John Holland – Complexiteit

Je organisatie in de grip krijgen. Dat is proberen om vele spelers die zelf denken en doen in de hand krijgen. Dat is wat men noemt een adaptief complex systeem in de grip krijgen. Zoiets als de aandelenmarkt in je grip krijgen, of het voetbalspel van de twee partijen vooraf programmeren/voorspellen. Maar als dat simpel zou lukken was iedereen miljonair. Waar zit dan de aanpak?

En Artifi Intel, is steeds meer een black box, die probeert ons mensen na te doen. Wij zijn complex, hoe zit dat bij AI? Lees verder.

Note: deze tekst schreef ik in juli 2024, dus een jaar geleden. Maakte vandaag nog wat correcties. Inmiddels is de wereld verder, maar niet verder in complexiteit beter snappen dan John Holland dat deed. Dus lees verder.

Kern van verhaal: er is een verschil tussen een steen gooien en een vogel.

Van een steen kan je voorspellen waar die belanden gaat, waar de vogel gaat uitkomen niet. En steeds meer besluiten zitten in het begrijpen hoe de vogel vliegen gaat en waar die gaat uitkomen. Het is niet meer lineair denken.

Hoe organiseer of besluit je bij iets dat complex is?

Veel mensen willen de koers van de aandelenmarkt begrijpen en beheersen en zo winst maken. Dat lukt niet. Veel mensen willen begrijpen hoe studenten leren. Dat lukt niet. Veel mensen willen het klimaat begrijpen en beheersen. Dat lukt niet. Waarom lukt dat niet? Omdat het complexe systemen zijn. Dit artikel gaat daarover. Het legt je uit dat iets dat complex is ook een logica heeft en je daar gebruik van kan maken om grip te krijgen.

Nut van lezen? Als je het Cynefin model gebruikt, vertel ik hier waar de essentiële overgang zit tussen het rechtse kwadrant en het linkse. Wat is het verschil tussen iets dat complex is in de fysieke wereld en de niet-fysieke wereld.

Hoe interessant is het de patronen te zien van menselijk handelen, bijvoorbeeld in besluitvorming.

Ik heb het artikel in stappen opgedeeld, die ik ‘begrijp punten’ heb genoemd. Dat is een beetje docentachtig, maar slechts bedoelt dat je bij het lezen merkt dat je sprongen maakt in je denken/begrijpen.

Inleiding

De grondlegger van het denken rond Complexiteit is John Holland. En die heeft veel gepubliceerd. Zo ook een boekje in de serie ‘Elementaire Deeltjes’ dat ik las waarin die in het voorwoord schreef: ‘Enigszins tot mijn verrassing vergrootte het schrijven van dit boek mijn begrip van complexiteit..’. Zo schreef die John Holland. Dus schrijven helpt begrijpen, en dat is de reden dat ik dit artikel schrijf. Ik ben lang niet zo wetenschappelijk als meneer Holland, dus moet dingen leren door er iets over schrijven.

Wat is complexiteit?

Daar is geen vaste definitie voor te geven. Dat hangt wat samen met het feit dat het over iets levens gaat, of iets dat eigen besluit neemt. En dat lijkt altijd moeilijk vast te pakken, vast te definiëren.

Waar kom je het tegen en waarom nuttig er iets van te weten?

Effecten in de maatschappij. In sociale systemen is er sprake van complexiteit. Een wijk in een stad heeft een dynamiek die je wil analyseren om er bijvoorbeeld de veiligheid te verbeteren of verkeersstromen.

Effecten in technologische systemen. Zoals in netwerken van computers of het internet.

Effecten bij organisatie ontwerp. Er zijn vele organisatie vormen te bedenken. Allen gebruiken mensen als onderdelen. En die denken zelf na en acteren zelf, daarmee is het complex.

Effecten bij innovatie. Innovatie is een evolutionair proces waarin nieuwe technologieën ontstaan, groeien, en soms uitsterven op manieren die analoog zijn aan biologische evolutie. Technologische vooruitgang is vaak niet lineair en wordt beïnvloed door onverwachte doorbraken en innovaties. (zie Brian Arthur’s artikelen)

Etc.

Er zijn talrijke voorbeelden van complexe systemen met zelforganisatie in de natuur, zoals de vorming van zwermen vogels, vis scholen, de structuur van mierenkolonies, en de opkomst van patronen zoals zebra strepen of de regelmatige rangschikking van bladeren en bloemen.

Emergentie is een woord dat je nodig hebt om complexiteit te begrijpen.

Wat is emergentie?

Dat is dat 1 en 1 meer is dan 2. Het geheel is meer dan de som der delen. Het is het verschijnsel waarbij eenvoudige regels of interacties tussen onderdelen van een systeem leiden tot complexe en onvoorspelbare patronen op grotere schaal. Denk hierbij aan het klimaat, daar zijn zo veel relaties en afhankelijkheden, dat niet te voorspellen is wat er gebeuren gaat. Of denk aan een klaslokaal met 24 studenten. Er zijn 24 verschillende manieren waarop de mensen iets horen, vertalen naar iets uit hun verleden zodat ze het kunnen onthouden en dan dus ook 24 verschillende visies mogelijk hebben.

Besluitvorming: in besluitvorming in een groep is dat net zo. Ieder persoon in de groep is onderdeel van de groep. Maar niet als een optel som zoals 1 + 1 is 2. En als er 5 mensen moeten besluiten over iets is het 5 keer een vast logisch iets.  Neen, kan 5 keer heel andere visies, richtingen etc zijn. En om het erger te maken, zelfs als die met iets bezig zijn veranderd het nog steeds, zonder enige ogenschijnlijke reden.

Om die gedachte toe te passen, moet je denken dat het hier gaat om iets dat niet lineair is. Als voorbeeld daarvan zegt met vaak dat je een watermolecuul hebt. Die ene molecuul daar kan je niet van zeggen dat het ‘nat’ is. Maar wanneer kan je dat wel zeggen dat het nat is?

Of je hebt een bergje zand. En je neemt er steeds 1 zandkorrel vanaf. Wanneer is het dan geen bergje zand meer?

Het niet-lineair zijn zal leiden tot organisatieniveaus en hiërarchie. (volgens Herbert Simon in zijn boek The Sciences of the Artificial).

Waarom is emergentie goed? Emergentie leidt tot coherente structuren en gedragingen die consistent blijven over tijd, ondanks de dynamische en soms chaotische interacties op het microniveau. Dit geeft het systeem stabiliteit en veerkracht.

Het gedrag van complexe systemen

Er zou een aantal kenmerkende gedragingen zijn van complexe systemen volgens Holland. Hierna overloop ik zijn gedachtepunten.

Zelforganisatie. Er zou in wat dingen doen een logica zitten, een dynamiek van het zelf gaan organiseren. Zoals vogels die naar het zuiden vliegen automatisch in zwermen vliegen waar een patroon in zit. Of een school vissen die een duidelijk patroon hebben waarin ze zwemmen. Dat organiseren ze zelf.

Chaotisch gedrag. Een klein verandering in de start van iets kan leiden tot grote veranderingen. Het verhaal van die vlinder in China die een orkaan in Canada teweegbrengt.

‘Dikke staart gedrag’. Hierbij komen zeldzame gebeurtenissen vaker voor. Vaker dan je op grond van een normaalverdeling zou verwachten.

Adaptieve interactie. Deelnemer werken op mekaar in en veranderen zo het spel. Zoals bijvoorbeeld op de aandelenmarkt, waarbij handelaren op grond van nieuwe ervaringen, gebeurtenissen, weer nieuwe interactie hebben.

Niet van Holland maar wel relevant als je complexe systemen wil begrijpen:

Niet lineair. Veel processen in complexe systemen zijn niet-lineair, wat betekent dat kleine veranderingen grote effecten kunnen hebben, en omgekeerd. Dit maakt de dynamica van complexe systemen moeilijk te voorspellen.

Feedback lussen. Deze zijn essentieel in complexe systemen. Positieve feedback versterkt veranderingen en kan leiden tot instabiliteit of snelle groei, terwijl negatieve feedback veranderingen dempt en stabiliteit bevordert.

Fractale Structuren. Complexe systemen vertonen vaak zelf-gelijkende patronen over verschillende schalen. Dit betekent dat de structuur op een groot niveau lijkt op die op een kleiner niveau, zoals te zien is in fractals en bepaalde natuurverschijnselen.

! Dit is een fascinerend iets. Een kleine formule geeft onbeperkte mogelijkheden. De formule van een fractal is: z=x+iy. En die simpele rekensom geeft oneindig veel vormen.

Netwerkdynamica. Veel complexe systemen kunnen worden gemodelleerd als netwerken van interacterende onderdelen. Zelf denk ik dan bijvoorbeeld aan voetbal: iedere speler is een interactief onderdeel en die werken samen in een netwerk en dat noemen we het voetbalteam.

Begrijp punt 1: Twee soorten complexiteit: Fysieke en Adaptieve

Complex Fysiek systeem. Aan de ene kant heb je systemen die fysiek zijn, zoals een steen en gras. Als een fysiek iets moeilijk te begrijpen is, dan kan je het nog steeds oplossen met wetten, met logica die altijd waar is. Als je een steen loslaat, zal die vallen. Er zijn vaste wetten in de natuur, waar de natuur niet van afwijkt. Omdat het daarvan niet kan afwijken. De steen kan onderweg niet denken, ‘he ik ben aan het vallen, ik ga nu toch even een stukje omhoog’. Hoe een raket naar de maan vliegt dat is complex om te ontwerpen, maar voldoet aan vaste logica van de wetten van de natuur. Dat noemt men een Complex Fysiek System.

Complex Adaptief systeem. Aan de andere kant heb je systemen die in het systeem zelf ‘agenten’ hebben die zelf bepalen wat ze doen. Met het woord ‘agenten’ bedoelt men in dit verband iets dat zelf kan bepalen wat er gebeuren gaat.

Jip en Janneke taal

Je wil een ei koken. In een Fysieke logica via Complex Fysiek System gaat het dan als volgt: Water in pan, dan ei erin, vuurtje eronder, vijf minuten wachten = altijd een gekookt ei.

In een Complex Adaptieve systeem komt er een ‘agent’ tussen: Water in de pan, dan ei erin, vuurtje eronder, en nu is het een ei dat zelf iets kan besluiten en doen. Het ei nu bepaald of het uit te pan springt, of het ei gekookt gaat worden, of het ei leegloopt in de pan etc. =het  eind effect is onbekend. Je weet nooit zeker of het ei er gekookt uit zal komen, dat hangt geheel van de ‘agent’ af.

Je wil rekensom maken van 2 en 2 en gebruikt een rekenmachine. Waar je op de wereld die rekensom maar wil maken, er zal altijd 4 uit komen. Want dat hebben we zo afgesproken.

Je wil een 5 jarig leren dat 2 en 2 als resultaat een 4 geeft. Wat dat kind maar doet, het is niet te voorspellen. De een neemt het direct aan. De ander is met speelgoed bezig en luistert niet, de volgende wist het al. Het kind is in het verschil tussen start en eindresultaat een ‘adaptieve’ agent. Die zelf bepaald wat ze wil.

En als je meer studenten in een klas hebt, gaat het nog ingewikkelder worden. De interacties tussen de mensen in de klas laten zich niet eenvoudigweg optellen. Ze zijn niet lineair.

Note: Een organisatie is een Complex Adaptief systeem. Om daar grip op te krijgen is het goed om zich te hebben op de dynamiek en te beseffen dat hoe harder je controle wil hebben zonder zicht op de onderliggende dynamiek, hoe minder grip je krijgt.

Kan een machine adaptief zijn? Uit zichzelf veranderen?

Dit is voor een me een fascinerend iets. Een Von Heumann heeft daarin een aanpak gedaan met een machine. Met regels die de machine kreeg, was de machine in staat een nieuwe situatie te creëren. De gedachte is dat als dat kan, het daarmee wat vaak de definitie van ‘leven’ is onderuit haalde.

[Note RR: link hier met autopoeitic. En meer. En me nog in verdiepen en verder uitschrijven]

Complexe adaptieve systemen (CAS) in meer detail

Een systeem dat we een complex adaptief systeem noemen bestaat uit elementen die men agenten noemt en die in staat zijn te leren of zich kunnen aanpassen als gevolg van interacties met andere agenten.

Voorbeelden hiervan. Markten waarop producten of aandelen worden verhandeld zijn al lang onderwerp van onderzoek hier. In Corona tijd was hier het onderzoek naar hoe mensen het virus dragen, overbrengen en wat dan het virus als agent gaat doen.

Markten komen vrijwel niet tot evenwicht. Niet tot een stabiele situatie. Logisch, want het bestaat uit zelfstandig acterende elementen. Het bestaat uit kopers en verkopers, allen mensen die zelf besluiten en eigen acties kunnen starten. En er zal altijd iemand slimmer zijn, agressiever zijn, gelukkiger zijn dan anderen. En daarmee steeds de situatie veranderen.

Begrijp punt 2: Wat doet zo een agent?

Die agenten maken dus het verschil, want die acteren met eigen bedoelingen. Dus handig eens te zien wat die dan doen. Controle over zo een agent ga je nooit krijgen, maar wat inzicht in hun ‘logica’ van handelen kan wel helpen meer inzicht te krijgen.

Er zijn drie niveaus van activiteiten die een agent doet.

• Niveau – Handelingen. Een agent voert iets uit. Brengt iets in beweging, verplaatst, veranderd, etc. Ieder moment weer.
• Niveau – Beoordelingen. Een agent bekijkt wat die kan uitvoeren, welke handelingen die kan doen en is steeds aan het waarderen of dat bruikbaar is in de situatie.
• Niveau – Ontdekken van regels. Door ervaringen leren agenten steeds nieuwe zaken die ze dan omzetten in een regel. En dan past die die nieuwe regel toe en door te doen ontdekt die weer een nieuw regel.

Jip en Janneke taal:

Mens gaat naar buiten en het regent. Handeling: de mens loopt naar buiten. Die beoordeelt de situatie ‘het regent’. En beoordeelt dit als niet bedreigend, ‘ik ga er niet van smelten’ denkt die bijvoorbeeld. Dan ontdekt die dat steeds als er grijze wolken zijn het kan regenen. Het gaat terug naar een handeling en test uit of met een krant op je hoofd, je niet nat gaat worden, etcetc.

Zo ontstaat een lerend mechanisme. ALS (signaal x of y van de lijst) DAN (voeg signaal z toe aan de lijst) ALS signaal (ik loop buiten) en (er donkere wolken) DAN (voeg aan de lijst van kennis toe dat het dan kan gaan regenen)

Ooit nog verder over schrijven:

Gecompliceerd versus complex

Begrijp punt 3: Vector representatie

Jip en Janneke: Je kan alle steden die in Duitsland liggen uit je hoofd leren. Dat kan je onthouden, maar is veel werk en kost veel geheugencapaciteit.

Je kan ook leren een verband te leren, een logica te bedenken, tussen de namen van die steden en wat hun ‘betekenis’ is, door de context van het woord in een zin erbij te nemen. Als de zin is: ‘Molens staan er in de stad [naam] veel’. Dan zal je niet denken aan een stad met een Duitse naam. Als de zin is: ‘Bierkneipen kan je veel vinden in de stad [naam]’. Dan zal je denken aan een naam van een stad in Duitsland. Of als de naam van de stad al is gegeven, kan de logica je vertellen of het mogelijk een juiste stadsnaam is.

Belang hiervan voor mensen? Om veel te onthouden heb je veel geheugenruimte nodig en veel energie om het uit je hoofd te leren. En het menselijk hoofd gebruikt weinig energie, het heeft zich door de evolutie heen handig gemaakt om trucs te vinden zo min mogelijk energie te gebruiken. Wat veel energie gebruiken betekend veel eten, betekend veel jagen, betekend niet kunnen vrijen met je partner en zo nieuwe mensen te maken en zo voor nieuwe hersenen te zorgen.

Belang hiervan voor AI? Geoffrey Hinton gebruikt dit item om te stellen dat computers natuurlijk heel veel kunnen onthouden. Maar dat daar nog grenzen aan zitten. De huidige chips kunnen veel en energie is er ook, maar toch eindig als je alle trilljoen dingen wil onthouden. Dus een vector representatie benadering maakt het systeem efficiënter.

Belang hiervan voor andere zaken?

Social media. In social media gebruikt men deze aanpak om slechte teksten en ook foto’s te selecteren. Bij Facebook is Yann LeCun, Professor voor Mathematical Sciences aan de New York University en persoonlijk door Mark Zuckerburg aangetrokken als Chief AI scentist at Meta. Wil je er meer over horen, luister naar de podcast van Peter Abbeel de ‘Robot brains podcast’ van 7 april 2021. 48 minuten zeer interessante gesprek over de noodzaak die social media heeft om AI in te zetten. Meta en Google kunnen niet meer zonder.

Bron: Vector representation is bedacht door Thomas Mikolov en collega’s bij Google en over gepubliceerd in 2013. Daar werd het Word2vec genoemd en was verzonnen om natural lanquage processing (zoals je ChatGTP kent/doet) van meer snelheid te voorzien. Het helpt een systeem te laten raden naar welk woord er in een open stuk van een zin moet staan.

LLM’s voorspellen welke letter na welke andere letter komt. Dit zet deze aanpak een stuk verder en helpt het hele woorden te voorspellen. (Rudolph moet dit nog dubbel checken of dit de reden van de Word2vec uitvinding was)

Zonder vector representatie is het je onbekend

Filosofisch intermezzo: Als je geen concept hebt in je hoofd, kan er niets aan vast haken.

In de winter van 2023 las ik veel over I. Kant die als eerste nadacht over wat kunst is. En zijn gedachte was dat als je een signaal naar binnen krijgt, bijvoorbeeld omdat je iets ziet, je geest daar dan probeert iets van te maken. En dat lukt alleen als je een structuur hebt in je hoofd waar dat signaal aan vast kan haken. Een beetje als dat een pluisje in de natuur kan blijven haken aan de vacht van een dier en zo verder gedragen kan worden.

En heb je geen concept, is er niets waar het signaal aan kan blijven haken, dan is dat signaal verloren zou ik denken. Of is iets waar je niets over kan vinden, want je hebt er geen eerdere beelden van, of patronen van waar dat signaal aan kan blijven haken.

Als ik iets in de Chinese taal hoor, is er niets in de klanken die ik hoor, het signaal dat ik ontvang, dat in mijn hoofd kan hechten. Het is ‘chinees voor me’ zoals we in spreektaal zeggen. Maar zo ver hoef je dat niet te zoeken. Toen ik eens met Liesje in Poperingen was, in het zuiden van België, spraken mensen een dialect waar ik echt geen enkele klank van herkende. Geen enkele klank zegt me iets.

Dat kan fijn zijn. Je hoeft met het signaal niets te doen. Waarom is dat fijn?

Geen zingeving nodig. Met iets dat je nog nooit eerder hebt gezien of een concept van in je hoofd hebt, daar van kan je nog beslissen of je er iets mee wil gaan doen. Je kan besluiten het signaal daar te laten waar het is. Je ziet een schilderij, je kan er niets mee, maar dat laat je zo. Je gaan niet op zoek naar wat de schilder bewogen heeft, waar die woonde, wat die bedoelde etc.

Er geen macht over te willen hebben. Over veel zaken willen we macht krijgen. Iemand zegt iets en jij wil graag dat je er meer over weet. Of je wil de ander zijn mening weerleggen. Je kan besluiten dat niet te willen, dat niet in actie te zetten.

Geen belasting van je cognitie. Je kan besluiten wat je ontvangt daar niet over te gaan nadenken. Nadenken kost je energie, moet je hersenen aanzetten. Je kan besluiten dat niet te doen.

Vrijwaart toekomstige belasting. Als je iets ‘tot je neemt’, dan maak je dat eigen zoals we zeggen. En daarmee gaat het een onderdeel van je worden. En potentieel iets waar je later als herinnering op terug moet of zal komen. En dat kan een belasting geven. Dus bij wat je niet kent, zoals kunst vormen, kan je besluiten het te laten waar het is. Het niet te interneren. Soms kan dat fijn zijn.

Afsluiting

Rudolph Regter

Juli 2024, met wat aanvulling in okt25 en toen gepubliceerd.

(PS: voor iedere student die me donderdag 8 mei 2025 verteld dat die dit tot hier gelezen heeft en er iets van kan reproduceren in gesprek, ga ik koffie halen en een stempel plakken)

Versie control. Met schrijven gestart op 2 mei 2024 en kern van artikel gemaakt later in de zomer van 2024. Gepubliceerd op 30 april 2025.

---

Hieronder nog wat kladnotities voor Rudolph zelf. Lees vooral niet.

Mortal Computation. Toen ik vele jaren geleden leerde programmeren in Fortran en Cobol moets je heel exact de computer vertellen wat die moest doen. In enorm detail vertelde je een if-this-than-that formules. …hier moet ik nog me verder in verdiepen, snap Hinton zijn betoog nog niet goed.

Bron: Hinton.G, 2022. The Forward Forward Algorithm.

Voor de rest van zomer 2024 en in volgorde van mijn interesse:

John H. Holland. Een pionier op het gebied van complexiteitstheorie en heeft veel geschreven over emergentie, vooral in de context van adaptieve systemen en genetische algoritmen. Daar las ik al veel van en was de reden van mijn interesse deze zomer.

Philip Anderson. Een Nobelprijswinnende natuurkundige en die heeft een grote invloed gehad met zijn essay ‘More is Different’, waarin hij betoogt dat emergente fenomenen op hogere niveaus van organisatie nieuwe wetmatigheden kunnen vertonen die niet direct te herleiden zijn tot de onderliggende microscopische wetten.

! waarom me dit aanspreekt is dat dit in grote lijnen mijn gedachte is waarom mensen naar ‘hogere denkordes’ krijgen belangrijk is. Van hoger, kan je nieuwe creaties maken van lagere zaken.

Als tijd over:

Steven Johnson. Dit is een populaire wetenschapsschrijver, bekend om zijn boek ‘Emergence: The Connected Lives of Ants, Brains, Cities, and Software’. Johnson beschrijft hoe emergentie een cruciale rol speelt in verschillende systemen en hoe deze inzichten kunnen bijdragen aan ons begrip van complexe netwerken in het dagelijks leven.

Murray Gell-Mann. Is mede-oprichter van het Santa Fe Institute dat bekend is voor AI en bewustzijn dacht ik, en heeft veel bijgedragen aan het begrip van emergentie in complexe systemen. Zijn werk richt zich op hoe simpele regels kunnen leiden tot complexe gedragingen. En inzicht hierin helpt in maatschappelijke vraagstukken.

Stuart Kauffman. Schijbaar is die bekend om zijn werk aan de rand van chaos en zelforganisatie in biologische systemen. Maar dat klinkt me te veel biologie achtig.

Nog niet uitgelezen?

Naast Holland heb je ook

Brian Arthur. Dit is een vooraanstaand econoom en theoreticus op het gebied van complexiteit die bekend staat om zijn werk met betrekking tot technologie, economische complexiteit en toenemende opbrengsten. Enkele kernpunten van zijn denken:

Netwerkeffecten. Hier heb ik het al veel over gehad bij de colleges over Digitale Transformatie, daar speelt het netwerk effect enorm. Brian Arthur vind dit ook een belangrijk iets en een cruciaal concept in zijn werk werk is het idee van netwerkeffecten, waarbij de waarde van een product of dienst toeneemt naarmate meer mensen het gebruiken. Dit is vooral zichtbaar in technologieën zoals sociale netwerken en softwareplatforms.

Pad afhankelijkheid. Arthur benadrukt dat de geschiedenis en volgorde van gebeurtenissen een cruciale rol spelen in de uiteindelijke uitkomsten. Kleine toevalligheden of vroege gebeurtenissen kunnen leiden tot significant verschillende eindtoestanden. Zie hier het qwerty toetsenbord voorbeeld.

Economische Systemen zijn complex adaptief. Dit is lichtjes een open deur denk ik. Economie bestaat uit mensen, en niets zo wel en iet voorspelbaar als mensen.

Hij stelt dat traditionele statische en evenwicht-gebaseerde economische modellen vaak tekortschieten bij het verklaren van deze complexiteit.

Technologische Evolutie is evolutionair. Hij beschouwt technologie als een evolutionair proces waarin nieuwe technologieën ontstaan, groeien, en soms uitsterven op manieren die analoog zijn aan biologische evolutie. Technologische vooruitgang is vaak niet lineair en wordt beïnvloed door onverwachte doorbraken en innovaties.

Zelf versterkende mechanisme. Hij ziet verschillende zelfversterkende mechanismen, zoals leereffecten, coördinatie-effecten en anticipatie-effecten die bijdragen aan toenemende opbrengsten en de dominantie van bepaalde technologieën of bedrijven in de markt versterken.

! Hier mooie voorbeelden van te vinden als je kijkt naar ‘pad stellingen in innovatie’. Die verklaren vaak waarom een innovatie blijft bestaan, terwijl die eigenlijk niet meer de goede keus is. Als voorbeeld de QWETY toetsenbord. Dat ontstond uit de manuele type machine, want die had de letters zo gezet, maar is in een electronische pc op de qwety manier niet meer nodig.

Kennis verspreiding is complex adaptief. Kennis opbouw is adaptief en veranderen economische structuren en dynamieken veranderen.

Waar ik me nog in ga verdiepen en nog niet goed snap

Toenemende Opbrengsten. Brian Arthur onderzoek naar toenemende opbrengsten staat centraal in zijn denken. Traditionele economische theorieën zijn gebaseerd op afnemende opbrengsten, waarbij de marginale opbrengst van een extra eenheid van een product afneemt naarmate de productie toeneemt. Arthur stelde echter dat veel moderne economieën, vooral in de technologie-industrie, worden gedreven door toenemende opbrengsten, waarbij de marginale opbrengst juist toeneemt naarmate de productie toeneemt.