ระบบซับซ้อนที่สามารถปรับตัว (Complex Adaptive System) และทฤษฎีโกลาหล (Chaos Theory)


บทความนี้พยายามบันทึกความเข้าใจเบื้องต้นเกี่ยวกับเรื่อง "ระบบซับซ้อนที่สามารถปรับตัว" (Complex Adaptive System: CAS) -- ต่อไปจะเรียกว่า CAS ทั้งบทความ, CAS เป็นระบบซับซ้อนแบบพิเศษที่มีความสามารถตามชื่อคือสามารถปรับตัวได้ ส่วนทฤษฎีโกลาหล (Chaos Theory) หรือบางคนก็เรียกว่าทฤษฎีไร้ระเบียบ (ซึ่งคำเรียกนี้มีปัญหา โดยจะพูดถึงต่อไปข้างล่าง) หยิบขึ้นมาคู่กันเพื่ออ้างอิงว่าเป็นแนวคิดที่พัฒนาขึ้นมาคู่กัน และมีความเกี่ยวข้องกัน

บทความจะสรุปรวบยอดและเป็นบทแนะนำเบื้องต้นลักษณะของทฤษฎีที่เกี่ยวข้อง, การใช้คอมพิวเตอร์ทำการจำลอง CAS โดยใช้ตัวแสดงแทน (agent) ที่เรียกกันว่า Agent-based Model (ABM) โดยใช้โปรแกรม NetLogo, ตัวอย่างการประยุกต์ใช้ในด้านการวิจัยทางวิชาการโดยเฉพาะส่วนที่ผมสนใจคือในเรื่องสังคมศาสตร์ และปิดท้ายด้วยการประยุกต์ใช้ในทางการทหาร (ซึ่งถือเป็นสนามทดสอบที่สามารถบ่งชี้คุณภาพทฤษฎีได้ในขั้นสูงสุด) ด้วยตัวแบบที่ชื่อ OODA

เท่าที่ผมทบทวนวรรณกรรมเกี่ยวกับทั้งสองหัวข้อนี้ในภาษาไทย ปรากฎว่ายังไม่มีบทความใดสามารถให้คำอธิบายที่มาที่ไปของทฤษฎีพื้นฐานและเชื่อมโยงองค์ความรู้ที่เกี่ยวข้องอย่างเป็นที่น่าพอใจ ซึ่งผมคิดว่าเกิดจากปัญหาสามข้อคือ ๑) ส่วนใหญ่ในโลกภาษาไทยมักจะใช้ทฤษฎีโกลาหลเป็นตัวตั้งต้น อันที่จริงทั้ง CAS และทฤษฎีโกลาหลมีความเกี่ยวข้องกันอยู่แต่ CAS จะถูกประยุกต์ใช้ได้กว้างขวางกว่า การตั้งต้นควรเริ่มมาจากฝั่ง CAS แต่ในที่สุดควรจะพูดเชื่อมโยงองค์ความรู้ที่เกี่ยวข้องทั้งหมด, ๒) เท่าที่ตรวจสอบผู้เขียนทั้งหนังสือและบทความส่วนใหญ่ไม่มีความเข้าใจหรือขาดการเชื่อมโยงกับการจำลอง ABM หรือขาดพื้นฐานความรู้ด้านวิทยาการคอมพิวเตอร์และคณิตศาสตร์ทำให้ขาดความเข้าใจเนื้อหาเชิงลึก, และ ๓) ลักษณะการบรรยายมีลักษณะนามธรรมสูง มักใช้แนวคิดไปเชื่อมโยงกับสถานการณ์จริงโดยปราศจากความเข้าใจอย่างถ่องแท้ และมีแนวโน้มที่ใช้ CAS หรือทฤษฎีโกลาหลอธิบายรูปแบบทุกสิ่งทุกอย่างในทำนองอภิปรัชญา หรือไม่ก็เพียงเพื่อยืนยันสามัญสำนึกของตน

บทความนี้จะเริ่มต้นจากหนังสือสองเล่ม คือ The Complexity of Cooperation, Micromotives and Macrobehavior แล้วปิดท้ายด้วยบทความ "Artificial Societies" and The Social Science

จะว่าไป "ระบบ" แทบทุกอย่างในโลกนี้มีลักษณะเป็นระบบซับซ้อน คือมีกลไกหรือส่วนประกอบภายในที่คอยทำหน้าที่ต่างกัน โดยส่วนใหญ่จะเป็นระบบเปิดคือมีการนำเข้าวัตถุดิบจากสิ่งแวดล้อมภายนอก มีกระบวนการแปรรูปวัตถุดิบ มีการส่งผลผลิตที่ได้จากการแปรรูปกลับคืนไปยังสภาพแวดล้อมภายนอก คำว่า "วัตถุดิบ" นี้จะมองไปถึง "ข้อมูล" "ทรัพยากร"  "บุคคล" ฯลฯ ก็ได้

ตัวอย่างการบรรยายระบบแบบต่าง ๆ ของเบอร์ทานลานฟฟี
ตัวอย่างการบรรยายระบบแบบต่าง ๆ ของเบอร์ทานลานฟฟี

คาร์ล ลุดวิค ฟอน เบอร์ทาลานฟฟี ทำการศึกษาคุณสมบัติทั่วไปของระบบ (General System Theory: GST) และตีพิมพ์หนังสือ General System Theory: Foundations, Development, Applications ในปี ๑๙๖๘ ความจริงเขาเริ่มคิดถึงและเลคเชอร์เรื่องนี้มาตั้งแต่ปี ๑๙๓๗ แล้วตีพิมพ์หนังสือเป็นภาษาเยอรมันในปี ๑๙๔๖ นับตั้งแต่นั้นเป็นต้นมามีการประยุกต์ใช้ทฤษฎีระบบกับองค์ความรู้สาขาต่าง ๆ อย่างหลากหลาย ตัวอย่างเช่นในการจัดการองค์กร มินส์เบิร์กปรับปรุงพื้นฐานความรู้เรื่อง "โครงสร้างระบบราชการ" (๑๙๒๒) ของเว็บเบอร์ มาเป็นโครงสร้างองค์กรที่ขึ้นกับภารกิจ แม้มินส์เบิร์กจะใช้ทฤษฎีระบบแบบเปิด แต่แนวคิดการปรับตัวเข้ากับสภาพแวดล้อมกลับแสดงให้เห็นว่าโครงสร้างองค์กรของมินส์เบิร์กมีลักษณะตั้งรับอยู่มาก องค์ความรู้ในระยะหลังจะพัฒนาให้องค์กรปรับตัวเชิงรุกจนถึงกับไปเปลี่ยนสภาพแวดล้อมได้

การแบ่งประเภทระบบเป็นสี่แบบ
การแบ่งประเภทระบบเป็นสี่แบบ

จากภาพข้างบนนี้ จะเห็นว่ามีการแบ่งรูปแบบหรือ "ระบบ" (ขอใช้คำนี้แบบหลวม ๆ) ออกเป็นสี่แบบ ซึกขวา (complicated, simple) อยู่ภายใต้ทฤษฎีระบบมาตรฐาน ส่วนซีกซ้าย (complex, chaotic) จะตกอยู่ใต้ทฤษฎีซับซ้อน ถ้าแบ่งเป็นซีกบนและซีกล่าง ซีกบนจะมีความซับซ้อน ซีกล่างจะเป็นระบบที่ยังไม่ซับซ้อน หรือแม้จะมีความซับซ้อนแต่ระดับความซับซ้อนของระบบในซีกล่างนั้นก็ไม่เทียบเท่ากับซีกบน

ความจริงอย่างที่ได้กล่าวไป "ระบบ" ส่วนใหญ่ที่เกิดขึ้นในธรรมชาติมีสภาพแบบทั้งซับซ้อนและปรับตัวได้ (CAS) ตัวอย่างเช่นร่างกายมนุษย์ความจริงก็ประกอบขึ้นจากเซลล์อย่างง่ายมารวมเข้าด้วยกัน แล้วแต่ละเซลล์ก็แปรสภาพไปทำหน้าที่ต่าง ๆ กันในระบบ ถ้าเราดูตัวอย่างรอบตัวไม่ว่าจะเป็นสังคม การจราจร ตลาดหุ้น เศรษฐกิจ ฯลฯ ต่างก็มีสภาพซับซ้อนและปรับตัวได้ทั้งนั้น มีเพียงระบบที่มนุษย์สร้างขึ้นอย่างนาฬิกาถึงเป็นระบบอย่างง่าย อย่างมากสุดก็ complicated ไม่ถึงกับซับซ้อน แต่ความจริงถ้านับรวมการผุกร่อนสึกหรอ และผลจากการปฏิสัมพันธ์กับและที่ได้รับจากสภาพแวดล้อม ก็ต้องนับว่าซับซ้อน

CAS มีลักษณะพิเศษกว่าระบบพื้นฐานทั่วไปในแง่ที่ว่า ๑) มีระบบย่อยเป็นองค์ประกอบอยู่ภายในเป็นจำนวนมาก, ๒) องค์ประกอบเหล่านั้นมีปฏิสัมพันธ์กันอย่างพลวัต (dynamics), ๓) ระดับการปฏิสัมพันธ์ระหว่างองค์ประกอบนั้นเป็นไปอย่างสม่ำเสมอและทั่วถึง, ๔) ลักษณะการปฏิสัมพันธ์นั้นมีลักษณะไม่เป็นเชิงเส้น (non-linear), ๕) มีกลไกการป้อนกลับในปฏิสัมพันธ์, ๖) เป็นระบบเปิดและไม่คงที่มีลักษณะการปรับตัวหรือวิวัฒนาการปรับรูปไปได้, ๗) มีลักษณะ "ประวัติศาสตร์" คือในระหว่างการวิวัฒน์มักจะซ้ำรอยรูปแบบเดิมของตนเอง, ๘) ส่วนประกอบย่อยมีพฤติกรรมอิสระโดยไม่จำเป็นต้องมีพฤติกรรมเหมือนส่วนรวมทั้งหมด ความจริงยิ่งมีความหลากหลายมีจำนวนองค์ประกอบย่อยมากเท่าไหร่ ก็ยิ่งมีความแข็งแกร่งมั่นคงของระบบโดยรวมมากเท่านั้น

ระบบซับซ้อน

ถ้าเราจัดแบ่งให้ ระบบที่มีระเบียบแบบคงที่ตายตัวสุดซีกไปทางฝั่งขวามือ ระบบแบบนี้มักเป็นระบบภายใต้แนวคิดแบบ GST, ส่วนระบบหรือรูปแบบที่มีลักษณะเชิงสุ่มอย่างสมบูรณ์แบบ (completely randomness) จะอยู่สุดซีกไปทางซ้ายมือ

CAS  จะอยู่ตรงกลางระหว่างสองรูปแบบนี้ ส่วนรอยต่อระหว่าง CAS และรูปแบบเชิงสุ่มสมบูรณ์คือระบบโกลาหล (chaotic system) พูดอีกอย่างคือระบบซับซ้อนเกิดขึ้นจากรอยต่อของระบบโกลาหล (On the other hand, complex systems evolve far from equilibrium at the edge of chaos. They evolve at a critical state built up by a history of irreversible and unexpected events, which physicist Murray Gell-Mann called "an accumulation of frozen accidents".) หรือหลุดจากริมขอบของความโกลาหล (Edge of Chaos) ก็กลายเป็น CAS

หมายถึงระบบโกลาหลไม่ใช่สุ่มอย่างสมบูรณ์แบบ แต่มันมีระเบียบบางอย่างซ่อนตัวอยู่ (deterministic not probabilistic) เพียงแต่ว่าตัวแปรตั้งต้นที่ก่อระเบียบนั้นมีลักษณะอ่อนไหวในช่วงเริ่มต้นอย่างยิ่งยวด ดูตัวอย่างสภาพอ่อนไหวดังว่าจากการเคลื่อนไหวจากมีระเบียบสู่ไม่มีระเบียบของลูกตุ้มสองตอน ด้วยเหตุนี้เองการเรียก Chaos theory ว่าทฤษฎีไร้ระเบียบจึงมีปัญหาในเชิงภาษา เนื่องเพราะ, ดังที่ได้พูดไปข้างต้นแล้ว, ว่ามันมีระเบียบบางอย่างซ่อนตัวอยู่

คุณสมบัติที่มีลักษณะอ่อนไหวในช่วงเริ่มต้นอย่างยิ่งยวดนี้เอง ทำให้เราอาจพอทำนายรูปแบบของระบบโกลาหลหากเราทราบตัวแปรตั้งต้นทั้งหมดได้ในระยะสั้น แต่ในระยะยาวเราไม่สามารถทำนายผลได้ คนที่พบเรื่องนี้คือ เอ็ดเวิร์ด ลอเรนซ์ ในการพัฒนาแบบจำลองภูมิอากาศ  เมื่อเขาใส่ตัวเลขผิดไประดับทศนิยมกลับทำให้ผลที่เกิดขึ้นต่างจากผลแบบจำลองเก่าอย่างมาก

เราอาจจะพูดอีกอย่างก็ได้ว่าระบบโกลาหลเป็นรูปแบบย่อยรูปแบบหนึ่งของระบบซับซ้อน แต่สิ่งที่แตกต่างออกไปคือระบบซับซ้อนมี "ลักษณะประวัติศาสตร์" แต่ระบบโกลาหลไม่มี (In a sense chaotic systems can be regarded as a subset of complex systems distinguished precisely by this absence of historical dependence.) โปรดย้อนกลับไปดูภาพระบบสี่แบบข้างบน

โดยทั่วไปเราสามารถทำการศึกษาระบบทั่วไปภายใต้ GST ทั้ง Simple และ Complicated โดยการอ้างอิง "ตัวแปรต้น" และ "ตัวแปรตาม" และทำการกำหนดความเชื่อมโยงที่เป็นเหตุเป็นผลกัน (causal linkage) ระหว่างตัวแปรทั้งสองประเภท เราสามารถทำการเชื่อมโยงเหตุผลจากข้อกำหนดตั้งต้นด้านบนนี้ไปสู่ข้อสรุปทั่วไปแบบอุปนัย (inductive) หรือแตกจากข้อสรุปกลับมาสู่ข้อกำหนดตั้งต้นแบบนิรนัย (deductive) ก็ได้ เมื่อเราทราบตัวแปรทั้งหมด เราก็สามารถทำการพยากรณ์ระบบแบบนี้ได้

แต่ในระบบซับซ้อนและระบบโกลาหลภายใต้ complexity theory เราไม่สามารถคาดการณ์ หรือสามารถทำการศึกษาทั้งแบบอุปนัยและนิรนัยได้ การแกว่งลูกตุ้มสองตอนให้ผลไม่ซ้ำกันเลยในแต่ละครั้ง หรือรูปแบบการระบาดของโควิดในแต่ละประเทศไม่เหมือนกันเลย แต่เราสามารถใช้แบบจำลองคอมพิวเตอร์เพื่อศึกษาเพื่อทำความเข้าใจรูปแบบการวิวัฒน์ของระบบซับซ้อนได้ แบบจำลองคอมพิวเตอร์นี้จะเรียกว่า Agent-based Model (ABM) ซึ่ง ABM ที่มีคนนิยมนำมาใช้ศึกษามากที่สุดคือ NetLogo เป้าหมายของการใช้ ABM คือเพื่อเสริมความรู้ความเข้าใจและญาณทัศนะ (intuition)  ไม่ใช่การควานหารูปแบบของข้อมูลอย่างอุปนัย หรือไม่ใช่การหาผลลัพธ์แบบนิรนัย (Whereas the purpose of induction is to find patterns in data and that of deduction is to find consequences of assumptions, the purpose of agent-based modeling is to aid intuition.) จะว่าไป ABM เป็นเครื่องมือสำหรับการทดลองทางความคิดแบบหนึ่ง

หากใครสนใจการถกเถียงระหว่างการศึกษาสองรูปแบบนี้ให้ดูได้จากหนังสือ "The Positivist Dispute in German Sociology" ซึ่งเป็นข้อถกเถียงระหว่าง คาร์ล ป็อบเปอร์ ผู้เป็นเมนธอร์ของจอร์จ โซรอส เจ้าพ่อกองทุนเฮดจ์ฟันด์ และ ธีโอดอร์ อดอร์โน หนึ่งในแกนนำสำนักแฟรงค์เฟิร์ต

โลกดอกเดซี่ย์

ภาพแสดงแบบจำลองโลกดอกเดซี่ย์บน NetLogo
ภาพแสดงแบบจำลองโลกดอกเดซี่ย์บน NetLogo

ภาพข้างบนนี้เป็นผลจากการจำลองบนโปรแกรม NetLogo เราสามารถดาวน์โหลดโปรแกรมนี้มาทดลองเล่นบนคอมพิวเตอร์ของเราได้ หรือสามารถเข้าไปเล่นได้บนเว็บไซต์ netlogoweb ให้กดที่ปุ่ม "setup" ด้านบนซ้ายแล้วกดที่ปุ่ม "go" ที่อยู่ข้างใต้ลงมา ในระหว่างที่โปรแกรมกำลังทำงานนั้น เราสามารถปรับค่าพารามิเตอร์ต่าง ๆ ได้

แบบจำลองโลกของดอกเดซี่ย์นั้น สมมติว่าบนดาวเคราะห์สมมติมีสิ่งมีชีวิตชนิดเดียวคือดอกเดซี่ย์ ซึ่งต้นไม้นี้จะมีสองพันธุ์คือพันธ์ที่ให้ดอกดำและพันธุ์ที่ให้ดอกขาว ในกรณีที่โลกมีอุณหภูมิต่ำดอกเดซี่ย์ดำจะเจริญเติบโตแพร่พันธุ์ได้ดี และเพราะดอกมีสีดำจึงสามารถอมแสงอาทิตย์มาได้มาก (ค่าสะท้อนแสงอาทิตย์ต่ำ หรือ low albedo) แต่เมื่อดอกเดซี่ย์ดำแพร่พันธุ์ไประยะหนึ่งเนื่องจากมันอมแสงอาทิตย์จึงเก็บสะสมอุณหภูมิบนดาวเคราะห์เพิ่มขึ้น เมื่ออุณหภูมิดาวเคราะห์เพิ่มขึ้นไปถึงระดับหนึ่งจะทำให้ดอกเดซี่ย์ขาวเจริญเติบโตแพร่พันธุ์ได้ดีแข่งกับดอกเดซี่ย์ดำ ส่วนดอกเดซี่ย์ดำจะตายลงไปเพราะไม่ถูกกับอุหภูมิสูง แต่เนื่องจากดอกเดซี่ย์ขาวสะท้อนแสงอาทิตย์ออกไปมาก (high albedo) จึงทำให้อุณหภูมิพื้นผิวดาวเคราะห์ต่ำลง เมื่อถึงตอนนั้นดอกเดซี่ย์ดำจะกลับมาเจริญเติบโตและแพร่พันธุ์ได้มากขึ้นใหม่และจะสลับกันไปมาเช่นนี้ แต่เหตุการณ์ที่เกิดขึ้นกลับทำให้ในระยะยาวดาวเคราะห์นี้จะรักษาค่าเฉลี่ยอุณหภูมิให้พออยู่ได้ทั้งสองสายพันธุ์ (ดูกรอบหน้าจอ Global temperature) ทำให้จำนวนประชากรของเดซี่ย์ทั้งสองสายพันธุ์อยู่ในค่าเฉลี่ยที่ใกล้เคียงกัน (ดูกรอบหน้าจอ Population)

เราเรียกการสลับกันเติบโตของเดซี่ย์ทั้งสองสายพันธุ์ว่ามีลักษณะเป็นวงจรป้อนกลับเชิงลบ (negative feedback) เพื่อควบคุมระบบให้กันและกัน (constraint) (ในทางตรงข้ามวงจรป้อนกลับเชิงบวก positive feedback จะทำให้เกิดการเร่งค่าในระบบบางอย่างขึ้น) จะเห็นว่าการผุดบังเกิด (emergence) ของคุณสมบัติที่เรียกว่าวงจรป้อนกลับเชิงลบเพื่อควบคุมระบบให้สมดุลอย่างเป็นไปเอง โดยที่คนสร้างระบบอย่างเราไม่ได้เข้าไปเกี่ยวข้องควบคุมอะไรด้วยเลย ถือเป็นคุณสมบัติที่สำคัญมากอย่างหนึ่งของระบบซับซ้อนนี้ (Negative feedback introduces constraints that serve to fix structures or behaviours. In contrast, positive feedback promotes change, allowing local variations to grow into global patterns.)

จะเห็นว่าระบบซับซ้อนในธรรมชาติต่างเต็มไปด้วยวงจรป้อนกลับทั้งเชิงลบและเชิงบวก วงจรป้อนกลับเหล่านี้กำหนดรูปแบบ (pattern) ระบบซับซ้อนที่เป็นไปเองโดยไม่ต้องมีใครสั่งใคร เรียกว่ามีการจัดระเบียบตัวเอง (self organizing) ตัวอย่างเช่นเวลาเราเข้าไปนั่งในชั้นเรียน ที่นั่งแถวหลัง ๆ มักเต็มเร็วกว่าที่นั่งแถวหน้า  รูปแบบของฝูงนกที่บินไปบนท้องฟ้าเป็นหมู่ ซึ่งมันพยายามรักษาระยะห่างระหว่างตนเองกับสมาชิกในฝูงไม่ให้ห่างเกินไปหรือใกล้เกินไป ฯลฯ

Class ของระบบซับซ้อน

สตีเฟน วูลแฟรม (เจ้าของ Mathemetica) ได้คิดค้นโปรแกรมคอมพิวเตอร์ที่เรียกว่า Cellular Automata ขึ้นมา เพื่อใช้ทำการจำลองระบบซับซ้อนขึ้นเป็นสิ่งมีชีวิตอย่างง่าย เขาพบว่าในระบบซับซ้อนจะถูกจัดอยู่ได้ทั้งสิ้นสี่ประเภทด้วยกัน เขาเสนอว่าเฉพาะ Class 3 เป็นระบบซับซ้อนที่มีรูปแบบสุ่มแบบไม่ซ้ำกันเลย (ปรากฎในรูปข้างล่างเป็น rule 30) ส่วนรูปแบบที่ 4 ซึ่งยิ่งมีความสนใจมากขึ้นไปอีก (ปรากฎในรูปข้างล่างเป็น rule ที่ 110)  เรื่องนี้แสดงให้เห็นว่ากฎง่าย ๆ เพียงไม่กี่กฎก็สามารถสร้างระบบซับซ้อนให้ผุดบังเกิดขึ้นมาได้

  • Class 1: Nearly all initial patterns evolve quickly into a stable,homogeneous state. Any randomness in the initial pattern disappears. 
  • Class 2: Nearly all initial patterns evolve quickly into stable or oscillating structures. Some of the randomness in the initial pattern may filter out, but some remains. Local changes to the initial pattern  tend to remain local.
  • Class 3: Nearly all initial patterns evolve in a pseudo-random orchaotic manner. Any stable structures that appear are quickly destroyed by the surrounding noise. Local changes to the initial pattern tend to  spread indefinitely.
  • Class 4: Nearly all initial patterns evolve into structures that interact in complex and interesting ways, with the formation of local structures that are able to survive for long periods of time.
  • สรุป

    ในบทความ Complexity Theory: An Overview with Potential Applications for the Social Sciences ได้ทำการกำหนดคุณสมบัติและขอบเขตทฤษฎีระหว่างทั้งสามองค์ความรู้ไว้ข้างต้นคือ GST, CAS และ Chaos สองอันหลังอยู่ภายใต้องค์ความรู้ของทฤษฎีซับซ้อน แต่ก็จะเห็นว่าทฤษฎีทั้งสามมีความเชื่อมโยงเหลื่อมซ้อนกันอยู่

    ดูงานวิจัยและตัวอย่างแบบจำลอง ABM ทางสังคมศาสตร์แบบต่าง ๆ ได้จาก The Journal of Artificial Societies and Social Simulation

    สำหรับผู้สนในรายละเอียดและที่มาของสมการคณิตศาสตร์แบบ Nonlinear ที่ใช้ในทฤษฎีซับซ้อนสามารถดูได้จาก Encyclopedia of Nonlinear Science

    ดูฐานข้อมูลและห้องสมุดดิจิตัลสำหรับเก็บรักษาแบบจำลองแบบต่าง ๆ  (the Network for Computational Modeling in Social and Ecological Sciences๗ ได้ที่นี่ https://www.comses.net/

    อ่านประวัติการค้นพบทฤษฎีโกลาหล ซึ่งเกี่ยวข้องกับการช่วยเหลือของสุภาพสตรีนิรนามในเรื่องการทำแบบจำลองคอมพิวเตอร์ให้กับลอเรนซ์ที่นี่ (The Hidden Heroines of Chaos)

    OODA

    ในอดีตต้องนับว่าสงครามไม่ว่าจะเป็นการรับหรือการรุกสุดท้ายจะกลับเข้าสู่รูปแบบ "สงครามพล่ากำลัง" (attrition warfare) ทั้งสิ้น คือในระยะยาวหากทั้งสองฝ่ายยังตั้งประจัญกัน ลักษณะของสงครามแบบนี้จะค่อย ๆ ทอนทรัพยากรและกำลังรบของทั้งคู่ลง ทำให้ในที่สุดแล้วผลของสงครามจะวัดจากขนาดของทรัพยากรและกำลัง กล่าวคือฝ่ายใดมีทรัพยากรและกำลังมากกว่าฝ่ายนั้นจะเป็นฝ่ายชนะ



    แต่ในความเป็นจริงความเหนือชั้นกว่าของยุทโธปกรณ์ซึ่งมักเกิดขึ้นจากนวัตกรรมสามารถชดเชยความด้อยกว่าด้านปริมาณได้ ในช่วงสงครามเย็น มีการคำนวณโดยใช้สมการของ Lanchester ว่าสหรัฐฯ ต้องการยุทโธปกรณ์เหนือกว่าโซเวียตราวหนึ่งร้อยเท่า (ซึ่งเป็นไปไม่ได้) ดูเหมือนว่าในที่สุดจะไม่มีใครเอาชนะสงครามแบบนี้ได้เลย แต่ในที่สุดก็มีนักการทหารคนหนึ่งชื่อ John Boyd ได้ทำการศึกษายุทธการของเยอรมนีในช่วงสงครามโลกครั้งที่สองอย่างละเอียด

    เขาพบว่าในช่วงต้นของสงครามโลกครั้งที่สองเยอรมนีใช้ยุทธการสงครามสายฟ้าแลบ (Blitzkrieg) เอาชัยสงครามในช่วงต้นได้อย่างรวดเร็ว โดยเยอรมนีสามารถหลีกเลี่ยงปัญหาการเผชิญหน้าในสงครามสนามเพลาะเหมือนสมัยสงครามโลกครั้งที่หนึ่งกับฝรั่งเศสไปได้อย่างเด็ดขาด จอห์น บอยด์ ได้ทำการวิเคราะห์ว่าปัจจัยอะไรที่สร้างความสำเร็จให้กับยุทธการสายฟ้าแลบ และเขาพบว่ามีสามประการคือ

    (1) Einheit — Trust
    นายทหารและทหารเยอรมันในกองพันรถถังต่างก็ให้ความไว้วางใจกันอย่างมากถึงขนาดมองตาก็รู้ใจ สภาพแบบนี้ทำให้ไม่จำเป็นต้องลงไปกำกับงานในระดับย่อย ๆ เลย (ย้อนกลับไปดูหลักการ self-organizing ของระบบซับซ้อนข้างต้น) บอยด์สรุปว่าคุณสมบัติข้อนี้เกิดขึ้นได้เพราะทหารเหล่านี้เชื่อถือในคุณค่าแบบเดียวกัน (shared value) และผ่านความยากลำบากในโรงเรียนทหารมาด้วยกัน

    (2) Fingespitzengelfühl — Intuitive skill
    ในสนามรบเราไม่สามารถปฏิบัติตามแผนเป๊ะ ๆ ได้ต้องปรับตามสภาพการณ์ในสนามรบ และต้องทำให้ไวและแม่นยำ เหมือนการฝึกฟันดาบหรือศิลปการต่อสู้ เราไม่สามารถคิดว่าจะฟันตรงนี้ จะต่อยตรงโน้น จะรับตรงนี้ แต่ต้องฝึกให้สัญชาตญาณการต่อสู้นั้นซึมลงกระดูกดำ กระทำโดยเสียเวลาคิดให้น้อยที่สุด เหมือนเรากระพริบตาหรือหายใจเราก็ไม่เคยคิดเลย

    (3) Schwerpunkt — Focus
    มุ่งเน้นผลลัพธ์ ไม่ต้องลงรายละเอียด กำหนดให้ทุกคนในทีมมุ่งเน้นเป้าหมายหลัก แต่แท็คติคในสนามรบปรับปรุงไปได้ตามสถานการณ์หน้างาน เปรียบเสมือนว่าเราให้เป้าหมายกับทีมว่าเราต้องการเดินทางจากกรุงเทพฯ ไปเชียงใหม่ แต่การเดินทางนั้นจะใช้วิธีใดก็ได้เพื่อไปให้ถึงจุดหมาย ให้ทีมปรับตัวอย่างยืดหยุ่นหน้างาน

    ในที่สุดบอยด์ได้สรุปหลักการที่เรียกว่า OODA เพื่อแก้ปัญหาเรื่อง Attrition warfare นี้ OODA ประกอบด้วย Observe, Orient, Direct, Act เป้าหมายของหลักการ OODA มีเพียงประการเดียวคือเปลี่ยน/ปรับตัวให้เร็วที่สุด "He who can handle the quickest rate of change survives."

    จะเห็นว่าหลักการทั้งสามข้อของ Blitzkrieg ล้วนมีเป้าหมายเพื่อเพิ่มความเร็ว (tempo) ของ OODA loop นี้ (เรียกว่า fast transient)

    ยิ่งไปกว่านั้นบอยด์ยังได้แนะนำว่า นอกเหนือไปจากเพิ่มจังหวะของเราแล้ว เรายังต้องเข้าไปทำลายจังหวะ OODA ของคู่แข่งอีกด้วย

    บอยด์ยกตัวอย่างสงครามเวียดนามว่า ในช่วงสงครามวันตรุษ เวียดนามเหนือได้ลุกฮือขึ้นครั้งใหญ่โจมตีทั่วประเทศ ในความเป็นจริงจากสถิติการเสียชีวิตและผู้บาดเจ็บเวียดนามเหนือได้รับความเสียหายมากกว่าเวียดนามใต้และสหรัฐฯ  แต่จากสภาพแคมเปญโจมตีวันตรุษของเวียดนามเหนือที่อยู่เหนือการคาดหมาย และสร้างความเสียหายกับเวียดนามใต้อย่างมาก แต่จากรายงานข่าวของสื่อโทรทัศน์ถึงสภาพสงครามทำให้แม้พวกนายพลทหารสหรัฐฯ จะอธิบายอย่างไรแต่สาธารณชนสหรัฐฯ ก็ไม่ยอมรับฟังอีก กลับสงสัยว่าทางการสหรัฐฯ ปิดข่าวหรือกำลังกลบเกลื่อนความเสียหาย (ในขณะนั้นมีข่าวอื้อฉาวเรื่องกรณีวอเตอร์เกตด้วย) ในที่สุดจากแรงกดดันนี้ทำให้สหรัฐฯ ต้องถอนตัวจากเวียดนามในที่สุด เรียกว่าฝ่ายเวียดนามเหนือสามารถทำลายจังหวะ OODA loop ของสหรัฐฯ ได้ ถึงแม้จะประสบความสูญเสียจากยุทธการวันตรุษมากกว่าก็ตาม

    You Must Get Inside Your Adversary’s OODA Loop - Getting inside your adversary’s OODA loop lets you take control of the situation and win. You get inside your adversary’s OODA loop by executing “fast transients,” WTF moments designed to make your adversary feel trapped in an unpredictable world of doubt, mistrust, confusion, disorder, fear, panic, and chaos.

    สุดท้ายบอยด์ได้แนะนำให้แยกแยะระหว่าง OODA ของแผนหลัก แผนรอง และแผนขนาดย่อย  และในขณะเดียวกันก็ต้องเชื่อมโยง OODA เหล่านั้นเข้าด้วยกันด้วย



    Boyd saw OODA at every level of the military: Grand Strategy, Strategy, Grand Tactics and Tactics:
    1. Grand Strategy- There was an OODA loop that took four years between election cycles

    2. Strategy - There was another one that might happen over the course of a quarterly plan

    3. Grand Tactics - There was another over the course of a day or week

    4. Tactics - There was an OODA that happens in a fraction of a second inside a 
unit commander’s mind on the battlefield. 









    end./




    หมายเลขบันทึก: 688786เขียนเมื่อ 6 กุมภาพันธ์ 2021 19:25 น. ()แก้ไขเมื่อ 26 กุมภาพันธ์ 2021 17:34 น. ()สัญญาอนุญาต: ครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง


    ความเห็น (0)

    ไม่มีความเห็น

    พบปัญหาการใช้งานกรุณาแจ้ง LINE ID @gotoknow
    ขอแนะนำ ClassStart
    ระบบจัดการการเรียนการสอนผ่านอินเทอร์เน็ต
    ทั้งเว็บทั้งแอปใช้งานฟรี