Chapter Content
Okay, also, ähm, let's talk about, ähm, ja, ich sag mal, Eigenschaften, ne, über Gründe. Oder, Invarianz als Wahrheit, ja?
Also, Wissen, ne, ist ja im Grunde die Information und das Verständnis, das uns ermöglicht, die Welt um uns rum zu verstehen und zu interpretieren. Aber, und das ist wichtig, die Suche nach Wissen muss auch immer mit der Suche nach Wahrheit einhergehen, weil, sonst ist es halt keine wirkliches Wissen, sondern eher, ja, eine Agenda, ne? Man kann schon sagen, dass Wahrheit etwas ist, das bestehen bleibt, so im Vergleich zu vielen anderen Informationen, ja?
Und das bedeutet, dass Wahrheit irgendwie mit dem Begriff der Abstraktion zusammenhängt. Warum? Weil eine Abstraktion ja eine Kategorie höherer Ordnung ist, mit untergeordneten Konzepten, und nur diese Kategorie ist halt robust gegenüber Veränderungen. Stell dir mal vor, die Hälfte aller Hunderassen verschwindet. Das würde die Kategorie "Hund" ja überhaupt nicht beeinflussen, oder? Genauso, wenn 1000 neue Rassen dazukämen. Solange es eine Sammlung von konzeptionell verwandten Details gibt, bleibt das höhere Konzept halt bestehen. Abstraktionen überleben einfach viel länger als die Details, die da reinfliessen.
So, und das gilt natürlich auch für physische Abstraktionen. Die Konfigurationen von Materie, die auf höheren Ebenen existieren, überdauern ja immer die inneren Details auf niedrigeren Ebenen. Aber, Achtung, das gilt für komplexe Systeme, nicht für einfache! Wenn wir jetzt ein Zahnrad aus dem Getriebe eines Autos entfernen (einfaches System), dann funktioniert der Schalthebel nicht mehr. Aber in einem komplexen System ist das anders. Die High-Level-Abstraktion ist ja eine Folge von vielen Konfigurationen, die auf den "Schalthebel" des Systems abbilden. Und das liegt an den entropischen Konsequenzen der multiplen Realisierbarkeit, wie wir ja schon gesehen haben.
Die emergenten Strukturen und Verhaltensweisen, die wir beobachten, haben die meisten Möglichkeiten, erreicht zu werden. Und genau deshalb sind sie invariant. Wenn das, was wir beobachten, nur durch ein paar genau definierte Wege möglich wäre, dann wären sie viel zu fragil, um in der natürlichen Umgebung zu überleben, ne?
Das heisst also, je höher die Abstraktionsebene ist, die wir betrachten, desto invarianter ist sie auch. Und das gilt, wie gesagt, für physische und informationelle Abstraktionen. Das zeigt uns, dass wir so eine Art Anker haben, um zu erkennen, ob etwas eher wahr ist. So wie die Natur nur das bewahrt, was überleben kann, ist Wahrheit das, was trotz des ganzen Flusses bestehen bleibt, ja? Daher auch der Titel: Invarianz als Wahrheit.
Das Wissen, nach dem wir suchen, das ja auch mit der Vorstellung von Wahrheit übereinstimmen muss, darf nicht auf inneren Details basieren. Innere Details sind per Definition vergänglich und können uns nicht erzählen, was wirklich ist. Aber die abstraktesten, high-level Muster, die auftauchen, haben viel mehr Beständigkeit und sprechen so zu Dingen, die wahr über die Natur und das Leben im Allgemeinen sind.
Und das bringt uns zu einer wichtigen Erkenntnis über unser Konzept von Wissen. Die Idee, dass Wissen etwas ist, das wir immer weiter ansammeln, macht im Kontext von Komplexität keinen Sinn. Wissen muss sich eher annähern, konvergieren, als anzuhäufen. Das ist was ganz anderes als das, was uns im aktuellen wissenschaftlichen und ingenieurtechnischen Paradigma erzählt wird. Uns wird gesagt, dass menschliches Wissen ein Streben ist und dass es immer mehr zu wissen gibt. Uns wird gesagt, dass wir immer weiter die Schichten abtragen und neue Orte erkunden müssen, um herauszufinden, wie die Natur funktioniert. Uns wird gesagt, dass Wissen wie ein immer grösser werdender Kreis ist, dessen Grenzen immer nur mehr Unbekanntes enthüllen.
Aber, wenn Wahrheit invariant ist, dann offenbart jede weitere Erkundung eigentlich nur das, was wir schon wissen. Und das ist ja auch oft das, was wir sehen. Klar, neu entdeckte Arten in der Tiefsee sind Dinge, die wir vorher noch nicht gesehen haben, und zweifellos faszinierend. Aber eine neue Lebensform ist halt auch nur ein einzelnes Beispiel für die gleichen Prozesse, die alles Leben bestimmen. Es wird immer wieder neue Lebensformen zu entdecken geben, aber das bedeutet nicht, dass wir etwas grundlegend Neues lernen.
Und das führt uns halt zum Thema: Wissenswachstum versus Wissenskonvergenz.
Der Grossteil der Wissenschaft und Technik beschäftigt sich ja mit dem Ansammeln und Organisieren von Wissen. Aber Wissen wächst eigentlich nur, wenn es reduktionistischer Natur ist. Weil reduktionistisches Wissen aus Teilen und Details besteht, und es wird immer mehr Details zu entdecken geben. Aber, wenn wir ehrlich darüber nachdenken, wie die Natur funktioniert, dann bilden diese Details nicht die Outputs ab, die wir messen, beobachten und erleben. Die zugrunde liegende Annahme des Reduktionismus ist ja, dass Teile und Verbindungen zeigen, wie ein Phänomen funktioniert. Aber das stimmt so nicht.
Die inneren Teile, von denen wir lernen, sind nicht verantwortlich für die Strukturen und Verhaltensweisen natürlicher Phänomene – nicht so, wie Reduktionisten das glauben. Die Geschichte von Teilen und Verbindungen, die zu dem führen, was wir erleben, war ja nur eine bequeme Art, das zu markieren, was wir sehen, und die entsprechenden Verantwortlichkeiten zuzuordnen.
Ich behaupte ja, dass Emergenz die unvermeidliche Folge von Strukturen ist, die Informationen verarbeiten, um schwierige Probleme zu lösen. Anstatt einer kausalen Geschichte von kleineren zu grösseren Teilen findet Emergenz nur die notwendigen Konfigurationen, die viele Inputs auf weniger Outputs abbilden. Diese Art von Computing dient ausschliesslich den verschachtelten Ebenen innerhalb der Struktur eines natürlichen Problems.
Wissen und Wahrheit ausserhalb des Reduktionismus drehen sich um Invarianz, und nur das, was bestehen bleibt, ist per Definition invariant. Das führt uns weg von der Idee, dass Wissen wächst. Anstatt dass es um das Ansammeln von mehr Informationen geht, geht es darum, die gleichen Muster immer und immer wieder zu sehen.
Und das ist eine ziemlich grosse Veränderung, was das Verständnis von Komplexität für die Erkenntnistheorie bedeutet. Jede Theorie des Wissens, die auf der kausalen Verbindung zwischen inneren Details und äusserer Erfahrung beruht, kann nicht richtig sein. Die Methoden, die Gültigkeit und der Umfang dessen, was unser aktuelles wissenschaftliches und ingenieurtechnisches Paradigma zu Wissenstheorien beiträgt, widersprechen der Funktionsweise der Natur.
Wissen im Sinne eines Universums zu betrachten, das mit noch nicht entdeckten Wahrheiten gefüllt ist, ist problematisch. Das heisst nicht, dass es nichts zu entdecken gibt, aber es definiert neu, was wir unter Entdeckung verstehen. Entdecken bedeutet nicht, irgendwelche verborgenen inneren Details aufzudecken, die etwas zum Laufen bringen, sondern etwas zu bauen, das funktioniert. Es geht nicht darum, neues Wissen zu entdecken, sondern darum, Lösungen zu finden, die funktionieren, um die anstehenden Herausforderungen zu bewältigen. Es ist nicht nur Praxis, also die praktische Anwendung von Theorie oder Wissen, sondern es geht darum, Dinge zu bauen. Unsere kreativen Lösungen können nicht aus dem vorherigen Wissen entstehen, sie müssen von selbst entstehen, ja?
Wissenskonvergenz ist auch der Grund, warum Philosophien, die Tausende von Jahren alt sind, auch heute noch wahr klingen. Die Wahrheiten, die in der Antike entdeckt wurden, waren invariante Abstraktionen, die aus einem Leben voller Turbulenzen entstanden sind. Die inneren Details dieses Lebens sehen fast gar nicht aus wie die des modernen Menschen, aber die Wahrheiten sind immer noch relevant. Das ist kein Versuch, philosophische Wahrheiten mit aktueller Technologie zu verbinden, sondern einfach ein unbestreitbarer Aspekt der Funktionsweise von Informationen in der Natur. Und nochmal, wir können das Informationelle nicht vollständig vom Physischen trennen, und der menschliche Versuch, dies zu tun, ist nur eine epistemische Bequemlichkeit.
Das bedeutet nicht, dass wir nicht überrascht sein können über eine neue Art in den Tiefen des Ozeans oder unter den Baumkronen unserer Regenwälder. Aber wenn wir diese Arten betrachten, sind die wahrsten Aspekte ihrer physischen und Verhaltensmuster nicht so überraschend. Sie sind nur ein weiteres Beispiel für die Lösungen der Natur, die Probleme in ihrer Umgebung lösen. Und diese Entdeckungen werden immer wieder auf die gleichen Kerntatsachen zurückfallen.
Entdeckung in Wissenschaft und Technik bedeutet weniger, etwas aufzudecken, was wir noch nie wussten, sondern eher, die gleichen Kernmuster aufzudecken, die wir immer und immer wieder sehen. Wahres Wissen, das am ehesten mit der Natur übereinstimmt, konvergiert also eher als dass es wächst.
Und jetzt mal zum Thema: Die Tyrannei der Erklärung.
Die Wissenschaft hat die Erklärung zu ihrem Daseinszweck gemacht. Ihre Mission ist es, zu erklären, wie die Welt funktioniert. Uns wird gesagt, dass die Macht der Wissenschaft in ihrer Fähigkeit liegt, die kausalen Gründe für das aufzudecken, was wir beobachten. Die Wissenschaft ist dazu da, die Geheimnisse der Natur zu enthüllen und sie zu nutzen, um zum wachsenden Körper des menschlichen Wissens und unseres technologischen Fortschritts beizutragen.
Die wissenschaftliche Basis auf Erklärungen zu stützen, ist aber fehlerhaft. Erklärung in der heutigen Wissenschaft klingt zwar nach einem lohnenden Ziel, hängt aber vollständig von der Vorstellung des inneren Wissens ab, was sie in erster Linie reduktionistisch macht. Um etwas wissenschaftlich zu erklären, wird uns gesagt, dass wir darüber sprechen müssen, wie etwas intern funktioniert.
Eine Erklärung legt eine kausale Geschichte darüber dar, wie die Outputs eines bestimmten Phänomens erzeugt werden. Wenn wir ein relativ einfaches System wie ein Atom nehmen (einfach im Verhältnis zu unserer Erfahrung), können wir die Farben, die wir in Materialien sehen, anhand von elektronischen Übergängen erklären. Elektronen gehen von verschiedenen Niveaus über und geben Photonen mit einer bestimmten Frequenz ab, und unsere Augen nehmen diese Frequenzen als Farbe wahr.
Aber ist das wirklich das, was Farbe ist? Photonemissionen spielen zweifellos eine Rolle, aber Farbe existiert im Bereich der Komplexität, nicht der Einfachheit. Wahrnehmung, von irgendetwas, geht weit über eine einfache Abrechnung von Partikeln hinaus, die auf unsere Augen treffen. Unser Gehirn verarbeitet und interpretiert, was wir sehen.
Einige werden argumentieren, dass wir unserer Erklärung immer mehr Reduktionismus hinzufügen können, um das zu berücksichtigen, was fehlt. Über die physikalischen Eigenschaften des Lichts hinaus können wir die Biologie unseres visuellen Systems auseinandernehmen und vielleicht etwas Psychologie hinzufügen, um die subjektive Interpretation von Farbe zu erklären. Wir können sagen, dass die Farbwahrnehmung eine Vielzahl von Prozessen im Auge beinhaltet, einschliesslich der Absorption von Licht durch Photorezeptorzellen, der Signalverarbeitung durch die Netzhaut und der Übertragung von Signalen zum sogenannten visuellen Cortex im Gehirn.
Aber was ist mit Faktoren wie Lichtverhältnissen, anderen umgebenden Farben und individuellen Unterschieden in der Wahrnehmung? Wir wissen nicht, ob alle Menschen Farben gleich sehen. Es kann sogar einen Einfluss auf kultureller Ebene geben, der zu unterschiedlichen Assoziationen und Interpretationen dessen führt, was wir sehen.
Wir können immer mehr Erklärungen hinzufügen, um die Wahrnehmung von Farbe zu berücksichtigen, aber ab welchem Punkt wird das Unsinn? Während die Emission von Lichtfrequenzen durch Atome ein Aspekt von Farbe ist, bietet sie kaum eine Erklärungskraft. Die Hinzufügung der biologischen und psychologischen Erklärungen scheint das Wasser nur noch zu trüben.
Das Problem bei reduktionistischen Erklärungen ist, dass wir sie immer machen können. Wir können immer ein Teil des Systems auswählen und seine isolierte Existenz aufdecken. Aber dieses isolierte Stück ist kaum eine Erklärung für das, was wir messen, beobachten oder erleben. In Wirklichkeit sagt uns die Isolation eines Dings fast nichts darüber, wie Dinge entstehen. Der einzige Grund, warum die meisten Menschen dazu neigen, an isolierte Ursachen zu glauben, ist, weil wir davon ausgehen, dass das isolierte Stück kausal mit der Wahrnehmung verbunden ist. Aber das ist es nicht. Es kann es nicht sein. Wir wissen das, weil in komplexen Regimen Stücke nicht zu den Eigenschaften führen, die wir wahrnehmen, nicht in irgendeinem deterministischen Sinne. Und doch ist dies, wie Erklärungen von der wissenschaftlichen Gemeinschaft vermarktet werden. Dieser angenommene Determinismus ist so tief in die gesellschaftliche Wahrnehmung der Wissenschaft eingebacken, dass wir, wenn eine Erklärung gegeben wird, davon ausgehen, dass sie kausal mit dem verbunden ist, was wir sehen.
Der Kernfehler bei Erklärungen ist, dass sie für komplexe Phänomene nicht getestet werden können. Im Gegensatz zu einer Vorhersage, die durch wiederholte Beobachtung getestet werden kann, ist eine Erklärung im komplexen Regime weitgehend immun gegen die Zerstörung. Stell dir vor, du erklärst die Emotion Wut, indem du eine Aktivität in einer Region des Gehirns misst. Ja, die Aktivität ist real, ebenso wie ihre Messung. Wir können die Messung sogar bis zu einem beliebigen Grad verfeinern und unserer Erklärung immer mehr Präzision hinzufügen. Aber nichts davon kann die Verbindung zwischen der Gehirnregion und der Erfahrung realer machen. Die tatsächliche Verbindung zwischen reduktionistischen Entdeckungen und menschlicher Erfahrung ist grösstenteils Fiktion. Sie basiert auf einer angenommenen kausalen Verbindung, die nicht existiert. Wir wissen, dass sie nicht existiert, weil die Natur nicht so funktioniert. Die Natur produziert keine High-Level-Dinge, indem sie kausale Verbindungen von Lower-Level-Dingen verwendet.
Denke an Occam's Razor, das Prinzip der Problemlösung, das empfiehlt, nach einfachen Erklärungen anstelle von komplizierteren zu suchen. Der Punkt bei der Verwendung einfacher Erklärungen ist nicht, weil sie leichter zu verstehen sind, oder weil einfachere Theorien wahrer sein müssen, sondern weil einfache Dinge zerstört werden können. Occam's Razor funktioniert, weil er epistemische Demut zulässt und sagt, dass wir nicht wissen können, ob etwas wahr ist, aber wir wissen können, ob es überlebt. Wie ich bereits sagte, überleben Dinge in der Natur nicht aus zufälligen Gründen. Das Überleben ist das grösste Zeugnis für die Gültigkeit eines Dings. Aber wenn Erklärungen für komplexe Phänomene weitgehend immun gegen Tests sind, dann geht Occam's Razor aus dem Fenster. Jetzt werden Erklärungen künstlich gestützt und am Leben erhalten, weil falsche Annahmen über die Entdeckungen gemacht werden; dass sie kausal und deterministisch mit dem verbunden sind, was wir erleben.
Nichts davon negiert die epistemologische Notwendigkeit sicherzustellen, dass wir wissen, wie wir gerechtfertigte Überzeugungen von Meinungen unterscheiden können. Ja, die Unfähigkeit, Kausalität in komplexen Systemen zu sehen, bedeutet, dass es keine Möglichkeit gibt, eine reduktionistische Erklärung zu testen. Aber es gibt mehr als genügend Gründe zu wissen, dass solche Erklärungen falsch sind. Nicht durch Tests mit wiederholter Beobachtung, sondern durch Argumente, die auf Eigenschaften und Logik beruhen.
Wir wissen, dass komplexe Phänomene eine Reihe von Eigenschaften haben, an die sie sich halten. Diese Eigenschaften sind emergent und entstehen daher nicht durch eine additive, deterministische Reihe innerer Schritte. Deshalb gibt es keinen rationalen Grund, elektronische Übergänge als Erklärung für Farbe zu akzeptieren. Farbe hat keine Bedeutung ohne Wahrnehmung, und Wahrnehmung ist etwas, das aus einem komplexen Phänomen entsteht. Keine Menge an zusätzlichen physikalischen, chemischen, biologischen oder psychologischen Erklärungen kann zum Bild von Farbe beitragen, weil es nichts hinzuzufügen gibt.
Um es klar zu sagen, das bedeutet nicht, dass elektronische Übergänge oder irgendein anderer biologischer, chemischer oder psychologischer Mechanismus keine Rolle spielt. Natürlich tun sie das. Aber die Rolle zu kennen bedeutet, fast nichts zu wissen. Wie bereits argumentiert, ist es interessant zu sagen, dass Mitochondrien Energie produzieren, aber es hat wenig Bedeutung. Diese sogenannte "Rolle" verschwindet vollständig, wenn das Element aus der Zelle entfernt wird. Rollen sind bequeme Abgrenzungen, nicht kausale Realität. Wenn etwas vollständig davon abhängt, in eine Matrix unzähliger anderer Rollen eingebettet zu sein, dann verliert das Wort Rolle jede Bedeutung.
Die Tyrannei der Erklärung besteht darin, dass sie uns zwingt, die Welt durch die Linse des inneren Wissens zu betrachten. Sie lässt die Gesellschaft nur die getrennten Mechanismen akzeptieren, die durch Isolation und Extraktion gefunden wurden, als Erklärungen dafür, wie die Welt funktioniert.
Wenn die schlimmste Übertretung reduktionistischer Erklärungen ihre märchenhafte Natur wäre, wären sie bestenfalls irreführend. Aber reduktionistische Erklärungen arbeiten sich in unsere Designs ein. Denke an das Gesundheitswesen. Sobald eine Studie durchgeführt wurde, die ein "statistisch signifikantes" Ergebnis zeigt, wird sie oft in die Gesellschaft integriert. Forscher isolieren einen Aspekt eines gesundheitsbezogenen Phänomens und bestätigen, dass er eine Rolle spielt. Dies wird dann zu einem Weg, um menschliche Gesundheit zu erreichen. Aber so wie das innere Wissen über elektronische Übergänge, obwohl es immer noch in Isolation wahr ist, uns so gut wie nichts darüber sagt, was Farbe ist, so tut es auch die Rolle eines jeden Vitamins, Minerals oder gesundheitsbezogenen Eingriffs.
Deshalb müssen Erklärungen komplexer Phänomene auf Eigenschaften und Logik beruhen, nicht auf reduktionistischen Erklärungen. Aber Logik allein kann nicht die Antwort sein, wenn sie in einem kaputten Paradigma verwendet wird. Dies liegt daran, dass Logik nur funktioniert, wenn die Prämissen, die die Aussage einer Person untermauern, selbst gültig sind. Jemand kann ein gültiges Argument dafür vorbringen, dass er den Weg entdeckt hat, den Vitamin C in der Gesundheit spielt, aber nur, weil er Prämissen verwendet, von denen die Gesellschaft fälschlicherweise annimmt, dass sie gültig sind. So kommt unser reduktionistisches Paradigma mit so viel Unsinn davon. Es ist nicht die Logik, die fehlerhaft ist. Es ist nicht so, dass keine echten Entdeckungen gemacht werden. Es ist die grundlegende Annahme, dass das, was entdeckt wurde, automatisch mit den Outputs verbunden ist, die wir sehen.
Aber wenn Logik mit den Eigenschaften verwendet wird, von denen bekannt ist, dass sie in komplexen Systemen wahr sind, dann wird sie zu einem mächtigen Werkzeug, um Argumente über Phänomene vorzubringen, die wir beobachten. Logik, gepaart mit einer angemesseneren Form von Wissen, einer, die auf invarianten Wahrheiten basiert, ist ein mächtiges Werkzeug, um über das zu argumentieren, was real ist.
So, und jetzt schauen wir uns das Thema Logik mit Eigenschaften mal an.
Logik ist ein Denken, das nach strengen Prinzipien der Gültigkeit durchgeführt oder bewertet wird. Logik bietet einen Rahmen, mit dem Menschen Aussagen rational untermauern können, was dazu führt, dass sie als allgemein wahre Aussagen akzeptiert werden. Ich sage im Allgemeinen, weil es in der realen Welt so etwas wie reine Deduktion nicht gibt. Es gibt immer einen verschwommenen Aspekt, wie wahr Prämissen sein können, was die Möglichkeit ausschliesst, dass es sowohl rein wahre als auch realistische Aussagen gibt. Anders ausgedrückt, nur extrem einfache Situationen können als wahr bewiesen werden, und die Realität besteht nicht aus einfachen Situationen. Deshalb gibt es so etwas wie einen wissenschaftlichen Beweis nicht. Logischer Beweis ja. Mathematischer Beweis ja. Wissenschaftlicher Beweis nein.
Das bedeutet, dass die Stärke eines realen logischen Arguments vollständig auf seinen Prämissen beruht. Während das System der Logik unsere Prämissen und Schlussfolgerungen zusammenfügen kann, kann nur die Wahrheit der Prämissen ein Argument an die Natur binden. Die Nähe der Prämissen einer Person zu dem, was wir über die Natur wissen, macht etwas wahrer.
Die heutige reduktionistische Wissenschaft wird die Logik (lose und indirekt) verwenden, um ihre Position zu verteidigen. Die Wissenschaft führt Experimente durch oder entwickelt Theorien, und diese werden durchgeführt, um die Wahrhaftigkeit der Prämissen zu unterstützen, die in Argumenten verwendet werden. Wenn jemand Aktivität in einer Region des menschlichen Gehirns misst, wird er darüber nachdenken, wie diese Aktivität verwendet werden kann, um eine Schlussfolgerung zu ziehen, die sich auf die Quelle eines Verhaltens bezieht. Vielleicht zeigen fMRT-Scans eine erhöhte Aktivität im präfrontalen Kortex von Teilnehmern während eines Entscheidungsprozesses. Forscher werden schliessen, dass der präfrontale Kortex eine entscheidende Rolle bei der Entscheidungsfindung spielt. Bisher ist das völlig gültig. Aber dieses Argument beruht auf einer zutiefst fehlerhaften Annahme darüber, wie die Natur funktioniert. Es wird angenommen (und in keiner Weise festgestellt), dass es eine neuronale Quelle der menschlichen Entscheidungsfindung gibt. In einem vollständig ausgearbeiteten Argument wäre dies eine weitere ihrer Prämissen. Aber diese Prämisse kann nicht wahr sein. Sie kann nicht wahr sein, weil wir wissen, dass komplexe Systeme keine Quellen haben. Komplexität beruht per Definition auf Emergenz, die nicht nach Quellenstandorten oder -regionen funktioniert. Emergenz wird auf ganzheitliche, zutiefst voneinander abhängige Weise erreicht. Die Eigenschaften komplexer Systeme, wobei das menschliche Gehirn das komplexeste von allen ist, können keine Outputs mithilfe einer Region oder eines Standorts erzeugen.
Die Annahme, dass es eine neuronale Quelle der menschlichen Entscheidungsfindung geben muss, ist eine versteckte Prämisse (auch implizite Prämisse genannt). Dies ist eine Prämisse, die nicht explizit ausgesprochen wird, aber als wahr angenommen wird, damit die Schlussfolgerung gültig ist. Versteckte Prämissen sind problematisch, weil sie unbemerkt und ungeprüft bleiben. Dies kann potenziell zu fehlerhaftem Denken führen. Im Fall der sogenannten Aktivitätsregionen, die die Outputs eines komplexen Systems erklären, sind diese versteckten Prämissen geradezu falsch, was jede Schlussfolgerung, die aus solchen Experimenten gezogen wird, falsch macht.
Dies ist die Fäulnis im Herzen des heutigen wissenschaftlichen und ingenieurtechnischen Paradigmas. Während reduktionistische Prämissen bei der Entdeckung und dem Bau einfacher Dinge perfekt funktionierten, sind sie angesichts der Komplexität falsch. Die heutige Wissenschaft und Technik kommt mit so viel Reduktionismus davon, weil die Logik nicht korrekt verwendet wird, um ihre Schlussfolgerungen zu verteidigen. Die meisten Experimente und Theorien von heute basieren auf Argumenten mit versteckten Prämissen, die im Reduktionismus verwurzelt sind.
Für den Laien erscheinen solche Studien vollkommen in Ordnung. Vielleicht sogar ethisch. Wenn uns gesagt wird, dass Studien von Gehirnregionen zeigen, wie bestimmte Personen Schwierigkeiten mit der Entscheidungsfindung haben, wenn diese Region beeinträchtigt ist, deutet dies darauf hin, dass es eine nachgeschaltete Behandlung geben könnte. Aber dies ist schlechte Wissenschaft, die ihren Weg in unsere Designs findet. Wenn es um Interventionen geht, ist dies ein Rezept für eine Katastrophe, nicht für Ethik.
Nochmal, dies ist nicht die Schuld der Logik. Dies ist die Schuld eines groben Missverständnisses von Komplexität. Logik ist ein mächtiger Verbündeter des menschlichen Denkens, aber sie ist nur so stark wie ihre Prämissen. Die Nähe der Prämissen muss nahe an dem sein, was über die Natur bekannt ist. Und was wir wissen, sind Eigenschaften, nicht Ursachen.
Dies läuft auf das hinaus, was ich Eigenschaften über Gründe nenne. Es gibt keine unbegrenzte Anzahl von Eigenschaften, die in komplexen Systemen zu entdecken sind, es gibt nur eine Handvoll, und diese wenigen reichen aus, um unsere wichtigsten Entscheidungen in Wissenschaft, Technik und Gesellschaft im Grossen und Ganzen zu treffen.
Eigenschaften lassen sich am besten im Gegensatz zu kausalen Erklärungen definieren. Eine kausale Erklärung zu erstellen, beinhaltet die Identifizierung der zugrunde liegenden Ursachen oder Mechanismen, die die Outputs erzeugen, die wir beobachten, in einem bestimmten Phänomen oder Ereignis. Kausale Erklärungen versuchen zu erklären, wie etwas geschieht. Wir könnten erklären, wie sich ein Metall ausdehnt, wenn es erhitzt wird, indem wir die Zunahme der kinetischen Energie von Atomen diskutieren, was zu einer stärkeren atomaren Trennung führt.
Im Gegensatz dazu ist eine Eigenschaft ein beschreibender Aspekt eines Objekts oder Phänomens. Sie beantwortet, wie ein Objekt ist, nicht wie es seine Outputs erzeugt. In unserem Metallbeispiel ist die Tatsache, dass sich Metall beim Erhitzen ausdehnt, eine Eigenschaft von Metall (thermische Ausdehnung). Hier gibt es keinen Appell an kausale Mechanismen. Nur die Tatsache, dass sich Metall beim Erhitzen ausdehnt.
Eigenschaften können als Einschränkungen betrachtet werden, an die sich die Natur hält. Eigenschaften legen die Grenzen fest, innerhalb derer physikalische, chemische und biologische Prozesse ablaufen. Es gibt viele Eigenschaften in der Natur, wie z. B. die Tatsache, dass Masse und Energie weder erzeugt noch zerstört, sondern nur umgewandelt werden können. Wie der Gesamtimpuls eines geschlossenen Systems über die Zeit konstant bleibt, es sei denn, er wird durch äussere Kräfte beeinflusst. Wie die Entropie in isolierten Systemen nicht abnimmt, wie die Schwerkraft Objekte mit Masse zueinander anzieht und wie elektromagnetische Kräfte kleine Materie binden. Andere beziehen sich auf den Prozess, durch den Organismen Merkmale weitergeben, und wie diejenigen, die besser an die Umwelt angepasst sind, tendenziell überleben und sich fortpflanzen. Wir wissen, dass Ökosysteme Nährstoffkreisläufe und Energieflüsse aufweisen. Wir wissen, dass es Einschränkungen für die Lichtgeschwindigkeit gibt. Wir wissen, dass die Eigenschaften von Materialien Grenzen dafür setzen, was physisch möglich ist. Wir wissen, dass Systeme in der Natur dazu neigen, durch Rückkopplungsmechanismen ein Gleichgewicht und Stabilität zu suchen. Und so weiter.
Die vorherigen Eigenschaften sind nicht, wie Dinge geschehen, sie sind, warum Dinge geschehen. In einfachen Systemen sind das Wie und das Warum im Wesentlichen dasselbe. Wenn ich frage, warum Planeten in der Nähe der Sonne bleiben, kann uns die Eigenschaft der Gravitationsanziehung sowohl das Wie als auch das Warum sagen. Aber unter Komplexität ist dies nicht der Fall. Wenn wir fragen, wie alle Planeten in den Positionen bleiben, in denen sie sich befinden, können wir immer noch das Warum beantworten (wegen der Schwerkraft), aber wir bemühen uns, das Wie (den spezifischen Prozess, der die Planeten an ihrem Platz hält) in irgendeinem genauen Sinne zu beantworten. Erweitern wir dies auf komplexere Systeme, so verschwindet das Wie vollständig.
Wir haben die verschiedenen Eigenschaften der Komplexität in diesem Buch gesehen. Diese fallen unter die breiteren Bereiche der Thermodynamik, Informationstheorie, Berechnung und Evolution. Ich habe den evolutionären Prozess, das Rezept der Natur aus Variation, Selektion und Iteration, die Art und Weise, wie Entropie gleichermassen mit den physikalischen und informationellen Aspekten von Phänomenen verbunden ist, die Verwendung von Informationskompression durch die Natur, die verschachtelte Struktur von Problemen, flexiblen Determinismus, multiple Realisierbarkeit, wie Meta-Level-Prozesse Abstraktionen erzeugen, Gruppenselektion und die Tatsache, dass Dinge nicht aus zufälligen Gründen überleben, diskutiert.
Diese stammen alle von grundlegenderen Eigenschaften wie Nichtlinearität, Selbstorganisation, Anpassungsfähigkeit, Resilienz, Rückkopplungsschleifen, Hierarchie, Kritikalität, chaotischer und periodischer Dynamik, Synchronisation, Phasenübergängen, Bifurkation und spontaner Musterbildung ab.
Während diese Liste umfangreich erscheinen mag, ist sie recht klein im Vergleich zu der Anzahl kausaler Erklärungen, die Wissenschaftler und Ingenieure vorbringen. Es gibt keine Grenzen für die Anzahl der Erklärungen, die unter dem Reduktionismus erfunden werden können. Wir können immer wieder Schichten abtragen, uns entscheiden, ein Stück Materie (Gene, Regionen usw.) abzugrenzen, und dann eine Geschichte darüber erfinden, wie es mit dem verbunden ist, was wir an der Oberfläche beobachten.
Ich behaupte, dass wirklich strenge wissenschaftliche Beschreibungen von Dingen und jede Entscheidungsfindung, die daraus resultieren könnte, nicht auf kausalen Erklärungen beruhen können. Es ist viel wissenschaftlicher, die Natur anhand ihrer universellen, zeitlosen Eigenschaften zu beschreiben und zu entscheiden. Reale Situationen und alle Phänomene der Natur haben keine Pfade und Wurzelursachen, sie haben unbestreitbare Eigenschaften, an die sie sich halten. Eigenschaften sind die invarianten Wahrheiten, die im Abstrakten existieren, wo die wahre Wahrheit lebt. Nur durch einen Rahmen, der Logik mit Eigenschaften, nicht mit Gründen, verbindet, können wir in eine intellektuell ehrliche Phase der Wissenschaft und Technik im Zeitalter der Komplexität eintreten.
Ja, und jetzt mal zur Richtung der Komplexität.
Was uns die Eigenschaften der Natur zeigen, was verpasst würde, wenn wir in Ursachen versunken wären, ist, dass es eine Einbahnrichtung zur Komplexität gibt. Komplexe Dinge zeigen das plötzliche und irreversible Entstehen physikalischer Strukturen und Verhaltensweisen. Die Eigenschaften, die wir in der Natur sehen, werden nicht aus einer Quelle oder einem Pfad erreicht, sie materialisieren sich aus einem fantastisch komplizierten System statistischer Wahrscheinlichkeit. Alle Teile sind erforderlich, um die Natur zu dem zu machen, was sie ist. Die Lösungen der Natur können und würden nicht funktionieren, ohne dass die gesamte Gruppe zusammenarbeitet, um den ganzheitlichen Output zu erzeugen. In einfachen Systemen trägt jedes Teil inkrementell zur Funktionsweise des Ganzen bei. So funktionieren komplexe Systeme nicht. Komplexe Systeme entstehen in einem Augenblick, wenn die notwendigen Teile vorhanden sind, um die Antworten auf ihre externen Probleme zu berechnen.
Das völlige Fehlen eines deterministischen Pfades unter Komplexität bedeutet, dass Komplexität nur in eine Richtung funktioniert. Wir können die Komponenten, die ein komplexes System zum Funktionieren bringen, nicht zusammensetzen, sondern Komplexität muss erst im Nachhinein entstehen. Dies schliesst die Vorstellung, dass Design zu guten Ergebnissen führen kann, vollständig aus.
Diese Einbahnrichtung der Komplexität garantiert, dass ein Design das Bauen komplexer Dinge beeinträchtigt, indem es verhindert, dass Emergenz korrekt abläuft. Deshalb wird das Schreiben, das im Voraus literarische Strukturen verwendet, langweiligen Inhalt erzeugen. Deshalb funktioniert die absichtliche Einführung einer genetischen Veränderung, um ein Ergebnis zu erzielen, nie ohne Nebenwirkungen. Deshalb ist "Präzisionsmedizin" ein Oxymoron. Deshalb wird drastisches Social Engineering letztendlich zu Gräueltaten führen. Gutes Design unter Komplexität ist keine Frage der Schwierigkeit, sondern der Unmöglichkeit.
Änderungen an den Inputs einzuführen, wird per Definition eine breite Palette von Änderungen an den Outputs erzeugen. Einige dieser Änderungen können sich als wünschenswert erweisen. Die Kopfschmerzen verschwinden möglicherweise, die Maisfelder gedeihen möglicherweise, das Baby hat möglicherweise blaue Augen. Dies bedeutet nicht, dass die Ursache identifiziert wurde, es bedeutet nur, dass das Drehen an einem Ende des Systems zu einer reproduzierbaren Änderung am anderen Ende geführt hat. DDT war sehr effektiv bei der Bekämpfung von Mückenpopulationen, aber auch geschickt darin, Nahrungsketten zu stören, Eierschalen zu verdünnen und Populationen zu zerstören. Alles ist miteinander verbunden. Die Natur funktioniert nicht mit den fiktiven Ursachen, die von Menschen definiert werden. Komplexität läuft nicht auf einem Pfad von Inputs zu Outputs im deterministischen Sinne ab. Die Intervention in komplexe Systeme basiert auf Design, und Design muss auf schädliche Weise eingreifen, weil es auf einer Prämisse basiert, die diametral entgegengesetzt zu der Art und Weise ist, wie komplexe Systeme ihre Outputs erzeugen.
Das Wissen um die Eigenschaften, die mit Komplexität und damit mit dem Leben verbunden sind, ermöglicht es uns, bessere Entscheidungen zu treffen, die auf universellen Mustern basieren, die mit Komplexität verbunden sind. Alle Situationen können besser entschieden werden, weil wir Entscheidungen nicht auf fiktives internes Wissen (Gründe) stützen, sondern auf universell wahre Eigenschaften, von denen garantiert wird, dass sie gelten. Dies garantiert keine spezifischen Ergebnisse, aber es garantiert, dass sich Systeme an Einschränkungen und Muster halten, die wir bereits kennen.
Und das führt uns zum Thema: Überleben ist die einzig wahre Validierung.
Validierung hat schon immer eine zentrale Rolle im Design gespielt. Unzählige Prozesse wurden erfunden, um zu bestätigen, dass ein Design die Bedürfnisse und Anforderungen von Endbenutzern und anderen Stakeholdern erfüllt. Der Punkt der Validierung ist sicherzustellen, dass ein Design das Problem löst, das es lösen soll. Natürlich hängt all dies vollständig vom kausalen Determinismus einfacher Maschinen ab, der unter Komplexität nicht existiert. Was bedeutet also Validierung, wenn wir komplexe Dinge bauen? Wie können wir wissen, dass unsere Arbeit dem entspricht, was benötigt wird, um das Problem zu lösen?
Der Hauptunterschied besteht darin, dass komplexe Lösungen Probleme nicht wie beabsichtigt lösen können (im Sinne eines bekannten Prozesses), weil Absicht nach Design riecht. Wir können keine Einzelheiten darüber kennen, wie die internen Gedärme unserer komplexen Erfindungen Probleme lösen, weil es keine "Gedärme" im reduktionistischen Sinne gibt.
Und doch ist Validierung wichtig. Wir müssen die automatische Realisierung physikalischer Abstraktionen validieren, die Antworten auf natürlich schwierige Probleme berechnen. Wir können kein ganzes Buch schreiben, ohne eine Form der Validierung auf dem Weg zum Ende. Wir können das nächste Deep-Learning-System nicht entwickeln, ohne zu validieren, dass unsere laufenden Bemühungen dem Wissen über Systeme entsprechen. Das stimmt, aber entscheidend ist die Neudefinition dessen, was Wissen über Systeme ausmacht.
Wie bereits erwähnt, sind es die Eigenschaften der Komplexität, die jetzt wichtig sind; die gute von schlechten Lösungen abgrenzen. Dies sind die Eigenschaften, denen entsprochen werden muss. Aber wir müssen mit dem Wort entsprechen vorsichtig sein. Erinnere dich an die Richtung der Komplexität. Validierung unter Komplexität kann nur im Nachhinein, nicht vorher, funktionieren.
Etwas entspricht, wenn es Regeln, Standards oder Gesetzen entspricht. Im aktuellen Wissenschafts- und Ingenieurparadigma geschieht dies in der entgegengesetzten Richtung zur Komplexität. Die Regeln, Standards oder Gesetze, die verwendet werden, werden zu Beginn festgelegt, und es wird erwartet, dass unsere Arbeit ihnen auf dem Weg entspricht. In der Komplexität muss diese Übereinstimmung in der entgegengesetzten Richtung funktionieren. Regeln, Standards und Gesetze dürfen nur als Signale verwendet werden, dass unsere Verwendung von Versuch-und-Irrtum und Heuristiken gut verläuft.
Es geht darum sicherzustellen, dass die Strukturen in den Gedärmen unserer Schöpfungen entstehen. Die Regeln, Standards und Gesetze der Konformität sind nur dazu da, zu signalisieren, dass das, was wir erschaffen, Eigenschaften zeigt, die wir erwarten. Was Eigenschaften anstelle von Gründen unter Komplexität zum Funktionieren bringt, ist, dass sie nicht eingreifen. Eigenschaften greifen nicht in den organischen Fluss und die Ankunft der inneren Details unserer Schöpfung ein.
Dies macht Eigenschaften kategorisch meta. Nehmen wir eine beliebige Eigenschaft der Komplexität, z. B. Selbstorganisation. Dies ist selbstbezüglich, weil es beinhaltet, dass sich Entitäten ohne externe Intervention selbst organisieren. Selbstorganisation nutzt selbsterhaltende Rückkopplungsschleifen, die es dem System ermöglichen, sich selbst zur Orientierung und Richtung zu beziehen. Wie wäre es mit multipler Realisierbarkeit, wo unterschiedliche zugrunde liegende Strukturen das gleiche Ergebnis oder Verhalten erzeugen? Hier gibt es eine Art Redundanz, die es einem System ermöglicht, sich anzupassen, indem es alternative "Pfade" findet, um das gewünschte Ergebnis zu erzielen. Auch hier gibt es keine externe Intervention, die dem System sagt, wohin es gehen oder wie es sich ändern soll. Es ist die eingebaute Fähigkeit, viele Inputs auf wenige Outputs abzubilden, die es dem System ermöglicht, sich selbst anzupassen.
Im Gegensatz zum Design geht es beim Bau komplexer Dinge nicht um Konformität, sondern darum