thành điều kiện mới cho các tương tác tiếp theo

Đây là lý do phân tích từng bộ phận riêng lẻ thường không đủ. Biết hành vi của từng tác nhân không tự động cho biết chính xác hành vi của cả mạng lưới

Ví dụ, trong một hệ sinh thái, số lượng của một loài có thể ảnh hưởng đến nguồn thức ăn, loài săn mồi và cạnh tranh tài nguyên. Khi một mắt xích thay đổi, những quan hệ khác cũng thay đổi theo. Kết quả cuối cùng không chỉ là “tác động của loài đó”, mà là kết quả của toàn bộ mạng lưới quan hệ

Tương tác cũng tạo ra tính phụ thuộc vào cấu hình. Hai hệ có cùng số lượng thành phần nhưng khác cách kết nối có thể tạo ra hành vi rất khác nhau. Vì vậy, khi nghiên cứu hệ phức tạp, cấu trúc quan hệ thường quan trọng không kém bản thân các thành phần

Phi tuyến khiến nguyên nhân nhỏ có thể tạo kết quả rất lớn

Trong quan hệ tuyến tính, thay đổi đầu vào thường tạo ra thay đổi đầu ra theo một tỷ lệ tương đối ổn định. Phi tuyến phá vỡ sự tương ứng đơn giản này

Một hệ phi tuyến có thể có những tình huống như:

·         Một thay đổi nhỏ tạo ra tác động gần như không đáng kể

·         Một thay đổi tương tự nhưng xảy ra trong trạng thái khác lại tạo ra tác động lớn

·         Tác động tăng nhanh sau khi vượt một ngưỡng

·         Hai tác động riêng lẻ nhỏ nhưng kết hợp lại tạo ra kết quả lớn hơn nhiều so với tổng từng tác động

Điểm quan trọng là kích thước của nguyên nhân không đủ để suy ra kích thước của kết quả

Chẳng hạn, trong một mạng lưới xã hội, một thông tin mới có thể nhanh chóng biến mất nếu ít người chú ý, nhưng cũng có thể lan rộng khi nó gặp đúng cấu trúc kết nối và trạng thái sẵn sàng tiếp nhận. Cùng một thông tin, nhưng điều kiện ban đầu khác nhau có thể dẫn đến quỹ đạo hoàn toàn khác

Phi tuyến vì thế làm suy yếu phương pháp dự báo dựa trên việc ngoại suy trực tiếp từ xu hướng hiện tại. Khi quan hệ giữa đầu vào và đầu ra thay đổi theo trạng thái của hệ, một mô hình chỉ dựa trên mức trung bình có thể bỏ qua những chuyển biến quan trọng

Phản hồi tạo vòng lặp và làm hệ tự khuếch đại hoặc tự điều chỉnh

Phản hồi xuất hiện khi kết quả của một quá trình quay trở lại tác động lên chính quá trình đó. Đây là một trong những cơ chế quan trọng khiến hệ phức tạp có thể thay đổi theo thời gian theo cách khó đoán

Có hai dạng cơ bản:

Phản hồi tăng cường làm một xu hướng tiếp tục được khuếch đại. Một thay đổi ban đầu tạo ra kết quả làm tăng thêm chính thay đổi đó. Trong điều kiện phù hợp, quá trình này có thể khiến hệ rời nhanh khỏi trạng thái ban đầu

Phản hồi cân bằng tạo tác động ngược chiều, giúp hạn chế hoặc ổn định một xu hướng. Khi một đại lượng tăng, cơ chế phản hồi có thể kích hoạt những tác động làm nó giảm trở lại

Điều khó ở đây là một hệ thực tế có thể chứa nhiều vòng phản hồi đồng thời. Một vòng có thể khuếch đại thay đổi trong khi vòng khác hạn chế nó. Các vòng lại có thể hoạt động ở tốc độ khác nhau và tác động lên những phần khác nhau của hệ

Do đó, quan sát một xu hướng đang tăng không phải lúc nào cũng đủ để kết luận nó sẽ tiếp tục tăng. Cần biết những vòng phản hồi nào đang hoạt động và trạng thái của chúng có thể thay đổi ra sao

Tính nổi trội giải thích vì sao toàn hệ có thể có hành vi mới

Tính nổi trội là hiện tượng những đặc tính hoặc hành vi xuất hiện ở cấp độ toàn hệ từ tương tác giữa các thành phần, dù đặc tính đó không tồn tại theo cùng cách ở từng thành phần riêng lẻ

Đây là điểm làm cho câu hỏi “mỗi bộ phận hoạt động thế nào?” khác với câu hỏi “toàn hệ hoạt động thế nào?”

Ví dụ, một đàn chim có thể tạo thành những chuyển động tập thể phức tạp dù mỗi con chim chỉ phản ứng với một số tín hiệu cục bộ. Tương tự, trong một thị trường, hành vi tổng thể của giá cả và dòng vốn không thể được giải thích hoàn toàn bằng cách xem xét một cá nhân riêng lẻ

Tính nổi trội không có nghĩa là toàn hệ hoạt động không có nguyên nhân. Ngược lại, nó có thể hình thành từ các quy tắc tương tác tương đối đơn giản. Khó khăn nằm ở chỗ quy mô quan sát thay đổi: quy luật ở cấp thành phần không nhất thiết có dạng giống quy luật ở cấp toàn hệ

Vì vậy, muốn giải thích một hệ phức tạp, thường phải kết hợp hai góc nhìn:

·         Vi mô: Thành phần nào tương tác với thành phần nào và theo quy tắc gì

·         Vĩ mô: Từ mạng lưới tương tác đó xuất hiện mẫu hình và hành vi tổng thể nào

Vì sao bốn đặc điểm này khiến hệ phức tạp khó dự đoán?

Bốn đặc điểm không hoạt động độc lập mà thường tạo thành một chuỗi cơ chế

Tương tác tạo ra sự phụ thuộc giữa các thành phần

→ Phi tuyến khiến tác động truyền qua các quan hệ đó không còn tỷ lệ đơn giản

→ Phản hồi đưa kết quả trở lại quá trình và có thể khuếch đại hoặc hạn chế thay đổi

→ Tính nổi trội tạo ra hành vi ở cấp toàn hệ mà không thể suy ra trực tiếp bằng cách cộng các hành vi riêng lẻ

Khi các cơ chế này kết hợp, khả năng dự đoán bị giới hạn bởi nhiều yếu tố. Chỉ một sai khác nhỏ trong trạng thái ban đầu hoặc trong tham số của mô hình cũng có thể dẫn đến quỹ đạo khác biệt sau nhiều vòng tương tác

Tuy nhiên, khó dự đoán không có nghĩa là hoàn toàn không thể dự đoán. Có thể vẫn dự đoán được một số thuộc tính tổng thể, khoảng giá trị, xu hướng xác suất hoặc trạng thái có khả năng xuất hiện cao hơn. Điều thường khó hơn là dự báo chính xác trạng thái cụ thể của từng thành phần tại một thời điểm xa trong tương lai

Đây là ranh giới quan trọng giữa dự đoán trong hệ phức tạp và dự đoán trong hệ đơn giản: mục tiêu phù hợp có thể không phải là “biết chính xác tương lai”, mà là xác định các cơ chế chi phối, các trạng thái có khả năng xảy ra, điều kiện chuyển trạng thái và giới hạn của dự báo

Khi phân tích hệ phức tạp, cần nhìn vào điều gì?

Một cách tiếp cận hữu ích là không bắt đầu bằng việc liệt kê thật nhiều thành phần, mà lần lượt kiểm tra cấu trúc vận hành của hệ

1.    Xác định các thành phần và quan hệ tương tác: Thành phần nào ảnh hưởng đến thành phần nào và mức độ phụ thuộc ra sao

2.    Tìm các quan hệ phi tuyến: Có ngưỡng, khuếch đại, bão hòa hoặc tác động kết hợp nào khiến đầu vào và đầu ra không tỷ lệ đơn giản không

3.    Lập bản đồ phản hồi: Kết quả của quá trình có quay trở lại tác động lên nguyên nhân hay điều kiện ban đầu không

4.    Tìm hành vi nổi trội: Có mẫu hình hoặc thuộc tính nào chỉ xuất hiện khi quan sát toàn hệ không

5.    Kiểm tra điều kiện và giới hạn dự báo: Kết luận còn đúng khi trạng thái ban đầu, cấu trúc tương tác hoặc môi trường thay đổi đến mức nào

6.    Phân biệt dự báo chính xác với dự báo xác suất: Với hệ nhạy cảm và nhiều phản hồi, khoảng kết quả hoặc xác suất thường có ý nghĩa hơn một giá trị duy nhất

Cách tiếp cận này giúp tránh một sai lầm phổ biến: cho rằng chỉ cần hiểu từng bộ phận là có thể cộng chúng lại để hiểu toàn hệ

Hệ phức tạp khó dự đoán chủ yếu vì tương tác tạo phụ thuộc, phi tuyến làm biến dạng quan hệ nguyên nhân–kết quả, phản hồi làm thay đổi diễn biến theo thời gian và tính nổi trội tạo ra hành vi ở cấp toàn hệ. Vì vậy, muốn hiểu hoặc dự báo chúng, cần nghiên cứu không chỉ thành phần mà cả mạng lưới quan hệ, cơ chế phản hồi, điều kiện vận hành và giới hạn của mô hình dự báo