آیا مدل‌های ریاضیاتی می‌توانند موفق به پیش‌بینی تاریخ شوند؟

لورا اسپینی /ترجمۀ: مجتبی هاتف/

بخش نخست/

mandegarنشریۀ علمی نیچر در نخستین شمارۀ خود در سال ۲۰۱۰ پیشرفت خیره‌کننده‌یی برای دهۀ پیش رو پیش‌بینی کرد. این پیش‌بینی می‌گفت تا سال ۲۰۲۰ ابزارهای آزمایشی متصل به انترنت جست‌وجوهای ما را مستقیماً با پایش سیگنال‌های مغزی‌مان استنباط خواهند کرد. در زمینۀ کشاورزی محصولاتی خواهیم داشت که زیست‌توده‌شان را در عرض سه‌ ساعت دوبرابر می‌کنند. بشر راه پایان‌دادن به وابستگی‌اش به سوخت‌های فسیلی را پیدا خواهد کرد.
اما چند هفته بعد، نامه‌یی در همان نشریه سایۀ تردید بر این آیندۀ روشن افکند. این نامه هشدار می‌داد که همۀ این پیشرفت‌ها ممکن است با افزایش بی‌ثباتی سیاسی از مسیر خود منحرف شود، وضعیتی که انتظار می‌رفت در حوالی سال ۲۰۲۰ در آمریکا و اروپای غربی به اوج خود برسد. همچنین توضیح می‌داد که جوامع بشری دوره‌های پیش‌بینی‌پذیرِ رشد را طی می‌کنند که در این دوره‌ها، جمعیت افزایش می‌یابد و جامعه رونق می‌گیرد. سپس دوره‌های زوال را داریم که به همان اندازه پیش‌بینی‌پذیرند. این «چرخه‌های زمینی» دو سه قرن به طول می‌انجامند و با آشفتگی گسترده‌ای -از شورش‌های کارگری گرفته تا انقلاب- به اوج خود می‌رسند.
در ادامۀ نامه آمده بود که در چند قرن اخیر شمار شاخص‌های اجتماعیِ نگران‌کننده -مانند نابرابری ثروت و بدهی دولت- در کشورهای غربی رو به افزایش گذاشته است، که حاکی از نزدیک شدن این جوامع به یک دورۀ آشوب است. نگارندۀ نامه در ادامه پیش‌بینی می‌کرد که این اغتشاشات در آمریکای ۲۰۲۰ به‌شدتِ جنگ داخلی آمریکا نخواهد بود، اما بدتر از خشونت‌های اواخر دهۀ ۱۹۶۰ و اوایل دهۀ ۷۰ خواهد بود. در آن سال‌ها، نرخ قتل به‌سرعت بالا رفت، تظاهرات در مخالفت با جنگ ویتنام و حمایت از حقوق مدنی شدت گرفت و در سراسر کشور هزاران بمب‌گذاری به‌دست تروریست‌های داخلی انجام شد.
نویسندۀ این هشدارنامۀ صریح و ناگوار، نه تاریخدان، بلکه زیست‌شناس بود. پیتر تورچین در چند دهۀ نخست فعالیت‌های علمی‌اش از ریاضیات پیچیده‌ بهره برده بود تا نشان بدهد چگونه روابط شکار و شکارچی نوساناتی در جمعیت حیواناتِ حیات وحش پدید می‌آورد. او یافته‌هایش را در نشریه‌های نیچر و ساینس منتشر کرده و در حوزۀ خود اسم و رسمی کسب کرده بود، اما تا اواخر دهۀ ۱۹۹۰ به همۀ پرسش‌های بوم‌شناختی موردعلاقه‌اش پاسخ داد. در این برهه بود که فهمید به تاریخ علاقه‌مند شده است: آیا ظهور و افول جوامع بشری را نیز می‌شود با یک مشت متغیر و چند معادلۀ دیفرانسیل توضیح داد؟
تورچین می‌خواست بداند که آیا تاریخ نیز، مانند علم فیزیک، از قوانین معینی پیروی می‌کند یا نه. او در سال ۲۰۰۳ کتابی با عنوان پویایی‌های تاریخی۱ منتشر کرد و در آن متوجه وجود چرخه‌های قرنی در فرانسه و روسیه از بدو شکل‌گیری‌شان تا پایان قرن هجدهم شد. همان سال رشتۀ دانشگاهی جدیدی را به‌نام کلیودینامیکس۲ بنیان نهاد که به دنبال کشف علت‌های پایۀ این الگوهای تاریخی و مدل‌سازی آن‌ها با استفاده از ریاضیات است، به‌همان روشی که می‌توان تغییرات اقلیمی کرۀ زمین را مدل‌سازی کرد. او هفت سال بعد نخستین نشریۀ رسمی این رشته را راه‌اندازی کرد و به کمک همکارانش یک پایگاه داده برای اطلاعات تاریخی و باستان‌شناختی تأسیس کرد، که اکنون داده‌های بیش از ۴۵۰ جامعۀ تاریخی را در خود دارد. از این پایگاه داده می‌توان برای مقایسۀ جوامع مختلف در گسترۀ وسیعی از زمان و مکان بهره برد و دربارۀ بی‌ثباتی‌های سیاسی آینده پیش‌بینی‌هایی طرح کرد. تورچین در سال ۲۰۱۷ کارگروهی متشکل از مورخان، نشانه‌شناسان، فیزیکدانان و متخصصان دیگری تشکیل داد تا براساس اسناد تاریخی به پیش‌بینی آیندۀ جوامع بشری کمک کنند.
روش تورچین برای مطالعۀ تاریخ، که در آن از نرم‌افزارهای کامپیوتری برای کشف الگوهایی در انبوه داده‌های تاریخی استفاده می‌شود، تنها در سال‌های اخیر و به لطف رشد قدرت رایانشیِ ارزان‌قیمت و توسعۀ مجموعه‌داده‌های تاریخی عظیم مقدور شده است. اکنون این رویکرد «کلان‌داده‌ای»۳ روزبه‌روز در رشته‌های تاریخی رواج و محبوبیت بیشتری می‌یابد. تیم کولر، باستان‌شناس دانشگاه ایالتی واشنگتن، معتقد است ما اکنون در «دوران طلایی» این رشته به سر می‌بریم، چون پژوهشگران می‌توانند یافته‌های پژوهشی‌شان را با سهولت بی‌سابقه‌ای به اشتراک بگذارند و از آن‌ها دانش واقعی استخراج کنند. تورچین بر این باور است که می‌توان در آینده نظریه‌های تاریخی را با پایگاه‌داده‌های بزرگ آزمود و نظریه‌هایی را که با داده‌ها همخوانی ندارند -و بسیاری از آن‌ها هم به‌خوبی جاافتاده‌اند- دور ریخت. بنابراین فهم ما از گذشته به نظریه‌هایی سوق خواهد یافت که به حقیقت عینی نزدیک‌ترند.
برخی معتقدند پیش‌بینی تورچین در سال ۲۰۱۰ در مجلۀ نیچر حالا بیشتر به علم غیب شبیه است. موتور جست‌وجویی که امواج مغزی‌تان را رمزگشایی می‌کند در سال ۲۰۲۰ وجود نخواهد داشت، مگر اینکه در لحظۀ آخر معجزه‌ای رخ بدهد. محصولاتی که زیست‌توده‌شان را در عرض سه‌ساعت دوبرابر می‌کنند هم وجود نخواهد داشت یا هرگونه بودجۀ انرژی که عمدتاً با منابع تجدیدپذیر تأمین ‌شود. درعوض، آشوبی قریب‌الوقوع در نظم سیاسی آمریکا یا بریتانیا روزبه‌روز محتمل‌تر به نظر می‌رسد. شاخص شکنندگی دولت‌ها۴، براساس محاسبات سازمان آمریکایی و غیرانتفاعی صندوق صلح، روندی قهقرایی را به سوی بی‌ثباتی در این دو کشور نشان می‌دهد، برخلاف بیشتر کشورهای دیگر دنیا که همواره روندی رو به بهبود داشته‌اند.
جورج لوسون، که در مدرسۀ اقتصاد لندن به مطالعۀ اختلافات سیاسی مشغول است، با اشاره به دورۀ زمانی ۱۷۷۰ تا ۱۸۷۰، که طی آن شورش‌های خشونت‌بار به سرنگونی حکومت‌های پادشاهی از فرانسه تا قارۀ جدید می‌انجامید، می‌گوید: «ما در عصری به سر می‌بریم که به شکل شایان‌توجهی متلاطم است، طوری که فقط با عصر انقلاب‌های اقیانوس اطلس همتایی می‌کند».
از نظر تورچین، پیش‌بینی‌اش دربارۀ سال ۲۰۲۰ فقط آزمونی برای یک نظریۀ جنجالی نیست، بلکه می‌تواند مقدمه‌ای برای آینده نیز باشد: دنیایی که در آن پژوهشگران همانند هشدارهای جدی هواشناسی، برای اوضاع اجتماعی و سیاسی آینده هم گزارش وضعیت ارائه می‌کنند و برای پشت سر گذاشتن چنین اوضاعی توصیه‌هایی می‌دهند.
از دیدگاه بیشتر دانشگاهیانی که به مطالعۀ گذشته می‌پردازند، توضیح علت وقوع رویدادی در گذشته بسیار متفاوت است از پیش‌بینی زمان و نحوۀ وقوع دوبارۀ آن رویداد در آینده. تیمور کوران، اقتصاددان و استاد علوم سیاسی دانشگاه دوک، می‌گوید: «ما نمی‌توانیم قانون بسازیم».
اتفاقی نیست که ریاضی‌دانان و زیست‌شناسانیمانند تورچین همواره این نگرش را به چالش می‌کشند. فصل مشترک رویکرد آن‌ها علمِ پیچیدگی است که به ما می‌آموزد هر سامانه‌ای، حتی اگر فقط از ترکیب چند جزء انگشت‌شمار تشکیل شده باشد، می‌تواند الگوهای رفتاری پیچیده‌ای پدید بیاورد، چرا که اجزای تشکیل‌دهندۀ آن به روش‌های گوناگونی با هم برهم‌کنش دارند. مثلاً از برهم‌کنش خورشید، سطح زمین و جو زمین آب‌وهوا تولید می‌شود. این برهم‌کنش‌ها را می‌توان به‌زبان ریاضی و در قالب مجموعه معادلات یا قوانینی بیان کرد که رفتار سامانه را در شرایط مختلف پیش‌بینی می‌کنند. اساساً پیش‌بینی آب‌وهوا به این صورت انجام می‌شود.
ریشۀ علم پیچیدگی به فیزیک و مطالعۀ رفتار ذرات بنیادی برمی‌گردد، اما در طول قرن گذشته کم‌کم به سایر رشته‌های مطالعاتی نیز گسترش یافته است. تا اواخر دهۀ ۱۹۵۰، زیست‌شناسان سلولی معدودی می‌پذیرفتند که تقسیم سلولی را می‌توان به‌زبان ریاضی توصیف کرد؛ فرضشان این بود که این کار به‌شکلی تصادفی رخ می‌دهد. ولی اکنون این نگرش در میان آن‌ها به واقعیتی بدیهی تبدیل شده و مدل‌های ریاضی آن‌ها برای تقسیم سلولی به درمان بهتر سرطان انجامیده است. دانشمندان بوم‌شناس نیز پذیرفته‌اند که در طبیعت الگوهایی هست که می‌توان به‌زبان ریاضی توصیفشان کرد. موش‌های قطبی خودکشی دسته‌جمعی نمی‌کنند، آن‌گونه که والت دیزنی می‌گفت۵، بلکه چرخه‌هایی قابل‌پیش‌بینی از افزایش و کاهش جمعیت را تجربه می‌کنند که هر چهار سال یک‌بار در اثر برهم‌کنش با حیوانات شکارگر و احتمالاً با منبع غذایی خودشان تکرار می‌شود. ماری گِلمَن، فیزیکدان برندۀ جایزۀ نوبل، در سال ۲۰۰۸ اعلام کرد که دیر یا زود قوانین حاکم بر تاریخ نیز کشف خواهد شد. اما این اتفاق رقم نخواهد خورد، مگر اینکه همۀ کسانی که به مطالعۀ گذشته می‌پردازند -مورخان، جمعیت‌شناسان، اقتصادانان و دانشمندان دیگر- به این تشخیص برسند که کارکردن در محدوده‌های تخصصی‌شان هرچند لازم است اما کافی نیست. به‌گفتۀ گلمن، ما از ضرورت بررسی اجمالیِ کلیت موضوع غفلت کرده‌ایم.
بسیاری از تاریخ‌دانان اتخاذ این رویکرد ریاضیاتی در مطالعۀ تاریخ را مشکل‌آفرین می‌دانند. آن‌ها معتقدند که می‌توان از گذشته درس گرفت، اما در حدی بسیار محدود؛ مثلاً تاریخچۀ اختلافات ایرلند شمالی می‌تواند به روشن‌تر شدن تنش‌های کنونی کمک کند. امروزه تاریخ‌دانان اندکی در پی قوانینی کلی هستند که برای جوامع و قرون مختلف جوابگو باشد یا بتوان از آن‌ها برای پیش‌بینی آینده به‌نحوی معنادار استفاده کرد. مورخان علمیِ قرن نوزدهم، عمدتاً با الهام از داروینیسم اجتماعی، چنین هدفی در سر داشتند، ولی امروزه این رویکرد را بسیار ناقص و مرتبط با روایت‌های امپریالیستی تلقی می‌کنند.
جو گولدی، تاریخ‌دان و استاد دانشگاه متودیست جنوبی در تگزاس، می‌گوید: «ما جامعۀ دانشمندان علوم اجتماعیِ مدرن در تلاشی ۶۰ساله و هماهنگ کوشیده‌ایم نژادپرستی، تبعیض جنسیتی و اروپامحوری عمومی را از این روایت‌ها بزداییم». او اضافه می‌کند که مورخان از این می‌ترسند که رویکردهای ریاضی آن‌ها را به عقب خواهد راند.

اشتراک گذاري با دوستان :

Comments are closed.