Złożone systemy adaptacyjne (Complex Adaptive Systems - CAS) jako narzędzia modelowania i analizy organizacji
Pełen tekst
(2) 46. Czes∏asz Mesjasz. Celem artyku∏u jest przeglàd zastosowaƒ z∏o˝onych systemów adaptacyj nych (Complex Adaptive Systems – CAS) w‑modelowaniu organizacji. Opraco wanie stanowi wst´p do dalszych badaƒ teoretycznych, jak te˝ do opracowania modeli z∏o˝onych systemów adaptacyjnych, które w‑szerszym ni˝ dotychczas zakresie umo˝liwia∏yby opis i‑analiz´ dzia∏ania wszelkiego rodzaju nowocze snych organizacji. Zwi´kszanie z∏o˝onoÊci repertuaru zachowaƒ elementów ZSA pozwala na budow´ modeli, które w‑coraz wierniejszy sposób ilustrujà zjawiska zacho dzàce w‑wielu systemach, w‑tym w‑systemach spo∏ecznych. Pozwalajà te˝ na tworzenie swego rodzaju sztucznych modeli ˝ycia (Artificial Life), czy te˝ sztucznych spo∏eczeƒstw (Artificial Societies). Dzi´ki adaptacyjnym mo˝liwoÊciom elementów oraz traktowanych ca∏o Êciowo ZSA mo˝liwe staje si´ opisywanie i‑analizowanie dzia∏ania wszelkiego rodzaju organizacji, poczynajàc od przedsi´biorstw i‑ich elementów, poprzez sieci przedsi´biorstw, a‑na sektorach i‑ca∏ej gospodarce koƒczàc. Szczególnie istotnà zaletà z∏o˝onych systemów adaptacyjnych jest to, ˝e mogà one s∏u˝yç do badania procesów uczenia si´ organizacji i‑tworzenia wiedzy.. 2. Złożoność systemów społecznych 2.1. Ogólne cechy systemów złożonych Od lat 70. dwudziestego wieku w‑literaturze z‑zakresu teorii organizacji i‑zarzàdzania, a‑tak˝e w‑praktyce, podejmuje si´ próby stosowania koncepcji powsta∏ych w‑ramach teorii z∏o˝onoÊci (teorii systemów z∏o˝onych), czy te˝ teorii chaosu. Okazuje si´ jednak˝e, ˝e cz´sto próby te polegajà jedynie na stosowaniu ogólnych hase∏, takich jak: chaos, z∏o˝onoÊç, fraktale, atraktory, samoorganizacja, i‑zapomina si´ o‑ich metaforycznym charakterze. Obecnie mo˝na zauwa˝yç dwa nurty zastosowaƒ tych koncepcji. Po pierw sze, wykorzystuje si´ je jako podstaw´ opisu i‑analizy procesów uczenia si´ organizacji, zarzàdzania wiedzà i‑kapita∏em intelektualnym [Arthur 1994], [Nesterowicz 2001]. Po drugie, stosowane sà równie˝ w‑teorii i‑praktyce zarzà dzania strategicznego [Church 1999]. W‑wielu jednak˝e przypadkach poj´cia te sà stosowane bez odpowiedniego uzasadnienia, co sprawia, ˝e chocia˝ na pozór teksty te sprawiajà wra˝enie „naukowych”, to jednak˝e ich wartoÊç teoretyczna i‑praktyczna jest niewielka [Oztas i‑in., 2002]. Nale˝y zatem przede wszystkim wyjaÊniç znaczenie i‑uporzàdkowaç poj´cia ∏àczone cz´sto wspólnà nazwà jako teoria z∏o˝onoÊci, teoria chaosu, czy te˝ teoria z∏o˝onych systemów adaptacyj nych (Complex Adaptive Systems Theory – CAS). Pierwszym problemem jest zdefiniowanie poj´cia z∏o˝onoÊci. Jak stwier dzi∏ jeden z‑czo∏owych specjalistów w‑zakresie zastosowaƒ teorii systemów w‑ekonomii, w‑literaturze mo˝na znaleêç 45 definicji z∏o˝onoÊci, z‑których tylko cz´Êç jest bezpoÊrednio przydatna w‑naukach spo∏ecznych [Rosser 1999, 2000]..
(3) Z∏o˝one systemy adaptacyjne.... 47. W ogólnym uj´ciu z∏o˝onoÊç obiektu mo˝e byç traktowana jako niemo˝noÊç przewidywania jego zachowania ani za pomocà metod deterministycznych, ani metod stochastycznych. W‑uproszczeniu nieprzewidywalnoÊç wynika z‑dwóch podstawowych przyczyn. Po pierwsze, z‑obiektywnych w∏asnoÊci obiektu badania – „obiektywna z∏o˝onoÊç” lub te˝ z‑przyczyn subiektywnych wynikajàcych z‑braku mo˝liwoÊci przewidywania zachowania systemu przez dany podmiot – „subiektywna z∏o˝onoÊç”, czy te˝ „z∏o˝onoÊç relacyjna”. Oczy wiste jest, ˝e nieprzewidywalnoÊç systemów z∏o˝onych jest z‑regu∏y efektem obydwu przyczyn. Jednà z‑podstawowych cech systemów z∏o˝onych sà wy∏aniajàce si´ w∏a snoÊci (emerging properties). Wy∏anianie si´ (emergence) mo˝na zdefiniowaç jako takà cech´ zachowania ca∏ego systemu, która jest efektem oddzia∏ywaƒ elementów systemu, ale której nie mo˝na przewidzieç, ani nawet wyobraziç sobie na podstawie znajomoÊci zachowania ka˝dego z‑elementów z‑osobna [Casti 1997], [ Lissack 1999, s. 111]. Nale˝y te˝ wyjaÊniç ró˝nice pomi´dzy systemami z∏o˝onymi (complex sys tems) a‑systemami skomplikowanymi – complicated (intricate) systems. Zacho wanie systemu skomplikowanego mo˝e byç poznane poprzez roz∏o˝enie na ele menty sk∏adowe i‑identyfikacj´ ich zachowania (dzia∏ania), natomiast nie jest mo˝liwe w‑odniesieniu do systemu z∏o˝onego, którego zachowania nie mo˝na poznaç poprzez poznanie zachowania jego elementów sk∏adowych. Systemy spo∏eczne mogà charakteryzowaç si´ trzema rodzajami z∏o˝onoÊci: logicznà, epistemologicznà i‑obliczeniowà. Opis poszczególnych rodzajów z∏o ˝onoÊci dokonany zosta∏ z‑wykorzystaniem interpretacji przedstawionej przez L. Biggiero [2001] i‑opisany zosta∏, mi´dzy innymi w‑nast´pujàcych pracach: [Mesjasz 2003, 2004]. 2.2. Chaos a złożoność Chocia˝ w‑wielu opracowaniach poj´cia teoria chaosu deterministycznego i‑teoria z∏o˝onoÊci cz´sto stosuje si´ zamiennie, to jednak˝e podejÊcie takie wydaje si´ istotnym uproszczeniem. Podstawowà cechà systemów nielinio wych wykazujàcych chaotycznà dynamik´ jest wysoka zale˝noÊç parametrów poczàtkowych od niewielkich zmian. Niewielka zmiana wartoÊci parametrów wyjÊciowych mo˝e prowadziç do du˝ych zmian – „efekt motyla”. Istotna cechà tego zjawiska jest to, ˝e przejÊcie do chaosu odbywa si´ dla pewnej wartoÊci parametru opisujàcego dany system. Po osiàgni´ciu wartoÊci krytycznej stany równowagi systemu zaczynajà wykazywaç bifurkacje, czyli rozchodzenie si´ trajektorii w‑dwóch kierunkach, przy czym nie jest mo˝liwe dok∏adne okreÊle nie prawdopodobieƒstwa wyboru okreÊlonej ga∏´zi bifurkacji [Gleick 1996, s. 67–91]. Rozwa˝ania dotyczàce teorii z∏o˝onoÊci mo˝na podsumowaç w‑inny spo sób, wskazujàc zale˝noÊci pomi´dzy poszczególnymi koncepcjami a‑cechami obserwowanymi w‑poszczególnych systemach..
(4) Czes∏asz Mesjasz. 48. TEORIE. CECHY SYSTEMOWE. Nauki przyrodnicze. Samoorganizacja. Struktury dyssypatywne (chemia, fizyka) (Prigogine). Wy∏aniajàce si´ w∏asnoÊci (emergencje) Wspó∏zale˝noÊç Sprz´˝enia zwrotne. Systemy autokatalityczne Biologia ewolucyjna (Kauffman). Stany odleg∏e od równowagi (far-from-equilibrium). Autopoiesis (samotworzenie) Biologia, procesy poznawcze (Maturana) Teoria chaosu Nauki spo∏eczne Autopoiesis (samotworzenie) systemów spo∏ecznych (Luhmann). Przestrzeƒ mo˝liwoÊci Wspó∏ewolucja (co-evolution) Zale˝noÊç od Êcie˝ki (path dependence) TWORZENIE NOWEGO UPORZÑDKOWANIA. Ekonomia wzrastajàcych przyrostów kraƒcowych (ekonomia oparta na wiedzy) B. Arthur. Rys. 1. Teorie i cechy systemów z∏o˝onych èród∏o: opracowanie w∏asne.. 3. Złożone systemy adaptacyjne (Complex Adaptive Systems) 3.1. Podstawowe cechy złożonych systemów adaptacyjnych Z∏o˝one systemy adaptacyjne (ZSA) (Complex Adaptive Systems – CAS) stanowià swego rodzaju podklas´ systemów z∏o˝onych. G∏ównymi twórcami koncepcji z∏o˝onych systemów adaptacyjnych sà matematyk J.H. Holland oraz laureat Nagrody Nobla w‑dziedzinie fizyki M. Gell-Mann. Badania dotyczàce ZSA okreÊlane sà czasem jako teoria z∏o˝onoÊci (complexity theory), czy te˝ nauka o‑z∏o˝onoÊci (complexity science), chocia˝ wykorzystanie terminów.
(5) Z∏o˝one systemy adaptacyjne.... 49. „teoria”, czy te˝ „nauka” nie wydaje si´ uzasadnione, chocia˝by ze wzgl´du na interdyscyplinarny charakter tych badaƒ. Z∏o˝one systemy adaptacyjne mogà byç wykorzystywane do modelowania wielu rodzajów systemów, takich jak: rynki finansowe, kolonie zwierzàt, sys temy spo∏eczne, systemy odpornoÊciowe, sieci komputerowe, relacje pomi´dzy paƒstwami i‑wiele innych, podobnych obiektów z∏o˝onych z‑wielu elementów dzia∏ajàcych (collectivities). Podstawowym elementem z∏o˝onego systemu adaptacyjnego jest agent rozumiany w‑j´zyku angielskim jako obiekt (element) dzia∏ajàcy. Bioràc pod uwag´ problemy ze stosowaniem tego terminu w‑polskiej terminologii nauko wej, nie tylko polityczne, warto by∏oby zastanowiç si´, czy nie mo˝na wpro wadziç jakiegoÊ polskiego odpowiednika dla tego terminu. Termin „agent” zarówno w‑j´zyku polskim, jak i‑w‑j´zyku angielskim ma nie tylko znaczenie dotyczàce obiektu (podmiotu) dzia∏ajàcego, ale równie˝ oznacza przedstawi ciela, czy te˝ reprezentanta. Zgodnie z‑podstawowà definicjà, którà mo˝na wyprowadziç z‑rozwa˝aƒ zawartych w‑pierwszych pracach dotyczàcych tego problemu, z∏o˝ony system adaptacyjny stanowi dynamicznà sieç oddzia∏ujàcych na siebie podstawowych elementów (obiektów) dzia∏ajàcych (agentów), które mogà byç traktowane jako modele komórek, gatunków, indywidualnych podmiotów (osób), elemen tów wszelkiego rodzaju sieci komputerowych, przedsi´biorstw, czy te˝ krajów. Elementy tej sieci dzia∏ajà równolegle, wp∏ywajàc na inne elementy i‑reagu jàc na ich wp∏yw. Wp∏yw ten polega na komunikacji, konfliktach, kooperacji i‑negocjacjach, W‑z∏o˝onym systemie adaptacyjnym brakuje jakiejkolwiek scentralizowanej kontroli. Elementy tego systemu pozostajà w‑pe∏ni autono miczne, co oznacza, ˝e posiadajà one mo˝liwoÊç kontroli nad swymi stanami wewn´trznymi Z∏o˝ony system adaptacyjny posiada nast´pujàce cechy: samopodobieƒstwo (self-similarity), z∏o˝onoÊç, wy∏aniajàce si´ zachowanie (emergence) oraz samoorganizacja. Z∏o˝one systemy adaptacyjne stanowià wi´c swego rodzaju specyficzny rodzaj systemów wieloagentowych oraz wykorzystywanych w‑roz wa˝aniach informatycznych systemy inteligentnych obiektów dzia∏ajàcych (agentów). Samopodobieƒstwo polega na tym, ˝e ca∏oÊç systemu jest w‑pewien spo sób podobna do swych elementów. Przyk∏adem samopodobieƒstwa sà takie obiekty matematyczne, jak fraktale. W‑przypadku ZSA z∏o˝onoÊç wià˝e si´ z‑wielowymiarowoÊcià (wieloaspektowoÊcià) zachowania tych systemów, nie mo˝noÊcià ich dekompozycji (efekt synergiczny), nieliniowoÊcià, samoorgani zacjà oraz wy∏aniajàcymi si´ w∏asnoÊciami. Kolejnym poj´ciem opisujàcym zachowanie si´ z∏o˝onych systemów adapta cyjnych jest wy∏anianie si´ zachowania lub cech tych systemów (emergence). W‑najprostszym uj´ciu ∏àczy si´ je z‑intuicyjnie definiowanà synergià. Oznacza te˝ ono, ˝e na podstawie znajomoÊci zachowania si´ i‑cech elementów danego systemu nie jest mo˝liwe przewidywanie zachowania ca∏oÊci systemu..
(6) Czes∏asz Mesjasz. 50. Zmienne otoczenie zewn´trzne. Zmienne otoczenie zewn´trzne Z¸O˚ONE ZACHOWANIE ADAPTACYJNE. Informacje wyjÊciowe. Informacje wejÊciowe. Wy∏anianie si´ zachowania ca∏oÊci (emergence). Proste lokalne relacje samoorganizacji pomi´dzy adaptatywnymi elementami (agentami). Zmienne otoczenie zewn´trzne. Ujemne sprz´˝enie zwrotne (os∏abienie). Dodatnie sprz´˝enie zwrotne (wznowienie). Informacje wyjÊciowe. Informacje wejÊciowe. Zmienne otoczenie zewn´trzne. Rys. 2. Zachowanie si´ z∏o˝onego systemu adaptacyjnego èród∏o: opracowanie w∏asne.. Ostatnià cechà z∏o˝onych systemów adaptacyjnych jest zdolnoÊç do samo organizacji. Podobnie jak w‑pozosta∏ych przypadkach, samoorganizacja jest.
(7) Z∏o˝one systemy adaptacyjne.... 51. trudna do jednoznacznego zdefiniowania. Stanowi ona jedno z‑centralnych poj´ç fizyki, chemii, biologii, czy te˝ nauk spo∏ecznych. Samoorganizacja cz´sto jest wiàzana z‑wy∏aniajàcym si´ zachowaniem systemu. W‑ka˝dej z‑dziedzin nauki samoorganizacja jest inaczej rozumiana. W‑fizyce wià˝e si´ procesami spontanicznego wzrostu uporzàdkowania, w‑chemii z‑procesami autokatalizy, w‑biologii z‑homeostazà, natomiast w‑naukach spo∏ecznych samoorganizacja stanowi jednà z‑podstawowych cech rynku oraz demokracji. 3.2. Metody modelowania Opisane wczeÊniej ogólne cechy z∏o˝onych systemów adaptacyjnych wyma gajà dalszej konkretyzacji. Dotyczy to przede wszystkim elementów i‑cech tych systemów oraz metod modelowania stosowanych do ich badania.. OBIEKT DZIA¸AJÑCY („Sztuczna inteligencja”) Cechy podstawowe. Impulsy zewn´trzne. – pami´ç – autonomia – aktywnoÊç – wytrwa∏oÊç – reaktywnoÊç – proaktywnoÊç – racjonalnoÊç – zdolnoÊç adaptacji (uczenia si´) – zdolnoÊci spo∏eczne – zdolnoÊci komunikacyjne – mobilnoÊç. Zachowania spo∏eczne – komunikacja – konflikty – negocjacje – wspó∏praca – zmiana miejsca. Cechy dodatkowe – egoizm/altruizm – prawdomównoÊç. Rys. 3. Cechy podstawowego elementu z∏o˝onego systemu adaptacyjnego èród∏o: opracowanie w∏asne na podstawie: [Holland 1995], [Wooldridge 2002].. Podstawowym elementem z∏o˝onych systemów adaptacyjnych jest element (obiekt) dzia∏ajàcy (agent). Poj´cie to posiada obecnie dwa znaczenia. Wed∏ug pierwszego, stosowanego w‑uj´ciu ogólnym, elementy mogà byç traktowane jako modele komórek, gatunków, indywidualnych podmiotów (osób), ele mentów wszelkiego rodzaju sieci komputerowych, przedsi´biorstw, czy te˝ krajów. W‑drugim uj´ciu stosowanym w‑informatyce, w‑szczególnoÊci w‑roz.
(8) 52. Czes∏asz Mesjasz. wa˝aniach dotyczàcych sztucznej inteligencji oraz zaawansowanych metod programowania, obiekt dzia∏ajàcy (agent) jest to system komputerowy zdolny do niezale˝nego dzia∏ania w‑imieniu swoich u˝ytkowników lub w∏aÊcicieli (umiejàcy sam rozpoznaç co musi byç zrobione, aby osiàgnàç postawione cele bez pomocy u˝ytkownika) [Woolridge 2002]. Ze wzgl´du na charakter niniejszych rozwa˝aƒ, pierwsze, ogólniejsze uj´ cie elementu dzia∏ajàcego, czyli agenta, wydaje si´ bardziej przydatne. Podstawowy element dzia∏ajàcy Ka˝dy obiekt dzia∏ajàcy (agent) w‑ZSA mo˝e byç opisany za pomocà regu∏ zachowania, które wskazujà, w‑jaki sposób dany obiekt reaguje na bodêce zewn´trzne, czyli opisujà ten element w‑relacji bodziec–reakcja. Znajàc ten zbiór regu∏, mo˝na w‑dalszym post´powaniu okreÊliç sposoby adaptacji obiektu dzia∏ajàcego, czyli sposoby jego uczenia si´. Post´pujàc w‑ten sposób, mo˝na zwi´kszaç repertuar zachowaƒ, co prowadzi do sytuacji coraz cz´Êciej wspólnej dla modeli ZSA i‑modeli informatycznych, czyli nadawanie obiek tom dzia∏ajàcym cech okreÊlanych jako „sztuczna inteligencja”. Podstawowe cechy z∏o˝onych systemów adaptacyjnych ZSA posiadajà siedem wyró˝niajàcych cech przedstawionych przez J. Hol landa [1995, s. 1–37]. 1. Mo˝liwoÊç agregacji cech i‑zachowaƒ elementów (agentów) ni˝szego szczebla w‑zachowania i‑cechy elementów wy˝szego szczebla, które z‑kolei mogà byç traktowane jako elementy podstawowe dla elementów kolejnego, wy˝szego szczebla. Agregacja tego rodzaju realizowana jest w‑trakcie procesu wy∏aniania si´ (emergence). 2. Wyst´powanie mechanizmu znakowania (tagging) polegajàcego na tym, ˝e w‑systemie istnieje pewien specyficzny element wskazujàcy sposób zachowania si´ innych elementów w‑trakcie procesu agregacji. Dobrà analogià wydaje si´ tutaj sztandar wskazujàcy armiom miejsce koncentracji i‑kierunek dalszego dzia∏ania. 3. NieliniowoÊç wyst´pujàca w‑oddzia∏ywaniach pomi´dzy elementami powodujàca, ˝e zachowanie wy∏aniajàce si´ w‑trakcie procesu agregacji nie mo˝e byç przewidywane jedynie na podstawie zachowania pojedynczych ele mentów na podstawie prostego sumowania, czy te˝ uÊredniania. 4. Przep∏ywy w‑z∏o˝onych systemach adaptacyjnych nie stanowià prostej analogii z‑przyk∏adami znanymi z‑hydrodynamiki. Przep∏ywy w‑ZSA posia dajà dwie cechy specyficzne. Pierwszà jest istnienie efektu mno˝nikowego znanego z‑ekonomii, zwiàzanego z‑dodatnim sprz´˝eniem zwrotnym. Drugà cechà przep∏ywów w‑ZSA jest recykling, czyli zatrzymywanie cz´Êci zasobów w‑ramach pewnych cykli. JeÊli liczba tego rodzaju cykli w‑procesie jest odpo.
(9) Z∏o˝one systemy adaptacyjne.... 53. wiednio du˝a, wówczas efektywnoÊç wykorzystania zasobów przez system mo˝e byç bardzo wysoka. 5. Podstawowe elementy ZSA nie sà jednakowe, lecz charakteryzujà si´ ró˝norodnoÊcià. Wynika ona zarówno z‑ich immanentnych cech, jak te˝ z‑wa runków otoczenia, innych dla ka˝dego elementu. 6. Aby móc przewidywaç i‑antycypowaç, ka˝dy system, nawet najprostszy, musi tworzyç modele wewn´trzne obejmujàce stany otoczenia, a‑w‑bardziej zaawansowanych przypadkach równie˝ modele samego siebie. Bioràc pod uwag´, ˝e nawet najprostsze systemy posiadajà zdolnoÊç przewidywania, np. bakterie podà˝ajàce w‑kierunku zwi´kszonego st´˝enie pokarmu, mo˝na wpro wadziç rozró˝nienie pomi´dzy otwartymi (jawnym) modelami wewn´trznymi (overt) oraz modelami niejawnymi (ukrytymi) (tacit). Ukryty model wewn´trzny pozwala przewidywaç bie˝àce dzia∏ania na podstawie ukrytych za∏o˝eƒ dotyczà cych przysz∏ego stanu – przyk∏ad bakterii. 7. Budowa hierarchiczna polegajàca na tym, ˝e elementy wy˝szego rz´du sk∏adajà si´ z elementów ni˝szego rz´du, przy czym zasady agregacji na ka˝dym z poziomów SA z regu∏y ró˝ne. Pozwala to na dekompozycj´, agregacj´ i rekombinacj´ elementów. Narz´dzia modelowania ZSA Modele z∏o˝onych systemów adaptacyjnych charakteryzujà si´ odpowied nià strukturà hierarchicznà. Podstaw´ ich modelowania stanowià algorytmy genetyczne (genetic algorithms) [Goldberg 1995], sieci neuronowe (neural networks) [˚urada i‑in., 1996], automaty komórkowe (cellular automata), sieci rozmyte (fuzzy networks) oraz inne metody modelowania matematycz nego. Na pierwszym, najni˝szym poziomie znajdujà si´ odpowiednie kla syczne j´zyki programowania. Przyk∏adem j´zyka opracowanego specjalnie dla modelowania ZSA jest j´zyk NetLogo opracowany przez U. Wilensky’ego w‑1999 r. i‑jest dalej rozwi jany w‑ramach Center for Connected Learning and Computer-Based Modeling w‑Northwestern University w‑Evanston w‑stanie Illinois w‑USA (http://ccl. northwestern.edu/netlogo/docs/). NetLogo jest szczególnie odpowiedni do modelowania dynamiki z∏o˝onych systemów. Pozwala on na modelowanie zachowania setek, a‑nawet tysi´cy autonomicznych agentów, co umo˝liwia badanie zjawisk wy∏aniania si´ zacho waƒ i‑w∏asnoÊci systemów. NetLogo jest j´zykiem bardzo uniwersalnym, gdy˝ pozwala na modelo wanie zjawisk wyst´pujàcych w‑ró˝norodnych z∏o˝onych zbiorowoÊciach w‑fizyce, chemii, biologii, medycynie, psychologii i‑w‑naukach spo∏ecznych. Wiele modeli NetLogo dost´pnych jest na stronie Center for Connected Lear ning and Computer-Based Modeling. Modele te cz´sto opracowywane sà przez autorów nie zwiàzanych z‑Centrum..
(10) 54. Czes∏asz Mesjasz. Przyk∏adowe modele opracowane z‑wykorzystaniem j´zyka NetLogo (http:// ccl.northwestern.edu/netlogo/models/) z‑zakresu biologii (Artificial Life) dotyczà altruistycznych zachowaƒ gatunków (Altruism), kooperacji, czy te˝ zachowaƒ ˝yjàcych zbiorowo bakterii, owadów, czy innych gatunków zwierzàt. Za pomocà NetLogo mo˝na tak˝e modelowaç rozwój komórek rakowych (Tumor). Modele z‑zakresu nauk spo∏ecznych (Artificial Society) dotyczà rozprze strzeniania si´ AIDS, konfliktów i‑kooperacji w‑systemach spo∏ecznych, roz przestrzeniania si´ plotek, finansów i‑bankowoÊci, czy te˝ wreszcie modele zachowania uczestników sytuacji opisywanych za pomocà teorii gier. Obecnie bardzo du˝à popularnoÊcià zaczynajà si´ cieszyç modele systemów komuni kacji i‑ruchu drogowego, w‑tym ruchu drogowego w‑wielkich aglomeracjach miejskich oparte na ZSA i‑wykorzystujàce j´zyk NetLogo. NetLogo nie jest jedynym przyk∏adem j´zyka zbudowanego dla modelowa nia systemów wieloagentowych, czy te˝ z∏o˝onych systemów adaptacyjnych. Cz´sto jako narz´dzie budowy tych systemów wykorzystuje si´ bardziej z∏o ˝one metodyki, takie jak np. MaSE (Multi-agent Systems Engineering) czy te˝ JADF (Java Agent Development Framework) [Cuesta-Morales i‑in., 2004].. 4. Złożone systemy adaptacyjne w teorii i praktyce zarządzania 4.1. Wykorzystanie złożonych systemów adaptacyjnych w naukach społecznych Z∏o˝one systemy adaptacyjne sta∏y si´ popularnym narz´dziem modelowa nia w‑naukach spo∏ecznych. Nie ma w‑zasadzie obecnie takiej dziedziny nauk spo∏ecznych, ekonomii, psychologii, edukacji, czy te˝ zarzàdzania, w‑których nie wykorzystywano by z‑mniejszym lub wi´kszym powodzeniem z∏o˝onych systemów adaptacyjnych. Typowym przyk∏adem z‑tego zakresu jest projekt Swarm opracowany w‑Brookings Institution (http://www.swarm.org/wiki/Main_Page). Modele zwiàzane z‑projektem Swarm dotyczà zarówno systemów spo∏´cznych sztucz nych tworów odpowiadajàcych zbiorowoÊciom zwierzàt i‑ludzi. Do najbar dziej znanych modeli nale˝y pierwszy model (Swarm Sugar Scape), modele sàsiedztwa T. Schellinga, czy te˝ inne modele tzw. sztucznych spo∏eczeƒstw (Growing Artificial Societies) [Epstein, Axtell 1996]. Istotnym êród∏em informacji, a‑zarazem oÊrodkiem skupiajàcym badaczy zainteresowanych wykorzystaniem ZSA w‑modelowaniu zjawisk spo∏ecznych jest czasopismo internetowe JASSS (Journal of Artificial Societies and Social Simulation) (http://jasss.soc.surrey.ac.uk/JASSS.html). Istotnà zaletà z∏o˝onych systemów adaptacyjnych jest to, ˝e stanowià one narz´dzie wspomagania procesów poszukiwania rozwiàzaƒ (procesów heu rystycznych) w‑teorii i‑praktyce zarzàdzania, gdy˝ niektóre wy∏aniajàce si´ cechy systemów spo∏ecznych nie sà w‑pe∏ni przewidywalne, a‑dzi´ki nielinio.
(11) Z∏o˝one systemy adaptacyjne.... 55. wym modelom adaptacyjnym istniejà szanse na uzyskanie wariantów tego w∏a Ênie rodzaju. Na szczególnà uwag´ zas∏uguje wykorzystanie ZSA w‑rozwa˝aniach doty czàcych mi´dzynarodowych stosunków ekonomicznych i‑politycznych oraz szeroko rozumianego bezpieczeƒstwa. Dotyczy to ogólnych problemów bez pieczeƒstwa zarówno na poziomie mi´dzynarodowym, jak i‑wewn´trznym [Jervis 1997], [Complexity, Global Politics..., 2002]. 4.2. Obszary zastosowań Z∏o˝one systemy adaptacyjne znalaz∏y bardzo wiele zastosowaƒ w‑teo rii i‑praktyce zarzàdzania. Wykorzystywane mogà byç one na dwa sposoby. W‑pierwszym przypadku mogà byç wykorzystywane jako narz´dzie teorii do opisu, analizy, predykcji i‑tworzenia wzorców. Jak te˝ zosta∏o wspomniane, ZSA stanowià w‑teorii i‑praktyce zarzàdzania istotne narz´dzie heurystyczne, gdy˝ niektóre wy∏aniajàce si´ cechy systemów spo∏ecznych nie sà przewidy walne, a‑dzi´ki nieliniowym modelom adaptacyjnym istniejà szanse na uzy skanie wariantów tego w∏aÊnie rodzaju. Drugim obszarem wykorzystania ZSA w‑zarzàdzaniu, w‑znacznym stopniu pokrywajàcym si´ z‑pierwszym, jest wspomaganie realnych procesów decyzyjnych i‑wykonawczych za pomocà metod symulacji opartych na modelowaniu wieloagentowym. W‑obydwu przy padkach w‑coraz wi´kszym zakresie uwzgl´dnia si´ stosowanie z∏o˝onych modeli, w‑których elementy posiadajà cechy sztucznej inteligencji. Wykorzystujàc modele oparte na z∏o˝onych systemach adaptacyjnych, nale˝y wziàç pod uwag´ nast´pujàce cechy tych systemów: komunikacj´ pomi´dzy obiektami dzia∏ajàcymi, konflikty i‑negocjacje, zapewnienie w∏a Êciwej koordynacji, przekazywanie informacji, minimalizacj´ czasu realizacji, integracje modeli tworzonych w‑ró˝nych systemach. W literaturze Êwiatowej opisuje si´ bardzo wiele przyk∏adów wykorzysta nia systemów ZSA do wspomagania ró˝norakich systemów i‑funkcji zarzàdza nia. Ró˝norodnoÊç tych zastosowaƒ ilustrujà nast´pujàce przyk∏ady [Godniak 2004]. Projekt Firma Celem Projektu Firma (Freshwater Integrated Resource Management with Agents) [http://firma. cfpm.org] realizowanego przez Centre for Policy Model ling, Manchester Metropolitan University Business School jest doskonalenie zarzàdzania zasobami wodnymi poprzez rozwój i‑wdro˝enie technologii opar tych na modelach wieloagentowych, pozwalajàcych na integracj´ fizycznych, hydrologicznych, spo∏ecznych, ekonomicznych aspektów zarzàdzania tego rodzaju projektami..
(12) 56. Czes∏asz Mesjasz. Projekt ISCM Projekt ISCM (Integrated Supply Chain Management) jest realizowany na Uniwersytecie w‑Toronto (http://www.eil.utoronto.ca/iscm-descr.html). Dotyczy on zarzàdzania ∏aƒcuchem dostaw i‑integracji przedsi´biorstw. Przed si´biorstwo produkcyjne rozpatrywane w‑nim jest jako sieç w´z∏ów operacyj nych, w‑których decentralizacja kontroli oparta jest na technologii agentowej. Oprócz tych i‑podobnych zastosowaƒ modeli ZSA warto zwróciç uwag´ na fakt, ˝e modele te sà wykorzystywane do opisu i‑analizy przedsi´biorstw dzia∏ajàcych w‑sieci, co wydaje si´ w‑pe∏ni naturalne. Dotyczy to takich zagad nieƒ, jak: zwiàzków e-biznesu z‑teoriami z∏o˝onoÊci [Nelson i‑in., 2002]. ZSA stosuje si´ równie˝ do modelowania ró˝nych aspektów dzia∏ania systemów CRM [Kurtyka 2002]. 4.3. Modelowanie systemów uczących się za pomocą ZSA Przedstawione w‑niniejszym rozdziale przyk∏ady wskazujà, ˝e z∏o˝one sys temy adaptacyjne stanowià bardzo rozwini´te narz´dzia modelowania procesów uczenia si´ w‑organizacji i‑tworzenia wiedzy. Jak wiadomo, procesy uczenia si´ organizacji mo˝na rozpatrywaç zarówno na poziomie uczenia si´ jednostek, jak i‑na poziomie uczenia si´ ca∏ej organizacji. Z∏o˝one systemy adaptacyjne same w‑sobie sà systemami uczàcymi si´, gdy˝ zak∏ada si´ w‑nich, ˝e elementy tych systemów, posiadajà bardzo rozbudowane stany wewn´trzne oraz bogaty repertuar zachowaƒ. Daje to mo˝liwoÊç modelowania procesów uczenia si´ dowolnych elementów. Dalsze wzbogacanie repertuaru cech elementów o‑zdol noÊci poznawcze (kognitywne) umo˝liwia uchwycenie coraz bardziej z∏o˝o nych aspektów procesów indywidualnego uczenia si´ elementów organizacji. Mechanizmy agregacji oraz wy∏aniania si´ stanowià z‑kolei bardzo dobry sposób modelowania procesów uczenia si´ ca∏ej organizacji. W‑rozwa˝aniach jakoÊciowych dotyczàcych uczenia si´ organizacji cz´sto pomija si´ dà˝enie do zrozumienia mechanizmów uczenia si´ organizacji. Przyjmuje si´ swego rodzaju uproszczenie, czy te˝ antropomorfizacj´ organizacji, mówiàc, ˝e jest ona inteligentna, uczàca si´ i‑tworzàca wiedz´. Cz´sto wspomina si´ mecha nizmy konwersji pomi´dzy wiedzà jawnà a‑wiedzà ukrytà [Nonaka, Takeuchi 2000]. Tymczasem zrozumienie mechanizmów tworzenia wiedzy w‑organiza cji jako tworzenia i‑zmiany relacji w‑organizacji jest niezb´dne do wyjÊcia poza proste rozwa˝ania opisowe i‑poszukiwania sposobów usprawnienia ucze nia si´ organizacji i‑tworzenia w‑niej wiedzy [Probst i‑in., 2002]. Z∏o˝one systemy adaptacyjne stanowià wi´c i‑w‑tym przypadku najlepsze, jak dotychczas, narz´dzie modelowania mechanizmów uczenia si´ organiza cji i‑tworzenia w‑niej wiedzy. Systemy te pozwalajà na obserwacj´ tworzenia si´ relacji w‑systemie w‑ramach procesów uczenia si´. Dzi´ki mo˝liwoÊciom systemów komputerowych mo˝na badaç w‑dowolnej chwili jak relacje pomi´ dzy elementami przek∏adajà si´ na wy∏aniajàce si´ w∏asnoÊci systemów. Pro.
(13) Z∏o˝one systemy adaptacyjne.... 57. cesy uczenia si´ organizacji stajà si´ przedmiotem obserwacji niejako in statu nascendi i‑mogà byç przedmiotem zmian i‑doskonalenia. Wprowadzenie zaÊ mo˝liwoÊci modelowania procesów poznawczych elementów systemu jedynie zwi´ksza stopieƒ zgodnoÊci modelu ze stanami rzeczywistymi.. 5. Zakończenie Celem artyku∏u by∏o dokonanie przeglàdu zastosowaƒ z∏o˝onych systemów adaptacyjnych (Complex Adaptive Systems – CAS) w‑modelowaniu i‑analizie uczàcej si´ organizacji. Rozwa˝ania zawarte w‑rozdziale stanowià wst´p do dalszych badaƒ teoretycznych, jak i‑te˝ do opracowania modeli z∏o˝onych sys temów adaptacyjnych, które w‑szerszym ni˝ dotychczas zakresie umo˝liwia ∏yby opis i‑analiz´ procesów uczenia si´ organizacji i‑tworzenia wiedzy. Na podstawie przeprowadzonej analizy wst´pnej mo˝na w‑pe∏ni zgodziç si´ ze stwierdzeniem, ˝e z∏o˝one systemy adaptacyjne (ZSA) stanowià obec nie najbardziej zaawansowanà metod´ modelowania systemów spo∏ecznych, w‑tym organizacji uczàcej si´ i‑tworzàcej wiedz´. Mo˝na dodaç, ˝e ZSA sta nowià doskona∏e narz´dzie opisu i‑analizy dzia∏ania zarówno z∏o˝onych sys temów informacyjnych, od poziomu organizacji do poziomu Internetu, jak te˝ z∏o˝onych systemów spo∏ecznych, które w‑pewien sposób mo˝na interpre towaç jako systemy komunikacji, albo te˝ jako systemy fizyczne w‑istotnym stopniu dzia∏ajàce dzi´ki komunikacji, np. systemy produkcyjne, czy systemy logistyczne. Dzi´ki tworzeniu odpowiednich modeli matematycznych, zaawansowa nych metod oprogramowania oraz urzàdzeƒ o‑odpowiedniej mocy obliczenio wej, z∏o˝one systemy adaptacyjne stajà si´ narz´dziem symulacji systemów spo∏ecznych o‑du˝ym, a‑nawet i‑dowolnym stopniu z∏o˝onoÊci. Symulacja ta posiada jednak˝e jednà wad´. Ze swej istoty ZAS nie mogà byç bezpoÊred nio narz´dziem predykcji (przewidywania) – obecnoÊç zjawisk nieliniowych. Jednak˝e mo˝liwoÊç swego rodzaju wzbogacania zarówno repertuaru stanów wewn´trznych (procesy poznawcze), jak i‑zachowaƒ elementów ZAS (agen tów) pozwala na modelowanie wi´kszoÊci zjawisk zwiàzanych z‑uczeniem si´ organizacji i‑tworzeniem przez nià wiedzy. Literatura Arthur W.B. [1994], Increasing Returns and Path Dependence in the Economy, University of Michigan Press, Ann Arbor, MI. Biggiero L. [2001], Sources of Complexity in Human Systems, Nonlinear Dynamics, Psychology and Life Sciences, vol. 5, nr 1. Casti J. [1997], Would Be Worlds, John Wiley, New York. Church M. [1999], Organizing Simply for Complexity: Beyond Metaphor Towards Theory, Long Range Planing, vol. 32, nr 4..
(14) 58. Czes∏asz Mesjasz. Complexity, Global Politics and National Security [2002], red. D.S. Alberts, T.J. Czerwin ski, University Press of the Pacific, Honolulu. Cuesta-Morales P. i‑in. [2004], Developing a‑Multi-Agent System Using MaSE and JADE, UPGRADE, vol. V, nr 4. Epstein J.M., Axtell R. [1996], Growing Artificial Societies, MIT Press, Cambridge, MA. Firma (Freshwater Integrated Resource Management with Agents), http://firma. cfpm.org. Gleick J. [1996], Chaos, Wydawnictwo Zysk i‑S-ka, Warszawa. Goldberg D.E. [1995], Algorytmy genetyczne i‑ich zastosowania, WNT, Warszawa. Holland, J.D. [1995], Hidden Order. How Adaptation Builds Complexity, Basic Books, New York. Jervis R. [1997], System Effects. Complexity in Political and Social Life, Princeton Univer sity Press, Princeton, NJ. Kurtyka J. [2002], Adaptive Marketing: The Changing Relationship of Business to the Customer, http://www.Interjournal.Org/Manuscript_Abstract.Php?14699, Interjournal. Leydesdorff L. [2001], A‑Sociological Theory of Communication. The Self-Organization of the Knowledge-Based Society, Universal Publishers/uPUBLISHCOM, USA. Lissack M.R. [1999], Complexity: The Science, Its Vocabulary, and Its Relation to Organi zations, Emergence, vol. 1, nr 1. Mesjasz C. [2003], Nauki o‑zarzàdzaniu a‑teoria systemów z∏o˝onych, 'Organizacja i‑Kie rowanie', nr 4‑(114). Mesjasz C. [2004], Organizacja jako system z∏o˝ony, Zeszyty Naukowe AE w‑Krakowie, Kraków, nr 652. Nesterowicz P. [2001], Organizacja na kraw´dzi chaosu, Wydawnictwo Profesjonalnej Szko∏y Biznesu, Kraków. Nelson A., Nelson W.H.M., Maubourguet F. [2002], Electronic Commerce Management Implications from Autopoietic and Complexity Theories. Nonaka I., Takeuchi H. [2000], Kreowanie wiedzy w‑organizacji. Jak spó∏ki japoƒskie dyna mizujà procesy innowacyjne, Poltext, Warszawa. Oztas N., Huerta T., Myrtle R.C., Robertson P.J. [2002], Mapping the Field: Complexity Sciences in Organization and Management, referat przedstawiony podczas International Conference on Complex Systems (ICCS2002) Nashua, NH, USA, 9–14 czerwiec, opubli kowany: nr 528, InterJournal http://www.interjournal.org. Probst G., Raub St., Romhardt K. [2002], Zarzàdzanie wiedzà w‑organizacji, Oficyna Eko nomiczna, Kraków. Rosser J.B. [1999], On the Complexity of Economic Dynamics, „Journal of Economic Per spectives”, vol. 13, nr 4. Rosser J.B. [2000], Aspects of Dialectics and Non-Linear Dynamics, „Cambridge Journal of Economics”, vol. 24. Wooldridge M. [2002], An Introduction to MultiAgent Systems, John Wiley & Sons, Chiche ster, England, http://www.csc.liv.ac.uk/~mjw/pubs/imas/ ˚urada J., Barski M., J´druch W. [1996], Sztuczne sieci neuronowe: Podstawy teorii i‑zasto sowania, Wydawnictwo Naukowe PWN, Warszawa.. Complex Adaptive Systems (CAS) as a Tool for Modelling and Analysis of Organisations The construction of mathematical models of social systems has been one of the fundamental challenges for the theory and practice of social sciences. Discovery of the properties of non-linear systems defined as complexity and chaos has become the basis for developing complex methods of modelling, which allow the operation of social systems to.
(15) Z∏o˝one systemy adaptacyjne.... 59. be analysed and described. Complex Adaptive Systems (CAS) may be used to model many types of systems – financial markets, animal colonies, social systems, resistance systems, computer networks, relations between nations, and many other similar objects composed of many operating elements (collectivities). The aim of the article is to review the application of CAS in the modelling of organisations. The article is an introduction to further theoretical studies and also to the development of models of Complex Adaptive Systems, which would enable a broader description and analysis (than hitherto) of how all types of modern organisations work..
(16)
Powiązane dokumenty
W przedk³adanym artykule oprócz weryfikacji wp³ywu zubo¿enia na wartoœæ ekonomiczn¹ projektu, ocenie poddano zmianê kluczowych parametrów takich jak: przychody z tytu³u
Jest to ty po wy uk³ad dla gleb auto ge ni cz nych wy kszta³co nych ze s³abo prze pusz cza l nych ska³.. Re gres sion pa ra me ters are given in the
Pe w ne zmia ny wpro wa dzi³ w kra jo bra zie zrê bów cz³owiek, tworz¹c en kla wy pól upra w nych wœród la - sów... Czyn ni kiem zwiê kszaj¹cym mi¹¿szoœæ jest tu wy stê
Mo ¿ na to za uwa ¿yæ dla wszy stkich po wie rz ch ni, jed nak z po wo du ogra ni czeñ ra mo - wych niniejszej publikacji przedstawiono to tylko dla powierzchni lasu
Przed sta wio ny po ni ¿ej sche mat jest roz wi niê ciem kon ce pcji zaproponowanej przez zespó³ kierowany przez S.P... Zna jo moœæ ró¿y wia trów umo ¿ li wia zaœ
nie nie czyn ni ków ma kro eko no micz nych wpły wa ją cych na przy szłą sy tu ację fi nan so wą przed się biorstw oraz rów nież pró ba pro gno zo wa nia tych czyn
13:00-13:45 Adam Pietraszko (Instytut Niskich Temperatur i Badań Strukturalnych PAN we Wrocławiu), Oznaczanie lokalnego uporządkowania w oparciu o rozpraszanie
we Lwowie w Zgromadzeniu Księży Misjonarzy, duszpasterz w domu kleparskim w Krakowie 1940-1949, dyrektor Seminarium Internum na Kleparzu w Krakowie 1945-1949, wykładowca w