گروه‌ها به افراد ضعیفتر هم احتیاج دارند، اما چرا؟
در تصویر بالا هر نقطه‌ی سفیدرنگ یک موجود زنده است که در جایی از این زمین قرار دارد. هر چه قدر موجودی در ارتفاع بالاتر باشد، سازگاری (fitness) بیشتری دارد. مثلن کسانی که به نوک تپه نزدیک هستند، بیش‌ترین سازگاری ممکن در این محدوده را دارند.
مثال ساده: فرض کنید دو عامل در نمره‌های درسی یک دانش‌آموز موثر هستند؛ یکی میزان درس خواندن و یکی هم میزان ورزش کردن. شکل زمین بالا هم نشان می‌دهد که به ازای هر مقدار از درس خواندن و هر مقدار از ورزش کردن (یعنی دو محور موجود)، هر دانش‌آموز چه نمره‌ای می‌گیرد. در شکل اگر نقطه‌های سفید نماینده‌ی دانش‌آموزها باشند، می‌بینیم که هر دانش‌آموز چه مقدار درس می‌خواند و چه مقدار ورزش می‌کند و طبیعتن چه نمره‌ای می‌گیرد. از قرار معلوم در این مثال بیشتر دانش‌آموزها یک راه برای نمره گرفتن بلد هستند که آن هم تپه‌ی کم‌ارتفاع است. این وضعیت به مینیمم محلی (local minimum) معروف است.
دانش‌آموزهای مثال بالا خبر ندارند که با مقدار متفاوتی از درس خواندن و ورزش کردن می‌توانند نمره‌های به‌تری بگیرند، شاید مثلن با مقدار کم‌تری درس خواندن و بیشتر ورزش کردن. از تمام حالت‌های موجود و شکل زمین هم خبر ندارند و از به‌ترین روش برای نمره گرفتن بی‌خبرند، وگرنه همه روش بهتر را انتخاب می‌کردند. این‌جاست که شاید قله‌ی با ارتفاع‌تر در همسایگی را دانش‌آموزهای ضعیفتر (یعنی آن‌ها که در دره هستند) کشف کنند، نه دانش‌آموزهای قویتر (که روی تپه‌ی کم ارتفاع هستند).
یکی از خاصیت‌های موجودات ضعیفتر همین است که شرایط بهتر را که در نزدیکی گروه هست و گروه از آن‌ها بی‌خبر است، کشف کنند. نتیجه هم این که تکامل تدریجی از تنوع گونه‌ها استقبال می‌کند و آن را تقویت می‌کند، با این که تنوع ممکن است به معنای وجود موجودات ضعیفتر در گروه باشد. در مجموع به نفع گروه است که افراد ضعیف هم داشته باشد.
توضیح یک: این مثال ساده شده بود. عوامل بیشتری برای موفقیت دانش‌آموزها وجود دارند، ولی مثال تغییر کیفی نمی‌کند، فقط سطح بالا از سه بعدی به چهار بعدی و یا با بعدهای بیشتری تغییر می‌کند.
توضیح دو: تنوع گونه‌ها وقتی بیشتر اهمیت خود را نشان می‌دهد که زمین هم ثابت نباشد؛ در مثال بالا بلندی‌ها تغییر کنند و شاید قله‌های جدیدی ایجاد شوند. در این شرایط موجودات ضعیفتر کمک می‌کنند که گروه قله‌های جدیدی که تا الان وجود نداشته‌اند را کشف کند و شرایط خود را بهبود بدهد.
متن با برداشتی از کتاب Fragile Dominion نوشته‌ی سایمون لوین نوشته شده بود.
سلام روزبه جان. برادر شخصا با این توجیه که
(این‌جاست که شاید قله‌ی با ارتفاع‌تر در همسایگی را دانش‌آموزهای ضعیفتر (یعنی آن‌ها که در دره هستند) کشف کنند، نه دانش‌آموزهای قویتر (که روی تپه‌ی کم ارتفاع هستند))
قانع نشدم که چرا بایستی اشخاص ضعیفتر در دره، تفاوت قله ها رو بهتر از اشخاص قویتر روی تپه درک کنن، چرا که لزوما در شرایط واقعی هم مستقل از ضعیف و قوی بودن اشخاص، آنهایی که روی قله محلی قرار دارند هم درک مشخصی از بالاتر بودن سایر قله ها نسبت به خودشون دارن. شاید هم موردی رو در نظر نگرفتم ولی حس خاصی بهش نداشتم، گرچه نگارنده با استفاده از لفظ شاید خودش هم تلاشی در تفهیم ایده اش نکرده
گرچه مطمینا با مطالعه ی اطلاعات بیشتر، توجیه این فرضیه قابل قبول تر خواهد بود.
ممنون میشم اگر راهنمایی کنی یا اگر بایستی مطلب بیشتری در جای دیگری مطالعه کنم، بهم معرفی کنی. :)
شاد باشی مرد و ممنون بابت مطالب مفیدی که میفرستی
رضا: این طور بگم که کسی نمی دونه که قله های این زمین کجا هستن، همون طور که در خیلی از مسایل واقعی هم نمی دونیم که به ترین نقاط وضعیت فعلی چه نقاطی هستن. مثلن ما نمی دونیم برای این که بیش ترین میزان خوشحالی رو داشته باشیم، چه ترکیبی از خوردن غذا (و تازه چه غذاهایی) و خواب و ورزش (و تازه چه ورزشی) و کار (و تازه چه جور کاری) و ارتباطات رو باید پیش بگیریم. در واقع خبر نداریم که نقطه ی بهینه کجاست. اما خودمون یک جا هستیم و می تونیم درک کنیم که در حال حاضر، با ترکیبی که فعلن داریم، چه قدر خوشحالیم.
در عین حال می تونیم اطراف مون رو هم به شکل محلی کشف کنیم. مثلن می تونیم یک مقدار کمی خواب مون رو بیش تر کنیم و ببینیم آیا خوشحال تر می شیم یا نه. اگر شدیم، از اون به بعد می تونیم با مقدار جدید خواب (که کمی بیش تر از قبله) به زندگی ادامه بدیم. این روش تدریجی رو هم ادامه می دیم. با این ترتیب ما به صورت تدریجی می تونیم شرایطمون رو به تر کنیم (این روش در هوش مصنوعی به روش «بالا رفتن از تپه» معروفه). نتیجه این می شه که اگر همیشه، با دید محدودمون، به اطراف مون نگاه کنیم و به دنبال بهبود تدریجی زندگی مون باشیم، با قدم های کوچیک به سمت بهبود می ریم تا این که در جایی متوقف می شیم، یعنی یک قله. وقتی به قله می رسیم، هیچ کار دیگه ای برای بهبود نمی تونیم انجام بدیم، چرا که هر قدمی برداریم، باعث بدتر شدن وضعیت می شه؛ در قله به ترین وضعیت رو نسبت به موقعیت های اطراف داریم.
یک مثال دیگه: فرض کن در یک دریاچه شنا می کنی که دمای آبش در جاهای مختلف متفاوته (مثل سراب نیلوفر!). می تونی برای فرار از سرما دور و برت رو بگردی و گرم ترین نقطه رو پیدا کنی. در عین حال خبر نداری که اون یکی گوشه ی دریاچه گرم تره یا سردتر.
در مورد مثال دانش آموزها، اون هایی که در دره هستن شانس بیش تری دارن که با کمی گردش در این فضا، به طور اتفاقی به دامنه ی تپه ی بلندتر برخورد بکنن. از اون به بعد هم کافیه که به صورت قدم به قدم وضعیت شون رو بهبود بدن و با این ترتیب می شه پیش بینی کرد که به نوک قله ی بلندتر می رسن. در عین حال حضور همین دانشجوهایی که تونسته اند به قله ی جدید برسن، به گروه کمک می کنه که خودشون رو به قله ی بزرگ تر برسونن.
مثال اصلی در مورد تکامل تدریجی گفته شده. در اون جا دیگه شاید با خود همین موجودات کار نداشته باشیم (مثل مثال دانش آموزها) و در اون مورد در مورد فرزندان یک گونه و نسل های بعدی شون صحبت می کنیم. اما مثال هم چنان به صورت کیفی همونه.
besiar jaleb bood
با سلام.
به نظر من این سیستم پیچیده میتونه درست باشه ؛ولی از نظر عقلی و کارکردی میتونه به این نتیجه منجر بشه که همیشه هم برای کمک به گروه (اجتماع) و موفق بودن لازم نیست تلاش زیادی از خودمون نشون بدیم. بصورت عامیانه اش : “تنبل نرو به سایه -سایه خودش می آیه “.
البته این تءوری ریشه تاریخی هم داره و مثلا” برای جبرگرایان یکی از اصول اعمال ورفتار هست.بصورتی که برخی جبرگرایان با تکیه بر قدرت خدایی که از قبل جای تمام نقاط را تعیین کرده عملا” تلاش کردن رو نفی میکنن.
یا مثلا” در فلسفه “ذن” از این پدیده بعنوان «غیر فعالِ فعال» یاد میشه . و اعتقاد دارن که بعضی درها ویا شانس ها از طریق پاسیو بودن به آدم رو میکنه=>گاهی وقتها بطور فعالانه ای هیچ فعالیتی ندارن.
با توجه به پست همین ماهتون: “باید کار کرد، سخت کار کرد” .اطمینان دارم که این نتیجه گیری رو قبول ندارین.ولی خب از بعضی سیستم های پیچیده ای که معرفی میکنین میشه نتیجه گیری اخلاقی هم کرد,که اونها رو جالبتر میکنه.
با تشکر.
خیلی خیلی جالب بود!
با اجازه تون تو فیس بوک به اشتراک می ذارم.
موفق باشید.