← all shorts

Math

Chaos Theory - The Butterfly That Causes Hurricanes

#095 · 5 min read

A butterfly with vibrant blue and orange wings hovers above a water droplet that creates ripples on the surface below, set against a blurred green background.

In the winter of 1961, a meteorologist at MIT typed a six-digit number into a vacuum-tube computer and watched the future come apart. The equations were deterministic. The error sat in the fourth decimal place. The forecast came out a different forecast.

In the winter of 1961, a meteorologist at MIT named Edward Lorenz left his office for a cup of coffee while a Royal McBee LGP-30 — a vacuum-tube computer about the size of a deep freezer — ground through a twelve-variable weather model. When he came back, the simulation had diverged from the previous day's run into something unrecognisable. Same equations, same machine. The only difference was that he had retyped 0.506 into the restart, where the original run had carried 0.506127 in memory. A rounding error in the fourth decimal place had produced an entirely different two-month forecast.

Lorenz published the result in 1963 in the Journal of the Atmospheric Sciences, in a paper called "Deterministic Nonperiodic Flow." Almost no meteorologist read it. The paper was filed under the working assumption that any sensible system, fed nearly identical inputs, returns nearly identical outputs. Lorenz's twelve equations did not. They were stable in their gross behaviour: the trajectory always settled onto a shape that, plotted in three dimensions, resembled a pair of overlapping butterfly wings. But the path along that shape was exquisitely sensitive to where it began. Two trajectories starting a millionth of a unit apart would, after a few simulated weeks, sit on opposite wings.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

The phrase "butterfly effect" came later, and not from Lorenz. In 1972 he gave a talk titled, by someone else on the conference programme, "Does the flap of a butterfly's wings in Brazil set off a tornado in Texas?" The metaphor stuck. The mathematics it pointed at was already a century old.

The shape of a chaotic system

The first hint that determinism and unpredictability could coexist came from Henri Poincaré in the 1890s, working on the three-body problem: the question of how three gravitating masses move under Newtonian gravity. Two bodies have a clean closed-form orbit. Three do not. Poincaré showed that the three-body system contains orbits sensitive to initial conditions in exactly Lorenz's sense, with tiny perturbations growing exponentially in time. He called the resulting geometry "homoclinic tangles." He could not draw them. The picture would have to wait for computers.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

A chaotic system, in the modern definition, is a deterministic dynamical system that exhibits sensitive dependence on initial conditions, is topologically mixing, and has dense periodic orbits. Strip the jargon and the point is this: the equations contain no randomness. If you knew the starting state exactly, the future would be fixed. But "exactly" means infinitely many decimal places, and every measurement has a finite precision. The error in that precision doubles, then doubles again, then doubles a hundred more times. By the hundredth doubling, the original uncertainty is the size of the system itself.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

This is why weather forecasts decay. The atmosphere's doubling time for small errors is roughly a day and a half. After two weeks, an error the size of a single dropped sensor reading covers the entire forecast. Better measurements push the horizon a little further out. They cannot push it to infinity. The ECMWF publishes skill scores that hit this wall on schedule, and have done for fifty years.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Strange attractors

When Lorenz plotted his twelve-variable system in three dimensions, he found that the trajectories, for all their unpredictability in time, were confined to a thin, infinitely folded surface. They never crossed. They never repeated. They never left. The shape became the emblem of the field: a strange attractor.

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Strange attractors turn up wherever nonlinear feedback meets dissipation. Heart arrhythmias trace them. Dripping taps trace them. The population dynamics of measles outbreaks before mass vaccination traced one. Fluid turbulence, the great unsolved problem of classical physics, almost certainly lives on attractors no one has yet been able to write down. In 1975 the mathematician James Yorke and his student Tien-Yien Li gave the field its name, in a paper called "Period Three Implies Chaos."

What we still don't know

We do not know whether turbulence is chaos in Lorenz's sense or something stranger. The Navier–Stokes equations that describe fluid flow have never been proven to have smooth solutions for all time in three dimensions. The question is one of the Clay Mathematics Institute's million-dollar Millennium Prize Problems, unclaimed since 2000.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

We do not know the limits of prediction in systems where classical chaos meets quantum mechanics. Quantum systems are linear and, in isolation, do not show chaos in Lorenz's form at all. How chaos emerges in the classical limit, the question of "quantum chaos," remains contested.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

We do not know how far machine-learning forecasts can push the weather horizon. Recent neural models from DeepMind and Huawei now beat the operational physics-based forecasts at ten days. Whether they can reach fifteen, or twenty, or hit the Lorenz wall earlier than the equations would predict, is being argued in the literature this year.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

And we do not know, in any practical sense, which of the systems we care about — markets, climate tipping points, ecosystems, brains — are chaotic, which are merely complicated, and which are something else entirely.

A butterfly in Brazil cannot, as a matter of physics, cause a hurricane in Texas. The energy is wrong by twenty orders of magnitude. What it can do is shift which hurricane forms, and when, and where it lands, selecting from a menu the atmosphere was going to serve anyway. The weather is not a story being written. It is a story being chosen, atom by atom, from a shelf of stories the equations already contain.

1961年冬天,麻省理工学院的一位气象学家将一个六位数字输入到真空管计算机中,眼看着未来分崩离析。方程是确定性的,误差仅在第四位小数,但预测出来的却是一个完全不同的天气结果。

1961年冬天,麻省理工学院一位名叫 Edward Lorenz 的气象学家离开办公室去喝咖啡,而一台大约有深冰柜大小的真空管计算机 Royal McBee LGP-30 正在艰难地运行着一个包含十二个变量的天气模型。当他回来时,模拟的运行结果已经与前一天的运行轨迹分道扬镳,变得面目全非。相同的方程,相同的机器。唯一的区别是,他在重新启动时输入了0.506,而在内存中原始运行记录的是0.506127。第四位小数的舍入误差产生了一个截然不同的两个月天气预报。

洛伦兹于1963年在《大气科学学报》上发表了这一结果,论文名为《确定性非周期流》。几乎没有气象学家阅读它。这篇论文被归档时的前提假设是,任何合理的系统,输入几乎相同的数据,都会返回几乎相同的结果。洛伦兹的十二个方程却并非如此。它们在大致行为上是稳定的:轨迹总是收敛到一个形状上,在三维空间中绘制出来,就像一对重叠的蝴蝶翅膀。但沿着该形状运动的路径对起始位置极其敏感。起始位置仅相差百万分之一单位的两条轨迹,在模拟了几周后,就会落在相反的翅膀上。

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

“蝴蝶效应”这个词是后来出现的,而且并不是洛伦兹发明的。1972年,他在一次会议上做了一个演讲,演讲题目是会议计划中的其他人拟定的:“巴西一只蝴蝶煽动翅膀会在德克萨斯州引起龙卷风吗?”这个比喻深入人心。它所指向的数学原理在当时其实已经有一百年的历史了。

混沌系统的形状

确定性和不可预测性可以共存的第一个暗示来自19世纪90年代的 Henri Poincaré,当时他正在研究 three-body problem(三体问题):即三个具有万有引力的天体在牛顿引力作用下如何运动的问题。两个天体有干净的闭合形式轨道,而三个天体则没有。庞加莱证明,三体系统包含对初始条件极其敏感的轨道,这与洛伦兹的发现完全一致,微小的扰动随时间呈指数级增长。他将由此产生的几何结构称为“同宿缠结”。他画不出它们,这个画面只能等待计算机的出现。

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

在现代定义中,混沌系统是一个确定性的动力系统,它表现出对初始条件的敏感依赖性、拓扑混合性以及具有稠密的周期轨道。剥离这些专业术语,其核心观点是:方程中不包含任何随机性。如果你能精确知道初始状态,未来就是确定的。但“精确”意味着无限多位的小数,而每次测量都有有限的精度。精度的误差会翻倍,再翻倍,然后再翻倍一百次。到第一百次翻倍时,最初的不确定性已经增长到系统本身的大小了。

Chaos Theory
Chaos Theory jurvetson · BY 2.0

这就是天气预报会失效的原因。大气层对微小误差的翻倍时间大约是一天半。两周后,一个大小仅相当于遗漏了单个传感器读数的误差就会笼罩整个预报。更好的测量可以将预测视线推得更远一点,但它们无法将其推向无限。ECMWF(欧洲中期天气预报中心)发表的预报时效评分表明,天气预报会按时撞上这面墙,且五十年来一直如此。

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

奇异吸引子

当洛伦兹在三维空间中绘制他的十二变量系统时,他发现,尽管轨迹在时间上是不可预测的,但它们被限制在一个薄的、无限折叠的表面内。它们从未交叉,从未重复,也从未离开。这个形状成为了该领域的象征:strange attractor(奇异吸引子)。

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

只要非线性反馈与耗散相遇,奇异吸引子就会出现。心律失常的轨迹就是它们,滴水的水龙头也是。在进行大规模接种疫苗之前,麻疹爆发的人口动力学轨迹也是如此。流体湍流,这个经典物理学中伟大的未解之谜,几乎肯定存在于目前还没有人能够写出来的吸引子之上。1975年,数学家 James Yorke 和他的学生李天岩在一篇名为《三周期意味着混沌》的论文中为这个领域命名。

我们仍未知道的事

我们不知道在洛伦兹的意义上,湍流是混沌还是更奇特的东西。描述流体流动的 Navier–Stokes equations(纳维-斯托克斯方程)在三维空间中是否在所有时间都有光滑解尚未得到证明。这个问题是 Clay Mathematics Institute(克雷数学研究所)百万美元“千禧年大奖难题”之一,自2000年以来一直无人认领。

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

我们不知道当经典混沌与量子力学相遇时,系统的预测极限在哪里。量子系统是线性的,在孤立状态下完全不会表现出洛伦兹形式的混沌。混沌如何在经典极限中显现,即“量子混沌”的问题,仍然存在争议。

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

我们不知道机器学习预报能将天气预测极限推多远。来自谷歌深思(DeepMind)和华为的最新神经网络模型现在在十天预报上已经击败了传统的基于物理方程的业务预测。它们是否能达到十五天、二十天,或者比方程预测的更早撞上洛伦兹墙,今年文献中正在就此展开讨论。

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

而且,在任何实际意义上,我们都不知道我们所关心的系统——市场、气候临界点、生态系统、大脑——哪些是混沌的,哪些仅仅是复杂的,哪些则是完全不同的其他东西。

从物理学的角度来看,巴西的一只蝴蝶不可能在德克萨斯州引发飓风。其能量相差了二十个数量级。它所能做的,只是改变生成哪一个飓风、在什么时间生成以及它在哪里登陆,从而在天气本就要提供的菜单中进行选择。天气并不是一个正在被撰写的故事,它是一个正在被选择的故事,由方程已经包含的物理故事中,一颗粒子一颗粒子地挑选出来。

En el invierno de 1961, un meteorólogo del MIT escribió un número de seis dígitos en un ordenador de tubos de vacío y vio cómo el futuro se desmoronaba. Las ecuaciones eran deterministas. El error residía en el cuarto decimal. El pronóstico resultó ser otro completamente distinto.

En el invierno de 1961, un meteorólogo del MIT llamado Edward Lorenz salió de su oficina a tomar un café mientras una Royal McBee LGP-30 —una computadora de tubos de vacío del tamaño de un arcón congelador— procesaba un modelo meteorológico de doce variables. Cuando regresó, la simulación había divergido de la ejecución del día anterior hasta convertirse en algo irreconocible. Mismas ecuaciones, misma máquina. La única diferencia era que había vuelto a teclear 0.506 en el reinicio, mientras que la ejecución original había guardado 0.506127 en memoria. Un error de redondeo en el cuarto decimal había producido un pronóstico para dos meses totalmente diferente.

Lorenz publicó el resultado en 1963 en el Journal of the Atmospheric Sciences, en un artículo titulado "Deterministic Nonperiodic Flow". Casi ningún meteorólogo lo leyó. El artículo se archivó bajo el supuesto de trabajo de que cualquier sistema sensato, alimentado con entradas casi idénticas, devuelve salidas casi idénticas. Las doce ecuaciones de Lorenz no lo hicieron. Eran estables en su comportamiento general: la trayectoria siempre se asentaba en una forma que, representada en tres dimensiones, recordaba a un par de alas de mariposa superpuestas. Pero el camino a lo largo de esa forma era exquisitamente sensible al punto de partida. Dos trayectorias que comenzaban a una millonésima de unidad de distancia, tras unas pocas semanas simuladas, se encontraban en alas opuestas.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

La frase "efecto mariposa" llegó más tarde, y no de Lorenz. En 1972 ofreció una charla titulada, por otra persona en el programa de la conferencia, "¿El aleteo de las alas de una mariposa en Brasil desencadena un tornado en Texas?". La metáfora cuajó. Las matemáticas a las que apuntaba ya tenían un siglo de antigüedad.

La forma de un sistema caótico

El primer indicio de que el determinismo y la impredecibilidad podían coexistir provino de Henri Poincaré en la década de 1890, al trabajar en el three-body problem (problema de los tres cuerpos): la cuestión de cómo se mueven tres masas bajo la gravedad newtoniana. Dos cuerpos tienen una órbita limpia y cerrada. Tres no. Poincaré demostró que el sistema de tres cuerpos contiene órbitas sensibles a las condiciones iniciales exactamente en el sentido de Lorenz, con pequeñas perturbaciones creciendo exponencialmente en el tiempo. Llamó a la geometría resultante "enredos homoclínicos". No pudo dibujarlos; la imagen tendría que esperar a los ordenadores.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

Un sistema caótico, en la definición moderna, es un sistema dinámico determinista que exhibe una dependencia sensible de las condiciones iniciales, es topológicamente mezclador y tiene órbitas periódicas densas. Quitando la jerga, la clave es esta: las ecuaciones no contienen aleatoriedad. Si conocieras el estado inicial con total precisión, el futuro estaría fijado. Pero "total precisión" significa infinitos decimales, y cada medición tiene una precisión finita. El error en esa precisión se duplica, luego se duplica de nuevo, luego se duplica cien veces más. Para la centésima duplicación, la incertidumbre original tiene el tamaño del propio sistema.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

Por eso se degradan las previsiones meteorológicas. El tiempo de duplicación de los pequeños errores en la atmósfera es de aproximadamente un día y medio. Después de dos semanas, un error del tamaño de una sola lectura de sensor omitida cubre todo el pronóstico. Las mejores mediciones alejan un poco más el horizonte, pero no pueden llevarlo al infinito. El ECMWF publica puntuaciones de habilidad que chocan con este muro puntualmente, y lo ha hecho durante cincuenta años.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Atractores extraños

Cuando Lorenz representó su sistema de doce variables en tres dimensiones, descubrió que las trayectorias, a pesar de su impredecibilidad en el tiempo, estaban limitadas a una superficie delgada e infinitamente plegada. Nunca se cruzaban. Nunca se repetían. Nunca salían. La forma se convirtió en el emblema del campo: un strange attractor (atractor extraño).

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Los atractores extraños aparecen siempre que la retroalimentación no lineal se encuentra con la disipación. Las arritmias cardíacas los trazan. Los grifos que gotean los trazan. La dinámica de población de los brotes de sarampión antes de la vacunación masiva trazaba uno. La turbulencia de los fluidos, el gran problema no resuelto de la física clásica, vive casi con certeza en atractores que nadie ha sido capaz de escribir todavía. En 1975, el matemático James Yorke y su alumno Tien-Yien Li dieron nombre al campo en un artículo llamado "El período tres implica caos".

Lo que aún no sabemos

No sabemos si la turbulencia es caos en el sentido de Lorenz o algo más extraño. Nunca se ha demostrado que las ecuaciones de Navier–Stokes equations que describen el flujo de fluidos tengan soluciones suaves para todo tiempo en tres dimensiones. La pregunta es uno de los Problemas del Milenio de un millón de dólares del Clay Mathematics Institute, sin reclamar desde el año 2000.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

No sabemos los límites de la predicción en sistemas donde el caos clásico se encuentra con la mecánica cuántica. Los sistemas cuánticos son lineales y, de forma aislada, no muestran caos en la forma de Lorenz en absoluto. Cómo emerge el caos en el límite clásico, la cuestión del "caos cuántico", sigue siendo objeto de debate.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

No sabemos hasta dónde pueden empujar el horizonte meteorológico las previsiones basadas en aprendizaje automático. Modelos neuronales recientes de DeepMind y Huawei superan ya a los pronósticos operativos basados en la física clásica a los diez días. Si pueden llegar a quince, o a veinte, o si chocarán con el muro de Lorenz antes de lo que las ecuaciones predecirían, es algo que se discute en la literatura científica de este año.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

Y no sabemos, en ningún sentido práctico, cuáles de los sistemas que nos importan —mercados, puntos de inflexión climáticos, ecosistemas, cerebros— son caóticos, cuáles son simplemente complejos y cuáles son algo completamente diferente.

Una mariposa en Brasil no puede, como cuestión de física, causar un huracán en Texas. La energía está desviada por veinte órdenes de magnitud. Lo que puede hacer es cambiar qué huracán se forma, cuándo y dónde toca tierra, seleccionando de un menú que la atmósfera iba a servir de todos modos. El tiempo no es una historia que se esté escribiendo. Es una historia que se está eligiendo, átomo por átomo, de un estante de historias que las ecuaciones ya contienen.

No inverno de 1961, um meteorologista do MIT digitou um número de seis dígitos em um computador de tubos de vácuo e viu o futuro se desintegrar. As equações eram determinísticas. O erro estava na quarta casa decimal. A previsão resultou em uma previsão totalmente diferente.

No inverno de 1961, um meteorologista do MIT chamado Edward Lorenz deixou sua sala para tomar um café enquanto um Royal McBee LGP-30 — um computador de tubos de vácuo do tamanho de um freezer horizontal — processava um modelo climático de doze variáveis. Quando ele voltou, a simulação havia divergido da execução do dia anterior para algo irreconheível. Mesmas equações, mesma máquina. A única diferença era que ele havia digitado 0.506 no reinício, onde a execução original continha 0.506127 na memória. Um erro de arredondamento na quarta casa decimal produzira uma previsão de dois meses inteiramente diferente.

Lorenz publicou o resultado em 1963 no Journal of the Atmospheric Sciences, em um artigo chamado "Deterministic Nonperiodic Flow". Quase nenhum meteorologista o leu. O artigo foi arquivado sob a suposição de que qualquer sistema sensato, alimentado com entradas quase idênticas, retorna saídas quase idênticas. As doze equações de Lorenz não o fizeram. Elas eram estáveis em seu comportamento geral: a trajetória sempre se assentava em uma forma que, plotada em três dimensões, lembrava um par de asas de borboleta sobrepostas. Mas o caminho ao longo dessa forma era requintadamente sensível ao ponto de partida. Duas trajetórias que começassem a uma milionésima de unidade de distância, após algumas semanas simuladas, terminavam em asas opostas.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

A expressão "efeito borboleta" veio mais tarde, e não de Lorenz. Em 1972, ele deu uma palestra intitulada, por outra pessoa na programação da conferência, "O bater de asas de uma borboleta no Brasil provoca um tornado no Texas?". A metáfora pegou. A matemática para a qual ela apontava já tinha um século de idade.

A forma de um sistema caótico

O primeiro indício de que o determinismo e a imprevisibilidade podiam coexistir veio de Henri Poincaré na década de 1890, ao trabalhar no three-body problem (problema dos três corpos): a questão de como três massas gravitam sob a gravidade newtoniana. Dois corpos têm uma órbita limpa em forma fechada. Três não têm. Poincaré mostrou que o sistema de três corpos contém órbitas sensíveis às condições iniciais exatamente no sentido de Lorenz, com pequenas perturbações crescendo exponencialmente no tempo. Ele chamou a geometria resultante de "emaranhados homoclínicos". Ele não podia desenhá-los; a imagem teria de esperar pelos computadores.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

Um sistema caótico, na definição moderna, é um sistema dinâmico determinístico que exibe dependência sensível das condições iniciais, é topologicamente misturador e possui órbitas periódicas densas. Retirando o jargão, o ponto é este: as equações não contêm aleatoriedade. Se você conhecesse o estado inicial exatamente, o futuro estaria fixado. Mas "exatamente" significa infinitas casas decimais, e cada medição possui uma precisão finita. O erro nessa precisão dobra, depois dobra novamente, depois dobra mais cem vezes. Na centésima duplicação, a incerteza original é do tamanho do próprio sistema.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

É por isso que as previsões do tempo se degradam. O tempo de duplicação da atmosfera para pequenos erros é de cerca de um dia e meio. Após duas semanas, um erro do tamanho de uma única leitura de sensor perdida cobre toda a previsão. Medições melhores empurram o horizonte um pouco mais para a frente. Elas não podem empurrá-lo para o infinito. O ECMWF publica índices de acerto que batem nessa parede pontualmente, e o faz há cinquenta anos.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Atratores estranhos

Quando Lorenz plotou seu sistema de doze variáveis em três dimensões, descobriu que as trajetórias, apesar de toda a sua imprevisibilidade no tempo, estavam confinadas a uma superfície fina e infinitamente dobrada. Elas nunca se cruzavam. Nunca se repetiam. Nunca saíam. A forma tornou-se o emblema da área: um strange attractor (atrator estranho).

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Atratores estranhos surgem onde quer que o feedback não linear encontre a dissipação. Arritmias cardíacas os desenham. Torneiras gotejantes os desenham. A dinâmica populacional de surtos de sarampo antes da vacinação em massa desenhava um deles. A turbulência dos fluidos, o grande problema não resolvido da física clássica, quase certamente vive em atratores que ninguém ainda foi capaz de descrever em equações. Em 1975, o matemático James Yorke e seu estudante Tien-Yien Li deram nome ao campo, em um artigo chamado "O Período Três Implica Caos".

O que ainda não sabemos

Não sabemos se a turbulência é caos no sentido de Lorenz ou algo mais estranho. Nunca foi provado que as equações de Navier–Stokes equations que descrevem o fluxo de fluidos possuam soluções suaves para todo o tempo em três dimensões. A questão é um dos Problemas do Prêmio do Milênio de um milhão de dólares do Clay Mathematics Institute, não reclamado desde 2000.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

Não sabemos os limites da previsão em sistemas onde o caos clássico encontra a mecânica quântica. Os sistemas quânticos são lineares e, de forma isolada, não mostram caos na forma de Lorenz. Como o caos emerge no limite clássico, a questão do "caos quântico", continua sendo contestada.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

Não sabemos até onde as previsões por aprendizado de máquina podem empurrar o horizonte meteorológico. Modelos neurais recentes da DeepMind e da Huawei agora superam as previsões operacionais baseadas em física clássica em dez dias. Se elas podem atingir quinze, ou vinte, ou se baterão na parede de Lorenz mais cedo do que as equações preveriam, é algo que está sendo debatido na literatura científica este ano.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

E não sabemos, em nenhum sentido prático, quais dos sistemas com os quais nos importamos — mercados, pontos de ruptura climática, ecossistemas, cérebros — são caóticos, quais são meramente complicados e quais são algo inteiramente diferente.

Uma borboleta no Brasil não pode, como uma questão de física, causar um furacão no Texas. A energia está errada por vinte ordens de magnitude. O que ela pode fazer é deslocar qual furacão se forma, e quando, e onde ele toca a terra, selecionando a partir de um menu que a atmosfera iria servir de qualquer maneira. O tempo não é uma história sendo escrita. É uma história sendo escolhida, átomo por átomo, de uma prateleira de histórias que as equações já contêm.

Pada musim dingin tahun 1961, seorang ahli meteorologi di MIT mengetikkan nomor enam digit ke komputer tabung vakum dan melihat masa depan hancur berantakan. Persamaannya bersifat deterministik. Kesalahannya terletak pada angka desimal keempat. Prakiraannya menghasilkan ramalan yang berbeda.

Pada musim dingin tahun 1961, seorang ahli meteorologi di MIT bernama Edward Lorenz meninggalkan kantornya untuk minum kopi sementara sebuah Royal McBee LGP-30 — komputer tabung vakum seukuran freezer besar — mengolah model cuaca dengan dua belas variabel. Ketika ia kembali, simulasi tersebut telah melenceng dari proses hari sebelumnya menjadi sesuatu yang tidak dapat dikenali. Persamaan yang sama, mesin yang sama. Satu-satunya perbedaan adalah bahwa ia mengetik ulang 0.506 saat memulai kembali, sementara proses aslinya menyimpan 0.506127 di memori. Kesalahan pembulatan pada angka desimal keempat menghasilkan prakiraan cuaca dua bulan yang sama sekali berbeda.

Lorenz mempublikasikan hasil tersebut pada tahun 1963 di Journal of the Atmospheric Sciences, dalam sebuah makalah berjudul "Deterministic Nonperiodic Flow." Hampir tidak ada ahli meteorologi yang membacanya. Makalah tersebut diarsipkan di bawah asumsi kerja bahwa sistem apa pun yang wajar, jika diberi masukan yang hampir identik, akan menghasilkan keluaran yang hampir identik pula. Dua belas persamaan Lorenz tidak demikian. Persamaan tersebut stabil dalam perilaku kasarnya: lintasannya selalu menetap pada bentuk yang jika diplot dalam tiga dimensi, menyerupai sepasang sayap kupu-kupu yang tumpang tindih. Namun jalur di sepanjang bentuk tersebut sangat peka terhadap titik mulanya. Dua lintasan yang dimulai dengan jarak sepersejuta unit akan berada pada sayap yang berlawanan setelah beberapa minggu simulasi.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

Ungkapan "efek kupu-kupu" muncul belakangan, dan bukan dari Lorenz. Pada tahun 1972 ia memberikan ceramah yang diberi judul oleh orang lain dalam program konferensi, "Apakah kepakan sayap kupu-kupu di Brasil memicu tornado di Texas?" Metafora itu melekat. Matematika yang ditunjukkannya sudah berusia seabad.

Bentuk dari sistem yang kacau

Petunjuk pertama bahwa determinisme dan ketidakpastian dapat berdampingan datang dari Henri Poincaré pada tahun 1890-an, ketika mengerjakan three-body problem (masalah tiga benda): pertanyaan tentang bagaimana tiga massa gravitasi bergerak di bawah gravitasi Newton. Dua benda memiliki orbit bentuk tertutup yang bersih. Tiga benda tidak demikian. Poincaré menunjukkan bahwa sistem tiga benda memiliki orbit yang peka terhadap kondisi awal persis seperti dalam pengertian Lorenz, dengan gangguan kecil yang tumbuh secara eksponensial seiring waktu. Ia menyebut geometri yang dihasilkan sebagai "kekacauan homoklinik." Ia tidak dapat menggambarnya; gambar tersebut harus menunggu kehadiran komputer.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

Sistem kacau (chaotic system), dalam definisi modern, adalah sistem dinamis deterministik yang menunjukkan ketergantungan sensitif pada kondisi awal, bercampur secara topologis, dan memiliki orbit periodik yang padat. Singkirkan jargon tersebut dan intinya adalah ini: persamaan tidak mengandung keacakan. Jika Anda mengetahui keadaan awal dengan tepat, masa depan akan tetap. Namun "dengan tepat" berarti tempat desimal yang tak terhingga, dan setiap pengukuran memiliki presisi yang terbatas. Kesalahan dalam presisi itu berlipat ganda, lalu berlipat ganda lagi, lalu berlipat ganda seratus kali lagi. Pada pelipatgandaan ke-seratus, ketidakpastian awal sudah seukuran sistem itu sendiri.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

Inilah sebabnya mengapa prakiraan cuaca menurun kualitasnya. Waktu pelipatgandaan atmosfer untuk kesalahan kecil adalah sekitar satu setengah hari. Setelah dua minggu, kesalahan sebesar pembacaan sensor tunggal yang terlewatkan akan menutupi seluruh prakiraan. Pengukuran yang lebih baik mendorong cakrawala sedikit lebih jauh. Pengukuran tersebut tidak dapat mendorongnya hingga tak terhingga. ECMWF mempublikasikan skor keterampilan yang menabrak dinding ini sesuai jadwal, dan telah melakukannya selama lima puluh tahun.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Atraktor aneh

Ketika Lorenz memplot sistem dua belas variabelnya dalam tiga dimensi, ia menemukan bahwa lintasan-lintasan tersebut, terlepas dari ketidakpastiannya dalam waktu, terbatas pada permukaan tipis yang terlipat tanpa batas. Lintasan tersebut tidak pernah bersilangan. Tidak pernah berulang. Tidak pernah pergi. Bentuk tersebut menjadi lambang bidang ini: strange attractor (atraktor aneh).

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Atraktor aneh muncul di mana pun umpan balik non-linear bertemu dengan disipasi. Aritmia jantung melacaknya. Keran yang menetes melacaknya. Dinamika populasi wabah campak sebelum vaksinasi massal melacak salah satunya. Turbulensi fluida, masalah besar fisika klasik yang belum terpecahkan, hampir pasti hidup pada atraktor yang belum dapat dituliskan oleh siapa pun. Pada tahun 1975, matematikawan James Yorke dan mahasiswanya Tien-Yien Li memberi nama bidang ini dalam sebuah makalah berjudul "Period Three Implies Chaos."

Apa yang masih belum kita ketahui

Kita tidak tahu apakah turbulensi adalah kekacauan dalam pengertian Lorenz atau sesuatu yang lebih aneh. Persamaan Navier–Stokes equations yang menggambarkan aliran fluida belum pernah dibuktikan memiliki solusi mulus untuk sepanjang waktu dalam tiga dimensi. Pertanyaan tersebut adalah salah satu dari Masalah Hadiah Milenium senilai satu juta dolar dari Clay Mathematics Institute, yang belum terpecahkan sejak tahun 2000.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

Kita tidak tahu batas-batas prediksi dalam sistem di mana kekacauan klasik bertemu dengan mekanika kuantum. Sistem kuantum bersifat linier dan dalam isolasi tidak menunjukkan kekacauan dalam bentuk Lorenz sama sekali. Bagaimana kekacauan muncul dalam batas klasik, pertanyaan tentang "kekacauan kuantum," tetap diperdebatkan.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

Kita tidak tahu seberapa jauh prakiraan pembelajaran mesin dapat mendorong cakrawala cuaca. Model saraf terbaru dari DeepMind dan Huawei kini mengalahkan prakiraan operasional berbasis fisika klasik pada rentang sepuluh hari. Apakah mereka dapat mencapai lima belas, atau dua puluh, atau menabrak dinding Lorenz lebih cepat daripada yang diperkirakan oleh persamaan, sedang diperdebatkan dalam literatur tahun ini.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

Dan kita tidak tahu secara praktis sistem mana yang kita pedulikan — pasar, titik kritis iklim, ekosistem, otak — yang kacau, mana yang hanya rumit, dan mana yang merupakan sesuatu yang sama sekali berbeda.

Seekor kupu-kupu di Brasil secara fisika tidak dapat menyebabkan badai di Texas. Energinya meleset sebanyak dua puluh kali lipat. Apa yang dapat dilakukannya adalah menggeser badai mana yang terbentuk, dan kapan, serta di mana ia mendarat, memilih dari menu yang akan disajikan oleh atmosfer. Cuaca bukanlah sebuah cerita yang sedang ditulis. Ini adalah cerita yang sedang dipilih, atom demi atom, dari rak cerita yang sudah dikandung oleh persamaan.

Durant l'hiver 1961, un météorologue du MIT saisit un nombre à six chiffres dans un ordinateur à tubes à vide et vit le futur se désintégrer. Les équations étaient déterministes. L'erreur résidait dans la quatrième décimale. La prévision finale fut tout autre.

Durant l'hiver 1961, un météorologue du MIT nommé Edward Lorenz quitta son bureau pour aller prendre un café pendant qu'un Royal McBee LGP-30 — un ordinateur à tubes à vide de la taille d'un congélateur — calculait un modèle météo à douze variables. À son retour, la simulation avait divergé de la simulation de la veille au point de devenir méconnaissable. Mêmes équations, même machine. La seule différence était qu'il avait saisi 0,506 lors de la relance, au lieu de la valeur de 0,506127 présente en mémoire lors de la première exécution. Une erreur d'arrondi à la quatrième décimale avait généré une prévision à deux mois entièrement différente.

Lorenz publia ce résultat en 1963 dans le Journal of the Atmospheric Sciences, sous le titre "Deterministic Nonperiodic Flow". Presque aucun météorologue ne le lut. L'article fut classé sous l'hypothèse de travail selon laquelle tout système sensé, soumis à des données d'entrée presque identiques, produit des résultats presque identiques. Les douze équations de Lorenz prouvaient le contraire. Elles étaient stables dans leur comportement global : la trajectoire finissait toujours par se stabiliser sur une forme qui, représentée en trois dimensions, ressemblait à une paire d'ailes de papillon superposées. Mais le chemin le long de cette forme était d'une sensibilité extrême aux conditions initiales. Deux trajectoires séparées d'un millionième d'unité se retrouvaient, après quelques semaines simulées, sur des ailes opposées.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

L'expression "effet papillon" vint plus tard, et non de Lorenz. En 1972, il donna une conférence intitulée, par un autre membre de la conférence, "Le battement d'ailes d'un papillon au Brésil peut-il déclencher une tornade au Texas ?". La métaphore resta. Les mathématiques qu'elle décrivait avaient déjà un siècle.

La forme d'un système chaotique

Le premier indice montrant que le déterminisme et l'imprévisibilité pouvaient coexister fut formulé par Henri Poincaré dans les années 1890, alors qu'il travaillait sur le three-body problem (problème des trois corps) : la question de savoir comment trois masses gravitent sous l'effet de la gravité newtonienne. Deux corps décrivent une orbite propre et fermée. Trois non. Poincaré démontra que le système à trois corps contient des orbites sensibles aux conditions initiales exactement au sens de Lorenz, les petites perturbations croissant de manière exponentielle avec le temps. Il appela la géométrie résultante des "lacets homoclines". Il ne put les dessiner, l'image devant attendre l'avènement des ordinateurs.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

Un système chaotique, dans sa définition moderne, est un système dynamique déterministe qui présente une dépendance sensible aux conditions initiales, qui est topologiquement mélangeant et possède des orbites périodiques denses. Si l'on écarte le jargon, l'idée est la suivante : les équations ne contiennent aucune part d'aléa. Si l'on connaissait l'état initial avec exactitude, le futur serait fixé. Mais "avec exactitude" implique un nombre infini de décimales, et chaque mesure a une précision finie. L'erreur de cette précision double, puis double encore, et ainsi de suite une centaine de fois. Au centième doublement, l'incertitude initiale a atteint la taille du système lui-même.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

C'est la raison pour laquelle les prévisions météo se dégradent. Le temps de doublement de l'atmosphère pour les petites erreurs est d'environ un jour et demi. Après deux semaines, une erreur de la taille d'une simple lecture de capteur omise fausse l'ensemble de la prévision. De meilleures mesures repoussent un peu l'horizon, mais ne peuvent le repousser à l'infini. L' ECMWF (CEPMMT) publie des scores de performance qui se heurtent à ce mur en temps voulu, et ce depuis cinquante ans.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Les attracteurs étranges

Lorsque Lorenz représenta son système à douze variables en trois dimensions, il découvrit que les trajectoires, malgré leur imprévisibilité temporelle, étaient confinées à une surface mince, repliée à l'infini. Elles ne se croisaient jamais, ne se répétaient jamais, ne s'échappaient jamais. Cette forme devint l'emblème de la discipline : un strange attractor (attracteur étrange).

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Les attracteurs étranges apparaissent dès qu'une rétroaction non linéaire rencontre une dissipation. Les arythmies cardiaques les dessinent, les robinets qui gouttent aussi. La dynamique des populations lors des épidémies de rougeole avant la vaccination de masse en décrivait un. La turbulence des fluides, le grand problème non résolu de la physique classique, s'exprime presque certainement sur des attracteurs que personne n'a encore réussi à formuler. En 1975, le mathématicien James Yorke et son étudiant Tien-Yien Li donnèrent son nom à cette discipline dans un article intitulé "Period Three Implies Chaos".

Ce que nous ignorons encore

Nous ignorons si la turbulence est un chaos au sens de Lorenz ou quelque chose de plus complexe. Il n'a jamais été prouvé que les équations de Navier–Stokes equations qui décrivent l'écoulement des fluides possèdent des solutions régulières pour tout temps en trois dimensions. Cette question constitue l'un des sept problèmes du prix du millénaire de l' Clay Mathematics Institute (Institut de mathématiques Clay), non résolu depuis 2000.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

Nous ignorons les limites de la prédiction dans les systèmes où le chaos classique rencontre la mécanique quantique. Les systèmes quantiques sont linéaires et, isolés, ne présentent aucun chaos sous la forme de Lorenz. La manière dont le chaos émerge à la limite classique, la question du "chaos quantique", reste contestée.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

Nous ignorons jusqu'où les prévisions par apprentissage automatique peuvent repousser l'horizon météorologique. Des modèles neuronaux récents de DeepMind et de Huawei surpassent désormais à dix jours les prévisions physiques opérationnelles. La question de savoir s'ils peuvent atteindre quinze ou vingt jours, ou s'ils se heurteront au mur de Lorenz plus tôt que ne le prévoient les équations, est débattue dans la littérature cette année.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

Et nous ignorons, d'un point de vue pratique, lesquels parmi les systèmes qui nous importent — marchés, points de bascule climatiques, écosystèmes, cerveaux — sont chaotiques, lesquels sont simplement compliqués, et lesquels relèvent d'autre chose.

Un papillon au Brésil ne peut pas, sur le plan de la physique, provoquer un ouragan au Texas. L'énergie requise diffère de vingt ordres de grandeur. Ce qu'il peut faire, en revanche, c'est modifier l'ouragan qui se forme, son timing et son lieu d'impact, en choisissant dans un menu que l'atmosphère allait de toute façon servir. La météo n'est pas une histoire que l'on écrit, c'est une histoire que l'on choisit, atome par atome, parmi une étagère de récits que les équations contiennent déjà.

1961年の冬、MITの気象学者が真空管コンピューターに6桁の数値を入力し、未来が崩壊していくのを目撃した。方程式は決定論的だった。誤差は小数点第4位にあった。予測結果は、全く異なる予測となった。

1961年の冬、 Edward Lorenz という名のMITの気象学者は、コーヒーを飲むためにオフィスを離れた。その間、冷凍庫ほどの大きさの真空管コンピューターである Royal McBee LGP-30 は、12変数からなる気象モデルの計算を行っていた。彼が戻ってきたとき、シミュレーションは前日の実行結果から逸脱し、見る影もないものになっていた。同じ方程式、同じ機械。唯一の違いは、前回の実行時にメモリに記憶されていた0.506127という数値の代わりに、再スタート時に0.506と再入力したことだった。小数点第4位の丸め誤差が、完全に異なる2ヶ月間の予報を作り出したのである。

ロレンツは1963年、『Journal of the Atmospheric Sciences』誌に「決定論的非周期流れ」と題した論文でこの結果を発表した。気象学者でこれを読んだ者はほとんどいなかった。この論文は、「ほぼ同一の入力を与えられた合理的なシステムは、ほぼ同一の出力を返す」という前提のもとで処理されたからである。しかし、ロレンツの12の方程式はそうではなかった。それらはおおまかな挙動においては安定していた。軌跡は常に、3次元でプロットすると重なり合う蝶の翅に似た形状へと収束した。しかし、その形状に沿った経路は、開始位置に対して極めて敏感だった。100万分の1ユニットだけ離れてスタートした2つの軌跡は、シミュレーション上の数週間後には、それぞれ反対側の翅の上に位置していた。

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

「バタフライ効果」という言葉は後になって生まれたもので、ロレンツ自身が命名したわけではない。1972年、彼はある学会で、別の参加者が付けた「ブラジルでの1匹の蝶の羽ばたきが、テキサスで竜巻を引き起こすか?」という題名の講演を行った。この比喩は定着したが、それが指し示す数学はすでに1世紀前のものだった。

カオスシステムの形状

決定論と予測不可能性が共存し得るという最初の示唆は、1890年代に Henri Poincaréthree-body problem (三体問題)、すなわちニュートン重力のもとで3つの重力質量がどのように運動するかという問題に取り組んでいたときに現れた。2つの物体であれば綺麗に閉じられた軌道を描くが、3つではそうならない。ポアンカレは、三体システムが、まさにロレンツの意味において初期条件に敏感な軌道を含み、微小な摂動が時間とともに指数関数的に増大することを示した。彼はこの幾何学を「ホモクリニックもつれ」と呼んだ。彼はそれを描くことができず、その視覚化にはコンピューターの登場を待つ必要があった。

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

現代の定義において、カオスシステムとは、初期条件への敏感な依存性を示し、トポロジー的に混合し、稠密な周期軌道を持つ決定論的な力学系のことである。専門用語を省いて言えば、方程式にはランダム性が一切含まれていないということである。もし初期状態を正確に知っていれば、未来は固定されている。しかし「正確に」とは無限の小数位を意味し、あらゆる測定には有限の精度しかない。その精度における誤差は倍増し、さらに倍増し、それを100回繰り返す。100回目の倍増が起こる頃には、初期の不確実性はシステム全体の大きさに達してしまう。

Chaos Theory
Chaos Theory jurvetson · BY 2.0

これが天気予報が崩壊する理由である。大気における微小な誤差の倍増時間は、約1日半である。2週間もすれば、たった1つのセンサーの読み落とし程度の誤差が予報全体を覆い尽くす。測定精度を上げれば予測の地平線を少し先へ延ばすことはできるが、無限に延ばすことはできない。 ECMWF は予報の限界を示すスコアを定期的に公表しており、50年間この壁にぶつかり続けている。

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

ストレンジアトラクター

ロレンツがこの12変数システムを3次元でプロットしたとき、軌跡は時間的には予測不可能であるにもかかわらず、薄く無限に折りたたまれた表面の中に閉じ込められていることを発見した。それらは決して交わらず、決して繰り返さず、決して外に出なかった。この形状はこの分野の象徴となった。すなわち strange attractor (ストレンジアトラクター)である。

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

ストレンジアトラクターは、非線形フィードバックが散逸と交わる場所ならどこにでも現れる。心室細動の心電図や、蛇口からの水滴の周期にも現れる。集団予防接種が行われる前の麻疹の流行動態もこれを描いていた。古典物理学における最大の未解決問題である流体の「湍流」も、ほぼ間違いなく、誰もまだ書き表すことのできないアトラクターの上に存在している。1975年、数学者の James Yorke とその学生の李天岩は、「周期3はカオスを意味する」という論文でこの分野に名前を与えた。

未だ解明されていない謎

流体の湍流がロレンツの意味におけるカオスなのか、あるいはもっと奇妙なものなのかは分かっていない。流体の流れを記述する Navier–Stokes equations (ナビエ・ストークス方程式)が、3次元において常に滑らかな解を持つかどうかは証明されていない。この問いは、2000年以来未解決のままである Clay Mathematics Institute (クレイ数学研究所)の100万ドルのミレニアム懸賞問題の一つである。

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

古典的なカオスと量子力学が交わるシステムにおいて、予測の限界がどこにあるのかは分かっていない。量子システムは線形であり、孤立系ではロレンツ形式のカオスを全く示さない。古典極限においてどのようにカオスが現れるのかという「量子カオス」の問いは、現在も議論が分かれている。

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

機械学習による予測が大気の予測地平線をどこまで押し広げられるかは分かっていない。DeepMindやファーウェイによる最新のニューラルネットワークモデルは、現在、10日予報において従来の物理ベースの予報を凌駕している。それらが15日や20日に達することができるのか、あるいは方程式の予測よりも早く「ロレンツの壁」にぶつかるのかは、今年の科学文献で議論されている最中である。

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

そして、私たちが関心を持つシステム(市場、気候のティッピングポイント、生態系、脳など)のうち、どれがカオスで、どれが単に複雑なだけであり、どれが全く異なる何かであるのかは、実用的な意味においてはまだ何も分かっていないのである。

物理学的に見れば、ブラジルの1匹の蝶がテキサスでハリケーンを引き起こすことはあり得ない。エネルギーの桁が20桁も足りないからである。蝶にできるのは、大気がどのみち用意していたメニューの中から、どのハリケーンが、いつ、どこに上陸するかという選択を変化させることだけである。天気とは、これから書かれる物語ではない。それは、方程式が最初から内包している物語の棚から、原子1つずつによって選ばれていく物語なのである。

1961년 겨울, MIT의 한 기상학자가 진공관 컴퓨터에 6자리 숫자를 입력하고 미래가 해체되는 과정을 지켜보았다. 방정식은 결정론적이었고 오차는 소수점 넷째 자리에 불과했으나 예보는 완전히 다른 결과를 가리켰다.

1961년 겨울, Edward Lorenz라는 이름의 MIT 기상학자는 냉동고 크기만 한 진공관 컴퓨터 Royal McBee LGP-30이 12개 변수의 기상 모델을 연산하는 동안 커피를 마시러 사무실을 나섰다. 그가 돌아왔을 때, 시뮬레이션은 전날의 결과로부터 완전히 벗어나 알아볼 수 없는 상태가 되어 있었다. 동일한 방정식, 동일한 기계였다. 유일한 차이는 그가 재시작할 때 0.506을 입력했다는 점인데, 원래 연산에서는 메모리에 0.506127이 저장되어 있었다. 소수점 넷째 자리의 반올림 오차가 두 달 치 기상 예보를 완전히 바꾸어 놓은 것이다.

로렌츠는 1963년 『Journal of the Atmospheric Sciences』에 「결정론적 비주기 흐름」이라는 제목의 논문으로 이 결과를 발표했다. 기상학자 중 이 논문을 읽은 사람은 거의 없었다. 거의 동일한 입력을 넣으면 거의 동일한 출력이 나온다는 통념 하에 논문이 묻혔기 때문이다. 그러나 로렌츠의 12개 방정식은 그렇지 않았다. 그것들은 대략적인 거동 면에서는 안정적이었다. 3차원으로 플롯했을 때 그 궤적은 항상 겹쳐진 한 쌍의 나비 날개 모양으로 수렴했다. 그러나 그 궤적을 따라가는 경로는 시작점에 극도로 민감했다. 백만분의 일 단위 차이로 시작한 두 궤적은 시뮬레이션 상으로 몇 주가 지난 후 서로 반대편 날개 위에 위치해 있었다.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

'나비 효과'라는 표현은 로렌츠가 아닌 다른 사람이 학회 프로그램에서 "브라질에서 나비가 날갯짓을 하면 텍사스에 토네이도가 부는가?"라는 제목을 붙이면서 유행하게 되었다. 이 비유는 뇌리에 남았지만, 그 수학적 배경은 이미 한 세기 전의 것이었다.

혼돈계의 형태

결정론과 예측 불가능성이 공존할 수 있다는 첫 단초는 1890년대 Henri Poincaré가 뉴턴 역학 하에 세 중력 질량이 어떻게 움직이는지를 묻는 three-body problem(삼체 문제)를 연구할 때 나타났다. 두 물체는 깔끔하게 닫힌 궤도를 그리지만, 세 물체는 그렇지 않다. 포앙카레는 삼체 체계가 정확히 로렌츠의 의미에서 초기 조건에 민감한 궤도를 포함하며 미세한 섭동이 시간에 따라 기하급수적으로 증가함을 보였다. 그는 이 기하학적 형태를 '호모클리닉 얽힘'이라 불렀으나, 직접 그릴 수는 없었으며 컴퓨터의 등장을 기다려야 했다.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

현대적 정의에서 혼돈계(chaotic system)는 초기 조건에 대한 민감한 의존성을 보이고, 위상적으로 혼합되며, 조밀한 주기 궤도를 갖는 결정론적 역학계이다. 전문 용어를 걷어내면 핵심은 이것이다. 방정식에는 무작위성이 없다. 시작 상태를 정확히 안다면 미래는 결정된다. 하지만 '정확히' 안다는 것은 소수점 아래 무한한 자리를 안다는 뜻이고, 모든 측정은 유한한 정밀도를 갖는다. 그 정밀도의 오차는 두 배가 되고, 다시 두 배가 되며, 이 과정이 백 번 반복된다. 백 번째 반복될 때 초기 불확실성은 체계 자체의 크기만큼 커진다.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

이것이 기상 예보가 빗나가는 이유이다. 미세한 오차가 대기 중에서 두 배로 커지는 시간은 약 1.5일이다. 2주가 지나면 센서 하나가 빠진 크기의 오차가 예보 전체를 뒤덮는다. 측정 도구를 개선하면 예보 가능 기간을 조금 늘릴 수 있지만 무한히 늘릴 수는 없다. ECMWF는 주기적으로 이 벽에 부딪히는 예보 성능 점수를 발표하고 있으며, 이는 50년 동안 이어져 왔다.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

기이한 끌개

로렌츠가 자신의 12변수계를 3차원으로 시각화했을 때, 그는 시간상 예측 불가능함에도 불구하고 궤적들이 얇고 무한히 접힌 표면 내에 갇혀 있음을 발견했다. 궤적들은 절대 교차하지 않았고, 반복되지 않았으며, 경계를 벗어나지 않았다. 이 형태는 이 분야의 상징이 되었는데, 바로 strange attractor(기이한 끌개)이다.

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

기이한 끌개는 비선형 피드백이 에너지 소실과 만나는 곳마다 나타난다. 심장 부정맥의 궤적이나 똑똑 떨어지는 수도꼭지의 리듬에서도 관찰된다. 대규모 예방접종 이전의 홍역 유행에 대한 인구 동태 역시 이를 그렸다. 클래식 물리학의 거대한 미해결 과제인 유체 역학의 '난류' 또한 아직 아무도 수식으로 써내려가지 못한 끌개 위에 살고 있음이 거의 확실하다. 1975년 수학자 James Yorke와 그의 제자 리톈옌은 「주기 3은 혼돈을 함의한다」라는 논문을 통해 이 분야에 '카오스(Chaos)'라는 이름을 붙였다.

아직 우리가 모르는 것들

우리는 난류가 로렌츠 의미의 카오스인지 아니면 그보다 더 기이한 현상인지 알지 못한다. 유체 흐름을 설명하는 Navier–Stokes equations(나비에-스토크스 방정식)이 3차원에서 항상 매끄러운 해를 갖는지는 증명되지 않았다. 이 문제는 2000년 이래 미해결 상태로 남아 있는 Clay Mathematics Institute의 100만 달러 상당의 밀레니엄 문제 중 하나이다.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

고전적 카오스와 양자역학이 만나는 계에서 예측의 한계가 어디인지는 알지 못한다. 양자계는 선형적이며 고립된 상태에서는 로렌츠 형태의 카오스를 전혀 보이지 않는다. 고전적 한계에서 카오스가 어떻게 출현하는가라는 '양자 카오스' 문제는 여전히 논쟁 중이다.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

기계학습 예보가 대기 예측 기간을 얼마나 늘릴 수 있을지도 알지 못한다. 구글 딥마인드와 화웨이의 최신 신경망 모델들은 이제 10일 예보에서 물리 엔진 기반의 전통 예보를 앞서고 있다. 이것이 15일이나 20일까지 늘어날 수 있을지, 아니면 방정식의 예측보다 빠르게 로렌츠의 벽에 가로막힐지는 올해 학계에서 활발히 논의되고 있다.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

그리고 실질적인 의미에서 우리가 관심을 갖는 시장, 기후 변화 임계점, 생태계, 뇌 등의 시스템 중에서 어느 것이 카오스적이고 어느 것이 단순 복잡계이며 어느 것이 완전히 다른 메커니즘인지 명확히 알지 못한다.

물리학적으로 볼 때 브라질 나비의 날갯짓이 텍사스에 Hurricane을 일으킬 수는 없다. 에너지가 20개 자릿수만큼 부족하기 때문이다. 나비가 할 수 있는 일은 대기가 어차피 내놓을 메뉴 중에서 어떤 Hurricane이, 언제, 어디에 상륙할지 그 선택을 바꾸는 것뿐이다. 날씨는 새로이 작성되는 소설이 아니다. 방정식이 이미 품고 있는 이야기 책장에서 원자 하나하나에 의해 선택되는 이야기일 뿐이다.

في شتاء عام 1961، كتب عالم أرصاد جوية في معهد ماساتشوستس للتكنولوجيا رقماً مكوناً من ستة أرقام في جهاز كمبيوتر يعمل بالصمامات المفرغة وشاهد المستقبل يتفكك. كانت المعادلات حتمية. ووقع الخطأ في الخانة العشرية الرابعة. وجاء التنبؤ مختلفاً تماماً.

في شتاء عام 1961، غادر عالم أرصاد جوية في معهد ماساتشوستس للتكنولوجيا يدعى Edward Lorenz مكتبه لتناول فنجان من القهوة بينما كان جهاز الكمبيوتر Royal McBee LGP-30 — وهو كمبيوتر يعمل بالصمامات المفرغة وحجمه يقارب حجم المجمد العميق — يعالج نموذجاً للطقس مكوناً من اثني عشر متغيراً. وعندما عاد، كان المحاكاة قد انحرفت عن تشغيل اليوم السابق إلى شيء لا يمكن التعرف عليه. المعادلات نفسها، والآلة نفسها. وكان الاختلاف الوحيد هو أنه أعاد كتابة 0.506 عند إعادة التشغيل، بينما كان التشغيل الأصلي قد احتفظ بالرقم 0.506127 في الذاكرة. وأدى خطأ تقريب في الخانة العشرية الرابعة إلى إنتاج تنبؤ مختلف تماماً لمدة شهرين.

ونشر لورينز النتيجة في عام 1963 في مجلة العلوم الغلاف الجوي، في ورقة بحثية بعنوان "التدفق غير الدوري الحتمي". ولم يقرأها أي عالم أرصاد جوية تقريباً. وتم حفظ الورقة تحت فرضية العمل القائلة بأن أي نظام معقول، إذا تم تغذيته بمدخلات متطابقة تقريباً، يعطي مخرجات متطابقة تقريباً. ولم تكن معادلات لورينز الاثنتي عشرة كذلك. كانت مستقرة في سلوكها الإجمالي: استقر المسار دائماً على شكل يشبه، عند رسمه بثلاثة أبعاد، زوجاً من أجنحة الفراشة المتداخلة. ولكن المسار على طول هذا الشكل كان حساساً للغاية لنقطة البداية. والمساران اللذان يبدآن بفرق جزء من المليون من الوحدة، يستقران بعد بضعة أسابيع محاكاة على جناحين متقابلين.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

وجاء مصطلح "تأثير الفراشة" لاحقاً، وليس من لورينز. وفي عام 1972، ألقى محاضرة بعنوان، وضعه شخص آخر في برنامج المؤتمر، "هل ترفرف أجنحة فراشة في البرازيل وتطلق إعصاراً في تكساس؟" وظلت الاستعارة عالقة. وكانت الرياضيات التي أشارت إليها قد بلغت من العمر قرناً بالفعل.

شكل النظام الفوضوي

وجاءت أول إشارة إلى إمكانية تعايش الحتمية وعدم القدرة على التنبؤ من Henri Poincaré في تسعينيات القرن التاسع عشر، أثناء العمل على مسألة الأجسام الثلاثة three-body problem: وهي مسألة كيفية تحرك ثلاث كتل متجاذبة بموجب جاذبية نيوتن. وجسمان لهما مدار مغلق ونظيف. وثلاثة أجسام ليست كذلك. وأظهر بوانكاريه أن نظام الأجسام الثلاثة يحتوي على مدارات حساسة للشروط الابتدائية بالضبط بمعنى لورينز، مع نمو الاضطرابات الصغيرة بشكل أسي مع مرور الوقت. وأطلق على الهندسة الناتجة اسم "التشابكات المتجانسة". ولم يستطع رسمها. وكان على الصورة أن تنتظر أجهزة الكمبيوتر.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

والنظام الفوضوي، في التعريف الحديث، هو نظام ديناميكي حتمي يظهر اعتماداً حساساً على الشروط الابتدائية، وهو خلط طوبولوجي، وله مدارات دورية كثيفة. جرد المصطلحات والنقطة هي هذه: المعادلات لا تحتوي على عشوائية. وإذا عرفت الحالة الابتدائية بدقة، فإن المستقبل سيكون ثابتاً. ولكن "بدقة" تعني عدداً لا نهائياً من الخانات العشرية، ولكل قياس دقة محدودة. ويتضاعف الخطأ في تلك الدقة، ثم يتضاعف مرة أخرى، ثم يتضاعف مائة مرة أخرى. وبحلول التضاعف المائة، يصبح عدم اليقين الأصلي بحجم النظام نفسه.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

وهذا هو السبب في تدهور تنبؤات الطقس. وزمن تضاعف الغلاف الجوي للأخطاء الصغيرة هو يوم ونصف تقريباً. وبعد أسبوعين، يغطي خطأ بحجم قراءة مستشعر واحد تم إسقاطها التنبؤ بأكمله. وتدفع القياسات الأفضل الأفق إلى أبعد قليلاً. ولا يمكنها دفعه إلى الملا نهاية. وينشر المركز الأوروبي للتنبؤات الجوية متوسطة المدى ECMWF درجات المهارة التي تصطدم بهذا الجدار في الموعد المحدد، وقد فعل ذلك لمدة خمسين عاماً.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

الجواذب الغريبة

وعندما رسم لورينز نظامه المكون من اثني عشر متغيراً في ثلاثة أبعاد، وجد أن المسارات، على الرغم من عدم القدرة على التنبؤ بها في الوقت المناسب، كانت محصورة في سطح رقيق ومطوي بشكل لا نهائي. ولم تتقاطع أبداً. ولم تتكرر أبداً. ولم تغادر أبداً. وأصبح الشكل شعاراً للمجال: جاذب غريب strange attractor.

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

وتظهر الجواذب الغريبة أينما تلتقي التغذية المرتدة غير الخطية مع التبديد. وترسمها عدم انتظام ضربات القلب. وترسمها الصنابير التي تقطر. ورسمت الديناميكيات السكانية لتفشي الحصبة قبل التطعيم الجماعي واحداً منها. ويعيش اضطراب السوائل، وهو المشكلة الكبرى غير المحلولة في الفيزياء الكلاسيكية، بشكل شبه مؤكد على جواذب لم يتمكن أحد من كتابتها بعد. وفي عام 1975، أعطى عالم الرياضيات James Yorke وطالبه تيان ين لي هذا المجال اسمه، في ورقة بحثية بعنوان "الفترة الثالثة تعني الفوضى".

ما لا نزال نجهله

لا نعرف ما إذا كان الاضطراب هو فوضى بمعنى لورينز أم شيئاً أكثر غرابة. ولم يثبت أبداً أن معادلات نافيير-ستوكس Navier–Stokes equations التي تصف تدفق السوائل لها حلول سلسة طوال الوقت في ثلاثة أبعاد. والسؤال هو أحد مسائل جائزة الألفية البالغة قيمتها مليون دولار من معهد كلاي للرياضيات Clay Mathematics Institute، ولم يطالب بها أحد منذ عام 2000.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

ولا نعرف حدود التنبؤ في الأنظمة التي تلتقي فيها الفوضى الكلاسيكية مع ميكانيكا الكم. وأنظمة الكم خطية ولا تظهر فوضى في شكل لورينز على الإطلاق عند عزلها. وكيف تظهر الفوضى في الحد الكلاسيكي، وهي مسألة "فوضى الكم"، لا تزال محل خلاف.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

ولا نعرف إلى أي مدى يمكن لتنبؤات التعلم الآلي أن تدفع أفق الطقس. وتتفوق النماذج العصبية الحديثة من ديب مايند وهواوي الآن على التنبؤات التشغيلية القائمة على الفيزياء الكلاسيكية عند عشرة أيام. وما إذا كان بإمكانها الوصول إلى خمسة عشر يوماً أو عشرين يوماً، أو الاصطدام بجدار لورينز في وقت أبكر مما تتنبأ به المعادلات، هو أمر يتم الجدال فيه في الأدبيات هذا العام.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

ولا نعرف، بأي معنى عملي، أي من الأنظمة التي نهتم بها — الأسواق، نقاط التحول المناخي، الأنظمة البيئية، الأدمغة — هي فوضوية، وأيها معقدة فحسب، وأيها شيء آخر تماماً.

ولا يمكن لفراشة في البرازيل، كمسألة فيزياء، أن تسبب إعصاراً في تكساس. فالطاقة خاطئة بعشرين رتبة مقدار. وما يمكنها فعله هو تغيير أي إعصار يتشكل، ومتى، وأين يهبط، بالاختيار من قائمة كان الغلاف الجوي سيقدمها على أي حال. والطقس ليس قصة تُكتب. إنه قصة تُختار، ذرة بذرة، من رف من القصص التي تحتويها المعادلات بالفعل.

Зимой 1961 года метеоролог из MIT ввел шестизначное число в ламповый компьютер и увидел, как рушится будущее. Уравнения были детерминированными. Ошибка крылась в четвертом знаке после запятой. Прогноз оказался совершенно иным.

Зимой 1961 года метеоролог из MIT по имени Edward Lorenz вышел из кабинета выпить чашечку кофе, пока Royal McBee LGP-30 — ламповый компьютер размером с морозильный ларь — просчитывал модель погоды из двенадцати переменных. Когда он вернулся, симуляция отклонилась от вчерашнего прогона до неузнаваемости. Те же уравнения, та же машина. Единственная разница заключалась в том, что при перезапуске он ввел 0,506 вместо значения 0,506127, сохраненного в памяти при первоначальном прогоне. Ошибка округления в четвертом знаке после запятой выдала совершенно иной двухмесячный прогноз.

Лоренц опубликовал этот результат в 1963 году в журнале Journal of the Atmospheric Sciences в статье под названием «Deterministic Nonperiodic Flow» (Детерминированное непериодическое течение). Почти никто из метеорологов ее не прочитал. Статью подшили в архив, исходя из рабочего предположения, что любая разумная система при практически идентичных входных данных возвращает практически идентичные выходные данные. Но двенадцать уравнений Лоренца вели себя иначе. Они были стабильны в своем общем поведении: траектория всегда сходилась к форме, которая при трехмерном проецировании напоминала пару перекрывающихся крыльев бабочки. Но путь вдоль этой формы был чрезвычайно чувствителен к начальной точке. Две траектории, начавшиеся на расстоянии в одну миллионную долю единицы друг от друга, через несколько симулированных недель оказывались на противоположных крыльях.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

Выражение «эффект бабочки» появилось позже, и не от Лоренца. В 1972 году он выступил с докладом, название которому дал другой составитель программы конференции: «Может ли взмах крыльев бабочки в Бразилии вызвать торнадо в Техасе?». Метафора прижилась. Математика, на которую она указывала, существовала уже целый век.

Форма хаотической системы

Первый намек на то, что детерминизм и непредсказуемость могут сосуществовать, был сделан Henri Poincaré в 1890-х годах во время работы над three-body problem (задачей трех тел) — вопросом о том, как движутся три гравитирующие массы под действием ньютоновского тяготения. Два тела имеют четкую замкнутую орбиту. Три — нет. Пуанкаре показал, что система трех тел содержит орбиты, чувствительные к начальным условиям именно в понимании Лоренца, при этом крошечные возмущения со временем растут экспоненциально. Он назвал полученную геометрию «гомоклиническими сплетениями». Нарисовать их он не мог. Картине пришлось ждать появления компьютеров.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

Хаотическая система в современном определении — это детерминированная динамическая система, демонстрирующая чувствительную зависимость от начальных условий, топологическое перемешивание и обладающая плотными периодическими орбитами. Если отбросить жаргон, суть такова: в уравнениях нет никакой случайности. Если бы вы знали начальное состояние абсолютно точно, будущее было бы предопределено. Но «точно» означает бесконечное число знаков после запятой, тогда как любое измерение имеет конечную точность. Ошибка этой точности удваивается, затем удваивается снова, а затем удваивается еще сто раз. К сотому удвоению первоначальная неопределенность вырастает до размеров самой системы.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

Вот почему прогнозы погоды ухудшаются. Время удвоения небольших ошибок в атмосфере составляет примерно полтора дня. Через две недели ошибка размером с единичное упущенное показание датчика накрывает весь прогноз. Более качественные измерения отодвигают горизонт немного дальше. Но они не могут отодвинуть его в бесконечность. ECMWF публикует показатели точности прогнозов, которые сталкиваются с этой стеной точно по расписанию, и так продолжается уже пятьдесят лет.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Странные аттракторы

Когда Лоренц спроецировал свою систему из двенадцати переменных в три измерения, он обнаружил, что траектории при всей их непредсказуемости во времени ограничены тонкой, бесконечно сложенной поверхностью. Они никогда не пересекались. Никогда не повторялись. Никогда не покидали ее пределов. Эта форма стала эмблемой области: strange attractor (странный аттрактор).

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Странные аттракторы возникают везде, где нелинейная обратная связь встречается с диссипацией. Их описывают сердечные аритмии. Их описывают капающие краны. Динамика численности заболевших корью до массовой вакцинации описывала один из них. Турбулентность жидкостей — великая нерешенная проблема классической физики — почти наверняка существует на аттракторах, которые никто до сих пор не смог математически описать. В 1975 году математик James Yorke и его ученик Тянь-Янь Ли дали этой области название в статье под заголовком «Period Three Implies Chaos» (Период три влечет за собой хаос).

Чего мы до сих пор не знаем

Мы не знаем, является ли турбулентность хаосом в понимании Лоренца или чем-то более странным. Для уравнений Navier–Stokes equations, описывающих движение жидкости, до сих пор не доказано существование гладких решений для любого момента времени в трех измерениях. Этот вопрос входит в число проблем тысячелетия с наградой в миллион долларов от Clay Mathematics Institute, которая остается невостребованной с 2000 года.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

Мы не знаем пределов предсказуемости в системах, где классический хаос сталкивается с квантовой механикой. Квантовые системы линейны и изолированно вообще не демонстрируют хаоса в форме Лоренца. Вопрос о том, как хаос возникает в классическом пределе — проблема «квантового хаоса» —, остается спорным.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

Мы не знаем, насколько далеко прогнозы на основе машинного обучения могут раздвинуть погодный горизонт. Недавние нейросетевые модели от DeepMind и Huawei теперь превосходят оперативные физические прогнозы на десятидневном интервале. Вопрос о том, смогли ли они достичь пятнадцати или двадцати дней, или же столкнутся со стеной Лоренца раньше, чем предсказывают уравнения, обсуждается в литературе в этом году.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

И мы не знаем в каком-либо практическом смысле, какие из важных для нас систем — рынки, климатические переломные моменты, экосистемы, мозг — являются хаотическими, какие просто сложными, а какие — чем-то совершенно иным.

Бабочка в Бразилии с точки зрения физики не может вызвать ураган в Техасе. Энергия различается на двадцать порядков. Но что она может сделать, так это изменить то, какой именно ураган сформируется, когда и где он обрушится на сушу, выбирая из меню, которое атмосфера все равно собиралась подать. Погода — это не пищущаяся история. Это история, которая выбирается атом за атомом с полки историй, которые уже содержатся в уравнениях.

Im Winter 1961 tippte ein Meteorologe am MIT eine sechsstellige Zahl in einen Elektronenröhren-Computer und sah zu, wie die Zukunft zerbrach. Die Gleichungen waren deterministisch. Der Fehler lag an der vierten Dezimalstelle. Die Vorhersage ergab eine völlig andere Vorhersage.

Im Winter 1961 verließ ein Meteorologe am MIT namens Edward Lorenz sein Büro für eine Tasse Kaffee, während ein Royal McBee LGP-30 – ein Elektronenröhren-Computer von der Größe einer Gefriertruhe – sich durch ein Wettermodell mit zwölf Variablen arbeitete. Als er zurückkehrte, war die Simulation von dem Durchlauf des Vortages zu etwas Unerkennbarem abgewichen. Dieselben Gleichungen, dieselbe Maschine. Der einzige Unterschied bestand darin, dass er beim Neustart 0,506 eingegeben hatte, während der ursprüngliche Durchlauf 0,506127 im Speicher getragen hatte. Ein Rundungsfehler an der vierten Dezimalstelle hatte eine völlig andere Zweimonatsvorhersage hervorgebracht.

Lorenz veröffentlichte das Ergebnis 1963 im Journal of the Atmospheric Sciences in einer Arbeit mit dem Titel „Deterministic Nonperiodic Flow“. Kaum ein Meteorologe las sie. Die Arbeit wurde unter der Arbeitsannahme abgelegt, dass jedes vernünftige System, wenn man es mit nahezu identischen Eingabewerten füttert, nahezu identische Ausgaben liefert. Die zwölf Gleichungen von Lorenz taten das nicht. Sie waren in ihrem groben Verhalten stabil: Die Flugbahn pendelte sich stets auf eine Form ein, die, in drei Dimensionen dargestellt, einem Paar überlappender Schmetterlingsflügel ähnelte. Doch der Pfad entlang dieser Form reagierte außerordentlich empfindlich darauf, wo er begann. Zwei Trajektorien, die nur ein Millionstel einer Einheit voneinander entfernt starteten, befanden sich nach einigen simulierten Wochen auf entgegengesetzten Flügeln.

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

Der Begriff „Schmetterlingseffekt“ entstand erst später und stammte nicht von Lorenz. Im Jahr 1972 hielt er einen Vortrag, dessen Titel von jemand anderem auf dem Konferenzprogramm formuliert worden war: „Löst der Flügelschlag eines Schmetterlings in Brasilien einen Tornado in Texas aus?“ Die Metapher blieb hängen. Die Mathematik, auf die sie verwies, war bereits ein Jahrhundert alt.

Die Form eines chaotischen Systems

Der erste Hinweis darauf, dass Determinismus und Unvorhersehbarkeit koexistieren können, stammte von Henri Poincaré in den 1890er Jahren bei Arbeiten am three-body problem: der Frage, wie sich drei gravitierende Massen unter newtonscher Gravitation bewegen. Zwei Körper haben eine saubere, geschlossene Umlaufbahn. Drei nicht. Poincaré zeigte, dass das Dreikörperproblem Umlaufbahnen enthält, die genau in Lorenz' Sinne empfindlich auf Anfangsbedingungen reagieren, wobei winzige Störungen im Laufe der Zeit exponentiell anwachsen. Er nannte die resultierende Geometrie „homokline Gewirre“. Zeichnen konnte er sie nicht. Das Bild musste auf Computer warten.

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

Ein chaotisches System ist nach moderner Definition ein deterministisches dynamisches System, das eine empfindliche Abhängigkeit von den Anfangsbedingungen aufweist, topologisch mischend ist und dichte periodische Orbits besitzt. Befreit man dies vom Fachjargon, lautet der Kernpunkt: Die Gleichungen enthalten keinen Zufall. Wenn man den Anfangszustand exakt kennen würde, stünde die Zukunft fest. Doch „exakt“ bedeutet unendlich viele Dezimalstellen, und jede Messung hat eine endliche Genauigkeit. Der Fehler in dieser Genauigkeit verdoppelt sich, verdoppelt sich erneut und verdoppelt sich noch hundertmal. Bei der hundertsten Verdopplung hat die ursprüngliche Unsicherheit die Größe des Systems selbst erreicht.

Chaos Theory
Chaos Theory jurvetson · BY 2.0

Aus diesem Grund verfallen Wettervorhersagen. Die Verdopplungszeit der Atmosphäre für kleine Fehler beträgt etwa eineinhalb Tage. Nach zwei Wochen überdeckt ein Fehler von der Größe eines einzigen ausgefallenen Sensorwerts die gesamte Vorhersage. Bessere Messungen verschieben den Horizont ein Stück weiter nach außen. Sie können ihn nicht ins Unendliche verschieben. Das ECMWF veröffentlicht Gütebewertungen, die plangemäß an diese Wand stoßen, und das schon seit fünfzig Jahren.

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

Seltsame Attraktoren

Als Lorenz sein System mit zwölf Variablen in drei Dimensionen darstellte, stellte er fest, dass die Trajektorien trotz all ihrer zeitlichen Unvorhersehbarkeit auf eine dünne, unendlich gefaltete Oberfläche beschränkt waren. Sie kreuzten sich nie. Sie wiederholten sich nie. Sie verließen sie nie. Die Form wurde zum Sinnbild des Fachbereichs: ein strange attractor.

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

Seltsame Attraktoren tauchen überall dort auf, wo nichtlineare Rückkopplung auf Dissipation trifft. Herzrhythmusstörungen zeichnen sie nach. Tropfende Wasserhähne zeichnen sie nach. Die Populationsdynamik von Masernausbrüchen vor der Massenimpfung zeichnete einen solchen nach. Die Fluidturbulenz, das große ungelöste Problem der klassischen Physik, existiert fast sicher auf Attraktoren, die noch niemand aufzuschreiben vermochte. 1975 gaben der Mathematiker James Yorke und sein Schüler Tien-Yien Li dem Fachgebiet seinen Namen in einer Arbeit mit dem Titel „Period Three Implies Chaos“.

Was wir noch immer nicht wissen

Wir wissen nicht, ob Turbulenz im Sinne von Lorenz Chaos ist oder etwas noch Seltsameres. Für die Navier–Stokes equations, die die Strömung von Fluiden beschreiben, wurde im Dreidimensionalen noch nie bewiesen, dass sie für alle Zeiten glatte Lösungen besitzen. Die Frage gehört zu den mit einer Million Dollar dotierten Millennium-Problemen des Clay Mathematics Institute und ist seit dem Jahr 2000 ungelöst.

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

Wir kennen die Grenzen der Vorhersage in Systemen nicht, in denen klassisches Chaos auf Quantenmechanik trifft. Quantensysteme sind linear und zeigen isoliert überhaupt kein Chaos in Lorenz'scher Form. Wie Chaos im klassischen Grenzwert entsteht – die Frage nach dem „Quantenchaos“ –, bleibt umstritten.

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

Wir wissen nicht, wie weit maschinelles Lernen den Wetterhorizont hinausschieben kann. Jüngste neuronale Modelle von DeepMind und Huawei schlagen bereits die operationellen, physikbasierten Vorhersagen bei zehn Tagen. Ob sie fünfzehn oder zwanzig Tage erreichen können oder früher als von den Gleichungen vorhergesagt an die Lorenz-Wand stoßen werden, wird in der diesjährigen Literatur diskutiert.

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

Und wir wissen in keinem praktischen Sinne, welche der uns wichtigen Systeme – Märkte, klimatische Kipppunkte, Ökosysteme, Gehirne – chaotisch sind, welche lediglich komplex und welche etwas völlig anderes.

Ein Schmetterling in Brasilien kann physikalisch gesehen keinen Hurrikan in Texas verursachen. Die Energie unterscheidet sich um zwanzig Größenordnungen. Was er tun kann, ist zu verschieben, welcher Hurrikan sich bildet, wann und wo er an Land geht, indem er aus einem Menü auswählt, das die Atmosphäre ohnehin serviert hätte. Das Wetter ist keine Geschichte, die geschrieben wird. Es ist eine Geschichte, die Atom für Atom aus einem Regal von Geschichten ausgewählt wird, die die Gleichungen bereits enthalten.

१९६१ की सर्दियों में, एमआईटी के एक मौसम विज्ञानी ने एक वैक्यूम-ट्यूब कंप्यूटर में छह अंकों की एक संख्या टाइप की और भविष्य को बिखरते हुए देखा। समीकरण नियतिवादी थे। चूक चौथे दशमलव स्थान पर थी। पूर्वानुमान एक अलग ही पूर्वानुमान निकला।

१९६१ की सर्दियों में, एमआईटी (MIT) के एक मौसम विज्ञानी Edward Lorenz एक कप कॉफी के लिए अपने दफ्तर से बाहर निकले, जबकि Royal McBee LGP-30 — जो किसी डीप फ्रीजर के आकार का एक वैक्यूम-ट्यूब कंप्यूटर था — बारह चरों वाले मौसम के एक मॉडल की गणना कर रहा था। जब वे वापस लौटे, तो वह सिमुलेशन पिछले दिन के परिणामों से अलग होकर कुछ ऐसा बन चुका था जिसे पहचानना नामुमकिन था। समीकरण वही थे, मशीन भी वही थी। एकमात्र अंतर यह था कि उन्होंने दोबारा शुरुआत करते समय दशमलव के बाद ०.५०६ टाइप कर दिया था, जबकि मूल गणना की मेमोरी में ०.५०६१२७ दर्ज था। दशमलव के चौथे स्थान की एक मामूली त्रुटि ने दो महीने के पूरे पूर्वानुमान को पूरी तरह से बदल दिया था।

लोरेंज़ ने यह परिणाम १९६३ में 'जर्नल ऑफ द एटमॉस्फेरिक साइंसेज' में "डिटरमिनिस्टिक नॉनपेरियोडिक फ्लो" नामक शोधपत्र में प्रकाशित किया। लगभग किसी भी मौसम विज्ञानी ने इसे नहीं पढ़ा। उस समय यह शोधपत्र इस कार्यसाधक धारणा के तहत दर्ज किया गया था कि कोई भी समझदार प्रणाली, जिसे लगभग एक जैसे इनपुट दिए जाएं, लगभग एक जैसे ही परिणाम देगी। लोरेंज़ के बारह समीकरणों के साथ ऐसा नहीं था। उनका समग्र व्यवहार तो स्थिर था: उनका प्रक्षेपवक्र हमेशा एक ऐसी आकृति पर टिक जाता था, जिसे त्रि-आयामी रूप में चित्रित करने पर वह तितली के आपस में जुड़े हुए दो पंखों जैसी लगती थी। लेकिन उस आकृति पर चलने वाला रास्ता इस बात के प्रति अत्यंत संवेदनशील था कि उसकी शुरुआत कहाँ से हुई थी। एक इकाई के दस लाखवें हिस्से जितनी दूरी से शुरू होने वाले दो प्रक्षेपवक्र, कुछ हफ्तों के सिमुलेशन के बाद, विपरीत पंखों पर स्थित होते थे।

Importance in open educational resources OER of Chaos Theory in SEO
Importance in open educational resources OER of Chaos Theory in SEO judy_breck · BY-SA 2.0

"बटरफ्लाई इफेक्ट" (तितली प्रभाव) वाक्यांश बाद में आया, और यह लोरेंज़ ने नहीं दिया था। १९७२ में उन्होंने एक व्याख्यान दिया, जिसका शीर्षक सम्मेलन कार्यक्रम के किसी अन्य व्यक्ति ने रखा था: "क्या ब्राजील में एक तितली के पंख फड़फड़ाने से टेक्सास में बवंडर आ सकता है?" यह रूपक लोगों के जेहन में बस गया। हालाँकि, जिस गणित की ओर यह इशारा कर रहा था, वह पहले से ही एक सदी पुराना था।

एक अराजक प्रणाली का आकार

नियतिवाद (determinism) और अप्रत्याशितता के एक साथ अस्तित्व में होने का पहला संकेत १८९० के दशक में Henri Poincaré से मिला था, जो three-body problem पर काम कर रहे थे: यह सवाल कि गुरुत्वाकर्षण के प्रभाव में तीन पिंड न्यूटन के नियमों के तहत कैसे गति करते हैं। दो पिंडों की कक्षा एक स्पष्ट और निश्चित स्वरूप वाली होती है। तीन की नहीं। पोंकारे ने दिखाया कि इस त्रि-पिंड प्रणाली में ऐसी कक्षाएं होती हैं जो प्रारंभिक स्थितियों के प्रति ठीक उसी तरह संवेदनशील होती हैं जैसा लोरेंज़ ने बताया था, जहाँ सूक्ष्म विक्षोभ समय के साथ तेजी से बढ़ते जाते हैं। उन्होंने इससे बनने वाली ज्यामिति को "होमोक्लिनिक टेंगल्स" (समवृत्तीय उलझनें) कहा। वे उन्हें चित्रित नहीं कर सके। उस चित्र के लिए कंप्यूटरों का इंतज़ार करना पड़ा।

A 1960s weather laboratory holds a humming computer cabinet
A 1960s weather laboratory holds a humming computer cabinet Illustration · AI-generated (FLUX.1-dev)

आधुनिक परिभाषा में, एक अराजक प्रणाली (chaotic system) एक ऐसी नियतात्मक गतिशील प्रणाली है जो प्रारंभिक स्थितियों पर अत्यधिक निर्भरता प्रदर्शित करती है, टोपोलॉजिकल रूप से मिश्रित होती है, और जिसमें सघन आवर्ती कक्षाएं होती हैं। यदि इस तकनीकी शब्दावली को हटा दें, तो मुख्य बात यह है: इन समीकरणों में कोई यादृच्छिकता (randomness) नहीं है। यदि आपको शुरुआती स्थिति का सटीक ज्ञान हो, तो भविष्य निश्चित होगा। लेकिन "सटीक" का अर्थ है अनंत दशमलव स्थान, और हर माप की अपनी एक सीमित सटीकता होती है। उस सटीकता की त्रुटि पहले दोगुनी होती है, फिर और दोगुनी, और फिर सौ बार दोगुनी हो जाती है। सौवीं बार दोगुना होने तक, वह मूल अनिश्चितता स्वयं उस प्रणाली के आकार जितनी बड़ी हो जाती है।

Chaos Theory
Chaos Theory jurvetson · BY 2.0

यही कारण है कि मौसम के पूर्वानुमान समय के साथ विफल हो जाते हैं। छोटी त्रुटियों के दोगुना होने के लिए वायुमंडल का समय लगभग डेढ़ दिन का है। दो सप्ताह के बाद, एक सेंसर की रीडिंग में होने वाली मामूली सी चूक पूरे पूर्वानुमान को बिगाड़ देती है। बेहतर माप इस सीमा को थोड़ा और आगे बढ़ा सकते हैं, लेकिन वे इसे अनंत तक नहीं ले जा सकते। ECMWF ऐसे 'स्किल स्कोर' प्रकाशित करता है जो ठीक समय पर इस दीवार से टकराते हैं, और पिछले पचास वर्षों से ऐसा ही हो रहा है।

A convection experiment creates a strange attractor physically: colored fluid circulates i
A convection experiment creates a strange attractor physically: colored fluid circulates i Illustration · AI-generated (FLUX.1-dev)

अजीबोगरीब संसक्त (स्ट्रेंज अट्रैक्टर्स)

जब लोरेंज़ ने अपने बारह-चरों वाली प्रणाली को तीन आयामों में चित्रित किया, तो उन्होंने पाया कि वे प्रक्षेपवक्र, समय के साथ अपनी पूरी अप्रत्याशितता के बावजूद, एक पतली और अनंत परतों वाली सतह तक ही सीमित थे। वे कभी एक-दूसरे को काटते नहीं थे। वे कभी खुद को दोहराते नहीं थे। वे उसे छोड़कर कभी बाहर नहीं जाते थे। यह आकृति इस क्षेत्र का प्रतीक बन गई: एक strange attractor

CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green
CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green smittenkittenorig · BY 2.0

अजीबोगरीब संसक्त (स्ट्रेंज अट्रैक्टर्स) वहां प्रकट होते हैं जहां गैर-रेखीय फीडबैक और ऊर्जा का क्षय मिलते हैं। दिल की धड़कनों की अनियमितता (arrhythmias) इन्हें दर्शाती है। टपकते हुए नल इन्हें दर्शाते हैं। सामूहिक टीकाकरण से पहले खसरे के प्रकोप की जनसंख्या गतिशीलता ने भी इन्हें ही दर्शाया था। तरल पदार्थों की उथल-पुथल (turbulence), जो शास्त्रीय भौतिकी की सबसे बड़ी अनसुलझी समस्या है, लगभग निश्चित रूप से ऐसे अट्रैक्टर्स पर टिकी है जिन्हें अभी तक कोई लिख नहीं पाया है। १९७५ में गणितज्ञ James Yorke और उनके छात्र तिएन-येन ली ने इस क्षेत्र को इसका नाम दिया, अपने शोधपत्र "पीरियड थ्री इम्प्लाइज केओस" में।

वह जो हम अब भी नहीं जानते

हम नहीं जानते कि उथल-पुथल (turbulence), लोरेंज़ के अर्थ में अराजकता है या कुछ और अधिक विचित्र। तरल प्रवाह का वर्णन करने वाले Navier–Stokes equations को आज तक तीन आयामों में हर समय के लिए सुचारू समाधान (smooth solutions) देने वाला सिद्ध नहीं किया जा सका है। यह सवाल Clay Mathematics Institute की दस लाख डॉलर की 'मिलेनियम प्राइज प्रॉब्लम्स' में से एक है, जो २००० से अब तक अनसुलझा है।

A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into
A close view of Lorenz's restart moment centers on a hand typing a shortened decimal into Illustration · AI-generated (FLUX.1-dev)

हम उन प्रणालियों में भविष्यवाणी की सीमाओं को नहीं जानते जहाँ शास्त्रीय अराजकता का क्वांटम मैकेनिक्स से मिलन होता है। क्वांटम प्रणालियाँ रेखीय होती हैं और एकांत में लोरेंज़ वाली अराजकता बिल्कुल नहीं दिखातीं। शास्त्रीय सीमा में अराजकता कैसे उभरती है, यानी "क्वांटम केओस" का सवाल, आज भी विवाद का विषय बना हुआ है।

Chaos Theory
Chaos Theory Wikimol, Dschwen · CC BY-SA 3.0

हम नहीं जानते कि मशीन-लर्निंग आधारित पूर्वानुमान मौसम की सीमाओं को कितना आगे धकेल सकते हैं। डीपमाइंड और हुआवेई के हालिया न्यूरल मॉडल अब दस दिनों के पूर्वानुमान में भौतिकी-आधारित पारंपरिक मॉडलों को मात दे रहे हैं। क्या वे पंद्रह या बीस दिनों तक पहुँच सकते हैं, या समीकरणों की भविष्यवाणी की तुलना में लोरेंज़ की दीवार से पहले ही टकरा जाएंगे, इस पर इस साल वैज्ञानिक साहित्य में बहस चल रही है।

A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win
A lecture hall demonstration shows the butterfly metaphor through real air: a delicate win Illustration · AI-generated (FLUX.1-dev)

और हम व्यावहारिक तौर पर यह भी नहीं जानते कि जिन प्रणालियों की हमें परवाह है — जैसे बाज़ार, जलवायु परिवर्तन के निर्णायक बिंदु (tipping points), पारिस्थितिकी तंत्र, मस्तिष्क — उनमें से कौन सी अराजक हैं, कौन सी केवल जटिल हैं, और कौन सी कुछ और ही हैं।

ब्राजील की एक तितली, भौतिक विज्ञान के नियमों के अनुसार, टेक्सास में तूफान का कारण नहीं बन सकती। ऊर्जा का अंतर बीस गुना (orders of magnitude) के स्तर पर है। वह जो कर सकती है, वह यह है कि वह इस बात को बदल दे कि कौन सा तूफान बनेगा, कब बनेगा और वह कहाँ टकराएगा; यानी वह उस मीनू में से चुनाव करती है जिसे वातावरण वैसे भी परोसने ही वाला था। मौसम कोई ऐसी कहानी नहीं है जिसे लिखा जा रहा है। यह उन कहानियों के संग्रह में से परमाणु-दर-परमाणु चुनी जा रही एक कहानी है, जो समीकरणों में पहले से ही मौजूद हैं।

Image sources & licenses (7)
  1. Importance in open educational resources OER of Chaos Theory in SEO — judy_breck, BY-SA 2.0. Source (openverse)
  2. Chaos Theory — jurvetson, BY 2.0. Source (openverse)
  3. CHAOS THEORY 2- OOAK Multicolor Scarf w/ Tassels in Black Grey Orange Yellow Brown Green — smittenkittenorig, BY 2.0. Source (openverse)
  4. Chaos Theory — Wikimol, Dschwen, CC BY-SA 3.0. Source (wikipedia)
  5. The butterfly effect is illustrated using a light source attached at the free end of double pendulum. This set of long exposure pictures sho — Cristian V., CC BY-SA 4.0. Source (commons)
  6. The butterfly effect is illustrated using a light source attached at the free end of double pendulum. This set of long exposure pictures sho — Cristian V., CC BY-SA 4.0. Source (commons)
  7. The butterfly effect is illustrated using a light source attached at the free end of double pendulum. This set of long exposure pictures sho — Cristian V., CC BY-SA 4.0. Source (commons)

Mentioned in this article

Sources

  1. Lorenz, E. N. (1963). "Deterministic Nonperiodic Flow." Journal of the Atmospheric Sciences 20, 130–141.
  2. Lorenz, E. N. (1993). The Essence of Chaos. University of Washington Press.
  3. Gleick, J. (1987). Chaos: Making a New Science. Viking.
  4. Li, T.-Y. & Yorke, J. A. (1975). "Period Three Implies Chaos." American Mathematical Monthly 82, 985–992.
  5. Poincaré, H. (1890). "Sur le problème des trois corps et les équations de la dynamique." Acta Mathematica 13, 1–270.
Production storyboard

The 90-second video script behind this article.

EN script

A butterfly flapping its wings in Brazil can cause a hurricane in Texas. This isn't poetry - it's mathematics. It's called chaos theory, and it explains why the future is fundamentally unpredictable. In 1961, meteorologist Edward Lorenz was running weather simulations on a computer. He entered the number 0.506127 for one variable. Later, he rounded it to 0.506 to save time. The difference was smaller than a butterfly's wing flap. The resulting weather prediction was completely different. Totally different weather from a change in the millionth decimal place. This is sensitive dependence on initial conditions - tiny causes creating massive effects. The math behind it is beautiful and terrifying. Chaotic systems follow deterministic equations. Nothing random about them. Yet they become unpredictable because measuring initial conditions with infinite precision is impossible. Even if you knew every atom's position, quantum uncertainty would still make prediction impossible. This is why weather forecasts fail after two weeks. Why economies crash unexpectedly. Why your life could be completely different if you'd left your house one second earlier. The universe isn't random - it's chaotic. Everything follows rules, but the rules amplify tiny differences into enormous ones. That butterfly in Brazil? It's real. So is the hurricane. And the math connecting them is why perfect prediction is impossible. Not hard. Impossible.

HI script

Brazil mein butterfly ke wings flap karne se Texas mein hurricane aa sakta hai. Ye poetry nahi hai - ye mathematics hai. Ise chaos theory kehte hain, aur ye explain karta hai ki future fundamentally unpredictable kyun hai.

Brazil mein butterfly ke wings flap karne se Texas mein hurricane aa sakta hai. Ye poetry nahi hai - ye mathematics hai. Ise chaos theory kehte hain, aur ye explain karta hai ki future fundamentally unpredictable kyun hai. 1961 mein, meteorologist Edward Lorenz computer pe weather simulations run kar rahe the. Unhone ek variable ke liye 0.506127 enter kiya. Baad mein, unhone time bachane ke liye 0.506 round kiya. Difference butterfly ke wing flap se bhi chhota tha. Resulting weather prediction completely different thi. Millionth decimal place mein change se totally different weather. Ise kehte hain sensitive dependence on initial conditions - tiny causes creating massive effects. Iske peeche ka math beautiful aur terrifying hai. Chaotic systems deterministic equations follow karte hain. Unme kuch random nahi. Phir bhi wo unpredictable ho jaate hain kyunki initial conditions infinite precision se measure karna impossible hai. Chahe tum har atom ki position jaano, quantum uncertainty phir bhi prediction impossible bana degi. Isliye weather forecasts do weeks baad fail ho jaate hain. Economies unexpectedly crash kyun hoti hain. Tumhari life completely different ho sakti thi agar tum ghar se ek second pehle nikalte. Universe random nahi hai - chaotic hai. Sab kuch rules follow karta hai, lekin rules tiny differences ko enormous ones mein amplify kar dete hain. Wo butterfly Brazil mein? Real hai. Hurricane bhi. Aur jo math unhe connect karta hai wo reason hai ki perfect prediction impossible hai. Mushkil nahi. Impossible.

  1. 01

    Beautiful butterfly in Brazilian rainforest flapping wings in extreme slow motion, air molecules disturbing, ripple effect beginning to spread, macro photography style

  2. 02

    Air disturbance growing, spreading across ocean, visualization of chaotic amplification, small ripple becoming larger and larger wave patterns

  3. 03

    Edward Lorenz at 1960s computer, comparison of two weather simulations side by side, nearly identical at start, diverging wildly over time, data visualization

  4. 04

    The famous Lorenz attractor butterfly shape forming from mathematical equations, strange attractor visualization, beautiful mathematical chaos rendered in 3D

  5. 05

    Split screen showing identical starting conditions, one with imperceptible difference, outcomes diverging dramatically - different weather, different outcomes

  6. 06

    Hurricane forming over Texas, pull back to show butterfly still flapping in Brazil, mathematical equations connecting them, awe-inspiring connection visualization