Postمحیط زیست و اعداد( ۸)

محیط زیست و اعداد( ۸) توهم مدل و واقعیتِ گم‌شده مسعود امیرزاده در یادداشت‌های پیشین از این سلسله، نشان دادیم که چگونه اعداد می‌توانند جعل شوند، بی‌مقیاس باشند یا به عنوان ابزار فریب به کار روند. اما در این یادداشت می‌خواهم به نامرئی‌ترین دامِ حکمرانی و تصمیم‌گیری مدرن برویم : «توهم جایگزینی مدل با واقعیت.» بیایید از همان ابتدا یک سوءتفاهم بزرگ را برطرف کنیم: طرح این بحث هرگز به این معنا نیست که ما نباید مدل‌سازی ریاضی را جدی بگیریم یا از کمّی‌سازی دست بکشیم. اتفاقاً در قسمت‌های بعدی خواهیم دید که چرا «بی‌مقیاس سخن گفتن» و پناه بردن به کلی‌گویی‌های کیفی، خود به همان اندازه (و شاید بیشتر) خطرناک و ویرانگر است. اما مسئله‌ی بنیادین اینجاست: وقتی ما مدلی ریاضی می‌سازیم تا جهانِ پیچیده را بفهمیم، ناگزیریم جهان را «انتزاع» کنیم. و هر انتزاعی، ذاتاً نوعی «حذف» است. سؤال اصلی اینجاست: وقتی مدل را می‌سازیم، چه بخش‌هایی از واقعیت در زیرِ سایه‌ی همین مدل گم می‌شوند؟ ۱-خطای مک‌نامارا: چرا واقعیت‌های نامریی حذف می‌شوند؟ رابرت مک‌نامارا، وزیر دفاع آمریکا در جنگ ویتنام، معتقد بود می‌تواند پیروزی در جنگ را با یک عدد ریاضی اثبات کند: «آمار اجساد دشمن» (Body Count). او هر چیزی را که در مدلِ ریاضی‌اش جای نمی‌گرفت — مثل اراده‌ی یک ملت، رنج یک غیرنظامی، یا بافت فرهنگی یک سرزمین — نادیده می‌گرفت. اما چرا برخی موضوعاتِ حیاتی، اساساً در مدل‌های ریاضی حذف می‌شوند؟ دلیل آن صرفاً نادانیِ مدل‌ساز نیست؛ دلیل آن یک «سوگیریِ هستی‌شناختی» در علم مدرن است. در دستگاه معرفتی ما، ناخودآگاه «وجود داشتن» با «قابل اندازه‌گیری بودن» هم‌ارز شده است. وقتی پدیده‌ای (مثل دردِ اجتماعیِ ناشی از خشک شدن یک تالاب، یا تاب‌آوریِ یک اکوسیستم) در زبان ریاضیات مدل ما ترجمه نمی‌شود، سیستمِ حکمرانی به جای اینکه بگوید «مدلِ من ناقص است»، می‌گوید «این پدیده وجود ندارد» یا «اهمیتی ندارد». خطای مک‌نامارا دقیقاً همینجاست: تصور اینکه اگر چیزی را نمی‌توان اندازه گرفت، پس نمی‌توان آن را مدیریت کرد؛ و اگر نمی‌توان آن را مدیریت کرد، پس اصلاً وجود خارجی ندارد. ۲-قانون گودهارت: وقتی مدل، واقعیت را می‌بلعد اما خطر فقط در «حذف» واقعیت نیست؛ گاهی مدل، واقعیت را «تغییر شکل» می‌دهد. کتی اونیل و پیش از او کورنلیوس گودهارت هشدار دادند که: «وقتی یک معیار (عدد) به عنوان هدف (Target) قرار بگیرد، دیگر معیار خوبی نیست.» وقتی ما مدلی می‌سازیم و آن مدل را به سیستمِ حکمرانی تحمیل می‌کنیم، سیستم دیگر تلاش نمی‌کند واقعیت را توصیف کند، بلکه تلاش می‌کند خود را با مدل هماهنگ کند تا «عددِ خوب» تولید کند. مثلاً اگر مدلِ ما بگوید «توسعه یعنی ساختِ یک میلیون مسکن»، واقعیتِ پیچیده‌ی «منابع آبِ زیرزمینیِ دشت‌ها» که در این ماتریسِ تک‌بعدی جایی ندارد، قربانی می‌شود. ما به جای اینکه واقعیت را در مدل لحاظ کنیم، واقعیت را چنان می‌شکنیم و می‌تراشیم تا در قالب تنگ مدل ریاضی‌مان جا شود. در این نقطه، مدل دیگر آینه‌ای در برابر واقعیت نیست؛ بلکه واقعیت، برده‌ی مدل شده است. ۳-ماتریس‌ها و توهم پوشش کامل بیایید کمی فنی‌تر به ابزارهای مدل‌سازی نگاه کنیم. ما برای تصمیم‌گیری، جهان را درون «ماتریس‌ها» می‌ریزیم. ماتریس، شبکه‌ای از سطرها و ستون‌هاست که تلاش می‌کند متغیرها را در تقاطعِ هم‌دیگر وزن‌دهی کند. اما ذاتِ ماتریس، «خانه‌بندی» و «گسسته‌سازی» است. واقعیتِ محیط‌زیستی یا اجتماعی، یک پیوستار سیال، درهم‌تنیده و غیرخطی است. وقتی شما پدیده‌ای را درون یک ماتریسِ تصمیم‌گیری (مثل ماتریس‌های ارزیابی ریسک یا هزینه-فایده) می‌گذارید، مجبورید آن را به متغیرهای گسسته و مستقل تبدیل کنید. در این فرآیند، «اثراتِ متقابلِ پنهان»، «هم‌افزایی‌های منفی» و «ارزش‌های ذاتیِ غیربازاری» که در تقاطعِ هیچ سطر و ستونی قرار نمی‌گیرند، عملاً از مدل سرریز کرده و به بیرون می‌ریزند. شاید گفته شود:خب! علم پیشرفت کرده است. ما دیگر از ماتریس‌های ساده استفاده نمی‌کنیم. ماتریس‌های پیشرفته‌تری مثل ماتریس‌های فازی (Fuzzy)، تانسورهای چندبعدی، یا مدل‌های احتمالاتی و شبکه‌ای داریم که سعی می‌کنند همین نواقص را جبران کنند و عدم‌قطعیت و پیچیدگی را در خود لحاظ کنند.» این کاملاً درست است. اما نکته‌ی تراژیک اینجاست: هر ماتریسِ پیشرفته‌ای که برای پوششِ نقصِ ماتریسِ قبلی می‌سازیم، خودش حاشیه‌ی کورِ جدیدی می‌سازد. وقتی شما یک ماتریس را چندبعدی می‌کنید تا «پیچیدگی» را پوشش دهید، درگیر «نفرین ابعاد» (Curse of Dimensionality) می‌شوید و داده‌های واقعی کافی برای پر کردن آن خانه‌های جدید ندارید. وقتی از ماتریسِ فازی استفاده می‌کنید تا «مرزهای مبهم» را پوشش دهید، درگیر تعیین توابع عضویت می‌شوید که خودشان سلیقه‌ای و انتزاعی‌اند. https://t.me/complexitythinking