Strukturalne ograniczenia planowania centralnego

We współczesnym dyskursie lewicowym i futurystycznym zauważalna jest silna tendencja, którą można określić mianem „technologicznego fetyszyzmu planowania”. Opiera się ona na deterministycznym założeniu, że historyczne niepowodzenia modeli gospodarki planowej (takich jak radziecki GOSPLAN) wynikały niemal wyłącznie z niedostatków ówczesnej mocy obliczeniowej oraz braku cyfrowej transmisji danych. Zgodnie z tą hipotezą, implementacja współczesnych technologii – w tym superkomputery i AI – jest warunkiem wystarczającym do rozwiązania problemu kalkulacji ekonomicznej.

Z perspektywy cybernetyki jest to pogląd błędny. Zakłada on bowiem, że gospodarka jest układem statycznym i w pełni deterministycznym, który można "rozwiązać" przy odpowiednio dużej mocy procesora. Ignoruje to jednak fakt, że złożoność systemów społeczno-gospodarczych rośnie wykładniczo szybciej niż możliwości ich centralnego modelowania. Istnieją twarde, matematyczne granice sterowalności, których nie da się przeskoczyć samą technologią. Aby zrozumieć te strukturalne bariery centralizacji, musimy sięgnąć do dwóch fundamentalnych praw sterowania: Prawa Niezbędnej Różnorodności Ashby’ego oraz Nierówności Braci Markow.

Materialne podstawy różnorodności systemu

W. Ross Ashby sformułował zasadę, która dla cybernetyki posiada rangę ontologiczną porównywalną z prawem wartości w ekonomii politycznej Marksa: „Tylko różnorodność może zaabsorbować różnorodność” (Law of Requisite Variety).

W analizie złożonych systemów gospodarczych pojęcie „otoczenia” obejmuje całość interakcji społecznych: preferencje konsumentów, zmienność warunków naturalnych, innowacje technologiczne, a także nieprzewidywalne czynniki geopolityczne. Otoczenie to generuje zbiór stanów o niezwykle wysokiej entropii – jest to różnorodność otoczenia ($V_o$). Naprzeciw tej złożoności stoi system sterujący (centralny planista, algorytm optymalizacyjny, biurokracja), który charakteryzuje się własną, skończoną różnorodnością regulatora ($V_r$).

Warunkiem koniecznym dla zachowania stabilności, sterowności i przetrwania systemu jest spełnienie fundamentalnej nierówności:

$V_r \ge V_o$

W przypadku, gdy $V_r < V_o$, system nieuchronnie traci zdolność do efektywnej kontroli. Ashby wskazuje jednak na dwie drogi przywrócenia równowagi, które w praktyce politycznej są często mylone:

1. Wzmocnienie różnorodności regulatora ($V_r \uparrow$): Zwiększenie mocy obliczeniowej, zatrudnienie większej liczby planistów, użycie AI.
2. Tłumienie różnorodności otoczenia ($V_o \downarrow$): Uproszczenie systemu, którym sterujemy.

W gospodarce rynkowej redukcja ($V_o$) przebiega w sposób żywiołowy i destrukcyjny – poprzez anarchię produkcji, cykliczne niszczenie sił wytwórczych (upadłości) oraz marnotrawstwo kapitału i pracy (bezrobocie). W socjalizmie historycznym redukcja $V_o$ odbywała się często poprzez przymusową standaryzację. Należy jednak zauważyć, że nie każde obniżenie $V_o$ jest porażką systemu – standaryzacja techniczna (np. formatów ładowarek, napięcia w sieci) jest pożądaną redukcją entropii. Problemem staje się redukcja wymuszona niedostatkiem $V_r$ tam, gdzie społeczeństwo oczekuje wyboru (np. w dobrach konsumpcyjnych).

Centralny superkomputer, mimo ogromnego $V_r$, wciąż stanowi „wąskie gardło” informacyjne wobec nieskończonej złożoności życia społecznego. Jeśli system polega wyłącznie na jednej centralnej jednostce, musi ona albo posiadać boską wszechwiedzę, albo drastycznie ograniczyć wolność wyboru konsumentów, by „zmieścić” rzeczywistość w modelu.

Aproksymacja a koszt dynamiki

Przyjmując, że system gospodarczy jest dynamiczny, centralne planowanie napotyka na barierę matematyczną. Chociaż współczesne metody (np. sieci neuronowe) nie są wprost wielomianami, Nierówność Markowa dla wielomianów służy tu jako doskonały model heurystyczny dla szerszego problemu stabilności uniwersalnych aproksymatorów.

Niech $f(t)$ oznacza rzeczywistą, zmienną w czasie funkcję potrzeb społecznych, a $P(t)$ model planistyczny. Nierówność dla pierwszej pochodnej przyjmuje postać:

$\max |P'(t)| \le \frac{2 \cdot n^2}{w} \cdot \max |P(t)|$

Gdzie:

• $P'(t)$ – szybkość adaptacji planu do szoku zewnętrznego.
• $n$ – stopień złożoności modelu (w sieciach neuronowych odpowiednikiem jest głębokość sieci/liczba parametrów i związane z nią ryzyko overfittingu).
• $w$ – szerokość okna czasowego.

Dialektyczna sprzeczność parametru "n"

Powyższa zależność ujawnia fundamentalną sprzeczność, obecną w każdej metodzie sterowania (od wielomianów po głębokie sieci neuronowe):

• Imperatyw Ashby’ego (wysokie $n$): Aby precyzyjnie odwzorować rzeczywistość, model musi być złożony. Sieć neuronowa musi mieć miliardy parametrów, by uchwycić niuanse popytu.
• Bariera stabilności (niskie $n$): Modele o wysokiej złożoności są matematycznie podatne na niestabilność przy gwałtownych zmianach wejścia. W wielomianach jest to efekt Rungego; w sieciach neuronowych są to tzw. przykłady adwersarialne lub problem eksplodujących gradientów.

Superkomputer może wyliczyć, że w celu optymalizacji produkcji przy zmianie popytu o 1%, należy wykonać gwałtowny manewr (wysokie $P'(t)$). Dla algorytmu to tylko liczba. Dla fizycznej gospodarki to katastrofa.

Bezwładność materii

Ekonomia polityczna, jako nauka materialistyczna, musi uwzględniać fizyczne ograniczenia bazy produkcyjnej. Plan operuje na materii, która posiada bezwładność.

Nierówność Markowa dla wyższych pochodnych wskazuje na problem tzw. "zrywu" (ang. jerk). Ograniczenie dla drugiej pochodnej (przyspieszenia) rośnie proporcjonalnie do $n^4$.

$|P''(t)| \sim n^4$

Wniosek: Nawet przy natychmiastowej rekalkulacji planu przez AI, bezwładność procesów produkcyjnych stanowi barierę. Fabryki wymagają czasu na przezbrojenie. Próba sterowania gospodarką za pomocą algorytmu o nadmiernej złożoności ($n$) prowadzi do rozerwania ciągłości procesów nie z powodu błędu obliczeń, ale z powodu nadmiernej wariancji sygnałów sterujących (wysoka częstotliwość zmian decyzji).

Strukturalne rozwiązania w cybernetyce socjalistycznej

Rozwiązanie dylematu sterowania nie leży wyłącznie w eskalacji mocy obliczeniowej, lecz w inżynierii systemowej łączącej trzy strategie:

1. Decentralizacja rekurencyjna (wzrost efektywnego $V_r$)

Zamiast jednego modelu globalnego o skrajnie wysokim $n$, stosujemy układ modeli lokalnych. Historycznym przykładem jest chilijski projekt Cybersyn i model VSM (Viable System Model).

Dzięki autonomii jednostek niższego szczebla, złożoność jest rozwiązywana lokalnie. Centrala (Metasystem) nie musi przetwarzać każdego bitu informacji, co chroni ją przed przeciążeniem. To nie jest jedyna droga, ale w systemach o wysokiej złożoności społecznej – najbardziej odporna na błędy.

2. Świadome kształtowanie $V_o$ (standaryzacja jako wybór)

Zamiast traktować $V_o$ jako siłę żywiołu, socjalizm może świadomie redukować zbędną złożoność otoczenia. Nie musi to oznaczać "jednych butów dla wszystkich". Oznacza to np. unifikację platform podwoziowych w transporcie, modularyzację budownictwa czy standardy API w logistyce. Jest to strategiczne tłumienie różnorodności, które uwalnia zasoby obliczeniowe ($V_r$) do obsługi tych obszarów, gdzie różnorodność jest społecznie pożądana (kultura, nauka, indywidualna ekspresja).

3. Redukcja horyzontu czasowego ($w$)

Skrócenie okna czasowego planowania pozwala na obniżenie wymagań co do złożoności. Szybka pętla sprzężenia zwrotnego pozwala na małe, częste korekty zamiast rzadkich, rewolucyjnych wstrząsów.

VSM a kwestia "anarchii produkcji"

Czy decentralizacja VSM to powrót do rynkowej anarchii? VSM proponuje system planowania homeostatycznego, znoszący opozycję między planowaniem indykatywnym a nakazowym.

1. Mechanizmy koordynacyjne (System 2 i 3)

   • System 2 (Koordynacja): Tłumi oscylacje między jednostkami (np. harmonogramy), zapobiegając konfliktom o zasoby.
   • System 3 (Kontrola): Posiada wgląd w całość. Jeśli autonomia jednostki zagraża homeostazie całości, System 3 interweniuje dyrektywnie.

2. Sygnały algedoniczne

   • Kluczowym elementem są sygnały algedoniczne (ból/przyjemność) – automatyczne alarmy przy przekroczeniu bezpiecznych zakresów.
   • Tu pojawia się kluczowy problem polityczny, często pomijany w technicznych opisach: Kto ustala progi bólu?

W systemie biurokratycznym progi te bywają podatne na manipulacje lokalnych menedżerów. Otwartym pozostaje pytanie: kto i jak często powinien redefiniować „bezpieczny zakres”? W projekcie Cybersyn twórca zaproponował wykorzystanie mierników opinii społecznej w każdym gospodarstwie domowym, co miało umożliwić realną kontrolę demokratyczną.

Technologia dostarcza mechanizmu sygnalizacji, ale to polityka (ludzie) musi zdefiniować funkcję celu. Bez demokratycznej kontroli nad parametrami systemu (meta-sterowanie), VSM może zdegenerować się w technokratyczną dyktaturę lub pewną federację korporacji.

Podsumowanie

Przekonanie, że technologia sama rozwiąże problem kalkulacji, jest idealizmem. Prawo Ashby’ego uczy nas, że musimy balansować między zwiększaniem mocy obliczeniowej a mądrą redukcją złożoności otoczenia.

Nierówność Markowa ostrzega, że nadmiernie skomplikowane plany centralne są niestabilne w zderzeniu z fizyczną rzeczywistością.

Cybernetyczny socjalizm to nie "centralny komputer", ale rozproszony układ nerwowy, gdzie stabilność wynika z równowagi między autonomią (niskie $n$) a koordynacją.