آیا مدل‌های ریاضیاتی می‌توانند موفق به پیش‌بینی تاریخ شوند؟

لورا اسپینی /ترجمۀ: مجتبی هاتف/

بخش سوم و پایانی/

mandegarبسیاری از پژوهشگران همان اندازه که چند سال پیش به گلدستون ایراد می‌گرفتند، به کار تورچین نیز با دیدۀ تردید نگریستند. جوزف تِینر، تاریخ‌دان و انسان‌شناس دانشگاه ایالتی یوتا، در نشریۀ نیچر نوشت: «مورخان مهمی مدت‌هاست نظریه‌های چرخه‌ای را بی‌اعتبار کرده‌اند». اما تورچین تازه اول راه بود. او همۀ انرژی‌اش را صرف جمع‌آوری داده‌ها کرد و در سال ۲۰۱۰ به همراه دو انسان‌شناس دانشگاه آکسفورد پایگاه سشات۱۵ را به‌منظور ساماندهی داده‌ها برای استفاده در مطالعات تطبیقی جوامع راه‌اندازی کرد. سشات یک پایگاه داده شامل اطلاعات تاریخی و باستان‌شناختی است که به‌نام الهۀ نگارش و ثبت وقایع در اساطیر مصر باستان نام‌گذاری شده است.
سشات آماج همان انتقاداتی شد که به‌طورکلی کلان داده را نشانه رفته است. مخالفان می‌گویند، صِرف زیاد بودن حجم داده‌ها به‌معنی قابلیت اطمینان بیشتر نیست. برعکس، چنین پایگاهی خطر سوگیری تفسیری را از طرف نخستین ثبت‌کنندگان اطلاعات تاریخی افزایش می‌دهد و داده‌ها را عاری از بافت تاریخی در نظر می‌گیرد. بنیانگذاران سشات در پاسخ می‌گویند که عموماً هرگونه مطالعۀ تاریخ مشکل سوگیری را دارد و فقط تجزیه و تحلیل مقادیر عظیم داده به دوری از چنین عامل مختل‌کننده‌ای امکان می‌دهد و نشان‌هایی از نزدیکی به حقیقت را در خود دارد.
تاکنون بنیانگذاران سشات با همراهی بیش از ۹۰ همکار متخصص دیگر -شامل تاریخ‌دانان، باستان‌شناسان و انسان‌شناسانی برجسته- داده‌های مربوط به جوامع ساکن در مناطق پایین‌دست رشته‌کوه آند تا آبگیر کامبوج و ایسلند تا مصر علیا را گردآوری کرده‌اند. تورچین با تحلیل این داده‌ها نشان داد که همان چرخه‌های دوگانه -چرخۀ قرنی و چرخۀ پدر و پسری- با الگوهای بی‌ثباتی در اروپا و آسیا تا دوران کشاورزان اولیه هم‌خوانی دارد. این چرخه‌ها در روم، چین و مصر باستان -در جوامع پیشاصنعتیِ مورد مطالعۀ تورچین- وجود داشت.
پرسش بعدی بسیار روشن بود: آیا چنین چرخه‌هایی در جوامع صنعتی مدرن نیز دیده می‌شود؟ تورچین شاخص پسی را برای نشان دادن نیروهای شکل‌دهندۀ بازار کار مدرن به‌روزرسانی کرد و متغیرهای نمایندۀ جدیدی متناسب با دنیای صنعتی‌شده برگزید. این متغیرها عبارت بودند از دستمزد واقعی برای قابلیت بسیج توده‌ها، نرخ اطالۀ بررسی در مجلس سنا و شهریۀ دانشگاه ییل برای رقابت نخبگان و نرخ بهره برای توان پرداخت دیون دولت. او سپس مقدار شاخص پسی در ایالات متحده را از سال ۱۷۸۰ تا امروز محاسبه کرد. مقدار این شاخص در دورانی موسوم به «عصر احساسات خوب»۱۶ در حوالی سال ۱۸۲۰ پایین بود، در دهۀ ۱۸۶۰ -دوران جنگ داخلی آمریکا- بالا رفت و بار دیگر در سال‌های پس از جنگ جهانی دوم پایین آمد. از سال ۱۹۷۰ به بعد نیز همواره بالا رفته بود. اما این بدین معنی نیست که محکوم بودیم به بحران. جوامع زیادی از فاجعه اجتناب کرده بودند، و تورچین می‌خواست مدلی بسازد برای درک اینکه آن جوامع چگونه موفق به چنین کاری شده‌اند.
تورچین در اواخر دهۀ ۱۹۸۰ به جنگل‌های لوئیزیانا سفر کرده بود، جایی که در آن با حمایت مالی صنعت چوب به پژوهش دربارۀ هجوم پرهزینۀ آفتی به‌نام سوسک کاج جنوبی پرداخت. در آن زمان، روش متعارف برای کنترل این آفت سمپاسی‌کردن منطقۀ آلودگی بود. تورچین نشان داد که این کار فقط مدت هجوم را زیاد می‌کند، چون گونۀ دیگری از سوسک را نیز می‌کشت که شکارچی طبیعیِ سوسک کاج بود. قطع درختان آفت‌زده و حذف آن‌ها روش بهتری بود. او نشان داد که به‌منظور کاهش شدت بحرانِ یک سامانۀ بوم‌شناختی پیچیده و افزایش هرچه‌بیشتر شانس بازیابی آن، می‌توان در خودِ سامانه مداخله کرد.
تورچین امیدوار است بتواند استراتژی‌های مشابهی برای فرونشاندن بحران‌های جوامع تورچین بر این باور است که تاریخ‌دانان نیز به‌زودی علم پیچیدگی را با آغوش باز خواهند پذیرفت، همان‌طور که زیست‌شناسان نیم‌قرن پیش پذیرفتند
انسانی کشف کند. اگر رویکردی که تورچین و گلدستون به‌منظور الگوسازی برای تاریخ به کار می‌گیرند درست باشد، این بدان معناست که آن‌ها نه‌تنها می‌توانند به‌درستی بپرسند که در سال ۲۰۲۰ چه اتفاقاتی منتظر ماست، بلکه می‌توانند جویای حوادثی نیز باشند که تا چند قرن آتی منتظر ماست. نباید از این علم جدید انتظار غیب‌گویی داشته باشیم، اما می‌توان در شناسایی و رفع تهدیدهای ساختاری‌ای که ثبات جوامع ما را به خطر می‌اندازند از آن کمک گرفت.
با اینکه جوامع گرایش دارند از مسیری که گلدستون ترسیم کرد وارد بحران شوند، تورچین دریافت که خروجشان ممکن است از مسیرهای مختلفی اتفاق بیفتد، از بازیابی سریع گرفته تا فروپاشی کامل. به‌همین دلیل بحران باعث می‌شود جامعه درمقابل آشفتگی بیرونی فوق‌العاده حساس شود. در این وضعیت، اگر هیچ اتفاق بی‌ثبات‌کنندۀ دیگری رخ ندهد، جامعه می‌تواند خود را باز یابد -همان‌گونه که انگلستان پس از انقلاب بدون خونریزی ۱۶۸۸ خود را بازیافت. ولی ممکن است یک شوک خفیفِ اضافی جامعه را به پیامدی وخیم‌تر یا حتی فروپاشی بکشاند. اتحاد جماهیر شوروی پیش از فاجعۀ هسته‌ای چرنوبیل در سال ۱۹۸۶ رو به افول گذاشته بود، اما شاید میخائیل گورباچف پر بیراه نگفته باشد وقتی سقوط شوروی را ناشی از آن حادثه دانسته بود.
تورچین و همکارانش برای درک بهتر این فاز از چرخه قصد دارند جوامعی متشکل از هزاران یا میلیون‌ها نفر را با کامپیوتر شبیه‌سازی کنند – این کار را مدل‌سازی عامل‌بنیان۱۷ می‌نامند- و طوری برنامه‌نویسی کنند که رفتارشان منطبق بر قوانینی باشد که از جوامع واقعی استنباط کرده‌اند. آن‌ها می‌توانند این جوامع شبیه‌سازی‌شده را در معرض تنش قرار بدهند، مثلاً با تزریق زادوولد ناگهانی به‌صورت مجازی، و اثرات آن را بر دولت، نخبگان و توده‌ها مشاهده کنند. وقتی مقدار پسی به سطح بسیار خطرناکی رسید، می‌‌توانند یک شوک – مثلاً در قالب حملۀ خارجی- به مدل اضافه کنند یا تاب‌آوری جامعه را با تقویت زیرساخت‌ها افزایش بدهند تا ببینند جامعه چه واکنشی نشان می‌دهد. می‌توانند پرسش‌هایی از این دست بپرسند: برای سوق دادن یک جامعۀ بحران‌زده به سوی فروپاشی کامل چه کاری لازم است؟ چه مداخلاتی جامعه را به سرانجامی با خونریزی کمتر هدایت می‌کند؟ چرا برخی جوامع نسبت به جوامع دیگر تاب‌آوری بیشتری دارند؟
البته، تجربۀ ما دربارۀ بحران اقلیمی نشان می‌دهد که حتی اگر بتوانیم آینده را مثل آب‌وهوا پیش‌بینی کنیم و به مجموعه‌ای از تدابیر پیشگیرانه برای دفع خطر فروپاشی اجتماعی دست یابیم، این بدان معنی نیست که از چنان ارادۀ سیاسی‌ای برخوردار خواهیم بود که به چنین توصیه‌هایی عمل کنیم. درست است که معمولاً جوامع انسانی همواره در بازسازی خود پس از فجایع اجتماعی عملکرد بهتری درمقایسه با پیشگیری از فجایع داشته‌اند، اما استثناهایی نیز وجود دارد. تورچین به برنامۀ «نیو دیل‌» آمریکا در دهۀ ۱۹۳۰ اشاره می‌کند که در آن دوران نخبگان آمریکایی رضایت دادند ثروت فزایندۀ خود را عادلانه‌تر تقسیم کنند، در عوضِ این تضمین ضمنی که «مبانی نظام سیاسی-اقتصادی به چالش کشیده نشود». به‌گفتۀ تورچین، جامعۀ آمریکا توانست با این پیمان خود را از وضعیتی بالقوه انقلابی بیرون بکشد.
گلدستون در ادامه می‌خواهد این پیام را به گوش همگان برساند که این‌گونه پیمان‌ها باز هم می‌توانند کارساز باشند. او اکنون استاد سیاست عمومی در دانشگاه جورج میسونِ ایالت ویرجینیا و مشاور شورای ملی اطلاعات امریکاست۱۸ -سازمانی که به تبیین استراتژی‌های بلندمدت آمریکا می‌پردازد- اما می‌گوید ایده‌هایش تاکنون تأثیر چندانی نداشته‌اند. در کارگاهی که آوریل گذشته در دانشگاه پرینستون با موضوع فروپاشی اجتماعی برگزار شد، شخصی از وی پرسید که چرا جوامع تاریخی اغلب اقدام و واکنشی از خود نشان نداده‌اند، حتی در مواردی که نشانه‌های بحرانی قریب‌الوقوع انکارناپذیر بوده است؟ او پاسخ داد که چون قشر نخبگان، که در سایۀ ثروت و مزیت‌های ویژۀ خود از آشوب در امان مانده‌اند، تا مدتی پس از آغاز فروپاشی همچنان به زندگی مجلل خود ادامه می‌دهند.
تورچین بر این باور است که تاریخ‌دانان نیز به‌زودی علم پیچیدگی را با آغوش باز خواهند پذیرفت، همان‌طور که زیست‌شناسان نیم‌قرن پیش پذیرفتند. آن‌ها خواهند فهمید که این علم به ما امکان می‌دهد تا با ژرف‌بینی و دورنگری، الگوهایی را تشخیص بدهیم که به چشم بشر دیده نمی‌شود. درواقع، این اتفاق آغاز شده است. در چند سال اخیر، نهادهایی با هدف تشویق سیاست‌گذاران به اندیشیدن دربارۀ درس‌های بلندمدت تاریخ شکل گرفته‌اند، از جمله «مرکز مطالعۀ ریسک وجودی»۱۹ در دانشگاه کیمبریج. در نشست پرینستون یک تحلیل‌گرِ ریسک از مرکز تحقیق و توسعۀ مهندسی ارتش آمریکا حضور داشت که به این پرسش فکر می‌کند که چگونه می‌توان ایالات متحده را با نگاه به گذشته در برابر تهدیدهای آتی تاب‌آورتر کرد.
همۀ این‌ها از نظر تورچین پیشرفت‌های دلگرم‌کننده‌ای است، اما سال ۲۰۲۰ فرا رسیده است و خطوط ایدئولوژیک چنان بین نهادهای قانون‌گذار، چه در آمریکا و چه در انگلستان، جدایی انداخته است که نمی‌توانند کارایی مناسبی از خود نشان دهند. در هر دو کشور، نخبگان ناراضی قدرت را به‌نام مردم به دست گرفته‌اند، درحالی‌که به علل اساسی بیماری جامعه نمی‌پردازند: نابرابریِ رو به گسترش، نخبگانی خودبین و دولتی شکننده.
گلدستون می‌خواهد تسلی خاطر بدهد. او می‌گوید: «هیچ‌کس در دهۀ ۱۹۳۰ نمی‌توانست تصور کند اروپا تا دهۀ ۱۹۶۰ چقدر ثروتمند خواهد شد یا اینکه کشورهای این قاره متحد خواهند شد. ممکن است اوضاع یکی دو دهه بدتر شود، ولی احتمالاً پس از پشت سر گذاشتن بحران خیلی بهتر خواهد شد». این تسلی در ذات نگاه چرخه‌ای به تاریخ نهفته است: در پس هر سقوط صعودی دیگر است، همان‌طور که در پس هر صعود سقوطی دیگر خواهد آمد. روزی اوضاع دوباره ختم به خیر خواهد شد، البته برای آن دسته از ما که زنده خواهند بود تا آن روز را ببینند.

پی‌نوشت‌ها:
• این مطلب را لورا اسپینی نوشته است و در تاریخ ۱۲ نوامبر ۲۰۱۹ با عنوان «History as a giant data set: how analysing the past could help save the future» در وب‌سایت گاردین منتشر شده است. وب‌سایت ترجمان آن را در تاریخ ۱۵ دی ۱۳۹۸ با عنوان «آیا مدل‌های ریاضیاتی بالاخره می‌توانند موفق به پیش‌بینی تاریخ شوند؟» و ترجمۀ مجتبی هاتف منتشر کرده است.
•• لورا اسپینی (Laura Spinney) نویسنده و روزنامه‌نگار علمی اهل بریتانیاست که برای نشریه‌های مختلفی از جمله نیچر، اکونومیست، نیوساینتیست و نشنال جئوگرافیک مطلب نوشته است. کتاب او با عنوان سوار رنگ‌پریده (Pale Ride) به همه‌گیری جهانی آنفلوانزا در سال ۱۹۱۸، معروف به آنفلوانزای اسپانیایی، می‌پردازد.
[۱] Historical Dynamics
[۲] Cliodynamics: رشته‌ای تلفیقی برای مطالۀ پویایی‌های تاریخی با استفاده از مدل‌های ریاضیاتی. لفظاً یعنی «اسطوره-پویاشناسی»
[۳] big data
[۴] Fragile States Index
[۵] اشاره به طرح خودکشی دسته‌جمعی موش‌های قطبی در سکانسی از مستند «برهوت سفید» (White Wilderness) که شرکت والت دیزنی در سال ۱۹۵۸ پخش کرد [مترجم].
[۶] The History Manifesto
[۷] The American Historical Review
[۸] Diarmaid MacCulloch
[۹] Complexity Science Hub
[۱۰] Cambridge Group for the History of Population and Social Structure
[۱۱] Atlas of World Population History
[۱۲] political stress indicator
[۱۳] Revolution and Rebellion in the Early Modern World
[۱۴] fathers-and-sons cycles
[۱۵] Seshat
[۱۶] Era of Good Feelings
[۱۷] agent-based models
[۱۸] National Intelligence Council
[۱۹] Centre for the Study of Existential Risk

اشتراک گذاري با دوستان :

Comments are closed.