L’AUTOREGOLAZIONE COME STRUMENTO DI GESTIONE DEI SISTEMI COMPLESSI

I cambiamenti che hanno creato le condizioni necessarie allo sviluppo non controllato delle principali città dell’Albania e dei Balcani non sono puramente politici, o sociali, o economici, o demografici. I cambiamenti che all’inizio degli anni ’90 investirono questa regione riguardano tutte le sfere delle attività umane. Per capire la natura degli avvenimenti non è più possibile dividere le problematica in problemi più piccoli e disciplinarli con l’obiettivo di risolverli con più facilità per poi ricomporre le risposte al fine di creare un quadro generale della situazione. Quello che è collassato agli inizi degli anni Novanta nell’Europa dell’Est è il comunemente noto “sistema”, socialista o comunista, a seconda delle specifiche declinazioni dei singoli paesi. La crisi a cui si è andati incontro richiede quindi un approccio “sistemico” per poter generare possibili soluzioni adeguate.

Diventa necessario a questo punto introdurre il concetto di “Teoria e Scienza dei Sistemi”. Nell’introduzione dei suo libro General System Theory, Ludwig Von Bertalanffy sostiene che la tecnologia è stata spinta a pensare non più in termini di macchine, ma bensì di “sistemi”. La progettazione di un motore a vapore, di un’automobile o di un ricevitore radio rientravano nelle competenze dell’ingegnere specializzato. Ma quando si tratta di missili balistici o veicoli spaziali, c’è bisogno di assemblare componenti generati da tecnologie eterogenee quali meccanica, elettronica, chimica etc.; si instaura così una relazione tra l’uomo e la macchina e innumerevoli aspetti di natura finanziaria, economica, sociale e politica vengono rinegoziati. Quindi un “approccio sistemico” diventa necessario. (Bertalanffy, 1968)

La Teoria Generale dei Sistemi proponeva di partire dalla definizione di “sistema” come un complesso di componenti interagenti per derivare concetti e caratteristiche degli insiemi organizzati come l’interazione, la somma, la meccanizzazione, la centralizzazione, la competizione e le finalità, per poi applicali ai fenomeni concreti.

Quello che in realtà la Teoria dei Sistemi introduce nel panorama della ricerca scientifica oltrepassa il semplice accumulamento del sapere, ma comporta un salto non lineare nel metodo scientifico che se applicato a Kuhn, significherebbe una rivoluzione scientifica o un cambio di paradigma. (Kuhn, 1962).

Un importante campo d’interesse per l’applicazione della Teoria dei Sistemi è la Teoria dell’Informazione secondo la quale l’informazione viene definita come una quantità negativa di entropia (Shannon & Weaver, 1949). Da qui si deduce che l’informazione può essere usata per misurare il grado dell’organizzazione dei sistemi. Lo stesso principio si potrebbe applicare all’analisi del grado di organizzazione di un insediamento urbano, ipotizzando che uno scambio maggiore d’informazione si riscontrerebbe in insediamenti di grado di organizzazione maggiore mentre gli insediamenti di grado di organizzazione minore scambierebbero meno informazione.

Un’ulteriore campo di ricerca, influenzato dalla Teoria dei Sistemi, è quello degli Automata, entità astratte capaci di ricevere input e generare output attraverso processi simili all’apprendimento (Minsky, 1967). Può essere dimostrato che qualunque processo, di qualsiasi complessità, può essere simulato da un automata o una macchina di Turing, ammesso che sia possibile esprimere il processo con un numero finito di operazioni logiche. In questa maniera si potrebbero creare non solo i meccanismi adatti alla lettura dei sistemi ma si potrebbero realizzare simulazioni dello sviluppo di tali sistemi e quindi anche strumenti adatti a interagire e influenzare un sistema insediativo.

Esiste in natura una “muffa intelligente” che in condizioni di laboratorio può “calcolare” la distribuzione più efficiente della rete ferroviaria di Tokyo (Figure 2,3). La stessa “muffa intelligente” era stata  in grado nel 2000 ti trovare l’uscita da un labirinto in vitro (Figura 1), che assicurò al Dr. Toshiyuki Nakagaki[1] della Hokkaido University anche il conferimento del Premio Ig Nobel[2] in Scienze Cognitive.

1+2+3 bregasi

Figura 1, figura 2, figura 3

Come Steven Johnson descrive nel suo libro, Emergence, the Connected Lives of Ants, Brains, Cities and Software, la “muffa intelligente” (Physarum polycephalum) non è ne una muffa, bensì un Amoebozoa e ancora più importante, non è nemmeno intelligente. Il comportamento della (Physarum polycephalum) si chiama emergente e l’emergenza è quello che succede quando un sistema interconnesso di elementi relativamente semplici si auto-organizza per creare un  comportamento di livello superiore, più intelligente e più adattivo (Johnson S. , 2001).

Era parere comune della comunità scientifica presumere l’esistenza di una tipologia di cellula “segna passi” , capace di trovare le risorse e di “comandare” le altre cellule ad aggregarsi. L’unico problema era che non si erano mai osservate le cellule “segna passi”. Nel 1969 Evelyn Fox Keller (fisica con l’interesse di applicare la matematica ai problemi della biologia) e Lee Segel (matematico applicato) sostennero che la comunità della Physarum polycephalum poteva essere capace di aggregarsi seguendo i cambiamenti ambientali senza il bisogno di una cellula “segna passi”. Il modello matematico di Keller-Segel era influenzato anche da uno degli ultimi lavori di Alan Turing, The Chemical Basis of Morphogenesis, nel quale uno degli inventori del computer digitale descrive un modello matematico dove semplici agenti che seguono semplici regole possono generare strutture dalla complessità sorprendente.

4 bregasi

Figura 4. Il modello matematico di Turing descrive il modo in cui le cellule pigmentate si auto-organizzano per creare i pattern del manto degli animali.

Il modello di Keller – Segel costituisce uno dei primi contributi nel campo dello studio dei comportamenti emergenti dimostrando che nella “muffa Intelligente” non esiste una monarchia cellulare che comanda le masse e che tutte le cellule della Physarum polycephalum sono create uguali (Johnson S. , 2001).

Il nostro avanzamento tecnologico ci ha permesso di fare “salti” sia nella concezione di nuovi significati che nel controllo della forma ma in molti autori tra i quali Jencks oltrepassa frettolosamente il problema del processo (Jencks, 1997). Facendo ciò, non si riesce a inserire l’architetto stesso in tale processo. Ancor più quando la stesso studio della complessità comporta uno studio dei processi che non sono più lineari e si basano sul salto, come descrive Jencks, ma rimangono comunque parte fondamentale della creatività. Lo studio della complessità definisce inoltre che i sistemi sono difficilmente controllabili o gestibili dall’esterno rendendo cosi impossibile la previsione dello stato del sistema in un dato momento nel futuro. La posizione dell’architetto risiede quindi dentro lo stesso processo.

Questo cambio di posizione denota anche un cambio prospettico e anche di ruolo. L’architetto continua sì a riconoscere lo spirito del tempo e a rappresentarlo con il suo linguaggio, però influenza il sistema dall’interno, intervenendo dentro il processo. In questa maniera il processo detiene un’enorme importanza visto che il risultato si configura solo come una delle proprietà emergenti.

Ledian Bregasi | Polis University


Note [1] La ricerca viene pubblicata nel numero 407 della rivista “Nature”  (Nakagaki, Yamada, & Tóth, 2000)

[2] Secondo gli organizzatori, il Premo Ig Nobel onora realizzazioni che prima fanno ridere e poi fanno pensare. I premi sono destinati a celebrare l’insolito, onorare il fantasioso e stimolare l’interesse per la scienza, la medicina e la tecnologia.

Selezione Bibliografica

Bertalanffy, L. v. (1968). General System Theory, Foundations, Developmet, Applications. New York: George Braziller.

Deleuze, G., & Guattari, F. (1980). Mille Plateaux. Capitalisme et schizophrénie. Paris: Éditions du Seuil.

Desai, R. C., & Kapral, R. (2009). Dynamics of Self-Organized and Self-Aassembled Structures. New York: Cambridge University Press.

Foucault, M. (1966). Le Mots et les Choses. Paris: Gallimard.

Jacobs, J. (1961). The Death and Life of Great American Cities. New York: Random House.

Jencks, C. (1997). The Architecture of the Jumping Universe, A Polemic: How Complexity Science is Changing Architecture and Culture. Chichester: Academy Editions.

Johnson, N. F. (2007). Two’s Company Three is Complexity, A simple guide to the Science of all Sciences. Oxford: Oneworld.

Johnson, S. (2001). Emergence: the connected lives of ants, brains, cities, and software. New York: Scribner.

Kuhn, T. S. (1962). The Structure of Scientific Revolutions. Chicago: University of Chicago Press.

Leyton, M. (2006). Shape as Memory, A Geometric Theory of Architecture. Basel: Birkhäuser.

Minsky, M. (1967). Computation: Finite and Infinite Machines. Englewood Cliffs, N. J.: Prentice-Hall, Inc.

Nakagaki, T., Yamada, H., & Tóth, Á. (2000). Intelligence: Maze-solving by an amoeboid organism. Nature (407).

Portugali, J. (2006, volume 38). Complexity theory as a link between space and place. Environment and Planning A , p. 647 – 664.

Saggio, A. (2010). Architettura e Modernità. Dal Bauhaus alla rivoluzione informatica . Roma: Carocci.

Saggio, A. (2007). Introduzione alla rivoluzione informatica in architettura. Roma: Carocci .

Shannon, C. E., & Weaver, W. (1949). The Mathematical Theory of Communication. Chicago: University of Illinois Press.

Stanilov, K. (2007). The Post-Socialist City, Urban Form and Space Transformations in Central and Eastern Europe after Socialism. Dordrecht: Springer.

Steadman, P. (1979). The Evolution of Designs, Biological analogy in architecture and the applied arts. Cambridge: Cambridge University Press.

Turing, A. (1952). The Chemical Basis of Morphogenesis. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences , 237 (641), 37-72.

Venturi, R. (1977). Complexity and Contradiction in Architecture. New York: Museum of Modern Art.

von Neumann, J., & Morgenstern, O. (1944). Theory of Games and Economic Behavior. Princeton N.J.: Princeton University Press.

Watanabe, M. S. (2002). Induction Design, A method of evolutionary design. Basel: Birkhäuser.

Weaver, W. (1948). Science and Complexity. American Scientist (36), p. 536-544.

Weaver, W., & Shannon, C. (1949). The Mathematical Theory of Communication. Chicago: University of Illinois Press.

Annunci

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...