1. 決定論的カオスと「もしも」の敏感性
カオス理論は、決定論的な方程式から生じる、予測不可能な振る舞いを研究します。
ローレンツの気象モデルのように、初期値に微小な違いがあるだけで、長期の振る舞いが全く異なるものになる現象を扱います。
1.1 バタフライ効果
「ブラジルで蝶が羽ばたいたら、テキサスで竜巻が起こるかもしれない」というメタファーは、初期値敏感性の象徴です。
数学的には、軌道 が初期値 に対して指数関数的に敏感です。
ここで はリャプノフ指数です。
1.2 「もしも」の予測不可能性
「もし初期値が ならば、未来は になる」という「もしも」は、理論的には決定論的です。
しかし、現実には初期値を無限の精度で知ることはできません。
したがって、「もしも」の前提（初期値）に微小な誤差 が含まれる場合、長期予測は意味を失います。
この時間スケールを予測可能時間と呼びます。カオス系では、この時間が短いため、「もしも」の思考は短期的な分岐点としてしか機能しません。
2. 分岐理論と「もしも」の分岐点
カオス系では、パラメータの変化に応じて系の振る舞いが質的に変化します。これを**分岐（Bifurcation）**と呼びます。
2.1 分岐点における「もしも」
分岐点では、系の振る舞いが複数の安定状態に分岐します。
「もしパラメータが閾値を超えたならば、系はどちらの安定状態へ向かうか？」
この問いは、初期条件の微小な揺らぎに依存するため、本質的に予測不可能です。
2.2 自発的対称性の破れ
分岐点は、対称性の破れに対応します。
「もし系が対称であるならば、どちらの方向へも進む可能性がある」という「もしも」が、対称性の破れによって一つの方向へ固定されます。
3. 複雑系と創発：「もしも」の階層性
複雑系（Complex Systems）では、多数の要素が相互作用することで、個々の要素にはない性質（創発、Emergence）が現れます。
3.1 創発と「もしも」
「もし個々のニューロンの活動を知れば、意識が説明できるか？」
この問いに対する答えは「No」です。
個々のニューロンの振る舞い（微視的if）から、意識という巨視的現象（巨視的if）を演繹的に導くことはできません。
3.2 階層的な「もしも」
複雑系では、異なるスケールで異なる「もしも」が機能します。
- 微視的if: 分子の衝突、ニューロンの発火
- 巨視的if: 社会の動向、経済の動向
巨視的ifは、微視的ifの詳細を無視して成立します。これを**縮約（Coarse-graining）**と呼びます。
「もし経済指標が上昇すれば、株価も上昇する」という「もしも」は、個々の取引の詳細を無視して成立する有効な理論です。
4. 自己組織化と「もしも」の自律性
複雑系では、外部からの指示なしに秩序が形成されます（自己組織化）。
ベナールの対流セルや、鳥の群れの振る舞いなどが例です。
4.1 局所的なルールから巨視的な秩序へ
個々の要素が単純なルール（「もし隣が近づいたら、距離を保て」）に従うだけで、巨視的な秩序が現れます。
このとき、「もしも」は、外部からの因果的な介入ではなく、局所的な相互作用の累積として機能します。
4.2 適応と学習
生物や社会システムでは、要素が環境に適応してルールを変化させます。
「もし環境が変化すれば、ルールも適応する」という「もしも」は、システム自体が「もしも」の構造を再構築することを意味します。
5. 第6章のまとめ：現実的ifの限界と可能性
第6章では、カオスと複雑系を通じて、「もしも」の限界と可能性を示しました。
- カオス: 決定論的でありながら予測不可能。初期値敏感性により「もしも」の精度が制限される。
- 複雑系: 創発により、微視的ifから巨視的ifを演繹できない。階層的な「もしも」が必要。
これらの洞察は、第3部「仮想的if」へとつながります。
現実世界で「もしも」を処理するために、私たちはモデルを作成します。
そのモデルの究極的な形が、コンピュータプログラム、すなわち仮想的ifです。