La parte e il tutto nei sistemi viventi

Read time: 3 mins

Il concetto di sistema in biologia e il rapporto parte-tutto è estremamente complesso nei sistemi viventi: le parti viventi sono dei “tutti” e i “tutti” viventi sono delle parti. Per dirla con Koestler [A. Koestler, Il fantasma dentro la macchina, (SEI, Torino 1971)]: «Nel campo della vita, non esistono né parti né totalità in senso assoluto».

Nella fisica il concetto di sistema è entrato nel XX secolo con la Meccanica Quantistica e la Termodinamica di non-equilibrio; nella chimica e nella biologia la situazione è differente. Quando nella seconda metà del XIX secolo furono elaborati nella forma attuale i concetti di “composto chimico” e di “molecola” nacque la prima scienza sistemica: la chimica [G. Villani, “La chimica: una scienza della complessità sistemica ante litteram” in Strutture di mondo. Il pensiero sistemico come specchio di una realtà complessa (Il Mulino, Bologna 2010)]. In biologia, il concetto di sistema è introdotto da quello di organizzazione, come la dizione “organismi viventi” sta a dimostrare. Appare, infatti, a tutti chiaro che una caratteristica essenziale del vivente è quella di sottrarsi alla scomposizione. Un organismo è vivente solo fin quanto è “tutto intero”; qualunque divisione sostanziale “uccide” l’organismo e lo disorganizza.

Gli organismi viventi si differenziano dai sistemi fisici in maniera evidente ed è sempre esistito un ambito filosofico che li ha differenziati. Uno degli scopi della Sistemica è di evidenziare l’impossibilità concettuale, e non solo pratica, del riduzionismo e, quindi, della riduzione della biologia alla chimica e della chimica alla fisica. Tuttavia,  altrettanto importante per la Sistemica è di evitare la dicotomia inanimato-animato che porta a due riduzionismi distinti per i due ambiti.

La divisione tra sistemi aperti e sistemi chiusi è funzionale a questo scopo. Questi due tipi di sistemi hanno caratteristiche molto diverse e rappresentano effettivamente uno spartiacque importante. Va comunque evidenziato e ripetuto che, sebbene i sistemi viventi siano i principali e più importanti sistemi aperti, tale concetto si applica anche in ambito fisico, in quello chimico e anche in ambito sociologico. In quest’ottica la differenza tra sistemi non è, quindi, tra inanimato e animato, ma tra sistema aperto e sistema chiuso e questa differenziazione non è una dicotomia ontologica, ma due tipi differenti di modelli per i sistemi.

I sistemi aperti hanno tutti in comune le seguenti caratteristiche: la possibilità di non tendere ad un massimo di entropia, il feedback, l’omeostasi e una notevole equifinalità. La possibilità che l’entropia possa diminuire in un sistema (e l’ordine aumentare) è legato all’ingresso  di energia dall’ambiente. Il principio di feedback può essere visto come un particolare tipo di segnale che il sistema e l’ambiente si scambiano e che fornisce informazioni al sistema circa le condizioni ambientali e all’ambiente circa il funzionamento del sistema stesso. Il feedback costituito da tali informazioni mette in grado il sistema di porre rimedio al suo cattivo funzionamento o di adeguarsi ai cambiamenti ambientali e, quindi, di mantenere uno stato stazionario o omeostasi. Infine, i sistemi aperti sono caratterizzati da una notevole equifinalità, cioè essi possono raggiungere lo stesso stato finale, pur partendo da condizioni iniziali molto diverse e seguendo differenti linee di sviluppo. Quindi, il netto contrasto tra ordine e disordine che per molti secoli è stato attribuito alla differenza tra la natura animata e quella inanimata, va spostato alla differenza tra i sistemi aperti e quelli chiusi. Anche lo sviluppo e l’evoluzione non sono caratteristiche del solo vivente, ma di tutti i sistemi aperti e necessitano di energia da parte dell’ambiente.

Tali argomenti sono stati sviluppati nel mio libro Complesso e Organizzato. Sistemi strutturati in fisica, chimica, biologia ed oltre, (Franco Angeli, Milano 2008).

altri articoli

Quando l'intelligenza artificiale prende tre all'esame

Crediti: Mike MacKenzie/Flickr. Licenza: CC BY 2.0

Il rapporto tra matematica e intelligenza artificiale non è semplice come sembra: una rete neurale sviluppata da DeepMind ha fallito un esame di matematica di seconda superiore. Ma com'è possibile che l'attività più ostica per gli esseri umani risulti più semplice per le macchine, e viceversa? Probabilmente, le difficoltà dell'intelligenza artificiale non erano di natura matematica, bensì nella capacità di leggere il compito e interpetarne il contenuto. L'esperimento voleva iniziare un'indagine su come le macchine affrontino gli stimoli pensati per gli esseri umani, e non semplificati o codificati in un linguaggio artificiale; il test di matematica è, in quest'ottica, uno stimolo relativamente semplice che può dare molti indizi sul modo di ragionare delle macchine