De fleste mennesker tænker på historien som en række historier - fortællinger om en hær, der uventet besejrede en anden, eller en politiker, der holder en mindeværdig tale, eller en upstart, der vælter en siddende monark.
Peter Turchin fra University of Connecticut ser tingene lidt anderledes. Formelt uddannet som økolog ser han historien som en række ligninger. Specifikt ønsker han at bringe de typer af matematiske modeller, der bruges inden for områder som dyrelivsøkologi for at forklare befolkningstendenser i en anden art: mennesker.
I et papir, der blev offentliggjort med kolleger i dag i Proceedings of the National Academy of Sciences, præsenterer han en matematisk model (vist til venstre for videoen ovenfor), der korrelerer godt med historiske data (vist til højre) om udvikling og spredning af store, komplekse samfund (repræsenteret som røde territorier i det studerede grønne område). Simuleringen løber fra 1500 f.Kr. til 1500 e.Kr. - så den omfatter væksten i samfund som Mesopotamien, det gamle Egypten og lignende - og gentager historiske tendenser med 65 procents nøjagtighed.
Dette lyder måske ikke som en perfekt bogføring af menneskets historie, men det er egentlig ikke målet. Turchin ønsker simpelthen at anvende matematisk analyse på det historiske felt, så forskere kan bestemme, hvilke faktorer der er mest indflydelsesrige på at påvirke spredningen af menneskelige stater og befolkninger, ligesom økologer har gjort, når de analyserer dynamikken i dyrelivets befolkning. I det væsentlige ønsker han at besvare et simpelt spørgsmål: Hvorfor udviklede komplekse samfund sig og sprede sig på nogle områder, men ikke på andre?
I denne undersøgelse fandt Turchins team, at konflikt mellem samfund og udviklingen af militær teknologi som følge af krig var de vigtigste elementer, der forudsagde, hvilke stater der ville udvikle sig og udvide sig over kortet - med de faktorer, der blev taget, forværredes modellen og beskrev faktisk historie med kun 16 procents nøjagtighed.
Turchin begyndte at tænke på at anvende matematik til historien generelt for ca. 15 år siden. ”Jeg nød altid historie, men indså derefter, at det var den sidste store disciplin, der ikke blev matematisk, ” forklarer han. ”Men matematiske tilgange - modellering, statistik osv. - er en iboende del af enhver reel videnskab.”
Ved at bringe disse slags værktøjer ind i arenaen for verdenshistorie og udvikle en matematisk model, blev hans team inspireret af en teori kaldet kulturelt valg af flere niveauer, som forudsiger, at konkurrence mellem forskellige grupper er den vigtigste drivkraft for udviklingen af storstilet, kompleks samfund. For at indbygge det i modellen delte de hele Afrika og Eurasien op i malede firkanter, som hver blev kategoriseret efter et par miljøvariabler (typen af levesteder, højde og om det havde landbrug i 1500 fvt). De "såede" derefter militær teknologi i firkanter, der støder op til græsarealerne i Centralasien, fordi husdommen af heste - tidens dominerende militære teknologi - sandsynligvis opstod der i starten.
Med tiden tillader modellen, at domestiske heste spredte sig mellem tilstødende firkanter. Det simulerede også konflikt mellem forskellige enheder, der tillader firkanter at overtage pladser i nærheden, bestemme sejr baseret på det område, som hver enhed kontrollerede, og således voksede størrelser på imperier. Efter at have tilsluttet disse variabler, lod de modellen simulere 3.000 års menneskelig historie og sammenlignede derefter dens resultater med faktiske data, indsamlet fra en række historiske atlasser.
Selvom det ikke er perfekt, overraskede nøjagtigheden af deres model - forudsigelse af udviklingen og spredningen af imperier næsten alle de rigtige steder - endda forskerne. ”For at sige sandheden, denne virksomheds succes oversteg mine vildeste forventninger, ” siger Turchin. "Hvem ville have troet, at en simpel model kunne forklare 65% af variansen i en stor historisk database?"
Så hvorfor skulle konflikt mellem samfund vise sig at være en så vigtig variabel i at forudsige, hvor imperier ville danne sig? ”For at udvikle sig til en stor størrelse har samfund brug for særlige institutioner, der er nødvendige for at holde dem sammen, ” foreslår Turchin. ”Men sådanne institutioner har store interne omkostninger, og uden konstant konkurrence fra andre samfund, falder de sammen. Kun konstant konkurrence sikrer, at ultrasociale normer og institutioner fortsætter og spreder sig. ”
Modellen viser, at landbrug er en nødvendig, men ikke tilstrækkelig forudsætning for et komplekst samfund, siger han - disse stater kan ikke dannes uden landbrug, men den vedvarende tilstedeværelse af konkurrence og krigsførelse er nødvendig for at smide landbrugssamfund til holdbare, store skalaer . Konventionelle analyser af historien kunne komme til samme konklusion, men de ville ikke være i stand til at demonstrere det på samme matematisk-baserede måde. På denne side kunne Turchins gruppe på den anden side fjerne indflydelsen af krigføring og se modellens nøjagtighed i beskrivelsen af virkelige historiske dataflytninger.
Der er selvfølgelig begrænsninger for at se historien gennem matematik - mennesker er mere komplicerede end antal. ”Forskelle i kultur, miljøfaktorer og tusinder af andre variabler, der ikke er inkluderet i modellen, har alle effekt, ” siger Turchin. ”En simpel generel model skal ikke være i stand til at fange den faktiske historie i al sin herlige kompleksitet.”
Modellen er stadig et unikt og værdifuldt værktøj. Fremover ønsker Turchins team at udvikle det yderligere - tilføje mere nuance (såsom inkludere kvaliteten af landbrugsproduktiviteten, snarere end blot at skifte, hvis landbrug eksisterer i et givet område eller ej) for at forbedre den 65 procents nøjagtighed. Derudover vil de gerne udvide modellen ved at anvende den til den nyere verdenshistorie og også præ-columbianske Nordamerika, hvis de kan finde relevante historiske data.
Baseret på hans indtil videre erfaringer, tror Turchin, at de vil få succes med at udvikle en model, der bedre afspejler civilisationernes stigning og fald. "Det viser sig, at der er en masse kvantitative data i historien, " siger han, "du skal bare være kreativ for at lede efter dem."
