私たちが直面している重要な問題を解決するには、そもそもその問題を引き起こした思考レベルにとどまることはできません。 ——アインシュタイン

外部から見ると、システムには動作があり、内部から見ると、システムは動作と構造の統合です。

問題のサイズが大きくなるにつれて、計算量がどのように増加するかを見積もることしかできません。経験上、何らかの単純化ができない限り、計算数の増加は少なくとも方程式の数の増加の 2 乗であることがわかっています。これが「二乗計算の法則」です。

人々は常に、正式な手法を適用し始める前に、非公式な手法を通じて複雑な機械システムを単純化します。

ニュートンの研究はさらに進みました。彼は、太陽には独特の質量があるため、各惑星と太陽は他のシステムから切り離された 1 つのシステムとして見なされる可能性があることに気づきました。この分離されたシステムでは、2 つのオブジェクトだけが残ります。システムをいくつかの相互作用しないサブシステムに分解する手法は、成熟したすべての分野にとって非常に重要であり、システム理論家にとっても同様に重要です。この分解の重要性を理解するには、「計算の二乗法則」を考えてみてください。

これらの単純化の中で、ニュートンと彼の同時代人は一般に仮定の単純化をより意識し、より懸念していました。現在ニュートン計算を教えている物理学の教授たちはそうではありません。したがって、今日の学生にとって、なぜニュートンの惑星軌道の計算が人類の偉大な業績の一つ​​に数えられるのかを理解するのは困難です。

ニュートンが天才だったのは、彼の脳が超計算能力を持っていたからではなく、普通の人の脳でも世界をある程度理解できるように単純化して理想化することができたからです。過去の成功と失敗の簡略化された方法を研究することで、人類の知識の進歩が天才に依存しすぎないことを願っています。

これらの物理学者には、ギブス、ボルツマン、マクスウェルが含まれます。それらは、特定の測定可能な特性 (圧力、温度、体積など) を持つガスの挙動を記述する一連の観察法則 (ウェーブアイアーの法則など) を継承しました。彼らは気体は分子でできていると信じていましたが、この考えが観察された気体の特性とどのように関係しているのかを説明する必要がありました。彼らは、観察されたこれらの興味深い特性が、分子の 1 つの特性ではなく、分子の平均的な特性であると仮定しています。

生物体内および外部環境との相互作用に関する比較的正確な法則を得るには、その生物がかなりの構造と量を持っていることが必要であることが再びわかります。そうしないと、相互作用する粒子の数が少なすぎて、「法則」が非常に不正確になります。

統計手法の適用範囲はどこまでですか?機械力学の適用範囲とどのような関係があるのでしょうか？統計力学は「無秩序な複雑さ」に直面していると言われています。つまり、システム自体は非常に複雑ですが、その動作は十分なランダム性を示しており、したがって統計研究を可能にするのに十分な規則性を備えています。

今日の社会では、機械テクノロジーは機械力学のインスピレーションから恩恵を受けており、相互に関連するコンポーネントを減らすことで複雑さを軽減しています。一方、管理手法は統計力学の成果の恩恵を受けており、群衆を構造化されていないグループ内の単なる交換可能な単位と見なし、平均を取ることで統計を単純化します。

小さな数と大きな数の間のシステムでは、どちらの古典的な方法にも致命的な欠陥があります。一方では、計算の二乗法則は、中間数体系が解析的に解決できないことを指摘し、他方では、N の平方根の法則は、平均値に過度の期待をしないように警告します。

一般的なシステムの法則のほとんどと同様に、民間伝承にも数の法則の形が見られます。私たちの日常経験に変換すると (私たちはそのようなシステムに精通しており、そのパフォーマンスについては無力です)、中数の法則はマーフィーの法則になります。 起こり得ることは何でも起こります。

物事の部分や特徴を分析するとき、私たちは明らかな独立性を誇張し、その組み合わせの本質的な完全性と個性を（少なくとも一定期間は）無視する傾向があります。私たちは身体を臓器に、骨格を骨に分解します。心理学の教えも同様のアプローチをとり、心を主観的にその構成要素に分解しますが、判断力や知識、勇気や優しさ、愛や恐怖は独立して存在するものではなく、最も複雑な全体の一部であることを私たちはよく知っています。パフォーマンスまたは虚数係数。

生物学や社会科学は、物理学ほど「成功」することはできません。なぜなら、得られるものは分割できないからです。解剖学者はある程度の成功を収めていますが、私たちは解剖学が壊れたときに誰かが何をするかには興味がありません。社会学者はさらに成功率が低い。なぜなら、彼らの主な関心は、数値システムの特性、つまりシステムが分解、抽象化、または平均化されると存在しなくなる特性を持つ「人間性」にあるからである。行動科学者が平均化によって「個人」を理解しようとすると、個人の特性は分散してしまいます。研究のために個人を隔離しようとすると、その研究対象と他の人々や世界の他の部分とのつながりも遮断されてしまい、その個人は単なる実験室の産物となり、もはや人間ではなくなります。

言い換えれば、科学とは本質的に単純化することです。しかし、還元主義者はすべての現象を物理的および化学的原始に還元することにまだ成功していないことを指摘しなければなりません。彼らが成功できるかどうかは純粋に哲学的な問題であり、科学的な問題ではありません。

実際の状況で前進する必要がある場合は、単純で粗雑な例えにとどまらず、正確、明確、予測可能なモデルに磨き上げる必要があります。

「参加者兼観察者」になるには、まず参加者になる必要があり、それには少なくとも現地の言語を学ぶ必要があります。実際には、主にさまざまな非言語コミュニケーション方法を学ぶ必要があります。同様に、特定の仕事のサブカルチャーに溶け込むには、まずそのサブカルチャーの考え方とコミュニケーションの方法を学ぶ必要があります。

思考タイプのシステムを開発する際の最も危険な間違いは、ある思考パターンが別の思考パターンよりも「現実的」であると想定することです。

科学者の中には、いくつかの専門分野の思考パターンになんとか当てはめることができる人もいます。彼らはどうやってそれをしたのでしょうか？このことについて尋ねられると、彼らは科学には本質的に統一性があるという信念を表明しました。彼らも思考方法は 1 つしかありませんが、出発点は非常に高いです。この思考モードを持つ人々は、異なる分野の思考モードは、表現形式が異なる場合が多いにもかかわらず、非常に似ていると信じています。

推論の力は、推論がルールを使用して想像力を導く方法にあるのではなく、経験や伝統的なルールの制約から私たちを解放することにあります。

帰納法による一般化の力は、一般規則を使用して、観察されていない状況について特定の結論を導き出せることです。これは、将軍がある臣下から別の臣下に移ることができる理由でもあります。成功するたびに、二次シーケンスに対する人々の信頼が高まります。

もちろん、分野間のジャンプがすべて成功するわけではないため、信仰は必要です。なぜ？誘導が常に効果的であるとは限らないからです。しかし、なぜ私たちはもっと慎重にならないのでしょうか？さらなる証拠を待ってみませんか?その理由は、知識が爆発的に増加しており、私たちの脳が計算の二乗法則によって制限されているためです。

しかし、それは教師が直面する永遠の逆説のようなものです。事実と図表を教えるか、真実を教えるかです。モデルを教えるには、教師は具体的な図を使用し、まったく見えないものを明確に図示する必要があります。学生は何かを「学習」しなければなりません。そうすれば、それが学んだものとまったく同じではなかったことが後でわかるようになります。しかし、その時までに彼は物事の本質を理解し、真実に近づき始めました。彼らは常に修正を加えて真実に近づくために人生を費やすことになります。

法律に多くの条件が含まれている場合、各条件によって法律の範囲が制限されるため、いつ使用するかを覚えるのが困難になることがあります。法律に含まれる条件が少ないほど、その法律はより一般的になります。条件を追加するか、用語の定義を変更しますか?このような問題に直面すると、私たちは通常、この用語を再定義することを選択します。

多くの一般的なシステム法則は、定義、測定方法、探索ツールなど、さまざまな方法で表現され、特に覚えやすい否定形で表現されます。

一般法は少なくとも 2 つの特定の状況に適用されなければなりません。

一般法には少なくとも 2 つの例外が存在する必要があります。

組み合わせの法則: 全体は部分の合計よりも大きくなります。

分解の法則、つまり部分は全体の部分よりも大きいということです。

システム理論 (元々は過剰専門化という現在の問題を克服する試みでした) は、何百もの学術専門分野の 1 つになりました。さらに、システム科学はコンピュータ技術、サイバネティクス、オートメーション、システム工学を中心としており、システム思考が別の技術（実際には究極の技術）となり、人間と社会をより「巨大な機械」のようにするようです。

一般システム手法の思考への貢献は、一般システム学者が新しいコースに取り組む方法に完全に反映されている可能性があります。

システムとは何ですか?詩人は皆、システムとは世界観であることを知っています。

それが「バナナの原則」です。ヒューリスティックな思考法では、いつやめるべきかはわかりません。

人々は、完全に受け入れられるものの、意味をなさないステートメントを言ったり書いたりすることがあります。意味のない文を研究すると、例外はルールを証明するものではなく、ルールを理解する方法を教えてくれるので、意味のある文の言い方をよりよく理解できるようになります。

人工システムに対する人々の不満の多くは、これらのシステム設計の「目的」、つまりシステムが「正確に」何であるかに対する不一致から生じています。もちろん、答えは、システムには「目的」がないということです。なぜなら、「目的」とは関係性であり、「持つ」ことができるものではないからです。

どちらの側も正しいのですが、誰もが絶対的な記述を使用しているため、「創発」特性がシステムとその観察者の間の関係ではなく、システムが所有する何らかの「物」であるように思われる問題があります。これらの特性は、観察者が正しい予測を行えない、または正しく予測できない場合に「出現」します。ある観察者にとっては「緊急」に見え、別の観察者にとっては「予測可能」であるように見える物事の例がよくあります。

全体。実際、恣意的なシステムを見つけるのは困難です。なぜなら、一度恣意的なシステムを思いつくと、ある程度恣意的ではなくなるからです。

観察者を無視する最も一般的な方法は、この記述方法の選択方法について何も言わずに、システム (いわゆる「数学システム」) の数学的記述に直接ジャンプすることです。

集合のメンバーが「何もない」限り、私たちの推論は厳密に内容に依存しません。つまり、それは純粋に数学的な記述です。

数学者は一般に、どのような関係が作られたとしても、不健全な議論は決して確立できないと想定しています。

セットを使用することの最初の嬉しい特性は、観察者の概念が洗練されることです。観察者のすることは観察することです。これらの観察は、生理学的器官からの何らかの感覚であるか、測定器からの測定値であるか、あるいはその 2 つの組み合わせである可能性があります。観測は、この観測者によるこのタイプの可能な観測をすべて含むセットから要素を選択することとして表現できます。

「オブザーバー」モデルでは、このモデルにはどれくらいの計算能力が必要かということを常に思い出さなければなりません。ただし、「オブザーバー」がすべての観察を「正しく」行うことができる必要はないことに注意してください (ぼろぼろで粗末な要素)。これらはオリジナルの未定義の要素であり、これらを使用する場合、「正しい」は無意味だからです。

観察が正しいかどうかを判断できない場合があります。しかし、「正しさ」の象徴的な表現がなければ、観察者とその観察についての深い議論はできません。したがって、ここでは一貫性の概念、つまり、ある観測結果のセットが別のセットと一貫性があるかどうかを導入します。リンカーンが指摘したように、シンボルの一貫性は観察者が観察にどのように名前を付けるかに依存しないことは明らかです。

超超観察者の概念は、「可能なすべての」観察を包含するという点で「事実」の概念とよく似ていることに注意してください。言い換えれば、私たちが「事実」と呼ぶものは、一部の人々が「神」と呼ぶものに非常に近いのです。

ハートの女王オルゴール

ことわざにあるように、「すべてを見る」ということは、「すべてを理解する」ことを意味するわけではありません。理解とは、どの詳細を無視してもよいかを知ることを意味するからです。私たちの「学習」は、「同じ」状況が繰り返されるのを見ることだけです。これがいわゆる「状態」であり、この状況が繰り返されると、観察者は再びそれを認識することができます。

あまりにも多くの州を区別しすぎることは、一般化が不十分であると前述したことです。

普遍的な観察者の法則、つまり目と脳の法則: ある程度までは、観察力の不足を頭脳の力で補うことができます。 対称性に基づいて、脳と目の法則をすぐに導き出すことができます。 観察することである程度、頭脳の不足を補うことができます。

元の特性と補助的な特性は区別されます。前者は物質に固有であり、後者は特定の元の特性を持つ対象と人間または動物の観察者の感覚器官との間の相互作用の産物です。

同様に、観察は既存の理論と一致していなければならないという仮定は、科学研究に保守主義をもたらします。観察が既存の理論と矛盾する場合、それは「誤り」として無視される可能性があります。

「状態とは、それが再発するときに認識できる状況です。」 しかし、複数の状態を 1 つの「状態」に結合しなければ、どの状態も再発しません。したがって、学習するためには、状態におけるいくつかの潜在的な違いを放棄し、すべての詳細を学習する可能性を放棄しなければなりません。あるいは、生地混練の法則として書くこともできます。 何かを学びたいのであれば、すべてを学ぼうと考えてはいけません。

関数シンボルは、システムの動作特性を正確に記述できない場合に、システムの知識の一部を表すために関数シンボルを使用できるため、一般的なシステム思考において特に重要です。

では、この種の分解を行う際に科学者はどのような間違いを犯してしまうのでしょうか?この質問に対する主な答えは 2 つあります。 1. ある段階で関数関係の何かを省略する可能性があり、適切な近似法則が得られたとしても、さらに分解するとエラーが発生します。それは不完全な誤謬と言えるでしょう。 2. たとえ観察が完了したとしても、観察者の能力の限界（観察者の忍耐力の限界を含む）、または「実際の」状況が分解の継続を許さないため、分解プロセスは最終的に停止します。

物理学研究におけるすべての成功は、最も重要な観察対象の賢明な選択と、いくつかの特徴の脳の自発的抽象化との組み合わせにかかっています。これらの特性は魅力的ではありますが、現在の科学は研究で有用な結果が得られるほど進歩していません。

私たちはスーパー観察者の視点から問題を見ているので、他の観察者に観察を拡張させたり、観察の粒度を改善したり、記憶能力を強化させたりすることができますが、彼らはこれらの選択をするために必要な情報を持っていません。

不完全さによって引き起こされる分解戦略の失敗を見たところです。実際、この考え方をひっくり返して、完全性の直感的な定義として使用することができます。つまり、同型写像からどのように選択しても、どれほど細かい視点に分解しても、新たな本質は発見できないのです。また、完全性は近似値にすぎず、帰納的信念の飛躍に基づいているため、正確であることは保証できないこともわかります。不完全性から生じる還元主義的な誤謬は、私たち全員が何らかの形で経験しているため、許容されます。

しかし、簡素化が失敗する 2 番目の理由は、一部の人にとってはさらに受け入れがたいものであり、これは補完性の問題です。物理学者が最初にこの適合性と予測可能性の問題に直面したのは、物理学が単純化戦略を適用する能力においてより進んでいたためです。さらに、一部の科学者 (または科学者を自称する人々) は、通常、全体像からはほど遠いため、分解が時々失敗することがあっても驚かないことがあります。もし物理学が「相補性」（還元主義の特異なモデル）を提案していなかったら、おそらく誰もこの概念を受け入れなかったでしょう。

相補性の考え方の重要な点は、これらが完全に独立したものではなく、互いに還元できない 2 つの観点であるということです。

還元は理解を達成するための 1 つの方法にすぎず、他にもたくさんの方法があります。世界の小さな部分をより詳しく見るのをやめ、科学そのものをより詳しく観察し始めると、還元主義が現実には実現されたことのない理想であることがわかります。還元主義は単なる科学的信念です。これは信念に違いありません。なぜなら、一連の観察の最終的な還元状態を誰も見たことがないからです。

便利屋は、今後の仕事が過去の仕事と似ていることをどうやって知るのでしょうか?これは、私たちが以前に遭遇した信念にすぎません。名前を付けたほうがいいかもしれません 経験的公理: 過去において、未来は過去のようになるため、未来も過去のようになる。

このレベルでは、科学と詩は非常に似ています。詩人は比喩から始めて、恋人がどのように薔薇のように、あるいは夜明けがどのように抱きしめられる女神に似ているかを詳細に説明します。科学者は全体像から始めて、修正と単純化を進め、最終的には元の機能を別の機能に縮小します。詩人と同様に、最終的な還元は既知であると想定されているため、定義する必要はありません。

比喩は、ある物事の特定の特徴を理解し（または理解していると思い）、それを別の物事に移す場合にのみ機能します。

私たちは「部分」や「物」という比喩を使いますが、これは私たちの物理空間の経験、特に「境界」の経験と密接に関係しています。

それでも、実際的な境界を持つシステムを扱う場合、推論の困難に遭遇します。過去の経験や先人の経験に基づいて境界を選択するため、問題が発生することがよくあります。これらの経験は多くの場合非常に有効であるため、無効になった場合、その影響を取り除くことは困難です。

ここでの問題は、「境界」が無限に薄いわけではなく、たまたまシステムと環境の両方に属しているだけであるということです。この種の境界は分割ではなく、接続です。

記憶力が限られている観察者にとって、プロパティには思考機能があります。私たちは一部の特性が他の特性よりも「自然」であると考えるかもしれませんが、これは単に私たちがそのように観察することに慣れていることを意味します。

私たちの労働環境がますます不慣れになるにつれて、継承され学習された知覚能力はますます無効になります。

不変の法則: 特定のプロパティには、それを変更しない変換と変更する変換がいくつかあります。

セグメンテーションがプロパティを説明する場合、状態が一定であれば、このプロパティは時間の経過とともに変化しないことを意味します。

関係は、プロパティの直感的な理解に準拠する必要があり、2 番目の属性は対称性です。

たとえ「友人関係」が特定のシステム内で対称的な関係であるとしても、推移性、つまり 3 番目の条件の必要性のため、このシステムを「友人」サブシステムに分割することはできません。

科学者や詩人と同じように、彼らが追求するのは「真実」に近づくことであり、そのアプローチは決して完成することはありません。

蓄積された問題には 2 つの状況が含まれます。前者の場合、現在の科学で解決できるかもしれませんが、試みがなかったり、理解が間違っていたりするため、まだ解決されていません。 2 番目のケースでは、現在のツールでは十分ではありません。これが一般システム理論運動が実際に関心を持っていることです。

強力な接続を形成する法則: 平均して、システム接続の緊密さは平均レベルを上回っています。

この特定の形式を使用するのは、システムが完全なシステムであると明確に述べることが目的ではなく、単にシステムの相互依存的な性質に注意を引くことを目的としています。

システム理論家の中には、動作の理解を説明するには、その動作を示すシステムを構築する必要があると信じているため、シミュレーションを究極のツールと見なす人もいます。システムの内部は完全に隠蔽されるのではなく、完全に露出します。これはブラック ボックスではなく、ホワイト ボックスです。

システムモデラーは自分自身の本能を克服するために懸命に努力しなければなりません

セグメンテーションを通じてシステムから「属性」を分解する方法を見てきました。製品スペースでは、それらを体系的に元に戻す方法が示されています。各分解が実数の除算である場合、積空間には元の可能性がすべて含まれている必要があります。この場合、すべてに適切な場所があり、全員が適切な場所にいる必要があります。

平面上の点は、異なる時点での 1 つのシステムの状態 (いわゆる「通時的視点」) を表すのではなく、同時に異なるシステムの状態 (「共時的視点」) を表します。この方法は両方の観点にうまく機能し、1 つのシステムの連続した観測値を類似したシステムの複数の個別の観測値に置き換えたり、その逆を置き換えたりする一般的な科学的方法に対応します。

数学者ではない一般の人は、n 次元空間の話を聞くと畏敬の念を抱き、数学者は非常に優れた思考能力を持っていると考えます。実際、数学者は外挿する能力だけが特別です。彼らは n 次元空間を「見る」ことができず、関与する次元の数に関係なく、同じ数学的演算を適用し続けるだけです。 2 次元空間内の点は 2 つの数字で指定され、3 次元空間内の点は 3 つの数字で指定されます。したがって、外挿により、7 次元空間の「点」は 7 つの数字で指定されます。 1 次元のオブジェクト (線分) は 2 次元のオブジェクト (平面) を 2 つの部分に分割します。 2 次元のオブジェクト (平面) は 3 次元のオブジェクト (ソリッド) を 2 つの部分に分割します。したがって、外挿により、6 次元のオブジェクトは 7 次元のオブジェクトを 2 つの部分に分割します。

状態空間における動作の経験則、つまり通時則: 行動線が から交差する場合は、次のいずれかを行います。 1. 制度は州によって決まるものではない どちらか： 2. あなたが見ているものは投影であり、不完全なビューです。

共時性の法則: 状態空間の同じ位置に同時に 2 つのシステムがある場合、それは空間の次元が低すぎる、つまりビューが不完全であることを意味します。

私たちは、「3 まで数えるルール」を提案します。 ツールを悪用する方法が 3 つ思いつかない場合、そのツールの使い方がわかりません。 このルールを遵守することで、楽観主義者、誇張主義者、その他あらゆる種類の完璧主義者の狂信から私たちが守られますが、何よりもまず私たち自身から保護されます。

時間スケールを知らずにステップ関数やゆっくりとした上昇曲線について話すのは技術的にナンセンスです。時間スケールには絶対的な意味はなく、他の時間スケールと比較した場合にのみ意味を持ちます。

科学は、不変の法則を生み出すために物事をどのような角度から見ることができるかを探求するプロセスであると考えることができます。したがって、科学法則は世界がどのように見えるかを説明するか（私がそれを発見した）、または世界の見方（私がどのようにそれを発見したか）を規定します。私たちはこの 2 つの違いを実際には見分けることができません。

なぜ物理学や化学の研究室は理想的な閉鎖環境を構築する必要があるのでしょうか?一定の地位を持った研究体制を構築することが目的です。なぜ彼らは特定の状態を含むシステムを研究するのが好きなのでしょうか?それは、特定の状態にあるシステムの動作が単純だからです。システム内で起こるすべてのことは、ばらばらの一連の動作によって表現できます。

しかし、観察者がこれらすべての問題を考慮に入れ、完全性の壁内でシステムをうまく分離したとしても、行動の線が依然としてもつれる可能性があり、その時点で観察者は「ランダム性」が見られると言うでしょう。しかし、観察者には、ランダム性と隠れたオープン性、つまり「漏れやすい壁」を区別する信頼できる方法がありません。

典型的な動作の観点からシステムを説明することと、予期しないが重要な動作の観点からシステムを説明することは、閉じたシステムで私たちが好む単一の動作を復元するために慣れている方法の 2 つです。

そのとき初めて、私たちは進化についての質問をするようになりました。「物事はどのようにして今日の姿に発展したのでしょうか?なぜ永遠に同じままでいられないのでしょうか?」

すべての一般的なシステム思考は、問題の 1 つから開始し、別の問題に切り替えることを余儀なくされるまで探索を開始する必要があります。私たちは最後まで到達することを望むことはできませんし、努力するつもりもありません。私たちの目標は思考力を向上させることであり、スフィンクスのパズルを解くことではありません。

安定性とは、システムが耐えられる変化の限界だけでなく、システムが耐えられる外乱の程度も意味します。したがって、安定性というときは、システムの許容可能な動作と環境の期待される動作という 2 つの意味が含まれます。

この議論は、ほぼ閉鎖されたシステムを研究する科学者にとっては十分ですが、実験室の開放性を避けられない人々にとっては、まったくの誤解を招くものです。具体的には、注意を誤って向けてしまい、システムとその環境との関係として見るのではなく、システムの「内部」に安定性を求めてしまう可能性があります。自然は、かけがえのない資源を保存したい場合、人間が実際に生態系を破壊するまでは何もしません。「小さな撹乱」の正確な定義はまだありません。

循環論拠: 科学的な目的と方法の現在の定式化は文化的な考え方に基づいており、これを明確にする必要があります。より重要な文化機関をその固有の状況から切り離し、カテゴリーに分類し、繰り返しの出来事が前兆や機能的に関連するものにつながるまで練習することができれば、私たちが調査する文化機関は基本的で不変であると考えることができますが、それらは独自性をもたらすものは二の次であり、変化しやすいものです。

なぜシステムは生き残れるのでしょうか？長期的には、生き残れないシステムはもう存在せず、私たちがそれについて考えないからです。私たちがよく目にするシステムは、過去のすべてのシステムの中から最も優れた「生き残り」として選ばれたシステムです。

「永続性」とは、システムが研究に値するために存在しなければならない期間を指します。

類似点と相違点を特定するためにプログラム的なアプローチを採用すると、「アイデンティティ」の概念を明確にすることができます。この分野は、「パターン認識」、またはより具体的には視覚画像の場合は「画像処理」としても知られています。

「差異はサイバネティクスにおける最も基本的な概念」であり、これは一般的なシステム思考にも当てはまります。これが最も難しい概念でもあるということを常に覚えておく必要があります。

コンピュータの内部において、ハードウェアは「自然法則」を表し、シミュレーションを実現する舞台でもあります。シミュレーションはこのハードウェアに「依存」していますが、重要なのはステージ管理ではなくドラマです。

効果の法則: 構造の小さな変化が行動の小さな変化につながることがよくあります。 あるいは私たちの言葉で言えば、 ホワイト ボックスの小さな変更は、ブラック ボックスの小さな変更につながることがよくあります。 一方で： 行動の小さな変化は、多くの場合、構造の小さな変化から生じます。

旧車ルール： 1. 適切に調整するシステムは適応的な変更を必要としません。 2. システムは、適応的な変更を通じて条件付きの作業を簡素化できます。