پیش‌بینی آینده با مدل‌های ریاضی

پیش‌بینی آینده با مدل‌های ریاضی

تورچین بر این باور است که می‌توان در آینده نظریه‌های تاریخی را با پایگاه‌داده‌های بزرگ آزمود و نظریه‌هایی را که با داده‌ها همخوانی ندارند -و بسیاری از آن‌ها هم به‌خوبی جاافتاده‌اند- دور ریخت؛ بنابراین فهم ما از گذشته به نظریه‌هایی سوق خواهد یافت که به حقیقت عینی نزدیک‌ترند.

کد خبر : ۷۵۷۱۹
بازدید : ۳۷۵۴
آیا مدل‌های ریاضیاتی می‌توانند موفق به پیش‌بینی تاریخ شوند؟
پیش‌بینی وقایع آینده شاید بزرگترین آرزوی علوم اجتماعی باشد. چیزی که تلاش برای رسیدن به آن تا به امروز چندان حاصلی نداشته و همین باعث شده تا بسیاری از پژوهشگران علوم تاریخی و اجتماعی، از این آرزو دست بردارند. بااین‌حال، هنوز کسانی پیدا می‌شوند که دلشان بخواهد بخت خودشان را در این مسیر آزمایش کنند.
یکی از آن‌ها پیتر تورچین است. زیست‌شناسی علاقه‌مند به ریاضیات که با کلان‌داده‌ها، معادلات آماری و تکنیک‌های محاسباتی جدید سراغ تاریخ آمده است و ظاهراً حرف‌هایی برای گفتن دارد.

نشریۀ علمی نیچر در نخستین شمارۀ خود در سال ۲۰۱۰ پیشرفت خیره‌کننده‌ای برای دهۀ پیش رو پیش‌بینی کرد. این پیش‌بینی می‌گفت: تا سال ۲۰۲۰ ابزار‌های آزمایشی متصل به اینترنت جست‌وجو‌های ما را مستقیماً با پایش سیگنال‌های مغزی‌مان استنباط خواهند کرد. در زمینۀ کشاورزی محصولاتی خواهیم داشت که زیست‌توده‌شان را در عرض سه ساعت دوبرابر می‌کنند. بشر راه پایان‌دادن به وابستگی‌اش به سوخت‌های فسیلی را پیدا خواهد کرد.

اما چند هفته بعد، نامه‌ای در همان نشریه سایۀ تردید بر این آیندۀ روشن افکند. این نامه هشدار می‌داد که همۀ این پیشرفت‌ها ممکن است با افزایش بی‌ثباتی سیاسی از مسیر خود منحرف شود، وضعیتی که انتظار می‌رفت در حوالی سال ۲۰۲۰ در آمریکا و اروپای غربی به اوج خود برسد.
همچنین توضیح می‌داد که جوامع بشری دوره‌های پیش‌بینی‌پذیرِ رشد را طی می‌کنند که در این دوره‌ها، جمعیت افزایش می‌یابد و جامعه رونق می‌گیرد. سپس دوره‌های زوال را داریم که به همان اندازه پیش‌بینی‌پذیرند. این «چرخه‌های زمینی» دو سه قرن به طول می‌انجامند و با آشفتگی گسترده‌ای -از شورش‌های کارگری گرفته تا انقلاب- به اوج خود می‌رسند.

در ادامۀ نامه آمده بود که در چند قرن اخیر شمار شاخص‌های اجتماعیِ نگران‌کننده -مانند نابرابری ثروت و بدهی دولت- در کشور‌های غربی رو به افزایش گذاشته است، که حاکی از نزدیک شدن این جوامع به یک دورۀ آشوب است.
نگارندۀ نامه در ادامه پیش‌بینی می‌کرد که این اغتشاشات در آمریکای ۲۰۲۰ به‌شدتِ جنگ داخلی آمریکا نخواهد بود، اما بدتر از خشونت‌های اواخر دهۀ ۱۹۶۰ و اوایل دهۀ ۷۰ خواهد بود. در آن سال‌ها، نرخ قتل به‌سرعت بالا رفت، تظاهرات در مخالفت با جنگ ویتنام و حمایت از حقوق مدنی شدت گرفت و در سراسر کشور هزاران بمب‌گذاری به‌دست تروریست‌های داخلی انجام شد.

نویسندۀ این هشدارنامۀ صریح و ناگوار، نه تاریخدان، بلکه زیست‌شناس بود. پیتر تورچین در چند دهۀ نخست فعالیت‌های علمی‌اش از ریاضیات پیچیده بهره برده بود تا نشان بدهد چگونه روابط شکار و شکارچی نوساناتی در جمعیت حیواناتِ حیات وحش پدید می‌آورد.
او یافته‌هایش را در نشریه‌های نیچر و ساینس منتشر کرده و در حوزۀ خود اسم و رسمی کسب کرده بود، اما تا اواخر دهۀ ۱۹۹۰ به همۀ پرسش‌های بوم‌شناختی موردعلاقه‌اش پاسخ داد. در این برهه بود که فهمید به تاریخ علاقه‌مند شده است: آیا ظهور و افول جوامع بشری را نیز می‌شود با یک مشت متغیر و چند معادلۀ دیفرانسیل توضیح داد؟

تورچین می‌خواست بداند که آیا تاریخ نیز، مانند علم فیزیک، از قوانین معینی پیروی می‌کند یا نه. او در سال ۲۰۰۳ کتابی با عنوان پویایی‌های تاریخی۱ منتشر کرد و در آن متوجه وجود چرخه‌های قرنی در فرانسه و روسیه از بدو شکل‌گیری‌شان تا پایان قرن هجدهم شد.
همان سال رشتۀ دانشگاهی جدیدی را به‌نام کلیودینامیکس۲ بنیان نهاد که به دنبال کشف علت‌های پایۀ این الگو‌های تاریخی و مدل‌سازی آن‌ها با استفاده از ریاضیات است، به‌همان روشی که می‌توان تغییرات اقلیمی کرۀ زمین را مدل‌سازی کرد.
او هفت سال بعد نخستین نشریۀ رسمی این رشته را راه‌اندازی کرد و به کمک همکارانش یک پایگاه داده برای اطلاعات تاریخی و باستان‌شناختی تأسیس کرد، که اکنون داده‌های بیش از ۴۵۰ جامعۀ تاریخی را در خود دارد.
از این پایگاه داده می‌توان برای مقایسۀ جوامع مختلف در گسترۀ وسیعی از زمان و مکان بهره برد و دربارۀ بی‌ثباتی‌های سیاسی آینده پیش‌بینی‌هایی طرح کرد. تورچین در سال ۲۰۱۷ کارگروهی متشکل از مورخان، نشانه‌شناسان، فیزیکدانان و متخصصان دیگری تشکیل داد تا براساس اسناد تاریخی به پیش‌بینی آیندۀ جوامع بشری کمک کنند.

روش تورچین برای مطالعۀ تاریخ، که در آن از نرم‌افزار‌های کامپیوتری برای کشف الگو‌هایی در انبوه داده‌های تاریخی استفاده می‌شود، تنها در سال‌های اخیر و به لطف رشد قدرت رایانشیِ ارزان‌قیمت و توسعۀ مجموعه‌داده‌های تاریخی عظیم مقدور شده است.
اکنون این رویکرد «کلان‌داده‌ای» ۳ روزبه‌روز در رشته‌های تاریخی رواج و محبوبیت بیشتری می‌یابد. تیم کولر، باستان‌شناس دانشگاه ایالتی واشنگتن، معتقد است ما اکنون در «دوران طلایی» این رشته به سر می‌بریم، چون پژوهشگران می‌توانند یافته‌های پژوهشی‌شان را با سهولت بی‌سابقه‌ای به اشتراک بگذارند و از آن‌ها دانش واقعی استخراج کنند.
تورچین بر این باور است که می‌توان در آینده نظریه‌های تاریخی را با پایگاه‌داده‌های بزرگ آزمود و نظریه‌هایی را که با داده‌ها همخوانی ندارند -و بسیاری از آن‌ها هم به‌خوبی جاافتاده‌اند- دور ریخت؛ بنابراین فهم ما از گذشته به نظریه‌هایی سوق خواهد یافت که به حقیقت عینی نزدیک‌ترند.

برخی معتقدند پیش‌بینی تورچین در سال ۲۰۱۰ در مجلۀ نیچر حالا بیشتر به علم غیب شبیه است. موتور جست‌وجویی که امواج مغزی‌تان را رمزگشایی می‌کند در سال ۲۰۲۰ وجود نخواهد داشت، مگر اینکه در لحظۀ آخر معجزه‌ای رخ بدهد.
محصولاتی که زیست‌توده‌شان را در عرض سه‌ساعت دوبرابر می‌کنند هم وجود نخواهد داشت یا هرگونه بودجۀ انرژی که عمدتاً با منابع تجدیدپذیر تأمین شود. درعوض، آشوبی قریب‌الوقوع در نظم سیاسی آمریکا یا بریتانیا روزبه‌روز محتمل‌تر به نظر می‌رسد. شاخص شکنندگی دولت‌ها۴، براساس محاسبات سازمان آمریکایی و غیرانتفاعی صندوق صلح، روندی قهقرایی را به سوی بی‌ثباتی در این دو کشور نشان می‌دهد، برخلاف بیشتر کشور‌های دیگر دنیا که همواره روندی رو به بهبود داشته‌اند.

جورج لوسون، که در مدرسۀ اقتصاد لندن به مطالعۀ اختلافات سیاسی مشغول است، با اشاره به دورۀ زمانی ۱۷۷۰ تا ۱۸۷۰، که طی آن شورش‌های خشونت‌بار به سرنگونی حکومت‌های پادشاهی از فرانسه تا قارۀ جدید می‌انجامید، می‌گوید: «ما در عصری به سر می‌بریم که به شکل شایان‌توجهی متلاطم است، طوری که فقط با عصر انقلاب‌های اقیانوس اطلس همتایی می‌کند».

از نظر تورچین، پیش‌بینی‌اش دربارۀ سال ۲۰۲۰ فقط آزمونی برای یک نظریۀ جنجالی نیست، بلکه می‌تواند مقدمه‌ای برای آینده نیز باشد: دنیایی که در آن پژوهشگران همانند هشدار‌های جدی هواشناسی، برای اوضاع اجتماعی و سیاسی آینده هم گزارش وضعیت ارائه می‌کنند و برای پشت سر گذاشتن چنین اوضاعی توصیه‌هایی می‌دهند.

از دیدگاه بیشتر دانشگاهیانی که به مطالعۀ گذشته می‌پردازند، توضیح علت وقوع رویدادی در گذشته بسیار متفاوت است از پیش‌بینی زمان و نحوۀ وقوع دوبارۀ آن رویداد در آینده. تیمور کوران، اقتصاددان و استاد علوم سیاسی دانشگاه دوک، می‌گوید: «ما نمی‌توانیم قانون بسازیم».

اتفاقی نیست که ریاضی‌دانان و زیست‌شناسانی مانند تورچین همواره این نگرش را به چالش می‌کشند. فصل مشترک رویکرد آن‌ها علمِ پیچیدگی است که به ما می‌آموزد هر سامانه‌ای، حتی اگر فقط از ترکیب چند جزء انگشت‌شمار تشکیل شده باشد، می‌تواند الگو‌های رفتاری پیچیده‌ای پدید بیاورد، چرا که اجزای تشکیل‌دهندۀ آن به روش‌های گوناگونی با هم برهم‌کنش دارند.
مثلاً از برهم‌کنش خورشید، سطح زمین و جو زمین آب‌وهوا تولید می‌شود. این برهم‌کنش‌ها را می‌توان به‌زبان ریاضی و در قالب مجموعه معادلات یا قوانینی بیان کرد که رفتار سامانه را در شرایط مختلف پیش‌بینی می‌کنند. اساساً پیش‌بینی آب‌وهوا به این صورت انجام می‌شود.

ریشۀ علم پیچیدگی به فیزیک و مطالعۀ رفتار ذرات بنیادی برمی‌گردد، اما در طول قرن گذشته کم‌کم به سایر رشته‌های مطالعاتی نیز گسترش یافته است. تا اواخر دهۀ ۱۹۵۰، زیست‌شناسان سلولی معدودی می‌پذیرفتند که تقسیم سلولی را می‌توان به‌زبان ریاضی توصیف کرد؛ فرضشان این بود که این کار به‌شکلی تصادفی رخ می‌دهد. ولی اکنون این نگرش در میان آن‌ها به واقعیتی بدیهی تبدیل شده و مدل‌های ریاضی آن‌ها برای تقسیم سلولی به درمان بهتر سرطان انجامیده است.
دانشمندان بوم‌شناس نیز پذیرفته‌اند که در طبیعت الگو‌هایی هست که می‌توان به‌زبان ریاضی توصیفشان کرد. موش‌های قطبی خودکشی دسته‌جمعی نمی‌کنند، آن‌گونه که والت دیزنی می‌گفت۵، بلکه چرخه‌هایی قابل‌پیش‌بینی از افزایش و کاهش جمعیت را تجربه می‌کنند که هر چهار سال یک‌بار در اثر برهم‌کنش با حیوانات شکارگر و احتمالاً با منبع غذایی خودشان تکرار می‌شود.
ماری گِلمَن، فیزیکدان برندۀ جایزۀ نوبل، در سال ۲۰۰۸ اعلام کرد که دیر یا زود قوانین حاکم بر تاریخ نیز کشف خواهد شد. اما این اتفاق رقم نخواهد خورد، مگر اینکه همۀ کسانی که به مطالعۀ گذشته می‌پردازند -مورخان، جمعیت‌شناسان، اقتصادانان و دانشمندان دیگر- به این تشخیص برسند که کارکردن در محدوده‌های تخصصی‌شان هرچند لازم است، اما کافی نیست. به‌گفتۀ گلمن، ما از ضرورت بررسی اجمالیِ کلیت موضوع غفلت کرده‌ایم.

بسیاری از تاریخ‌دانان اتخاذ این رویکرد ریاضیاتی در مطالعۀ تاریخ را مشکل‌آفرین می‌دانند. آن‌ها معتقدند که می‌توان از گذشته درس گرفت، اما در حدی بسیار محدود؛ مثلاً تاریخچۀ اختلافات ایرلند شمالی می‌تواند به روشن‌تر شدن تنش‌های کنونی کمک کند.
امروزه تاریخ‌دانان اندکی در پی قوانینی کلی هستند که برای جوامع و قرون مختلف جوابگو باشد یا بتوان از آن‌ها برای پیش‌بینی آینده به‌نحوی معنادار استفاده کرد. مورخان علمیِ قرن نوزدهم، عمدتاً با الهام از داروینیسم اجتماعی، چنین هدفی در سر داشتند، ولی امروزه این رویکرد را بسیار ناقص و مرتبط با روایت‌های امپریالیستی تلقی می‌کنند.

جو گولدی، تاریخ‌دان و استاد دانشگاه متودیست جنوبی در تگزاس، می‌گوید: «ما جامعۀ دانشمندان علوم اجتماعیِ مدرن در تلاشی ۶۰ساله و هماهنگ کوشیده‌ایم نژادپرستی، تبعیض جنسیتی و اروپامحوری عمومی را از این روایت‌ها بزداییم». او اضافه می‌کند که مورخان از این می‌ترسند که رویکرد‌های ریاضی آن‌ها را به عقب خواهد راند. همچنین آن بی‌اعتمادی قدیمی بین علوم طبیعی و علوم انسانی هنوز پابرجاست.
وقتی گولدی و دیوید آرمیتاژ، استاد تاریخ دانشگاه هاروارد، سال ۲۰۱۴ در کتابشان با عنوان مانیفست تاریخ۶ استادان رشتۀ خود را به پذیرش کلان‌داده و اتخاذ نگاهی بلندمدت به گذشته فراخواندند، با حملۀ شدید مجلۀ آمریکن هیستوریکال ریویو۷، نشریۀ آمریکایی پیشگام در حوزۀ تاریخ، مواجه شدند. گولدی می‌گوید: «این شاید یکی از خشن‌ترین حملات ۳۰ سال گذشته بود».
نوعی حس درونی، هم در میان تاریخ‌دانان و هم در بین بسیاری از مردم عادی، می‌گوید انسان‌ها را نمی‌توان به معادلات و نقاط داده فروکاست. یک معادله چگونه می‌تواند شخصیتی مثل ژاندارک یا اُلیور کراموِل را پیش‌بینی کند؟ دِرمد مک‌کالاک۸، استاد تاریخ دانشگاه آکسفورد، این دیدگاه را چنین خلاصه می‌کند: «تاریخ علم نیست. تاریخ ریشه در رفتار انسان دارد، که به‌طرز هولناکی پیش‌بینی‌ناپذیر است».

تورچین در مخالفت با این نگرش می‌گوید: «این استدلال کاملاً نادرست است. چون سامانه‌های اجتماعی آنقدر پیچیده‌اند که برای فهمشان به مدل‌های ریاضی نیاز داریم». تورچین از اوایل دهۀ ۱۹۹۰ استاد گروه بوم‌شناسی و زیست‌شناسی تکاملی دانشگاه کانتیکت بوده و اکنون نیز به مرکز علوم پیچیدگی۹ در وین پیوسته است. نکتۀ مهم این است که قوانین به‌دست‌آمده قوانینی احتمالی‌اند، نه قطعی، یعنی همواره عنصر احتمال و تصادفی‌بودن را در خود دارند.
البته این به معنی بی‌ارزش بودن آن‌ها نیست: اگر پیش‌بینی هواشناسی به شما بگوید ۸۰درصد احتمال دارد باران ببارد، چترتان را برمی‌دارید. پیتر ریچرسون، پژوهشگری برجسته در حوزۀ تکامل فرهنگی از دانشگاه کالیفرنیا در دیویس، می‌گوید الگو‌های تاریخی مانند چرخه‌های قرنی وجود دارند و تورچین «یگانه تبیین علّی معقول» را دربارۀ آن‌ها ارائه داده است. (همچنین ریچرسون اشاره می‌کند که در حال حاضر نظریۀ تورچین تنها تبیین موجود در این حوزه است؛ این رشته مبحثی نوپاست و ممکن است نظریه‌های مختلفی در آن مطرح شود.)

برخی مورخان نیز بر این باورند که کار تورچین -که نه‌فقط تاریخ و ریاضیات، بلکه پژوهش‌های اقتصاددانان، جامعه‌شناسان دیگر و دانشمندان محیط زیست را نیز در هم می‌آمیزد؛ راه‌کاری اصلاحی و ضروری که به دنبال چندین دهه تخصص‌گرایی در این رشته‌های مطالعاتی لازم است.
گری فاینمن، باستان‌شناس موزۀ تاریخ طبیعی فیلد در شیکاگو، به دنبال کارگاهی در سال ۲۰۱۶ با حضور تورچین و همکارانش، می‌نویسد: «ما در رشته‌های تاریخی و اجتماعی به‌شدت نیازمند چنین تلاش‌های جامع‌نگر، تطبیقی و همیاری‌محوری هستیم».
برخی دیگر به هیجان آمده‌اند از بینش‌های جدیدی که با مطالعۀ جوامع انسانی با استفاده از همان روش سامانه‌های زیستی پیچیده به دست می‌آید. بعضی از مدیران سیلیکون، ولی نیز علاقۀ وافری به پیش‌بینی‌های توچین پیدا کرده‌اند. تورچین می‌گوید: «آن‌ها مطلب را می‌گیرند، اما دو پرسش برایشان مطرح می‌شود. چگونه می‌توانند از این موقعیت پول دربیاورند؟ و کی باید در نیوزیلند برای خودشان زمین بخرند؟

وقتی تورچین در اواخر دهۀ ۱۹۹۰ شروع کرد به جست‌وجوی توصیف‌هایی ریاضی برای تاریخ، فهمید که دو دهه قبل‌تر پژوهشگر دیگری زمینه را برای او فراهم کرده است. جک گلدستون، ریاضی‌دانی که به تاریخ روی آورد، در دوران دانشجویی در دانشگاه هاروارد از ریاضیات برای تدوین اندیشه‌های الکسی دو توکویل به صورت قانون استفاده کرده بود.
او اخیراً به من گفت: «سعی کردم استدلال‌های دو توکویل را به مجموعه‌ای از معادلات تبدیل کنم، اما نمرۀ خوبی نگرفتم». گلدستون نخستین فردی بود که علمِ پیچیدگی را در مطالعۀ تاریخ بشر به کار بست و نتیجه گرفت که بی‌ثباتی سیاسی پدیده‌ای چرخه‌ای است. در نتیجۀ این کار توصیفی ریاضی از انقلاب به دست داد -نصف مدلی که تورچین می‌خواست برای تبیین تحولات اجتماعی تکمیل کند.

وقتی گلدستون تحقیقاتش را در میانه‌های دهۀ ۷۰ شروع کرد، انقلاب در تصور رایج آن دوران نوعی مبارزۀ طبقاتی بود. اما گلدستون دو نکته مطرح کرد که با این نگرش سازگار نبود. اول اینکه برخی افراد که از یک طبقه یا حتی از یک خانواده بودند، اغلب سر از جبهۀ مقابل در می‌آوردند؛ و نکتۀ دوم اینکه انقلاب‌ها در دوره‌های تاریخی خاصی متراکم شده بودند -قرن‌های ۱۴ و ۱۷ و اواخر قرن ۱۸ تا اوایل قرن ۱۹-، اما دلیل روشنی برای به جوش آمدن تنش‌های طبقاتی در آن دوران خاص، و نه در دوره‌های تاریخی دیگر، وجود نداشت. او گمان کرد که باید نیرو‌های عمیق‌تری در کار باشند و تصمیم گرفت این نیرو‌ها را بشناسد.

خوشبختانه، گلدستون به‌لطف بی‌پولی‌اش دستیار آموزشی یکی از جمعیت‌شناسان دانشگاه هاروارد به‌نام جورج ماسنیک شد، کسی که چشم گلدستون را به روی تأثیر ژرف اجتماعی، سیاسی و اقتصادیِ ازدیاد جمعیت در آمریکای پس از جنگ جهانی دوم باز کرد.
ازدیاد ناگهانی جمعیت جوان با تنش‌های جدیدی در جامعه همراه شد، ازجمله افزایش فشار بر بازار کار و میل شدید به ایدئولوژی‌های افراطی. گلدستون به این فکر می‌کرد که آیا ممکن است این انفجار‌های جمعیتی نقشی در دوره‌های آشوب جوامع دیگر داشته باشد. او در دهۀ ۸۰ شروع کرد به ترکیب آرشیو اطلاعات مربوط به رشد جمعیت در دهه‌های پیش از وقوع انقلاب‌های اروپایی.

چند سال پیش‌تر، اطلاعات در سطح موردنیاز گلدستون در دسترس نبود، اما «گروه بررسی تاریخ جمعیت و ساختار اجتماعی کیمبریج» ۱۰ در انگلستان علاوه بر گروه‌های مشابه دیگر در سراسر اروپا تلاش سختی را برای بازسازی تاریخچۀ جمعیتی براساس منابعی مانند دفتر ثبت وقایع حیاتی آغاز کرده‌اند.
مشوق دیگر گلدستون انتشار اطلس تاریخی جمعیت جهان۱۱ اثر کالین مک‌ایودی و ریچارد جونز در سال ۱۹۷۸ بود، که «هم‌زمانی شگفت‌انگیزی» را در افزایش زاد و ولد و انفجار‌های جمعیتیِ اروپا و آسیا در طول هزاران سال نشان می‌داد. او پس از چند ماه کلنجار رفتن با اعداد و ارقام، سرانجام لحظۀ کشف را تجربه کرد: «حیرت‌انگیز بود: واقعاً افزایشی ناگهانی در رشد جمعیت سه نسل قبل از وقوع هر شورش یا انقلاب بزرگ تاریخی مشاهده می‌شد».

توماس مالتوس در قرن هجدهم استدلال کرد که بالاخره سرعت رشد جمعیت از منابع رشد پیشی می‌گیرد و در غبار سمّی کشمکش و بیماری فرو می‌افتد، تا وقتی که دوباره به تناسبی کنترل‌پذیر برسد و فاز رشد جدیدی را آغاز کند. گلدستون نظریه‌اش را از مالتوس وام گرفت، اما نکتۀ مهم این است که گریزناپذیری شوم چنین چرخه‌ای را در آن حذف کرد.
در این نظریه ادعا شده بود که رشد جمعیت بر جوامع انسانی فشار می‌آورد و هر جامعه این فشار را به روش پیچیده و اختصاصیِ خود تحمل می‌کند. گلدستون این وضعیت را به زمین‌لرزه تشبیه می‌کند. نیرو‌های لرزه‌ای تا زمان لرزش در زیر زمین انباشته می‌شود، اما اینکه ساختمان‌های روی زمین پابرجا می‌مانند، فرو می‌ریزند یا در حد متوسط آسیب می‌بینند به وضعیت ساختشان بستگی دارد. به‌همین دلیل انقلاب‌ها در یک دورۀ تاریخی خاصی بیشتر می‌شوند، اما در دوره‌ای دیگر آشفتگی‌ها نمی‌تواند همۀ جوامع را از پا در آورد.

گلدستون دریافت که عناصر مختلف یک جامعه -دولت، نخبگان، توده‌ها- واکنش متفاوتی به این فشار‌ها نشان می‌دهند، اما برهم‌کنش نیز دارند. به‌عبارت دیگر، او با سامانۀ پیچیده‌ای سر و کار داشت که می‌شد رفتارش را به‌بهترین شکل به زبان ریاضی نشان داد. مدل او برای علت وقوع انقلاب‌ها شامل مجموعه‌ای از معادلات می‌شود، که می‌توان به زبان ساده این‌گونه بیان کرد: جمعیت پیوسته رشد می‌کند و به مرحله‌ای می‌رسد که در آن زمین دیگر توان تأمین منابع مورد نیازش را ندارد. سطح استاندارد زندگی توده‌ها پایین می‌آید و احتمال بسیج خشونت‌آمیز مردم بالا می‌رود. دولت سعی می‌کند با این وضع مقابله کند -مثلاً با تعیین سقف برای اجاره‌بها-، اما چنین تدابیری به نارضایتی نخبگانی می‌انجامد که منافع مالی‌شان آسیب می‌بیند.
از آنجا که نخبگان نیز همواره رو به فزونی‌اند و بر سر منبع محدودِ مشاغل بلندپایه و پول و نفوذ رقابتی تنگاتنگ دارند، طبقه‌شان به پذیرش ضرر و زیانِ بیشتر تمایل چندانی نشان نمی‌دهد؛ بنابراین دولت مجبور می‌شود برای آرام‌کردن توده‌ها به خزانه دست ببرد و درنتیجه بدهی ملی افزایش می‌یابد.
هرچه دولت مقروض‌تر شود، در مقابلِ فشار‌های بیشتر انعطاف‌پذیری کمتری خواهد داشت. درنهایت، آن دسته از نخبگانی که به حاشیه رانده شده‌اند در مقابل دولت به حمایت از توده‌ها برمی‌خیزند، خشونت گسترش می‌یابد و دولت آنقدر ضعیف شده است که نمی‌تواند جلویش را بگیرد.

گلدستون راه‌هایی برای اندازه‌گیری پتانسیل بسیج تودۀ مردم، رقابت نخبگان و توان پرداخت دیون دولت پیشنهاد داد و مفهومی تعریف کرد به‌نام «شاخص تنش سیاسی» ۱۲ -به‌اختصار پسی (psi) یا Ψ- که حاصل‌ضرب سه مولفۀ بالا بود. او نشان داد که مقدار پسی (Ψ) پیش از انقلاب فرانسه، جنگ داخلی انگلستان و دو نزاع بزرگ دیگر در قرن هفدهم -بحران عثمانی در آسیای صغیر و اختلافات سلسلۀ مینگ تا کینگ در چین- بالا رفته بود.
اما در هر مورد، یک عامل دیگر نیز در کار بود: شانس و تصادف. شکافی کوچک -مانند قحطی یا تهاجم خارجی- که در مواقع دیگر به‌آسانی قابل ترمیم است، هنگام افزایش پسی به فوران اختلاف و خشونت می‌انجامد. نمی‌توان محرک اولیۀ چنین فورانی را پیش‌بینی کرد و به زمان دقیق وقوع بحران پی برد، ولی می‌توان فشار‌های ساختاری و درنتیجه ریسک چنین بحرانی را اندازه گرفت.

مدل گلدستون ساده بود و خودش هم این را تأیید می‌کند. او می‌توانست با این مدل نشان دهد که بالا بودن شاخص تنش سیاسی وقوع انقلاب‌های تاریخی را پیش‌بینی می‌کند، اما راهی برای پیش‌بینی وقایع آتی نداشت. این بستگی داشت به ترکیب دقیق سه مؤلفۀ شاخص پسی و نحوۀ تعامل آن‌ها با نهاد‌های جامعۀ مورد نظر.
تلاش‌های گلدستون، گرچه ناقص بود، باعث شد انقلاب را از منظری جدید و نگران‌کننده ببیند: نه به‌عنوان نوعی اصلاحات دموکراتیک برای رژیمی منسوخ، فاسد و انعطاف‌ناپذیر، بلکه واکنشی در برابر نوعی بحران بوم‌شناختی -ناتوانی جامعه در تحمل رشد سریع جمعیت- که به‌ندرت به حل بحران می‌انجامد.

این الگو‌ها به گذشته محدود نمی‌شد. هنگامی که گلدستون آخرین سطور شاهکارش، انقلاب و شورش در دنیای مدرن نخستین۱۳، را می‌نگاشت، اتحاد جماهیر شوروی در حال فروپاشی بود. او اشاره می‌کند که مقدار پسی در بلوک شوروی در دو دهۀ منتهی به ۱۹۸۹ به‌طور چشمگیری افزایش یافته بود و در کشور‌های در حال توسعه نیز همواره بالا بوده است.
او همچنین می‌نویسد: «بسی مایۀ تعجب است که امروزه ایالات متحده با چه سرعتی، از لحاظ مالیۀ دولتی و نگرش نخبگانش، همان مسیری را طی می‌کند که دولت‌های مدرن نخستین را به سوی بحران سوق داد».

وقتی کتاب گلدستون در سال ۱۹۹۱ منتشر شد، تاریخ‌دانان جبهه گرفتند. لورنس استون، مورخ بریتانیایی، در نیویورک ریویو آو بوکس اثر گلدستون را این‌گونه توصیف کرد: «بیش‌ازحد جسورانه و مبهم در ساخت مفهومی به‌نام شاخص تنش سیاسی، که به اندازۀ تک‌شاخ واقعی است». خود گلدستون اعتراف می‌کند که کتاب در حد انتظارش اثرگذار نشد. او می‌گوید: «من و کتابم هر دو مغفول ماندیم». او بعد‌ها در یکی از روز‌های ۱۹۹۷ تماسی از پیتر تورچین دریافت کرد.

در آن زمان، تورچین دوره‌ای از عمرش را سپری می‌کرد که به‌طنز «بحران میان‌سالی» می‌نامد؛ همان روز‌هایی که در سن چهل‌سالگی زیست‌شناسی را رها کرد و به تاریخ گروید. یکی از علل جذب او به این پرسش که چرا جوامع از درون فرو می‌ریزند این است که فروپاشیِ یکی از آن‌ها را به چشم خود دیده بود.
او در روسیه به دنیا آمد، اما خانواده‌اش در سال ۱۹۷۸ به آمریکا مهاجرت کردند و تورچین تا ۱۹۹۲ به مسکو برنگشت. او به یاد می‌آورد که «در آن سال همه‌چیز کاملاً از هم پاشیده بود. ماه دسامبر بود؛ «روزگاری تیره و خوفناک. آدم‌های مست و لایعقل همه‌جا ولو بودند».
او و همسرش در مسیرشان به سمت بازار از کنار ماشینی که منفجر شده بود گذشتند و اعضای مافیا را دیدند که از دکه‌دارانِ وحشت‌زده به‌زور پول می‌گرفتند، درحالی‌که پلیس تماشا می‌کرد. این تصاویر در ذهن تورچین ماندگار شد.

تورچین می‌گوید وقتی با کتاب گلدستون آشنا شدم، دیدم «قابل‌توجه» است، اما مدل پیشنهادی‌اش ناقص بود: «او چگونگی ورود جوامع به بحران را توصیف می‌کند، ولی از نحوۀ خروجشان بحث نمی‌کند»؛ بنابراین تورچین تصمیم گرفت این مدل را تکمیل کند و دریابد که آیا چنین الگویی در دامنۀ زمانی و مکانیِ وسیع‌تر نیز کاربرد دارد یا نه.
گلدستون بر دوران مدرنِ اولیه تمرکز کرده بود -دوره‌ای در حدود چهار قرن که از ۱۵۰۰ میلادی شروع می‌شد- تورچین نقطۀ شروع پیمایش خود را تا ۸۰۰۰ سال قبل و عصر نوسنگی به عقب برد. او برای این کار باید مقادیر عظیمی داده جمع‌آوری می‌کرد و از این نظر خوش‌اقبال بود: رویکرد کمیّتیِ تاریخ که در دهۀ ۱۹۷۰ با دفاتر ثبت وقایع حیاتی آغاز شده بود، در دهه‌های اخیر شتاب چشمگیری گرفته بود.

گرچه تاریخِ مکتوب تکه‌تکه و پراکنده مانده بود، اکنون می‌شد دربارۀ چند و، چون انقراض مردمانی که پیش‌تر زندگی می‌کردند حرف‌هایی نو زد، حتی اگر اثری مکتوب از آن‌ها در دست نبود؛ و فراتر از آن، از دیدگاه ریاضی‌دانان، می‌شد این حرف‌ها را با عدد و رقم بیان کرد. برای مثال، نمونه‌های یخی به دست آمده از سرزمین گرینلند نمایندۀ دقیقی برای فعالیت اقتصادی در اروپا از آب در آمد، چون لایه‌های همیشه‌منجمدِ زمین آلودگی را در خود محبوس و نوساناتِ آلودگی را در طول قرن‌ها ثبت می‌کند.
بزرگی و ساختار ویلا‌های اشراف‌زادگان نشان از رقابت نخبگان و گنجینه‌های سکه حکایت از دلواپسی دربارۀ کشمکش‌های قریب‌الوقوع دارد، درحالی‌که ناهنجاری‌های اسکلتی سوءتغذیه را آشکار می‌کند؛ متغیری که نشان‌دهندۀ استاندارد زندگی است.
از مدت‌ها پیش به ارزش اطلاعاتی این متغیر‌های نماینده پی برده بودند، اما اکنون داده‌های کمّیِ چندین دهه و گاهی چندین قرن نیز به آن‌ها اضافه شده بود، درنتیجه می‌شد روند‌های تاریخی را در طول زمان تشخیص داد. هرچه نمایندۀ بیشتری برای متغیری خاص در دست داشتید، می‌توانستید از گذشته تصویری روشن‌تر ترسیم کنید.

تورچین در سال ۲۰۰۳ در کتاب پویایی‌های تاریخی الگوی چرخه‌های قرنی را در جوامعی نشان داد که از هزارۀ اول پیش از میلاد تا حول و حوش ۱۸۰۰ تطور یافته و به فرانسه و روسیۀ امروزی تبدیل شده بودند. او همچنین نشان داد که لرزه‌های کوتاه‌تری نیز بر ثبات این جوامع افتاده که نزدیک به ۵۰ سال طول می‌کشد.
وی این دوره‌های کوتاه را «چرخه‌های پدر و پسری» ۱۴ نامید: وقتی یک نسل متوجه وجود بی‌عدالتی شده، اقدام به اصلاح آن با روشی خشونت‌آمیز کرده است، نسل بعدی که تربیت‌یافتۀ همین وضع بوده از خشونت طفره رفته، سپس نسل سوم همه‌چیز را از نو شروع کرده است.

بسیاری از پژوهشگران همان اندازه که چند سال پیش به گلدستون ایراد می‌گرفتند، به کار تورچین نیز با دیدۀ تردید نگریستند. جوزف تِینر، تاریخ‌دان و انسان‌شناس دانشگاه ایالتی یوتا، در نشریۀ نیچر نوشت: «مورخان مهمی مدت‌هاست نظریه‌های چرخه‌ای را بی‌اعتبار کرده‌اند».
اما تورچین تازه اول راه بود. او همۀ انرژی‌اش را صرف جمع‌آوری داده‌ها کرد و در سال ۲۰۱۰ به همراه دو انسان‌شناس دانشگاه آکسفورد پایگاه سشات۱۵ را به‌منظور ساماندهی داده‌ها برای استفاده در مطالعات تطبیقی جوامع راه‌اندازی کرد. سشات یک پایگاه داده شامل اطلاعات تاریخی و باستان‌شناختی است که به‌نام الهۀ نگارش و ثبت وقایع در اساطیر مصر باستان نام‌گذاری شده است.

سشات آماج همان انتقاداتی شد که به‌طورکلی کلان داده را نشانه رفته است. مخالفان می‌گویند، صِرف زیاد بودن حجم داده‌ها به‌معنی قابلیت اطمینان بیشتر نیست. برعکس، چنین پایگاهی خطر سوگیری تفسیری را از طرف نخستین ثبت‌کنندگان اطلاعات تاریخی افزایش می‌دهد و داده‌ها را عاری از بافت تاریخی در نظر می‌گیرد.
بنیانگذاران سشات در پاسخ می‌گویند که عموماً هرگونه مطالعۀ تاریخ مشکل سوگیری را دارد و فقط تجزیه و تحلیل مقادیر عظیم داده به دوری از چنین عامل مختل‌کننده‌ای امکان می‌دهد و نشان‌هایی از نزدیکی به حقیقت را در خود دارد.

تاکنون بنیانگذاران سشات با همراهی بیش از ۹۰ همکار متخصص دیگر -شامل تاریخ‌دانان، باستان‌شناسان و انسان‌شناسانی برجسته- داده‌های مربوط به جوامع ساکن در مناطق پایین‌دست رشته‌کوه آند تا آبگیر کامبوج و ایسلند تا مصر علیا را گردآوری کرده‌اند.
تورچین با تحلیل این داده‌ها نشان داد که همان چرخه‌های دوگانه -چرخۀ قرنی و چرخۀ پدر و پسری- با الگو‌های بی‌ثباتی در اروپا و آسیا تا دوران کشاورزان اولیه هم‌خوانی دارد. این چرخه‌ها در روم، چین و مصر باستان -در جوامع پیشاصنعتیِ مورد مطالعۀ تورچین- وجود داشت.

پرسش بعدی بسیار روشن بود: آیا چنین چرخه‌هایی در جوامع صنعتی مدرن نیز دیده می‌شود؟ تورچین شاخص پسی را برای نشان دادن نیرو‌های شکل‌دهندۀ بازار کار مدرن به‌روزرسانی کرد و متغیر‌های نمایندۀ جدیدی متناسب با دنیای صنعتی‌شده برگزید. این متغیر‌ها عبارت بودند از دستمزد واقعی برای قابلیت بسیج توده‌ها، نرخ اطالۀ بررسی در مجلس سنا و شهریۀ دانشگاه ییل برای رقابت نخبگان و نرخ بهره برای توان پرداخت دیون دولت.
او سپس مقدار شاخص پسی در ایالات متحده را از سال ۱۷۸۰ تا امروز محاسبه کرد. مقدار این شاخص در دورانی موسوم به «عصر احساسات خوب» ۱۶ در حوالی سال ۱۸۲۰ پایین بود، در دهۀ ۱۸۶۰ -دوران جنگ داخلی آمریکا- بالا رفت و بار دیگر در سال‌های پس از جنگ جهانی دوم پایین آمد. از سال ۱۹۷۰ به بعد نیز همواره بالا رفته بود.
اما این بدین معنی نیست که محکوم بودیم به بحران. جوامع زیادی از فاجعه اجتناب کرده بودند، و تورچین می‌خواست مدلی بسازد برای درک اینکه آن جوامع چگونه موفق به چنین کاری شده‌اند.

تورچین در اواخر دهۀ ۱۹۸۰ به جنگل‌های لوئیزیانا سفر کرده بود، جایی که در آن با حمایت مالی صنعت چوب به پژوهش دربارۀ هجوم پرهزینۀ آفتی به‌نام سوسک کاج جنوبی پرداخت. در آن زمان، روش متعارف برای کنترل این آفت سمپاسی‌کردن منطقۀ آلودگی بود.
تورچین نشان داد که این کار فقط مدت هجوم را زیاد می‌کند، چون گونۀ دیگری از سوسک را نیز می‌کشت که شکارچی طبیعیِ سوسک کاج بود. قطع درختان آفت‌زده و حذف آن‌ها روش بهتری بود. او نشان داد که به‌منظور کاهش شدت بحرانِ یک سامانۀ بوم‌شناختی پیچیده و افزایش هرچه‌بیشتر شانس بازیابی آن، می‌توان در خودِ سامانه مداخله کرد.

تورچین امیدوار است بتواند استراتژی‌های مشابهی برای فرونشاندن بحران‌های جوامع انسانی کشف کند. اگر رویکردی که تورچین و گلدستون به‌منظور الگوسازی برای تاریخ به کار می‌گیرند درست باشد، این بدان معناست که آن‌ها نه‌تن‌ها می‌توانند به‌درستی بپرسند که در سال ۲۰۲۰ چه اتفاقاتی منتظر ماست، بلکه می‌توانند جویای حوادثی نیز باشند که تا چند قرن آتی منتظر ماست.
نباید از این علم جدید انتظار غیب‌گویی داشته باشیم، اما می‌توان در شناسایی و رفع تهدید‌های ساختاری‌ای که ثبات جوامع ما را به خطر می‌اندازند از آن کمک گرفت.

با اینکه جوامع گرایش دارند از مسیری که گلدستون ترسیم کرد وارد بحران شوند، تورچین دریافت که خروجشان ممکن است از مسیر‌های مختلفی اتفاق بیفتد، از بازیابی سریع گرفته تا فروپاشی کامل. به‌همین دلیل بحران باعث می‌شود جامعه درمقابل آشفتگی بیرونی فوق‌العاده حساس شود. در این وضعیت، اگر هیچ اتفاق بی‌ثبات‌کنندۀ دیگری رخ ندهد، جامعه می‌تواند خود را باز یابد -همان‌گونه که انگلستان پس از انقلاب بدون خونریزی ۱۶۸۸ خود را بازیافت. ولی ممکن است یک شوک خفیفِ اضافی جامعه را به پیامدی وخیم‌تر یا حتی فروپاشی بکشاند.
اتحاد جماهیر شوروی پیش از فاجعۀ هسته‌ای چرنوبیل در سال ۱۹۸۶ رو به افول گذاشته بود، اما شاید میخائیل گورباچف پر بیراه نگفته باشد وقتی سقوط شوروی را ناشی از آن حادثه دانسته بود.

تورچین و همکارانش برای درک بهتر این فاز از چرخه قصد دارند جوامعی متشکل از هزاران یا میلیون‌ها نفر را با کامپیوتر شبیه‌سازی کنند - این کار را مدل‌سازی عامل‌بنیان۱۷ می‌نامند- و طوری برنامه‌نویسی کنند که رفتارشان منطبق بر قوانینی باشد که از جوامع واقعی استنباط کرده‌اند. آن‌ها می‌توانند این جوامع شبیه‌سازی‌شده را در معرض تنش قرار بدهند، مثلاً با تزریق زادوولد ناگهانی به‌صورت مجازی، و اثرات آن را بر دولت، نخبگان و توده‌ها مشاهده کنند.
وقتی مقدار پسی به سطح بسیار خطرناکی رسید، می‌توانند یک شوک - مثلاً در قالب حملۀ خارجی- به مدل اضافه کنند یا تاب‌آوری جامعه را با تقویت زیرساخت‌ها افزایش بدهند تا ببینند جامعه چه واکنشی نشان می‌دهد.
می‌توانند پرسش‌هایی از این دست بپرسند: برای سوق دادن یک جامعۀ بحران‌زده به سوی فروپاشی کامل چه کاری لازم است؟ چه مداخلاتی جامعه را به سرانجامی با خونریزی کمتر هدایت می‌کند؟ چرا برخی جوامع نسبت به جوامع دیگر تاب‌آوری بیشتری دارند؟

البته، تجربۀ ما دربارۀ بحران اقلیمی نشان می‌دهد که حتی اگر بتوانیم آینده را مثل آب‌وهوا پیش‌بینی کنیم و به مجموعه‌ای از تدابیر پیشگیرانه برای دفع خطر فروپاشی اجتماعی دست یابیم، این بدان معنی نیست که از چنان ارادۀ سیاسی‌ای برخوردار خواهیم بود که به چنین توصیه‌هایی عمل کنیم.
درست است که معمولاً جوامع انسانی همواره در بازسازی خود پس از فجایع اجتماعی عملکرد بهتری درمقایسه با پیشگیری از فجایع داشته‌اند، اما استثنا‌هایی نیز وجود دارد. تورچین به برنامۀ «نیو دیل» آمریکا در دهۀ ۱۹۳۰ اشاره می‌کند که در آن دوران نخبگان آمریکایی رضایت دادند ثروت فزایندۀ خود را عادلانه‌تر تقسیم کنند، در عوضِ این تضمین ضمنی که «مبانی نظام سیاسی-اقتصادی به چالش کشیده نشود». به‌گفتۀ تورچین، جامعۀ آمریکا توانست با این پیمان خود را از وضعیتی بالقوه انقلابی بیرون بکشد.

گلدستون در ادامه می‌خواهد این پیام را به گوش همگان برساند که این‌گونه پیمان‌ها باز هم می‌توانند کارساز باشند. او اکنون استاد سیاست عمومی در دانشگاه جورج میسونِ ایالت ویرجینیا و مشاور شورای ملی اطلاعات آمریکاست۱۸ -سازمانی که به تبیین استراتژی‌های بلندمدت آمریکا می‌پردازد-، اما می‌گوید ایده‌هایش تاکنون تأثیر چندانی نداشته‌اند.
در کارگاهی که آوریل گذشته در دانشگاه پرینستون با موضوع فروپاشی اجتماعی برگزار شد، شخصی از وی پرسید که چرا جوامع تاریخی اغلب اقدام و واکنشی از خود نشان نداده‌اند، حتی در مواردی که نشانه‌های بحرانی قریب‌الوقوع انکارناپذیر بوده است؟ او پاسخ داد که، چون قشر نخبگان، که در سایۀ ثروت و مزیت‌های ویژۀ خود از آشوب در امان مانده‌اند، تا مدتی پس از آغاز فروپاشی همچنان به زندگی مجلل خود ادامه می‌دهند.

تورچین بر این باور است که تاریخ‌دانان نیز به‌زودی علم پیچیدگی را با آغوش باز خواهند پذیرفت، همان‌طور که زیست‌شناسان نیم‌قرن پیش پذیرفتند. آن‌ها خواهند فهمید که این علم به ما امکان می‌دهد تا با ژرف‌بینی و دورنگری، الگو‌هایی را تشخیص بدهیم که به چشم بشر دیده نمی‌شود.
درواقع، این اتفاق آغاز شده است. در چند سال اخیر، نهاد‌هایی با هدف تشویق سیاست‌گذاران به اندیشیدن دربارۀ درس‌های بلندمدت تاریخ شکل گرفته‌اند، از جمله «مرکز مطالعۀ ریسک وجودی» ۱۹ در دانشگاه کیمبریج. در نشست پرینستون یک تحلیل‌گرِ ریسک از مرکز تحقیق و توسعۀ مهندسی ارتش آمریکا حضور داشت که به این پرسش فکر می‌کند که چگونه می‌توان ایالات متحده را با نگاه به گذشته در برابر تهدید‌های آتی تاب‌آورتر کرد.

همۀ این‌ها از نظر تورچین پیشرفت‌های دلگرم‌کننده‌ای است، اما سال ۲۰۲۰ فرا رسیده است و خطوط ایدئولوژیک چنان بین نهاد‌های قانون‌گذار، چه در آمریکا و چه در انگلستان، جدایی انداخته است که نمی‌توانند کارایی مناسبی از خود نشان دهند. در هر دو کشور، نخبگان ناراضی قدرت را به‌نام مردم به دست گرفته‌اند، درحالی‌که به علل اساسی بیماری جامعه نمی‌پردازند: نابرابریِ رو به گسترش، نخبگانی خودبین و دولتی شکننده.

گلدستون می‌خواهد تسلی خاطر بدهد. او می‌گوید: «هیچ‌کس در دهۀ ۱۹۳۰ نمی‌توانست تصور کند اروپا تا دهۀ ۱۹۶۰ چقدر ثروتمند خواهد شد یا اینکه کشور‌های این قاره متحد خواهند شد. ممکن است اوضاع یکی دو دهه بدتر شود، ولی احتمالاً پس از پشت سر گذاشتن بحران خیلی بهتر خواهد شد».
این تسلی در ذات نگاه چرخه‌ای به تاریخ نهفته است: در پس هر سقوط صعودی دیگر است، همان‌طور که در پس هر صعود سقوطی دیگر خواهد آمد. روزی اوضاع دوباره ختم به خیر خواهد شد، البته برای آن دسته از ما که زنده خواهند بود تا آن روز را ببینند.

پی‌نوشت‌ها:
• این مطلب را لورا اسپینی نوشته است و در تاریخ ۱۲ نوامبر ۲۰۱۹ با عنوان «History as a. giant data set: how analysing the past could help save the future» در وب‌سایت گاردین منتشر شده است. وب‌سایت ترجمان آن را در تاریخ ۱۵ دی ۱۳۹۸ با عنوان «آیا مدل‌های ریاضیاتی بالاخره می‌توانند موفق به پیش‌بینی تاریخ شوند؟» و ترجمۀ مجتبی هاتف منتشر کرده است.

•• لورا اسپینی (Laura Spinney) نویسنده و روزنامه‌نگار علمی اهل بریتانیاست که برای نشریه‌های مختلفی از جمله نیچر، اکونومیست، نیوساینتیست و نشنال جئوگرافیک مطلب نوشته است. کتاب او با عنوان سوار رنگ‌پریده (Pale Ride) به همه‌گیری جهانی آنفلوانزا در سال ۱۹۱۸، معروف به آنفلوانزای اسپانیایی، می‌پردازد.

[۱]Historical Dynamics
[۲]Cliodynamics: رشته‌ای تلفیقی برای مطالۀ پویایی‌های تاریخی با استفاده از مدل‌های ریاضیاتی. لفظاً یعنی «اسطوره-پویاشناسی»
[۳]big data
[۴]Fragile States Index
[۵]اشاره به طرح خودکشی دسته‌جمعی موش‌های قطبی در سکانسی از مستند «برهوت سفید» (White Wilderness) که شرکت والت دیزنی در سال ۱۹۵۸ پخش کرد [مترجم].
[۶]The History Manifesto
[۷]The American Historical Review
[۸]Diarmaid MacCulloch
[۹]Complexity Science Hub
[۱۰]Cambridge Group for the History of Population and Social Structure
[۱۱]Atlas of World Population History
[۱۲]political stress indicator
[۱۳]Revolution and Rebellion in the Early Modern World
[۱۴]fathers-and-sons cycles
[۱۵]Seshat
[۱۶]Era of Good Feelings
[۱۷]agent-based models
[۱۸]National Intelligence Council
[۱۹]Centre for the Study of Existential Risk
۰
نظرات بینندگان
اخبار مرتبط سایر رسانه ها
    سایر رسانه ها
    تازه‌‌ترین عناوین
    پربازدید