Unveiling hidden features of social evolution by inferring Langevin dynamics from data

Dit artikel stelt een raamwerk van stochastische differentiaalvergelijkingen voor om sociale evolutie als continu-tijd dynamica te modelleren, wat de kwantificering van irreversibiliteit, de detectie van exogene perturbaties en de imputatie van ontbrekende gegevens mogelijk maakt om de beperkingen van deterministische benaderingen bij het analyseren van historische trajecten te overwinnen.

De kern

Stel je voor dat je probeert de geschiedenis van de menselijke beschaving te begrijpen door naar een reeks onsamenhangende, wazige snapshots te kijken. Traditionele geschiedschrijving probeert deze punten vaak met rechte lijnen te verbinden, uitgaande van het idee dat als we het verleden kennen, we de toekomst kunnen voorspellen met een simpele formule: "Als X gebeurt, dan volgt Y."

Dit artikel betoogt dat de geschiedenis geen rechte lijn is; het is meer als een dronken persoon die door een mistig bos loopt. Die persoon heeft een algemene richting waarin hij wil gaan (de "drift"), maar hij struikelt, wiebelt en wordt voortdurend door de wind opzij geduwd (de "willekeurige ruis").

De auteurs stellen een nieuwe manier voor om de geschiedenis te bestuderen met behulp van een wiskundig instrument genaamd Langevin-dynamica. Denk hierbij aan een "weervoorspelling voor de geschiedenis". In plaats van alleen te zeggen: "het gaat morgen regenen", vertelt het je de waarschijnlijkheid van regen, hoe hard de wind kan waaien en hoe groot de kans is dat een plotselinge storm het hele pad zal veranderen.

Hier is een uiteenzetting van hun ideeën met behulp van eenvoudige analogieën:

1. De Kern van het Idee: Geschiedenis als een "Wobbelige Wandeling"

De meeste geschiedenisboeken behandelen samenlevingen als biljartballen: als je ze op een bepaalde manier raakt, gaan ze die kant op. De auteurs zeggen dat dit onjuist is. Samenlevingen zijn meer als een blad dat stroomafwaarts drijft in een rivier.

• De Drift (De Stroming van de Rivier): Dit vertegenwoordigt de grote, structurele krachten. Bijvoorbeeld: naarmate een samenleving rijker wordt, neigt deze er naar om democratischer te worden. Dit is de "stroming" die het blad in een specifieke richting duwt.
• De Diffusie (Het Wiebelen): Dit vertegenwoordigt de willekeurige chaos. Een plotselinge oorlog, een briljante leider, een plaag of een slechte oogst kan het blad opzij duwen, zelfs tegen de stroom in.
• De Innovatie: In plaats van het wiebelen te negeren als "ruis", behandelt dit artikel het als een cruciaal onderdeel van het verhaal. Ze gebruiken wiskunde om de "rivierstroming" te scheiden van het "willekeurige wiebelen".

2. Drie Superkrachten van Deze Nieuwe Methode

Door de geschiedenis te behandelen als deze "wobbelige wandeling", ontsluiten de auteurs drie speciale vermogens die oude methoden niet hadden:

A. Het Meten van de "Pijl van de Tijd" (Onomkeerbaarheid)

Stel je voor dat je een film van de geschiedenis achterstevoren afspeelt. Zou het er normaal uitzien?

• De Analogie: Als je een ei laat vallen en het breekt, weet je dat de tijd vooruit beweegt. Je kunt een ei niet "on-breken".
• De Bevinding van het Papier: De auteurs hebben een score ontwikkeld om te meten hoe "éénrichtingsverkeer" de geschiedenis is. Ze ontdekten dat de geschiedenis over het algemeen een sterke voorwaartse richting heeft (zoals een rivier die een heuvel afstroomt). Echter, ze kunnen exact aanwijzen wanneer een land tegen de natuurlijke stroom in "stroomopwaarts" ging.
• Voorbeeld uit de praktijk: Ze ontdekten dat tijdens grote crises (zoals de financiële crisis van 2008 of de pandemie van 2020) landen tijdelijk stopten met het volgen van hun gebruikelijke pad en op chaotische, onvoorspelbare manieren bewogen.

B. Het Opsporen van de "Plot Twists" (Exogene Perturbaties)

Soms krijgt een blad een klap van een vallende tak. Dat is een externe schok.

• De Analogie: Als je over straat loopt en plotseling wordt weggeduwd door een vreemde, is dat een "perturbatie".
• De Bevinding van het Papier: Hun wiskunde kan het verschil zien tussen een "normaal wiebelen" (zoals een kleine verandering in de economie door het weer) en een "massieve schok" (zoals een revolutie of een oorlog).
• Voorbeeld uit de praktijk: Ze identificeerden dat de protesten van 1968 in Frankrijk een "statistische anomalie" waren — een enorme, onverwachte sprong die de normale regels van de geschiedenis niet konden verklaren. Het was een moment waarop de "wind" het blad volledig uit de rivier blies.

C. Het Invullen van de Gaten (Probabilistische Imputatie)

Historische verslagen zitten vol gaten. We weten misschien wat de toestand van een land was in 1900 en 1920, maar niets daartussenin.

• De Analogie: Als je de bandensporen van een auto in de modder ziet van punt A naar punt B, kun je het pad raden dat de auto in het midden heeft afgelegd, zelfs als je het niet hebt gezien.
• De Bevinding van het Papier: In plaats van simpelweg een rechte lijn tussen de punten te trekken (wat fout is), gebruiken ze hun "wobbelige wandeling"-model om duizenden mog{%} mogelijke paden te simuleren die het land had kunnen nemen. Dit geeft een veel realistischer beeld van de ontbrekende jaren, waarbij rekening wordt gehouden met het feit dat de geschiedenis rommelig en onzeker is.

3. Wat Ze Daadwerkelijk Hebben Getest

De auteurs hebben niet alleen theoretisch gediscussieerd; ze hebben dit getest op twee echte datasets:

• Moderne Politiek (De "Rijke Wereld" Test): Ze keken naar 149 landen van 1995 tot 2022 en volgden Democratie, Ongelijkheid en Rijkdom.
  • Ontdekking: Ze ontdekten dat in rijke landen hoge ongelijkheid werkt als een "valstrik". Het verzwakt de "stroom" die samenlevingen normaal gesproken richting democratie duwt, waardoor ze veel eerder geneigd zijn om willekeurig terug te glijden naar autoritarisme.
• Oude Beschavingen (De "Seshat" Test): Ze keken naar oude samenlevingen (zoals Rome, China en Egypte) met behulp van een database met historische feiten.
  • Ontdekking: Ze ontdekten dat beschavingen over het algemeen in een trechtervorm groeien (groter en complexer worden). Echter, ze konden specifieke momenten aanwijzen waarop een beschaving plotseling in complexiteit "sprong" (zoals Rome die zijn bureaucratie opbouwde) of instortte (zoals de val van het Westelijke Romeinse Rijk), waarbij ze onderscheid maakten tussen een langzame achteruitgang en een plotselinge crash.

De Belangrijkste Conclusie

Dit artikel beweert niet de toekomst te voorspellen of te zeggen dat de geschiedenis willekeurig is. In plaats daarvan biedt het een betere kaart.

Oude kaarten zeiden: "Als je hierheen gaat, zul je daar eindigen."
Deze nieuwe kaart zegt: "Als je hierheen gaat, is het waarschijnlijk dat je daar eindigt, maar er is een kans van 20% dat een storm je van je koers af blaast, en hier zijn precies de plekken waar die stormen voorkomen."

Het helpt historici om te stoppen met de vraag "Waarom gebeurde dit?" en te beginnen met de vraag "Hoe waarschijnlijk was dit om te gebeuren, en wat voor soort schok was nodig om dit te laten gebeuren?" Het verandert de geschiedenis van een verhaal van vaststaand lot in een verhaal van waarschijnlijkheden, kansen en structurele stromingen.

Technische samenvatting

Technische Samenvatting: Het onthullen van verborgen kenmerken van sociale evolutie door het afleiden van Langevin-dynamica uit data

Probleemstelling
Het artikel adresseert een fundamentele beperking in de kwantitatieve geschiedschrijving en politieke economie: de afhankelijkheid van deterministische momentopnames of gemiddelde effecten (bijv. regressiegebaseerde methoden) die er niet in slagen de continue, inherent onzekere aard van historische trajecten te vangen. Bestaande instrumenten voor de "geloofwaardigheidsrevolutie" (bijv. difference-in-differences, instrumentele variabelen) zijn effectief voor het schatten van gemiddelde causale effecten, maar bieden beperkt inzicht in de variabiliteit van historische paden, de accumulatie van onzekerheid over de tijd, of het onderscheid tussen structurele trends en contingente gebeurtenissen. Bovendien wordt historische data gekenmerkt door schaarste, onregelmatige bemonstering, ontbrekende gegevens en heterogene meetkwaliteit. De auteurs stellen dat het behandelen van historische verandering als een stochastisch proces, in plaats van een deterministisch proces, essentieel is om onderscheid te maken tussen aleatorische onzekerheid (intrinsieke willekeur voortvloeiend uit verborgen vrijheidsgraden) en epistemische onzekerheid (onvolledige informatie en meetfouten).

Methodologie
De auteurs stellen een raamwerk voor waarbij de staat van een samenleving wordt gemodelleerd als een vector die evolueert volgens een Stochastische Differentiaalvergelijking (SDE) in continue tijd. De staat $x_t$ representeert macroscopische variabelen (bijv. democratie, ongelijkheid, complexiteit), en de evolutie ervan wordt beheerst door:
$$dx_t = F(x_t)dt + \sqrt{2D(x_t)}dW_t$$
waarbij $F(x_t)$ het driftveld is (deterministische structurele trends) en $D(x_t)$ de diffusiematrix is (de omvang en covariantie van intrinsieke stochastische fluctuaties).

Het raamwerk omvat drie belangrijke technische componenten:

1. Constructie van de Toestandsruimte: Ruwe historische indicatoren (vaak categorisch of ordinaal) worden via dimensionaliteitsreductietechnieken (bijv. PCA) en log-transformaties om heteroscedasticiteit te behandनाlen, gemapt naar een continue, laagdimensionale latente toestandsruimte. Dit creëert een coherente vector $x_t \in \mathbb{R}^d$.
2. SDE-inferentie: Om met schaarse en onregelmatige data om te gaan, gebruiken de auteurs twee complementaire inferentiemethoden:
   • Langevin Bayesian Networks (LBN): Gebruikt voor de moderne politieke economie dataset (Applicatie 1). Deze methode gebruikt neurale netwerken om drift en diffusie te benaderen, getraind om Kramers-Moyal-coëfficiënten (conditionele momenten) te matchen. Er wordt gebruikgemaakt van Stochastic Weight Averaging-Gaussian (SWAG) om epistemische onzekerheid te kwantificeren via een ensemble van modellen.
   • Nonparametrische Gaussian Process SDE (npSDE): Gebruikt voor de historische beschavingen dataset (Applicatie 2), die extreem schaars is. Deze methode modelleert drift en diffusie als Gaussian Processes en maakt gebruik van simulatie-gebaseerde likelihood-optimalisatie, waardoor het robuust is tegen onregelmatige bemonsteringsintervallen zonder dat er dichte data vereist is.
3. Analytische Mogelijkheden: Het raamwerk ontsluit drie specifieke analytische instrumenten:
   • Irreversibiliteit: Kwantificeert de "pijl van de geschiedenis" door de log-likelihood ratio te berekenen tussen een voorwaartse traject en zijn tijdsomgekeerde tegenhanger. Dit meet de mate van tijdsasymmetrie en structurele directionaliteit.
   • Detectie van Exogene Perturbaties: Identificeert transities die statistisch onwaarschijnlijk zijn onder de geleerde endogene dynamica. Dit gebeurt via een "genormaliseerde verrassing" (normalized surprisal) metriek, die onderscheid maakt tussen echte externe schokken (bijv. oorlogen, plagen) en zeldzame maar mogelijke interne fluctuaties.
   • Probabilistische Imputatie: Gebruikt de geleerde SDE om te samplen uit de conditionele distributie $P(x_t | x_0, x_T)$ om ontbrekende historische data in te vullen, waarbij rekening wordt gehouden met nietlineaire dynamica en intrinsieke volatiliteit in plaats van eenvoudige lineaire interpolatie.

Belangrijkste Resultaten
Het raamwerk werd toegepast op twee verschillende domeinen:

• Applicatie 1: Evolutie van Politieke Economie (Modern Tijdperk):

  • Gebruikmakend van data van 149 landen (V-Dem, WID, Maddison), leidden de auteurs een driftveld af dat laat zien dat hoge economische ongelijkheid een "destabiliserende druk" creëert op democratische instituties, met name in contexten met een hoog BBP waar structurele veerkracht verdwijnt.
  • Het diffusieveld onthulde dat democratiescores een hoge volatiliteit vertonen, vooral in regimes met hoge ongelijkheid en een hoog BBP, terwijl ongelijkheid relatief robuust is.
  • Irreversibiliteitsanalyse bevestigde een hardnekkige globale trend weg van evenwicht, maar identificeerde specifieke dalen die overeenkomen met grote crises (Grote Recessie, COVID-19) waarbij de trajecten afweken van de structurele drift.
  • Perturbatie-detectie markeerde succesvol historische anomalieën zoals de aanslagen van 11 september en het Mensalão-schandaal, waarbij onderscheid werd gemaakt tussen gebeurtenissen die structureel impactvol waren en gebeurtenissen die statistisch extreem waren.

• Applicatie 2: Historische Beschavingen (Seshat/Polaris Dataset):

  • Analyse van 27 Natuurlijke Geografische Gebieden (NGA's) over millennia met Schaal en Computatie als toestandsvariabelen.
  • Het globale driftveld lijkt op een "trechter" die laag-complexe politieke entiteiten naar hogere complexiteit trekt, met een plateau in de winst bij intermediaire niveaus.
  • Casestudies:
    • Paris Basin: Identificeerde een snelle, statistisch verrassende versnelling in "Computatie" (institutionele capaciteit) die directioneel gestructureerd was (irreversibel), wat wijst op een discrete institutionele transitie.
    • Latium: Maakte onderscheid tussen een "institutionele takeoff" (directioneel gestructureerd) en een latere imperiale contractie (statistisch verrassend maar niet sterk irreversibel), wat suggereerde dat de laatste een gebeurtenis-achtige verstoring was in plaats van een deterministische drift naar instorting.
    • Midden-Gele Rivierdal: Toonde aanhoudende drift met episodische contracties, wat intervallen benadrukte waarin periodisering-aannames (bijv. dynastieke transities) nauwere historische inspectie verdienen vanwege lage transitiekansen.

Betekenis en Claims
Het artikel beweert dat het adopteren van een stochastisch perspectief analytische mogelijkheden ontsluit die onbeschikbaar zijn voor statische of puur deterministische modellen. Specifiek:

1. Verenigde Methodologie: Het biedt een enkel raamwerk om stabiliteit, contingentie en dynamica te ontleden, voorbij de dichotomie van "structureel determinisme versus pure kans".
2. Kwantificering van Onzekerheid: Het scheidt en kwantificeert expliciet aleatorische en epistemische onzekerheid, waardoor onderzoekers onderscheid kunnen maken tussen genuante verrassingen en artefacten van gebrekkige modelbeperkingen.
3. Diagnostische Kracht: De metrieken van irreversibiliteit en perturbatie dienen als "triage"-instrumenten, die historici naar specifieke intervallen leiden waar data snelle herconfiguratie, externe schokken of coderingsambiguïteiten impliceert, waardoor zij prioriteit kunnen geven aan kwalitatief onderzoek.
4. Filosofische Verschuiving: De auteurs stellen dat het behandelen van sociale dynamica als stochastisch het concept van agency en verantwoordelijkheid herkadert, waarbij geschiedenis niet wordt gezien als één realiseerbaar pad, maar als een distributie over mogelijke trajecten gevormd door structurele beperkingen en irreducibele contingentie.

Het artikel behoudt een bescheiden houding en erkent dat SDE's gereduceerde representaties zijn en dat de geschatte drift- en diffusietermen niet direct als causale krachten moeten worden geïnterpreteerd. In plaats daarvan vatten ze conditionele statistische tendensen samen die onderliggende mechanismen en institutionele beperkingen kunnen genereren die getoetst kunnen worden. Het raamwerk wordt gepresenteerd als een aanvullende laag op bestaande sociale wetenschappelijke methoden, die bijzonder waardevol is voor het aanpakken van de unieke uitdagingen van gefragmenteerde en onregelmatige historische data.