عدد دانبار و سیستم‌های پیش‌بینی رابرت روزن

ارتباط بین عدد دانبار (محدودیت شناختی حدود ۱۵۰ رابطه اجتماعی پایدار) و سیستم‌های پیش‌بینی رابرت روزن (سیستم‌هایی که از مدل‌های داخلی برای پیش‌بینی و سازگاری با حالت‌های آینده استفاده می‌کنند) در تعامل پیچیدگی اجتماعی، تخصیص منابع شناختی و مدل‌سازی پیش‌بینی نهفته است. در اینجا یک سنتز ساختاریافته آمده است:

۱. محدودیت‌های شناختی و مدل‌سازی پیش‌بینی

- عدد دانبار: ریشه در فرضیه مغز اجتماعی دارد و فرض می‌کند که اندازه نئوکورتکس نخستی‌سانان، توانایی ردیابی روابط اجتماعی را محدود می‌کند. نئوکورتکس‌های بزرگتر، شبکه‌های اجتماعی پیچیده‌تری را ممکن می‌سازند.

- سیستم‌های پیش‌بینی (روزن): برای شبیه‌سازی حالت‌های آینده به مدل‌های داخلی نیاز دارند. در زمینه‌های اجتماعی، این مدل‌ها رفتارها، احساسات و نیات دیگران را برای حفظ تعاملات پایدار پیش‌بینی می‌کنند.

* تقاطع: محدودیت شناختی حدود ۱۵۰ رابطه ممکن است منعکس کننده حداکثر ظرفیت مدل‌های پیش‌بینی داخلی مغز برای شبیه‌سازی و پیش‌بینی کارآمد پیامدهای اجتماعی باشد. فراتر از این آستانه، هزینه‌های محاسباتی (مثلاً حافظه، پردازش) از مزایا بیشتر است.

۲. مکانیسم‌های عصبی پیش‌بینی در شبکه‌های اجتماعی

* کدگذاری پیش‌بینی‌کننده در مغز اجتماعی: مطالعات fMRI نشان می‌دهد که قشر پیش‌پیشانی میانی (mPFC) و اتصال گیجگاهی-آهیانه‌ای (TPJ) پیش‌بینی‌های حالت ذهنی را رمزگذاری می‌کنند که برای پیمایش سلسله مراتب اجتماعی بسیار مهم است. الگوهای عصبی برای حالت‌های ذهنی فعلی شبیه به الگوهای حالت‌های احتمالی آینده هستند و پیش‌بینی‌های خودکار مسیر اجتماعی را ممکن می‌سازند (مثلاً پیش‌بینی تبدیل خشم یک دوست به عمل).

* نقش سیستم جستجو: مدارهای هدایت‌شده توسط دوپامین در سیستم مزولیمبیک، رفتار هدفمند، از جمله پیوند اجتماعی را تحریک می‌کنند. پیش‌بینی، شناخت را تیزتر می‌کند، مطابق با تأکید روزن بر مدل‌های هدف‌گرا.

پیامد: دستگاه پیش‌بینی‌کننده مغز (سیستم‌های پیش‌بینی‌کننده) زیربنای توانایی مدیریت روابط تا حد دانبار است. عبور از این حد، توانایی سیستم در شبیه‌سازی دقیق آینده‌های اجتماعی را تحت فشار قرار می‌دهد.

۳. همپوشانی‌های تکاملی و عملکردی

·         فرضیه مغز اجتماعی: تکامل مغز انسان ناشی از نیاز به مدیریت گروه‌های اجتماعی بزرگتر و پیچیده‌تر بوده است. این امر مستلزم قابلیت‌های پیش‌بینی پیشرفته برای ردیابی اتحادها، تشخیص فریب و برنامه‌ریزی اقدامات مشارکتی بود.

·         نظریه سیستم‌های پیش‌بینی: سیستم‌های زنده، از جمله انسان‌ها، از مدل‌های داخلی برای "کشیدن آینده به زمان حال" استفاده می‌کنند. بقای اجتماعی به پیش‌بینی اعمال دیگران وابسته است، قابلیتی که با گسترش نئوکورتکس افزایش می‌یابد.

·         همگرایی: تکامل نئوکورتکس‌های بزرگتر (که عدد دانبار را ممکن می‌سازد) ممکن است ناشی از نیاز به میزبانی مدل‌های پیش‌بینی پیچیده برای هماهنگی اجتماعی بوده باشد.

۴. محدودیت‌ها و بده‌بستان‌های مکانیکی

·         هزینه‌های متابولیکی: نئوکورتکس انرژی قابل توجهی مصرف می‌کند. حفظ مدل‌های پیش‌بینی برای بسیاری از روابط از نظر متابولیکی پرهزینه است و یک سقف طبیعی (حدود ۱۵۰) را تحمیل می‌کند.

·         پیچیدگی در مقابل پایداری: مدل‌های پیش‌بینی برای شبکه‌های اجتماعی نیاز به ایجاد تعادل بین اکتشاف (روابط جدید) و بهره‌برداری (پیوندهای موجود) دارند. فراتر از عدد دانبار، دقت مدل کاهش می‌یابد و خطر سوء مدیریت اجتماعی (مثلاً قضاوت نادرست در مورد قابل اعتماد بودن) را به همراه دارد.

5. مسیرهای آینده

- کمّی‌سازی بار پیش‌بینی: ظرفیت پیش‌بینی مغز چگونه با اندازه شبکه اجتماعی افزایش می‌یابد؟

هوش مصنوعی و رباتیک اجتماعی: پیاده‌سازی مدل‌های پیش‌بینی شبیه روزن در هوش مصنوعی می‌تواند محدودیت‌های شبیه روزن را در سیستم‌های مصنوعی آزمایش کند.

مقایسه بین گونه‌ای: آیا گونه‌هایی با اعداد دانبار بالاتر (مثلاً دلفین‌ها) مکانیسم‌های عصبی پیش‌بینی پیشرفته‌تری از خود نشان می‌دهند؟

نتیجه‌گیری

عدد دانبار و سیستم‌های پیش‌بینی روزن بر این ایده همگرا هستند که پیچیدگی اجتماعی توسط ظرفیت محاسباتی پیش‌بینی محدود می‌شود. توانایی مغز انسان در شبیه‌سازی آینده‌های اجتماعی - از طریق مدل‌های داخلی - روابط پایدار را تا یک حد شناختی ممکن می‌سازد، که فراتر از آن دقت پیش‌بینی و کارایی متابولیک کاهش می‌یابد. این چارچوب، زیست‌شناسی تکاملی، علوم اعصاب و نظریه سیستم‌ها را به هم پیوند می‌دهد و بینش‌هایی در مورد معماری هوش اجتماعی ارائه می‌دهد.

[1] https://langev.com/pdf/swarup07roleOfAnticipation.pdf

[2] https://www.scirp.org/journal/paperinformation?paperid=87866

[3] https://www.jneurosci.org/content/39/1/140

[4] https://constable.blog/wp-content/uploads/LouieRRAS2010.pdf

[5] https://journals.isss.org/index.php/proceedings53rd/article/download/1249/410

[6] https://www.mdpi.com/2227-7390/10/22/4172

[7] https://direct.mit.edu/isal/proceedings-pdf/isal2022/34/72/2035407/isal_a_00506.pdf

[8] https://search.proquest.com/openview/e9067e82d6765ce2bf90230fa43c21e3/1?pq-origsite=gscholar&cbl=18750

[9] https://en.wikipedia.org/wiki/Anticipatory_Systems

[10] https://pmc.ncbi.nlm.nih.gov/articles/PMC3989121/

[11] https://www.sciencedirect.com/science/article/abs/pii/S0079610717301220

[12] https://pmc.ncbi.nlm.nih.gov/articles/PMC10481024/

[13] https://oxfordre.com/psychology/display/10.1093/acrefore/9780190236557.001.0001/acrefore-9780190236557-e-44?product=orepsy

[14] https://pmc.ncbi.nlm.nih.gov/articles/PMC8103230/

[15] https://www.sciencedirect.com/science/article/pii/S0303264716301551

[16] https://journals.isss.org/index.php/proceedings53rd/article/view/1249/410

[17] https://academicworks.cuny.edu/cgi/viewcontent.cgi?article=5866&context=gc_etds

[18] https://en.wikipedia.org/wiki/Dunbar's_number

[19] https://pmc.ncbi.nlm.nih.gov/articles/PMC4158379/

[20] https://www.bbc.com/future/article/20191001-dunbars-number-why-we-can-only-maintain-150-relationships