Правила самоорганизации: Правила самоорганизации. Как все успевать, не напрягаясь | Темплар Ричард

Автор: | 18.11.1978

Содержание

Правила самоорганизации и карьерные рельсы: дайджест образования № 27

Фото: РБК Тренды

Рассказываем, почему карьерный рост невозможен без риска, зачем нужны менторы и как эффективно планировать работу и личную жизнь

Тема недели: карьерный путь

Традиционные представления о «правильном» карьерном пути часто мешают молодым специалистам решиться на серьезные изменения: оставить работу в известной компании или выбрать интересную должность вместо высокооплачиваемой. Директор по маркетингу Reputation.com Ребекка Бистман уверена, что нетрадиционный карьерный путь помогает прокачать целый набор навыков и стать более востребованным специалистом.

Она предлагает пять стратегий, чтобы добиться профессионального успеха:

  1. Не зацикливайтесь на брендах. Выбирая место работы ориентируйтесь не на громкое имя компании, а возможность учиться новому и развиваться. Крупные организации — это сложные бюрократические системы. Продвижение по карьерной лестнице в них обычно происходит медленнее.
  2. Отстаивайте свое право на жизнь. Важно честно рассказать руководителю о своих приоритетах. Это избавит вас от необоснованных ожиданий начальства и поможет работать в комфортных условиях. Многие специалисты быстро выгорают, если тратят всю энергию на рабочие задачи и делают вид, что у них нет других интересов.
  3. Учитесь у всех начальников. Идеального лидера не бывает, но у любого начальника есть сильные стороны. Важно найти их и извлечь уроки.
  4. Беритесь за любые задачи. Решение задач, которые не входят в ваши обязанности, помогает завоевать доверие команды. Помните, что никто не хочет работать с человеком, который постоянно делегирует полномочия.
  5. Рискуйте. Даже если вы не любитель больших изменений, в карьере нужно рисковать и не бояться последствий своих решений. Тревога неразрывно связана с карьерным ростом. Не выходя из зоны комфорта сложно добиться успеха.

Справиться с нерешительностью и отважиться на серьезные перемены поможет наставник. Обычно это опытный профессионал — источник знаний и ответов для своего подопечного. Ментор стимулирует личностный рост, помогает развить навыки и мотивирует. Наставники очень полезны и в онлайн-образовании. Когда человек решает повысить квалификацию или вообще сменить профессию, он оказывается в новой для себя среде, где сложно сориентироваться. Наставники поддерживают подопечных, помогают выбрать направление развития, предлагают альтернативные способы решения возникающих проблем.

Менторы помогают не только начинающим специалистам, но и более опытным, которые уже запускают свои стартапы.

Часто предприниматели даже не знают, каких навыков им не хватает. Наставник смотрит на ситуацию «сверху» и показывает подопечному нужный вектор развития. Он не дает точных рекомендаций и не решает проблемы, но создает условия, в которых проще достигнуть успеха. По результатам исследования компании Endeavor, у 30% основателей успешных нью-йоркских технологических стартапов были менторы.

Новости недели

  • Дети, которые ходили в детский сад, более подготовлены к школе. Но уже к концу года это преимущество сокращается почти вдвое — показало исследование Американской психологической ассоциации.
  • Человек быстрее учится, когда получает награду за успехи, и гораздо медленнее, когда ему говорят, что нужно делать. Такую закономерность показало исследование Французского национального института здравоохранения.
  • Все больше студентов объединяются в группы и вместе снимают дома в разных частях мира на время удаленной учебы.
  • Бывший генеральный директор IBM Джинни Рометти считает, что стоит прекратить прием на работу на основании диплома о высшем образовании.
  • Самые серьезные прорывы в образовании происходят благодаря преподавателям университетов, которые запускают открытые онлайн-курсы.
  • HolonIQ составила список EDTech-единорогов — компаний, которые оцениваются более, чем в $1 млрд. На первом месте — индийская платформа BYJU’S, которая предлагает программы для обучения детей от 4 до 18 лет. Ее оценивают в $10 млрд.
  • В ближайшие месяцы 83% работодателей планируют нанять больше сотрудников, занимающихся вопросами здоровья и безопасности, а 70% будут развивать сотрудничество с фрилансерами. Исследование McKinsey. При этом опрос компании Bupa Global показал, что 90% руководителей бизнеса решили заняться здоровьем и больше времени уделять семье.

Семь правил эффективного планирования

Медиаконсультант Александр Амзин рассказал о своем способе организовать время работы и отдыха:

  1. Производительность зависит от времени дня. Важные дела стоит начинать в тот период суток, когда вы еще не устали от других дел. Этот момент может быть и ночью, и ранним утром, все зависит от вашего распорядка.
  2. Заведите в календаре время для «главного», но не стремитесь заполнить его конкретными задачами. «Главным» могут оказаться самые разные дела, о которых вы даже не подозреваете в момент планирования. Важно, чтобы для них было время.
  3. День никогда не будет таким, как вы запланировали. Не нужно бояться переносить какие-то дела. Освободившееся время лучше тратить на отдых или творческие задачи. Например, вместо отменившейся встречи можно погулять, послушать аудиокнигу и даже посмотреть любимый сериал.
  4. Планируйте радости. Правильно освободить субботу на день рождения близкого человека, но не стоит записывать в календарь звонки маме. К тому, что занимает место в сердце, не нужно обращаться по расписанию.
  5. Читать мотивирующую или художественную литературу лучше вечером. Это поможет избавиться от привычки до ночи смотреть сериалы.
    Книгу можно дочитать до конца, а вот Netflix досмотреть до конца еще никому не удавалось.
  6. Занимайтесь одним делом, не отвлекаясь на звонки или сообщения. Поверьте, «я занят» — это уважительная причина, даже если вы заняты разговором с другом.
  7. Проверяйте почту, только когда очень устанете. Это настоящий генератор отвлечений, который сильно увеличивает время на любую работу.

Бонус-совет. Не планируйте работу на субботу. Выдайте себе лицензию на лень в этот день, это не сделает вас хуже — только лучше.

Исследование недели

Среди россиян старше 45 лет резко вырос интерес к онлайн-образованию.

Весной 2020 года люди в возрасте от 45 до 54 лет в два разе чаще посещали образовательную платформу «Нетология». Резкий рост интереса исследователи связывают с пандемией и «карантинным» образом жизни. Самыми популярными у взрослых стали курсы интернет-маркетинга, программирования и дизайна. Лидеры августа — курсы по SQL и языку Python.

При этом увеличился интерес и к курсам для детей. По данным онлайн-школы «Фоксфорд», в этой сфере выросли и оборот, и количество платежей, и число тех, кто платит за занятия. Среди школьных предметов больше всего востребованы курсы по математике — их выбирают 40% учеников, и физике — 22%.

Что почитать

Книгу «Найди ментора. Как перейти на следующий уровень». В ней методолог, исследователь менторских практик на постсоветском пространстве Александр Кравцов рассказывает, зачем нужен ментор и где его найти. РБК Тренды уже публиковали отрывок о критериях хорошего наставника.

Что послушать

Подкаст «Оффер во вложении». В подкасте сотрудники из­вест­ных фирм отвечают на вопросы, ко­то­рые не всегда получается задать на со­бе­се­до­ва­нии — про зар­пла­ту и от­пуск, опла­ту обе­дов, спе­ци­фи­ку об­ще­ния с кол­ле­га­ми и со­кра­ще­ния.

Куда записаться

Самый популярный курс Йельского университета «Наука о благополучии» теперь можно прослушать онлайн бесплатно.


Больше информации и новостей о трендах образования в нашем Telegram-канале. Подписывайтесь.

Ричард Темплар — Правила самоорганизации. Как все успевать, не напрягаясь читать онлайн бесплатно

Ричард Темплар

Правила самоорганизации. Как все успевать, не напрягаясь

Переводчик Екатерина Милицкая

Редактор Полина Суворова

Руководитель проекта И. Серёгина

Корректор О. Галкин

Верстальщик Е. Сенцова

Дизайнер обложки С. Прокофьева

© Richard Templar, 2009

© Издание на русском языке, перевод, оформление. ООО «Альпина нон-фикшн», 2011

Издано по лицензии Pearson Education Limited

Все права защищены. Никакая часть электронной версии этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами, включая размещение в сети Интернет и в корпоративных сетях, для частного и публичного использования без письменного разрешения владельца авторских прав.

© Электронная версия книги подготовлена компанией ЛитРес (www.litres.ru)

* * *

Моему великолепному редактору и прекрасному другу Рэйчел, без которой мне не удалось бы сделать так много

Введение

Если вы держите в руках эту книгу, значит, полагаете, что успеваете гораздо меньше, чем хотелось бы. Может быть, вы никогда не успеваете сделать что-либо вовремя или просто не справляетесь с потоком дел. Может быть, вы устали от бесконечных попыток сделать все качественно и в срок, которые никогда не заканчиваются успехом, невзирая на все ваши старания. Может быть, вы смотрите на окружающих вас людей, которые живут упорядоченной жизнью и достигают всего без усилий, и не можете понять, почему вам это не удается, полагая, что вам всего лишь не повезло получить от природы нужную толику организованности.

Я открою вам один секрет. Организованность никому не дается просто так. У тех, кто, кажется, делает все необходимое без усилий, нет никакого природного дара, позволяющего помнить памятные даты, отлично вести дом или расставлять приоритеты в работе. Они просто владеют приемами и методами, которые вам неизвестны. На самом деле, наиболее организованные из ваших знакомых – те, кто никогда не забывают о вашем дне рождения, – возможно, имеют ужасную память. Им пришлось всерьез заниматься ее тренировкой – иначе они никогда не были бы такими, какими вы их знаете.

Кое-какие из необходимых вам навыков достигаются лишь практикой. Самые важные из них я описал в этой книге, поскольку без них вам вряд ли удастся обойтись. Однако бóльшая часть работы будет происходить у вас в голове. Ваш собственный подход к рутинным делам, спискам того, что необходимо сделать, и переполненному ящику для входящих документов – вот что важнее всего.

Многие годы я наблюдал за людьми, добивавшимися впечатляющих успехов в жизни, – теми, кому удавалось работать целый день, общаться с семьей, заботиться о престарелых родителях, заниматься благотворительностью и к тому же содержать в безупречном порядке свой сад. Некоторые из них, казалось, не прилагали к этому никаких усилий. Они делали все легко, непринужденно, без напряжения.

Эти люди знали кое-что, чего не знают остальные. Они знали, как приступить к огромному пласту работы, не впадая в панику, как оставаться позитивным во время ее выполнения и как, встав на следующее утро, начать все сначала, не чувствуя себя обиженным, недовольным, несчастным. И еще я понял, что они используют для этого множество приемов, которые и вправду помогают справляться со всем, не напрягаясь.

Это кажется элементарным, не так ли? На самом деле, звучит нереально, невероятно, неправдоподобно просто. Но это действительно так.

Разумеется, для того чтобы научиться автоматически пользоваться описанными здесь приемами, нужна практика. Кроме того, вам потребуется выработать правильное отношение к происходящему. Именно об этом – моя книга. Я хочу поделиться с вами секретами, усвоенными от многих людей за долгие годы, наблюдениями за их отношением к работе и практическими приемами, которыми они пользуются.

Возможно, разом привнести все это в свою жизнь покажется вам делом чрезвычайно трудным. Поэтому для начала отберите то, что вам больше всего хотелось бы использовать, – быть может, методы, которые кажутся вам наиболее простыми, или те, что вы считаете самыми необходимыми. Начните с них, а затем переходите ко все новым и новым шагам. Уже скоро вы поймете, что стали успевать гораздо больше, чем раньше, и что напрягаться вам приходится гораздо меньше. Вы почувствуете, что ваша жизнь стала проще.

Однако до того как начать, вам необходимо продемонстрировать волю к победе. Так что в первую очередь внесите чтение этой книги в верхнюю строку списка запланированных дел и приложите все силы к тому, чтобы выполнить поставленную задачу.

Я всегда рад узнать о новых методах и приемах экономии времени. Вы можете поделиться своими идеями и размышлениями по адресу [email protected]


Кажется, Генри Форд сказал: «Думаете ли вы, что справитесь с той или иной задачей, или, напротив, полагаете, что она вам не по силам, – и в том и в другом случае вы, скорее всего, окажетесь правы». Другими словами, если перед кучей дел у вас опускаются руки и вы думаете: «Мне никогда не справиться», скорее всего, вы действительно не справитесь. Если же вы, напротив, размышляете так: «Это потребует времени, не стоит медлить», – по-видимому, у вас все получится.

Вы ничем не отличаетесь от других. Подумайте о ком-нибудь из ваших знакомых, чья жизнь заполнена множеством дел, и кто тем не менее ухитряется с ними справляться. Это те самые люди, которые, заходя к вам на обед, никогда не забудут принести с душой выбранный подарок или букет цветов из своего сада. Если им это по силам, значит, по силам и вам. Придется в это поверить. Или по крайней мере допустить подобную возможность. Всякий раз, когда вы уже готовы опустить руки, вспоминайте об этих людях и говорите себе, что такое возможно. Способность все успевать связана прежде всего с образом мыслей. Осознав это, вы поймете, что вам дано столько же, сколько и другим – мозги, пара рук и все остальное, и что, овладев нужными навыками, вы сможете все успевать, не напрягаясь.


Большинство из нас предпочли бы быть организованными, хотя бы в некоторых вещах. Может, бессистемный подход хорош во время приготовления блюд, но каждому из нас, без сомнения, хотелось бы в любой момент точно знать, где лежат ключи от машины. Возможно, мы любим праздники, полные сюрпризов, и все-таки предпочли бы, чтобы совещания каждый раз начинались вовремя.

Если вы хотите стать более организованным, вам необходимы прежде всего не усилия, а стремление. Если вы просто мечтаете о том, чтобы лучше организовать свою жизнь, возможно, этого так никогда и не произойдет. Если вы хотите достигнуть реальных изменений, вы должны всей душой стремиться к организованности.

Читать дальше

Книга «Правила самоорганизации: Как все успевать, не напрягаясь. 4-е издание» Темплар Р

Правила самоорганизации: Как все успевать, не напрягаясь. 4-е издание

Если вам кажется, что дел невпроворот, а их список все растет и растет, если вы вечно все путаете и ничего не можете найти, если жизнь превратилась для вас в отчаянную гонку… Не отчаивайтесь, это исправимо. Для начала расслабьтесь. Повседневность не должна изматывать вас, можно отлично все устроить, не напрягаясь. В этой книге вы найдете секреты тех везунчиков, которые всегда все успевают, никогда не забывают о чужих днях рождения, вовремя расправляются со своими делами и бумагами и при этом им хватает времени спокойно посидеть и отдохнуть. Ричард Темплар с присущими ему мудростью и юмором предлагает 100 простых и безболезненных способов достигать большего ценой меньших усилий и в конечном итоге жить более полной жизнью.

Поделись с друзьями:
Издательство:
Альпина нон-фикшн
Год издания:
2016
Место издания:
Москва
Язык текста:
русский
Язык оригинала:
английский
Перевод:
Милицкая Е.
Тип обложки:
Твердый переплет
Формат:
60х90 1/16
Размеры в мм (ДхШхВ):
215×145
Вес:
390 гр.
Страниц:
214
Код товара:
842900
Артикул:
N1603135
ISBN:
978-5-91671-578-1
В продаже с:
09. 04.2016
Аннотация к книге «Правила самоорганизации: Как все успевать, не напрягаясь. 4-е издание» Темплар Р.:
Если вам кажется, что дел невпроворот, а их список все растет и растет, если вы вечно все путаете и ничего не можете найти, если жизнь превратилась для вас в отчаянную гонку… Не отчаивайтесь, это исправимо. Для начала расслабьтесь. Повседневность не должна изматывать вас, можно отлично все устроить, не напрягаясь. В этой книге вы найдете секреты тех везунчиков, которые всегда все успевают, никогда не забывают о чужих днях рождения, вовремя расправляются со своими делами и бумагами и при этом им хватает времени спокойно посидеть и отдохнуть. Ричард Темплар с присущими ему мудростью и юмором предлагает 100 простых и безболезненных способов достигать большего ценой меньших усилий и в конечном итоге жить более полной жизнью. Читать дальше…

«Открытые системы. Опыты художественной самоорганизации в России. 2000–2020»

В издании представлена 101 российская художественная самоорганизация — от Калининграда до Владивостока.

Книга «Открытые системы. Опыты художественной самоорганизации в России. 2000–2020» — результат долгосрочного исследовательского проекта, инициированного научным отделом Музея «Гараж» в 2015 году. Проект начался с желания пополнить архив Музея актуальными и стремительно исчезающими свидетельствами художественного процесса 2000–2010-х годов. Фокусом внимания стали самоорганизации — объединения художников и кураторов, самостоятельно реализующих свои художественные идеи.

Выставка «Открытые системы. Опыты художественной самоорганизации в России. 2000–2015», прошедшая в Музее в 2015 году, представила собранные материалы и послужила началом путешествия команды проекта по городам России с целью более глубокого изучения самоорганизаций, дополнительного сбора документов, а также проведения выставок, репрезентирующих внеинституциональную художественную среду. 

После трех лет полевой работы и выставок в восьми городах России было решено остановиться и проанализировать сделанное: героями книги стали 101 инициатива со всей страны. В издании собраны анкетная информация о самоорганизациях, фотографии и высказывания участников этих объединений, чтобы, насколько возможно, дать представление о разнообразии голосов современного русского искусства.

Инициативы сгруппированы по городам, в которых они расположены, внутри этих разделов — в порядке возникновения. 

В книгу также вошли статьи, рассматривающие самоорганизации с разных сторон: введение Саши Обуховой, инициатора проекта; описание использованной методологии Антонины Трубицыной, редактора-составителя издания; теоретические размышления о природе самоорганизаций художника Руслана Поланина; социологический взгляд на них исследователя Маргариты Кулевой и рефлексия куратора Елены Ищенко на тему самоэксплуатации.

Издание оснащено справочным аппаратом, именным указателем и системой ключевых слов. Подробная информация о каждой инициативе (хроника событий и документация проектов) доступна в электронном каталоге Сети архивов российского искусства. 

Самоорганизация

Перепечатка: F0409A

Традиционные иерархические предприятия могут имитировать особенности самоорганизующихся объектов, таких как Linux, чтобы получить конкурентное преимущество, особенно перед компаниями, клиенты которых остаются изолированными друг от друга и не знают друг друга.

Небольшой хаос имеет большое значение. Учтите, что когда дело доходит до контроля над такими процессами, как производство, доставка и обмен, каждая бизнес-модель попадает в какой-то континуум.С одной стороны, это строго контролируемые иерархические производственные системы. Кто-то, будь то в General Motors, Wal-Mart или Amazon, отвечает. На другом конце — самоорганизующиеся субъекты, деятельность которых не контролируется ни одним физическим лицом или офисом. Они в хорошем смысле этого слова хаотичны. Например, на eBay и фондовой бирже участники рынка, а не розничные владельцы, решают, что продавать и покупать, по какой цене и т. Д. Теперь появляется новый тип хозяйствующего субъекта: жестко контролируемая иерархическая система производства или распределения с признаками хаотической самоорганизации.Подобно новому виду, завоевавшему неосвоенную нишу, такие гибридные предприятия сейчас растут в численности и мощи.

Возникает новый тип хозяйствующего субъекта: жестко контролируемая иерархическая система производства или распределения с признаками хаотической самоорганизации.

Самоорганизующиеся системы всегда давали интегрированные результаты в природе (экосистемах) и человеческих обществах (язык). Возможно, самыми ранними примерами самоорганизующихся коммерческих систем являются городские рынки с их торгующимися купцами, восходящими к заре самой коммерции.Но в век Интернета самоорганизующиеся системы выходят за рамки рыночного обмена и создают сложные, изощренные и высококонкурентные продукты: компьютерные операционные системы (Linux), научные проекты (геном человека) и обширные мультимедийные социальные развлечения (онлайн-игры).

Известно, что сообщество Linux с открытым исходным кодом выросло и стало первой и единственной рыночной силой, способной бросить вызов иерархическому подходу Microsoft к разработке программного обеспечения. Иерархические предприятия, такие как IBM (с OS / 2) и Sun Microsystems (с Solaris), пытались победить почти монополию Windows, но безуспешно.Команда Linux, изменив структуру производственной игры операционных систем с иерархической на самоорганизующуюся, получила уникальное преимущество, а теперь и прочное партнерство с IBM. И подумайте о том, как самоорганизация изменила музыкальную индустрию. В 1998 году файлообменники перешли от иерархического распределения музыки (традиционная розничная торговля) к самоорганизующемуся обмену. Шесть лет спустя бизнес все еще шатается. Здесь атака самоорганизующейся системы дестабилизировала всю отрасль.

Было бы сложно и рискованно — даже безрассудно — попытаться полностью преобразовать иерархическую бизнес-модель в самоорганизующуюся. Но потенциал самоорганизующихся систем для повышения конкурентоспособности становится очевиден для руководителей некоторых предприятий с традиционной структурой. Посмотрите на самых популярных игроков в рознице: Amazon, Apple iTunes и Netflix. Эти компании в некотором роде выглядят как самоорганизующиеся биржи, потому что они предоставляют развивающиеся рекомендации, основанные на том, что купили сообщества единомышленников. Но, на самом деле, все три блестяще спроектировали клиентский опыт от начала до конца, даже больше, чем в обычных розничных магазинах с иерархической структурой.Amazon, Apple iTunes и Netflix — это иерархические компании, которые проницательно способствуют самоорганизующемуся обмену; в каждом случае иерархический розничный торговец поощряет и выражает — в некотором смысле, делает очевидным — скрытые сообщества клиентов с общими предпочтениями (в отношении книг, музыки или фильмов). И в каждом случае создание системы самоорганизующегося обмена помогло переманить покупателей от конкурентов, клиенты которых остаются в значительной степени изолированными друг от друга и игнорирующими друг друга.

Формы таких гибридных предприятий также существуют в мире кирпичей и минометов.Здесь некоторые компании уже давно объединили иерархические и самоорганизующиеся элементы, наделяя рядовых сотрудников более широкими дискреционными полномочиями, позволяя продавцам на местах принимать решения «на лету», которые когда-то приходилось приходить из штаб-квартиры. Сегодня возможность передавать сложную информацию в реальном времени на передовую дает иерархическим компаниям больше возможностей, чем когда-либо, в использовании самоорганизации.

Harrah’s, оператор казино и отелей, например, хочет исключительно хорошо обращаться со своими VIP-клиентами (крупнейшими спонсорами), поскольку окупаемость инвестиций огромна.Вместо того, чтобы заставлять обслуживающий персонал следить за приходами и уходами этих клиентов и направлять сотрудников, чтобы они заботились о них, Harrah’s все чаще предоставляет непосредственным сотрудникам поминутную информацию о том, кто есть кто, где находятся клиенты в учреждении, насколько они здоровы. игра, кто получает преимущество перед кем, и другие тонкие и важные вопросы. Сотрудники, вооруженные этим интеллектом и дискреционными полномочиями давать льготы и руководствуясь четко определенными правилами и целями производительности, должным образом нянчятся с VIP-персонами.Подобно пчелам, работающим в улье, каждый сотрудник определенным, но непредсказуемым образом вносит свой вклад в работу всей системы — с минимальным руководством со стороны менеджеров.

Наконец, рассмотрим этот эксперимент в British Petroleum. Как Томас Мэлоун описал на этих страницах несколько месяцев назад («Знакомство с рынком», март 2004 г.), BP разработала внутрифирменную торговую площадку для покупки и продажи кредитов на загрязнение для достижения своих экологических целей. Обычно управление загрязнением представляет собой иерархический, строго контролируемый процесс с предсказуемым результатом: руководители устанавливают целевые показатели для всей компании, сообщают каждому подразделению свою квоту на загрязнение и рассчитывают достичь заранее определенной цели.Перейдя на самоорганизующуюся биржу, когда бизнес-единицы присоединяются к своего рода свободному рынку, компания сменила предсказуемость на потенциально более высокую производительность. Фактически, самоорганизующаяся биржа помогла BP превзойти свои цели по загрязнению, повысив ее репутацию и сэкономив деньги.

Самоорганизующиеся системы могут показаться рискованными, потому что вы не можете предсказать, что они будут делать. Но мать-природа — и, во все большей степени, опыт успешных фирм — учит нас, что самоорганизация может быть надежной и конкурентоспособной.

Версия этой статьи появилась в выпуске Harvard Business Review за сентябрь 2004 г.

границ | Самоорганизующиеся сложные сети: индивидуальные и глобальные правила

1. Введение

Одной из основных целей вычислительных социальных моделей является количественная оценка механизмов, порождающих появление коллективного поведения социальных групп. Особенно полезным инструментом моделирования в этом отношении является теория эволюционных игр. Этот инструмент использовался для объяснения возникновения и выживания сотрудничества в обществе в отличие от широко признанного эгоистичного характера отдельных людей.Аксельрод и Гамильтон (1981) обратились к очевидному противоречию, и их работа привлекла внимание все большего числа исследователей к удивительному условию того, что альтруизм мог возникнуть намного раньше, чем зарождение человеческой цивилизации. Фактически альтруизм может соответствовать рождению самой жизни, хотя широко распространенные в теории игр концепции родства и взаимности, похоже, относятся к сложным социальным сетям, а не к индивидуумам. Фактически, Аксельрод и Гамильтон основывали свое исследование эволюции жизни на использовании игры «Дилемма заключенного» с ее решающим конфликтом между искушением человека обманывать и действовать на благо общества — модель, которая, кажется, применима только к человеческому обществу.

Совсем недавно концепции эволюционной теории игр, которые, по-видимому, были введены для обсуждения социального эффекта общественного блага, используются для понимания процессов химии ферментов (Archetti and and Scheuring, 2016). Другая социологическая концепция, принятая в настоящее время для иллюстрации конфликта между использованием ограниченных общих ресурсов и личными интересами (Hauser et al., 2014), «трагедия общественного достояния», была использована (Stewart and Plotkin, 2016) для обсудить эволюцию сотрудничества в экологических сетях.

Аргумент сетевой взаимности, в форме, проиллюстрированной Новаком и Мэй (1992), основан на наблюдении, что в сети кооператоров и перебежчиков более богатая среда кооператоров предотвращает распространение перебежчиков. Некоторые поставили под сомнение этот аргумент, отметив социальную активность, которой занимаются люди, которые также участвуют в игре «Дилемма заключенного». Было обнаружено, что дополнительное социальное взаимодействие людей в этой социальной группе нарушает взаимодействие в сети (Vilone et al., 2012, 2014). Однако, когда эта дополнительная деятельность основана на лицах, имитирующих выбор, сделанный их ближайшими соседями, это может способствовать выживанию сотрудничества (Mahmoodi and Grigolini, 2017). Эта живучесть является следствием того, что сила имитации достаточно сильна для создания критичности, как в модели принятия решений (DMM) (West et al., 2014).

Условие критичности, используемое Махмуди и Григолини (2017), получается путем настройки силы имитации до теоретического значения, которое в предельном случае бесконечно большой сети, как ожидается, будет определяться с помощью рецепта, подобного Изингу, поскольку используемый цифровой мультиметр в классе универсальности Изинга (West et al., 2014). Критичность влечет за собой долгосрочную корреляцию между членами общества, даже теми, кто общается исключительно посредством взаимодействия ближайших соседей. Такая критичность была интерпретирована как форма глобального интеллекта, идентифицированного как интеллект роя (Vanni et al., 2011), феномен, который может быть общим для микробных сообществ и механизмов канцерогенеза (Rosenfeld, 2013), а также нейронными системами (Hesse, Gross, 2014). В конкретном случае, когда люди играют в игру «Дилемма заключенного», интеллект роя, индуцированный критичностью, позволяет членам общества осознавать преимущества сетевой взаимности и тем самым смещает их взаимодействие в пользу этого сетевого свойства, а не нарушает его (Mahmoodi и Григолини, 2017).

Манифест вычислительной социальной науки (Conte et al., 2012) основан на предположении, что критичность является следствием самоорганизации, и, таким образом, подразумевает, что социальная критичность является формой самоорганизованной критичности (SOC). Здесь уместно сделать предостережение, теперь, когда был использован термин SOC. В 25-летнем обзоре концепций и противоречий, связанных с SOC (Watkins et al., 2016), подчеркивается, что SOC возникает в открытых, расширенных, диссипативных динамических системах, которые автоматически переходят в критическое состояние.Это отличается от непрерывного фазового перехода, где в критической точке корреляции становятся дальнодействующими и характеризуются обратной степенной функцией плотности вероятности (PDF). Чтобы достичь критической точки, внешний параметр управления, такой как температура, должен быть точно настроен до критического значения. Мы обозначаем этот параметр управления символом K . С другой стороны, SOC возникает повсеместно там, где любая тонкая настройка достигается посредством его внутренней динамики (Bak and Chen, 1989).Эта независимость от внешней настройки является определяющим свойством явления SOC.

О появлении SOC обычно свидетельствует появление аномальных лавин, см. Zapperi et al. (1995); Martinello et al. (2017) для более поздних работ. В данной статье мы проиллюстрируем форму SOC, основанную на спонтанном поиске критического значения параметра K , который выбирается сетью через процесс снизу вверх , то есть через динамическое поведение индивидов. и не навязывается извне.Основным признаком самоорганизованной критичности этой статьи является временной интервал между двумя критическими событиями с неэкспоненциальной плотностью распределения вероятностей времени ожидания (PDF), свойство, упоминаемое как временная сложность в более ранней работе (Turalska et al. ., 2011). Поэтому мы называем форму SOC, разработанную в этой статье, самоорганизующейся временной критичностью (SOTC) . Критические события определяются путем сравнения переменной K ( t ) со средним по времени K¯ и идентифицируются с изменением знака переменной ζ (t) = K (t) -K¯.

Единственная известная нам более ранняя форма SOC, приводящая к временной сложности, — это Lipiello et al. (2005), показывая, что SOC Бака и Чена (1989) не имеет временной сложности, поскольку продолжительность времени для достижения равновесия в этом случае описывается экспоненциальным временем ожидания PDF. Мы не исключаем возникновения традиционных лавин SOC, но оставляем это как предмет будущих исследований.

Подчеркнем, что форма SOTC реализована в полном соответствии с духом теоретической точки зрения Аксельрода и Гамильтона (1981).Фактически, отдача от выбора, сделанного отдельными людьми в составной сети, определяется с помощью игры «Дилемма заключенного», без пренебрежения стимулом к ​​дезертирству. Выбор стратегии определяется тем, как индивид имитирует выбор, сделанный его ближайшими соседями. Отдельные единицы решают усилить или уменьшить свою тенденцию имитировать этот выбор только в зависимости от того, увеличила или уменьшила эта имитация выгоду для них как отдельного человека на основе последних двух выплат.Этот косвенный и очевидно слепой выбор стратегии не нарушает положительных эффектов сетевой взаимности (Nowak and May, 1992), но является способом эффективного установления условия взаимности, предложенного Аксельродом и Гамильтоном (1981).

Возвращаясь к проблеме SOTC, мы подчеркиваем, что имитационная сила K не является обычным точно настроенным параметром управления, который искусственно фиксируется, чтобы обеспечить критичность сети. Параметр K свободно выбирается динамикой самой сети.

Численные расчеты, представленные здесь, показывают, что увеличение зависимости индивидов от стратегического выбора их соседей приводит к увеличению их выигрыша. Подражание выбору своих соседей — это форма социального взаимодействия, которая осуществляется на уровне индивидов и не навязывается им сверху вниз. Существует параметр, называемый χ, который определяет скорость изменения K как функцию двух последних выплат.Однако к точной настройке этого параметра не прибегают, поскольку изменение χ влияет только на временную шкалу процесса перехода к альтруизму. Это, как мы показываем, восходящий процесс, который порождает самоорганизацию и наряду с самоорганизацией порождает интеллект роя, с конечным эффектом увеличения благосостояния общества, тем самым оказывая сильную поддержку растущему убеждению в том, что реальная социальная улучшения не требуют действий доброжелательных диктаторов (Helbing, Pournaras, 2015; Helbing, 2017).

2. Игра «Дилемма заключенного»

Этот раздел посвящен иллюстрации критериев, принятых в подсети логических выборов для оценки выигрыша, связанного с выбором сотрудничества или отступничества. Это делается с помощью игры Prisonner’s Dilemma. Эта игра была первоначально представлена ​​как метафора проблем, влияющих на возникновение сотрудничества (Аксельрод и Гамильтон, 1981). Два игрока взаимодействуют и получают вознаграждение от своего взаимодействия, принимая либо отступничество, либо стратегию сотрудничества.Если оба игрока выбирают стратегии сотрудничества, каждый из них получает выплату R , а их общество получает выплату 2 R . Игрок, выбравший стратегию отступничества, получает выплату T . Соблазн обмануть устанавливается установкой условия

Однако этот больший выигрыш назначается перебежчику только в том случае, если другой игрок выбирает сотрудничество. Игрок, выбирающий сотрудничество, получает выплату S , которая меньше R .Если другой игрок также выбирает дезертирство, выигрыш для обоих игроков составляет P , что меньше R . Игра основана на критическом неравенстве

Очевидно, что для игрока, назовем ее №1, выбор условия дезертирства всегда наиболее удобен, независимо от выбора, сделанного другим игроком, назовем ее №2. Фактически, если игрок №2 выбирает сотрудничество, игрок №1 получает R , но лучшая выплата T , если он выбирает отступление.Если игрок № 2 выбирает отступничество, игрок № 1 получает выплату S , если он выбирает сотрудничество, и большую выплату P , если он выбирает отступление. Однако все общество получает наибольшую выплату, 2 R , если оба игрока выбирают сотрудничество, меньшую выплату, T + S , если один выбирает отступничество, а другой — сотрудничество, и наименьшую выплату, 2 P , если оба игрока выбирают дезертирство.

Аксельрод и Гамильтон (1981) отметили, что если игра «Дилемма заключенного» проводится только один раз, никакая стратегия не может победить стратегию чистого отступничества.Если игра проводится более одного раза, взаимность может сделать выбор сотрудничества выигрышной стратегией. Новак и Мэй (1992) обосновали эту концепцию своей моделью сетевой взаимности. Игроки являются узлами регулярной двумерной решетки, и каждый игрок может взаимодействовать со своими ближайшими соседями. Первоначально игрокам случайным образом назначается стратегия сотрудничества или отступничества. После каждой игры, перед следующей игрой, они могут обновить свою стратегию, выбрав стратегию своего наиболее успешного ближайшего соседа.Поскольку среда кооператоров, как отмечалось выше, богаче, чем среда перебежчика, возможно, что наиболее успешным ближайшим соседом является кооператор, а не перебежчик. Это рациональная форма подражания, которая может привести к выживанию кооператоров. В этой статье мы используем только игру «Дилемма заключенного» для оценки выигрыша, и мы понимаем сетевую взаимность при взаимодействии между двумя подсетями, которое будет описано в Разделе 4.

3.Модель принятия решений

В этом разделе мы проиллюстрируем динамику подсети, в которой решения принимаются отдельными лицами под влиянием их ближайших соседей. Эта динамика реализуется с помощью модели принятия решений (DMM) (West et al., 2014). В более ранней работе (Mahmoodi and Grigolini, 2017) эта модель была обозначена как модель местного конформизма (LCM), чтобы подчеркнуть, что, согласно работе Вилоне (Vilone et al., 2012, 2014), социальное влияние может нарушить преимущества сетевой взаимности Новака и Мая (Nowak and May, 1992), если социальное влияние не устанавливает корреляцию между динамикой различных индивидов.Как мы увидим в разделе 4, взаимодействие между подсетью DMM и подсетью дилеммы заключенного порождает критичность. Элементы составных сетей в этом и следующих разделах этой статьи являются узлами регулярной двумерной сети, обозначенной символом r , эквивалентным двойному индексу ( i, j ).

Здесь мы описываем поведение цифрового мультиметра в отсутствие этого взаимодействия. Скорость перехода от сотрудничества к дезертирству, gCD (r), определяется как

. gCD (r) = g0exp [-K (JC (r) -JD (r) J)] (3)

и скорость перехода от дезертирства к сотрудничеству, г DC , определяется как

gDC (r) = g0exp [K (JC (r) -JD (r) J)].(4)

Смысл этого рецепта следующий. Параметр 1/ g 0 определяет интересующую шкалу времени, и в этой статье мы устанавливаем g 0 = 0,01. Время дискретно, начиная с 1, а расстояние между двумя последовательными временными событиями составляет Δ t , которое также выбрано равным 1. Мы рассматриваем M = N × N индивидуумов регулярной двумерной сети. с периодическим граничным условием.Каждый индивидуум имеет J соседей (четыре в случае используемой здесь регулярной двумерной решетки). Соседи JC (r) находятся в состоянии кооперации, а JD (r) из них находятся в состоянии отказа. Если индивидуальное устройство или находится в состоянии сотрудничества C , и большинство его соседей находятся в таком же состоянии, то скорость перехода становится меньше, и индивидуальный объект пребывает в состоянии сотрудничества на более длительное время. Если большинство его соседей находятся в состоянии отказа D , тогда индивидуальный или пребывает в состоянии кооператора на более короткое время.Аналогичный рецепт используется, если особь r находится в состоянии дезертирства.

Для обозначения эффекта имитации мы присваиваем блокам, выбирающим состояние кооперации, значение ξ r = 1, а блокам в состоянии отказа значение ξ r = -1. Чтобы установить, выбрано ли сотрудничество или отступничество социальной системой, мы используем среднее поле x ( t ), определенное как

. х (t) = 1M∑rMξr. (5)

Для K < K C среднее поле исчезает, но при критичности, когда K = K C , социальная система может выбрать либо кооперативную, либо отступническую ветвь. для K K C либо значение x = 1, либо x = -1.Критическое значение управляющего параметра K составляет K C = 1 в случае универсальной муфты и K C = 1,5 (M = 100) в случае регулярная двумерная решетка (Махмуди, Григолини, 2017).

4. Самоорганизация

Ранняя работа (Mahmoodi and Grigolini, 2017) была основана на предположении, что игроки являются узлами регулярной двумерной сети. Игроки большую часть своего времени используют слепую имитацию LCM и небольшую часть своего времени — рациональную имитацию Новака и Мэя.Довольно удивительно, что чрезвычайно широкое использование слепой имитации вместо того, чтобы подрывать преимущества сетевой взаимности, заставляет систему выбирать ветвь сотрудничества, что приводит к исчезновению перебежчиков. Это интересный эффект, который, однако, связан с точной настройкой силы имитации НОК до критического значения, порождающего критичность.

Основная цель данной статьи — преодолеть это ограничение с помощью естественного процесса SOC. Этот значительный шаг вперед достигается без использования взаимности сетей Новак и Мэй.Более ранняя работа (Mahmoodi and Grigolini, 2017) была основана на использовании отдельными устройствами принципа взаимности сетей Новака и Мая в течение ограниченного времени, а также на интеллектуальном рое, вызванном критичностью, позволяющем сети реализовать преимущества сетей Новака и Мая. взаимность. Здесь состояние интеллекта роя возникает из самоорганизации, которая позволяет коллективному разуму понять, что выбор сотрудничества делает общество богаче.

Мы принимаем выбор параметров, сделанный Гинтисом (2014), и устанавливаем R = 1, P = 0, T R = 0.5 и S = 0. Мы оцениваем социальную выгоду для отдельного человека и для сообщества в целом следующим образом. Сначала мы определяем выплату P r отдельной единицы r . Каждый отряд получает общую выплату от игры со своими четырьмя ближайшими соседями. А именно мы должны рассмотреть четыре пары игроков. Если оба игрока пары являются кооператорами, вклад в выигрыш единицы r составляет B r = 2.Если одна из двух игровых единиц является кооператором, а другая — перебежчиком, вклад в выплату единицы r составляет B r = T . Если оба игрока являются перебежчиками, вклад в выплату единицы r составляет B r = 0. Выплата P r единицы r является суммой над четырьмя B r . Средняя выгода для единиц этого общества составляет

Самоиндуцированная критичность реализуется двумя различными способами: индивидуальный и глобальный :

4.1. Индивидуальный

Важно отметить, что K r , значение имитации силы, принятое стандартным модулем r , чтобы обратить внимание на выбор, сделанный его четырьмя ближайшими соседями относительно выбора стратегии сотрудничества или отступничества. , не обязательно принимается его четырьмя ближайшими соседями. Другими словами, имитационная прочность K r ( t ) является однонаправленной и идет от r ко всем ближайшим соседям.Имитационная сила K r ( t ) изменяется от человека к человеку, а также во времени, и, следовательно, очень отличается от управляющего параметра K традиционных процессов фазового перехода цифрового мультиметра, где K имеет одно значение во всей сети.

Каждому члену присваивается исчезающая начальная сила имитации, соответствующая полной независимости от выбора, сделанного его ближайшими соседями.На каждом временном шаге юниты играют в игру и независимо изменяют свою силу имитации, делая неявное предположение, что увеличение (уменьшение) их индивидуального выигрыша в последних двух сделках позволяет им увеличивать (уменьшать) силу имитации. Точнее, они придерживаются следующего правила. Как указывалось ранее, время дискретно, и интервал между двумя последовательными временными событиями составляет Δ t = 1. Сила имитации единицы ( i, j ) изменяется во времени в соответствии с индивидуальным правилом выбора:

Kr (t) = Kr (t-Δt) + χ (Pr (t-Δt) -Pr (t-2Δt)) (Pr (t-Δt) + Pr (t-2Δt)), (7)

, где параметр χ определяет интенсивность интереса единиц к своей выплате. P r ( t ) — выплата единицы r в момент времени t . Интенсивность силы имитации увеличивается или уменьшается в зависимости от того, увеличивается или уменьшается индивидуальный выигрыш в двух последних сделках. Если выигрыш не меняется, сила имитации остается неизменной. Для сравнения с общим состоянием мы оцениваем также среднюю имитационную силу

K (t) = 1M∑rMKr (t). (8)

На рисунке 1 показана самоорганизация социальной системы в результате индивидуального выбора взаимодействующих единиц.Средняя сила имитации очень быстро перемещается от исчезающего начального значения, соответствующего отсутствию социального взаимодействия, к максимальному значению, которое составляет K ≈ 1,8. Обратите внимание, что в отсутствие взаимодействия с процессом дилеммы заключенного, цифровой мультиметр Изинга для случая регулярной двумерной решетки (West et al., 2014) потребует критического значения K C ≈ 1,65 для M = ∞ и, как упоминалось ранее, K C ≈ 1.5 для M = 100.

Рисунок 1 . Индивидуальный случай: эволюция во времени, сверху вниз, преимущества Π ( t ) уравнения (6), переменной K ( t ) уравнения (8) и среднего поля x ( t ) уравнения (5). Мы приняли значения: T = 1,5, χ = 4, M = 100.

Важно отметить, что в случае критичности, создаваемой параметром точной настройки, флуктуации среднего поля вокруг равновесного значения имеют возрастающую интенсивность при уменьшении количества единиц (Beig et al., 2015). Мы показываем, что это свойство разделяет SOTC. Определим

ζ (t) = K (t) -K¯, (9) ζ (t) = x (t) -x¯ (10)

и

ζ (t) = Π (t) -¯. (11)

Символы K¯, x¯ и t Π¯ обозначают средние по времени значения соответствующих флуктуаций, оцененных на временном ряду длиной L . Интенсивность этих колебаний определяется

.

где

V (ζ) ≡∫0Ldtζ (t) 2L, (13)

с L , обозначающим длину временного ряда.

Мы ожидаем, что

В случае критичности с параметром точной настройки Beig et al.(2015), ν = 0,25. В настоящее время у нас нет теории для определения ν для SOTC, но интересно отметить, что численные расчеты, показанные на рисунке 2, показывают, что ν = 0,5, что делает интенсивность флуктуаций ζ ( t ) более значительной, чем в случае обычная критичность Beig et al. (2015). Колебания ζ определяются критическими событиями, и их сложность представляет собой информацию, передаваемую от одной самоорганизующейся сети к другой. Увеличение интенсивности этих флуктуаций способствует этому процессу переноса, но, как мы видим в разделе 5, существует критическое значение M , ниже которого не остается никаких признаков свойств временной сложности IPL.

Рисунок 2 . Индивидуальный случай: квадратный корень из дисперсии флуктуаций Δζ из уравнения (12) как функция от M . В этом случае ζ≡K (t) -K¯. Мы приняли значения: T = 1,5, χ = 4.

4.2. Глобальный

В глобальном случае мы предполагаем, что все устройства используют один и тот же K , который изменяется во времени в соответствии с глобальным правилом выбора:

K (t) = K (t-Δt) + χ (Π (t-Δt) -Π (t-2Δt)) (Π (t-Δt) + Π (t-2Δt)). (15)

Общий выигрыш Π ( t ) оценивается путем суммирования всех возможных пар ( i, j ), как определено уравнением (6).В глобальном случае мы выбираем в качестве начального условия K (0) = 0,5. Неявное обоснование уравнения (15) заключается в том, что социальное сообщество делает то же предположение, что и отдельные лица из уравнения (7), а именно, что увеличение (уменьшение) выигрыша в последних двух сделках перед установкой силы имитации для принятия в момент времени t предлагает его увеличение (уменьшение) для удобства. Это условие требует процесса сверху вниз, решения, принимаемого лидером относительно соответствующей имитации силы, которую отдельные единицы вынуждены принимать на благо общества.

Рисунок 3 показывает самоорганизацию социальной системы в результате глобального выбора, когда все единицы разделяют одинаковую ценность имитации силы. Качественное поведение аналогично индивидуальному выбору, тем самым предполагая, что индивидуальный выбор взаимодействующих единиц характеризуется тем же интеллектом, что и лидер, принимающий участие в глобальном выборе. Фактически, глобальный случай неявно основан на предположении, что коллективный выигрыш сообщается людям, которые вынуждены разделять одну и ту же имитационную силу, в то время как индивидуальный выбор основан на реалистичном предположении, что каждая единица осознает свой индивидуальный выигрыш. , не требуя передачи какой-либо информации от лидера к людям.Таким образом, мы приходим к выводу, что SOTC следует интерпретировать как спонтанное появление интеллекта роя, который в более ранней работе основан на настройке управляющего параметра K до критического значения (Vanni et al., 2011).

Рисунок 3 . Глобальный случай: эволюция во времени сверху вниз преимущества ( t ) уравнения (6), переменной K ( t ) уравнения (15) и среднего поля x ( t ) уравнения (5).Мы приняли значения: T = 1,5, χ = 4, M = 100.

Сравнение рисунков 3 и 1 приводит нас к еще более интересному наблюдению. Мы замечаем, что глобальный выбор приводит к прерывистому поведению, которое приводит к значительному снижению социальной выгоды, даже если в качественном соответствии с правилом индивидуального выбора система движется в сторону сотрудничества. Правило индивидуального выбора более эффективно, чем правило глобального выбора, и на него не влияют сильные колебания, которые периодически снижают общественное богатство.По этой причине мы склонны отождествлять лидера общества глобального выбора с доброжелательным диктатором, о котором говорили Хелбинг и Пурнарас (2015). По мнению этих авторов, на самом деле централизованная нисходящая организация имеет различные недостатки, снижающие их эффективность, и вместо этого они предлагают плюралистическую модель снизу вверх, вдохновленную нейронными процессами. Мы считаем, что численные результаты этой статьи подтверждают вывод о том, что восходящий процесс индивидуального выбора более эффективен, чем нисходящий процесс глобального выбора.Поэтому кажется, что наша модель самоорганизующейся сети поддерживает заключительные замечания Хельбинга: «Я убежден, что совместное творчество, совместная эволюция, коллективный разум, самоорганизация и самоуправление с учетом внешних факторов (т. Е. Внешних эффектов наших действий), будут принципами успеха будущего »(Helbing, 2017). Фактически, спонтанный переход к критичности, предложенный в этой статье, связан с появлением значительной устойчивости и адаптивности. Это будет ясно показано в следующих двух разделах, посвященных обозначению временной сложности, а не пространственным лавинам в качестве признака критичности (Раздел 5) и иллюстрации соответствующего свойства согласования сложности (Раздел 6).Мы думаем, что индивидуальный выбор является примером SOTC, который более интересен, чем глобальный выбор, и по этой причине мы ограничиваем наше внимание изучением индивидуальной зависимости от M .

5. Временная сложность

Как определяется критичность в социальной модели? Это сложный вопрос, потому что даже в хорошо известном состоянии класса универсальности Изинга (West et al., 2014) мы должны принимать во внимание наблюдение систем с числом единиц, намного меньшим, чем практически бесконечное число Авогадро. единиц в физической сети, что нарушает условие сингулярности обычных термодинамических систем.Авторы Turalska et al. (2011) и Заре и Григолини (2013) определили возникновение критичности, наблюдая за временной сложностью . В случае фазового перехода, попадающего в диапазон класса универсальности Изинга, возникновение фазового перехода в системе с конечным числом взаимодействующих единиц, при критичности среднее поле x ( t ) колеблется около нулевого значения. значение и временной интервал между двумя последовательными пересечениями исходных точек описывается явно неэкспоненциальным временем ожидания PDF ψ (τ) (Turalska et al., 2011). В докритическом режиме интервал между двумя последовательными пересечениями начала координат является экспоненциальным, а в сверхкритическом режиме интервал между двумя последовательными пересечениями ненулевого среднего поля снова экспоненциальный. Временная сложность возникает при критичности, и для правильного функционирования сети требуется, чтобы PDF IPL расстояний между двумя последовательными критическими событиями экспоненциально усекался (Lukovic and Grigolini, 2008; Vanni et al., 2011; Beig et al., 2015).

Принятие временной сложности в качестве сигнала возникновения критичности привело авторов Zare and Grigolini (2013) к замечанию, что это может быть более удобным индикатором, чем наблюдение лавин, когда PDF превращается в IPL. Это предположение подтвердили авторы Mafahim et al. (2015), которые обнаружили, что две сети в критических состояниях, о которых сигнализирует временная сложность, обмениваются информацией с эффективностью, большей, чем в соответствии с состоянием критичности, о котором сигнализируют лавины IPL.Причина тесной связи между максимальной эффективностью передачи информации и временной сложностью основана на теории, проиллюстрированной Vanni et al. (2011), Туральская и др. (2011) и Лукович и др. (2014). Критичность генерирует непуассоновские события обновления, характеризуемые индексами IPL, и обмен информацией основан на возникновении непуассоновских событий обновления сети, влияющих на возникновение непуассоновских событий обновления в другой сети, что является Принципом управления сложностью (West et al., 2014).

Мы предполагаем, что модель SOTC спонтанно порождает временную сложность. Настоящий раздел посвящен установлению того, что эта гипотеза верна, и для ее доказательства мы используем численный подход, применяемый к правилу индивидуального выбора.

Мы отслеживаем моменты времени, в которые флуктуации ζ ( t ) пересекают начало координат, и обнаруживаем, что три времени ожидания PDF совпадают. Для простоты на рисунке 4 мы проиллюстрировали только PDF времени ожидания для ζ ( t ) уравнения (10).Тот факт, что колебания K ( t ), x ( t ) и Π ( t ) вокруг их средних значений дают неразличимые результаты, является неопровержимым следствием того факта, что все три свойства управляются событиями непуассоновского обновления с теми же статистическими свойствами.

Рисунок 4 . Плотность распределения времени ожидания временного расстояния между двумя последовательными пересечениями исходной точки функции ζ ( t ), определенной уравнением (10).Мы приняли значения: T = 1,5, χ = 4, M = 100.

Известно, что в системах конечного размера IPL экспоненциально усекаются (Beig et al., 2015). Как следствие, непуассоновский характер критических событий устанавливается при анализе промежуточной временной области. Поэтому, чтобы с точностью оценить индекс IPL, сгенерированный SOTC в разделе 3, мы сосредоточимся на временном интервале между t ≈ 2 и t ≈ 200, как показано на рисунке 4.Мы обнаруживаем, что время ожидания PDF равно IPL:

. ψ (τ) ∝1τμ (16)

с

, а не традиционное значение μ = 1,5, генерируемое цифровым мультиметром при критичности (Beig et al., 2015).

Интересно отметить, что длина временной области, характеризуемой μ = 1,3, зависит от M . На рисунке 5 показано, что для M = 225 область IPL более расширена. Мы также видим на рисунке 5, что для M = 25 область короткого времени характеризуется очень большим значением μ и выраженным экспоненциальным плечом, оба условия генерируют некритические события.Хотя интенсивность флуктуаций очень велика, намного больше, чем для M = 100 и M = 225 (см. Рисунок 2), расширенная область IPL теряется, а вместе с ней и эффективность процесса передачи информации, как мы видим. в Разделе 6.

Рисунок 5 . PDF времени ожидания временного расстояния между двумя последовательными пересечениями исходной точки функции ζ ( t ), определенной уравнением (10) для различных значений M . Мы приняли значения: T = 1.(u) = 1u + λα (u + Δ) 1-α, (19)

, где α = μ — 1 <1 и λ - параметр, измеряющий взаимодействие между блоком, а Δ ∝ λ определяет экспоненциальное усечение ψ ( t ). В случае, когда λ ≫ Δ существует расширенный временной интервал, 1 / λ ≪ t ≪ 1 / Δ, где ψ∝1t1 + α, тем самым приводя к уравнениям (16, 17), когда α = 0,3. Эта структура потеряна для M = 25, когда временная сложность исчезнет.

Самая важная причина использования уравнения (19) заключается в том, что когда из него возникает расширенная IPL, процесс явно неэргодичен.Спектр флуктуации в этом случае не может быть получен из теоремы Винера-Хинчина, основанной на предположении стационарности. Необходимо учитывать, что μ <2, μ = 1,3 в этом случае средний временной интервал между двумя последовательными событиями расходится, что делает нестационарным процесс, вызванный критическими событиями. Это аномальное условие дает (Лукович и Григолини, 2008)

S (ω) ∝1L2-μ1ωβ, (20)

с

В случае, когда процесс дает медленную, но стационарную корреляционную функцию, мы будем иметь β <1 (Лукович и Григолини, 2008).Оценка спектра мощности в этом случае становится вычислительно сложной задачей, потому что, как показано уравнением (20), интенсивность шума уменьшается с увеличением длины L временного ряда. Тем не менее, результаты на рис. 6, дающие β = 1,67, дают удовлетворительную поддержку нашему утверждению о том, что пересечения начала координат ζ являются нестационарными событиями восстановления. В заключение, SOTC спонтанно генерирует критические события временной сложности, вызванной критичностью.

Рисунок 6 .Спектр колебаний K ( t ) для T = 1,5, χ = 4, M = 100.

6. Соответствие сложности

Следует подчеркнуть, что синхронизация между двумя сетями не является формой хаотической синхронизации. Это происходит из-за непуассоновских событий обновления управляющей сети, оказывающих влияние на события обновления управляемой сети, как указано в Piccinini et al. (2016) (см. Также Aquino et al., 2010). События непуассоновского обновления порождаются критичностью, а в составной сети, предложенной в этой статье, они являются результатом спонтанного процесса.На рисунке 7 мы проиллюстрировали замечательную синхронизацию между двумя идентичными самоорганизованными сложными сетями, A, и B , с M = 100. Мы выбираем случайную подгруппу S A сети A , состоящий из 5% единиц A , и мы назначаем каждому из них стратегию единицы B , также выбранную случайным образом. Мы следуем тому же рецепту с подгруппой S B , состоящей из 5% единиц B , следуя стратегии случайным образом выбранных единиц A .На рисунке 7 мы видим, что между двумя сетями реализована замечательная синхронизация.

Рисунок 7 . Среднее поле x ( t ) двух идентичных самоорганизующихся сетей, подключенных друг к другу согласно текстовой иллюстрации. Самоорганизация осуществляется через индивидуальный выбор. Мы приняли значения: T = 1,5, χ = 4, M = 100.

Чтобы установить точность этой синхронизации, мы применяем ту же процедуру к двум самоорганизованным сетям A и B с изменением M с M = 25 на M = 900.Мы изучаем взаимную корреляцию C (τ), определяемую

C (τ) ≡∫0L-τdt (x (t) -x¯) (y (t + τ) -y¯) ∫0Ldt (x (t) -x¯) 2∫0Ldt (y (t) -y ¯) 2. (22)

Численный результат показан на рисунке 8. Чтобы понять важность этого результата, мы должны сделать небольшое отступление и упомянуть важный результат, недавно достигнутый в области эволюционной теории игр (Stewart and Plotkin, 2016). В этой более ранней статье подчеркивается связь между возникновением сотрудничества и памяти. Наша модель SOTC, основанная на памяти двух последних сделок перед принятием решения о степени внимания к ближайшему соседу, может быть связана с моделью Стюарта и Плоткина (2016).Рисунок 8, кажется, подтверждает это интересное соотношение, поскольку он устанавливает, что эффективность, вызванная кооперацией, увеличивается с уменьшением размера взаимодействующих сетей. Однако рисунок 8 показывает, что существует небольшой размер, M = 100, при котором эффективность передачи информации от одной самоорганизующейся сети к другой максимальна. Эвристическая интерпретация этого эффекта состоит в том, что временная сложность является свойством конечного размера с Δζ, пропорциональным 1 / M, как показано на рисунке 2, а именно, с зависимостью от количества единиц даже более значительной, чем в случае обычного критичность (Beig et al., 2015), объясняя, почему эффективность связи увеличивается при уменьшении M .

Рисунок 8 . Взаимная корреляция между двумя идентичными самоорганизующимися сетями. Различные кривые относятся сверху вниз к: M = 100, 225, 400, 49, 900, 25. Самоорганизация осуществляется путем индивидуального выбора. Мы принимаем для взаимной корреляции определение уравнения (22) и значения: T = 1,5, χ = 4.

Временная сложность — это признак критичности, который мы принимаем, а не размер лавины, чтобы выявить критичность в случае самоорганизации, а также в случае критичности, порождаемой точной настройкой управляющего параметра K .В случае этой статьи, как мы показали ранее с помощью рисунков 1, 3, флуктуирующее поле может быть само по себе K , которое, как мы видели в случае индивидуального выбора, колеблется около K ≈ 1,8, когда M = 100. Рисунок 5 показывает, что область с μ = 1,3 уменьшается с увеличением M и что при M = 25 появляется плечо Пуассона, что означает потерю временной сложности. Таким образом, он объясняет интересный результат, заключающийся в том, что существует оптимальный размер, при котором эффективность передачи информации становится максимальной.Другими словами, интенсивность сложных флуктуаций, передающих информацию, увеличивается с уменьшением M , но чрезмерно малое значение M аннулирует их временную сложность.

Важно подчеркнуть, что M = 100 зависит также от параметров, определяющих игру Prisoners ‘Dilemma. Ослабление сотрудничества с увеличением числа игроков является предметом интереса, см. Hauert and Schuster (1997), а также Stewart and Plotkin (2016), тем самым порождая вопрос о том, существует ли оптимальный размер числа игроков. взаимодействующих единиц (Nosenzo et al., 2015). Мы не можем исключить, что более тонкое рассмотрение зависимости от параметров игры «Дилемма заключенного» может привести к оптимальному значению M , намного меньшему, чем M = 100 на рисунке 8. Однако появление времени ожидания PDF с IPL, по-видимому, не позволяет нам объяснить результаты экспериментального исследования Nosenzo et al. (2015), установив M = 2 как оптимальный размер для возникновения сотрудничества.

7. Выводы

Эта исследовательская работа была стимулирована манифестом вычислительной науки (Conte et al., 2012) перечисляет масштабирования и критичность как два важных аспекта вычислительной социальной науки. Здесь критичность не была навязана сетям путем установки подходящего значения K для имитации силы, как это было сделано в более ранней работе (Turalska et al., 2011; Zare and Grigolini, 2013; Mahmoodi and Grigolini, 2017). Критическое значение K достигается спонтанно без искусственного усиления альтруизма, но при условии, что каждая единица выбирает значение K , присваивая себе максимальную выгоду.

Важно отметить, что условие SOTC достигается независимо от того, принимаем ли мы правила индивидуального или глобального выбора. Правило глобального выбора подразумевает наличие лидера и, следовательно, интеллекта, управляющего социальной системой. Тот факт, что критичность возникает спонтанно с принятием правила индивидуального выбора, является убедительным свидетельством того, что модель этой статьи может быть интерпретирована также как спонтанный переход к состоянию интеллекта роя .

Связь между критичностью и интеллектом роя широко обсуждалась в Vanni et al. (2011) и Лукович и др. (2014). Из-за обусловленной критичностью дальнодействующей корреляции небольшое количество наблюдательных птиц, воспринимающих прибытие хищника и меняющих направление полета, а также благодаря одновременному возникновению критических событий, действительно преуспевают в оказании сильного влияния на рой, достаточно чтобы рой сменил направление. Эта форма коллективного разума из-за вызванной критичностью пространственной корреляции дальнего действия является интуитивным объяснением того удивительного факта, что локальное взаимодействие между отдельными людьми и их четырьмя ближайшими соседями порождает появление сотрудничества на уровне всей сети. .Это связано с тем, что SOTC эквивалентен спонтанному переходу в состояние интеллекта роя.

Обратите внимание, что K в более ранней работе нашей группы интерпретировалось как форма слепого подражания (West et al., 2014). С другой стороны, SOTC приводит нас к интерпретации K , интенсивность которой определяется индивидуумами на основе их выгоды как источник интеллекта и альтруизма, а не форма слепого подражания. Эта модель не требует прохождения (Nowak and May, 1992), чтобы предотвратить проникновение перебежчиков в кластеры сотрудничества, но она устанавливает возникновение сотрудничества с простым использованием выплаты дилеммы заключенного, тем самым связывая эволюцию сотрудничества (Axelrod, 2006). ) с поиском согласия между людьми и их ближайшими соседями.

Глобальный выбор не предотвращает возникновения организационных коллапсов системы, как ясно показано на Рисунке 9. На этом рисунке косвенно оценивается размер кластеров кооператоров путем подсчета количества кооперативных единиц, окруженных четырьмя кооператорами. Мы видим, что глобальное состояние характеризуется частыми коллапсами, соответствующими фрагментации кластеров кооператоров, тогда как на индивидуальную самоорганизацию эти коллапсы не влияют.

Рисунок 9 . Синие кривые обозначают среднее поле x ( t ). Красные кривые обозначают отношение количества кооперативных единиц, окруженных 4 кооператорами, к общему количеству единиц. Верхняя панель относится к индивидуальному выбору, а нижняя панель — к глобальному выбору. Для обоих вариантов мы приняли параметры: T = 1,5, χ = 4, K (1) = 0,5, M = 100.

Как упоминалось ранее, правило глобального выбора — это форма процесса сверху вниз, предполагающая действия доброжелательного диктатора (Helbing and Pournaras, 2015; Helbing, 2017).Таким образом, как и ранее, модель SOTC решительно поддерживает гипотезы Хелбинга и Пурнараса (2015) и Хелбинга (2017).

Мы подчеркиваем, что модель SOTC в этой статье также может быть интерпретирована как вклад в эволюционную теорию игр, объясняющий происхождение морали. Фактически, мы предполагаем, что интеллект роя, возникающий в результате восходящего процесса SOTC, может быть формой коллективного разума (Grigolini et al., 2015), подразумевая, что все люди интуитивно чувствуют, что сотрудничество — это удобный выбор (Rand, 2016 ).Используя термины, принятые (Rand, 2016), мы можем отождествить его интуитивное принятие решений с выбором силы имитации, а его осознанное принятие решений — как прямое заимствование игры «Дилемма заключенного». Теоретическое предсказание Рэнда о том, что «обдумывание подорвет чистое сотрудничество», похоже, соответствует наблюдению (Махмуди и Григолини, 2017) о том, что отсутствие критичности нарушает взаимодействие сетей Новак и Мэй (Новак и Мэй, 1992).

Модель SOTC в этой статье сильно упрощена и игнорирует, например, стоимость выбора сотрудничества, которая явно принимается во внимание, например, Archetti, and Scheuring (2016).Мы ожидаем, что включение стоимости может иметь эффект, эквивалентный увеличению стимула к мошенничеству, и что это повлияет на временные рамки для начала сотрудничества. Другими словами, переход к сложным флуктуациям, который на рисунке 1 настолько быстр, что не виден в масштабе этого рисунка, может стать значительно медленнее, однако без изменения основных свойств временной сложности и согласования сложности, проиллюстрированных В этом документе. Мы предполагаем, что этот и другие вопросы, в том числе представляющие антропологический интерес, могут быть включены в составную сеть, не влияя на главный вывод о том, что эта форма SOTC имеет общую значимость, начиная от случайного роста поверхностей (Failla et al., 2004) к социологии.

Также важно подчеркнуть, что к SOC обращается все большее число исследователей в области сложности, но его связь с открытым полем фазовых переходов в системах небольшого размера еще должным образом не принимается во внимание. Эта статья вносит вклад в эту все еще открытую тему исследования, которая, мы надеемся, может привлечь внимание исследователей в области сложности, от биологии до антропологии и от нейрофизиологии до социологии.

Авторские взносы

КМ: Исследования и моделирование. BW и PG: Советники.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы хотели бы выразить огромную благодарность двум рецензентам за их очень полезные комментарии. С одной стороны, эти комментарии позволили нам углубить наше понимание процессов самоорганизации и обозначить наш подход как SOTC.С другой стороны, что касается развивающейся области эволюционной теории игр, их комментарии воспринимаются нами как полезное предупреждение об этих амбициозных задачах, которые мы должны решить, чтобы убедить сообщество в том, что SOTC может быть использован для содействия прогрессу. в этой увлекательной области исследований. KM и PG сердечно благодарят ARO и Welch за поддержку в рамках грантов № W911NF-15-1-0245 и № B-1577 соответственно.

Список литературы

Акино, Г., Болонья, М., Григолини, П., и Уэст, Б. Дж. (2010). Помимо смерти линейного отклика: 1 / f оптимальный перенос информации. Phys. Rev. Lett. 105: 040601. DOI: 10.1103 / PhysRevLett.105.040601

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Аксельрод Р. (2006). Развитие сотрудничества . Пересмотренный Эдн. Нью-Йорк, штат Нью-Йорк: основные книги.

Google Scholar

Бейг, М. Т., Свенкесон, А., Болонья, М., Уэст, Б. Дж., И Григолини, П. (2015).Критическое замедление в сетях, создающих временную сложность. Phys. Ред. E. 91: 012907. DOI: 10.1103 / PhysRevE.91.012907

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Conte, R., Gilbert, N., Bonelli, G., Cioffi-Revilla, C., Deffuant, G., Kertesz, J., et al. (2012). Манифест вычислительной социальной науки. Eur. Phys. J. Специальная тема. 214: 325. DOI: 10.1140 / epjst / e2012-01697-8

CrossRef Полный текст | Google Scholar

Фаилла, Р., Игнакколо, М., Григолини, П., и Шветтманн, А. (2004). Случайный рост интерфейсов как подчиненный процесс. Phys. Ред. E. 70: 010101. DOI: 10.1103 / PhysRevE.70.010101

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Гинтис, Х. (2014). Границы разума: теория игр и объединение поведенческих наук . Принстон, Нью-Джерси: Издательство Принстонского университета.

Google Scholar

Григолини П., Пиччинини Н., Свенкесон, А., Прамуккул, П., Ламберт, Д., и Уэст, Б. Дж. (2015) От нейронного социального сотрудничества к глобальному возникновению познания. Фронт. Bioeng. Biotechnol. 3:78. DOI: 10.3389 / fbioe.2015.00078

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Hauert, C., и Schuster, H.G. (1997). Эффекты увеличения количества игроков и объема памяти в повторяющейся дилемме заключенного: численный подход. Proc. Биол. Sci. 264: 513 DOI: 10.1098 / РУБ.1997.0073

CrossRef Полный текст | Google Scholar

Хелбинг Д. (2017). Мечта об управлении миром — и почему она часто терпит неудачу . Рабочий документ.

Липиелло, Э., Де Арканджелис, Л., и Годано, К. (2005). Память в самоорганизованной критичности. Europhys. Lett. 72: 678. DOI: 10.1209 / epl / i2005-10292-x

CrossRef Полный текст | Google Scholar

Ким, Дж. М., Брей, А. Дж., И Мур, М. А. (1992). Рост доменов, направленные полимеры и самоорганизованная критичность. Phys. Ред. A. 45: 8546.

PubMed Аннотация | Google Scholar

Лукович М., Ванни Ф., Свенкесон А. и Григолини П. (2014). Передача информации при критичности. Phys. А 416: 430. DOI: 10.1016 / j.physa.2014.08.066

CrossRef Полный текст | Google Scholar

Мафахим, Дж. У., Ламберт, Д., Заре, М., и Григолини, П. (2015). Сопоставление сложности в нейронных сетях. New J. Phys. 17: 015003. DOI: 10.1088 / 1367-2630 / 17/1/015003

CrossRef Полный текст | Google Scholar

Махмуди, К., и Григолини, П. (2017). Эволюционная теория игр и критичность. J. Phys. Математика. Теор. 50: 015101. DOI: 10.1088 / 1751-8113 / 50/1/015101

CrossRef Полный текст | Google Scholar

Мартинелло, М., Идальго, Дж., Ди Санто, С., Маритан, А., Пленц, Д., и Муньос, М. А. (2017). Нейтральная теория и безмасштабная нейронная динамика. arXiv: 1703.05079 [q-bio.NC]

Google Scholar

Nosenzo, D., Quercia, S., and Sefton, M. (2015). Сотрудничество в малых группах: влияние размера группы. Exp. Экон. 18: 4. DOI: 10.1007 / s10683-013-9382-8

CrossRef Полный текст | Google Scholar

Пиччинини, Н., Ламберт, Д., Уэст, Б. Дж., Болонья, М., и Григолини, П. (2016). Управление неэргодической сложностью. Phys. Ред. E. 93: 062301. DOI: 10.1103 / PhysRevE.93.062301

CrossRef Полный текст | Google Scholar

Рэнд, Д. Г. (2016) Сотрудничество, быстро медленно: метааналитическое свидетельство теории социальной эвристики эгоистического обсуждения. Psychol. Sci. 1:15. DOI: 10.1177 / 0956797616654455.

CrossRef Полный текст | Google Scholar

Розенфельд, С. (2013). Теорема глобального консенсуса и самоорганизованная критичность: объединяющие принципы для понимания самоорганизации, интеллекта роя и механизмов канцерогенеза. Gene Regul. Sys. Биол . 7:23. DOI: 10.4137 / GRSB.S10885

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ванни, Ф., Лукович, М., и Григолини, П.(2011). Критичность и передача информации в рое кооперативных единиц. Phys. Rev. Lett. 107: 078103. DOI: 10.1103 / PhysRevLett.107.078103

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вилоне Д., Рамаско Дж. Дж., Санчес А. и Сан Мигель М. (2014). Социальная имитация против стратегического выбора или консенсус против сотрудничества в сетевой дилемме заключенного. Phys. Ред. E. 90: 022810. DOI: 10.1103 / PhysRevE.90.022810

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Уоткинс, Н.В., Прюсснер, Г., Чепмен, С. К., Кросби, Н. Б., Дженсен, Х. Дж. (2016). 25 лет самоорганизованной критичности: концепции и споры. Космические науки. Ред. 198, 3–44. DOI: 10.1007 / s11214-015-0155-x

CrossRef Полный текст | Google Scholar

Вест, Б. Дж., Туральска, М., и Григолини, П. (2014). Сети эха: имитация, инновации и невидимые лидеры . Нью-Йорк, штат Нью-Йорк: Springer International.

Google Scholar

Заре, М., и Григолини, П. (2013). Грамотность и лавины в нейронных сетях. Солитоны Хаоса Фракталы 55:80. DOI: 10.1016 / j.chaos.2013.05.009

CrossRef Полный текст | Google Scholar

Заппери С., Лауритсен К. Б. и Стэнли Х. Э. (1995). Самоорганизованные ветвящиеся процессы: теория среднего поля для лавин. Phys. Rev. Lett. 75: 4071. DOI: 10.1103 / PhysRevLett.75.4071

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Самоорганизация и искусственная жизнь | Искусственная жизнь

Идея самоорганизации восходит к древности, включая греческую и буддийскую философии [68, 108].Термин «самоорганизация» редко использовался в XIX веке, в основном применительно к социальным системам. Подобные концепции были предложены ранее Кантом [98], а в 1930-х годах были введены в эмбриологию [184].

Современный термин «самоорганизующаяся система» был введен Эшби [8] для описания явлений, в которых локальные взаимодействия между независимыми элементами приводят к глобальному поведению или паттернам. Эта фраза используется, когда внешний наблюдатель воспринимает образец в системе с множеством компонентов, и этот образец не навязывается центральной властью среди этих компонентов или внешними по отношению к ним, а скорее возникает из коллективного поведения самих элементов.Естественные примеры можно найти в таких областях, как коллективное движение [198], например, когда птицы или рыбы перемещаются стаями или стаями, демонстрируя сложное групповое поведение; морфогенез [120], при котором клетки в живом теле делятся и специализируются, чтобы развиться в сложный план тела; и формирование рисунка [36] в различных физических, химических и биологических системах [29, 49], таких как конвекция и рост кристаллов, а также формирование рисунков, таких как полосы и пятна, на шерсти животных.

Формальное определение термина сталкивается с трудностями при согласовании того, что такое система , что такое организация и что такое self [72], ни одно из которых не является полностью однозначным.Однако прагматический подход фокусируется на том, когда полезно описывать систему как самоорганизующуюся [64]. Эта полезность обычно появляется, когда наблюдатель идентифицирует паттерн в более высоком масштабе, но также интересуется явлениями в более низком масштабе; тогда возникают вопросы о том, как нижний масштаб производит наблюдаемые в более высоком масштабе, а также как более высокий масштаб ограничивает и способствует наблюдаемым в нижнем масштабе. Например, поведение птиц приводит к формированию стаи, и дескрипторы на уровне стаи также могут быть использованы для понимания регуляции поведения отдельных птиц [105].

Самоорганизация была важной концепцией в ряде дисциплин [179], включая статистическую механику [37, 210], супрамолекулярную химию [123] и информатику [110, 129]. Искусственная жизнь (ALife) часто в значительной степени опирается на самоорганизующиеся системы в различных контекстах [5], начиная с первых дней этой области с исследований таких систем, как образование снежинок [140] и группирование агентов [161], и продолжаясь до настоящего времени. день.Однако с этим понятием часто связаны путаница и неправильные толкования, возможно, из-за очевидного отсутствия систематической литературы в последнее время.

В этой работе мы намерены:

  • 1.

    Обзор исследований на пересечении самоорганизации и ALife.

  • 2.

    Укажите классификацию, чтобы разместить это исследование.

  • 3.

    Направляйте новичков в поле с этой классификацией.

  • 4.

    Обобщите соответствующие концепции, проблемы и открытые вопросы.

  • 5.

    Открытые обсуждения этой темы в ALife и связанных областях.

Сначала мы формулируем некоторые фундаментальные аспекты самоорганизации, обрисовываем способы использования этого термина исследователями в этой области, а затем резюмируем работу, основанную на самоорганизации в пределах soft (смоделировано), hard (роботизировано) и влажных (химических и биохимических) доменов ALife.Затем мы представляем классификацию для категоризации различных типов самоорганизации. Мы также предлагаем перспективы для дальнейших исследований. Список открытых вопросов закрывает эту статью.

Эшби ввел термин «самоорганизующаяся система», чтобы показать, что машина может быть строго детерминированной и все же демонстрировать самоиндуцированное изменение организации [8]. Это понятие получило дальнейшее развитие в рамках кибернетики [9, 200].Во многих контекстах использовалась термодинамическая перспектива [81, 82, 96], где «организация» рассматривается как уменьшение энтропии в (n) (открытой) системе [137]. Поскольку существует эквивалентность между энтропией Больцмана-Гиббса и информацией Шеннона, это понятие также применялось в контекстах, связанных с теорией информации [50, 146, 147, 152]. С этой точки зрения, самоорганизующаяся система — это система, динамика которой приводит к уменьшению ее информационного содержания и, следовательно, становится более предсказуемой. Основываясь на теории информации, недавнее подполе управляемой самоорганизации исследует механизмы, с помощью которых самоорганизация может регулироваться для конкретных целей, то есть как найти или спроектировать динамику для системы, чтобы она имела определенные аттракторы или результаты. [10, 148, 150, 151, 153].Например, самоорганизация случайных булевых сетей [100, 101] может быть направлена ​​на определенные динамические режимы [65].

Есть еще несколько определений самоорганизации. [176] определяет самоорганизацию как увеличение статистической сложности, которая, в свою очередь, определяется как объем информации, необходимый для минимального определения состояния причинной архитектуры системы. В качестве альтернативы энтропии также было предложено использование среднего значения случайных величин [92].

Концепция самоорганизации также широко используется в науке об организации в связи с ранними моделями искусственного общества [46, 74], которые превратились в то, что сегодня известно как вычислительная социальная наука [121].

Самоорганизация обычно используется в широком смысле, который включает самосборку и другие процессы, но иногда этот термин использовался в более ограничительном смысле для процессов, далеких от равновесия [132].

Хотя может и не быть единого согласованного определения самоорганизации, этот недостаток не должен быть непреодолимым препятствием для его изучения, равно как и отсутствие единодушного формального определения «жизни» было препятствием для прогресса в области биологии или ALife. Ниже мы кратко рассмотрим, как идея самоорганизации способствовала развитию ALife.

Soft ALife, или математическое и вычислительное моделирование и симуляция реалистичного поведения, было связано с самоорганизацией во многих субдоменах.Клеточные автоматы (CA) [94], одна из самых популярных сред моделирования, использовавшаяся в более ранних формах soft ALife, являются хорошо изученными иллюстративными примерами самоорганизующихся систем. CA состоит из множества единиц (ячеек), каждая из которых может находиться в любом из ряда дискретных состояний, и каждая из которых многократно определяет свое следующее состояние полностью распределенным образом на основе своего текущего состояния и состояний своих соседей. Без задействования центрального контроллера CA могут организовать свои конфигурации состояний, чтобы продемонстрировать различные формы самоорганизации: динамические критические состояния, такие как модели кучи песка [15] и в Game of Life [14], спонтанное формирование пространственных паттернов [ 47, 211, 216] (рис. 1 (а)), самовоспроизведение 1 [116, 117, 158, 178] и эволюция путем вариации и естественного отбора [138, 139, 164, 166, 167, 185].Точно так же уравнения в частных производных (PDE), непрерывный аналог СА, имеют еще более долгую историю демонстрации самоорганизующейся динамики [52, 76, 142, 190] (Рисунок 1 (b)).

Рисунок 1.

Формирование паттерна Тьюринга [190] как наглядный пример самоорганизации в вычислительных моделях. (а) Моделирование в CA с использованием дискретной модели Юнга [216]. (б) Моделирование в PDE с использованием оригинальной формулировки Тьюринга.Рисунки из [171].

Рисунок 1.

Формирование паттерна Тьюринга [190] как наглядный пример самоорганизации в вычислительных моделях. (а) Моделирование в CA с использованием дискретной модели Юнга [216]. (б) Моделирование в PDE с использованием оригинальной формулировки Тьюринга. Рисунки из [171].

Другой репрезентативный класс мягкой жизни, демонстрирующей самоорганизацию, включает модели коллективного поведения самоходных агентов [198].Модель «Боидса» Рейнольдса [161], вероятно, самая известная в этой категории. В этой работе самоходные агенты перемещаются в непрерывном пространстве в соответствии с тремя кинетическими правилами: сплоченность (для сохранения позиционной близости), выравнивание (для сохранения сходства по направлениям) и разделение (для предотвращения скопления людей и столкновений). С тех пор было предложено и изучено множество родственных моделей, включая упрощенные, ориентированные на статистическую физику [6, 125, 135, 197] и более подробные, ориентированные на поведенческую экологию [35, 90, 115].Эти модели производят естественное коллективное поведение стай / стайков / роений на основе простых децентрализованных правил поведения, а также демонстрируют фазовые переходы между отдельными макроскопическими состояниями. Они также использовались в качестве вдохновения для множества алгоритмов оптимизации [40, 103, 114, 145, 214].

Такие модели коллективного поведения были включены в исследований искусственной химии, исследований [17, 39], такие как химия роя , ее варианты и аналогичные модели [48, 112, 137, 168, 169, 170, 175] , в котором кинетически и химически различные виды идеализированных агентов взаимодействуют, образуя нетривиальные пространственно-временные динамические паттерны.Совсем недавно эти модели коллективного поведения также активно использовались в морфогенетической инженерии [43, 44], в которой исследователи пытаются добиться успешного слияния самоорганизации и программируемого архитектурного дизайна, открывая или разрабатывая правила агента, которые приводят к конкретные желаемые высокоуровневые шаблоны.

Другие примеры самоорганизации в soft ALife можно найти в имитационных моделях искусственных обществ.Их корни можно проследить до знаменитых моделей сегрегации, разработанных Сакодой и Шеллингом еще в начале 1970-х годов [87, 163, 174], в которых простое, независимое принятие решений отдельными агентами в конечном итоге привело бы к пространственно-сегрегированному состоянию общества. макроскопический уровень. Агентное моделирование искусственных обществ было одной из основных тем, обсуждаемых в сообществе ALife [46, 118], и пролило свет на самоорганизацию явлений в социальном порядке, таких как управление географическими ресурсами [23, 119], стратегии сотрудничества [ 4, 25, 93, 126] и общие языки [107, 127, 181, 183].Литература по адаптивным моделям социальных сетей также может быть включена в эту категорию [28, 38, 62, 80, 172, 193], поскольку эти модели «искусственного общества» описывают самоорганизацию общества в нетривиальную конфигурацию через коэволюцию автономных динамических структур. констатируют изменения социальных составляющих и топологические изменения социальных связей.

В качестве адаптивных сетей на уровне отдельного организма мозг и нервная система также на протяжении десятилетий описывались как самоорганизующиеся системы [88, 108], в которых нейроны взаимодействуют, создавая поведенческие и когнитивные паттерны.Самоорганизация таких нейронных систем оказалась особенно полезной в информатике и при изучении искусственных нейронных сетей [63]; В качестве особенно яркого примера сети Кохонена [110] также называют самоорганизующимися картами. Поскольку большая часть мягких и жестких исследований ALife связана с агентами, аниматами или роботами (виртуальными или физическими), управляемыми искусственными нейронными сетями, можно сказать, что самоорганизация присутствует не только на поведенческом уровне, но и на уровень контроллера во многих случаях.

Подобные подходы также использовались в методах поиска и оптимизации [45]. Например, Уотсон и его коллеги предложили использовать обучение Хебба [86] для самоорганизации компонентов сложной системы для разрешения конфликтов [205, 206]. Этот механизм, вероятно, также использовался за пределами нейронных систем, как показывают исследования компьютерной антропологии [56, 57].

Роботов можно рассматривать как реалистичные артефакты в их способности ощущать свое физическое окружение и предпринимать ответные действия.Физические агенты, даже очень простые, могут вызвать у наблюдателя особенно сильное ощущение одушевленности. ALife построила в машины проистекает из богатой динамики, лежащей в основе взаимодействия между воплощенным агентом и его средой, так что даже простые механизмы и правила поведения могут придавать сложные реалистичные атрибуты ограниченным машинам [177].Сложные формы ЖИЗНИ могут быть достигнуты либо за счет увеличения сложности одного робота, либо за счет увеличения количества роботов в системе, которая в результате взаимодействия и самоорганизации может коллективно проявлять более сложные способности, от адаптивных реакций до групповых. принимать решение.

Аппаратное обеспечение

имеет сильное преимущество, заключающееся в физических характеристиках системы (динамика, характеристики датчика, профили шума привода и т. Д.) по определению реалистичны, тогда как моделирование обязательно упрощается и обычно не позволяет уловить явления, которые становятся очевидными только в результате экспериментов с материалами [27, 97, 162]. И наоборот, хотя моделирование может легко обрабатывать очень большое количество агентов, аппаратные соображения (стоимость, пространство, масштабируемость работы и т. Д.) Традиционно ограничивали жесткие исследования ЖИЗНИ использованием небольшого количества роботов. В некоторых сценариях интересующие нас самоорганизующиеся явления не обязательно требуют большого количества роботов.Когда механизм координации основан на stigmergy (постоянная информация, оставленная в общей среде), важным элементом является большое количество взаимодействий между роботами и окружающей средой, и даже одного робота может быть достаточно для генерации сложных шаблонов [18, 208 ]. Совсем недавно технический прогресс позволил проводить физические эксперименты с роботами в количестве, превышающем тысячу [162].

Физические эксперименты использовались для исследования явлений самоорганизации в различных областях.Агрегация объектов изучалась с точки зрения физики [75] способами, вдохновленными поведением, наблюдаемым в живых системах, таких как тараканы или пчелы [61, 83, 104], и с использованием контроллеров, разработанных с помощью автоматических методов, таких как искусственная эволюция [41, 53 ]. Другая тема — коллективная навигация, в которой группы роботов координируют свое общее направление движения и коллективно избегают препятствий [16, 188, 189]. Координация летающих роботов также была исследована с помощью самоорганизации [196, 199].В других исследованиях процессы коллективного принятия решений определяются положительной обратной связью от вербовки и отрицательной обратной связью от перекрестного торможения [53, 59, 60, 104, 159, 173, 191, 192]. Самосборка [209] — еще одна форма самоорганизации, широко изучаемая в жесткой ЖИЗНИ с самосборкой или самореконфигурируемыми роботами [7, 42, 78, 134, 162, 180, 215, 217].

Wet ALife, или физико-химический синтез реалистичного поведения, широко использует самоорганизацию в качестве основного принципа.Классическим примером является формирование пространственного паттерна в экспериментально реализованных реакционно-диффузионных системах, таких как реакция Белоусова-Жаботинского [3, 192] и самовоспроизводящиеся пятна типа Грея-Скотта [55, 122], где динамические паттерны полностью самоорганизуются. от пространственно локализованных химических реакций. Аналогичные подходы могут быть также применены с использованием микроскопических биологических организмов (например, слизистых плесневых грибов) в качестве среды самоорганизации [2, 3, 58, 91, 130].

В исследованиях происхождения жизни молекулярная самосборка играет важную роль в создании протоклеточных структур и их метаболической динамике [84, 155, 156, 157].Химический аутопоэз, такой как динамическое образование и поддержание мицелл и везикул [12, 13, 128, 202], также может быть включен в этот контекст.

В последнее время динамическое поведение макроскопически видимых химических капель, жидких роботов AKA [31], стало предметом активных исследований в ALife. В этом направлении исследований взаимодействия между химическими реакциями, физической динамикой микрофлюидов и, возможно, другими еще не полностью изученными микроскопическими механизмами вызывают самоорганизацию спонтанных движений [33, 85] и сложную морфологию [32] этих капель.Более того, системы на основе капель также использовались для демонстрации искусственной эволюции экспериментальных химических систем [141].

Недавно было проведено несколько исследований коллективного поведения протоклеток (например, [154]) и капель [31]. Возможное пространство для химического взаимодействия огромно, поэтому его сложно исследовать традиционными методами. Тем не менее, автоматизация этого исследования предлагает многообещающий подход [79].

Wet ALife была разработана позже, чем мягкая и жесткая точки зрения, но она имеет большой потенциал для лучшего понимания живых процессов, а также для их использования и регулирования с помощью инженерных принципов и целей.

Существуют различные потенциальные классификации, которые можно рассматривать для характеристики самоорганизации в контексте исследований ALife.Один из фундаментальных аспектов касается уровня, на котором происходит самоорганизация рассматриваемого жизненного процесса. В этом отношении можно выделить внутреннюю и внешнюю самоорганизацию. Внутренняя самоорганизация может происходить внутри индивидуума или агента и может быть функциональной для создания реалистичных свойств (например, морфогенеза), а также полезной для определения физических характеристик или поведенческих реакций, которые определяют способ, которым индивидуальный агент взаимодействует со своим окружающая среда (например,г., формирование паттернов, нейропластичность). Внешняя самоорганизация — это то, что происходит между людьми или агентами. Такие формы самоорганизации относятся к социальным аспектам жизненных процессов, которые часто имеют фундаментальное значение для поддержания воспроизводства и выживания. К ним относятся коллективное поведение, социальная координация и экологическая организация. Обратите внимание, что в некоторых случаях один и тот же процесс может считаться внутренним или внешним, в зависимости от уровня наблюдения. Например, морфогенез будет внешним на клеточном уровне, но внутренним на уровне организма.Поведение может быть внешним на индивидуальном уровне, но внутренним на социальном уровне.

Ортогональное направление, которое характеризует самоорганизующуюся систему, касается природы взаимодействий между компонентами системы, которые вызывают реалистичные пространственно-временные паттерны. В этом отношении принято различать прямое, и непрямое, (например, стигмергическое) взаимодействия.Когда элементы, люди или агенты взаимодействуют напрямую, их координация может быть быстрой. Однако их необходимо синхронизировать во времени и пространстве, а это иногда может быть непросто. Кроме того, одновременно должны быть предусмотрены механизмы для кодирования взаимодействий в акт коммуникации, а затем соответствующего декодирования. Косвенные, стигмергические взаимодействия происходят посредством следов, оставленных в окружающей среде, обычно в результате единицы работы, выполняемой каким-либо агентом, которая распознается другим агентом [187].Первоначально использовавшаяся для описания организации работы с социальными насекомыми (например, строительство гнезд у термитов или общение с феромонами у муравьев), концепция непрямых взаимодействий была расширена за счет включения любых внешних носителей, которые могут хранить информацию и, таким образом, обеспечивать координацию без необходимости. синхронного, прямого общения. В самом деле, постоянство косвенных взаимодействий в окружающей среде способствует асинхронной координации и расслоению информации, что может привести к сложным паттернам, распространяющимся во времени и пространстве.Обратите внимание, что внутренняя самоорганизация обычно прямая. Это связано с тем, что среда в большинстве случаев считается внешней по отношению к агентам.

Примеры различных типов самоорганизации, принадлежащих к разным доменам, приведены в таблице 1.

Как упоминалось выше, мы можем понимать самоорганизующуюся систему как систему, в которой организация увеличивается во времени, без внешнего воздействия, навязывающего это изменение.Однако можно показать, что в зависимости от того, как выбираются переменные системы, одну и ту же систему можно назвать либо организующей, либо дезорганизующей [72]. Более того, в нескольких примерах самоорганизации непросто идентифицировать , я, системы, поскольку часто всем элементам, составляющим систему, можно приписать равную силу. Наконец, в кибернетике и теории систем подробно обсуждается зависимость границ системы от наблюдателя [70]: нужно иметь объективное описание явлений, но описания обязательно производятся наблюдателями, что делает их частично субъективными.

Таким образом, становится ясно, что обсуждение самоорганизации требует идентификации того, что такое «я» , а что — «другое» , и какие элементы увеличиваются в их организации . Сходные вопросы были затронуты в [131] при определении живых систем как аутопоэтических систем. Согласно этой традиции, живая система по своей сути является самоорганизующейся, потому что «я» «я» непрерывно производится или обновляется процессами, вызываемыми внутренними компонентами системы.Другими словами, автопоэтическую систему можно распознать как единство с границами, которое включает ряд более простых элементарных компонентов, лежащих в основе организации системы, поскольку они отвечают за определение границ системы и за ( повторное) производство тех же самых компонентов [195]. Это своеобразная характеристика живых систем. Если жизнь глубоко укоренена в самоорганизации, то же самое может быть и с ALife, и несколько рассмотренных выше признаний ALife демонстрируют богатство связей, которые она поддерживает с самоорганизацией.Тем не менее, традиция автопоэзиса изначально не рассматривала эволюцию (историю) как существенный аспект биологии.

Заслуживает обсуждения и вопрос о том, является ли сама эволюция примером самоорганизации. Эволюция часто изображается как синоним адаптации, конвергентного процесса к оптимальным типам, который приводится в действие внешними механизмами (критериями отбора или условиями пригодности). Это часто обсуждается как противоположность самоорганизации или ее дополнение, особенно в [77] и [101].Между тем, существует также попытка переопределить биологическую эволюцию как своего рода самоорганизацию [207], поскольку все механизмы эволюции, такие как вариация, воспроизводство и отбор, в конечном итоге основаны на локальных неконтролируемых физических / химических факторах. процессы. Кроме того, если для наблюдения эволюции использовать очень широкую пространственно-временную перспективу, ее можно рассматривать как самоорганизующийся процесс популяции развивающихся организмов, поскольку они могут спонтанно порождать более разнообразные виды, более сложные межвидовые взаимодействия и даже развивающиеся сущности более высокого порядка, поскольку актуальны различные масштабы пространства, времени и сложности [124].

Глядя на перспективы ALife, может быть полезно рассматривать самоорганизацию как общий язык, объединяющий мягкую, жесткую и влажную области. Этот термин широко используется во многих областях, указывая на наличие общих черт, которые могут связать воедино разные исследования. Признавая и используя эти общие черты, лучшее понимание самоорганизации должно способствовать развитию ALife.Сообщество ALife может развиваться благодаря общим концепциям и определениям, и, несмотря на упомянутые трудности, самоорганизация является общей основой для достижения консенсуса. Что наиболее важно, мы считаем, что идентификация и классификация механизмов , которые лежат в основе самоорганизации, могут быть чрезвычайно полезны для синтеза новых форм ЖИЗНИ и лучшего понимания самой жизни.

Эти механизмы должны быть идентифицированы на уровне компонентов системы и охарактеризованы воздействием, которое они оказывают на организацию системы.Механизмы относятся к модальностям взаимодействия между компонентами системы (например, столкновения, восприятия, прямое общение, стигмергия), к поведенческим моделям, относящимся к отдельным компонентам (например, исследование в сравнении с эксплуатацией), а также к увеличению или уменьшению информации (например, вербовка или сдерживание). процессы). Эффекты механизмов должны быть видны в создании контуров обратной связи — положительных или отрицательных — на системном уровне, которые определяют сложную динамику, лежащую в основе самоорганизации.Мы считаем, что путем выявления и характеристики механизмов, поддерживающих самоорганизацию, синтез артефактов с реалистичными свойствами будет значительно упрощен. С этой точки зрения механизмы, лежащие в основе самоорганизации, потенциально можно рассматривать как шаблонов проектирования, для создания систем ALife [11, 52, 160]. Используя и комбинируя их, можно разработать различные формы ALife с принципиальным подходом, благодаря пониманию взаимосвязи между механизмами и системной организацией.

Возможность использования самоорганизации в целях проектирования особенно актуальна для разработки живых технологий , то есть технологий, представляющих особенности живых систем [21], такие как надежность, адаптивность и самоорганизация, которые могут включать самореконфигурация, самовосстановление, самоуправление, самосборка и так далее, часто называемые вместе как «само- *» в контексте автономных вычислений [149].

Самоорганизация использовалась непосредственно в живых технологиях в самых разных областях [20], от протоклеток [155] до городов [67]. Недавняя работа по программированию [1] или проектированию многоклеточных организмов [99, 112] также попадает в эту категорию. Кроме того, в инженерии было предложено несколько методологий, использующих самоорганизацию [54]. Большого скачка вперед можно ожидать, когда будут изложены принципиальные методологии проектирования, и лучшее понимание самоорганизации ALife может быть в авангарде разработки таких методов.

Также стоит учесть, когда самоорганизация не полезна в контексте ALife . Разумеется, провести четкую линию в домене невозможно, но наши рассуждения выше дают некоторые предложения. В самом деле, самоорганизация не учитывает все жизненные процессы, например, когда нет явного роста организации. Например, Hard ALife сильно развил концепцию воплощенного познания и морфологических вычислений [143, 144], где динамика взаимодействия разума, тела и окружающей среды является фундаментальными аспектами.Эта динамика, хотя и очень сложная, нелегко описать в рамках самоорганизации. Самоорганизация полезна, когда мы заинтересованы в наблюдении явлений более чем в одном масштабе, поскольку она позволяет нам описывать, как элементы взаимодействуют, создавая системные свойства. Тем не менее, если мы заинтересованы только в наблюдении явлений в одном масштабе, тогда, возможно, самоорганизация не принесет никаких описательных преимуществ. Примеры включают воплощенное познание (когда мы сосредотачиваемся на одном когнитивном агенте и его взаимодействии с окружающей средой) и большинство традиционных типов эволюционных алгоритмов (когда нет взаимодействия между отдельными людьми в популяции).

В зависимости от желаемой функции системы и свойств окружающей среды необходимо учитывать несколько балансов, например, между порядком и хаосом, между устойчивостью и адаптируемостью, между производством и разрушением, а также между разведкой и эксплуатацией. Самоорганизация может быть полезна для того, чтобы позволить системам самостоятельно найти подходящие балансы для их текущего контекста, поскольку оптимальный баланс может измениться [71].

Треугольник самоорганизации

Основные выводы

  • Узнайте, что такое самоорганизация и почему это важно
  • 3 ключевых элемента, обеспечивающих самоорганизацию в команде
  • Как использовать их для получения желаемых результатов
  • Как они используются в гибких методах
  • Как использовать самоорганизацию в качестве инструмента управления

Идея самоорганизующихся команд лежит в основе современных подходов к управлению сложной работой.Он лежит в основе всех гибких методов, а также других новых подходов к корпоративному управлению, таких как Holacracy.

Самоорганизация, однако, по-прежнему часто неправильно понимается как нечто анархическое, которое просто произойдет, если мы позволим этому, не нуждаясь ни во внимании, ни в руководстве. На самом деле продуктивная самоорганизация внутри группы, которая поддерживает цель, ради которой была создана группа, и помогает ей преобразоваться в команду, происходит только при соблюдении определенных условий.

«Треугольник самоорганизации» определяет три таких условия, которые являются наиболее важными и о которых необходимо позаботиться, чтобы успешно использовать самоорганизацию в качестве инструмента управления.Я создал эту модель в первую очередь как обучающий инструмент, надеясь визуально подчеркнуть важность элементов треугольника для учащихся. Однако оказалось, что его можно использовать на практике при работе с самоорганизующейся командой, чтобы обеспечить наличие всех элементов и привести к желаемым результатам.

Модель

Треугольник самоорганизации состоит из трех ключевых условий, влияющих на групповую самоорганизацию.Управление самоорганизующимися командами осуществляется косвенно, в основном за счет управления элементами треугольника.

Если какой-либо из них отсутствует, самоорганизация не произойдет (это означает, что группа не начнет обсуждать способы выполнения работы / деятельности — работа может не выполняться вообще или это может быть один или несколько человек в группе), либо это произойдет, но не желаемым образом (обычно люди в компаниях самоорганизуются, чтобы противостоять усилиям руководства направлять и контролировать их — типичный пример — схемы коллективных игровых бонусов).

Тремя элементами треугольника являются: ворота , правила и натяжения, . Они подробно описаны ниже.

Рис.1 Треугольник самоорганизации

Прежде всего, должна быть четкая цель , о которой знают все в группе. Эта цель будет определять то, как группа будет организовываться — разные цели требуют, чтобы люди применяли разные навыки и методы.Существование общей цели также является основным отличием группы от команды — если мы хотим, чтобы наша группа стала командой, мы должны поставить перед ней цель, вокруг которой можно было бы объединиться.

В идеале цель должна быть убедительной, и все в группе должны разделять желание ее достичь. Это может быть просто подразумеваемым, но легче убедиться, что все в группе знают и принимают это, если это открыто заявлено. Если группа разделяет физическое пространство, неплохо было бы где-нибудь отобразить цель, чтобы убедиться, что группа постоянно ее осознает.

Более короткие и сжатые цели обычно работают лучше — их легче запомнить и понять, и поэтому они более убедительны.

Второй элемент — это набор правил , которым должна следовать группа. Они будут управлять группой по мере ее организации для достижения цели. Это общие «что» и «чего нельзя» в группе. Они будут настороженно относиться к каждому случаю, и в качестве цели их можно просто предполагать или, лучше сказать, открыто заявлять. В большинстве случаев некоторые правила исходят из организационного контекста, в котором работает группа.Технические стандарты или правила методологии, используемые организацией, являются хорошими примерами таких правил, которые в действительности навязываются группе. Затем группа может самостоятельно добавить некоторые дополнительные правила, работая для достижения цели.

Правила должны быть немногочисленными и простыми, как и цель. Слишком много правил или сложных правил могут быть проигнорированы некоторыми или всеми членами группы.

В-третьих, последний элемент — это напряжение (я бы даже иногда назвал его давлением) — краткосрочный мотиватор, причина, по которой члены группы должны наращивать энергию в усилиях по самоорганизации в команду, взаимодействовать и достигать цели, а не оставаться пассивными. и ждать.

Обычно нехватки времени достаточно, чтобы группа начала работать — срок выполнения создает достаточно напряжения. Однако иногда напряжение может быть вызвано вызовом или наградой.

Подводя итог, для того, чтобы группа могла самоорганизоваться (и стать командой в процессе), должны существовать следующие три элемента: четкая цель , понятная и принимаемая всеми в группе, набор из правил группа будет следовать и элемент напряжения , небольшое давление на членов группы, чтобы они вступили в бой сейчас, а не ждать.

Наконец, я хочу напомнить читателю, что предоставление элементов Треугольника не означает, что внутри может не быть какого-либо дальнейшего процесса или структуры, например руководства процесса или помощи со стороны коуча — кого-то вроде мастеров Scrum. Ни процесс, ни тренер не должны принимать никаких решений от имени команды, они должны просто помогать команде, поскольку она работает для достижения цели в рамках правил.

Треугольник на практике

Как уже упоминалось, я сначала создал треугольник в качестве обучающего инструмента.Осознав, что многие из моих учеников понимают «самоорганизацию» буквально, как нечто почти волшебное, которое появится и решит проблемы, если только мы объявим, что «сейчас мы делаем Agile», я искал простой способ передать то, что есть — в мое мнение — правда об этом. Первоначальная идея заключалась в том, чтобы визуально представить вещи, о которых, как я знал, нужно было позаботиться, чтобы добиться продуктивной самоорганизации в группе или команде и, следовательно, дать ученикам другую точку зрения. Однако быстро выяснилось, что модель пригодится и в реальной жизни.

Самоорганизация команд в основном осуществляется за счет сознательного применения элементов треугольника, чтобы мягко направлять группу к достижению желаемых целей. Это делается либо самой группой, обычно при следовании гибкому процессу, либо менеджером (ами), внешним по отношению к группе.

Давайте обсудим первую ситуацию более подробно, прежде чем рассматривать вторую. Обычно это происходит с командами, работающими в процессе, построенном по принципу самоорганизации команд, наиболее распространенной из которых, конечно же, является Scrum.

Если вы внимательно посмотрите на Scrum, вы обнаружите, что все три элемента треугольника вплетены в структуру. Для каждого спринта во время планирования спринта команда вместе определяет цель спринта, которую она стремится достичь. Сама структура Scrum предоставляет набор правил, которым команда должна следовать как в том, как она организует себя («кросс-функциональная команда профессионалов до 9 человек» и т. Д.), Так и в том, как она работает (Определение выполненного, ежедневные скраммы и т. Д.) . Фреймворк призывает команды соблюдать уже существующие правила, такие как стандарты кодирования для всей компании и т. Д.- а также расширять их, когда команда обнаруживает (возможно, во время ретроспективы спринта) в этом необходимость. Работа выполняется короткими спринтами — приближающийся конец спринта и проверка результатов (Обзор спринта), которая происходит, создают необходимое напряжение. Другими словами, Scrum обеспечивает все три необходимых условия для сознательной, продуктивной самоорганизации и посредством своих мероприятий обеспечивает их обновление и адаптацию от спринта к спринту. Их многократное использование помогает группам превратиться в команды-исполнители.

Совершенно иначе работает для команд, работающих с методом Канбан. Там есть правила (фактически, вызовы методов, чтобы «все правила были явными»), наиболее явным из которых, конечно же, является ограничение WIP. Однако нет никаких явных «целей спринта» (из-за отсутствия спринтов) или других подобных целей, к которым мог бы призывать метод. Единственной последовательной целью, применимой ко всей группе, будет неявная цель достижения и оптимизации потока — продвижение рабочих элементов как можно быстрее при соблюдении требований к качеству.Эта цель обычно становится более заметной благодаря отслеживанию таких показателей, как время цикла и пропускная способность, особенно когда они отслеживаются относительно согласованной или ожидаемой производительности. Однако стоит отметить, что это цель процесса, а не цель, связанная с продуктом, как в случае с «Целями спринта» Scrum.

Напряжение также носит косвенный характер, он исходит из первого упомянутого стремления к достижению идеального «потока» и связанных показателей, а также ежедневных встреч «Прогулка по совету директоров», на которых команды сосредотачиваются на вопросах, застрявших по той или иной причине.

При сравнении Канбана и Скрама с этой точки зрения становится совершенно ясно, почему с помощью Канбана труднее создавать хорошие, сплоченные команды — цели и напряжение не так сильно присутствуют в этой структуре. Конечно, это возможно, поскольку эти элементы могут быть предоставлены, тем не менее, независимо от структуры (например, если команда создает программный продукт, цель выпуска может стать мотивирующей точкой для группы), но сам метод Канбан этого не делает. я не требую этого.

Гораздо более сложное приложение самоорганизации — это холакратия. В Холакратии люди организованы в Круги ролей (и потенциально у человека может быть несколько ролей, принадлежащих разным Кругам). Каждый Круг должен иметь цель, которая служит основной целью для его самоорганизации. Краткосрочные цели устанавливаются в виде проектов. Работа пересматривается не реже чем раз в неделю во время Тактических встреч, обеспечивая необходимую прозрачность и давление (слово «напряжение» имеет другое, определенное значение в Холакратии).Поведение каждой Роли и Круга определяется целым набором правил — что является уникальным для Роли, что может делать кто угодно и т. Д. — а также руководствуется явными политиками, установленными Кругом. Фактически, есть особая роль, называемая секретарем, посвященная соблюдению всех действующих правил. Каждое из правил может быть изменено во время специальных совещаний по управлению, которые проводятся каждый месяц или около того, обеспечивая дополнительный уровень самоорганизации — Круг не только тактически организуется для достижения своей цели, но также может изменять свою собственную структуру и правила по мере продвижения.

Тем не менее, модель треугольника также может служить руководством для менеджеров, которые хотят использовать самоорганизацию при работе с командами (вместо традиционного стиля «укажи и скажи», стиля управления и контроля).

Хорошим примером этого сценария является использование самоорганизации для формирования небольших команд из большой группы. Обычно такая большая группа не может определить цель или предоставить необходимые правила сама по себе — они должны быть предоставлены ей внешней организацией.

Фактически, именно эта ситуация является одним из первых практических применений треугольника.Около 6 лет назад я работал с компанией, которая переходила на Agile, где Scrum был желательным процессом на уровне команды. Перед менеджером по разработке стояла задача разделить группу из 28 разработчиков на 4 Scrum-команды. Вместо того, чтобы пытаться как-то проанализировать имеющихся людей и распределить каждого из них в команду, я предложил использовать самоорганизацию. Мы сели вместе и подготовили все три элемента, кратко обсудив их и записав результат:

  • Цель: разделиться на 4 команды Scrum для работы над системой X
  • Правила: а) не более 9 человек в команде, б) никакие команды тестирования или другие технически ориентированные команды — все команды должны иметь возможность предоставлять функции из бэклога, в) члены «тигровой команды» не могут быть полностью в одна и та же команда — в каждой формирующейся команде должен быть хотя бы один из них.
  • Напряжение: 30 минут на деление

Заявленная цель была достаточно ясной для данных обстоятельств, поскольку все разработчики уже работали с системой X (внутренняя система, используемая остальной частью организации). Все участвовали в тренинге по Скраму, поэтому они знали — по крайней мере теоретически — что такое Скрам-команда. И после этого обучения 7 волонтеров сформировали команду, которая применила Scrum по книге на практике в течение двух спринтов, работая над сайд-проектом.Их стали называть «командой тигров», и менеджер по развитию опасался, что, если эта команда останется вместе, их знания о работе в Scrum не распространятся на другие команды.

Мы созвали всех разработчиков в комнату для совещаний, представили цель, правила и временные рамки, а затем спросили, есть ли у них какие-либо вопросы. Единственное, что у них было, это как обращаться / назначать людей, которых нет в офисе (оказалось, что в тот день таких людей было 2). Мы быстро изменили вопрос (спросив: «Как вы думаете, вы справитесь с этим?»), И в конце концов они решили позвонить им и спросить, есть ли у них какие-либо предпочтения, но если это не удастся, они будут назначены группой, но будут есть возможность сменить команду, как только она вернется к работе.

После этого мы установили таймер на 30 минут и вместе с менеджером по развитию покинули комнату. Ожидание для него было довольно трудным, так как он беспокоился, что наш небольшой эксперимент потерпит неудачу, и он вернется к своему листу Excel с именами людей, пытающимся решить эту загадку. Конечно, ничего подобного не произошло — когда мы вернулись, нам вручили список, которым все в зале остались довольны.

Этот опыт не уникален — большинство практиков по гибкой методике рекомендуют формировать команды именно таким образом (см. Эту статью о создании команд).Тем не менее, для многих менеджеров это все еще новый опыт, который дает им яркий опыт самоорганизации на работе, но также и трех элементов треугольника в действии. Они могут видеть, как, выбирая правила и цель, а также применяя соответствующий временной интервал, они могут влиять на группу, чтобы избежать рисков (например, собрать всех «тигров» в одной команде) и получить желаемый результат.

Однако треугольник можно использовать и в других контекстах. Я часто использую его при подготовке целевых семинаров, на которых группа должна работать по определенной теме.Прямо сейчас я готовлю семинар для группы менеджеров, чтобы обсудить, почему они внедряют Agile в своем отделе, как они узнают о своем успехе и как они могут это измерить. Ожидаемый результат — это набор объективных — или, по крайней мере, интерсубъективных — показателей, которые дадут им представление о том, становится ли отдел лучше или нет.

  • Цель: 2-3 показателя, указывающих на улучшение в областях, которые являются ключевыми для отдела.
  • Правила
  • : a) показатели должны касаться областей, которые побудили отдел использовать Agile; b) они должны быть измеримы объективно или если они основаны на сборе мнений (опросы и т. Д.)) используйте соответствующую методологию
  • Напряжение: 1 час 40 минут, если показатели не выбраны группой, они могут быть наложены советом управления

Треугольник в контексте

Важно отметить, что самоорганизация обычно происходит в определенном организационном контексте. Основной треугольник самоорганизации концентрируется на краткосрочных элементах, которые должны быть предоставлены группе, чтобы заставить ее организоваться определенным образом. Однако стоит отметить другие элементы, которые влияют и поддерживают (или не поддерживают) три основных элемента треугольника.

Краткосрочные, краткие цели, к достижению которых стремится группа, должны основываться на более долгосрочном видении , о котором члены группы, конечно же, должны знать и делиться. Несмотря на то, что нехватка времени создает необходимое немедленное напряжение, тем не менее важна и долгосрочная мотивация. Наконец, правила, предоставленные группе (или разработанные ею), должны быть синхронизированы с организационной культурой и поддерживаться ею.

Видение, культура и общий подход к мотивации — это долгосрочные вопросы, которые каждая организация должна учитывать при попытке создать самоорганизующуюся, самоуправляемую команду (а также использовать гибкие методы и т. Д.). Довольно часто компании пытаются и терпят неудачу во внедрении гибких методов, потому что они полностью несовместимы с существующей культурой и видением.

Недавно в компании я проводил ретроспективу с командой, которая не проявляла большого энтузиазма, но, тем не менее, прогрессировала, чтобы рассмотреть свой прошлый (и первый) спринт, определила ключевые проблемы и затем выработала действия, которые, по их мнению, могли бы их решить. Мы столкнулись с неожиданной блокировкой, когда я спросил команду, кто будет делать действия — они сказали, что, конечно, это будут менеджеры.Проработав, вероятно, всю свою карьеру в иерархической культуре командования и контроля, им не приходило в голову, что они сами могут сделать что-нибудь для решения выявленных проблем. Фактически, один из членов команды начал утверждать, что как работники они должны все организовать под руководством менеджеров, что, по его мнению, является признаком хорошего менеджмента. Очевидно, что культура организации до сих пор не поддерживала Agile, и заставить команды действительно самоорганизоваться продуктивным образом будет сложно.

Заключение

Самоорганизация — это современный инструмент управления, который заменяет командование и контроль в качестве метода создания команд и руководства ими для достижения желаемых результатов (например, ценных продуктов). Чтобы использовать его продуктивно, менеджеры и команды должны знать о трех основных компонентах, необходимых для управления этим процессом — цели, правилах и напряженности — и сознательно выбирать их для достижения намеченных результатов. Необходимо позаботиться о том, чтобы они соответствовали существующей культуре, видению и подходу к мотивации.

Об авторе

Энди Брандт проработал в ИТ-индустрии 25 лет, и он много чего сделал — был программистом, системным администратором Unix, тренером, проповедником Linux, аналитиком, менеджером проекта (и PMP) и линейный менеджер, затем также Scrum Master и основатель стартапа по разработке программного обеспечения. Он начал работать с гибкими командами в 2005 году и практикует Scrum с 2006 года. В 2010 году он присоединился к Scrum.org Кена Швабера и является одним из старейших профессиональных тренеров по Scrum.Он также опубликовал две электронные книги по Agile («Environment for Agile Teams» и «Agile w Praktyce») и блоги. В настоящее время Энди возглавляет Code Sprinters, компанию по разработке программного обеспечения, которую он основал в 2007 году, которая превратилась в крупнейшего в Польше провайдера обучения и консалтинга в области гибкой разработки.

В поисках законов самоорганизации и сложности: Кауфман, Стюарт: 9780195111309: Amazon.com: Книги

Началась крупная научная революция, новая парадигма, которая по важности соперничает с теорией Дарвина.В его основе лежит открытие порядка, лежащего глубоко в самых сложных системах, от происхождения жизни до работы гигантских корпораций, до взлёта и падения великих цивилизаций
. И больше, чем кто-либо другой, эта революция — дело рук одного человека, Стюарта Кауфмана, научного сотрудника Макартура и дальновидного пионера новой науки о сложности. Теперь, в книге At Home in the Universe , Кауфман блестяще сочетает воедино волнение интеллектуальных открытий и плодотворное сочетание
идей, чтобы дать широкому читателю увлекательный взгляд на эту новую науку — и на силы порядка, лежащие в край хаоса.
Все мы знаем о случаях спонтанного порядка в природе: капля масла в воде образует сферу, снежинки обладают шестикратной симметрией. Кауфман говорит, что мы только сейчас открываем, что диапазон спонтанного порядка намного больше, чем мы предполагали. В самом деле, самоорганизация — это великий неоткрытый принцип природы. Но как возникает этот стихийный порядок? Кауфман утверждает, что сложность сама по себе вызывает самоорганизацию или то, что он называет «порядком бесплатно», что если достаточное количество различных молекул преодолевает определенный порог сложности, они начинают самоорганизовываться в новую сущность
— живую клетку.Кауфман использует аналогию с тысячей пуговиц на коврике — случайным образом соединяет две пуговицы ниткой, затем еще две и так далее. Сначала у вас есть изолированные пары; позже небольшие скопления; но внезапно примерно при 500-м повторении происходит замечательное преобразование — очень похоже на фазовый переход
, когда вода резко превращается в лед — и кнопки соединяются в одну гигантскую сеть. Точно так же жизнь могла возникнуть, когда смесь различных молекул в изначальном супе прошла определенный уровень сложности и самоорганизовалась в живые существа (если так, то жизнь — это не очень маловероятное случайное событие, а почти неизбежное).Кауфман использует базовое понимание «бесплатного порядка», чтобы осветить ошеломляющий спектр явлений. Мы видим, как одноклеточный эмбрион может вырасти в очень сложный организм с более чем двумя сотнями различных типов клеток. Мы узнаем, как наука о сложности
расширяет теорию эволюции Дарвина путем естественного отбора: самоорганизация, отбор и случайность являются двигателями биосферы. И мы узнаем о биотехнологии, о потрясающей магии новых рубежей генной инженерии — генерируя триллионы новых молекул, чтобы
найти новые лекарства, вакцины, ферменты, биосенсоры и многое другое.В самом деле, Кауфман показывает, что экосистемы, экономические системы и даже культурные системы могут все развиваться в соответствии с одинаковыми общими законами, что ткани и терракота развиваются аналогичным образом. И, наконец, в мысли
Кауфмана есть глубоко духовный элемент. Если, как он утверждает, жизнь должна была возникнуть не как невероятно невероятная случайность, а как ожидаемое исполнение естественного порядка, тогда мы действительно находимся во Вселенной как дома.
Ранний том Кауфмана « Истоки порядка », написанный для специалистов, получил щедрые похвалы.Стивен Джей Гулд назвал это «достопримечательностью и классикой». А лауреат Нобелевской премии Филип Андерсон написал, что «в этом мире мало людей, которые когда-либо задают правильные вопросы о науке, и именно они
наиболее сильно влияют на ее будущее. Стюарт Кауфман — один из них». В фильме « Дома во Вселенной » этот дальновидный мыслитель ведет вас с собой, исследуя новые взгляды на природу жизни.

Самоорганизация как навык выживания | Кристиан Вервийс | Освободители

И как добиться успеха с помощью самоуправляемых команд

В новом руководстве по Scrum команды Scrum больше не описываются как «самоорганизующиеся», а как «самоуправляющиеся».Это различие может показаться тривиальным, но оно помогает понять две важные истины о Scrum, которые мы исследуем более подробно в этом блоге. Во-первых, как Scrum использует самоорганизацию, чтобы действовать как рычаг, чтобы сделать организации более гибкими. Во-вторых, командам Scrum требуется высокая степень самоуправления, чтобы это произошло.

Это сообщение в блоге является отрывком из более длинной главы нашей книги the Zombie Scrum Survival Guide . Если вы предпочитаете послушать этот пост, вы можете сделать это с помощью этого эпизода нашего подкаста .

В различных областях науки, от биологии до социологии и от вычислительных наук до физики, самоорганизация — это процесс, посредством которого порядок возникает спонтанно из чего-то, что изначально дезорганизовано. Этот порядок является результатом самоорганизации только тогда, когда он возникает в результате взаимодействия мельчайших единиц системы и не навязывается внешними влияниями. Самоорганизация происходит вокруг нас и на самых разных уровнях. Это случается, когда ветер создает на песке красивые формы.Это случается, когда муравьи работают вместе, чтобы построить огромные колонии, без четкого управления разумом. И это происходит, когда люди легко избегают столкновения друг с другом при пересечении больших скоплений людей.

«Самоорганизация — это процесс, при котором порядок спонтанно возникает из чего-то, что изначально дезорганизовано».

Хорошим примером этого является объединение большой группы сотрудников. Сначала будет хаос, потому что они не знают, как работать вместе.Менеджеры могут создавать порядок, давая инструкции. Но поскольку этот порядок навязывается, это не самоорганизация. В качестве альтернативы сотрудники могут прийти к общему пониманию того, как выполнять и координировать свою работу без указания извне. Хотя в этом примере в качестве наименьшей единицы используются «сотрудники», вы можете заменить их командами Scrum для того же эффекта. Там тоже правила, структуры и взаимодействия будут формироваться спонтанно, когда вы соберете вместе пятьдесят команд. Но насколько они эффективны — другой вопрос.

Успех самоорганизации и то, превращается ли она в хаос или полезные решения, зависит от двух основных составляющих. Первый — это простые правила, которым следуют команды. И второе — это автономия, которой они действительно обладают.

Первым ингредиентом успешной самоорганизации является простота и качество правил, которым следуют самые маленькие элементы системы. Типичным примером этого является стая птиц, которая создает в небе замысловатые и сложные узоры, называемые шумом.При всей своей красоте эти узоры являются результатом нескольких простых правил, которых придерживаются все птицы: они сохраняют одинаковую скорость и держатся на одинаковом расстоянии от горстки птиц, находящихся рядом с ними. Поскольку каждая отдельная птица следует этим простым правилам, крошечные изменения скорости, расстояния и направления вызывают большие изменения, поскольку стая быстро удлиняется, поворачивается и переворачивается. Без этих простых правил наступил бы хаос. Самоорганизация отражает не автономию отдельных птиц, а скорее то, как модели группового уровня спонтанно возникают, когда отдельные члены группы следуют нескольким простым правилам.

Структура Scrum целенаправленно определяет одно важное правило, которому должны следовать команды Scrum: доставлять готовое приращение каждый спринт, в котором достигается цель спринта. Это приращение является основным двигателем прозрачности, проверки и адаптации. Он дает цель всем структурным элементам, составляющим Scrum Framework; его роли, артефакты и события. Хотя следовать этому правилу, конечно, не так просто, как поддерживать ту же скорость и расстояние от птиц вокруг вас, его соблюдение приведет к общесистемным изменениям.

Люди, которые создают продукт — команды Scrum — обнаруживают вещи, которые мешают выпустить готовое приращение в каждом спринте. Они могут обнаружить, что им не хватает навыков или что они зависят от людей, не входящих в команду, которые будут делать за них работу. Или из-за отсутствия полномочий владельцам продуктов сложно определить четкую цель спринта. По мере того, как команды Scrum выявляют и устраняют препятствия, становится все легче соблюдать единое правило. Это позволяет им быстрее улучшать свой способ работы в ответ на растущее количество отзывов, которые они получают о своей работе, и скорость, с которой они получают эту обратную связь.Другими словами; они становятся все более гибкими и адаптивными к своей среде. Структура Scrum действует как рычаг для изменений на системном уровне, заставляя команды Scrum сосредотачиваться на выпуске Done Increment каждый спринт.

К сожалению, команды, страдающие от Zombie Scrum, либо не хотят, либо не могут следовать этому единственному правилу. Здесь рычаг не работает и самоорганизация не происходит, или не в том направлении, которое имеет значение для гибкости.

«Структура Scrum действует как рычаг для изменений на системном уровне, заставляя команды Scrum сосредотачиваться на выпуске Готового Приращения каждый Спринт.”

Вторая составляющая успешной самоорганизации заключается в автономии, которую люди и команды должны определять свои собственные правила. Один из способов подумать об этом — рассматривать работу, которую выполняет команда, как река. Препятствие или проблема может появиться в виде камня, вставшего на его пути. Чем более ограничена река, тем меньше возможностей обтекать скалу. Повышенная автономия дает командам возможность позволять своей работе обтекать камни, которые им мешают.

Ученые-организации часто называют это «самоуправлением». Согласно этой философии управления, команды несут ответственность за готовый продукт, изолированную часть продукта или конкретную услугу. Вместо того, чтобы иметь менеджера, который принимает решение за них, или придерживаться строгих политик и протоколов, команды имеют определенную степень автономии в таких областях, как:

  • Порядок отбора и найма новых членов команды.
  • Как команды и их члены награждаются и оцениваются.
  • Как команды создают безопасную среду для совместной работы.
  • Как команды обучаются важным навыкам и кем.
  • Как команды проводят время.
  • Как команды синхронизируют свою работу с другими командами, отделами и подразделениями.
  • Как команды ставят цели.
  • Какие средства и инструменты необходимы командам для работы.
  • Как принимаются решения в команде.
  • Как команды распределяют свою работу.
  • Какие методы, практики и приемы используют команды.

Для каждой из этих областей автономия команды находится где-то между «Нет автономии вообще» и «Полная автономия».

Концепция самоуправляемых команд может показаться новой, но она существует уже давно. Самоуправление — важная часть социотехнического системного подхода (СТС), который был разработан Тавистокским институтом человеческих отношений во время Второй мировой войны. В результате этой работы повсеместно стали появляться самоуправляемые команды, в том числе на многих заводах по производству автомобилей.Вместо традиционного конвейерного производства, которое преобладало ранее, команды взяли на себя ответственность за завершение всех подсистем автомобиля (тормозов, электроники и т. Д.). Команды также отвечали за собственное планирование, составление графиков, распределение задач, набор и обучение — без участия руководства. Обширные исследования социально-технических систем, проведенные на протяжении многих лет, показывают огромный рост удовлетворенности работой, мотивации, производительности и качества.Производственная система Toyota (TPS), которая позже послужила вдохновением для разработки Scrum Framework и методологии Lean, является примером такой социотехнической системы.

В то время как Руководство по Scrum использовало Scrum-команды как «самоорганизующиеся», оно всегда означало, что они должны «самоуправляться», чтобы происходил процесс «самоорганизации». Команды Scrum имеют все роли и обязанности, необходимые для принятия решений о своем продукте и о том, как выполнять свою работу. В действительности, однако, большинство Scrum-команд сильно ограничены в своей способности к самоуправлению.В попытке уменьшить потенциальный хаос и беспорядок, которые, как они ожидают, произойдут, когда команды будут самоуправляться, многие организации вместо этого жестко контролируют то, как команды выполняют свою работу. Они либо не понимают механизмов самоорганизации, либо не доверяют результатам. В результате с Zombie Scrum.

Сложные среды характеризуются высокой степенью непредсказуемости и неопределенности. Это делает их нестабильными и изобилующими рисками. Рынки меняются в мгновение ока, новые технологии приобретают широкую популярность, казалось бы, в мгновение ока, и при этом может оказаться, что они содержат уязвимости в системе безопасности, которые необходимо немедленно устранить.Новые конкуренты выходят на рынок с превосходным продуктом, подрывая, казалось бы, неприступные рыночные позиции. Кроме того, есть глобальные катастрофы, такие как финансовый кризис 2008 года и COVID-19, которые в мгновение ока перевернули экономику и застали компании врасплох. По мере того, как наш мир становится все более глобализированным и взаимосвязанным, увеличивается вероятность непредсказуемых и очень важных событий, требующих немедленной адаптации. Статистик Нассим Талеб называет эти события «Черными лебедями».

Талеб продолжает описывать, как организации часто оптимизируют то, что он называет «устойчивостью».Пытаясь снизить нестабильность, они полагаются на стандартизацию и централизованную координацию, чтобы уменьшить вредные отклонения как внутри, так и за пределами организации. Например, все команды должны использовать одни и те же технологии или следовать одним и тем же процедурам при решении конкретных задач. Или они создают централизованные руководящие комитеты для управления разработкой продукта несколькими командами. Принимая жесткие стандарты и структуры координации, организации могут ограничить влияние вариаций, когда они незначительны.Но в мире, который становится все более нестабильным, эта жесткость не позволяет им адаптироваться к изменениям и даже может полностью их сломать.

Другой способ — оптимизация для «Антихрупкости». Вместо того, чтобы пытаться противостоять колебаниям и потрясениям, антихрупкие системы становятся сильнее, когда на них оказывается давление. Например, инженерные группы Netflix создали инструмент под названием Chaos Monkey для случайного отключения сервисов в своей инфраструктуре. Каждый раз, когда прекращенная услуга приводит к сбоям в работе конечных пользователей, инженерные группы изменяют архитектуру, чтобы уменьшить влияние.Со временем реакция на подобные случайные потрясения помогла Netflix сделать свою инфраструктуру более устойчивой.

Space Exploration Technologies (SpaceX) имеет частоту запуска, которая намеренно выше, чем у других поставщиков запусков. Каждый раз, когда запуск не удается, их самоуправляемые команды обновляют технологии, протоколы и процессы, чтобы избежать подобных сбоев в будущем. Другие организации, в том числе Procter & Gamble, Facebook и Toyota, одновременно проводят множество небольших экспериментов для изучения различных альтернатив.Хотя большинство из них терпят неудачу, некоторые получают золото. Что еще более важно, их самоуправляемые команды учатся на неудачах и благодаря им становятся сильнее.

В антихрупких организациях очевидны три течения:

  • Они полагаются на самоуправляемые команды для самоорганизации вокруг проблем по мере их появления.
  • Они поощряют экспериментирование, чтобы стать сильнее через неудачи.
  • Они прилагают усилия, чтобы извлекать уроки из неудач с помощью одинарного и двойного цикла обучения.

В совокупности организации развивают навыки, технологии и практики, чтобы не только пережить неопределенность сложности, но и на самом деле преуспевать в ней, поскольку они могут адаптироваться быстрее, чем другие.К сожалению, вариативность и избыточность, необходимые для антихрупкости, часто считаются неэффективными и расточительными организациями, в которых процветает Zombie Scrum.

Зачем вам нужны самоорганизующиеся команды в гибкой среде?

В одной из своих книг по управлению проектами «7 навыков эффективных людей» , Стивен Кови говорит: «Вы не можете привлекать людей к ответственности за результаты, если вы контролируете их методы. Затем вы становитесь ответственными за результаты, и правила заменяют человеческие суждения, творчество, ответственность.”

Как менеджер, вы хотите настроить свою команду на успех, создав среду, которая дает им возможность принимать правильные решения и выбирать, как дела должны быть выполнены. Вы становитесь источником помощи, когда они этого хотят, и пока не мешаете им.

Фактически, один из принципов Agile Manifesto четко заявляет, что «Лучшие архитектуры, требования и проекты возникают из самоорганизующихся команд».

Что такое самоорганизующаяся команда?

В отличие от традиционных команд, самоорганизующиеся команды не ждут, пока менеджеры поручают им какую-либо работу.Вместо этого они определяют всю работу, которую необходимо выполнить, определяют приоритеты требуемых задач и самостоятельно управляют сроками. Скрам-мастера также постоянно ищут наиболее продуктивные и эффективные способы работы, поскольку они обладают высоким чувством ответственности и сопричастности.

В то же время они также эффективно общаются с другими участниками, чтобы определить задачи, которые уже были выполнены другими, и те, которые остались. Каждый член самоорганизующейся команды видит в списке незавершенных задач то, что остается для всей команды, а не только для отдельного человека.

Хотя в самоорганизующихся командах нет менеджера, который все упускает из виду, обычно есть наставник, который помогает всем руководить. Самым большим преимуществом самоорганизующихся команд является то, что вместо того, чтобы продвигать задачи менеджером, члены команды сами решают, над какими задачами они хотят работать.

Проблемы, с которыми сталкиваются самоорганизующиеся команды

В отличие от традиционных команд, самоорганизующиеся команды не управляются и не контролируются менеджером; Члены команды активно участвуют во всех практиках и мероприятиях методологии Scrum и обладают определенной автономией.Это может вызвать множество проблем как на начальном этапе принятия, так и при поддержании команды.

1. Инерция команды

Команды с самого начала с энтузиазмом относятся к гибкой трансформации, но когда возникают проблемы, обычно возникает тенденция вернуться к старым методам работы.

Церемонии Scrum не придают особого значения стилю управления сверху вниз, и роль менеджера проекта сводится к роли лидера-слуги. Высшее руководство может быть не столь открыто для такой большой смены команды, имеющей большую степень автономии.

2. Разные личностные качества

Каждая команда разработчиков продукта — это плавильный котел разных людей. Есть одиночки, которым нравится щелканье ключевых слов и которые обходятся без какого-либо социального взаимодействия. С другой стороны, экстраверты преуспевают в общении.

В традиционной команде разработчиков за устранение этих различий отвечает владелец продукта. Это невозможно в самоорганизованной команде. Команда должна работать вместе и руководить своей работой.Небольшое разнообразие — это хорошо, но команда разработчиков программного обеспечения, состоящая из несовместимых людей, может гарантировать провал проекта.

Устали пользоваться Monday.com?
Узнайте, почему понедельник неэффективен для управления проектами и почему вам нужна альтернатива понедельника

3. Неэффективное общение

Сама идея самоорганизующихся команд зависит от эффективной коммуникации проекта. Если нет надлежащих каналов коммуникации, вся идея рушится.Это особенно важно для географически разнесенных команд.

4. Отсутствие индивидуальной ответственности

Одним из наиболее распространенных аргументов против самоорганизующихся команд является кажущееся снижение эффективности и отсутствие индивидуальной ответственности. Поскольку все члены команды участвуют в длительных встречах, это может повлиять на индивидуальную продуктивность.

Но самоорганизующиеся команды работают как единое целое. Вся команда становится подотчетной, и поэтому вы не можете привлечь одного человека к ответственности за какие-либо задачи или ошибки.Это серьезная проблема для тех заинтересованных сторон, которые несут ответственность за успех проекта.

Ключевые характеристики самоорганизованной команды

В оригинальном документе Agile Manifesto нет четкого определения самоорганизующейся команды. Однако с годами эксперты по гибкой методологии и методологии схватки определили некоторые из важных характеристик самоорганизующейся команды:

1. Работа в команде и сотрудничество

Когда нет менеджера, который мог бы объединить команду и отдавать приказы, члены должны эффективно общаться и работать друг с другом.В результате самоорганизующиеся команды должны тесно сотрудничать и работать как единое целое.

2. Компетентность

Поскольку нет менеджера, который бы давал членам команды четкие указания и инструкции на каждом этапе процесса, участники должны быть уверены в своих собственных навыках управления проектами и навыках своих коллег для успешного выполнения задач.

3. Постоянное совершенствование и рост:

Как часть самоорганизующейся команды, ее участники должны постоянно искать возможности для роста и искать все способы, которыми они могут улучшить свои навыки для повышения общего уровня продуктивности.

4. Уважение и доверие к коллективу

Члены команды должны доверять навыкам своих коллег и верить в то, что каждый может выполнить работу, даже если нет менеджера, который мог бы привлечь их к ответственности. Они также должны уважать мнения друг друга и найти способ работать вместе, даже если у них противоположные взгляды.

5. Собственность

Все члены самоорганизующейся команды должны иметь сильное чувство сопричастности и приверженности своей работе.Поскольку никто не указывает на их ошибки, членам необходимо учиться на своих ошибках и применять полученные уроки для достижения эффективных результатов.

Устали от использования Asana?
Узнайте, почему Asana неэффективна для управления проектами и почему вам нужна альтернатива Asana.

Преимущества наличия самоорганизующейся команды

В гибкой среде самоорганизующиеся команды могут оказаться более полезными, если они будут реализованы правильно, поскольку решения, влияющие на команду, принимаются всей командой, а не одним человеком.

Вот некоторые из преимуществ самоорганизующейся команды:

1. Лучшая маневренность и скорость доставки

Самоорганизующиеся команды быстро принимают решение о задачах, над которыми им нужно работать, и о том, как они могут уложиться в соответствующие сроки, что напрямую приводит к повышению скорости выполнения. Поскольку высокопроизводительные команды гибки, они также могут быстро реагировать на колебания рынка. Без менеджера команды могут быстро переключать передачи, не дожидаясь разрешения начальства.

2. Повышенное внимание к качеству

Вместо того, чтобы просто выполнять задачи, которые просит их выполнить менеджер, самоорганизующаяся команда должна оставаться организованной на работе и больше сосредотачиваться на ожиданиях клиентов. Серьезно относясь к отзывам клиентов, они могут создавать качественные продукты, которые точно соответствуют потребностям рынков и клиентов.

3. Меньше времени, затрачиваемого на управление командой

Самоорганизующаяся гибкая команда полностью отвечает за назначение и отслеживание своей работы и прогресса.В результате вам не нужно тратить дополнительные ресурсы на то, чтобы нанять менеджера только для того, чтобы назначать и делегировать задачи, управлять сроками, проверять статусы сотрудников и заполнять табели учета рабочего времени.

4. Повышение удовлетворенности сотрудников

Когда сотрудники могут выбирать свои собственные задачи, устанавливать собственное расписание и определять сроки выполнения проекта, они более удовлетворены на рабочем месте с высоким уровнем мотивации. Уменьшение количества микроменеджмента в самоорганизующихся командах, а также дает каждому сотруднику свободу работать по-своему, что, в свою очередь, повышает производительность и подотчетность

Как создать самоорганизованную команду в гибкой среде

Большинство организаций считают самоорганизующиеся команды слишком хорошими, чтобы быть правдой.Всегда найдутся ленивые люди, которым нужно сказать, что им нужно делать. В конце концов, могут ли члены команды действительно продуктивно работать и без проблем сотрудничать, при этом ни один менеджер не упускает из виду их задачи?

Ответ на это — да.

Первый шаг к созданию успешной самоорганизующейся команды — это

  • , чтобы выбрать нужных участников, которые действительно могут работать проактивно, без того, чтобы менеджер постоянно смотрел им через плечо.
  • кросс-функциональная команда, члены которой обладают всеми необходимыми навыками для выполнения требуемых задач, что может даже привести к увеличению размера команды, чем изначально планировалось.

Хотя со временем, по мере того, как члены команды учатся друг у друга и развивают более широкий спектр навыков, вы можете уменьшить размер команды, переведя некоторых людей в другие команды. В то же время вы также должны попытаться сбалансировать уровни навыков внутри команды.

Перед созданием самоорганизующейся команды все участники должны пройти следующие этапы:

1. Обучение

Члены команды должны пройти обучение, чтобы правильно понимать принципы самоорганизующейся команды.Им требуется обучение жестким навыкам, чтобы обеспечить лучшее понимание необходимой структуры, и обучение навыкам межличностного общения, чтобы лучше сотрудничать и общаться с другими членами команды.

2. Коучинг

Изначально группы должны начинаться как самоорганизующаяся команда с тренером, который будет вести их на каждом этапе. Обязанность тренера — помочь членам команды работать и общаться между собой беспрепятственно. По мере того, как члены команды учатся сотрудничать друг с другом и брать на себя ответственность за свою работу, роль коуча со временем уменьшается.

3. Наставничество

По мере того, как участники начинают организовываться, им все еще требуется некоторое наставничество, чтобы развивать свои навыки и поддерживать баланс в команде. Основная цель наставничества — помочь всей команде оставаться мотивированной и расти вместе.

Самоорганизованные команды имеют решающее значение для гибких проектов

Способность команд к самоорганизации вокруг целей проекта теперь стала критически важной для всех гибких методологий. Используя коллективную мудрость всей команды, ее участники могут оптимально организовать работу так, как не может один руководитель.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *