حين نصف غرفة بأنها فوضوية نقصد عادة غياب الترتيب. أما الفوضى في الرياضيات والفيزياء فلها معنى أدق: يمكن لنظام تحكمه قواعد محددة أن يكون شديد الحساسية لاختلاف صغير في حالته الابتدائية، فتتباعد مساراته مع الزمن ويصعب توقع تفاصيله البعيدة. وجود القاعدة لا يضمن قدرتنا العملية على التنبؤ بكل نتيجة.
هذه الفكرة لا تقول إن كل شيء عشوائي، ولا تثبت أن حدثًا صغيرًا سيؤدي حتمًا إلى كارثة كبيرة. إنها تضع حدودًا لما يمكن استنتاجه من قياسات ناقصة ونماذج محدودة، وتشرح لماذا يحتاج بعض التنبؤ إلى احتمالات وسيناريوهات بدل رقم واحد يقدم بوصفه يقينًا.
الحتمية ليست هي قابلية التنبؤ
النظام الحتمي يعطي المسار نفسه إذا بدأ من الحالة نفسها تمامًا وخضع للقواعد نفسها. لكن معرفتنا بالحالة الفعلية ليست عادة كاملة، كما أن حساباتنا تستخدم دقة محدودة. في بعض الأنظمة يظل أثر الفرق صغيرًا مدة طويلة، وفي أنظمة أخرى يتضخم بحيث تصبح التفاصيل اللاحقة مختلفة بوضوح.
ساعدت أعمال إدوارد لورنز على ترسيخ هذا الفهم في دراسة أنظمة ديناميكية مرتبطة بنمذجة الغلاف الجوي. وتعرض مادته البحثية عن التدفق الحتمي غير الدوري مثالًا تاريخيًا مهمًا. ليست الفكرة مجرد استعارة أدبية عن تعقيد الحياة، بل مسألة يمكن صياغتها واختبارها رياضيًا.
لتقريب الفرق، تخيل عداءين ينطلقان من موضعين متقاربين على مسارين ترسمهما القواعد نفسها. إذا ظلا متقاربين، يساعدنا قياس تقريبي على توقع مكانهما. أما إذا ابتعد المساران سريعًا، فإن الخطأ الصغير في تحديد نقطة البداية يصبح مهمًا. التشبيه يوضح العلاقة، لكنه ليس برهانًا على أن أي سباق يمثل نظامًا فوضويًا.
تجربة عددية بسيطة
يمكنك رؤية أثر الحساسية في تكرار المعادلة: القيمة التالية = 4 × القيمة الحالية × (1 − القيمة الحالية). هذا نموذج رياضي تعليمي، وليس وصفًا مباشرًا للطقس أو مجتمع بشري. سنبدأ مرة بالقيمة 0.2، ومرة أخرى بالقيمة 0.200001، ثم نكرر القاعدة نفسها دون تقريب متعمد في كل خطوة.
الفرق الأولي مليون جزء من الواحد. في الحساب العددي الذي أجريناه لهذا المثال، وبعد التقريب إلى ست منازل للعرض فقط، كانت النتائج كما يأتي:
- في البداية: 0.200000 و0.200001.
- بعد خمس خطوات: 0.585421 و0.585381.
- بعد عشر خطوات: 0.147837 و0.148746.
- بعد عشرين خطوة: 0.820014 و0.031369.
توضح هذه التجربة كيف يمكن لاختلاف صغير أن ينتج فرقًا كبيرًا بعد تكرارات. لكنها لا تعني أن الفرق يزيد في كل خطوة على نحو منتظم، ولا أن هذه الأرقام تعطي قانونًا عامًا لجميع نقاط البداية. وإذا قربت القيم أثناء التنفيذ بدل تقريبها عند العرض، فقد تحصل على مسار لاحق مختلف.
يمكنك تنفيذ التجربة في جدول بيانات بعمودين، وكتابة معادلة كل خلية بالاعتماد على الخلية السابقة. احتفظ بالدقة الحسابية، ثم جرب تغيير مقدار الفرق الأولي. ستصبح الفكرة أكثر وضوحًا عندما تراقب المسارين بدل الاكتفاء باسم «أثر الفراشة».
ماذا يعني أثر الفراشة؟
يستخدم التعبير للدلالة على حساسية بعض الأنظمة للشروط الابتدائية. لكنه لا يسمح لنا بالنظر إلى حادثة كبيرة ثم اختيار تفصيل صغير من الماضي وإعلانه السبب الوحيد. تتداخل أسباب كثيرة، وتبقى مسألة تحديد أثر تدخل معين أصعب من مجرد الإشارة إلى وجود حساسية.
كذلك لا تعني الحساسية أن الفعل الصغير يضمن نتيجة عظيمة إذا انتظرنا وقتًا كافيًا. نقل هذا الوعد إلى الدراسة أو الأعمال أو العلاقات يغير المعنى العلمي إلى شعار. ما نتعلمه هنا هو ضرورة الانتباه إلى حدود المعرفة والقياس، لا امتلاك وصفة للسيطرة على المستقبل.
لماذا لا نقدّم توقعًا واحدًا للطقس؟
تعتمد النماذج على تقدير حالة الجو من ملاحظات غير كاملة، ثم حساب كيفية تطورها. ولهذا تستخدم مراكز التنبؤ مجموعات من التشغيلات تبدأ من حالات متقاربة أو تستخدم اختلافات في التمثيل. يشرح المركز الأوروبي علاقة الفوضى بقابلية التنبؤ لماذا تكون مجموعة المسارات مفيدة بدل الاعتماد على مسار واحد.
إذا اتفقت التشغيلات على صورة عامة، فقد تكون الثقة في هذه الصورة أكبر من حالة تباعدها الواسع. لكن تفسير النتائج لا يعتمد على عدد الخطوط المتشابهة وحده؛ تدخل جودة النظام ومعايرته وطريقة تمثيل مصادر عدم اليقين. يعرض مكتب الأرصاد البريطاني مفهوم التنبؤ التجميعي بوصفه وسيلة لدراسة نطاق النتائج الممكنة.
وتعرف خدمة الطقس الأمريكية مجموعات التنبؤ من خلال تعدد التشغيلات واختلاف المدخلات أو النماذج. لا تجعل هذه الطريقة المستقبل مكشوفًا بالكامل، لكنها تقدم معلومات عن عدم اليقين يمكن أن يخفيها توقع منفرد شديد التحديد.
الفوضى والعشوائية وتعقيد النموذج
لا تتطابق هذه الكلمات. قد ينتج سلوك معقد من قواعد حتمية، وقد يتضمن نموذج آخر عناصر عشوائية صريحة. كما أن وجود أجزاء كثيرة لا يكفي وحده لإثبات الفوضى الرياضية. يلزم فحص خصائص النظام، لا إطلاق الوصف لأن تفسيره صعب أو لأن نتائجه لم تعجبنا.
وفي المقابل، لا يعني صعوبة توقع تفصيل معين أن جميع مستويات الوصف عديمة الفائدة. قد تختلف قدرتنا على توقع المسار الدقيق عن قدرتنا على وصف نطاق أو متوسط أو نمط إحصائي. لذلك يجب تحديد السؤال قبل الحكم على نجاح التنبؤ أو فشله: ما الكمية المطلوبة، ولأي فترة، وبأي درجة من الدقة؟
كيف تقرأ تنبؤًا بمزيد من الدقة؟
اسأل عن البيانات الابتدائية، ومصادر الخطأ، والفترة الزمنية، وطريقة عرض عدم اليقين. ثم قارن التوقع بما صمم أصلًا للتنبؤ به. قد يكون النموذج مفيدًا لسؤال واسع وغير مناسب لقرار يتطلب تحديدًا دقيقًا لمكان وزمن صغيرين.
نظرية الفوضى تمنحنا سببًا علميًا للتواضع في بعض التنبؤات، لكنها لا تدعونا إلى ترك القياس أو التخطيط. الاستجابة الأفضل هي تحسين البيانات، واختبار النماذج، وعرض نطاقات مناسبة، ومراجعة القرار حين تظهر معلومات جديدة؛ أي إدارة عدم اليقين بوضوح بدل إخفائه أو تحويله إلى قدر غامض.
الخلاصة في سطر: نظام تحكمه قواعد محددة قد يتأثر بفرق صغير جدًا فيصعب توقعه، والحل إدارة عدم اليقين بالبيانات والنماذج لا ترك التخطيط.
المصادر وروابط التحقق
تفضّل المشاهدة على القراءة؟
أفكار مشابهة بشرح سريع في فيديوهات قصيرة على مصفوفة النجاح — يوتيوب، تيك توك، وتليجرام.
