Складність і емерджентність — хаос, атрактори та…

Що таке складність?

Складна система — це така, у якій прості правила на локальному рівні породжують багату, непередбачувану поведінку на глобальному рівні. Правила детерміновані — запустіть ті самі початкові умови двічі, і отримаєте той самий результат. Але крихітні зміни у вхідних даних породжують надзвичайно різні результати вже за короткий час. Це чутлива залежність від початкових умов — ознака хаосу.

Складність — не те саме, що заплутаність. Заплутана система (наприклад, автомобільний двигун) має багато частин, але передбачувана та зводиться до складових. Складна система (наприклад, погода або мозок) має емерджентні властивості, які неможливо вивести лише з частин.

Хаос: система Лоренца

У 1963 році Ед Лоренц виявив, що його проста модель погоди з трьома ЗДР ніколи не можна передбачити далі ніж приблизно на 2 тижні. Система детермінована, але хаотична:

Рівняння Лоренца (модель конвекції атмосфери)

dx/dt = σ(y − x)
dy/dt = x(ρ − z) − y
dz/dt = xy − βz

Класичні параметри: σ = 10 · ρ = 28 · β = 8/3

Попри повну детермінованість, дві траєкторії, що починаються на відстані 10⁻¹⁴ одна від одної, розходяться експоненційно — приблизно за 35 одиниць часу вони стають повністю некорельованими. Показник Ляпунова λ ≈ 0.9 для системи Лоренца кількісно виражає темп цього розходження.

          // Система Лоренца — інтегрується методом RK4
          function
          lorenzDerivatives({ x, y, z }) {
          const sigma = 10, rho
          = 28, beta = 8/3; return { dx: sigma * (y - x), dy: x * (rho
          - z) - y, dz: x * y - beta * z }; }

          // Дві майже ідентичні початкові умови повністю розходяться до t
            ≈ 35
          const A = { x: 0.1,
          y: 0.1, z: 0.1 };
          const B = { x: 0.1,
          y: 0.1001, z: 0.1 };
          // різниця у 0.01% у координаті y
        

Дивні атрактори

Система Лоренца ніколи не повторюється — вона вимальовує знамениту форму метелика у 3D-просторі станів вічно, не перетинаючи саму себе. Це дивний атрактор: фрактальна множина, до якої сходяться всі сусідні траєкторії незалежно від початкової точки, але яка ніколи не встановлюється у періодичну орбіту. Її фрактальна розмірність становить приблизно 2.06.

Атрактор Лоренца

3D-орбіта у формі метелика в просторі станів (x,y,z). Траєкторії ніколи не повторюються; атрактор має фрактальну розмірність ~2.06. Представляє конвективні валики погоди.

Показник Ляпунова

Вимірює, наскільки швидко розходяться сусідні траєкторії. λ > 0 означає хаотичність (експоненційне розходження); λ < 0 означає стабільність (траєкторії сходяться). Складно виміряти у зашумлених даних.

Фрактальна розмірність

Атрактори займають простір між цілими розмірностями — атрактор Лоренца достатньо "2D", щоб заповнювати площину, але частково "3D". Фрактальна розмірність = формула підрахунку клітинок log(N)/log(1/ε).

Фазовий простір

Простір, у якому кожна вісь — це змінна стану (положення, швидкість тощо). Замість відстеження часу ви відстежуєте траєкторію системи через усі можливі стани одночасно.

Біфуркація: як народжується хаос

Логістичне відображення x_{n+1} = r·x_n·(1 − x_n) — найпростіше рівняння, яке породжує хаос. Воно моделює популяцію з обмеженим ресурсом: x — частка від граничної місткості середовища, r — темп зростання.

Для r < 1: популяція вимирає
Для 1 < r < 3: єдина стабільна нерухома точка
Для 3 < r < 3.57: подвоєння періоду — цикли 2, 4, 8, 16 …
Для r > 3.57: хаос (здебільшого), з острівцями періодичності

Діаграма біфуркації показує стабільні атрактори залежно від r — вона відкриває сталу Фейгенбаума δ ≈ 4.669, універсальне співвідношення, що керує тим, наскільки швидко подвоєння періоду сходиться до хаосу, і зустрічається у сотнях фізичних систем.

          // Генерація даних для діаграми біфуркації
          for (let r =
          2.5; r <= 4.0; r
          += 0.001) { let x =
          0.5; for (let
          i = 0; i < 500;
          i++) x = r * x * (1 - x);
          // перехідний процес
          for (let i =
          0; i < 200; i++)
          { x = r * x * (1 - x);
          plot(r, x);
          // запис точок атрактора
          } }
        

Самоорганізована критичність

Модель купи піску Пера Бака (1987) показує, що багато природних систем самостійно організуються у критичний стан — без будь-якого зовнішнього налаштування. Кидайте піщинки на купу; коли локальний нахил перевищує поріг, зерна обвалюються лавиною. Розподіл розмірів лавин слідує степеневому закону: багато крихітних лавин, менше великих і рідкісні катастрофічні обвали.

Цей степеневий розподіл (шум 1/f) з'являється у землетрусах (закон Гутенберга-Ріхтера), лісових пожежах, автомобільних заторах, фінансових крахах та еволюційній історії (вимираннях). Система завжди перебуває поблизу критичної точки, тому що докритичні стани притягують більше входу (більше піску), а надкритичні стани обвалюються назад.

Де складність з'являється на сайті

Діаграма біфуркації

Інтерактивна діаграма біфуркації логістичного відображення. Наближайте дерево Фейгенбаума — кожна гілка подвоєння періоду — самоподібна копія цілого.

Більярд (більярд Синая)

Пружні зіткнення в обмеженій арені з круглою перешкодою. Траєкторії хаотичні — різниця у 10⁻¹⁵ радіана в куті запуску дає повністю інший довгостроковий шлях.

Зграя птахів (Boids)

Три правила Рейнольдса (розділення, вирівнювання, згуртованість) створюють живоподібну зграю без жодної глобальної координації. Глобальна структура повністю виникає з локальних рішень агентів.

Папороть Барнслі / IFS

Системи ітерованих функцій генерують точні фрактальні форми (папороті, дерева) через повторювані випадкові афінні перетворення. Атрактор з'являється незалежно від початкової точки.

Колонія мурах (стигмергія)

Кожна мураха слідує локальним градієнтам феромону. Колонія колективно знаходить найкоротші шляхи — самоорганізоване рішення задачі комівояжера — без центрального контролера.

Поширення хвороби (SIR)

Модель SIR має критичний поріг R₀ = 1. Нижче нього епідемії вгасають; вище — зростають експоненційно. Це фазовий перехід — ознака критичності.

Глибока ідея: Хаос — не те саме, що випадковість. Хаотичні системи на 100% детерміновані — але їхній довгостроковий стан неможливо передбачити, оскільки нам завжди бракуватиме досконалого знання початкових умов. Це фундаментальне обмеження передбачуваності, а не хиба наших рівнянь.