Array Array - Алгоритмы разума

Вывод отсюда только один: нужны действующие модели большой сложности, то есть принципиально новый код внешних моделей. Математика предлагает аппарат для такого кода, но она статична, и хотя формулы могут отразить динамику объекта, но ручные расчеты по ним весьма ограничивают пределы сложности.

Электроника и ее воплощение в компьютерах предоставляют нам принципиально новые средства создания сложных действующих моделей. Во-первых, они усиливают традиционную математику, поскольку ускоряют счет. Во-вторых, они дают новые возможности для коллективного творчества в виде объединения моделей в единое действующее целое, которое, в пределе, может стать недоступным для полного понимания каждым из участников создания моделей. И наконец, появилась возможность самоорганизации и саморасширения моделей, когда они из средств выражения человеческого разума сами приобретают его качества — способность создания новых моделей.

Действующие модели сложных систем — новый и высший этап оптимального управления этими системами. До тех пор, пока их модели представлены в книгах и «оживают» только в мозге человека, управление остается ограниченным и будет сопровождаться ошибками.

К сожалению, построение таких моделей сопряжено с исключительными трудностями. Дело в том, что они должны быть количественными, как это имеет место в реальных объектах. Существующие ныне науки о сложных системах «типа живых» являются в основном описательными. Они даже не имеют непротиворечивых гипотез по самым основным вопросам функций, не говоря уже о крайней скудости количественных сведений. Первое связано со вторым: для доказательства гипотезы нужно много сопряженных количественных данных, а для их сопоставления, сопряжения необходима модель, то есть обобщенная гипотеза.

Становление любой науки можно представить в такой последовательности:

а) наблюдения объекта органами чувств и словесное описание его структуры и функции;

б) измерения функций и уточнение структур — сбор разрозненной количественной информации;

в) синтез «полной» модели объекта, представляющей его теорию с различной степенью обобщенности. Я называю эту модель реальной.

Все науки о живых системах находятся приблизительно между второй и третьей фазами: сведений уже много, а полные модели только начинают создаваться. Процесс этот оказался очень трудным. По существу, еще нет ни одной полной модели. Мне кажется, что нужен новый подход к этой проблеме. Мы предлагаем его в виде метода эвристического моделирования.

Принцип метода состоит в том, что создается математическая модель объекта на основании описательной гипотезы о его структуре и функциях с использованием имеющихся в литературе количественных данных и добавлением недостающих путем предположений, построенных исходя из гипотезы и качественных сведений. Естественно спросить: зачем нужна такая модель и чем она лучше словесного описания. Конечно, она не является реальной моделью. Однако создание ее имеет смысл и представляется мне неизбежным этапом на пути построения реальной модели. Значение эвристической модели в следующем :

а) она требует формулирования более или менее непротиворечивой гипотезы. Противоречия неизбежно вскрываются, когда при построении модели слова приходится заменять цифрами, а также при дальнейшем исследовании готовой модели. Важно, чтобы она вела себя адекватно объекту по возможности в широком диапазоне режимов;

б) создается язык будущей реальной модели;

в) модель четко формулирует задачи для экспериментов: нужно получить определенную количественную информацию для уточнения наиболее спорных мест;

г) по мере получения новых экспериментальных данных гипотетическая модель приближается к реальной;

д) модель можно исследовать вместо объекта, и она позволяет предположить его новые свойства;

е) наконец, ее можно использовать для управления объектом в тех пределах ее деятельности, где она достаточно точно совпадает с объектом.

Конечно, значимость отдельных пунктов меняется в зависимости от объекта.

Для создания эвристической модели предлагается типовой план:

1. Формирование цели работы или назначения модели: например, как этап в изучении объекта, как инструмент управления, для отработки языка, для проектирования экспериментов и пр. От цели зависит все последующее.

2. Выбор уровня модели. Все сложные системы построены по иерархическому принципу. Степень обобщенности модели определяется тем нижним структурным уровнем, начиная с которого модель должна воспроизводить объект. Уровень определяется назначением модели, наличной информацией и возможностями ее переработки. Для управления достаточны высокие уровни, для создания новой системы и ее изучения желательны, по возможности, низкие уровни. Пример: для понимания механизмов рака нужно моделировать организм с уровня макромолекул, а для управления кровообращением достаточно начинать с уровня органов.