Me saame maailmas eritleda lineaarset põhjuslikkust. Üks snuukrikuul põrkab vastu teist ja paneb ta liikuma. Me saame teise kuuli liikumise (tagajärje) välja arvutada põhjuse teatud tingimuste järgi: kuulide mass, elastsus, esimese kuuli liikumise kiirus ja kokkupõrke nurk, hõõrdejõud. Neid tingimusi pole kuigi palju. Kindel põhjus annab kindla tagajärje.
Kuid selliseid põhjuslikkuse jadasid on arvutul hulgal, nii et varem või hiljem me näeme, kuidas erisugused mõjud ja seosed kombineeruvad niimoodi, et väike mõju võib anda suure tagajärje: sädeme püssirohutünnis. Või suur mõju võib anda väikse tagajärje: vähendad elurikkust, ja tükk aega ei pruugi midagi erilist juhtuda. Või tagajärg võib olla ootamatu: lihtsad olendid, näiteks sipelgad, käivad läbi üksteise ja ümbrusega, ja tekib selline hoopis uue tasandi nähtus nagu sipelgakoloonia, mille kirjeldamisel üksiksipelga mõõtkavast pole palju kasu. Lineaarsed süsteemid lähevad üle mittelineaarseks. Me ei tea, mis tagajärje me järgmiseks saame.
Kuid mittelineaarse süsteemi sees joonistuvad välja klastrid, klombid, pesad, kimbud ehk mingil määral suletud üksused. Ja nende üksuste läbikäimise ei ole kogu aeg vaja arvesse võtta terve maailma keerukust ja kõiki mõjureid, vaid piisab mõnest üksikust. Snuukrikuul, laud, kii, löögijõud ja -suunad, hõõrdejõud. Sellest piisab.
Kuid me ei saa unustada, et sel moel välja eraldatud lineaarne jada on sülistatud avaramasse süsteemi, kus toimivad põhjused ei ole lineaarsed ning võivad anda ootamatuid tagajärgi. See tähendab, et kui me oleme pööranud tähelepanu mingisugustele põhjuslikele seostele, peame samal ajal pilgu all ka taustategureid. Mõnest võime olla ka teadlikud, aga on veel teisi, mis võivad olla täiesti ootamatud, aga mille esile kerkimiseks peame valmis olema. Võib minna nii, nagu me arvame, aga võib minna ka sootuks teisiti. Ja teisiti võib minna neil põhjustel, mida me teame, aga võib minna ka põhjustel, mida me veel ei tea. On vaja pilgu all hoida iga selgelt väljajoonistuvat protsessi ja selle osaliste hämarat tausta, kus on otsatult tegureid ja põhjusi.
Kuid ei saa silmas pidada ainult toda hämartausta, vaid vältimatult suruvad ennast peale klombid, jadad, piirid. Me saame ja peame nendega eraldi tegelema, eraldama nad muust kontekstist ja vaatama neid omaette. Nõnda on meil jõudu näha detaile ja seoseid, mis muidu jäänuksid märkamata. Saan isegi modelleerida mõningaid mittelineaarseid seoseid nende vahel.
Ent kuidas ma liigun nende kahe lähenemisviisi vahel? Millal pean silmas kogu mittelineaarset hämartausta ja millal fookustan mingile lineaarsele jadale (või mõne jada seosele)? Kas teen seda lineaarselt, näiteks kella järgi? Kuid kas ei reeda ma niimoodi toda hämartausta? Või teen seda mittelineaarselt, nii et lasen lineaarsetel jadadel vabalt uppuda otsapidi oma hämartausta, kus igaüks on läbikäimises arvutu hulga teistega? Kuid kas ei upu ma niimoodi ise hämarusse?