Catalog of Causal EmergencesOk-okozati Emergenciák KatalógusaКаталог Причинных Возникновений
Welcome to the Catalog of Causal Emergences — a unique tool that opens access to a deep understanding of the world through the lens of causality and emergence. Everything you see and perceive at this moment is the result of countless interactions: from quantum events subtly influencing the electrons in your device, to the complex logic of internet protocols that delivered this page to your screen. It is through awareness of such causal links that we begin to understand how qualitatively new things emerge from the simplest elements.Üdvözöljük az Ok-okozati Keletkezések Katalógusában — ez egy egyedülálló eszköz, amely hozzáférést nyújt a világ mélyebb megértéséhez az okság és az emergencia szemszögéből. Minden, amit ebben a pillanatban lát és érzékel, számtalan kölcsönhatás eredménye: a kvantumeseményektől, amelyek finoman befolyásolják az eszközében lévő elektronokat, egészen az internetprotokollok bonyolult logikájáig, amelyek ezt az oldalt eljuttatták a képernyőjére. Az ilyen oksági kapcsolatok tudatosítása révén kezdjük megérteni, hogyan keletkezhet valami minőségileg új az egyszerű elemekből.Добро пожаловать в Каталог Причинных Возникновений — уникальный инструмент, открывающий доступ к глубокому пониманию мира через призму причинности и эмерджентности. Всё, что вы видите и воспринимаете в данный момент, является результатом бесчисленного множества взаимодействий: от квантовых событий, незаметно влияющих на электроны вашего устройства, до сложной логики интернет-протоколов, доставивших эту страницу на экран. Именно через осознание таких причинных связей мы начинаем понимать, как из простейших элементов возникает нечто качественно новое.
In fact, 'interaction' is the main character of our inquiry. It acts as the 'parent' of something new, whether it be the birth of nuclei in stars, the formation of complex chemical molecules, or even the emergence of social institutions. A 'cause' can initiate a process that leads to a unique effect that cannot be reduced to the original components individually. And to better understand why qualitatively new things grow out of these diverse interactions, we embark on a brief philosophical journey that begins with the views of David Hume — an 18th-century thinker. David Hume analyzed the familiar notion of cause and showed that strict experience does not allow us to observe a necessary connection between events. We only see that one event regularly follows another, and the mind gets used to expecting the second after the first.Valójában az „interakció” a vizsgálódásunk főszereplője. Ez az, ami új dolgok „szülőjeként” lép fel – legyen szó csillagokban létrejövő atommagokról, bonyolult kémiai molekulák kialakulásáról vagy akár társadalmi intézmények megjelenéséről. Az „ok” képes elindítani egy folyamatot, amely olyan egyedi hatáshoz vezet, amelyet nem lehet az egyes komponensekre visszavezetni. És hogy jobban megértsük, miért alakulhatnak ki minőségileg új dolgok ezekből a különféle interakciókból, rövid filozófiai utazásra indulunk, amely David Hume – a XVIII. századi gondolkodó – nézeteivel kezdődik. Hume elemezte az ok fogalmát, és rámutatott, hogy a tapasztalat önmagában nem teszi lehetővé, hogy szükségszerű kapcsolatot figyeljünk meg események között. Csak azt látjuk, hogy az egyik esemény rendszeresen követ egy másikat, és az elménk hozzászokik, hogy az első után a másodikat várja.Собственно, «взаимодействие» — это и есть главный герой нашего исследования. Оно выступает в роли «родителя» для чего-то нового, будь то рождение ядер в звездах, формирование сложных химических молекул или даже возникновение социальных институтов. «Причина» способна запустить процесс, который приводит к появлению уникального эффекта, несводимого к исходным элементам по отдельности. И чтобы глубже осмыслить, почему из этих разнообразных взаимодействий вырастает нечто качественно новое, мы отправимся в небольшое философское путешествие, которое начинается со взглядов Дэвида Хьюма — мыслителя XVIII века. Дэвид Хьюм проанализировал привычное понятие причины и показал, что строгий опыт не дает нам наблюдать необходимой связи между событиями. Мы видим лишь, что одно событие регулярно следует за другим, а ум привыкает ожидать второе после первого.
Modern philosophical discussions on causality revolve around several approaches: regularity (the necessity of external laws of nature for stable connections), counterfactual definitions (Lewis:
Process philosophy (A.N. Whitehead and others) radically shifts the focus: it declares not things but events and processes as the fundamental units of reality. From this perspective, 'to be is to interact.' For example, theoretical physicist Henry Stapp, inspired by Whitehead, interpreted quantum phenomena as primary events, and stable particles as mere sequences of such events. Here, interaction is no longer something that happens between pre-existing objects — rather, the objects themselves (particles, people, etc.) arise and are defined by the totality of interaction processes. This view is closely intertwined with the notion of emergence, which will be discussed later. Ontologically, it resolves the 'mystery' of interaction: the world is not made of isolated building blocks that must somehow bridge a gap between them — the world consists of connections and events, and familiar objects are stable networks of these connections.A folyamatalapú filozófia (A. N. Whitehead és mások) radikálisan megváltoztatja a hangsúlyt: nem a dolgokat, hanem az eseményeket és folyamatokat tekinti a valóság alapegységeinek. E nézőpontból „létezni annyi, mint kölcsönhatásban lenni”. Például Henry Stapp elméleti fizikus, akit Whitehead inspirált, a kvantumjelenségeket elsődleges eseményekként értelmezte, a stabil részecskéket pedig ilyen események sorozataként. Ebben az értelmezésben az interakció már nem valami, ami adott objektumok között történik — éppen ellenkezőleg, maguk az objektumok (részecskék, emberek stb.) a kölcsönhatások összességéből keletkeznek és határozódnak meg. Ez a szemlélet szorosan összefügg az emergenciával, amiről később lesz szó. Ontológiailag pedig megszünteti az „interakció rejtélyét”: a világ nem elszigetelt téglákból áll, amelyeknek valahogy át kell hidalniuk egymás között a szakadékot – hanem kapcsolatokból és eseményekből áll, a megszokott objektumok pedig ezen kapcsolatok stabil hálózatai.Наконец, процессуальная философия (А.Н. Уайтхед и др.) радикально меняет акцент: фундаментальными единицами реальности провозглашаются не вещи, а события и процессы. С этой точки зрения “быть – значит взаимодействовать”. Например, физик-теоретик Генри Стэпп, вдохновленный Уайтхедом, трактовал квантовые явления как первичные события, а устойчивые частицы – лишь последовательности таких событий. Здесь взаимодействие перестает быть чем-то, что случается между изначально данными объектами, наоборот, сами объекты (частицы, люди и т.д.) возникают и определяются совокупностью процессов взаимодействия. Такой взгляд тесно переплетается с понятием эмерджентности, о чем далее. Но онтологически он снимает «загадку» взаимодействия: мир не состоит из изолированных кирпичиков-субстанций, которым нужно как-то пересечь пропасть между собой – мир состоит из связей и событий, а привычные объекты – устойчивые сети этих связей.
Interactions manifest at every level of matter organization, but their nature and even their carriers can vary greatly. At the subatomic level, it's the exchange of field quanta between elementary particles, as discussed above. At the atomic and molecular level, chemical interaction arises: atoms form bonds (covalent, ionic, etc.) by exchanging or attracting electrons. Formally, all chemical forces originate from electromagnetic interactions between electrons and nuclei. However, we already observe emergence here: the water molecule
These macroscopic properties are the result of collective interaction among many molecules. As we go higher to the level of biological cells, new types of interactions emerge: mechanical contacts between cells, signal exchange (e.g. hormones or neurotransmitters transmitting information), electrical interactions in neural networks. Each cell inside an organism is a complex system whose components (organelles, molecular complexes) interact biochemically. Groups of cells form tissues and organs that interact to maintain the life of the whole organism (e.g., signaling molecules transported via blood). Interactions at the biological level are often non-local in the sense that a signal can be carried across long distances within the body by blood flow or the nervous system — physically mediated by molecules or impulses, but at the level of organismal description we say: 'the brain sends a signal to the muscles' or 'the endocrine system affects the liver' without specifying carriers. Especially interesting is the brain and consciousness as levels of interaction. Many neurons in the brain interact electrically and chemically, and from this intricate network arise mental phenomena — memory, emotions, the conscious 'I'. It is still not fully understood how exactly these emergent properties arise, but one thing is clear: new levels of organization (neural ensembles, brain regions) possess new types of interaction (coherent oscillations, neural networks, feedback loops) that did not exist at the level of individual cells.E makroszkopikus tulajdonságok sok molekula kollektív kölcsönhatásának eredményei. Magasabb szintre emelkedve, a biológiai sejtek szintjén új típusú kölcsönhatások jelennek meg: sejtek közötti mechanikai kontaktusok, jelcserék (pl. hormonok vagy neurotranszmitterek, amelyek információt közvetítenek), elektromos kölcsönhatások idegi hálózatokban. Egy sejt az élő szervezeten belül bonyolult rendszer, amelyben az alkotóelemek (organellumok, molekulakomplexek) biokémiailag lépnek kölcsönhatásba. Sejtek csoportjai szöveteket és szerveket alkotnak, amelyek együttműködnek az egész szervezet életének fenntartása érdekében (pl. a vér útján jelzőmolekulák szállítódnak a szervek között). A biológiai szinten zajló kölcsönhatások gyakran nem lokálisak, abban az értelemben, hogy a jel a testben hosszú távra is eljuthat a vérkeringés vagy az idegrendszer révén — fizikailag molekulák vagy impulzusok közvetítik, de a szervezet szintjén így fogalmazunk: „az agy jelet küld az izmoknak” vagy „az endokrin rendszer hatással van a májra”, anélkül hogy a hordozókat külön megneveznénk. Különösen érdekes a kérdés az agyról és a tudatról mint kölcsönhatási szintekről. Az agyban sok idegsejt lép kölcsönhatásba elektromosan és kémiailag, és ebből a rendkívül összetett hálózatból pszichikai jelenségek – emlékek, érzelmek, az „Én” tudata – születnek. Még nem teljesen világos, hogyan is alakulnak ki pontosan ezek az emergens tulajdonságok, de egy biztos: az új szerveződési szintek (neuroncsoportok, agyterületek) új típusú kölcsönhatásokat mutatnak (koherens oszcillációk, idegi hálózatok, visszacsatolási hurkok), amelyek nem léteztek az egyedi sejtek szintjén.Эти макроскопические свойства – результат коллективного взаимодействия множества молекул. Поднимаясь выше, на уровне биологических клеток возникают новые виды взаимодействий: механические контакты между клетками, обмен сигналами (например, молекулы-гормоны или нейромедиаторы, передающие информацию), электрические взаимодействия в нейронных сетях. Каждая клетка внутри организма – сложная система, компоненты которой (органеллы, молекулярные комплексы) взаимодействуют биохимически. Группы клеток формируют ткани и органы, взаимодействующие ради поддержания жизни целого организма (например, через кровь переносятся сигнальные молекулы между органами). Взаимодействия на биоуровне зачастую нелокальны в том смысле, что сигнал может переноситься потоком крови или нервной системой на далекие расстояния внутри тела – это физически опосредовано молекулами или импульсами, но на уровне описания организма можно сказать: «мозг посылает сигнал мышцам» или «эндокринная система воздействует на печень» без указания конкретных переносчиков. Особенно интересен вопрос о мозге и сознании как уровне взаимодействий. Множество нейронов в мозге взаимодействуют электрически и химически, и из этой сложнейшей сети рождаются психические явления – память, эмоции, сознание “Я”. Пока не до конца понятно, как именно эти эмерджентные свойства возникают, но ясно одно: новые уровни организации (нейронные ансамбли, области мозга) имеют новые типы взаимодействий (когерентные колебания, нейронные сети, обратные связи), которых не было на уровне отдельных клеток.
Contemporary research poses questions such as: 'How did the first living cell emerge from interactions between molecules in the primordial ocean?' or 'How does unified subjective consciousness arise from the interactions of billions of neurons in the brain?' The answers require understanding how the quantitative accumulation and complication of interactions transitions into a qualitatively new regime of system functioning — this transition is what we call emergence. At the level of human society, interactions acquire even richer forms: communication (language, gestures), information exchange, emotional and cultural influence, economic transactions, political power, and conflicts — all are various types of social interaction. Here, the 'carriers' are no longer elementary particles but signs, symbols, material values. For example, language is a medium of information transfer and interaction of minds, and money is a means of mediating economic exchange. One could say that language carries meaning, allowing one mind to influence the thoughts of another. Economic agents (individuals, firms) interact via buying and selling, contracts — and market forces are the emergent result of these many local exchanges. From individual actions, macroeconomic phenomena emerge: pricing, business cycles, crises and growth. Neither capital nor labor alone constitute an 'economy', but their interconnection gives rise to an economic system with its own laws. Thus, capital and labor must interact to produce surplus value or output — in isolation, they are economically meaningless.A modern kutatás olyan kérdéseket tesz fel, mint például: „Hogyan keletkezett az első élő sejt a molekulák kölcsönhatásából az ősi óceánban?”, vagy „Hogyan jelenik meg az egységes szubjektív tudat a milliárdnyi neuron agyi kölcsönhatásából?” A válaszok megértéséhez azt kell megérteni, hogyan megy végbe a kölcsönhatások mennyiségi felhalmozódásának és bonyolódásának minőségi ugrása a rendszer működésében – ezt nevezzük emergenciának. Az emberi társadalom szintjén a kölcsönhatások még gazdagabb formákat öltenek: kommunikáció (nyelv, gesztusok), információcsere, érzelmi és kulturális hatások, gazdasági tranzakciók, politikai hatalom és konfliktusok – mind különböző típusú társadalmi interakciók. Itt a „hordozók” már nem elemi részecskék, hanem jelek, szimbólumok, anyagi javak. Például a nyelv az információközvetítés és az elme-kölcsönhatás eszköze, míg a pénz a gazdasági csere közvetítője. Mondhatjuk, hogy a nyelv a jelentések hordozója, lehetővé téve az egyik személy gondolatainak hatását egy másikra. A gazdasági szereplők (emberek, vállalatok) vásárlással, eladással, szerződésekkel lépnek interakcióba – a piaci erők ezekből a lokális cserefolyamatokból emergensen alakulnak ki. Az egyéni cselekvésekből makrogazdasági jelenségek keletkeznek: árképzés, üzleti ciklusok, válságok és növekedés. Sem a tőke, sem a munka önmagában nem alkot „gazdaságot”, de kölcsönhatásuk olyan gazdasági rendszert hoz létre, amely saját törvényei szerint működik. A tőkének és a munkának interakcióba kell lépnie ahhoz, hogy létrejöjjön a többletérték vagy a termelés – önmagukban gazdaságilag értelmezhetetlenek.Как задаются вопросы в современных исследованиях: «как из взаимодействий молекул в первобытном океане возникла первая живая клетка?», «как из взаимодействия миллиардов нейронов в мозге появляется целостное субъективное сознание?». Ответы требуют понимания, как количественное накопление и усложнение взаимодействий переходит в качественно новый режим работы системы – этот переход и есть эмерджентность. На уровне человеческого общества взаимодействия приобретают еще более богатые формы: общение (язык, жесты), обмен информацией, эмоциональные и культурные влияния, экономические транзакции, политическая власть и конфликты – все это различные виды социального взаимодействия. Здесь “переносчиками” выступают уже не элементарные частицы, а знаки, символы, материальные ценности. К примеру, язык – это средство передачи информации и взаимодействия умов, деньги – средство опосредования экономического обмена. Можно сказать, что язык служит носителем смыслов, позволяя одной личности воздействовать на мысли другой. Экономические агенты (люди, фирмы) взаимодействуют через покупку-продажу, договоры – и рыночные силы являются результатом этих множества локальных обменов. Из индивидуальных действий эмерджентно складываются макроэкономические явления: ценообразование, деловые циклы, кризисы и рост. Отдельный капитал или отдельный работник сами по себе не образуют “экономику”, но их взаимосвязь порождает экономическую систему со своими законами. Так, капитал и труд должны вступить во взаимодействие, чтобы возникла прибавочная стоимость или выпуск продукции – изолированно они бессмысленны в экономическом плане.
It is important to emphasize that at each new level, new effective interactions arise. While they may be based on fundamental physical forces, in combination they form a qualitatively different character. Example: interaction between predator and prey in an ecosystem is mediated by numerous factors — from physical (predator chasing prey, i.e., mechanical movement, sensory information exchange) to behavioral and population-level (danger signals in the group, population regulation). At the ecosystem level, laws operate such as predator-prey balance (Lotka–Volterra model), which do not exist at the level of individual organisms. Similarly, international relations can be seen as interactions between states via diplomacy, trade or war — here the 'particles' are entire societies, and the 'forces' are geopolitical, cultural, and economic influences. These forces are not directly reducible to physics — although humans fundamentally interact physically, higher structures (states) behave as autonomous agents. This is emergence in action: autonomous levels of reality arise, where their own causal links operate.Fontos hangsúlyozni, hogy minden új szinten új hatékony kölcsönhatások jelennek meg. Ezek alapulhatnak az alapvető fizikai erőkön, de összességükben minőségileg eltérő jelleget öltenek. Példa: egy ökoszisztémában a ragadozó és a zsákmány közötti kölcsönhatás számos tényező által közvetített – a fizikaiaktól (a ragadozó üldözi a zsákmányt, azaz mechanikai mozgás, érzékszervi információcsere) a viselkedési és populációs szintig (veszélyjelzések a csordában, populációszabályozás). Az ökoszisztéma szintjén olyan törvények működnek, mint a ragadozó–zsákmány egyensúly (Lotka–Volterra-modell), amelyeket az egyedi szervezetek szintjén nem figyelhetünk meg. Hasonlóképpen, a nemzetközi kapcsolatok tekinthetők az államok közötti kölcsönhatásnak diplomácia, kereskedelem vagy háborúk révén – itt a „részecskék” már egész társadalmak, a „erők” pedig geopolitikai, kulturális és gazdasági hatások. Ezek az erők nem vezethetők le közvetlenül fizikára – bár az emberek alapvetően fizikailag lépnek kölcsönhatásba, a magasabb struktúrák (államok) autonóm szereplőként viselkednek. Ez az emergencia megnyilvánulása: önálló valóságszintek jelennek meg, ahol saját oksági összefüggések érvényesülnek.Необходимо подчеркнуть, что при переходе на каждый следующий уровень возникают новые эффективные взаимодействия. Они могут основываться на фундаментальных физических силах, но в совокупности образуют качественно иной характер. Пример: взаимодействие между хищником и жертвой в экосистеме опосредовано множеством факторов – от физических (хищник догоняет жертву, т.е. механическое движение, обмен информацией через органы чувств) до поведенческих и популяционных (сигналы опасности в стае, регуляция численности). На уровне экосистем действуют законы, такие как баланс хищник–жертва (модель Лотки-Вольтерры), которых нет на уровне отдельных организмов. Аналогично, международные отношения можно рассматривать как взаимодействие государств через дипломатию, торговлю или войны – здесь “частицы” уже целые общества, а “силы” – геополитические, культурные, экономические влияния. Эти силы не сводятся напрямую к физическим – хотя базово люди взаимодействуют физически, высшие структуры (государства) ведут себя как самостоятельные агенты. Это и есть проявление эмерджентности: возникают автономные уровни реальности, где действуют свои причинные связи.
Emergence (the appearance of new system properties when transitioning to a whole) is inseparable from interaction. As noted by J.S. Mill and later British emergentists (S. Alexander, C. Broad, and others), emergent effects are results of the joint action of parts that are not equal to the mere sum of their individual effects. In other words, if the interaction of components leads to a qualitatively new state of the system, we call it emergence. Component interactions are the key mechanism generating new properties. For example, the property of water being liquid under normal conditions cannot be obtained by simply adding the properties of two hydrogen atoms and one oxygen atom — only when these atoms are bound in molecules and the molecules themselves interact via hydrogen bonds does liquid water emerge. Emergence is characterized by two related traits: dependence on lower levels (without components and their interaction, the new whole would not arise) and relative autonomy of the higher level (its properties are not fully reducible to those of the parts). This leads to a philosophical discussion about causality across levels. The question arises: can emergent (higher) levels exert downward causal influence on their components? We encounter bidirectional causality: on the one hand, parts give rise to the whole (upward causation), on the other, the whole, having new properties, can guide the behavior of parts (downward causation).Az emergencia (új tulajdonságok megjelenése a rendszer egészébe való átmenetkor) elválaszthatatlan a kölcsönhatástól. Ahogy J. S. Mill és a későbbi brit emergentisták (S. Alexander, C. Broad stb.) írták, az emergens hatások olyan részhatások együttes eredményei, amelyek nem egyenlők az alkotóelemek hatásainak egyszerű összegével. Másképp fogalmazva: ha az összetevők kölcsönhatása a rendszer minőségileg új állapotához vezet, azt emergenciának nevezzük. A komponensek közötti kölcsönhatás kulcsmechanizmus az új tulajdonságok létrejöttében. Például a víz azon tulajdonsága, hogy normál körülmények között folyékony, nem származtatható egyszerűen két hidrogénatom és egy oxigénatom tulajdonságaiból – csak akkor jelenik meg, ha ezek az atomok molekulákat alkotnak, és a molekulák egymással hidrogénkötéseken keresztül kölcsönhatásba lépnek. Az emergencia két jellemzővel írható le: egyrészt függ az alacsonyabb szintektől (a részek és kölcsönhatásuk nélkül nem jönne létre az egész), másrészt a magasabb szint viszonylag autonóm (tulajdonságai nem vezethetők le teljesen az összetevőkből). Ez filozófiai vitát indít az okság szintjeiről. Felmerül a kérdés: az emergens (felsőbb) szintek gyakorolhatnak-e oksági hatást az alkotóikra? Kétirányú oksággal állunk szemben: egyrészt az elemek létrehozzák az egészet (ez az emelkedő, upward causation), másrészt az egész, új tulajdonságokkal rendelkezve, irányíthatja a részek viselkedését (ez a leszálló, downward causation).Эмерджентность (возникновение новых свойств системы при переходе к целому) неразрывно связана с взаимодействием. Как писал еще Дж. С. Милль и последующие британские эмерджентисты (С. Александер, К. Брод и др.), эмерджентные эффекты – это такие результаты совместного действия частей, которые не равны простой сумме эффектов частей. Иначе говоря, если влияние компонентов друг на друга приводит к качественно новому состоянию системы, мы называем это эмерджентностью. Взаимодействия компонентов – ключевой механизм, порождающий новые свойства. Например, свойство воды быть жидкой при нормальных условиях нельзя получить простым сложением свойств двух атомов водорода и одного кислорода, только когда эти атомы связаны в молекулы и молекулы между собой через водородные связи (то есть взаимодействуют), возникает жидкость. Эмерджентность характеризуется двумя связанными чертами: зависимостью от нижележащих уровней (без составляющих частей и их взаимодействия новое целое не возникло бы) и относительной автономностью высшего уровня (его свойства не сводимы полностью к свойствам частей). Это ведет к философской дискуссии о причинности на разных уровнях. Возникает вопрос: могут ли эмерджентные (высшие) уровни оказывать обратное причинное влияние на составляющие? Налицо двунаправленная причинность: с одной стороны, части порождают целое (это восходящая или upward causation), с другой – целое, обладая новыми свойствами, может направлять поведение частей (это нисходящая причинность, downward causation).
An example of downward causation: consciousness (an emergent property of the brain) can cause the body to act — that is, a mental state triggers neural activity, not just the other way around. Or a social example: an 'economic crisis' — a phenomenon on the macroeconomic level — affects the lives of individuals, even though the crisis itself arose from the collective actions of individuals. Strong emergentists argue that such high-level causes genuinely operate, introducing new causal laws that do not fully follow from microphysics. Skeptics (such as followers of Jaegwon Kim) counter that this violates the causal closure of the physical world: if every particle strictly follows physical laws, there is no room for 'free' top-down influence. Some propose compromises, like the idea that macro-causes exist but their influence manifests by altering statistical flows of causation at the micro level without breaking local laws. The scientific approach to this issue is evolving through theories of causal emergence. Recently, formal methods have been proposed to measure 'causal strength' at different organizational levels. For example, the information-theoretic approach by E. Hoel and colleagues introduces the concept of Effective Information (EI) for quantitatively assessing causality. It has been shown that at some aggregated level, the model of the system may have higher effective causal power than its microscopic description. In other words, by grouping elements, clearer state correlations can emerge than in the chaotic detail of the micro-world. In such cases, we say causality is emergent: new causal regularities appear at the macro-level.A leszálló okság példája: a tudat (az agy egy emergens tulajdonsága) képes arra, hogy cselekvést váltson ki a testből – vagyis a mentális állapot képes neuronális aktivitást elindítani, nem csak fordítva. Vagy társadalmi példa: a „gazdasági válság” – egy makroszintű gazdasági jelenség – befolyásolja az egyének életét, jóllehet maga a válság az emberek egyéni cselekedeteiből alakult ki. Az erős emergentisták azt állítják, hogy az ilyen magas szintű okok valóban hatnak, és új oksági törvényeket vezetnek be, amelyek nem vezethetők le teljesen a mikrofizikából. A szkeptikusok (pl. Jaegwon Kim követői) azt állítják, hogy ez megsérti a fizikai világ oksági zártságát: ha minden részecske szigorúan követi a fizikai törvényeket, nincs helye a „szabad” felsőbb szintű hatásoknak. Léteznek kompromisszumos megközelítések is, például az az elképzelés, hogy a makro-okok léteznek, de hatásuk a statisztikai oksági áramlatok átalakításában nyilvánul meg mikroszinten, anélkül hogy megsértenék a helyi törvényeket. A tudományos megközelítés az oksági emergencia elméleteiben fejlődik. Nemrégiben formális módszereket javasoltak a „oksági erő” különböző szerveződési szinteken való mérésére. Például E. Hoel és munkatársai információelméleti megközelítése bevezette a hatékony információ (EI) fogalmát az okság kvantitatív értékelésére. Megmutatták, hogy bizonyos aggregált szinten a rendszer modellje nagyobb hatékony oksági képességgel bírhat, mint a mikroszkopikus leírása. Más szavakkal: az elemek csoportosítása révén világosabb állapotkapcsolatok jelenhetnek meg, mint a mikroszint káoszában. Ilyen esetekben azt mondjuk, hogy az okság emergens: a makroszinten új oksági törvényszerűségek jelennek meg.Пример нисходящей причинности: сознание (эмерджентное свойство мозга) способно заставить тело совершить действие – т.е. ментальное состояние вызывает нейронную активность, а не только наоборот. Или социальный пример: “экономический кризис” – явление на уровне экономики – влияет на жизнь отдельных людей, хотя сам по себе кризис возник из совокупности действий людей. Сильные эмерджентисты утверждают, что такие высокоуровневые причины реально действуют, вводя новые каузальные законы, не вытекающие полностью из микрофизики. Скептики (например, последователи Кима) возражают, что это нарушает каузальную замкнутость физического мира: если каждая частица строго следует физическим законам, то места «свободному» влиянию сверху нет. Возможны компромиссы, например идея, что макропричины существуют, но их влияние реализуется через изменение статистических потоков причинности на микроуровне, не нарушая локальных законов. Научный подход к этой проблеме развивается в рамках теорий каузальной эмерджентности. Недавно предлагаются формальные методы измерения “причинной силы” на разных уровнях организации системы. Например, информационно-теоретический подход Э. Хоэла и др. вводит понятие эффективной информации (EI) для количественной оценки причинности. Было показано, что на некотором агрегированном уровне модель системы может обладать большей эффективной причинной способностью, чем описание на микроскопическом уровне. Иными словами, за счет группировки элементов может выявиться более чёткая связь между состояниями, чем в хаотичной детализации микромира. В таких случаях говорят, что причинность эмерджентна: на макро-уровне возникают новые причинно-следственные закономерности.
Research shows that as the level of abstraction increases, new causal laws may emerge that describe system behavior more compactly — for example, a gas as a whole obeys the equation of state
In summary, the nature of interaction is the unifying theme across all our knowledge. From elementary particles to thought and society, interaction acts as the architect of structure and change. Its carriers may differ (field quanta, chemical signals, words, or even imagined value), but they serve the same function — to connect and generate new wholes. The principles of emergence teach us that novelty is possible: by combining parts, we get something greater than the sum. Full understanding still lies ahead. But even now, it’s clear that scientific progress lies at the intersection of disciplines, where physical theory is enriched by philosophical reflection, and philosophy is grounded in scientific data. Developing a complete Catalog of Causal Emergences will be a step toward a 'unified view of the world', where each phenomenon can be traced from the depths of the micro-world to the heights of human culture in a continuous chain of causality. This is not only a beautiful scientific dream, but a practical path to deeper control over the world and ourselves. To trace the path from elementary particles to the most complex social structures and discover the regularities of causal emergences in detail — we invite you into the full Catalog of Causal Emergences :)Összefoglalva: a kölcsönhatás természete minden tudásunkat összekötő téma. Az elemi részecskéktől a gondolatokon át a társadalomig a kölcsönhatás alakítja a szerkezetet és a változást. Hordozói lehetnek különbözőek (mezőkvantum, kémiai jel, szó vagy akár képzelt érték), de ugyanazt a funkciót töltik be – összekapcsolnak és új egészet hoznak létre. Az emergens elvek azt tanítják, hogy az újdonság lehetséges: ha részeket kombinálunk, többet kapunk, mint a puszta összegük. A teljes megértés még előttünk áll. De már most is nyilvánvaló, hogy a tudományos előrelépés a diszciplínák határán történik, ahol a fizikai elméletet filozófiai reflexió gazdagítja, a filozófia pedig tudományos adatokkal alapozódik meg. Egy átfogó Ok-okozati Keletkezések Katalógusának kidolgozása egy lépés lesz az „egységes világkép” felé, ahol minden jelenség nyomon követhető a mikrovilág mélyétől az emberi kultúra magaslatáig az ok-okozatok folytonos láncolatán keresztül. Ez nemcsak szép tudományos álom, hanem gyakorlati út a világ és önmagunk mélyebb irányításához. Ha részletesen szeretnéd végigkövetni az utat az elemi részecskéktől a legösszetettebb társadalmi struktúrákig, és felfedezni az ok-okozati keletkezések törvényszerűségeit – lépj be a részletes Ok-okozati Keletkezések Katalógusába :)Подводя итог, природа взаимодействий – это объединяющая тема для всего нашего знания. От простейших частиц до мысли и общества, взаимодействие выступает архитектором структуры и изменений. Его носители могут быть различны (квант поля, химический сигнал, слово или даже воображаемая ценность), но функцию они выполняют одну – связывают, порождают новое целое. Принципы эмерджентности учат нас, что новизна возможна: соединяя части, мы получаем нечто большее, чем сумма. Понимание этого во всей полноте еще впереди. Но уже сейчас ясно, что дальнейший прогресс науки лежит на стыке дисциплин, где физические теории обогащаются философской рефлексией, а философия – конкретикой научных данных. Разработка целостного каталога причинных возникновений станет шагом к “единой картине мира”, где каждое явление можно проследить от глубин микромира до высот человеческой культуры в непрерывной цепи причинных возникновений. Это не только красивая научная мечта, но и практический путь к более глубокому контролю над окружающим миром и собой. Чтобы детально проследить пути от элементарных частиц до сложнейших социальных структур и открыть для себя закономерности причинных возникновений, приглашаю перейти в подробный Каталог Причинных Возникновений :)
Main ClasificationsFőbb OsztályozásokОсновные классификации
TypesTípusokТипы
ProcessFolyamatПроцесс
Describes emergent phenomena as dynamic, temporal sequences of events or interactions that unfold over time. Process emergence emphasizes the evolution, development, or transformation of system states, structures, or behaviors, highlighting the temporal dimension of emergent phenomena. Examples include phase transitions in physical systems, developmental processes in living organisms, or social dynamics in human communities.Az emergens jelenségeket dinamikus, időbeli események vagy interakciók soraként írja le, amelyek időbeli fejlődésük során bontakoznak ki. A folyamat emergencia az állapotok, struktúrák vagy viselkedésmintázatok fejlődését, átalakulását hangsúlyozza, kiemelve az emergens jelenségek időbeli dimenzióját.Описывает эмерджентные явления как динамические, временные события или последовательность взаимодействий, развивающиеся во времени. Процессуальная эмерджентность подчёркивает развитие, трансформацию состояний, структур или паттернов поведения, выделяя временное измерение эмерджентных явлений.
ObjectObjektumОбъект
Describes emergent phenomena as static, spatial entities or configurations that persist over time. Object emergence emphasizes the formation, organization, or arrangement of system components into coherent, persistent structures, highlighting the spatial dimension of emergent phenomena. Examples include crystal formations in materials, anatomical structures in organisms, or urban layouts in human societies.Az emergens jelenségeket statikus, térbeli entitások vagy konfigurációk formájában írja le, amelyek idővel állandóak. Az objektum emergencia a rendszer komponenseinek koherens, állandó struktúrákká való szerveződését, elrendeződését hangsúlyozza, kiemelve az emergens jelenségek térbeli dimenzióját.Описывает эмерджентные явления как статические, пространственные объекты или конфигурации, сохраняющиеся во времени. Объектная эмерджентность подчёркивает формирование, организацию или структурирование компонентов системы в целостные, устойчивые образования, выделяя пространственное измерение эмерджентных явлений.
PatternMintázatПаттерн
Describes emergent phenomena as recurring, recognizable configurations or regularities that manifest across system components. Pattern emergence emphasizes the repetition, similarity, or predictability of system states, structures, or behaviors, highlighting the repetitive dimension of emergent phenomena. Examples include wave patterns in fluids, genetic motifs in biological sequences, or social norms in human cultures.Az emergens jelenségeket ismétlődő, felismerhető konfigurációk vagy rendszerességek formájában írja le, amelyek a rendszer komponensein átjelennek. A mintázat emergencia a rendszer állapotainak, struktúráinak vagy viselkedésének ismétlődését, hasonlóságát vagy előrejelezhetőségét hangsúlyozza, kiemelve az emergens jelenségek ismétlődő dimenzióját.Описывает эмерджентные явления как повторяющиеся, узнаваемые конфигурации или регулярности, проявляющиеся в компонентах системы. Паттернная эмерджентность подчёркивает повторяемость, сходство или предсказуемость состояний, структур или поведения системы, выделяя регулярное измерение эмерджентных явлений.
PropertyTulajdonságСвойство
Describes emergent phenomena as novel, system-level attributes or characteristics that arise from interactions among system components. Property emergence emphasizes the emergence of new, system-wide features, properties, or qualities that cannot be reduced to individual components, highlighting the holistic dimension of emergent phenomena. Examples include emergent properties in materials, emergent functions in biological systems, or emergent phenomena in social systems.Az emergens jelenségeket új, rendszer-szintű attribútumok vagy jellemzők formájában írja le, amelyek a rendszer komponensei közötti interakciókból származnak. A tulajdonság emergencia az új, rendszer-szintű jellemzők, tulajdonságok vagy minőségek megjelenését hangsúlyozza, amelyek nem redukálhatók az egyes komponensekre, kiemelve az emergens jelenségek holisztikus dimenzióját.Описывает эмерджентные явления как новые системные атрибуты или характеристики, возникающие в результате взаимодействий между компонентами системы. Свойственная эмерджентность подчёркивает появление новых системных свойств, качеств или характеристик, которые нельзя свести к отдельным компонентам, выделяя голистическое измерение эмерджентных явлений.
EffectHatásЭффект
Describes emergent phenomena as large-scale consequences or influences resulting from interactions within a system. Effect emergence emphasizes how micro-scale behaviors aggregate into macro-scale outcomes, often through self-organization, scaling laws, or hierarchical interactions. Examples include quantum fluctuations shaping cosmic structures, renormalization effects in field theory, or collective behaviors in economic systems.Az emergens jelenségeket nagyléptékű következmények vagy hatások formájában írja le, amelyek a rendszer belső kölcsönhatásaiból erednek. A hatás emergencia hangsúlyozza, hogy a mikroszintű viselkedések hogyan vezetnek makroszintű eredményekhez, gyakran önszerveződés, skálázási törvények vagy hierarchikus kölcsönhatások révén. Példák erre a kvantumfluktuációk által formált kozmikus struktúrák, a térelméletben megjelenő renormalizációs hatások vagy a gazdasági rendszerek kollektív viselkedései.Описывает эмерджентные явления как крупномасштабные следствия или влияния, возникающие в результате взаимодействий внутри системы. Эмерджентность эффекта подчёркивает, как микроскопические процессы агрегируются в макроскопические результаты, часто через самоорганизацию, масштабные законы или иерархические взаимодействия. Примеры включают квантовые флуктуации, формирующие структуру Вселенной, эффекты перенормировки в теории поля или коллективное поведение в экономических системах.
DirectionsIrányokНаправления
Upward causationFelfelé mutató okozásВосходящая причинность
Upward causation refers to the process by which lower-level elements or micro-components of a system (e.g., individual particles, cells, or agents) collectively give rise to higher-level structures or behaviors. In this view, the properties of the whole are driven by the interactions, combinations, or arrangements of its constituent parts. Examples include how molecular interactions cause cellular functions, or how individual neurons’ firing patterns lead to emergent brain states. Upward causation emphasizes a bottom-up approach, where causality flows from simpler to more complex scales.A felfelé mutató okozás az a folyamat, amelyben az alacsonyabb szintű elemek vagy mikrokonstituensek (például részecskék, sejtek, ágensek) kollektív tevékenysége hozza létre a magasabb szintű struktúrákat vagy viselkedésmintázatokat. Eszerint a szemlélet szerint az egész tulajdonságai az alkotóelemek kölcsönhatásaiból, kombinációiból vagy elrendezéséből fakadnak. Példa erre, hogyan idézik elő a molekuláris kölcsönhatások a sejtfunkciókat, vagy a neuronok kisülési mintázatai a magasabb rendű agyállapotokat. A felfelé mutató okozás a bottom-up megközelítésre helyezi a hangsúlyt, ahol az egyszerűbb szintekről áramlik felfelé az okozatiság a komplexebbek felé.Восходящая каузальность описывает процесс, при котором низкоуровневые элементы или микрокомпоненты системы (например, частицы, клетки, агенты) совместно порождают структуры или поведение более высокого уровня. Согласно этому взгляду, свойства целого определяются взаимодействиями, сочетаниями или конфигурацией его составляющих. Примером могут служить молекулярные взаимодействия, приводящие к функциям клетки, или паттерны активности отдельных нейронов, создающие эмерджентные состояния мозга. Восходящая каузальность подчёркивает «снизу вверх», где причинность идёт от более простого к более сложному.
Downward causationLefelé mutató okozásНисходящая причинность
Downward causation occurs when higher-level structures or phenomena exert causal influence back on their lower-level components. In other words, the collective or macro-level organization constrains, guides, or modifies the behavior of the micro-level units. Examples might include how social norms affect individual behavior, how an organism’s regulatory systems influence gene expression, or how a global pattern of neuronal activity constrains local synaptic changes. Downward causation highlights that complex systems can impose top-down constraints that limit or channel what the lower-level elements can do.A lefelé mutató okozás akkor fordul elő, amikor a magasabb szintű struktúrák vagy jelenségek visszahatnak az alacsonyabb szintű komponensekre. Másként fogalmazva, a makroszintű szerveződés korlátozza, irányítja vagy módosítja a mikroszintű egységek viselkedését. Példák közé tartozhat, hogyan befolyásolják a társadalmi normák az egyéni viselkedést, hogyan hatnak a szervezet szabályozó rendszerei a génkifejeződésre, vagy hogyan szabja meg az agy globális aktivitásmintázata a helyi szinaptikus változásokat. A lefelé mutató okozás rávilágít, hogy a komplex rendszerek felülről lefelé képesek megszabni és irányítani az alsóbb szint elemeit.Нисходящая каузальность возникает, когда структуры или явления более высокого уровня оказывают причинное воздействие на низкоуровневые компоненты. Иными словами, макроуровень или коллективная организация накладывают ограничения, направляют или меняют поведение микроскопических единиц. Примеры включают влияние социальных норм на поведение индивида, воздействие регуляторных систем организма на экспрессию генов, или влияние общей нейронной активности на локальные синаптические изменения. Нисходящая каузальность подчёркивает, что сложные системы могут «сверху вниз» устанавливать рамки для взаимодействия более простых элементов.
Horizontal causationVízszintes okozásГоризонтальная причинность
Horizontal causation refers to interactions at the same hierarchical or organizational level, where lateral influences among units drive system behavior. Instead of top-down or bottom-up, this emphasizes peer-to-peer or ‘lateral’ interactions—for example, competition or cooperation among entities of similar scale. Ecosystem species interactions (predation, symbiosis) can illustrate horizontal causation, as can peer influence in social networks (friends shaping each other’s opinions). This view shows how units of the same level create complex outcomes through mutual feedback, without necessarily invoking hierarchical constraints.A vízszintes okozás az azonos hierarchikus szinten lévő entitások közötti kölcsönhatásokat írja le, ahol az egymásra gyakorolt hatások magyarázzák a rendszer viselkedését. Nem felülről lefelé, vagy alulról felfelé, hanem „oldalirányú” befolyásról van szó—például a hasonló léptékű entitások közötti versengésről vagy együttműködésről. A vízszintes okozást bemutathatják az ökoszisztémák fajai közötti kapcsolatok (predáció, szimbiózis), valamint a barátok közötti peer-hatás a társadalmi hálózatokban (közös véleményformálás). Ez a szemlélet megvilágítja, hogyan alakítanak ki a hasonló szinten lévő egységek összetett eredményeket kölcsönös visszacsatolással, anélkül, hogy hierarchikus korlátozásokat kellene feltételezni.Горизонтальная каузальность относится к взаимодействиям на одном и том же иерархическом или организационном уровне, где «боковые» влияния между единицами определяют динамику системы. Вместо нисходящего или восходящего влияния упор делается на взаимоотношения «равного с равным» — например, конкуренция или сотрудничество между элементами одного масштаба. Горизонтальную каузальность можно наблюдать в экосистемах (хищничество, симбиоз) или в социальной сети (друзья, которые влияют на мнения друг друга). Такой подход показывает, как равноправные участники создают сложные результаты за счёт взаимной обратной связи, не обязательно прибегая к иерархическим механизмам.
Diagonal causationÁtlós okozásДиагональная причинность
Diagonal causation involves complex feedback loops that skip or mix traditional hierarchical levels. It can include cross-scale interactions where, for instance, a macro phenomenon influences a different kind of micro process than the one that created it, or lateral processes interact with higher- and lower-level dynamics simultaneously. An example might be global climate patterns (macro scale) altering localized genetic mutation rates (micro scale) without straightforward top-down or bottom-up mediation. ‘Diagonal’ highlights the interplay across multiple layers and lateral pathways, creating a network of influences that do not fit neatly into a single hierarchical direction.Az átlós okozás olyan összetett visszacsatolási hurkokat ír le, melyek átugranak vagy összemossák a hagyományos hierarchikus szinteket. Ide tartozhatnak olyan keresztméretű interakciók, ahol például egy makrojelenség egy másfajta mikrófolyamatra hat, mint ami eredetileg a makrojelenséget létrehozta, vagy amikor laterális folyamatok egyszerre érintik a magasabb és alacsonyabb szintű dinamikát. Példaként említhető, hogy a globális klímaviszonyok (makroszint) megváltoztathatják a lokális genetikai mutációs rátát (mikroszint) anélkül, hogy tisztán top-down vagy bottom-up hatást feltételeznénk. Az „átlós” kifejezés arra utal, hogy több réteg és oldalirányú folyamat keresztezi egymást, és így olyan összetett hatáshálózat jön létre, ami nem illeszthető be egyetlen hierarchikus irányba.Диагональная каузальность описывает сложные контуры обратной связи, которые перескакивают или смешивают привычные уровни иерархии. Она может включать взаимодействия между разными масштабами, когда, например, макрофеномен влияет на другой тип микропроцессов, не тот, что изначально его сформировал, или когда боковые (горизонтальные) процессы одновременно взаимодействуют с более высокими и более низкими уровнями. Примером может быть влияние глобальных климатических паттернов (макроуровень) на локальные скорости генетических мутаций (микроуровень) без чёткого «сверху вниз» или «снизу вверх» механизма. «Диагональное» указывает на сложное переплетение множества уровней и горизонтальных каналов влияния, не укладывающихся в одну иерархическую схему.
Causal decouplingOk-okozati leválasztásРазъединение причинности
Causal decoupling refers to situations where certain macroscopic properties or dynamics influence other macroscopic properties without directly engaging every microscopic element. In this scenario, the system-level behavior can shift or evolve based on higher-level state variables, largely bypassing the need for lower-level rearrangements. For example, the overall center of mass in a flock of birds can change or guide the flock’s motion as a macro entity, even though individual bird movements may not be addressed or altered one by one. Here, the flock’s collective shape or trajectory is ‘decoupled’ from constant micro-level micromanagement, indicating that macro-to-macro interactions can persist somewhat independently of micro-level specifics.Az ok-okozati leválasztás olyan helyzeteket ír le, amikor egyes makroszkopikus tulajdonságok vagy dinamikák más makroszkopikus tulajdonságokat befolyásolnak anélkül, hogy minden mikroszintű elemet közvetlenül érintenének. Ilyenkor a rendszer szintű viselkedés nagyobbrészt a magasabb szintű állapotváltozókon alapul, és nem feltétlenül követeli meg a részecskeszintű elemek folyamatos újrarendeződését. Példaként említhető egy madájsereg össztömegközéppontjának változása: a raj makroszintű mozgása átrendeződhet, anélkül hogy minden egyes madár egyedi mozgását közvetlenül módosítanák. Itt a csapat kollektív formája vagy pályája 'leválik' a mikroszintű vezérlésről, jelezve, hogy a makro-makro interakciók bizonyos függetlenséget élveznek a mikroszint pontos részleteitől.Разъединение причинности описывает ситуации, когда некоторые макроскопические свойства или динамики влияют на другие макроскопические свойства без прямого обращения к каждому элементу на микроскопическом уровне. При этом поведение системы в основном определяется параметрами высшего уровня и не требует постоянного перераспределения на уровне отдельных компонентов. К примеру, общее положение центра массы у стаи птиц может меняться, определяя общую форму или траекторию стаи, при этом не изменяя напрямую движение каждой птицы. Такая «развязка» говорит о том, что взаимодействия на макроуровне могут существовать относительно независимо от всех тонкостей микроскопического устройства.
CharactersJellemzőkХарактеры
StructuralStrukturálisСтруктурная
Characterizes emergent phenomena primarily through new physical, spatial, or organizational patterns formed by interactions among the system’s components. Structural emergence often results in stable configurations or arrangements, such as crystal lattices, cellular organelles, ecological niches, or urban morphologies. These structural patterns facilitate specific interactions and functional specializations that were previously impossible or non-evident, laying the foundation for higher-order emergent phenomena.Az emergens jelenségeket elsősorban fizikai vagy szervezeti struktúráik révén jellemzi. Ezek a struktúrák új mintázatok formájában jelennek meg a rendszerben, amelyek nem vezethetők le közvetlenül az egyes komponensek tulajdonságaiból. Az új struktúrák lehetővé teszik további, magasabb szintű emergens jelenségek kialakulását.Характеризует эмерджентные явления, прежде всего, через формирование новых физических или организационных структур. Эти структуры проявляются как качественно новые пространственные или иерархические упорядочения элементов системы, приводящие к возникновению ранее отсутствовавших взаимодействий и связей. Структурная эмерджентность служит основой для формирования более высокоуровневых феноменов и обусловливает развитие функциональных и информационных свойств системы.
Fractal Dimension
Quantifies the complexity of spatial structures or patterns that emerge within a system, indicating scale-invariance and self-similarity.A rendszerben megjelenő térbeli struktúrák vagy mintázatok bonyolultságát méri, skálainvarianciát és önhasonlóságot mutatva.Оценивает сложность пространственных структур или паттернов, возникающих в системе, показывая масштабоинвариантность и самоподобие.
Clustering Coefficient
Measures how elements of a network cluster together, characterizing the emergence of modular or clustered structural organization.Méri, hogy a hálózat elemei hogyan csoportosulnak össze, jellemzi a moduláris vagy csoportos szerkezeti szerveződés megjelenését.Измеряет степень кластеризации элементов сети, характеризуя появление модульной или кластерной структурной организации.
FunctionalFunkcionálisФункциональная
Characterizes emergence by the appearance of new capabilities, functions, or roles that the system acquires through interactions among its constituent parts. Functional emergence typically manifests in enhanced performance, novel behaviors, or completely new functionalities that individual components do not exhibit in isolation. Common examples include metabolic functions in cells, sensory integration in neural networks, and advanced functionalities in technological systems.Olyan emergens jelenségeket ír le, amelyek új funkciók vagy képességek formájában jelennek meg a rendszerben. Ezek az új funkciók javítják a rendszer teljesítményét, újszerű viselkedéseket vagy teljesen új képességeket eredményeznek, amelyeket az egyes alkotóelemek önmagukban nem mutatnak. Ilyenek például a sejtek metabolikus folyamatai, az ideghálózatok érzékszervi integrációja vagy a technológiai rendszerek fejlett funkciói.Описывает эмерджентные явления, проявляющиеся в возникновении новых функций, возможностей или способностей системы, которые не могут быть сведены к простому суммированию её отдельных элементов. Такие явления включают в себя повышение общей производительности, возникновение новых поведенческих паттернов и функций, которые отдельные элементы по отдельности не демонстрируют. Типичные примеры включают метаболические функции клеток, сенсорную интеграцию в нейронных сетях и функциональность технологических систем.
Functional Information
Measures the amount of information associated with the emergence of new functional states or behaviors in a system.Az újonnan létrejött funkcionális állapotok vagy képességek információtartalmát méri egy rendszerben.Измеряет информационное содержание новых функций или способностей, возникающих в системе.
Synergistic Interaction
Measures how collective interactions between components generate new functions.A komponensek közötti interakciók révén létrejövő szinergikus információt méri, amely új funkciókhoz vezet.Оценивает синергетическое взаимодействие компонентов, приводящее к появлению новых функций.
BehavioralViselkedésiПоведенческая
Characterizes emergent phenomena through novel, collective behaviors and actions that arise from interactions among system components. These behaviors cannot be predicted from isolated components alone but result from dynamic interplay and feedback within the system. Examples include flocking behavior in animals, collective decision-making in social groups, synchronized neural activity, and coordinated swarm behaviors in robotics, demonstrating adaptability and collective intelligence.Azokat az emergens jelenségeket jellemzi, amelyek új, kollektív viselkedések és cselekvések formájában jelennek meg a rendszer komponenseinek interakcióiból. Ezek a viselkedések nem jósolhatók meg a komponensek izolált viselkedése alapján, hanem csak azok kollektív együttműködéséből, kommunikációjából születnek meg. Például az állatok rajban való mozgása, a neuronális hálózatok szinkronizált aktivitása vagy a társadalmi csoportok összehangolt cselekvései.Характеризует эмерджентные явления через новые коллективные поведения и действия, возникающие в результате взаимодействий компонентов системы. Поведенческая эмерджентность проявляется в виде качественно новых форм активности и реакций, которые невозможно объяснить или предсказать, анализируя отдельные компоненты в изоляции. Типичными примерами служат стайное поведение животных, коллективное принятие решений в социальных группах, синхронная активность нейронных ансамблей и согласованные действия в роботизированных роях.
Behavioral Synchronization Index
Quantifies the degree of synchronization in collective behaviors of the system components.A komponensek kollektív viselkedésének szinkronizáltsági fokát méri.Оценивает степень синхронизации коллективного поведения компонентов системы.
Mutual Information of Behaviors
Measures how strongly behaviors of individual elements are interdependent, reflecting collective behavioral emergence.Az egyes komponensek viselkedése közötti kölcsönös függőséget méri, tükrözve a kollektív viselkedés emergenciáját.Измеряет степень взаимозависимости поведения отдельных элементов, отражая коллективную поведенческую эмерджентность.
InformationalInformációsИнформационная
Characterizes emergent phenomena in terms of novel patterns of information processing, transmission, or storage within a system. Informational emergence arises when complex interactions among components produce information not present at lower organizational levels, facilitating advanced functionality such as computation, communication, learning, and adaptation. Prominent examples include neural information processing, gene regulation networks, and collective decision-making in social groups.Azokat az emergens jelenségeket írja le, amelyek során új információ-feldolgozási, továbbítási vagy tárolási mintázatok alakulnak ki a rendszerben. Az információs emergencia akkor jelenik meg, amikor a komponensek bonyolult interakciói olyan új információt hoznak létre, amely nem található meg alacsonyabb szerveződési szinteken. Ez lehetővé teszi a számítást, kommunikációt, tanulást és alkalmazkodást.Характеризует эмерджентные явления через появление новых паттернов обработки, передачи или хранения информации внутри системы. Информационная эмерджентность возникает, когда сложные взаимодействия элементов порождают новую информацию, отсутствующую на нижних уровнях организации. Это обеспечивает расширенные возможности, такие как вычисления, коммуникация, обучение и адаптация. Типичные примеры — нейронные сети, коллективный интеллект, регуляция и обучение.
Mutual Information
Measures the reduction of uncertainty in one variable due to knowledge of another, quantifying emergent informational relationships.Annak mértéke, hogy mennyivel csökken egy változó bizonytalansága egy másik változó ismeretének birtokában, amely kvantifikálja az emergens információs kapcsolatokat.Определяет, насколько уменьшается неопределенность одной переменной благодаря знанию другой, количественно характеризуя возникающие информационные связи.
Transfer Entropy
Quantifies the directional flow of information between components, revealing how new information emerges and spreads within the system.Az információ irányított áramlását méri a komponensek között, megmutatva, hogyan keletkezik és terjed el új információ a rendszeren belül.Количественно измеряет направленный поток информации между компонентами, раскрывая механизм появления и распространения новой информации внутри системы.
Integrated Information (Φ)
Measures the amount of information generated by the system as a whole beyond its parts, highlighting emergent informational structures.Azt méri, hogy a rendszer egésze mennyivel több információt hoz létre, mint a részek külön-külön, rámutatva az emergens információs struktúrákra.Измеряет количество информации, генерируемой системой как целым, превышающей сумму информации её частей, выявляя возникающие информационные структуры.
SemanticSzemantikaiСемантическая
Describes emergence through novel meanings, interpretations, or semantic relations appearing within a system. Semantic emergence occurs when interactions among components or information streams lead to qualitatively new concepts or symbolic interpretations, which cannot be deduced directly from underlying elements alone. Such phenomena are common in linguistic evolution, cognitive processing, cultural transmission, and advanced artificial intelligence systems, where meaning arises from complex relational or contextual configurations.Az emergenciát olyan új jelentéseken vagy értelmezéseken keresztül írja le, amelyek a rendszer komponensei vagy információs folyamai között jelennek meg. Szemantikai emergencia akkor lép fel, amikor a komponensek vagy az információáramlások interakciói minőségileg új jelentésekhez vagy interpretációkhoz vezetnek, amelyeket nem lehet az egyes részek külön-külön történő vizsgálatával megérteni. Például a nyelvi struktúrák kialakulása, kulturális fogalmak vagy társadalmi konvenciók.Описывает эмерджентные явления через появление новых смыслов, интерпретаций или семантических связей в системе. Семантическая эмерджентность возникает, когда взаимодействия компонентов или информационных потоков приводят к качественно новым значениям, символам и интерпретациям, которых нет на более низких уровнях. Типичными примерами являются языковая эволюция, формирование символических систем, культурная адаптация и когнитивные интерпретации.
Semantic Mutual Information
Measures the amount of shared meaning between semantic units within the system, quantifying the emergence of semantic relationships.Méri a rendszeren belüli szemantikai egységek közötti közös jelentés mennyiségét, amely az emergens szemantikai kapcsolatok mutatója.Оценивает количество общего смысла между семантическими единицами системы, показывая уровень взаимосвязи и смысловой согласованности.
Semantic Distance
Quantifies how different or similar semantic units or concepts are within emergent interpretations or classifications.A szemantikai egységek közötti hasonlóság mértékét méri, mennyire különböző vagy hasonló jelentéseket képviselnek az elemek.Определяет различия или схожесть значений между семантическими единицами, количественно оценивая новизну и разнообразие возникающих интерпретаций.
MechanismsMechanizmusokМеханизмы
NonlinearFeedbackNemlineáris VisszacsatolásНелинейная Обратная Связь
Nonlinear feedback is a type of feedback where the output of a system influences its own behavior in a nonlinear, complex, and often unpredictable way. Such processes can lead to qualitatively new states and dynamic regimes, including chaotic behavior, bifurcations, and spontaneous self-organization. The mechanism of nonlinear feedback underlies many emergent phenomena in biological, social, and physical systems, such as population pulsations, neural activity in the brain, or nonlinear oscillations in chemical reactions. Processes where the system’s output feeds back into it in a nonlinear way.A nemlineáris visszacsatolás olyan típusú visszacsatolás, ahol a rendszer kimenete befolyásolja saját viselkedését nemlineáris, bonyolult és gyakran kiszámíthatatlan módon. Ilyen folyamatok új minőségű állapotokhoz és dinamikus rendszerekhez vezethetnek, beleértve a kaotikus viselkedést, a bifurkációkat és az önképződést. A nemlineáris visszacsatolás mechanizmusa számos emergens jelenség alapja biológiai, társadalmi és fizikai rendszerekben, például a populációs pulzációkban, az agyban zajló idegi aktivitásban vagy a kémiai reakciók nemlineáris rezgéseiben. Folyamatok, amelyekben a rendszer kimenete nemlineáris módon visszahat rá.Нелинейная обратная связь — это тип обратной связи, при котором выходные данные системы влияют на её собственное поведение не линейным, а сложным и зачастую непредсказуемым образом. Такие процессы могут приводить к появлению качественно новых состояний и динамических режимов, включая хаотическое поведение, бифуркации и спонтанную самоорганизацию. Механизм нелинейной обратной связи является основой многих эмерджентных явлений в биологических, социальных и физических системах, таких как пульсация в популяциях, нервная активность в мозге или нелинейные колебания в химических реакциях.Процессы, в которых выход системы возвращается в неё нелинейным образом.
Mutual Information (MI)
Measures the amount of information that one random variable contains about another.Méri, hogy egy véletlen változó mennyi információt tartalmaz egy másikról.Измеряет степень взаимозависимости двух случайных переменных.
Transfer Entropy (TE)
Quantifies directional information flow between systems or components.Mennyiségi mértéke a rendszerek vagy komponensek közötti irányított információáramlásnak.Количественно измеряет направленный информационный поток между системами или компонентами.
PhaseTransitionFázisátmenetФазовый Переход
Processes where a system undergoes transitions between qualitatively distinct states or phases, typically accompanied by abrupt changes in physical properties. During phase transitions, small variations in parameters (such as temperature, pressure, or density) can lead to drastic transformations, manifesting phenomena like criticality, spontaneous symmetry breaking, and the emergence of new order.Olyan folyamatok, amikor egy rendszer minőségileg különböző állapotok vagy fázisok között megy át, amelyekhez általában a fizikai tulajdonságok hirtelen megváltozása társul. A fázisátmenetek során kis paraméterváltozások (például hőmérséklet, nyomás) minőségileg új állapotokhoz vezethetnek, amelyek alapvetően különböznek a korábbiaktól.Процессы, при которых система переходит между качественно различными состояниями или фазами, обычно сопровождаемые резкими изменениями физических свойств. Во время фазовых переходов небольшие изменения параметров (например, температуры, давления) приводят к качественно новым состояниям, характеризующимся принципиально иными свойствами системы.
Order Parameter
Quantifies the degree of order across the boundaries of a phase transition.Mennyiségi jellemzője a rendszer rendezettségének a fázisátmenetek határain.Параметр порядка, количественно характеризующий степень упорядоченности при фазовом переходе.
Susceptibility
Quantifies how sensitive the order parameter is to external fields or perturbations near the phase transition point.Mennyiségi jellemzője annak, hogy az order paraméter mennyire érzékeny a külső mezőkre vagy zavarásokra a fázisátmenet közelében.Измеряет чувствительность параметра порядка к внешним воздействиям или возмущениям вблизи точки фазового перехода.
Correlation Length
Describes the characteristic length scale at which fluctuations become correlated near critical points.Leírja a jellemző hosszskálát, ahol a fluktuációk korrelálttá válnak a kritikus pontok közelében.Определяет характерный масштаб длины, на котором флуктуации становятся коррелированными вблизи критических точек.
AutocatalysisAutokatalízisАвтокатализ
Autocatalysis refers to self-sustaining chemical reactions in which the product of a reaction simultaneously acts as a catalyst for its own formation. These processes create positive feedback loops leading to rapid, nonlinear growth of product concentration, driving the system towards complexity and pattern formation. Autocatalysis is fundamental in the emergence of biological complexity, enabling self-replication, metabolic networks, and the self-organization of life.Olyan önfenntartó folyamatok, amelyek során a reakció során létrejövő vegyület katalizálja a saját képződését. Az autokatalízis alapvető szerepet játszik a biológiai komplexitás kialakulásában, lehetővé téve az önreplikációt, metabolikus hálózatok létrejöttét, valamint az élet önszerveződését. Az autokatalitikus folyamatok jelentősége különösen kiemelkedő a biológiai rendszerek emergenciájában.Процессы, в которых продукт химической реакции выступает катализатором своего собственного образования. Автокатализ является основополагающим механизмом возникновения биологической сложности, лежит в основе самоорганизации жизни, метаболических сетей и самоорганизующихся систем. Именно автокаталитические процессы позволяют возникать и поддерживать устойчивое самовоспроизводство и усложняющиеся структуры, что является ключевым фактором в эволюции биологической сложности.
Reaction Rate (Michaelis-Menten Kinetics)
Describes the rate of an enzymatic (or autocatalytic) reaction as a function of substrate concentration.Leírja az enzimatikus (vagy autokatalitikus) reakció sebességét a szubsztrát koncentrációjának függvényében.Определяет скорость реакции по кинетике Михаэлиса-Ментен для ферментативных реакций.
Autocatalytic Growth Equation
Describes the exponential or nonlinear growth characteristic of autocatalytic systems, where X is the concentration and n indicates the autocatalytic order.Leírja az autokatalitikus rendszerek exponenciális vagy nemlineáris növekedési jellegét, ahol X a koncentráció, n pedig az autokatalitikus rendelkezési sorrendet jelzi.Описывает экспоненциальный или нелинейный характер роста автокаталитических систем, где X — концентрация, а n характеризует степень нелинейности автокатализа.
Information Synergy (Synergistic Information)
Quantifies how the interactions between components produce novel collective informational properties in autocatalytic systems.Mennyiségi jellemzője annak, hogy az autokatalitikus rendszerekben a komponensek közötti interakciók milyen új kollektív információs tulajdonságokat hoznak létre.Определяет, насколько взаимодействия между компонентами порождают новую коллективную информацию в автокаталитических системах.
SwarmRajРой
Processes involving decentralized systems composed of simple agents that, through local interactions, collectively demonstrate complex and coordinated behavior. Swarm dynamics exhibit adaptive, self-organized patterns such as flocking, schooling, or clustering, arising spontaneously without centralized control. The behavior of the swarm significantly exceeds the abilities and actions of individual agents, showcasing emergent intelligence, resilience, and adaptability.Az önszerveződő, decentralizált rendszerek folyamatai, amelyek során kollektív viselkedés alakul ki anélkül, hogy központi irányításra lenne szükség. A raj viselkedése jelentősen meghaladja az egyedi tagok képességeit és cselekedeteit, spontán módon kialakuló intelligenciát, rugalmasságot és alkalmazkodóképességet mutatva. Az emergens viselkedési minták révén a rajok képesek bonyolult feladatok ellátására, például navigáció, táplálékszerzés vagy védekezés.Процессы в децентрализованных системах, где отдельные агенты коллективно самоорганизуются, формируя скоординированное поведение без единого центра управления. Роевые системы демонстрируют спонтанное появление сложных структур и динамических шаблонов поведения, значительно превосходящих возможности отдельных агентов. Такие системы проявляют эмерджентный интеллект, устойчивость и адаптивность в решении задач навигации, поиска пищи или защиты.
Flocking Alignment Index
Quantifies the degree of directional alignment of agents in a swarm, indicative of collective behavior synchronization.Méri a rajban lévő ügynökök irányított együttműködésének mértékét, amely a kollektív viselkedés szinkronizációját jelzi.Измеряет степень направленного согласования элементов роя, показывая уровень коллективной организации и согласованности действий.
Swarm Cohesion Index
Measures the average spatial proximity among agents, quantifying how closely the agents in a swarm stay grouped together.Méri az ügynökök átlagos térbeli közelségét, kvantitatívan értékelve, hogy milyen közel maradnak egymáshoz a rajban.Определяет среднее расстояние между агентами, количественно оценивая степень пространственной связности и компактности роя.
Collective Information Flow (Synergistic Mutual Information)
Quantifies the emergence of collective behaviors through synergistic interactions among swarm elements over time.Mennyiségi jellemzője a kollektív viselkedések kialakulásának a raj elemei közötti szinergikus interakciók révén az idő folyamán.Количественно оценивает информационный поток, возникающий вследствие синергетического взаимодействия элементов роя во времени.
NetworkHálózatСеть
Interconnected systems comprising multiple interacting components, which collectively exhibit behaviors not reducible to isolated elements. Networks manifest complex structural, functional, and informational patterns, enabling robust communication, resource distribution, and self-organization. Examples range from neuronal and ecological networks to social and technological systems, each exhibiting emergent properties such as robustness, efficiency, and adaptive capacity.Egymással összekapcsolt rendszerek, amelyek számos kölcsönható komponensből állnak, és összetett strukturális, funkcionális és információs mintázatokat mutatnak. A hálózatok lehetővé teszik a hatékony kommunikációt, erőforrás-elosztást és önszerveződést. Például neuronális, ökológiai, társadalmi és technológiai hálózatok, amelyek mindegyike emergens tulajdonságokat, például robusztusságot, hatékonyságot és adaptív kapacitást mutat.Системы, состоящие из множества взаимодействующих элементов, взаимосвязь которых порождает сложные структурные, функциональные и информационные паттерны, несводимые к характеристикам отдельных элементов. Сети обеспечивают надёжную коммуникацию, распределение ресурсов и самоорганизацию. Примерами служат нейронные, экологические, социальные и технологические сети, которые демонстрируют эмерджентные свойства, такие как устойчивость, эффективность и адаптивность.
Network Clustering Coefficient
Quantifies the degree to which nodes tend to cluster together, indicating potential modular structure.Méri, hogy a csomópontok mennyire hajlamosak csoportosulni, jelezve a potenciális moduláris struktúrát.Определяет степень тенденции элементов сети к формированию кластеров, что отражает потенциальную модульную структуру.
Average Path Length
Measures the average shortest distance between any two nodes in the network, reflecting efficiency in information transfer.Méri a hálózatban lévő bármely két csomópont közötti átlagos legrövidebb távolságot, amely az információátvitel hatékonyságát tükrözi.Определяет среднюю длину путей между элементами сети, характеризуя эффективность обмена информацией или ресурсами.
Betweenness Centrality
Quantifies the influence of a node based on the fraction of shortest paths passing through it, reflecting importance in controlling information flow.Méri a csomópont befolyását a rajban, azon legrövidebb utak arányában, amelyek rajta haladnak keresztül, jelzi az információáramlás irányításában betöltött szerepét.Показывает, насколько элемент сети важен для передачи информации или ресурсов, являясь мостом на пути между другими элементами.
HierarchicalConstraintsHierarchikus KorlátozásokИерархические Ограничения
Mechanisms by which higher-level organizational structures impose constraints or boundary conditions on lower-level components, shaping their behavior and interactions. These constraints guide or limit possible states or actions at lower levels, resulting in coherent behavior, increased functional efficiency, or emergent phenomena such as regulatory control in biological systems or structured interactions in social groups. Such hierarchical constraints are key to maintaining order and complexity across scales.Azon mechanizmusok, amelyek révén a magasabb szerveződési szintek korlátozásokat vagy határfeltételeket szabnak meg az alacsonyabb szinteken található elemek viselkedésére és kölcsönhatásaira. Ezek a korlátozások vezetik vagy korlátozzák az alsóbb szinteken lehetséges állapotokat vagy cselekvéseket, ezáltal koherens viselkedést, fokozott funkcionális hatékonyságot vagy emergens jelenségeket eredményeznek, például biológiai szabályozó rendszerekben vagy szervezett társadalmi csoportokban.Механизм, посредством которого структуры более высокого уровня организации устанавливают ограничения или граничные условия для компонентов нижних уровней, формируя их поведение и взаимодействия. Эти ограничения направляют или ограничивают возможные состояния и действия нижних уровней, что ведёт к согласованному поведению, повышению функциональной эффективности или возникновению эмерджентных явлений, таких как регуляторный контроль в биологических системах или структурированное взаимодействие в социальных группах.
Conditional Mutual Information
Measures how much higher-level variables constrain or condition interactions among lower-level elements.Méri, hogy a magasabb szintű változók mennyire korlátozzák vagy feltételezik az alsóbb szintű elemek közötti interakciókat.Измеряет, насколько переменные более высокого уровня накладывают ограничения или условия на взаимодействия элементов нижнего уровня.
Transfer Entropy (Top-down influence)
Quantifies the directional influence or information transfer from higher hierarchical levels onto lower levels.Mennyiségi mértékezi a felsőbb hierarchikus szintekről az alsóbb szintekre irányuló befolyást vagy információátvitelt.Количественно оценивает направленное влияние или передачу информации от верхних иерархических уровней к нижним уровням.
Conditional Mutual Information Reduction
Captures the reduction in uncertainty about interactions at lower levels when higher-level constraints are considered.Leírja az alsóbb szintű interakciókra vonatkozó bizonytalanság csökkenését, amikor a magasabb szintű korlátozásokat figyelembe veszik.Описывает уменьшение неопределённости (энтропии) взаимодействий нижних уровней при учёте ограничений верхних уровней.
EvolutionaryEvolúciósЭволюционные
Processes characterized by gradual changes, selection, variation, and adaptation of components within a system over extended time scales. Evolutionary mechanisms underpin the development of complexity through cumulative selection of advantageous traits, emergence of new functions, structures, or behaviors, and optimization toward greater resilience and adaptability. These processes occur not only biologically (natural selection, genetic drift) but also socially, culturally, and technologically.Azok a folyamatok, amelyeket fokozatos változások, szelekció, variáció és alkalmazkodás jellemeznek hosszabb időtávon belül. Az evolúciós mechanizmusok alapozzák meg a komplexitás fejlődését az előnyös tulajdonságok kumulatív szelekcióján keresztül, valamint új funkciók, struktúrák vagy képességek emergenciája révén, amelyek fokozzák a rendszerek alkalmazkodóképességét és túlélési esélyeit.Процессы, характеризующиеся постепенными изменениями, отбором, вариациями и адаптацией элементов системы на протяжении длительных временных промежутков. Эволюционные механизмы лежат в основе развития сложности путём накопления полезных признаков, возникновения новых функций, структур и форм поведения. Данные процессы включают естественный отбор, мутации, дрейф генов, и приводят к появлению эмерджентных феноменов на разных уровнях организации жизни.
Fitness Function
Describes relative reproductive or adaptive success of a trait within a population, driving evolutionary selection.Leírja egy tulajdonság relatív reproduktív vagy adaptív sikerét a populációban, meghatározva az evolúciós szelekció irányát.Описывает относительный репродуктивный или адаптационный успех признака в популяции, определяя направление эволюционного отбора.
Mutation Rate
Rate at which new variations or mutations appear within the system, fundamental for evolutionary innovation.Meghatározza az új variációk vagy mutációk megjelenésének gyakoriságát a populációban, ami alapvető az evolúciós innováció szempontjából.Определяет интенсивность появления новых вариаций (мутаций) в популяции, являясь основой для эволюционной изменчивости.
Fixation Probability
Probability that a new mutation will become established within a population, crucial for understanding evolutionary dynamics.Az új mutációk meghatározott valószínűsége, hogy elterjedjenek a populációban, ami kulcsfontosságú az evolúciós dinamika megértéséhez.Вероятность закрепления нового признака в популяции, определяющая долгосрочные последствия естественного отбора и случайного дрейфа генов.
SelfOrganizedCriticalityÖnszerveződő KritikalitásСамоорганизующаяся Критичность
Processes in which complex dynamical systems spontaneously evolve towards a critical state—a precarious equilibrium point at which even minor perturbations can trigger cascading responses of various magnitudes. This phenomenon is marked by power-law distributed event sizes, reflecting scale-free dynamics, long-range correlations, and enhanced responsiveness to external stimuli. Examples include avalanches, earthquakes, neural dynamics, and economic market fluctuations.Olyan rendszerek, amelyek természetesen fejlődnek egy kritikus állapotba, ahol már a kisebb események is jelentős, lavinaszerű következményekhez vezethetnek. Ezek a rendszerek általában erős korrelációkat, hosszú távú kapcsolatokat és fokozott érzékenységet mutatnak külső hatásokra. Tipikus példák erre a lavinák, földrengések, neuronális dinamika és gazdasági piaci ingadozások.Системы, которые естественным образом эволюционируют в критическое состояние, где даже незначительные события способны привести к серьёзным каскадным последствиям. Для таких систем характерны лавинообразные эффекты, масштабно-инвариантность (безразмерность), дальнодействующие корреляции и высокая чувствительность к внешним воздействиям. Типичные примеры — сход лавин, землетрясения, нейронные сети мозга и динамика экономических рынков.
Power-law Distribution
Characteristic statistical signature of critical systems, indicating scale-invariant behavior.Jellemző statisztikai aláírás a kritikus rendszerek esetében, amely skálainvariáns viselkedést mutat.Характерная статистическая подпись критических систем, демонстрирующая масштабно-инвариантное поведение.
Critical Exponent (Scaling Exponent)
Quantifies the rate at which probabilities of large events decrease, fundamental in characterizing self-organized criticality.Meghatározza, hogy milyen gyorsan csökkennek a nagy események valószínűségei, ami alapvető paraméter a kritikus állapotok leírásában.Определяет, с какой скоростью убывает вероятность крупных событий, являясь ключевым параметром самоорганизующейся критичности.
Correlation Length
Measures how far spatial or temporal correlations extend across the system near critical points.Meghatározza a térbeli vagy időbeli korrelációk terjedési távolságát a kritikus pontok közelében.Определяет характерный масштаб корреляции элементов системы вблизи критической точки.