2. Сочетание истинного и ложного в модели

Еще один важный аспект соотношения истинного (т.е. определенно известного и правильного) с предполагаемым (т.е. возможным, но не обязательно действительным) при построении моделей состоит в том, что ошибки в предположениях имеют разные последствия для прагматических и познавательных целей. Если ошибки в предположениях вредны и даже губительны при использовании прагматических моделей, то при создании познавательных моделей поисковые предположения, истинность которых еще предстоит проверить, - единственный способ оторваться от фактов. Роль гипотез в науке настолько важна, что образно можно сказать, что вся научная работа состоит в выдвижении и проверке гипотез. А. Эйнштейн писал: "Воображение важнее знания, ибо знание ограничено. Воображение же охватывает все на свете, стимулирует прогресс и является источником его эволюции".

Среди других аспектов проблемы правильности моделей, истинности знаний для целей системного анализа важен аспект явной рефлексии уровня истинности: что известно точно, достоверно; что - с оцениваемой степенью неопределенности (например, с известной вероятностью для стохастических моделей или с известной функцией принадлежности для расплывчатого описания); что - с неопределенностью, не поддающейся оценке; что может считаться достоверным только при выполнении определенных условий; наконец - что известно о том, что неизвестно.

Подведем итог: Главная ценность моделей как формы знаний состоит в том, что они содержат объективную истину, т.е. в чем-то правильно отображают моделируемое. Однако кроме безусловно истинного содержания в модели имеется и условно-истинное (т.е. • верное лишь при определенных условиях), и предположительно-истинное (т.е. условно-истинное при неизвестных условиях), а следовательно, и ложное. При этом в каждых конкретных условиях неизвестно точно, каково же фактическое соотношение истинного и ложного в данной модели. Ответ на этот вопрос дает только практика. Однако в любом случае модель принципиально беднее оригинала, это ее фундаментальное свойство.

14. 2.7. О динамике моделей

Как и все в мире, модели проходят свой жизненный цикл: они возникают, развиваются, сотрудничают или соперничают с другими моделями, уступают место более совершенным. Одни модели живут дольше отдельных людей, и тогда этапы жизненного цикла моделей изучаются в виде истории той или иной отрасли знаний или деятельности (например, истории физики, истории авиации, истории гончарного искусства и т.д.). Жизненный цикл других моделей должен быть обязательно завершен в обозримый срок, и тогда перевод модели от этапа к этапу становится технологическим действием, должен выполняться как можно эффективнее (быстрее, лучше, дешевле). Как мы уже знаем, это невозможно без моделирования самого процесса моделирования, т.е. алгоритмизации моделирования.

Наиболее полно необходимость алгоритмизации моделирования осознана там, где проблема эффективности действия стоит особенно остро: в проектной деятельности [5], в исследовании операций [З], в изобретательском поиске [2], в создании АСУ [14], в имитационном моделировании [22].

Остановимся на важнейших причинах и закономерностях динамики моделей. Прежде всего очевидно, что процесс моделирования структурирован, организован, состоит из последовательности этапов. Этапы отличаются качественно, конкретными целями и средствами и должны выполняться в определенной очередности. Например, при конструировании новой технической системы ее модель развивается от воплощения в виде результатов предыдущей научно-исследовательской работы по стадиям технического задания, технического проекта, рабочего проекта, опытного образца, мелкой серии до модели, предназначенной для промышленного выпуска. Другой пример дают рекомендации «по последовательности этапов имитационного моделирования: формирование целей моделирования - построение абстрактной модели - создание имитационной реальной модели - ее исследование - обработка и интерпретация результатов.