INVESTIGATION OF THE INFLUENCE OF SUBSYSTEMS OF DIFFERENT LEVELS OF THE HIERARCHY ON EMERGENT PROPERTIES OF THE SYSTEM IN GENERAL WITH THE USE OF THE ASC-ANALYSIS AND "EIDOS" INTELLECTUAL SYSTEM (microstructure of the system as a factor in the management

УДК 303.732.4 UDC 303.732.4

ИССЛЕДОВАНИЕВЛИЯНИЯПОДСИСТЕМ РАЗЛИЧНЫХУРОВНЕЙИЕРАРХИИНА ЭМЕРДЖЕНТНЫЕСВОЙСТВАСИСТЕМЫВ ЦЕЛОМСПРИМЕНЕНИЕМАСК-АНАЛИЗА

ИИНТЕЛЛЕКТУАЛЬНОЙСИСТЕМЫ

"ЭЙДОС" (микроструктурасистемыкакфак

-торуправленияеемакросвойствами)

INVESTIGATION OF THE INFLUENCE OF SUBSYSTEMS OF DIFFERENT LEVELS OF THE HIERARCHY ON EMERGENT

PROPERTIES OF THE SYSTEM IN GENERAL WITH THE USE OF THE ASC-ANALYSIS AND "EIDOS" INTELLECTUAL SYSTEM (micro-structure of the system as a factor in the manage-ment of its macro properties)

ЛуценкоЕвгенийВениаминович д.э.н., к.т.н., профессор

Lutsenko Evgeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor Кубанскийгосударственныйаграрныйуниверси

-тет, Россия, 350044, Краснодар, Калинина, 13,

prof.lutsenko@gmail.com

Kuban State Agrarian University, Krasnodar, Russia

Встатьенапростомчисленномпримерерассмат

-риваетсяприменениеавтоматизированногосис

-темно-когнитивногоанализа (АСК-анализ) иего

программногоинструментария – интеллектуальной системы «Эйдос» длявыявленияиисследования

детерминацииэмерджентныхмакросвойствсистем ихсоставомииерархическойструктурой, т.е. под

-системамиразличнойсложности (уровнейиерар

-хии). Краткообсуждаютсянекоторыеметодологи

-ческиевопросысозданияипримененияформаль

-ныхмоделейвнаучномпознании. Предложены

системноеобобщениепринципаУильямаРосса Эшбионеобходимомразнообразиинаосновесис

-темногообобщениятеориимножествисистемной теорииинформации, обобщеннаяформулировка

принципаотносительностиГалилея-Эйнштейна,

высказанагипотезаоеговзаимосвязистеоремой ЭммиНётер, атакжепредложенагипотеза «Оза

-висимостисилыинаправлениясвязеймеждубазо

-вымиэлементамисистемыиееэмерджентными свойствамивцеломотуровняиерархиивсистеме»

The article, on a simple numerical example, deals with the application of the automated system-cognitive analysis (ASC-analysis) and its software tools - intel-lectual systems "Eidos" for the detection and investiga-tion of determinainvestiga-tion of emergent macro preferences of systems in their composition and hierarchical struc-ture, i.e. the sub-systems of various complexity levels (levels of the hierarchy). The article briefly discusses some of the methodological issues of creation and ap-plication of formal models in scientific knowledge. The system generalization of the principle of William Ross Ashby about the necessary diversity on the basis of the system of generalization of the theory of sets and systems theory, information, generalized formula-tion of the principle of Galileo-Einstein, the hypothesis about its relationship with the theorem of Emmy No-ether are offered; and also there is a hypothesis "About the dependence of the force and direction of the rela-tions between the basic elements of the system and its emergent properties as a whole, on the level of hierar-chy in the system"

Ключевыеслова: АВТОМАТИЗИРОВАННЫЙ

СИСТЕМНО-КОГНИТИВНЫЙАНАЛИЗ,

ИНТЕЛЛЕКТУАЛЬНАЯСИСТЕМА «ЭЙДОС»,

БАЗАЗНАНИЙ, СИСТЕМА, ДЕТЕРМИНАЦИЯ,

ЭМЕРДЖЕНТНЫЕМАКРОСВОЙСТВА,

ПОДСИСТЕМА, СЛОЖНОСТЬ, УРОВЕНЬ

ИЕРАРХИИЭШБИ

Keywords: AUTOMATED SYSTEM-COGNITIVE ANALYSIS, INTELLIGENT SYSTEM "EIDOS", BASE OF KNOWLEDGE, SYSTEM,

DETERMINATION, EMERGENT MACROPROPERTIES, SUBSYSTEM,

COMPLEXITY, LEVEL OF THE HIERARCHY OF ASHBY

“Истинноезнание – этознаниепричин”

ФренсисБэкон (1561–1626 гг.)

Проблема, решаемая в научных исследованиях, состоит в выявлении

силы и направления влияния состава и особенностей внутренней иерархи

-ческой микроструктуры структуры систем на их внешне наблюдаемые на

макроуровне свойства, т.е. по сути, в выявлении и исследовании вида при

-чинно-следственных зависимостей между составом, внутренней структу

Другой формой этой же проблемы является построение на основе

эмпирических данных1

формальной модели, количественно отражающей

силу и направление влияния значений факторов на поведение моделируе

-могообъекта, вчастности на его переходвразличныебудущиесостояния.

Такая формальная модель обеспечивает решение ряда как прямых,

таки обратныхзадач.

Прямые задачи (задачи идентификации, распознавания и прогнози

-рования):

1. Прогнозированиесвойствсистемыпоеесоставуи структуре. 2. Идентификациясостояния системыпоеепризнакам.

3. Прогнозирование будущих состояний объекта управления по сис

-теме действующихна негозначений факторов.

Задачи управления (обратные задачипрогнозирования):

4. Определение такого состава и такой структуры системы, которые

обусловливают заранеезаданные ее свойства.

5. Определение такой системы значений управляющих факторов, ко

-торая переводитобъект управлениявзаранее заданное целевоесостояние.

Идентификация и распознавание – это просто синонимы. При иден

-тификации считается, что признаки объекта и его состояние, которое нуж

-но определить по этим признакам, относятся к одному моменту времени2.

Прогнозирование отличается от идентификации тем, что (признаки) значе

-ния факторов относятся к прошломувремени, а состояния объекта к буду

-щему3

.

Задача управления (выработки управляющих воздействия) является

обратной по отношению к задаче прогнозирования, так как при прогнози

-ровании мы по значениям факторов, относящимся к прошлому, определя

-ем будущее состояние объекта, а при управлении, наоборот, по заданному

целевому (желательному) состоянию объекта управления определяем та

-кую систему значений факторов, которая по определенным критериям4

наиболее эффективно обусловливает (детерминирует) переход объекта в

это целевоесостояние.

Сформулированные задачи имеют очень общий характер, так как, по

сути, являются вариациями одной математической задачи в различных об

-ластях наукиипрактики, например:

– в генетике: исследование и выявление силы и направления влия

-ния признаков генома и окружающей среды на фенотип (смысловая интер

1 _т

.е. наосновеописанийструктуры, свойствиповеденияобъектовподвлияниемразличныхвоздейст

-вий, полученныхизопыта 2_{Конечно}

, фактическииприидентификациипризнакивсегдаотносятсякпрошлому, аидентифицируе

-мыесостояниякбудущему, т.к. процессполученияинформациионаличиипризнаковисампроцесс

идентификациизанимаетопределенноевремя.

3_{Можетбытьисследованвопросвлияниябудущегонапрошлое}

, атакжевлияниядругнадругаодновре

-менныхсобытий, которые, по-видимому, причинно-следственнонесвязаныдругсдругом. 4_{Например}

претация генома с применением технологий искусственного интеллекта:

признаки генома и окружающей среды как факторы управления феноти

-пом);

– в психологии (управление персоналом): исследование зависимости

личностных и профессиональныхкачеств человека от его реакции на осоз

-наваемый и неосознаваемый стимульный материал (в частности на опрос

-ники); исследование влияния личностныхи профессиональныхкачеств че

-ловека на успешность его работы на различных должностях; прогнозиро

-вание успешности деятельности конкретного человека на различных

должностях на основе ранее выявленных его личностных и профессио

-нальных качеств; разработка «Эйдос-реализации» психологических тестов

на основе их опросников и шкал, включая среду применения, а также раз

-работка интегральныхтестов на основе стандартныхтестов;

– в педагогике: исследование влияния педагогических технологий (в

том числе: укомплектованности докторами и кандидатаминаук, профессо

-рами и доцентами, методов преподавания, технической оснащенности,

учебно-методического обеспечения) на качество образования5 вообще и

уровень предметной обученности в частности, а также на успешность про

-фессиональной деятельности поспециальности после окончания обучения;

оценка уровня преподавания в учебном заведении; прогнозирование учеб

-ных достижений учащихся по свойствам их личности и характеристикам

образовательного и учебного процесса; выработка рекомендаций по со

-вершенствованию образовательныхтехнологий;

– в экономике: исследование влияния внутренней структуры пред

-приятия на эффективность ее деятельности; исследование влияния техно

-логических, экономических, социально-политических, природных и иных

факторов на результаты экономической деятельности предприятий, отрас

-лей и регионов; оценка и прогнозирование эффективности работы пред

-приятий, выработка научно-обоснованных рекомендаций по совершенст

-вованию деятельности; прогнозирование динамики и сценариев развития

фондовогорынка, поддержкапринятия решенийна фондовомрынке;

– в агрономии: исследование влияния агротехнологических факто

-ров, биологических свойств сортов и факторов окружающей среды на ко

-личественные и качественные результаты выращивания сельскохозяйст

-венных культур; прогнозирование результатов применения конкретных аг

-ротехнологий для выращивания конкретных культур в заданных условиях

(почвы, предшественники, климат); разработка рекомендаций по системе

агротехнологий, обеспечивающей заданный результат выращивания; опре

5_{Образование}

– этообучение, воспитаниеиразвитие. Обучение – этопредметнаяобученность, т.е. зна

-ния, уменияинавыки. Вопросыобучениявсовременнойнаукепроработанынаиболеетщательно. Вос

-питаниевключаетцели, ценности, мотивацииидругиекачествличности. Какиеименноизнихформиро

-ватьикакимспособом – этоизученонамногослабее, чемвопросыобучения. Чтожетакоеразвитиев

настоящеевремявнаукевообщеосвещенослабо. Достаточносказать, чтовсовременнойнаукеестьтео

деление степени соответствия условий зон и микрозон выращивания, тре

-бованиям, предъявляемымконкретными культурамии сортами;

– в кулинарии: исследование влияния рецептуры и технологии на

вкусовые и потребительские свойства продуктов питания; разработка ре

-комендаций по рецептурам и технологиям, обеспечивающим получение

продуктов питания с заданными вкусовыми и потребительскими свойства

-ми;

– в металлургии: исследование влияния состава и технологии на

свойства сплавов; разработка рекомендаций по составу и технологиям,

обеспечивающим получение сплавовсзаданнымисвойствами;

– в химии: исследование зависимости химических свойств химиче

-ских элементов от структуры атомов; зависимость свойств химических со

-единений от элементного состава и структуры молекул; прогнозирование

свойств новыхэлементов и химических соединений по ихсоставу и струк

-туре; разработка рекомендацийпосоставу иструктуреновыхсоединенийс

заранее заданнымисвойствами;

– в физике: описание физических явлений и законов физики в раз

-личныхобластях физикина языке теорииинформации; применениетеории

управления для управления физическими процессами на различных уров

-нях организацииматерии;

– в технических науках: выявление зависимостей свойств новых ма

-териалов и техническихсистем отих состава, структуры и технологиисоз

-дания; прогнозированиесвойств новыхматериалови техническихсистем и

выработка рекомендаций по технологии их создания с заранее заданными

свойствами;

– в теории управления: выявление и исследование силы и направле

-ния влияния значений факторов на свойства и поведение объекта управле

-ния; прогнозирование поведения объекта управления под воздействием за

-данной системы значений управляющих факторов; выработка такого

управляющего воздействия, которое с наивысшей степенью детерминиро

-ванностипереведетобъект управлениявзаданное целевоесостояние; – в медицине: исследование зависимости диагноза от клинической

картины и симптоматики и зависимости плана леченияот диагноза; поста

-новка диагноза и прогнозирование успешности лечения по симптоматике;

выработка плана леченияподиагнозу;

– в биологии: исследование зависимости потребительских, техноло

-гических и адаптивных свойств сортов от их фенотипических (ботаниче

-ских) признаков, физиологии и генотипа; выработка рекомендаций по по

-лучениюновыхсортовикультур;

– в ампелографии: создание семантической информационной моде

-ли, отражающей количество знаний, содержащихся в факте наблюдения

каждого морфологического и биолого-хозяйственного признака у конкрет

сортов, представленных в модели. Данную модель можно использовать

для решения задач ампелографии, т.е. для идентификации образцов вино

-града или автоматизированного отнесения образца к сортам на основе его

описания с определением количественной меры сходства образца с каж

-дым сортом, а также для количественного определения степени сходства

сортов друг с другом путем агломеративной и дивизивной древовидной

кластеризации;

– в лингвистике: исследование взаимосвязи между символами и сло

-вами, междусмыслом фразыисловами, изкоторых онасостоит;

– втеории чисел:исследование взаимосвязимежду свойствамицифр

и чисел из них, между сложными числами и простыми числами, произве

-дениями которыхони являются, исследование других взаимосвязей между

числами.

Эти примеры можно легко продолжить, но для целей данной статьи

и уже приведенных вполне достаточно. Остается добавить, что по многим

из приведенных примеровавтором проведены конкретные исследования и

разработки интеллектуальных приложений6

, т.е. поставлены и решены пе

-речисленные выше задачи идентификации, прогнозирования и поддержи

принятия решений в различных предметных областях и сделано это на

единой методологической и инструментально-технологической основе Ав

-томатизированного системно-когнитивного анализа (АСК-анализ) и его

программногоинструментария – интеллектуальной системы «Эйдос».

Рассмотрим, как на теоретическом уровне, так и на простом числен

-ном примере, какрешается поставленная проблемав АСК-анализе.

Система есть множество взаимосвязанных элементов, что обеспечи

-ваетвозникновение новых, такназываемых системных илиэмерджентных

свойств, которых не было у элементов системы до их объединения в сис

-тему, что обеспечивает системе преимущества в достижении целей. Таким

образом, понятие системы основано на понятии множества, но выходит за

его пределы, т.е. является его обобщением, т.к. включает также понятия

взаимосвязей между элементами, за счет которых образуются подсистемы

различных уровней иерархии, образующие структуру системы [1-11]. На

рисунках 1 и 2 представленыв условном видевсе возможныеподсистемы,

образующиеся из 3-х и из 4-х базовых элементов, являющихся простыми

числами, путем ихперемножениявразличныхсочетаниях:

6_См

Рисунок 1. Примерсистемысложныхчисел,

основанныхна 3 простыхчислах

Рисунок 2. Примерсистемысложныхчисел,

основанныхна 4 простыхчислах

Базовыми элементами будем называть элементы исходного множе

-ства, на основе которого образуется система. При этом подсистемы раз

-личных уровней иерархии некоторой системы, основанной на n базовых

элементов, могут включать различное количество базовых элементов m,

где m может изменяться от 1 до n. Конечно, реальные системы включают

не все в принципе возможные подсистемы, а лишь некоторые из них, по

-этомуна одном и том жемножество базовыхэлементов могут основывать

-вым элементам), но отличающихся своими структурами (подсистемами).

Уровень базовых элементов будем считать нулевым уровнем иерархии

системы, подсистемы, состоящие из 2-х базовых элементов – 1-м уровнем

иерархии, и т.д., т.е. подсистемы из m базовых элементов образуют k-й

уровень иерархии, где k=m-1.

Отметим, что выбор в качестве примера системы, основанной на ба

-зовых элементах, являющихся простыми числами, с подсистемами, обра

-зующимися путем перемножения базовых элементов в различных сочета

-ниях, не накладывает каких-либо ограничений на применимость получен

-ных на этом примере выводов в различных предметных областях, т.к. про

-стыечисла можнорассматривать какусловные коды признаков систем или

значений действующих на них факторов, а составные числа – кодами

эмерджентных свойств этих систем, образующихся путем взаимодействия

соответствующих базовых элементов, к тому же разложение сложных чи

-сел на простые множители является единственным. Таким образом, приве

-денный в статье пример адекватно представляет в символической форме

как все вышеперечисленные примеры решения прямых и обратных задач

идентификации и прогнозирования в различных предметных областях, так

и все не перечисленныеаналогичные задачи.

Если выдвинуть весьма правдоподобную гипотезу, что свойства

системы в целом обусловливаются ее составом и структурой, то можно

считать, что между этими свойствами и подсистемами различных уровней

иерархиисуществуетвзаимнооднозначное соответствие, т.е.:

– на нулевом уровне иерархии свойства системы соответствуют не

-посредственносамим элементам;

– на первом уровне иерархии свойства системы соответствуют под

-системам, образованных из пар базовых элементов в различных сочетани

-ях;

– на втором уровне иерархии свойства системы соответствуют под

-системам, образованных из троек базовых элементов в различных сочета

-ниях;

– на третьем уровне иерархии свойства системы соответствуют под

-системам, образованныхиз четверок базовыхэлементов вразличных соче

-таниях;

– на k-ом уровне иерархии свойства системы соответствуют подсис

-темам, образованныхиз m базовых элементов в различныхсочетаниях, где k=m–1.

Таким образом, будем считать, что:

1. Система включает в свой состав не только базовые элементы, на

которых она основана, но и различные подсистемы из техже базовых эле

-ментов в различных сочетаниях и эти подсистемы образуют иерархиче

-скую структуру системы.

2. Базовые элементы системы будем считать ее подсистемами нуле

-вого уровня иерархии.

3. Свойства системы в целом соответствуют ее подсистемам различ

-ных уровнейиерархии, поэтомувсе уровнииерархии, заисключением нуле

-вого, вполнеобоснованно называтьуровнямиэмерджентности.

Ясно, что чем меньше базовыхэлементовв подсистемах, т.е. чем бо

-лее простыми являются подсистемы, темближе свойства системы вцелом

к свойствам исходного множества базовых элементов, на которых основа

-на данная система. На основании этого можно утверждать, что понятие

системы является обобщением понятия множества. При этом выполнят

-ся принцип соответствия7 между этими понятиями, т.к. система плавно

переходит в множество собственных базовых элементов при уменьшении

сложности ее структуры, т.е. числа уровней иерархии и подсистем на этих

уровняхдо нуля.

Будем считать, что уровень системности (эмерджентность) сис

-темытем выше, чембольше еесвойства отличаютсяотсвойствмножества

базовых элементов, на которых она основана. Будем считать, что макси

-мальное количество эмерджентных свойств системы в целом M

W

E , состоя

-щей из M базовых элементов, равно количеству ее подсистем различных

уровнейиерархии, т.е. различнойсложности (1):

∑

=

m

m W M

W

C

E

1 (1)

где:

W – количество подсистем в системе, т.е. количество состояний сис

-темыиликоличество ееэмерджентныхсвойств;

m – числобазовыхэлементовв подсистеме (сложностьподсистемы);

7_См

M – максимальное количество базовых элементов в подсистеме (максимальный уровень сложностиподсистем) M <=W.

В работах [1-11] предложены, обоснованы, развиты и исследованы

абсолютные и относительные количественные меры уровня системности

(эмерджентности) системы, в качестве которых автором в 2002 году

предложены системное обобщение выражения Хартли для количества ин

-формации в системе (2), основанной на W базовых элементов и его отно

-шение к классическому количеству информации по Хартли (3) в множе

-стветехжебазовых элементов [1] (4):

∑

=

m

m W

sys

Log

C

I

1

2 ₍₂₎

W

Log

I

=

W

Log

C

Log

M

m

m W

2 1 2

∑

=

=

ϕ

Таким образом, этот коэффициент количественно отражает макси

-мально возможную степень отличия системы от множества его базовых

элементов. Поскольку выражение (4) основано на классическом выраже

-нии Хартли для количества информации (3) и его системном обобщении,

предложенном автором (2), то в работе [1] для него было предложено на

-звание: «Коэффициент эмерджентности Хартли», однако, в работах ряда

авторов эти и другие результаты преподносятся как собственные без ссы

-лок напервоисточники8

.

Из вышеизложенного ясно, что уровень системности (эмерджентно

-сти) системы или ее сложность определяется не только числом базовых

элементов в ней, но и взаимосвязями между ними, т.е. структурой систе

-мы, и при уменьшении интенсивности и количества этих взаимосвязей система дезинтегрируется, т.е. структура системы упрощается, пока

полностью не исчезнет и система не превратится впростое множествособ

-ственных базовых элементов. Значит уровень системности или эмерд

-жентность системы тем выше, чем выше сила и сложность взаимосвязей

8_{Обэтомсм}

., например: ВяткинВ.В. Групповойплагиат: отстудентадоминистра. // Троицкийвариант.

между ее базовыми элементами. В работе [1] сформулирована и численно

исследована гипотеза о законевозрастания эмерджентности (рисунок 3):

ЗАКОН ВОЗРАСТАНИЯ ЭМЕРДЖЕНТНОСТИ:

ЧЕМБОЛЬШЕЭЛЕМЕНТОВВСИСТЕМЕ, ТЕМБОЛЬШУЮДОЛЮОТВСЕЙСОДЕРЖАЩЕЙСЯ

ВНЕЙИНФОРМАЦИИСОСТАВЛЯЕТ СИСТЕМНАЯИНФОРМАЦИЯ Гипотеза 1: "Оприродесложностисистемы":

сложностьсистемыопределяется количествомсодержащейсявнейинформации

Гипотеза 2: "Овидахсистемнойинформации":

системнаяинформациявключает 2 составляющие - зависящуюотколичестваэлементовсистемы; - зависящеетакжеотхарактеравзаимосвязей междуэлементами

Лемма-1:

приувеличенииколиче -стваэлементоввсисте -медолясистемнойин -формациивнейвозрас -таетсускорением, кото -роепостепенноумень

-шается.

Лемма-3:

чемменьшеэлементов всистеме, тембыстрее возрастаетдоляин -формации, содержа -щейсявовзаимосвязях

элементовпривозрас -тании уровнясистем

-ности. Лемма-2:

чемвышеуровеньсис -темности, тембольшая доляинформациисис -темысодержитсяво взаимосвязяхееэлемен

-тов.

Следствие:

увеличениеуровнясис -темностивлияетнаобъект

аналогичноповышению уровнядетерминирован -ности: понижениеуровня системности, такжекаки степенидетерминирован

-ностисистемыприводит кослаблениювлияния факторовнаповедение системы, т.е. кпонижению управляемостисистемыза

счетсвоегорода

"инфляциифакторов"

Рисунок 3. Гипотезаозаконевозрастанияэмерджентностисогласно [1]

Но как связан уровень системности с управляемостью системы? Ин

-туитивно понятно, что чем сложнее система, тем сложнее ей управлять.

Фундаментальный принцип, раскрывающий природу взаимосвязи между

сложностью системы и проблематичностью управления ею предложен од

-ним из основателей кибернетики УильямомРоссом Эшбии в современной

науке носит егоимя.

УильямРоссЭшби, 1 9 6 0 год.

Принцип Эшби: «Управление может быть обес

-печенотолько втом случае, если разнообразиесредств управляющего (в данном случае всей системы управ

-ления) по крайней мере не меньше, чем разнообразие управляемойим ситуации» 9.

Обычно принцип Эшби интерпретируется таким

образом, что числофакторов вмоделидолжно быть не

меньшечисласостоянийобъекта управления.

9

Принцип Эшби не означает, что если модель объекта управления от

-ражает не все действующиена негофакторы10

, то управление им будет не

-возможно, а означает лишь, что в этом случае управление будет не пол

-ным, не детерминистским. При этом под факторомфактически понимается

значение фактора и неявно предполагается, что каждое будущее состояние

объекта управления детерминируется одним значением фактора и между

значениями факторов и состояниями существует взаимнооднозначное со

-ответствие, т.е. по сути, предполагается, что модель объекта управления является детерминистской, факторы не зависят друг от друга (орто

-нормированны) и не взаимодействуют друг с другом, т.е. по сути, обра

-зуют множество, а несистемуфакторов.

Однако если рассматривать объект управления как систему в цикле

управления (рисунок 4), то можно интерпретироватьпризнаки как значения

факторов, воздействующих на систему, а классы как эмерджентные

свойства системы или ее будущие состояния, некоторые из которых яв

-ляютсяцелевыми, анекоторые нежелательными:

Рисунок 4. Объектуправлениякаксистемавциклеуправления

По мнению автора это означает, что принцип Эшби может быть

обобщен с учетомсистемныхпредставлений следующим образом:

«Для того чтобы управление было полным (детерминистским) мо

-дель объекта управления должна описывать силу и направление влияния на объект управления не меньшего суммарного количества различных со

10_{Факторы}

, действующиенаобъектуправленияделятсянавнутренниеивнешние, авнешниевсвою

очередьнатехнологическиефакторы, т.е. факторызависящиеотуправляющейсистемы, ифакторыок

четаний значений факторов, чем количество возможных будущих со

-стояний объекта управления». Если записать это высказывание в форме

математическоговыражения, то получим (5):

W

C

M

m

m W

≥

∑

=1 (5)

Из выражения (5), естественно при W<>0, следует эквивалентная

форма (6):

1

1

≥

∑

W

C

M

m

m W

(6)

Предлагается также следующая формулировка системного обобще

-ния принципа Эшби: «Чем больше различных сочетаний значений факто

-ров действует на объект управления, тем выше степень детерминиро

-ванности управления им». Из сравнения выражений (6) и (4) можно сде

-лать вывод о том, что из приведенной выше формулировки системного

обобщения принципа Эшби вытекает следствие: «Степень детерминиро

-ванности управления системой тем выше, чем выше ее эмерджентность

(уровень системности), количественно измеряемая коэффициентом

эмерджентности Хартли».

Если в классическом принципе Эшби объект управления рассматри

-вается как многофакторный линейный черный ящик11, т.е. черный ящик со

многими входами и многими выходами не имеющий никакой внутренней

структуры, то в системном обобщении принципа Эшби объект управления

рассматривается как система однофакторных черных ящиков, каждый из

которых имеет один входи одинвыход, взаимодействующих между собой

и образующих подсистемы, что приводитк нарушению линейности объек

-та управления. Таким образом, системное обобщение принципа Эшби ос

-новано на введениивнутренней иерархическойструктурычерногоящика.

Объект управления называется линейным, если результат совмест

-ного действия на него совокупности факторов равен сумме результатов

влияния на негокаждогоиз этихфакторов по отдельности [10, 11]. Это оз

-начает, что в линейном объекте управления факторы не взаимодействуют

между собой, не образуютподсистемдетерминации, т.е. посути, являются

не системой, а множествомфакторов. Внелинейных объектахуправления

11

факторы образуют систему с определенным уровнем системности, с новы

-ми эмерджентными (системными) свойствами, не сводящимися к свойст

-вам факторов, рассматриваемым по отдельности. Чем ниже эмерджент

-ность (уровень системности) объекта управления, тем он как система бли

-жек множествуи клинейности.

В работе [1] для количественной оценки степени детерминированно

-сти системы автором предложен и численно исследован коэффициент

эмерджентности, названный в честь А.А.Харкевича «Коэффициентом

эмерджентности Харкевича» (7):

N

Log

W

Log

2 2

ϕ

=

Ψ

где N – количество фактов, обобщенных в модели объекта управле

-ния. Фактомявляется одновременное наблюдение на опыте двухсобытий: «Объект управления перешел в j-е состояние» и «На объект управления

действовало i-е значение фактора».

Александр Александрович

Харкевич (21.1(3.2).1904 – 30.3.1965)

Александр Александрович Харкевич, ди

-ректор Института проблем передачи информа

-ции АН СССР академик АН СССР, является вы

-дающимся советским ученым, внесшим огром

-ный вклад в создание семантической теории ин

-формации тем, что внес в теорию информации

представление о цели (и тем самым об управ

-лении) и фактически, как стало ясно уже в на

-ше время [10, 11] предложившим количест

-веннуюмеру знаний.

Из вида выражения (7) для коэффициента эмерджентности Харкеви

-ча Ψ очевидно, что увеличение уровня системности φ влияет на семанти

-ческую информационную модель аналогично повышению уровня детер

-минированности системы: понижение уровня системности, также как и

степени детерминированности системы приводит к ослаблению влияния

факторовна поведениесистемы, т.е. к понижению управляемости системы

за счет своегорода "инфляции факторов" [1]. Иначеговоря, если на объект

управления действует ортонормированная система факторов, т.е. мно

-жество факторов, не связанных между собой, и к этой системе добавля

-ется еще одинфактор, тождественный посвоему влияниюодномуиз уже

имеющихся, то суммарное влияние этого нового фактора и тождественно

КоэффициентэмерджентностиХаркевича:

изменяетсяот 0 до 1 иопределяет степеньдетерминированностисистемы:

КоэффициентэмерджентностиХартли

отражаетуровеньсистемностиобъектаиизменяетсяот 1 (системностьотсутствует) до W/Log2W (системностьмаксимальна)

соответствуетполностью детерминированнойсис -теме, поведениекоторой однозначноопределяется действиемминимального

количествафакторов, которыхстолькоже,

сколькосостояний системы соответствуютбольшинс

-твуреальныхсистем поведениекоторыхзави

-ситотмногихфакторов, числокоторыхпревосхо -дитколичествосостояний

системы, причемниодно изсостоянийнеопределя -етсяоднозначноникакими сочетаниямидействующих

факторов соответствуетполностью

случайнойсистеме, поведениекоторойникак

независитотдействия факторовнезависимо

отихколичества

W Log C Log 2 M 1 m m W 2 ∑ = = ϕ N Log W Log 2 2 ϕ = Ψ

0

=

Ψ

0

<

Ψ

<

1

Ψ

=

1

Рисунок 5. Интерпретацияивзаимосвязькоэффициентовэмерджентности

ХартлииХаркевичасогласно [1]

Таким образом, коэффициенты эмерджентности Хартли и Хар

-кевича можно обоснованно считать количественным выражением

системногообобщенияпринципа Эшби.

Общим для всех сформулированных в начале статьи задач, и обоб

-щенных, и из разных предметных областей, является неизвестность ха

-рактера или вида причинно-следственных зависимостей между составом,

иерархической структурой и свойствами объектов, или между значениями

действующих на объект значениями факторов и его поведением. Однако

для решения задач идентификации (распознавания), прогнозирования и

принятия решений необходимо знать вид этих зависимостей, следова

-тельно, необходимо выявить и отразить их в формальной модели перед

решением этих задач. При этом источником исходных данных для по

-строения формальной модели могут быть только эмпирические данные,

полученные из опыта путем наблюдения или в специально организован

-ных экспериментах. Соответственно, возникает принципиальный вопрос,

который можно сформулировать следующим образом: «Возможно ли на

-рархической структурой с одной стороны, и внешне наблюдаемыми свой

-ствами с другой стороны, выявить в количественной форме силу и на

-правление причинно-следственныхсвязеймежду ними?».

Автоматизированный системно-когнитивный анализ (АСК-анализ) и

его программный инструментарий – интеллектуальная система «Эйдос» [1]

позволяют утвердительно ответить на этот вопрос, т.к. предоставляют ряд

новых возможностей для построения и верификации на основе эмпириче

-ских данных формальных моделей, отражающих силу и направление при

-чинно-следственных связей между составом, структурой и свойствами

объектов или между значениями действующих на объект значениями фак

-торови егоповедением, а такжедля решения наоснове этихмоделей задач

идентификации, прогнозированияи принятиярешений.

Однако передтемкакнепосредственно перейтикрассмотрениюэтих

возможностей кратко обсудим некоторые методологические аспекты соз

-дания иприменения формальныхмоделейвнаучном познании.

Основываясь на работе [10] будемсчитать, что:

– закономерности – это причинно-следственные зависимости, выяв

-ленные на исследуемой выборке и распространяемые лишь на саму эту

выборку;

– эмпирический закон – это закономерности, выявленные на иссле

-дуемой выборке и распространяемые на некоторую более широкую пред

-метную область, в которой действуют те же причины их существования,

что и в исследуемой выборке и эта более широкая предметная область на

-зывается генеральной совокупностью, по отношению к которой исследуе

-мая выборкарепрезентативна.

Важно, что генеральная совокупность является более широкой, чем

исследуемая выборка, причем не только в пространстве, но и во времени.

Периоды времени, в течение которыхзакономерностив предметнойоблас

-ти существенно не меняются, называются периодами эргодичности. Мож

-но сказать, что эргодичность – это репрезентативность во времени. Грани

-цы между периодами эргодичности называются точками бифуркации. Бу

-дем считать, что генеральнаясовокупность эргодична по отношению к ис

-следуемой выборке, а граница генеральной совокупности состоит из то

-чек бифуркации.

Таким образом, если формальная модель адекватна, то по резуль

-татам ее применения невозможно определить в какой именно подоб

-ласти генеральной совокупности (области репрезентативности и эр

-годичности) она применяется. Важно отметить, что сформулированное

положение никак не привязано к конкретной предметной области, иссле

-дуемой тойилииной наукой.

В физике сходный, но более ограниченный смысл имеют принципы

инерциальных системах отсчёта12 протекают одинаково, независимо от

того, неподвижнали система илиона находится всостоянии равномерного

и прямолинейного движения13

». При этом под «физическими процессами»

в принципе относительности Галилея подразумеваются только механиче

-ские явления, а Эйнштейна – кроме того, и электромагнитные, в частности

оптические. Поэтому если мы находимся в замкнутой инерциальной сис

-теме отсчета, то по протеканию физических процессов невозможно опре

-делить, движется онаили покоится, а такжев какомместе пространства и в

каком времени она движется иди покоится. Из принципа относительности

Эйнштейна вытекают преобразования Лоренца, которые являются реляти

-вистским обобщением преобразований Галилея и относительно которых

инвариантны уравнения Максвелл, описывающие электромагнитные явле

-ния.

Это дает основания называть сформулированное положение «Обоб

-щенным принципом относительности». Предлагается следующая форму

-лировка обобщенного принципа относительности, относящегося не толь

-ко к механическим и электромагнитным явлениям, но и вообще ко всем

явлениям, в том числе еще не обнаруженным и даже к тем, которые в

принципе никогда не будут обнаружены человечеством: «Законы природы

открытые в одном месте и в определенное время действуют и в других

местах и в другое время», поэтому по виду законов природы в замкнутой

лаборатории невозможно определить в каком месте (пространства) и в каком времени эталаборатория находится, т.е. по видузаконов природы

внутри лаборатории невозможно локализовать ее в пространстве

-времени. По-видимому, из этого утверждения также могут быть выведены

преобразования, являющиеся обобщением преобразований Лоренца для

различныхпредметныхобластей, а не толькодляфизики.

Обобщенный принцип относительности является методологической

основой синтеза формальной модели объекта управления14 на основе ис

-следуемой выборки, и применения этой модели в течение периода эрго

-дичности для решения задач идентификации, прогнозирования и принятия

решений в некоторой генеральной совокупности, по отношению к которой

исследуемая выборкарепрезентативна.

На этом утверждениифактически основана вся современнаянаука,

так как когда ученые открывают и исследуютв своих лабораториях новые

явления природы и новые законы, то они при этом неявно предполагают,

что открываемое ими новое знание будет использоваться не только лично

ими, но в будущем пригодится и другим людям, причем и в других стра

-нах. Они также предполагают, что изучив законы природы в своих лабора

12

http://ru.wikipedia.org/wiki/Инерциальная%20система%20отсчёта 13

http://ru.wikipedia.org/wiki/Принцип%20относительности 14_т

.е. формальноймодели, отражающейсилуинаправлениепричинно-следственноговлияниязначений