ОГЛАВЛЕHИЕ
>>>
В современной науке, богато оснащенной логическими и методологическими средствами, нередко приходится сталкиваться с явлениями, которые можно было бы определить как попытки преждевременной формализации. Логика действий в подобных случаях такова: сначала применим такой-то аппарат, а там посмотрим, что из этого получится. Подобным образом мы поступаем, когда пытаемся открыть замок неизвестной конструкции, имея в своем распоряжении связку ключей.
Известно, что подобного рода действия иногда приводят к успеху. Однако в науке такой метод вряд ли можно признать эффективным, в особенности если приходится иметь дело с явлениями биологического или социального характера. Более труден, но зато более надежен другой путь: отбор и систематизация фактов, построение концептуальной модели явления и методологический анализ соответствующего ей понятийного аппарата, переход к описанию с помощью формализованных языков.
При изучении сложных систем, способных к целенаправленному поведению и самоорганизации, нетерпеливость, выражающаяся в попытках преждевременной формализации, противопоказана еще и потому, что данный подход может потребовать новых средств, которых пока нет в арсенале математической науки. Здесь метод последовательного, ступенчатого восхождения к вершинам теории особенно важен.
Трудно не согласиться с тем, что в области сложных процессов существенными факторами являются стохастичность и неопределенность. В человеческом поведении важную роль играют процессы целеполагания, формирование внутренних моделей-образов, память и т.д. Тем не менее введение в формальный аппарат науки понятий, не очищенных в достаточной мере от налета антропоморфизма и субъективно-психологической окраски, не способствует пониманию существа дела и придает теоретическим построениям инженерный, необратимо феноменологический характер. В сущности, мы пока не знаем, что означают выражения "формирование внутреннего образа", "акт целеполагания", "самосознание" и т.д. В этой части необходим основательный понятийный анализ, подобный тому, который был проделан в физике при осмыслении явлений инерции, силового воздействия, экстремального характера физического движения. Отправной точкой в этом анализе, по-видимому, должен стать принцип целостности, существенным образом связанный с функциональным подходом.
Представляется, что при изучении сложных материальных систем мы еще далеко не все извлекли из того, что может дать функциональное представление систем, метод функционального моделирования. Поэтому имеет смысл уделить ему некоторое внимание, чтобы в достаточной мере оценить его основополагающее значение для современной системологии и теории управления.
Метод функционального моделирования широко распространен в научном познании окружающего материального мира. Но особую популярность он приобрел в области моделирования высших форм движения как специальный инструмент для изучения целостности, для анализа взаимосвязей, взаимоотношений между объектами и их средами.
Метод основан на том, что вся совокупность взаимодействий между объектом и средой делится на два класса по признаку направленности действия. В один класс попадают воздействия, которые испытывает объект со стороны среды. Эти воздействия часто называют входными, или входом объекта. В другой класс попадают воздействия, которые объект оказывает на окружающую среду. Эти воздействия характеризуют результат функционирования объекта и часто называются выходными, или выходом объекта.
Общая задача функционального моделирования заключается в том, чтобы выявить характер зависимости выходных характеристик объекта от состояния его входа. Следует подчеркнуть, что данный тип моделирования ориентируется не только на объект, который представлен в модели лишь в форме отображения, но и на особенности среды. Правильнее было бы говорить, что предметом моделирования является система объект – среда. В этой системе мы как бы рассматриваем объект через среду.
Другая особенность метода функциональных отображений заключается в том, что здесь происходит сближение теоретического и эмпирического начал познания. Этот факт отмечался, в частности, Б. В. Бирюковым [1], который, правда, имел в виду общие тенденции развития современной науки, подчеркивая общенаучный характер моделирования, используемого для изучения сложных систем.
Сближение теоретического и эмпирического начал проявляется в том, что сам процесс построения функциональных отображений предполагает, с одной стороны, представительный набор эмпирических данных, полученных методом наблюдения и статистики, а с другой – теоретические гипотезы относительно природы явления, которые включаются в модель с помощью различного рода параметров и зависимостей.
Иллюстрацией к сказанному может служить подход, развиваемый Р. Бушем и Ф. Мостеллером при построении стохастических моделей обучаемости [2]. Другим примером могут служить широко распространенные методы корреляционного и регрессионного анализа при исследовании социально-экономических и социально-психологических явлений, а также методы теории распознавания образов в статистическом моделировании различных экономических показателей [3]. Во всех этих исследованиях центральным моментом всегда выступает связь, отношение между объектом и средой, а отнюдь не сам объект как таковой.
При анализе конкретных проблемных ситуаций, как правило, не вся среда принимается во внимание. Выбираются лишь те ее элементы и воздействия, которые представляют интерес с точки зрения поставленной научной задачи. При этом часто оказывается, что выделенная часть среды проявляет, в свою очередь, определенные закономерности функционирования относительно изучаемого объекта. Тогда выход объекта может рассматриваться как вход среды, а выходом последней будет вход объекта. Получаем функционально замкнутую систему объект – среда.
Примером функционально замкнутой системы является рассмотренный в главе II процесс координации, где подсистемы нижнего уровня определенным образом воздействуют на координатора, а последний, в свою очередь, целенаправленно воздействует на подсистемы, выступая по отношению к ним в роли "управляющей среды". Естественно, что подсистемы также можно рассматривать как среду, в которую "погружен" координатор. Функционально замкнутые системы представляют собой важный класс объектов, составляющих предмет собственно кибернетического исследования, поскольку в них реализован принцип обратной связи. Более подробно они рассматриваются в следующем параграфе.
С формальной точки зрения задача выявления законов функционирования сложных систем часто сводится к задаче о построении отображения из некоторого множества А (вход) в некоторое множество В (выход) на основе наблюдаемого соответствия между отдельными значениями входа и выхода. Сугубо математические аспекты такого рода задач рассматриваются в теории гомотопий, где они именуются задачами распространения [4].
В экономической кибернетике и социологии построение функциональных отображений осуществляется, как уже говорилось, методами математической статистики. Роль математической статистики в этой области поистине фундаментальна. Социально-экономические системы предстают перед нами в большинстве своем как системы стохастические. Законами статистики определяется не только функционирование социально-экономических объектов, но и их развитие. Методы статистики используются при формировании производственных нормативов, при оценке изменений общественных потребностей, при прогнозе научно-технического прогресса, для учета различного рода субъективных факторов производства, для анализа текучести кадров, миграционных характеристик трудовых ресурсов и т.д.
На основе статистических методов осуществляется расчет параметров оптимизационных динамических моделей, используемых для принятия решений. При этом наблюдается тенденция к более глубокому проникновению статистики в современную теорию оптимального планирования. В предисловии к книге Б. Б. Розина А. Г. Аганбегян характеризует эту тенденцию следующими словами: "Наиболее прогрессивное направление дальнейшего развития экономико-статистического моделирования заключается во все большем соединении экономико-статистических моделей с оптимальными моделями, постепенном переходе к единым комплексным моделям, в которых одновременно осуществляется прогнозирование технико-экономических показателей с оптимизацией решений. Необходимость органического соединения статистического моделирования с оптимальным подходом коренится в реальных условиях функционирования экономической системы" [5].
Построение функциональных отображений на основе статистических методов характерно не только для экономической кибернетики. Оно вообще характерно для исследования сложных систем, во всяком случае в той области, где можно уловить более или менее четкую детерминированную связь между входами и выходами системы. Именно эта связь позволяет рассматривать систему как целостность и осуществлять обоснованный прогноз ее поведения.
Метод функционального моделирования, органически сочетающийся с методами математической статистики, мог бы послужить мощным средством исследования в тех областях научной деятельности, которые сегодня пока еще не располагают развитым арсеналом формализованных методов, например в педагогике.
Функциональный подход, по сути дела, пронизывает весь процесс обучения подрастающего поколения. С известными оговорками этот процесс можно представить следующей формальной схемой. Разрабатывается некоторый ряд стандартных ситуаций или вопросов (совокупность экспериментально заданных входов А0 с А), на которые детям предлагаются стандартные готовые ответы B0 с B. Искусство педагога состоит в том, чтобы подобрать множества А0 и В0, которые наилучшим образом отражают реальные проблемные ситуации. Кроме того, эти множества должны быть достаточно представительными, чтобы ребенок, встречаясь с некоторой новой (нестандартной) задачей, мог без большого труда найти ее решение. Пользуясь соответствием между А0 и В0 как некоторой исходной базой, ребенок в последующем пытается построить более широкое отображение из А в В, отвечающее определенному комплексу проблемных ситуаций. Происходит, как мы говорим, накопление опыта. Нетрудно подметить в данной ситуации аналог задачи распространения из теории гомотопий.
К сожалению, в педагогике не создана пока достаточно представительная база статистических данных и построение реальных функциональных отображений кажется сегодня проблематичным.
При изучении сложных кибернетических систем самой разной природы часто приходится сталкиваться со случаями, когда при одном и том же значении входа наблюдается различное поведение идентичных систем. Даже одна и та же система в различные моменты времени может вести себя по-разному в одних и тех же ситуациях. Причину этого обычно связывают с определенным изменением структурных свойств системы и описывают в терминах "внутреннее состояние системы", или просто "состояние". Каждому состоянию системы отвечает некоторое отображение А → В. Совокупность всех состояний системы может быть описана множеством отображений из А в В. Для краткости в дальнейшем обозначим это множество символом Н(А, В). Задание значения входа a є A и состояния f є Η;(А, В) теперь уже однозначно определяет значение выхода системы.
Известно, однако, что при определенных условиях внутреннее состояние системы можно рассматривать как ненаблюдаемую или неучтенную часть входа системы. Вспомним попытку Р. Эшби использовать это обстоятельство для объяснения явления памяти [6]. В теории сложных систем возможностью такого рода замещения понятий объясняется условный характер проведения границы между объектом и средой. Подобно тому как в физике существовал прием, позволявший включить внешние связи системы в рамки традиционного структурного анализа и тем сохранить замкнутость физической системы, так в теории сложных систем существует прием, позволяющий провести редукцию структурных факторов за счет расширения понятия среды и тем сохранить корректность функционального подхода. Пример использования принципа редукции в кибернетике дает теория абстрактных автоматов, где, как известно, существует возможность излагать всю теорию в терминах так называемых автоматных отображений.
Суть дела довольно проста и может быть проиллюстрирована в рамках введенных выше понятий.
Так, действуя чисто формально, можно рассматривать множество Н(А, В) как часть входа системы. Тогда полный вход системы определится как прямое произведение множеств А и Н(А, В). Полагая А' = А × H(А, В), строим модификацию функциональной модели системы в виде А' → В, где задание значения а є А' теперь уже однозначно определяет выход системы.
Принцип редукции в теории систем не только играет важную методологическую роль, но и может подсказывать в отдельных случаях новые направления исследований, определять постановку конкретных системных задач. Например, в теории автоматов существует широкий круг задач по адаптации автоматов. В этих задачах свойства среды предполагаются заданными и вопрос заключается в том, как надлежит изменить внутреннюю структуру автомата, чтобы обеспечить его эффективное поведение с точки зрения того или иного выбранного критерия (максимальный выигрыш, минимальное время перехода в заданное состояние и т.д.). Данное поведение может быть интерпретировано в терминах самообучения и самоорганизации автоматов.
Опираясь на принцип редукции, можно, однако, выдвинуть и другой подход, представляющий определенный интерес с точки зрения приложений теории автоматов к некоторым задачам из области исследования операций и экономической кибернетики, где вопросы адаптации часто приходится рассматривать при заданной внутренней структуре систем, добиваясь эффективного поведения этих систем путем изменений в организации самой среды. Таким образом, автомат, представляющий, исследуемый объект, оказывается помещенным в "искусственную" (управляющую) среду с подобранными определенным образом свойствами. Из управляющей системы, каким он был в рамках описанного выше круга задач, автомат превращается в управляемую систему, а среда – в управляющий фактор. Данный подход подсказывает постановку задач, близких по смыслу к типичным задачам математического программирования [7].
Как уже упоминалось в предыдущем параграфе, для функционально замкнутых систем характерно следующее обстоятельство: среда рассматриваемого объекта (или ее часть) представляет собой функционально детерминированную систему и реализует в системе объект – среда обратную связь.
Понятие обратной связи является одним из центральных в кибернетике. При отсутствии обратной связи результаты функционирования объекта не влияют закономерно на его будущую судьбу. В данном случае функционирование не улучшает и не ухудшает среду обитания объекта сообразно критериям выживаемости объекта и в этом смысле индифферентно к объекту. Без обратной связи было бы немыслимо целесообразное поведение системы, адаптация ее к новым условиям существования.
Между тем в мире кибернетических систем действие никогда не бывает индифферентным к своему объекту и поэтому становится деятельностью. Функционирование системы закономерно влияет на нее, в целом улучшая среду ее обитания или, во всяком случае, обнаруживая к этому определенные тенденции.
Понятие обратной связи анализируется в ряде работ. В монографии Л. А. Петрушенко [8] последовательно исследуются методологические и философские аспекты принципа обратной связи и показывается его роль в области высших форм движения. Рассматривая специфику обратной связи в кибернетических системах, Л. А. Петрушенко указывает, что кибернетическое понятие обратной связи. не сводится к понятию обратного воздействия или к понятию физического канала обратной связи. Для кибернетических систем важна не всякая обратная связь, а прежде всего та, которая оказывает регулирующее обратное воздействие путем передачи необходимой для этого информации. Результатом регулирующего воздействия является сохранение системы или повышение ее организованности.
Полемизируя с Г. Клаусам и Р. Эшби, склонными придать принципу обратной связи всеобщий характер, Л. А. Петрушенко пишет: "В кибернетическом понимании понятие "обратная связь" (а также понятие "принцип обратной связи") не имеет всеобщего характера, хотя некоторые особенности (в частности, необходимость цепи обратной связи как условия осуществления процесса управления) являются общими, для любого толкования обратной связи". Обратная связь в кибернетике, указывает далее Л. А. Петрушенко, это "связь между управляемым и управляющим устройством для передачи осведомительной (или контролирующей) информации от управляемого устройства к управляющему и вместе с тем один из элементов управления с обратной связью" [9].
Трактовку Л. А. Петрушенко следует считать удачной в том отношении, что она позволяет выделить специфику собственно кибернетических форм управления. Для объектов неживой природы, где действие обратной связи порождает лишь определенные аналоги управления в высокоорганизованных системах, Л. А. Петрушенко предпочитает использовать термины "авторегуляция", "квазиуправление".
На неправомерность расширительного толкования кибернетических форм управления указывает также Б. В. Бирюков, который, как и Л. А. Петрушенко, подчеркивает информационный характер кибернетического регулирования в отличие от авторегуляции в неживой природе. Он пишет: "В отношении неживой природы неоправданно говорить о процессах управления". И далее: "Процессы управления отсутствуют в неживой природе потому, что в неживых системах нет использования информации" [10].
Все это можно было бы принять без каких-либо оговорок, если бы мы всегда вполне ясно отличали процессы, где используется информация, от процессов, где этого не происходит. Правда, употребляя термин "неживая природа", Б. В. Бирюков предусмотрительно оговаривается, что в это понятие не включаются технические системы, создаваемые человеком. Действительно, здесь неявно сказывается активное присутствие человека с его способностью опережающего отражения действительности. Тем не менее остается неясным, почему нельзя говорить о переработке информации, например в ЭВМ, рассматриваемой отдельно от человека, или тем более в будущих машинах, способных воспроизводить творческие акты на основе использования информации.
В этой связи уместно напомнить о работе Д. А. Поспелова и В. Н. Пушкина, где описывается класс устройств (гироматы), которым, по-видимому, нельзя отказать в некоторых способностях к опережающему отражению. Характеризуя процессы, протекающие в гироматах, авторы пишут: "На основе информации, поступающей из внешней среды, гиромат строит первичную модель – "мгновенную фотографию" состояния среды в виде конкретной ситуации на ДСС (дискретная ситуационная сеть. – Ю.М.). "Наблюдая" смену ситуаций за некоторое время Т и учитывая воздействия гиромата на среду, определенное устройство формирует гипотезы о закономерностях, имеющихся в среде. Эти закономерности используются при построении семиотической модели внешнего мира, "мысленные опыты" с которой служат основой для принятия решений о воздействии на внешнюю среду (на активные решатели в ДСС)" [11].
В попытке ограничить кибернетические формы управления только миром живой природы в известной мере дает о себе знать антропоморфное употребление понятий, характерных для кибернетики. "Использование информации", "целеполагание", "осмысление" – эти понятия мы связываем слишком прочными нитями с тем кругом свойств, которые считаются монополией человека. Тем самым мы создаем определенные трудности для раскрытия объективной природы этих понятий.
С методологической точки зрения более целесообразно выяснение условий, при которых можно говорить об использовании информации и об актах целеполагания, вместо того чтобы с самого начала использовать их в качестве рубежа между живой и неживой природой.
Принцип обратной связи широко распространен как в живой, так и в неживой природе. И хотя формы его проявления различны, сущность остается одинаковой для всех случаев. Об этом пишет и Л. А. Петрушенко. В этой связи он приводит следующие слова И. П. Павлова: "Для последовательного натуралиста и в высших животных существует только одно: та или иная реакция животного на явления внешнего мира. Пусть эта реакция чрезвычайно сложна по сравнению с реакцией низшего животного и бесконечно сложна по сравнению с реакцией любого мертвого предмета, но суть дела остается все той же" [12].
Анализируя управление, осуществляемое по принципу обратной связи, было бы, пожалуй, более правильным идти по пути выявления не предметной области использования этого принципа, а позиции исследователя, при которой принцип обратной связи естественным образом становится в центр его внимания. Представляется, что такой позицией является функциональный подход.
Рассмотрим понятие обратной связи в рамках двустороннего отношения объект – среда, когда среда обнаруживает функционально детерминированный характер относительно рассматриваемого объекта, т.е. реализуются условия функционально замкнутой системы. Особенность такого рассмотрения состоит в том, что обратная связь полагается как элемент среды, включенный в замкнутый контур связи между объектом и средой. И этот элемент, и сам объект представлены функциональными отображениями в соответствии с выбранным подходом.
Структурно элемент может ассимилироваться объектом и образовать в совокупности с ним систему с обратной связью в обычном понимании этого слова. В этом случае элемент среды становится частью системы и все отношение объект – среда некоторым образом изменяется. Это изменение благоприятно, если ассимилированный элемент среды проявил себя в форме отрицательной обратной связи, обеспечивающей системе устойчивость относительно остальной среды. В противном случае система разрушается и внешний наблюдатель может расценивать этот факт как результат естественного отбора.
Процесс ассимиляции элементов среды объектом в рамках функционального подхода и формирование на этой основе системы с обратной связью можно изобразить как процесс последовательного усложнения систем. Вместе с тем это процесс целенаправленного изменения среды. В совокупности эти два процесса приводят систему к состоянию адаптации, равновесия со средой. На уровне высокоорганизованных систем, таких как человек или социальная система, ассимиляция элементов среды воспринимается как конструирование "искусственной среды", составляющей материальную основу цивилизации. С этим фактом тесно связана функциональная природа мира вещей, окружающих человека, о чем уже говорилось в главе I.
Таким образом, имеются определенные методологические предпосылки для того, чтобы процесс развития и самоорганизации систем трактовать с позиции функционального подхода как процесс последовательной ассимиляции элементов среды и, стало быть, последовательного и целенаправленного изменения самой среды.
При этом следует подчеркнуть, что данный процесс был бы просто невозможен без формирования в системе обратных связей. Само определение обратной связи как элемента среды, ассимилированного системой, указывает на то, что сущность описанного процесса как раз в этом и состоит. Неудивительно, что Н. Винер рассматривал принцип обратной связи как "тайну жизни", отводя ему фундаментальную роль при изучении феноменов живой природы и социальных явлений. И действительно, какое бы явление из области высших форм движения ни изучалось, всюду мы наталкиваемся на различные проявления принципа обратной связи и лишь с позиции этого принципа можем дать надлежащее толкование и объяснение наблюдаемым фактам.
Заметим, что в функционально замкнутых системах обратная связь никогда не определяет полностью вход рассматриваемого объекта, поскольку никогда не включает в себя среду целиком, а лишь ее часть. Поэтому вход объекта всегда можно представить в виде прямого произведения А × S, где S – часть входа объекта, обусловленная обратной связью, А – вход, обусловленный воздействием на объект остальной среды. Если обозначим выход системы через В, то описанием объекта как функционально детерминированной системы будет отображение f : A × S → B. Обратная связь по определению будет описываться отображением g : В → S.
Если вместо отображения g рассматривать композицию отображений φ = gf : A x S → S, то можно прийти к обычному определению абстрактного автомата в виде пары отображений (f, φ):
f : A × S → В, φ : A × S → S,
где S трактуется как множество "внутренних" состояний. Приведенные выше рассуждения иллюстрируют процесс ассимиляции системой элемента среды g. Композиция элемента g с функцией f дает переходную функцию в системе (f, φ). В результате ассимиляции появляется множество "внутренних" состояний S и поведение всей системы существенно осложняется.
Заметим, наконец, что акт ассимиляции элементов среды тесно связан с принципом редукции, упоминаемым в предыдущем параграфе, и может рассматриваться как процесс, в определенном смысле обратный операции редукции. Действительно, каждое заданное значение из S определяет некоторое отображение из А в Вi и все множество S может быть описано как Н(А, В).
Если отождествить состояния S с отображениями Н(А, В), то в качестве обратной связи в системе будет фигурировать отображение Ф : В → Н(А, В).
Функционально детерминированная система с ассимилированным элементом Ф может быть описана с помощью пары отображений (f; Ф):
f : А → В, Ф : В → Н(А, В),
где f є Н(А, В).
Система (f, Ф) полностью совпадает с определением так называемой абстрактной биологической системы Р. Розена [13], который провел ряд исследований этих систем с использованием аппарата современной алгебры (в частности, аппарата теории категорий). Определение Р. Розена удобно в том отношении, что элемент среды, реализующий обратную связь в системе, представлен в нем в явном виде и сама ассимиляция элемента системой формально выражается простым присоединением функции Ф к функции f из набора Н(А, В). Данное определение подсказывает путь к построению более сложных систем.
Рассмотрим множество элементов среды типа Ф и обозначим его Н(В, Н(А, В)). Это множество включает в себя целый набор различных типов обратных связей и может быть истолковано как множество состояний ассимилированной части среды, обеспечивающей более высокий порядок функционирования в биологической системе.
Соответственно обратная связь более высокого уровня может быть описана отображением G : В → Н(В, Н(А, В)). Вся система функционирует следующим образом. Вначале на основании реакции системы осуществляется выбор состояния среды (т.е. выбор типа обратной связи низшего уровня). Затем полученная информация используется для выбора состояния системы. Наконец, на основании значения независимого входа системы и выбранного ее состояния осуществляется акт функционирования, приводящий к новому значению выхода (реакции) системы.
Таким образом, обратные связи более высокого уровня резко усложняют процесс функционирования системы. Возникает своего рода иерархия сложности.
В работе Р. Розена [14] показывается, что наличие обратных связей типа G позволяет построить схему воспроизводства "генетической структуры" (по терминологии Р. Розена) в абстрактных биологических системах. В работе М. Арбиба [15] указывается на возможность формального описания процессов эволюции биологических систем как систем с переменной "генетической структурой" опять-таки благодаря введению обратных связей более высокого уровня.
Понятие абстрактной биологической системы Р. Розена, по-видимому, не ограничивается только сферой биологических явлений. Оно может быть полезным как некоторый формальный аппарат для общего описания различных кибернетических систем при надлежащей интерпретации множеств А, В, Н(А, В).
Рассмотрим в терминах функционально детерминированных систем типа систем Р. Розена иерархию сложности принятия решений в социально-экономических системах.
Пусть b є В – некоторая цель, которую мы хотим достичь с помощью системы (f, Ф). Тогда элемент Ф выступает как функция принятия решений: по заданному значению цели b выбирается такая программа действий f, при которой достигается намеченная цель. Элементы из А суть ресурсы, которые мы черпаем из окружающей среды. Иногда выясняется, что достичь результата b є В нельзя ни при каких f є Н(А, В). В современной практике планирования такое случается нередко. В этих случаях корректируется цель. Если же, напротив, оказывается, что существует несколько или даже целый набор программ, реализующих заданную цель, то стремятся найти среди этих программ такую, которая предпочтительна с точки зрения того или иного критерия оптимальности (минимум затрат, максимум прибыли и т.д.).
Гораздо более сложной задачей является выбор способа принятия решений Φ из некоторого возможного множества Н(В, Н(А, В)), представляющего собой более высокий функциональный уровень в социальной системе. На этом уровне происходит формирование самой системы управления, обусловленное, как правило, неформализованными, качественными факторами социальной системы. На этом уровне, в частности, выбираются критерии оптимальности. Для системы народного хозяйства это уже вопрос общей экономической политики, вопрос реализации определенных принципов социально-экономического управления общества в целом.
Описанный выше процесс построения иерархии в системах принятия решений дает принципиальную основу для оценки сложности самих социально-экономических систем с точки зрения характера их функционирования и типа обратных связей. Такую сложность будем называть функциональной.
Первый уровень функциональной сложности – это собственно производственно-технологический процесс, или процесс производства, состоящий в преобразовании некоторого множества производственных ресурсов и факторов в продукты производства. Источником производственных ресурсов является природная среда. В качестве важнейшего производственного фактора, обусловливающего весь производственно-технологический процесс в наиболее существенных его точках, выступают трудовые ресурсы. Человек предстает одновременно как элемент среды и как потребитель продуктов производства.
Второй уровень функциональной сложности – это уровень реализации производственного управления. Система производственного управления обеспечивает целенаправленное течение производственно-технологического процесса путем воздействия на состав и объем технологического оборудования, на качество используемых ресурсов в соответствии с конкретным производственным заданием b є В. Выбор надлежащего производственно-технологического способа f из множества Н(А, В) обеспечивается путем проведения плановых расчетов по определенной методике Ф.
Выбор методики Ф относится уже к компетенции третьего уровня функциональной сложности. На этом уровне осуществляется разработка самих методов и принципов управления. Это область господства научно-технического прогресса, идеологии и политики.
Нетрудно видеть, что функциональная сложность социально-экономической системы в конечном итоге определяется сложностью процессов управления в ней. Последние же существенно зависят от уровня обратных связей, действующих в системе.
Особенность рассмотренного подхода к понятию сложности заключается в том, что здесь отходят на второй план такие параметры, как количество элементов, число и характер связей в системе. Например, человек и человеческая цивилизация, содержащая миллионы индивидов, сравнимы по сложности, поскольку в обоих случаях реализуются обратные связи типа G, относящиеся к третьему уровню сложности. В то же время мотылек – более сложная система, чем Галактика. Это, конечно, не значит, что число элементов и связей или их характер в системе вообще не играют никакой роли при оценке сложности [16]. От числа элементов и связей зависит число состояний в системе, а следовательно, разнообразие ее функциональных свойств. Определенный отпечаток на функционирование системы накладывают также количественные характеристики входа и выхода системы (мощности множеств А и В). Все эти факторы могут быть использованы при оценке сложности систем в пределах любого из названных выше уровней сложности. Соответственно получаем промежуточные ступени сложности, которые до известной степени сглаживают переходы между уровнями.
Заметим, что имеется определенная смысловая корреляция между уровнями функциональной сложности систем и известными в философии формами движения материи. В частности, к первому уровню сложности могут быть отнесены в целом физическая (в том числе механическая) и химическая формы движения. Биологическую и социальную формы движения, в том числе человеческое – мышление, следует отнести к третьему уровню сложности. Причем между физической и химической формами движения различия менее существенны, чем, например, между физической и биологической формами. Мы можем их рассматривать как ступени внутри первого уровня. Аналогично биологическую и социальную формы движения можно рассматривать как ступени сложности внутри третьего уровня.
Что касается второго уровня сложности, то сюда попадают в основном сложные технические системы типа ЭВМ, которые, хотя и построены целиком из физических элементов, все же резко отличаются по своим функциональным свойствам от природных физических систем. В результате человеческой деятельности как бы заполняется пропасть между низшими и высшими формами движения материи (между первым и третьим уровнем сложности). Создавая системы с обратными связями, характерные для второго уровня сложности, человек сумел добиться значительного их сходства с системами третьего уровня по ряду функциональных признаков. Это сходство может быть еще более усилено путем увеличения числа состояний в системе. Тем не менее это сходство пока чисто внешнее. Следует понимать, что для перехода к третьему уровню сложности нужен качественный скачок, требующий реализации в системах обратных связей более высокого порядка.
Аналогичная ситуация функционального сходства существует между системами первого и второго уровней сложности. В неживой природе широко известны явления регулирования, которые придают физическим объектам характерные черты систем, имеющих обратные связи. Это так называемые явления авторегулирования, или квазиуправления (по Л. А. Петрушенко).
Примером авторегулирования могут служить химические процессы, протекающие в соответствии с принципом Ле Шателье. Например, при повышении температуры в химической системе возникают реакции, идущие с поглощением тепла, и, наоборот, при понижении температуры возникают реакции, приводящие к выделению тепла. Принцип Ле Шателье действует и в физических системах при фазовых превращениях вещества. Суть его заключается в том, что при изменении условий в равновесной системе, ведущем к нарушению ее устойчивости, в системе возникают процессы в таком направлении, чтобы скомпенсировать эффект произведенного воздействия.
Г. В. Бурковский [17] приводит любопытный пример авторегулирования из области электрических явлений. Если поместить металлическую нить в баллон с водородом и пропускать по ней ток, то обнаружится, что сила тока почти не зависит от питающего нить напряжения. При увеличении напряжения нить нагревается проходящим по ней током, что повышает сопротивление как раз в такой степени, что сила тока, снижаясь, практически возвращается к первоначальному значению. При уменьшении напряжения происходит обратный процесс: сопротивление нити уменьшается и сила тока увеличивается, снова приближаясь к исходной величине.
Данное явление используется в так называемых барреторах – технических устройствах, предназначенных для стабилизации силы тока в электрических цепях. Г. В. Бурковский указывает, ссылаясь на работы А. А. Воронова и М. С. Неймана [18], что среди специалистов в области теории автоматического регулирования имеются разногласия относительно того, можно ли считать, что в барреторе существует обратная связь.
Простейшим примером авторегулирования может служить маятник, как и вообще любой колебательный (периодический) процесс. При отклонении маятника от положения равновесия проявляются силы, стремящиеся вернуть его к исходному положению.
Л. А. Петрушенко [19] склонен рассматривать в качестве частных случаев квазиуправления даже такие явления, как флуктуация, инерция, а также проявление принципа наименьшего действия. При таком подходе (который, по-видимому, имеет под собой определенную философскую основу) в природе будет трудно найти системы, в которых бы нельзя было обнаружить квазиуправления в той или иной форме.
В чем же причина столь широкого распространения в природе явления авторегулирования? И можно ли говорить во всех этих случаях о наличии обратных связей? Изучая этот круг вопросов, Л. А. Петрушенко рассматривает авторегуляцию как всеобщую объективную закономерность, действующую в направлении повышения организованности систем и тем самым противопоставляющую себя другому фундаментальному закону природы – закону возрастания энтропии.
В этой связи Л. А. Петрушенко пишет: "Различие между авторегуляцией и возрастанием энтропии заключается в том, что каждое из них, будучи, так сказать, невольным условием возникновения "своего другого", есть одновременно условие ограничения и уменьшения его действия. В неизолированных системах, т.е. там, где авторегуляция возможна, возрастание энтропии ограниченно по своему действию. И наоборот, в изолированных системах, т.е. там, где авторегуляция невозможна, возрастание энтропии не имеет подобного ограничения. Авторегуляция ограничивает действие возрастания энтропии наиболее явно в той сфере, где авторегуляция существует в наиболее полной и развитой форме управления по принципу обратной связи (т.е. в сфере сравнительно высокоорганизованных систем), и сама испытывает ограничивающее действие возрастания энтропии главным образом в той сфере, где последнее действует в наиболее полной и развитой форме (т.е. в сфере относительно низкоорганизованных систем)" [20].
Таким образом, отношение между авто регуляцией и возрастанием энтропии анализируется Л. А. Петрушенко как диалектическое противоречие, действующее в форме внутренней причины самодвижения материи. В этом отношении вскрывается онтологический статус принципа авторегуляции в природе.
В методологическом, логико-философском плане возможность рассмотрения авторегуляции (квазиуправления) как всеобщей объективной закономерности связана, видимо, с тем обстоятельством, что всякую систему можно изучать в рамках функционального подхода. Поскольку в среде, окружающей любую систему, почти всегда находятся другие системы, образующие в совокупности с первой функционально-замкнутую систему, мы всегда будем обнаруживать и обратные связи. Эти-то обратные связи и порождают явление авторегуляции.
Однако обратные связи не всегда бывают ассимилированы системой и структурно представлены в ней, как это характерно для кибернетических форм управления. В неживой природе они существуют скорее лишь как предпосылка, объясняющая принципиальную возможность возникновения высокоорганизованных систем, какими являются и человеческое общество, и животный мир.
С учетом сказанного становится понятным, почему естественные явления физического и химического порядка, обнаруживающие авторегуляцию, тем не менее не могут быть отнесены ко второму уровню сложности, где обратные связи предполагаются ассимилированными и структурно обозначенными в системе, а составляют лишь первый уровень сложности.
Функциональная классификация сложности систем по типу и характеру обратных связей дает принципиальную возможность развивать методологические подходы к упорядочению теоретико-системных представлений ж теоретических схем в том плане, как это делает, например, К. Боулдинг [21].
К. Боулдинг считает, что систематизация и упорядочение теоретических систем и понятий сообразно иерархии их сложности составляют основную задачу общей теории систем, которую он рассматривает как своего рода "систему Менделеева" применительно к элементам теоретических знаний. При этом аналогом "атомного веса" в этой системе является уровень сложности. Полагая, что сложность, или "уровень" теоретического анализа, в целом соответствует сложности так называемых исходных индивидов (объектов) различных эмпирических областей, К. Боулдинг выделяет следующие девять уровней сложности: 1) уровень статической структуры, 2) уровень простой динамической системы типа часового механизма, 3) уровень кибернетической системы типа термостата, 4) уровень клетки, 5) уровень растений, 6) уровень животных, 7) уровень человека, 8) уровень социальных организаций, 9) уровень трансцендентальных систем.
Последний (9-й) уровень К. Боулдинг не характеризует сколько-нибудь конкретно. Его скорее надо понимать как "резервный класс" для явлений, которые пока остаются для нас непостижимыми. Заметим, что К. Боулдинг не отождествляет уровень теоретического анализа с уровнем предмета исследования. Так, социальные исследования сегодняшнего дня он относит не к восьмому уровню, как можно было бы думать, если иметь в виду предмет исследования, а в основном ко второму. Лишь в последнее время, указывает К. Боулдинг, теоретические схемы социальных наук начали подниматься до третьего уровня.
Здесь нет необходимости сопоставлять классификацию К. Боулдинга с функциональной классификацией, поскольку первая фиксирует некую установившуюся градацию эмпирических областей, а вторая преследует цель выявить влияние обратных связей на сложность функционирования различных типов систем. Гораздо более интересен другой вопрос: как расчленятся теоретические схемы знания, если, воспользовавшись подходом К. Боулдинга к общей теории систем, принять в качестве единицы сложности уровни иерархии обратных связей в функционально определенных системах.
Встав на эту точку зрения, мы сразу же сталкиваемся с фактом принципиального различия кибернетического и физико-химического подходов к явлениям, ибо они относятся к различным классам функциональной сложности. Таким образом, нечего и пытаться прибегать к теоретическим схемам физики и химии для объяснения явлений,, протекающих в кибернетических системах, или проектировать на этой основе ЭВМ и другие средства переработки информации.
По той же причине необходимо сразу же отказаться от попыток использовать современные кибернетические методы для раскрытия сущности явлений, протекающих в живых организмах и социальных системах, ибо здесь нужны принципиально иные средства, адекватные третьему классу функциональной сложности. Этот вывод уже не столь очевиден, тем более что мы пока не знаем, что же это за средства. Остается лишь уповать на появление новых "сумасшедших" идей, которые коренным образом изменят русло современного потока научного знания.