- •Введение
- •1. Возникновение и развитие системных представлений
- •1.1. Предварительные замечания
- •1.2. Роль системных представлений в практической деятельности
- •Системность и алгоритмичность
- •1.3. Внутренняя системность познавательных процессов
- •Анализ и синтез в познании
- •Эволюция взглядов на системность мышления
- •1.4. Системность как всеобщее свойство материи
- •Вся природа системна
- •Системы как абстракция
- •Свойства любых систем
- •1.5. Краткий очерк истории развития системных представлений
- •Системность как объект исследования
- •Первые шаги кибернетики
- •Тектология богданова
- •Кибернетика винера
- •Попытки построения общей теории систем
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •2. Модели и моделирование
- •2.1. Широкое толкование понятия модели
- •Развитие понятия модели
- •Модель как философская категория
- •2.2. Моделирование - неотъемлемый этап всякой целенаправленной деятельности
- •Цель как модель
- •Познавательные и прагматические модели
- •Статические и динамические модели
- •2.3. Способы воплощения моделей
- •Абстрактные модели и роль языков
- •Материальные модели и виды подобия
- •Знаковые модели и сигналы
- •2.4. Условия реализации свойств моделей
- •2.5. Соответствие между моделью и действительностью: различия
- •Конечность моделей
- •Упрощенность моделей
- •Приближенность моделей
- •Адекватность моделей
- •2.6. Соответствие между моделью и действительностью: сходство
- •Истинность моделей
- •Сочетание истинного и ложного в модели
- •2.7. О динамике моделей
- •Сложности алгоритмизации моделирования
- •Естественная эволюция моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •3. Системы модели систем
- •3.1. Множественность моделей систем
- •3.2. Первое определение системы
- •Проблемы и системы
- •Сложности выявления целей
- •3.3. Модель "черного ящика"
- •Компоненты "черного ящика"
- •Сложности построения модели "черного ящика"
- •Множественность входов и выходов
- •3.4. Модель состава системы
- •Компоненты модели состава
- •Сложности построения модели состава
- •3.5. Модель структуры системы
- •Отношения и структуры
- •Свойство и отношение
- •3.6. Второе определение системы. Структурная схема системы
- •Структурная схема как соединение моделей
- •3.7. Динамические модели систем
- •Отображение динамики системы
- •Функционирование и развитие
- •Типы динамических моделей
- •Общая математическая модель динамики
- •Заключение
- •Упражнения
- •Вопросы для самопроверки
- •4. Искусственные и естественные системы
- •4.1. Искусственные системы и естественные объекты
- •4.2. Обобщение понятия системы. Искусственные и естественные системы
- •Структурированность естественных объектов
- •Субъективные и объективные цели
- •4.3. Различные классификации систем
- •Классификация систем по их происхождению
- •Типы переменных системы
- •Типы операторов системы
- •Типы способов управления
- •4.4. О больших и сложных системах
- •Ресурсы управления и качество системы
- •Различение больших и сложных систем
- •Другие подходы к понятию сложности
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •5. Информационные аспекты изучения систем
- •5.1. Информация как свойство материи
- •5.2. Сигналы в системах
- •Понятие сигнала
- •Типы сигналов
- •5.3. Случайный процесс - математическая модель сигналов
- •Непредсказуемость - основное свойство сигналов
- •Классы случайных процессов
- •5.4. Математические модели реализации случайных процессов
- •Моделирование конкретных реализации
- •Некоторые модели ансамбля реализации
- •5.5. О некоторых свойствах непрерывных сигналов
- •Частотно-временное представление сигналов
- •Дискретное представление сигналов
- •5.6. Энтропия
- •Понятие неопределенности
- •Энтропия и ее свойства
- •Дифференциальная энтропия
- •Фундаментальное свойство энтропии случайного процесса
- •5.7. Количество информации
- •Количество информации как мера снятой неопределенности
- •Количество информации как мера соответствия случайных объектов
- •Свойства количества информации
- •Единицы измерения энтропии и количества информации
- •Количество информации в индивидуальных событиях
- •5.8. Об основных результатах теории информации
- •Избыточность
- •Скорость передачи и пропускная способность
- •Кодирование в отсутствие шумов
- •Кодирование при наличии шумов
- •Пропускная способность гауссова канала связи
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •6. Роль измерений в создании моделей систем
- •6.1. Эксперимент и модель
- •Классическое представление об эксперименте
- •Современное понятие эксперимента
- •6.2. Измерительные шкалы
- •Шкалы наименований
- •Порядковые шкалы
- •Модифицированные порядковые шкалы
- •Шкалы интервалов
- •Шкалы отношений
- •Шкалы разностей
- •Абсолютная шкала
- •Согласование шкалы с природой наблюдений
- •О других шкалах
- •6.3. Расплывчатое описание ситуаций
- •Понятие расплывчатости
- •Основные понятия теории расплывчатых множеств
- •6.4. Вероятностное описание ситуации. Статистические измерения
- •Понятие случайной неопределенности
- •О природе случайности
- •Статистические измерения
- •6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Классификационные модели
- •Числовые модели
- •Особенности протоколов наблюдений
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •7. Выбор (принятие решений)
- •7.1. Многообразие задач выбора
- •Выбор как реализация цели
- •Множественность задач выбора
- •7.2. Критериальный язык описания выбора
- •Выбор как максимизация критерия
- •Сведение многокритериальной задачи к однокритериальной
- •Условная максимизация
- •Варианты оптимизации при разноважных критериях
- •Выбор между упорядочениями
- •Поиск альтернативы с заданными свойствами
- •Нахождение паретовского множества
- •7.3. Описание выбора на языке бинарных отношений
- •Способы задания бинарных отношений
- •Отношения эквивалентности, порядка и доминирования
- •Об оцифровке порядковых шкал
- •7.4. Язык функций выбора
- •Функции выбора как математический объект
- •Ограничения на функции выбора
- •7.5. Групповой выбор
- •Описание группового выбора
- •Различные правила голосования
- •Парадоксы голосования
- •7.6. Выбор в условиях неопределенности
- •Задание неопределенности с помощью матрицы
- •Критерии сравнивания альтернатив при неопределенности исходов
- •Общее представление о теории игр
- •7.7. О выборе в условиях статистической неопределенности
- •Статистические решения как выбор
- •Общая схема принятия статистических решений
- •Понятие об основных направлениях математической статистики
- •Правила "статистической техники безопасности"
- •7.8. Выбор при расплывчатой неопределенности
- •Многокритериальный выбор в расплывчатой ситуации
- •Некритериальные задачи расплывчатого выбора
- •7.9. Достоинства и недостатки идеи оптимальности
- •Достоинства оптимизационного подхода
- •Ограниченность оптимизационного подхода
- •7.10. Экспертные методы выбора
- •Факторы, влияющие на работу эксперта
- •Методы обработки мнений экспертов
- •Метод "делфи"
- •7.11. Человеко-машинные системы и выбор
- •Пакеты прикладных программ для выбора
- •Базы знаний, экспертные системы
- •Системы поддержки решений
- •7.12. Выбор и отбор
- •Повторный выбор
- •Основные идеи теории элитных групп
- •Процедура "претендент- рекомендатель"
- •Процедуры "прополка" и "снятие урожая"
- •Процедура "делегирование"
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •8. Декомпозиция и агрегирование как процедуры системного анализа
- •8.1. Анализ и синтез в системных исследованиях
- •Сочетание анализа и синтеза в системном исследовании
- •Особенности синтетических методов
- •8.2. Модели систем как основания декомпозиции
- •Содержательная модель как основание декомпозиции
- •Связь между формальной и содержательной моделями
- •Проблема полноты моделей
- •8.3. Алгоритмизация процесса декомпозиции
- •Компромиссы между полнотой и простотой
- •Типы сложности
- •Алгоритм декомпозиции
- •8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •Эмерджентность как результат агрегирования
- •8.5. Виды агрегирования
- •Конфигуратор
- •Агрегаты-операторы
- •Классификация как агрегирование
- •Функция нескольких переменных как агрегат
- •Статистики как агрегаты
- •Агрегаты-структуры
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •9. О неформализуемых этапах системного анализа
- •9.1. Что такое системный анализ
- •Разнородные знания и системный анализ
- •Системный анализ как прикладная диалектика
- •9.2. Формулирование проблемы
- •Превращение проблемы в проблематику
- •Методы построения проблематики
- •9.3. Выявление целей
- •Опасность подмены целей средствами
- •Влияние ценностей на цели
- •Множественность целей
- •Опасность смешения целей
- •Изменение целей со временем
- •9.4. Формирование критериев
- •Критерии как модель целей
- •Причины многокритериальности реальных задач
- •Критерии и ограничения
- •9.5. Генерирование альтернатив
- •Способы увеличения числа альтернатив
- •Создание благоприятных условий
- •Способы сокращения числа альтернатив
- •Мозговой штурм
- •Синектика
- •Разработка сценариев
- •Морфологический анализ
- •Деловые игры
- •9.6. Алгоритмы проведения системного анализа
- •Трудности алгоритмизации системного анализа
- •Компоненты системных исследований
- •9.7. Претворение в жизнь результатов системных исследований
- •Внедрение результатов системного анализа в практику
- •Необходимость методологии внедрения
- •Рост и развитие
- •Условие добровольности участия в анализе
- •Роль отношений между участниками анализа
- •Проблемы и способы их решения
- •Роль этики в системном анализе
- •9.8. О специфике социальных систем
- •Несводимость социальных законов к биологическим и физическим
- •Существуют ли исторические закономерности?
- •"Мягкая" методология в системном анализе
- •Согласие при разногласиях
- •Учитывать будущее
- •Неожиданность как следствие сложности
- •Заключение
- •Литература
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
-
Вопросы для самопроверки
-
Каково обязательное условие того, чтобы один объект содержал информацию о другом объекте?
-
Может ли информация не иметь материального носителя?
-
Почему заданная функция времени не может быть адекватной моделью сигнала?
-
Какое главное свойство сигнала отображается математической моделью случайного процесса?
-
Какие расхождения между реальным сигналом и математической моделью случайного процесса вы можете назвать?
-
Какой смысл вы видите в дискретном представлении непрерывных сигналов?
-
Каковы различия в свойствах энтропии дискретных случайных объектов и дифференциальной энтропии и чем объясняются эти различия?
-
Не кажется ли вам удивительным, что доля реализации высоковероятной группы неограниченно убывает с ростом длины реализации и в то же время именно эта группа определяет свойства случайного процесса в целом?
-
Почему энтропию и количество информации можно измерять в одинаковых единицах?
-
При каких условиях избыточность вредна и при каких полезна?
-
Что такое пропускная способность канала связи?
-
В чем вам видится ограниченность теории информации при описании реальных информационных процессов?
-
6. Роль измерений в создании моделей систем
-
6.1. Эксперимент и модель
-
В изначальном смысле отношение между экспериментом и моделью такое же, как и между курицей и яйцом: они находятся в одном цикле, и нельзя определить, что было "в самом начале". Эксперимент с некоторым объектом проводится, чтобы уточнить модель этого объекта, поэтому постановка эксперимента определяется имеющейся до опыта моделью. Это полностью относится и к экспериментальному исследованию систем.
-
Классическое представление об эксперименте
Природу эксперимента хорошо понимали и понимают выдающиеся естествоиспытатели древности и современности. Приведем некоторые высказывания крупных ученых по этому поводу. Леонардо да Винчи: ''...мне кажется, что пусты и полны заблуждений те науки, которые не порождены опытом, отцом всякой достоверности, и не завершаются в наглядном опыте (...). Опыт никогда не ошибается, ошибаются ваши суждения, ожидая от него такого действия, которое не является следствием ваших экспериментов (...). Мудрость есть дочь опыта" [4] .
А. Розенблют и Н. Винер: "Любой эксперимент - всегда некий вопрос. Если вопрос неточен, подучить точный ответ на него трудно. Глупые ответы, т.е. противоречивые, расходящиеся друг с другом или не относящиеся к делу иррелевантные результаты экспериментов, обычно указывают на то, что сам вопрос был поставлен глупо" [8]. И. Пригожий и И. Стенгерс [15]: "Природа, как на судебном заседании, подвергается с помощью экспериментирования перекрестному допросу именем априорных принципов. Ответы природы записываются с величайшей точностью, но их правильность оценивается и терминах той самой идеализации, которой физик руководствуется при постановке эксперимента (...). Экспериментальный метод есть искусство постановки интересного вопроса и перебора всех следствий, вытекающие из лежащей в основе его теоретической схемы, всех ответов, которые могла бы дать природа на выбранном экспериментатором теоретическом языке (...). Каков бы ни был ответ природы - "да" или "нет". - он будет выражен на том же теоретическом языке, на котором был задан вопрос. Однако язык этот не остается неизменным, он претерпевает сложный процесс исторического развития, учитывающий прошлые ответы природы и отношения с другими теоретическими языками (...) . Все это приводит к сложной взаимосвязи между (...) экспериментальным методом ведения диалога с природой (...) и культурной сетью, к которой, иногда неосознанно, принадлежит ученый (...). Сколь бы отрывочно ни говорила природа в отведенных ей экспериментом рамках, высказавшись однажды, она не берет своих слов назад: природа никогда не лжет" [5]. Д.С. Котари: "Простая истина состоит в том, что ни измерение. ни эксперимент, ни наблюдение невозможны без соответствующей теоретической схемы" [5, с. 364] .
Общая мысль этих высказываний ясна. Мы вернулись (правда, уже с другой стороны) к проблеме соотношения реальности и созданных нами ее моделей. Отличие от сказанного по этому поводу в § 2.6 состоит в том, что не только опыт является критерием истинности модели, но и сама постановка эксперимента диктуется моделью, так как вытекает из необходимости ее проверки или уточнения.
Рассмотрим теперь возможности опытов (т.е. практического взаимодействия) с системами. Начнем обсуждение с модели "черного ящика" (см. § 3.3), т.е. с информации о входах и выходах системы. Выбор именно этих входов и выходов и есть построение модели, которая и будет определять организацию опыта. Если мы только регистрируем события на выбранных входах и выходах, то опыт называется пассивным экспериментом (или наблюдением) . Если же мы не только созерцаем (и фиксируем) происходящее на входах и выходах, но и воздействуем на некоторые из них (одни намеренно поддерживая неизменными, другие изменяя нужным образом), то опыт называется активным (или управляемым) экспериментом.
Результаты опыта регистрируются, фиксируются с помощью измерений, т.е. изображения результатов опыта в виде символов, номеров или чисел. Способы осуществления такого отображения будут рассмотрены в § 6.2. Важно, что современное понимание измерения существенно шире только количественного измерения. Не так уж давно Гейзенберг настаивал на идее, согласно которой не нужно говорить о том, что все равно нельзя измерить. Точку зрения физиков на эту идею поясняет Р. Фейнман: "Дело в том, что об этом толкуют многие, по-настоящему не понимая смысла этого утверждения. Его можно интерпретировать следующим образом: ваши теоретические построения или открытия должны быть такими, чтобы выводы из них можно было сравнивать с результатами эксперимента, т.е. чтобы из них не получалось, что "один тук равняется трем"нукам", причем никто не знает, что такое эти самые тук и нук. Ясно. что так дело не пойдет. Но если теоретические результаты можно сравнить с экспериментом, то это все. что нам и требовалось. Это вовсе не значит, что ваши туки и нуки не могут появляться в первоначальной гипотезе. Вы можете впихнуть в вашу гипотезу сколько угодно хлама при условии, что ее следствия можно будет сравнить с результатами эксперимента. А это не всем до конца понятно" [10, с. 180, 181].
То, что Фейнман имел в виду именно количественное сравнение, видно из приводимого им примера: "(...) Если ваша догадка сформулирована плохо или достаточно неопределенно и если метод, которым вы пользуетесь для оценки последствий, достаточно расплывчат (...), то ваша теория всем хороша - ведь ее нельзя опровергнуть. Кроме того, если ваш метод расчетов последствий достаточно нечеток, при некоторой ловкости всегда можно сделать так, чтобы результаты экспериментов были похожи на предполагаемые последствия. Возможно, вы знаете об этом по своему опыту в других областях. Некто ненавидит свою мать. Причина, конечно, в том, что она не заботилась о нем и не л1обила его достаточно, когда он был маленьким. Но если вы начнете раскапывать прошлое, то окажется, что на самом деле мать его очень любила и все у них было хорошо. Ну, тогда, ясно, она его слишком баловала! Как видите, расплывчатая теория позволяет получать любой результат. Поправить ее можно было бы следующим образом. Если бы вы смогли в точности и заранее определить, сколько любви недостаточно, а сколько чересчур много, то мы могли бы построить совершенно законную теорию, пригодную для экспериментальной проверки. Но стоит об этом заикнуться, как вам скажут: "Такие точные определения невозможны. когда речь идет о психологии". Но раз так, то нельзя утверждать, что вы что-нибудь знаете" [10, с. 174].
Эти довольно пространные выдержки приведены не только как пример живого рассказа о непростых вещах, мастером которого является Фейнман, но и как иллюстрация того, насколько развилось понимание измерений за двадцать с лишним лет (книга [10] вышла в США в 1965 г.) Оставив незыблемым принцип проверки адекватности модели на опыте, современный подход позволил расширить понятие измерений по крайней мере в четырех отношениях.