Игнатьев Михаил Борисович – федеральное государственное автономное образовательное учреждение высшего профессионального образования «Санкт-Петербургский государственный университет аэрокосмического приборостроения», доктор технических наук, профессор, Заслуженный деятель науки и техники РФ, лауреат Государственной премии СССР и премии Президента России, профессор Санкт-Петербургского государственного университета аэрокосмического приборостроения, директор Международного института кибернетики и артоники при ГУАП, Россия, Санкт-Петербург.
E-mail: ignatmb@mail.ru
190000, Санкт-Петербург, ул. Большая Морская, д. 67,
тел.: +7(812)494-70-44.
Авторское резюме
Рассматривается лингво-комбинаторное моделирование плохо формализованных систем и выявляется феномен адаптационного максимума в сложных развивающихся системах. В процессе жизненного цикла системы проходят фазы роста адаптационных возможностей и их снижения, что и определяет кризис в потоке перемен. Глубина кризиса зависит от совершенства мониторинга за характеристиками систем и для его преодоления необходим креативный переход.
Ключевые слова: общая теория систем; сложные системы; лингво-комбинаторное моделирование; адаптационный максимум; адаптивность; неопределенность.
Crisis as the Immanent Property of Complex Social-economic Systems
Mikhail B. Ignatyev – St. Petersburg State University of Aerospace Instrumentation, 67, Bolshaja Morskaja uliza, St. Petersburg, Russia,
E-mail: ignatmb@mail.ru
67, Bolshaja Morskaja uliza, St. Petersburg, Russia, 190000,
tel: 8(812)494-70-44
Abstract
We can understand of crisis nature only by means of investigation of complex systems. Our socio-economical system is very complicated system. Any complex system interacts with its changing environment and its viability depends on its adaptability. The number of arbitrary coefficients in the structure of equivalent equations of complex system changes in the process of learning. In systems with more than six variables, the number of arbitrary coefficients increases first, and then, passing through the maximum, begins to decrease. This phenomenon makes it possible to explain the processes of system growth, complication and death in biological, economical and physical-engineering systems. We use the linguo-combinatorial method of investigation of complex systems, in taking key words for building equivalent equations. This phenomenon is able to increase the adaptability of different systems. The crisis situation is the distance between the adaptation maximum zone and today situation.
Keywords: Adaptability, Combinatorial simulation, Uncertainty, Appearance, Essence, General systems theory, Physics, Biology, Social-economics.
Введение
Успехи современной науки со времен Ньютона неоспоримы, но чем энергичнее внедряются ее результаты в виде различных машин и технологий во все сферы жизни, тем явственнее проступают ее недостатки. Один из главных недостатков заключается в том, что современные технологии рассчитаны на использование больших количеств энергии и материалов, больших давлений, напряжений, усилий, температур и т. д., что приводит к загрязнению окружающей среды, исчерпанию источников энергии и материалов, гибели живой природы – то есть к тому, что называют экологическим кризисом.
Истоки этих недостатков лежат в самой парадигме современной науки, ее деятели слишком часто пользовались бритвой Оккама, срезая как бы все лишнее и слишком упрощая проблемы. В итоге сложилось стремление к «гениальной» простоте, физика заполнилась формулами из трех букв вроде закона Ома. И если это было простительно в докомпьютерный век, то с появлением мощных компьютеров, которые буквально входят в каждый дом, неоправданное упрощение недопустимо, недопустимо пренебрежение тонкими сущностями. Информатика имеет дело со слабыми сигналами, которые могут управлять большими процессами. Слабое человеческое слово способно приводить в действие мощные армии. Информатизация всех отраслей человеческой деятельности – это прежде всего выявление возможностей управления с помощью слабых сигналов, слабых по мощности, температуре, напряжению.
Но для того чтобы управлять системами, необходимо иметь новые модели различных процессов, в сами эти модели должна быть заложена возможность информационного управления. В этом сущность процесса информатизации. Обычно под информатизацией понимается процесс внедрения новых информационных технологий, прежде всего компьютерных и телекоммуникационных, в различные сферы социально-экономической жизни, но этого недостаточно. Люди в основном пользуются формальными моделями XIX века.
Другой недостаток современной науки, основанной на эксперименте, заключается в том, что факт признается достоверным, если он воспроизводим. Но в сложных системах обеспечить повторяемость невозможно, можно утверждать, что повторяющихся явлений в сложных системах крайне мало, как число похожих людей в обществе, каждый человек характеризуется своей индивидуальностью. Для познания природы важна не только воспроизводимая информация, но и невоспроизводимая, ее необозримый массив.
Ниже рассматривается новый класс моделей. Любая отрасль науки опирается на модели реальных процессов, в одних отраслях науки эти модели более, в других менее формализованы, но все они используют естественный язык. Естественный язык – это мощная моделирующая система, созданная усилиями всего человечества, и очень важно разобраться, как она работает. Из-за особенностей голосовой и слуховой систем человека естественный язык – это линейная последовательность слов, в которой обозначаются слова, а их смыслы подразумеваются.
Теория должна помогать решать еще нерешенные задачи, важнейшей из которых является моделирование плохо формализованных систем. Чтобы превратить различные научные изыскания в технологию, необходимо осуществить большую работу по формализации. Вначале человек формулирует свои мысли на естественном языке Ячел, описывает ситуации и задачи на естественном языке; потом, если удается, строит математическую модель, формулирует задачи на языке основных соотношений Яос; потом эти формулировки переводятся на тот или иной язык программирования Япр; потом разработанная программа реализуется в компьютере на языке конкретной машины Ямаш, и как результат решение задачи выдается на языке результата Ярез в виде таблиц, графиков, текстов, анимаций и т. д. Ниже показана вся цепочка преобразований.
Ячел -> Яос -> Япр -> Ямаш -> Ярез
Главная проблема – как перейти от описания на естественном языке к описанию на языке основных соотношений. Для решения этой проблемы предлагается использовать лингво-комбинаторное моделирование плохо формализованных систем, которое базируется на использовании ключевых слов, основных понятий, сложившихся в предметной области. Модель состоит из трех групп переменных: характеристик основных понятий, изменения этих характеристик и структурированной неопределенности в эквивалентных уравнениях, которая может быть использована для адаптации и управления. В качестве примеров рассматриваются модели атомов, города, организма и атмосферы.
1. Лингво-комбинаторное моделирование и операция поляризации
Лишь для небольшого числа реальных систем имеются математические модели. Прежде всего, системы описываются с помощью естественного языка. Предлагается способ перехода от описания на естественном языке к математическим уравнениям. Например, пусть имеется фраза
WORD1 + WORD2 + WORD3 (1)
В этой фразе мы обозначаем слова и только подразумеваем смысл слов. Смысл в сложившейся структуре естественного языка не обозначается. Предлагается ввести понятие смысла в следующей форме:
(WORD1)*(SENSE1)+(WORD2)*(SENSE2)+(WORD3)*(SENSE3)=0 (2)
Будем обозначать слова как Аi от английского Appearance, а смыслы – как Еi от английского Essence. Тогда уравнение (2) может быть представлено как
A1*E1 + A2*E2 + A3*E3 = 0 (3)
Уравнения (2) и (3) являются моделями фразы (1). Образование этих уравнений, приравнивание их к нулю и есть операция поляризации.
Рассмотрим пример. Если мы имеем математическое уравнение F(x1, x2, x3) = 0, то можем получить форму (3) посредством дифференцирования этого уравнения, тогда Аi будут частными производными, а Еi – производными по времени от переменных.
Лингво-комбинаторная модель является алгебраическим кольцом (операторным кольцом), и мы можем разрешить уравнение (3) либо относительно Аi, либо относительно Еi путем введения третьей группы переменных – произвольных коэффициентов Us [15,23,24]:
A1 = U1*E2 + U2*E3
A2 = – U1*E1 + U3*E3 (4)
A3 = – U2*E1 – U3*E2
или
E1 = U1*A2 + U2*A3
E2 = – U1*A1 + U3*A3 (5)
E3 = – U2*A1 – U3*A2
где U1, U2, U3 – произвольные коэффициенты, которые можно использовать для решения различных задач на многоообразии (3). Например, если хотим достигнуть максимум на поверхности F(x1, x2, x3) = 0 по переменной х3, то можем назначить произвольные коэффициенты U2 = -b*A1, U3 = – b*A2 и тогда получим
dx1/dt = U1*A2 – b*A1*A3
dx2/dt = – U1*A1 – b*A2*A3 (6)
dx3/dt = b*(A1*A1 + A2*A2)
и если b > 0, тогда переменная х3 устойчиво стремится к максимуму, а для манипуляции траекторией остается коэффициент U1.
В общем случае, если имеем n переменных и m многообразий, ограничений, то число произвольных коэффициентов S будет равно числу сочетаний из n по m+1, что было доказано в [1, 11], табл. 1:
(7)
Таблица 2.1
| n/m |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
| 2 |
1 |
|
|
|
|
|
|
|
| 3 |
3 |
1 |
|
|
|
|
|
|
| 4 |
6 |
4 |
1 |
|
|
|
|
|
| 5 |
10 |
10 |
5 |
1 |
|
|
|
|
| 6 |
15 |
20 |
15 |
6 |
1 |
|
|
|
| 7 |
21 |
35 |
35 |
21 |
7 |
1 |
|
|
| 8 |
28 |
56 |
70 |
56 |
28 |
8 |
1 |
|
| 9 |
36 |
84 |
126 |
126 |
84 |
36 |
9 |
1 |
Число произвольных коэффициентов является мерой неопределенности и адаптивности. Лингво-комбинаторное моделирование может опираться на анализ всего корпуса текстов на естественном языке, это трудоемкая задача по извлечению смыслов для суперкомпьютеров, его можно также использовать, опираясь на ключевые слова в конкретной области, что позволяет получать новые модели для конкретных областей знания. В этом случае лингво-комбинаторное моделирование заключается в том, что в конкретной предметной области выделяются ключевые слова, которые объединяются во фразы типа (1), на основе которых строятся эквивалентные системы уравнений с произвольными коэффициентами. В частном случае они могут быть дифференциальными уравнениями и при их исследовании может быть использован хорошо разработанный математический аппарат. Лингво-комбинаторное моделирование включает все комбинации и все варианты решений и является полезным эвристическим приемом при изучении плохо формализованных систем [1, 3, 4]. В лингвистической литературе имеется множество трудов, в которых исследуются понятия смысла и значения, но эти теории во многом оказались неконструктивными, что ярко показал Л. Витгенштейн в своей Голубой книге. Использование в качестве модели фразы (1) уравнения (2) позволяет построить исчисление смыслов, которое хорошо реализуемо на компьютерах. По мнению Д. А. Леонтьева, смысл (будь то смысл текстов, фрагментов мира, образов сознания, душевных явлений или действий) определяется, во-первых, через более широкий контекст и, во-вторых, через интенцию или энтелехию (целевую направленность, предназначение или направление движения). В нашем определении смысла наличествуют эти две характеристики – контекстуальность (смыслы вычисляются, исходя из контекста) и интенциальность (произвольные коэффициенты позволяют задавать те или иные устремления).
Интенциальность – фундаментальное свойство человеческого разума. Интенциальность есть соотнесение ментальных состояний с объектами и ситуациями внешнего мира – я вижу что-то, я верю во что-то, я ожидаю чего-то, я боюсь чего-то, я хочу чего-то и т. д. Понятие интенции, намерения, направленности сознания, воли, чувства на какой-либо предмет было в 19 веке введено немецким философом Ф. Брентано. Интенциальные состояния можно отличить от неинтенциальных, не имеющих референтного объекта – я волнуюсь, я устал, я испуган, я счастлив и т. д. Интенциальность – это свойство сложных систем, которое развивается в процессе эволюции. Устройство жилищ общественных насекомых является примером коллективной интенциальной динамики. Например, множество термитов строят прочные сооружения, достигающие высоту 5 метров и весом 10 тонн.
В философии существует большое направление – феноменология – изучение сущностей [8, 10]. Делят сущности на наблюдаемые и ненаблюдаемые. Можно трактовать лингво-комбинаторное моделирование как конструктивную феноменологию, как исчисление сущностей исходя из различных текстов на естественных и искусственных языках, при этом можно рассматривать как отдельные тексты, так и весь корпус текстов, накопленных человечеством. Каждый этносоциум обладает своим набором сущностей, который отличается от набора сущностей других энтосоциумов. Разнообразие этносоциумов – это богатство нашей планеты. В связи с глобализацией количество этносоциумов сокращается, что плохо.
Процесс познания – это изучение текстов. Именно поэтому возникает знаменитый тезис Матураны – все, что сказано, сказано наблюдателем. Мы не можем вынести наблюдателя за скобки описания процесса познания, так как в этом описании незримо присутствует описание внутреннего состояния, внутренней психической организации наблюдателя, которое рекурсивно совершается в течение всей жизни. (Матурана У. «Биология познания. Язык и интеллект» М.1996).
2. Экономическая кибернетика
Кризис капиталистического производства, свидетелями и участниками которого мы стали, заставляет задуматься о законах развития экономики. В учении Адама Смита о богатстве народов сказано «Человек постоянно нуждается в помощи своих ближних, и тщетно было бы ожидать ее только от их благоволения. Он скорее достигнет своей цели, если призовет себе в помощь их эгоизм… Дай мне то, что мне нужно, и ты получишь то, что необходимо тебе», ибо человек «преследует собственную выгоду, причем в этом случае невидимой рукой направляется к цели, которая совсем не входила в его намерения». Все это хорошо, покуда равнодействующая частных эгоизмов – она же невидимая рука рынка – выводит в плюс. Сапожник тачает сапоги, пирожник печет пироги, сапоги и пироги обмениваются на 1 сюртук и 20 аршин холста, богатство народов, направляемое невидимой рукой, растет.
Во время кризиса, когда богатство народов рушится, сапожник и пирожник, а в еще большей степени кузнец и слесарь остаются без работы, ибо некому сбывать плоды своих трудов, гораздо реже слышны похвалы невидимой руке, хотя она никуда не делась. Равнодействующая частных эгоизмов действует – куда сложились вектора, туда и сложились, и случаются времена, когда все указанные Адамом Смитом предпосылки остаются в силе, богатство же народов не умножается, но идет в распыл. Невидимость руки рынка сохраняется – без войны, без чумы или землетрясения заводы, дороги, стройки обращаются в мерзость запустения, невидимая рука рынка превращается в когтистую лапу, и вся надежда на человеческую солидарность и коллективизм. В рамках национальной солидарности от чистоты рыночных отношений остается немного. Например, протекционизм делается неизбежным в силу солидарности и осознания «свой своему поневоле брат». Заграница может поставить ряд товаров более дешевых и лучшего качества, но заграница не обещает кормить наших безработных и поддерживать нашу внутреннюю покупательную способность. Государство вынуждено вводить пошлины и поддерживать своего производителя. И еще острее стоит вопрос о законах развития социально-экономических систем, которые со времен Адама Смита существенно изменились.
Представляется важным рассмотреть возможность лингво-комбинаторного моделирования социально-экономических систем.
В качестве примера рассмотрим проблему моделирования города.
Если в качестве ключевых слов взять «население», «пассионарность», «территория», «производство», «экология и безопасность», «финансы», «внешние связи», то в соответствии с вышеизложенной методикой уравнение города будет
А1*Е1 + А2*Е2 + …+А7*Е7 = 0 (8)
а эквивалентные уравнения будут иметь вид
E1 = U1*A2 + U2*A3 + U3*A4 + U4*A5 + U5*A6 + U6*A7
E2 = – U1*A1 + U7*A3 + U8*A4 + U9*A5 + U10*A6 + U11*A7
E3 = – U2*A1 – U7*A2 + U12*A4 + U13*A5 + U14*A6 + U15*A7
E4 = – U3*A1 – U8*A2 – U12*A3 + U16*A5 + U17*A6 + U18*A7 (9)
E5 = – U4*A1 – U9*A2 – U13*A3 – U16*A4 + U19*A6 + U20*A7
E6 = – U5*A1 – U10*A2 – U14*A3 – U17*A4 – U19*A5 + U21*A7
E7 = – U6*A1 – U11*A2 – U15*A3 – U18*A4 – U20*A5 – U21*A6
где А1 – характеристика населения, которая включает в себя характеристики здоровья, образования, занятости; Е1 – изменение этой характеристики; А2 – характеристика пассионарности, устремлений групп населения, люди обладают свободой выбора при принятии решений, и этот выбор является важным, что оценивается путем социологического анализа; Е2 – изменение этой характеристики; А3 – характеристика территории, включая наземные и подземные постройки, этот блок может быть геоинформационной системой; Е3 – изменение этой характеристики; А4 – характеристика производства, включая оценку различных видов деятельности – научной, производственной, транспортной, торговой и др.; Е4 – изменение этой характеристики; А5 – характеристика экологии и безопасности; Е5 – изменение этой характеристики; А6 – характеристика финансов, финансовых потоков и запасов в городе; Е6 – изменение этой характеристики; А7 – характеристика внешних связей города, включая оценку входящих и выходящих потоков людей, энергии, материалов, информации, финансов; Е7 – изменение этой характеристики; U1, U2,…,U21 – произвольные коэффициенты, которые могут быть использованы для управления и решения различных задач на многообразии (8).
Эта модель (рис.1) используется в системах для поддержки принятия решений городскими властями [11].
Число блоков в лингво-комбинаторной модели города может быть различным. С точки зрения точности моделирования чем больше блоков задействуется, тем лучше, но при этом ухудшается наглядность модели, ее восприятие людьми, принимающими решение. Например, если население поделить на три блока – «дети и подростки», «взрослые» и «пенсионеры», то число переменных возрастет до девяти, уравнение города будет содержать девять переменных
A1*E1 + A2*E2 + . . .+ A9*E9 = 0 (10)
При моделировании города важно рассматривать всю иерархию систем, из которых этот город состоит. Главная ячейка города – семья, для моделирования которой тоже можно использовать семиблочную модель, при этом будет изменяться содержание отдельных блоков. Любая семья имеет свое домашнее хозяйство, минимальный размер семьи – один человек, но и такая семья имеет все семь атрибутов. Аналогичным образом можно рассматривать другие семейные объединения – род, тейп, домен [3]. Семиблочная модель может быть использована при моделировании различных предприятий, на которых работают люди, при этом структура блоков для каждого из типов предприятий будет разной. Однотипность модели, которая положена в основу моделирования и семьи, и предприятий, и районов и города в целом позволяет проще производить анализ и синтез такой сложной системы как город.
Рис.1. Моделирование города для поддержки управленческих решений.
В материалах статистических бюро по городам и регионам и по странам в целом имеются почти все данные, необходимые для запуска модели. Другие данные – для оценки пассионарности, можно почерпнуть из социологических опросов. Развитие информационно-вычислительной техники позволяет поставить вопрос об обязательном предварительном моделировании последствий от принимаемых решений, что позволит избежать многих ошибочных решений.
С древнейших времен складывались способы управления коллективными работами и сообществами людей. Они базировались на введении правил взаимоотношения между людьми (правил этики, морали, заповедей, законов религии, в последующем – светских правил и правовых норм) и на создании иерархической системы управления с помощью административного аппарата. Но как отдельный человек, так и коллектив людей – это самоорганизующиеся системы и различные способы управления – это различные методы внутреннего и внешнего управления самоорганизующейся системой. На уровне человека и социальных коллективов существует целеполагание, целеобразование. Способности системы к самоорганизации зависят от способности к целеполаганию, которая у различных людей разная. Бывают конформисты, которые готовы делать то, что делают другие и даже готовы подчиняться целям других людей, особенно если эти цели выработал коллектив. Бывают личности с большой самостоятельностью мышления и сопротивляемостью навязываемым им мнениям. В зависимости от типа личности, менталитета народа люди могут стремиться формулировать цели единолично, либо вырабатывать цели коллективно, что характерно для России, у российского народа сложилось стремление к соборности, к коллективному принятию решений на сходах всех жителей деревни, на собраниях трудового коллектива предприятий, на советах различного рода. Способ управления, основанный на участии в целеобразовании активных элементов (человека, предприятия, региона и др.) является перспективным несмотря на свою сложность. Не все люди способны к целеобразованию и стремятся участвовать в формулировании целей. Некоторые исследователи утверждают, что активных личностей в странах около 10%, а большинство готово выполнять цели, поставленные руководством.
Различают следующие уровни целеобразования применительно к людям:
1) материальный, определяемый врожденными потребностями и программами человека (самосохранение, обеспечить питание, минимум одежды);
2) эмоциональный (доступные развлечения, эстетическое восприятие мира, проявление и реализация чувств любви, ненависти и др.);
3) семейно-общественный (реализация программы продолжения рода, создания условий для воспитания потомства);
4) социально-общественный, определяемый правилами сообществ, закрепленных в законодательстве, этических нормах, традициях и т. п.;
5) интеллектуальный, для которого характерна система ценностей, ориентированная главным образом на развитие творческих способностей личности (примером может служить атмосфера академгородков в начальный период их развития).
В связи с развитием информационных технологий и виртуальных миров начинают выделяться два уровня – уровень удовлетворения минимальных жизненных потребностей в реальном мире и уровень удовлетворения максимальных потребностей в виртуальном мире, где человек сможет реализовать свои самые различные фантазии. Реализация этих уровней позволит смягчить гнет социального неравенства.
3. Феномен адаптационного максимума в жизненном цикле сложных развивающихся систем
Биологические системы – от живой клетки до многоклеточных организмов – проходят свой цикл развития от рождения до смерти. Социально-экономические системы – семья, предприятия, банки, города, села, регионы, страны проходят сложный путь развития, находясь под воздействием различных внутренних и внешних факторов. Одни предприятия и банки процветают, другие терпят крах и банкротятся, одни города и страны процветают, другие переживают стагнацию, о чем свидетельствует мировая статистика. Все эти системы являются сложными развивающимися системами и в жизненном цикле этих систем проявляются закономерности, свойственные многомерным системам.
Важной закономерностью, оказывающей большое влияние на социально-экономические системы, является феномен наличия адаптационного максимума, который заключается в следующем [11, 17].
Установлена ранее неизвестная закономерность наличия адаптационного максимума в жизненном цикле сложных развивающихся систем, заключающаяся в том, что при наложении ограничений на систему из n переменных (n > 6) число произвольных коэффициентов в структуре эквивалентных уравнений, описывающих поведение системы, сначала возрастает, достигает максимума, а потом начинает убывать, и соответственно изменяются адаптационные возможности системы – сначала они растут, достигают максимума, а потом начинают убывать, и если наложение ограничений продолжается, то система делается жесткой и погибает в потоке перемен окружающей среды, откуда вытекает стратегия управления различными сложными системами – они должны управляться так, чтобы удержать их в зоне адаптационного максимума, если хотим обеспечить их живучесть в потоке перемен.
Уже давно известно, что существуют ритмы в биологических системах. Например, из результатов переписи населения (таблица 2) ясно видно наличие минимума смертности для людей в возрасте 10 – 14 лет, при этом следует отметить, что он сохраняется независимо от социально – экономических условий – и в период 1896 – 1897 годов, и в период 1984 – 1985 годов, но объяснения этому минимуму смертности не было. Из статистики развития экономики известны циклы Кондратьева и другие циклические явления в экономике как отдельных предприятий, так и более крупных экономических образований. В технических системах известны периоды максимальной надежности и устойчивости систем. Предложенная математическая модель развивающихся систем позволяет говорить о наличии закономерности адаптационного максимума, которая объясняет многочисленные факты и позволяет предсказывать поведение сложных систем.
Таблица 2
| Годы/Возраст |
1896 – 1897 |
1958 – 1959 |
1969 – 1970 |
1978 – 1980 |
1982 – 1983 |
1984 – 1985 |
| 0 – 4 |
133,0 |
11,9 |
6,9 |
8,1 |
7,9 |
7,7 |
| 5 – 9 |
12,9 |
1,1 |
0,7 |
0,7 |
0,6 |
0,6 |
| 10 – 14 |
5,4 |
0,8 |
0,6 |
0,5 |
0,5 |
0,5 |
| 15 – 19 |
5,8 |
1,3 |
1,0 |
1,0 |
1,0 |
0,9 |
| 20 – 24 |
7,6 |
1,8 |
1,6 |
1,7 |
1,6 |
1,5 |
| 25 – 29 |
8,2 |
2,2 |
2,2 |
2,3 |
2,2 |
2,0 |
| 30 – 34 |
8,7 |
2,6 |
2,8 |
2,9 |
2,9 |
2,8 |
| 35 – 39 |
10,3 |
3,1 |
3,7 |
4,3 |
3,8 |
3,6 |
| 40 – 44 |
11,8 |
4,0 |
4,7 |
5,4 |
5,6 |
5,7 |
| 45 – 49 |
15,7 |
5,4 |
6,0 |
7,8 |
7,4 |
7,3 |
| 50 – 54 |
18,5 |
7,9 |
8,7 |
10,3 |
10,9 |
11,3 |
Система – целостная совокупность элементов, в которой все элементы настолько тесно связаны между собой, что она выступает по отношению к другим системам и окружающей среде как нечто единое. На рис. 3 представлена схема, где система взаимодействует со средой и использует два механизма адаптации – а – настойка или самонастройка системы с помощью произвольных коэффициентов в структуре эквивалентных уравнений системы, – б – обучение или самообучение системы, которая заключается в наложении новых ограничений на систему. Кроме этих механизмов адаптации возможны и другие, такие как рост числа переменных системы, размножение, эффективное забывание, ограничение контактов со средой, объединение систем в коллектив и др. В общем случае число произвольных коэффициентов S в структуре эквивалентных уравнений системы определяется как число сочетаний из n по m+1 и определяется формулой (7) (см. таблицу 1)
Рис.3. Модель среда – система
Во второй половине 19 в. началось проникновение понятия система в различные области конкретно-научного знания, важное значение имело создание эволюционной теории Ч. Дарвина, теории относительности, квантовой физики, структурной лингвистики и др. Многие конкретно-научные принципы анализа систем были сформулированы в тектологии А. А. Богданова, в праксеологии Т. Котарбинского, в работах В. И. Вернадского и др. Предложенная в конце 40-х годов 20 века Л. Берталанфи программа построения «общей теории систем» явилась одной из первых попыток обобщенного анализа системной проблематики. При определении понятия система необходимо учитывать теснейшую взаимосвязь его с понятиями целостности, структуры, связи, элемента, отношения, подсистемы, иерархии и др.
В конце восьмидесятых годов Пер Бак и его коллеги предложили теорию самоорганизованной критичности, где в качестве иллюстрации выступает куча песка. По мере того, как добавляется песок на верх кучи, она приближается к тому, что Бак называет критическим состоянием, при котором даже одна дополнительная песчинка, опущенная наверх кучи, может вызвать лавину по бокам. Если исследовать размер и частоту лавин, происходящих в этом критическом состоянии, то результаты соответствуют степенному закону – частота лавин обратно пропорциональна некоторой степени размера кучи. Эта теория произвела большое впечатление на вице-президента США Э. Гора, который утверждал, что самоорганизованная критичность помогла ему понять не только чувствительность окружения к потенциальным подрывам, но также изменения в его собственной жизни. Но некоторые исследователи из Чикагского университета считают, что модель Бака не дает даже хорошего описания его парадигматической системы – кучи песка. Их эксперименты показали, что кучи песка ведут себя совершенно по-разному в зависимости от размера и формы песчинок. Поведение лишь очень немногих куч соответствует степенному закону, предсказанному Баком.
Сложная система – это система, в которой проявляется феномен адаптационного максимума, то есть система с числом переменных больше шести. На рис.3 представлена схема взаимодействия вышеописанной системы с окружающей средой, где переменные системы х1,…,хк взаимодействуют с переменными среды у1,…,ук, а сигналы рассогласования передаются в блок управления, и у системы есть две возможности приспособиться к изменениям в среде, это, во-первых, настойка с помощью манипуляции произвольными коэффициентами, и чем больше этих коэффициентов, тем выше адаптационные возможности, и, во-вторых, обучение, наложение новых ограничений на переменные системы. В режиме непрерывного обучения число произвольных коэффициентов изменяется в соответствии с формулой (7), и это приводит к появлению циклов в развитии систем, что иллюстрируется на рис. 2, где цикл развития системы начинается в точке 1, проходит через максимум в числе произвольных коэффициентов и заканчивается в точке 2, где должна наступить трансформация, сброс ранее накопленных ограничений, далее начинается в точке 3 новый цикл, опять система проходит через максимум адаптационных возможностей, достигает точки 4, где опять происходит трансформация, и система начинает новый цикл в точке 5 и так далее. Сплошной линией на рис. 2. показаны адаптационные процессы, пунктирной – креативные процессы. Алгоритм креативных процессов заключается в том, что выбираются элементы из набора и они объединяются в уравнение типа (2) или (3), разрешая которые мы получаем генерирующую систему. В точке 2 возможно несколько исходов – либо система продолжит эволюцию, либо система через креативный процесс перейдет в новое состояние, либо она будет разрушена. Эта модель позволяет объяснить наличие циклов в развитии сложных биологических, социально-экономических и технических систем и ситуацию кризисов. Наличие кризисов (точки 2, 4, 6…) является имманентным свойством сложных систем, мы можем влиять лишь на глубину кризисов, включая как можно раньше креативные процессы.
Предложенная модель процессов самоорганизации сложных развивающихся систем реализует закономерность наличия адаптационного максимума в жизненном цикле систем в потоке перемен. Жизненный цикл – совокупность фаз развития, пройдя через которые система достигает зрелости и становится способной эффективно функционировать и дать начало новому поколению.
Как показывает статистика, существуют циклы в развитии экономики, в частности – циклы Кондратьева. Учет закономерности наличия адаптационного максимума позволяет объяснить эти циклы [11]. Надежность сложных человеко-машинных комплексов достигает своего максимума в зоне адаптационного максимума и технические системы должны строиться таким образом, чтобы при изменении этих систем они оставались в зоне адаптационного максима как можно дольше.
Число примеров систем можно было бы увеличивать, но уже ясно, что феномен адаптационного максимума существует и учет закономерности наличия адаптационного максимума в жизненном цикле сложных развивающихся систем позволит лучше понять механизмы их функционирования и значительно улучшить их характеристики. Для того, чтобы выжить, этносоциум должен находиться в зоне адаптационного максимума.
Структурная стабильность, совокупность устойчивых связей объекта, обеспечивающих его целостность и тождественность самому себе, т.е. сохранение основных свойств при различных внешних и внутренних воздействиях, обеспечивается адаптационными возможностями [1, 15, 27]. В представленных лингво-комбинаторных моделях адаптационные возможности систем определяются числом произвольных коэффициентов в структуре эквивалентных уравнений и наибольшая структурная стабильность достигается в зоне адаптационного максимума, который обнаруживается у различных систем с числом переменных больше шести [17]. Для удержания систем в зоне адаптационного максимума можно использовать различные методы – рост числа переменных, наложение и снятие ограничений, объединение систем в коллективы. Действительно, если имеем две системы
(11)
то путем наложения общих ограничений mcol получим коллектив
(12)
При этом в зависимости от конкретных параметров может быть Scol > S1 + S2, когда объединение в коллектив приводит к росту адаптационных возможностей, а может быть Scol < S1 + S2, когда адаптационные возможности меньше суммы адаптационных возможностей исходных систем. Наличие неопределенности в структуре системы, произвольных коэффициентов, позволяет реализовать различные механизмы самоорганизации.
Эффект коллектива необходимо учитывать при организации боевых действий. Как показывает анализ современных войн в Ираке, Афганистане и Чечне, группы слабо вооруженных и плохо обученных людей оказываются часто эффективнее хорошо вооруженных армий. Эти группы используют стайную тактику ведения боевых действий. Под стаей понимается децентрализованная слабосвязанная организация боевых единиц, не имеющая четко выраженного командования, но объединенного общей целью в соответствии с уравнением (12).
В настоящее время сложилась методология и контроллинг крупномасштабных систем (см. Д. В. Реут «Крупномасштабные системы» изд. МГТУ им. Баумана, 2013) и выделяют различные виды управления – этологическое, традиционное, умное, изономическое и др., но при любом виде управления будут проявляться эмерджентные свойства сложных систем, что необходимо учитывать при определении коридора эволюционных возможностей.
Наличие феномена адаптационного максимума в жизненном цикле различных сложных развивающихся систем позволяет объяснить эволюцию систем в условиях изменяющейся среды. Феномен адаптационного максимума является основой самоорганизации в природе и обществе. Структура неопределенных коэффициентов задает матрицу картины мира, в рамках которой и разыгрываются различные события. Произвольные коэффициенты в структуре эквивалентных уравнений могут быть и волновыми функциями, а различные системы могут рассматриваться как квантовые макрообъекты.
Лингво-комбинаторное моделирование существенно пополняет арсенал средств моделирования и позволяет сформировать новую картину мира, которая опирается на все достижения современной науки и прежде всего информатики. Лингво-комбинаторная картина мира состоит из трех групп переменных, во-первых, это явления (Appearances), во-вторых, это смыслы (Essences), в-третьих – это структурированная неопределенность (Structural Uncertainty), из которых состоят все неживые и живые системы. Лингво-комбинаторное моделирование – это математический аппарат постнеклассической науки. На уровне неклассической науки был введен наблюдатель, на уровне постнеклассической науки введен управитель.
Заключение
В статье был рассмотрен новый класс моделей – лингво-комбинаторные модели плохо формализованных систем, что позволило выявить новое эмерджентное свойство сложных систем – феномен адаптационного максимума. Наличие феномена адаптационного максимума в жизненном цикле сложных систем позволяет объяснить природу кризисов, которые периодически поражают различные сложные системы. Отсюда вытекает способ борьбы с кризисом – системы должны управляться так, чтобы удерживать их в зоне адаптационного максимума в потоке перемен. Глубина кризисов определяется отклонением от зоны адаптационного максимума. Глубину кризисов можно существенно уменьшить, осуществляя глубокий мониторинг состояния сложных систем и принимая соответствующие креативные меры.
Список литературы
1. Игнатьев M. Б. «Голономные автоматические системы». М – Л.: изд. АН СССР, 1963. – 204 с.
2. Игнатьев М. Б., Кулаков Ф. М., Покровский А. М. «Алгоритмы управления роботами-манипуляторами». – Л.: Машиностроение, 1972. – 248 с.
3. Вайнберг С. Мечты об окончательной теории: физика в поисках самых фундаментальных законов природы. – М.: Изд-во ЛКИ, 2008. – 256 с.
4. Ignatyev M. B. Proceedings of The SIMTEC’93 – 1993 International Simulation Technology Conference. San Francisco, USA, 1993, pp. 41 – 42.
5. Ignatyev M. B., Makina D. M., Petrischev N. N., Poliakov I. V., Ulrich E. V, Gubin A. V. Proceedings of the High Performance Computing Symposium – HPC 2000, Ed. A Tentner, 2000 Advanced Simulation Technologies Conference, Washington D. C. USA, 2000, pp. 66 – 71.
6. Ignatyev M. B. Linguo-combinatorial method for complex systems simulation. Proceedings of the 6th World Multiconference on Systemics, Cybernetics and Informatics, vol. XI. Computer science II, Orlando, USA, 2002, pp. 224 – 227.
7. Ignatyev M. B., Pinigin G. I. Linguo-combinatorial simulation of Universe. XXV General Assembly of International Astronomical Union. Australia, Sydney, July 13 – 26, 2003, IAU 01105.
8. Ignatyev M. B. The study of the Adaptation Phenomenon in Complex System. AIP conference proceedings, vol. 839, Melville, New York, 2006, pp. 322 – 330.
9. Гинзбург И. Ф. Нерешённые проблемы фундаментальной физики // Успехи физических наук. – Том 179, №5, 2009. – с. 525 – 529.
10. Игнатьев М. Б. О необходимых и достаточных условиях синтеза нанороботов // Доклады Академии Наук. – 2010. – Т. 433, №5. – с. 613 – 617.
11. Игнатьев М. Б. Кибернетическая картина мира. Теория сложных систем. – СПб.: ГУАП, 2011. – 448 с.
12. Ignatyev M. B. Linguo-combinatorial simulation of complex systems. Journal of Mathematics and System Science, Vol. 2, №1, 2012, pp. 58 – 66.
13. Computational Science: Ensuring America’s Competitiveness. President’s Information Technology Advisory Committee. Washington D.C., May 27, 2005.
14. Игнатьев М. Б. Роботы, аватары и люди как системы со структурированной неопределенностью // Материалы Всероссийской междисциплинарной конференции «Философия искусственного интеллекта». – М, 2005. – c.105 – 110.
15. Игнатьев М. Б., Никитин А. А., Никитин А. В., Решетникова Н. Н. «Архитектура виртуальных миров». – СПб.: Политехника, 2005. – 104 с.
16. Реут Д. В. Крупномасштабные системы: методология, управление, контроллинг / Д. В. Реут. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2013. – 182 с.
17. Игнатьев М. Б. Закономерность изменения адаптационных возможностей в жизненном цикле сложных развивающихся систем. Диплом № 25-S на открытие в области кибернетики и системного анализа с приоритетом от 28.06.1963.
18. Дмитриев В. И. О методах решения обратных задач // Вестник МГУ, серия 15 «Вычислительная математика и кибернетика». – №4, 2001, с. 3 – 7.
19. Леонтьев Д А «Психология смысла – природа, строение и динамика смысловой реальности» М.: Смысл, 1999.
20. Стёпин В. С. Теоретическое знание. М.: Прогресс-Традиция, 2003. – 744 с.
21. Лейбниц Г.В. Монадология. Сочинения, Т. 1. – М.: Мысль, 1982. – 636 с.
22. Деррида Ж. Письмо и различие. – СПб.: Академический проект, 2000. – 430 с.
23. Ястребов В. С., Игнатьев М. Б., Кулаков Ф. М., Михайлов В. В. Подводные роботы. – Л.: Судостроение, 1977. – 368 с.
24. Игнатьев М. Б., Ильевский Б. З., Клауз Л. П. Моделирование системы машин. – Л.: Машиностроение, 1986. – 304 с.
25. Ignatyev M. B. Semantics and Self-organization in Nanoscale Physics. International Journal on Computing Anticipatory Systems. Ed. D. Dubois, CHAOS, Belgium, Vol. 22, 2008, pp.17 – 23.
26. Ignatyev M. B. Universe as Self-Organizational System. International Journal of Computing Anticipatory Systems. Ed. D. Dubois, CHAOS, Belgium, Vol. 23, 2010, pp. 202 – 214.
27. Игнатьев М. Б. Информационные технологии в микро-, нано- и оптоэлектронике. – СПб.: ГУАП, 2008. – 200 с.
28. Ignatyev M. B. Crisis as the Property of Complex Systems. Journal of World Economic Research, USA, 2012, December, Vol.1, №1. pp.1 – 5.
References
1. Ignatyev M. B. Golonomical Automatic Systems [Golonomnye avtomaticheskie sistemy]. Moscow – Leningrad, AN SSSR, 1963, 204 p.
2. Ignatyev M. B., Kulakov F. M., Pokrovskiy A. M. Control Algorithms for Robots-Manipulators [Algoritmy upravleniya robotami-manipulyatorami]. Leningrad, Mashinostroenie, 1972, 248 p.
3. Vaynberg S. Dreams of a Final Theory: The Search for the Fundamental Laws of Nature [Mechty ob okonchatelnoy teorii: fizika v poiskakh samykh fundamentalnykh zakonov prirody]. Moscow, LKI, 2008, 256 p.
4. Ignatyev M. B. Simulation of Adaptational Maximim Phenomenon in Developing Systems. Proceedings of The SIMTEC’93 – 1993 International Simulation Technology Conference, San Francisco, USA, 1993, pp. 41 – 42.
5. Ignatyev M. B., Makina D. M., Petrischev N. N., Poliakov I. V., Ulrich E. V, Gubin A. V. Proceedings of the High Performance Computing Symposium – HPC 2000, Ed. A Tentner, 2000 Advanced Simulation Technologies Conference, Washington D. C. USA, 2000, pp. 66 – 71.
6. Ignatyev M. B. Linguo-combinatorial method for complex systems simulation. Proceedings of the 6th World Multiconference on Systemics, Cybernetics and Informatics, vol. XI, Computer science II, Orlando, USA, 2002, pp. 224 – 227.
7. Ignatyev M. B., Pinigin G. I. Linguo-combinatorial simulation of Universe. XXV General Assembly of International Astronomical Union. Australia, Sydney, July 13 – 26, 2003, IAU 01105.
8. Ignatyev M. B. The study of the Adaptation Phenomenon in Complex System. AIP conference proceedings, vol. 839, Melville, New York, 2006, pp. 322 – 330.
9. Ginzburg I. F. Unsolved problems in fundamental physics [Nereshennye problemy fundamentalnoy fiziki]. Uspekhi fizicheskikh nauk (Advances in Physical Sciences), Vol. 179, №5, 2009, pp. 525 – 529. DOI: 10.3367/UFNr.0179.200905d.0525
10. Ignatyev M. B. The Necessary and Sufficient Conditions for Nanorobots Synthesis [O neobkhodimykh i dostatochnykh usloviyakh sinteza nanorobotov]. Doklady Akademii Nauk (Proceedings of the Academy of Sciences), 2010, Vol. 433, №5, pp. 613 – 617.
11. Ignatyev M. B. Cybernetic Picture of the World. Theory of Complex Systems [Kiberneticheskaya kartina mira. Teoriya slozhnykh sistem]. Saint Petersburg, GUAP, 2011, 448 p.
12. Ignatyev M. B. Linguo-combinatorial Simulation of Complex Systems. Journal of Mathematics and System Science, Vol. 2, №1, 2012, pp. 58 – 66.
13. Computational Science: Ensuring America’s Competitiveness. President’s Information Technology Advisory Committee. Washington D.C., May 27, 2005.
14. Ignatyev M. B. Robots, Avatars and People as Systems with Structured Uncertainty [Roboty, avatary i lyudi kak sistemy so strukturirovannoy neopredelennostyu]. Materialy Vserossiyskoy mezhdistsiplinarnoy konferentsii «Filosofiya iskusstvennogo intellekta» (Proceedings of the All-Russian conference «Philosophy of artificial intelligence»), Moscow, IF RAN, 2005, pp. 105 – 110.
15. Ignatyev M. B., Nikitin A. A., Nikitin A. V., Reshetnikova N. N. Architecture of Virtual Worlds [Arkhitektura virtualnykh mirov]. Saint Peterburg, Politekhnika, 2005, 104 p.
16. Reut D. V. Large-scale systems: methodology, management, controlling [Krupnomasshtabnye sistemy: metodologiya, upravlenie, kontrolling]. Moscow, MGTU im. Baumana, 2013, 182 p.
17. Ignatyev M. B. The Regularity of Change of Adaptation Abilities in the Life Cycle of Complex Evolving Systems [Zakonomernost izmeneniya adaptatsionnykh vozmozhnostey v zhiznennom tsikle slozhnykh razvivayuschikhsya sistem]. Diplom № 25-S na otkrytie v oblasti kibernetiki i sistemnogo analiza s prioritetom ot 28.06.1963 (Diploma on a Discovery in the Field of Cybernetics and System Analysis with Priority from 28.06.1963).
18. Dmitriev V. I. About the Methods of Solving Inverse Problems [O metodakh resheniya obratnykh zadach]. Vestnik MGU, seriya 15 «Vychislitelnaya matematika i kibernetika» (The Moscow University Herald, Series 15, Computational Mathematics and Cybernetics), №4, 2001, pp. 3 – 7.
19. Leontev D. A. Sense psychology – Nature, Structure and Dynamics of Semantic Reality [Psikhologiya smysla – priroda, stroenie i dinamika smyslovoy realnosti]. Moscow, Smysl, 1999.
20. Stepin V. S. Theoretical Knowledge [Teoreticheskoe znanie]. Moscow, Progress-Traditsiya, 2003. 744 p.
21. Leybnits G. V. Monadology [Monadologiya]. Sochineniya, Tom 1 (Works, Vol. 1). Moscow, Mysl, 1982, 636 p.
22. Derrida J. Writing and Difference [Pismo i razlichie]. Saint Petersburg, Akademicheskiy proekt, 2000, 430 p.
23. Yastrebov V. S., Ignatyev M. B., Kulakov F. M., Mikhaylov V. V. Underwater Robots [Podvodnye roboty]. Leningrad, Sudostroenie, 1977, 368 p.
24. Ignatyev M. B., Ilevskiy B. Z., Klauz L. P. Simulation of the System of Machines [Modelirovanie sistemy mashin]. Leningrad, Mashinostroenie, 1986, 304 p.
25. Ignatyev M. B. Semantics and Self-organization in Nanoscale Physics. International Journal on Computing Anticipatory Systems. Ed. D. Dubois, CHAOS, Belgium, Vol. 22, 2008, pp.17 – 23.
26. Ignatyev M. B. Universe as Self-Organizational System. International Journal of Computing Anticipatory Systems. Ed. D. Dubois, CHAOS, Belgium, Vol. 23, 2010, pp. 202 – 214.
27. Ignatyev M. B. Information Technologies in micro-, nano- and Optoelectronics [Informatsionnye tekhnologii v mikro-, nano- i optoelektronike]. Saint Petersburg, GUAP, 2008, 200 p.
28. Ignatyev M. B. Crisis as the Property of Complex Systems. Journal of World Economic Research, USA, 2012, December, Vol.1, №1. pp.1 – 5.
Ссылка на статью:
Игнатьев М. Б. Кризис как имманентное свойство сложных социально-экономических систем // Философия и гуманитарные науки в информационном обществе. – 2013. – № 1. – С. 25–44. URL: http://fikio.ru/?p=155.
© М. Б. Игнатьев, 2013
