Одна з найголовніших проблем еволюції – це походження інформації. Як могло статися, що біологічні системи, які мають конкретну мету (в телеологічному сенсі), виникли в результаті одних тільки природних процесів? Не думаючи про наслідки власних аргументів, еволюціоністи довгий час стверджували, що мета – це ілюзія. Їхня логічна послідовність була проста: 

● Порядок помилково приймається за мету. 

● Порядок є результатом природних процесів. 

● Отже те, що здається метою, насправді є результатом природних процесів.

Останній аргумент на користь цієї точки зору береться з теорії складності, на основі якої Мелані Мітчел (Melanie Mitchell) стверджує, що:

«Більшість біологів-послідовників дарвінської традиції вважають, що порядок онтогенезу зумовлений розмелюючою дією молекулярної машини Руба Голдберга, яку еволюція зліпила по шматочках. Я висуваю протилежний аргумент: велика частина прекрасного порядку, що спостерігається в онтогенезі, є спонтанним. Це природне вираження приголомшливої самоорганізації, якою рясніють дуже складні регуляторні мережі. Ми були зовсім неправі. Порядок, величезний і всепороджуючий, виникає природно».¹

Однак знову такий аргумент висувається без врахування фактичних наслідків, що витікають з нього. Який кінцевий результат аргументу теорії складності? По-перше, прирівнювання складності до мети руйнує саме себе, оскільки підриває логіку, яка потрібна для переходу від ідеї цілеспрямованості до ідеї просто впорядкованої думки, яка не містить сенсу. 

По-друге, прирівнювання складності до мети вбиває всяку надію пояснити й зрозуміти впорядковану й сплановану складність. Дана стаття присвячена розгляду саме другої складової.

Впорядкована складність

Наука про складність, як люблять говорити теоретики складності (в іронічному сенсі фрази) – це нова, емерджентна область досліджень («емерджентність» – наявність особливих властивостей системи, не притаманних її елементам). Знаходячи застосування в галузях від корпоративного фінансування до фондового ринку й соціальних мереж, наука про складність знаходиться на передньому краї сучасних досліджень з цілком зрозумілих причин. 

У кожній з цих областей дослідники та інженери відкривають і перевідкривають безліч однакових принципів та ідей, стикаючись зі статтями один одного, в яких виявляються паралельні місця між такими далекими одна від одної галузями, як, наприклад, комп'ютерні мережі та біологія.

Однак у всіх цих галузях на шляху встає одна й та сама перешкода: впорядкована складність. У 1948 році Вівер (Weaver) пояснював цю проблему наступним чином:

«Цей новий метод вивчення неорганізованої складності, що став потужним проривом в порівнянні з методами, які застосовувались раніше й базувались на двох змінних, залишає величезну царину недослідженою. З'являється спокуса надмірного спрощення й ствердження, що наукова методологія перейшла з однієї крайності в іншу – від двох змінних до їхнього астрономічного числа, залишивши недоторканою величезну проміжну область. Більше того, важливість цієї проміжної області не залежить від того факту, що число змінних порівняно невелике – значно більше двох, але мало в порівнянні з числом атомів в дрібці солі. Проблеми в проміжній області , насправді, часто будуть пов'язані зі значним числом змінних. По-справжньому важливою характеристикою проблем цієї проміжної області, яку наука ще серйозно не вивчила й не підкорила, є той факт, що ці проблеми, на відміну від неорганізованих ситуацій, з якими може впоратися статистика, мають суттєву ознаку організації. Фактично, цю групу проблем можна назвати проблемами організованої складності».²

В якості прикладу неорганізованої складності Вівер приводить більярдний стіл, у якого немає бічних кишень (тобто кулі не можуть покинути цей стіл), поверхня не має тертя, й стінки ідеально пружні (мал. 1). Помістимо на цей стіл десять куль, які стикаються без втрати енергії – іншими словами, закони термодинаміки тимчасово не діють стосовно столу й куль. Тепер припустимо, що ці десять куль починають рухатися випадковим чином в різних напрямках.

Малюнок 1. Два більярдні столи як приклад невпорядкованої (вгорі) і впорядкованої (внизу) складності.

За допомогою досить простої математики можна детально передбачити переміщення кожної кулі, включаючи поштовхи об стінки й зіткнення з іншими кулями. 

Якщо знати точку старту, енергію й напрямок руху кожної кулі в будь-який даний момент, то можна розрахувати положення й напрямок руху будь-якої даної кулі в будь-який момент часу. Видаліть всі відомості про початкове місцезнаходження, напрямок руху та кількість енергії й просто спостерігайте за кулями, як вони рухаються по столу. Тоді буде потрібна більш складна математика, яка була розроблена протягом останніх десятиліть, але ви, як і раніше, зможете передбачити для кожної кулі ймовірність її положення на столі в будь-який момент часу. 

Статистика пройшла довгий шлях в дослідженні питань невпорядкованої складності.

Тепер розмістіть кулі так, щоб кожна з них залишалася на одній лінії, й змусьте їх рухатися так, щоб кожна куля котилася вздовж стінки по колу, не торкаючись іншої кулі, й математика виявиться безсилою передбачити що-небудь (мал. 1). Для кожної окремої кулі можна розрахувати її шлях, але описати систему в цілому неможливо. Це – приклад впорядкованої складності. 

Можна з легкістю поширити цей приклад до впорядкованих взаємодій, відмінно спланована система може змусити кулі взаємодіяти таким чином, що спостерігач завжди буде знати, де знаходиться кожна окрема куля і яким буде характер взаємодії в невизначеному майбутньому. Але й в цьому випадку спостерігач не зможе визначити, яким чином система прийшла в такий стан, а тільки передбачить, якими будуть взаємодії між різними кулями. 

Неможливо також буде описати систему як таку, але опис буде обмежено лише окремими елементами. В той час, як для опису невпорядкованої системи може бути достатньо єдиної формули або одного набору формул , впорядкована система вимагає цілого ряду формул.

Вівер надав велику вагу науці організованої складності, від ціноутворення пшениці до стабілізації курсу валют. Подібно Віверу, інженер в сучасному суспільстві надає великого значення організованій складності. Спеціалісти по статистиці, біологи й ті, хто намагається побудувати досконале суспільство, знають, що без вирішення загадок організованої складності їм не обійтися.

Можливі рішення задач організованої складності

Отже, де ми знаходимося зараз? Який прогрес був досягнутий в розумінні організованої складності? Останнім часом були зроблені принаймні дві серйозні спроби пояснення впорядкованої складності в оточуючому нас світі.³

Теорія реляційного порядку – це сучасний напрям у вивченні складності. В теорії реляційного порядку положення й характеристики будь-якого конкретного об'єкта мають сенс тільки при розгляді щодо інших об'єктів. Таким чином, атом існує у будь-якому значущому сенсі лише у взаємозв’язку з іншими атомами, а простір не існує інакше, як у відношенні до об’єктів всередині нього. Процеси, в певному сенсі, є невіддільною частиною фізичного світу .⁴

Але все це вимагає відповіді на одне фундаментальне запитання: звідки організована складність взялася?

Сказати, що вона є частиною природи, це все одно що не сказати нічого. Припускати, що порядок є невід'ємною частиною фізичного світу, й що цей вроджений порядок якимось чином «виникає» всередині фізичного світу сам собою, не відповідає на запитання, яким чином порядок став частиною фізичного світу. Прийняття подібних припущень не сприяє поясненню впорядкованої складності як системи, а просто постулює існування джерела порядку, альтернативного Творцеві.

Ще одна спроба вирішити проблему, про яку можна згадати, це аналітика великих масивів даних. Запропонована компанією Google модель розподілених обчислень (the Map Reduced Paradigm) наведена на мал. 2. Вона використовується для пошуку закономірностей всередині дуже великих масивів даних. Великі масиви даних іноді рекламуються як ключ до розуміння й навіть управління громадською поведінкою. За словами Алекса Пентланда (Alex Pentland), одного з основоположників підходу великих масивів даних:

«Розуміння систем «людина-машина»призведе до того, що наші майбутні соціальні системи стануть стабільними й безпечними. Ми виходимо за рамки науки про складність, науки про дані й науки про мережу, тому що робимо людей складовою частиною цих систем. Великі дані обіцяють забезпечити справжнє розуміння систем, які лежать в основі нашого технологічного суспільства. Якщо вже ми починаємо розуміти їх, ми набуваємо здатність побудови систем вищої якості. В результаті можна буде створювати фінансові системи, які не обваляться, уряди, які не загрузнуть в бездіяльності, системи охорони здоров'я, які запрацюють і т. д.»⁵

Малюнок 2. Приклад моделі розподілених обчислень (the Map Reduced Paradigm).

Однак ідею великих даних очікує серйозна проблема: цей підхід працює не завжди. Уважний розгляд слабких місць підходу та його припущень виявляє дві причини виникнення такої перешкоди. По-перше, аналіз великих даних виходить з припущення, що всі потрібні змінні вже зібрано й завантажено в правильний алгоритм для пошуку правильного тренду в правильний час. Це занадто багато «правильного», нагромадженого одне на одне. 

По-друге, аналіз великих даних передбачає наявність емерджентного порядку й намагається відшукати його, просто кидаючи на розв'язання проблеми всю доступну обчислювальну потужність. За своєю суттю великі дані не намагаються пояснити організовану складність. Вони просто припускають, що організована складність є природною властивістю будь-яких складних систем, а потім беруться за виявлення цього порядку.

Але що, коли порядок насправді не є емерджентним в той спосіб, як це постулюють великі дані? В такому разі ми можемо очікувати на певний початковий успіх, за яким слідуватиме тривале згортання або ж затишшя в прогресі, що свідчитиме про досягнення трендом свого піка. Як вказувалося в одній статті в газеті Financial Times, присвяченій аналізу великих даних, ми не повинні (й не можемо) приймати допущення, що завжди маємо в нашому розпорядженні всі необхідні дані.⁶ 

Провал проєкту Google Flu в реальному прогнозуванні локалізації та масштабів сезону грипу 2014 року є наочним прикладом, наведеним у цій статті. Окремі повідомлення про помилкові позитивні тести наповнюють реальний світ, але, схоже, майже завжди ігноруються в «літературі». Газета The New York Times наводить дев'ять проблем підходу великих даних, включаючи той факт, що «великі дані ніколи не говорять нам, які з кореляцій мають сенс», вказуючи на ризик виявити видимі помилкові кореляції, яких насправді немає, і ефект «ехо-камери».⁷ 

Великі дані виходять з припущення, що будь-яка складність є впорядкованою, хоча припущення, що будь-яка складність є впорядкованою, призведе до виявлення помилкового порядку навіть у невпорядкованих масивах даних, що спричинить за собою помилкові передбачення й неправильне управління світом. Подібна помилка підходу великих даних повинна слугувати попередженням при вивченні впорядкованої складності.

На жаль, ми досі не розуміємо впорядковану складність. Колова аргументація й допущення емерджентних властивостей також не можуть вирішити проблему. Тоді в чому ж суть проблеми?

В основі лежить матеріалістичне припущення, що все, що є, це тільки матерія. Якщо порядок є, то так чи інакше він виникає з матерії. У концепції великих даних ця ідея далі розвивається так: якщо речовина самоорганізується, тоді таким самим чином самоорганізуються й люди. 

Фактично, існування впорядкованої складності стає доказом реальності емерджентності, а самоорганізація якимось чином «вбудована в ДНК» Всесвіту (хоча Всесвіт не має ДНК). Як стверджував один атеїст на ім’я Краусс (Krauss):

«Кожен день раптово з'являються прекрасні й чудові предмети, чи то сніжинки холодним, зимовим ранком, чи яскраві веселки після передвечірнього дощу. Але ніхто, окрім найбільш ревних фундаменталістів, не стане припускати, що кожен з цих предметів ретельно й з любов'ю (і що особливо важливо – з метою) був створений божественним розумом. Насправді, багато простих людей та й вчені радіють, впиваючись нашою здатністю пояснювати, як сніжинки й веселки спонтанно з'являються, підкоряючись простим і елегантним законам фізики».⁸

Багато математиків та інших вчених, прокладаючи шлях через теорії складності, намагаються спростувати план створення просто тому, що вони не можуть прийняти існування Творця. Напевно, як і Краусс, вони вважають, що відповідь криється в простому постулюванні того, що кожен мислимий всесвіт, який міг існувати, дійсно існував. 

Але з іншого боку, теорія, яка пояснює кожен мислимий результат, в кінцевому підсумку не має здатності пояснювати.

Висновок

Ми не можемо вирішити проблеми впорядкованої складності, використовуючи методи вивчення безладу, ми не можемо також пояснити порядок, що спостерігається в природі, запихуючи його під «килим емерджентності». Щоб досягти прогресу в галузі впорядкованої складності, необхідно йти прямо до ідеї спланованого творіння. 

Атеїзм сліпий до телеології, матеріалістичне бачення світу змушене відкидати будь-яке поняття мети, боячись «впустити Бога у двері». Але впорядкована складність на системному рівні, так чи інакше буде мати сенс тільки в контексті телеології, тобто кінцевої мети.

Ігноруючи план творіння шляхом допущення емерджентності, атеїстична наука не бачить плану створення, а тому не може навіть почати наближатися до проблеми впорядкованої складності. Це по-справжньому шкодить прогресу науки через марну трату дослідного часу й грошей, що використовуються на поневіряння «темними провулками», не даючи науці задати головне запитання: ЧОМУ?