Научная электронная библиотека
Монографии, изданные в издательстве Российской Академии Естествознания

Становление информационного общества и философия образования

Алиева Н. З., Ивушкина Е. Б., Лантратов О. И.,

2.3. Моделирование виртуального: синергетическая перспектива

Исходя из выводов предыдущего параграфа, современное общество становится похожим на виртуальную реальность и может быть описано характеристиками виртуальной реальности.

Современные процессы виртуализации происходят в двух направлениях: переход той или иной сферы культуры на электронный уровень коммуникации и неэлектронная виртуализация, осуществляющая подмену социальных институтов их образами. Электронная виртуализация развивает тенденции виртуального в любой сфере общественной жизни, провоцируя появление новых мультимедийных средств для поддержания соответствующей электронной коммуникации. В свою очередь, новые электронные средства коммуникации провоцируют переход неэлектронной виртуализации в сферу электронной.

Обретение какой-либо формой виртуальной реализации статус социального института, т.е. ее легитимация, в частности, в образовании, влечет за собой расширение предметного поля социокультурных исследований. Тем самым формируется потребность в разработке новых специализированных направлений философии, касающихся соответственно, образования.

На передний план таких исследований выходят междисциплинарные науки нового поколения - науки об искусственном. К числу последних относятся нетрадиционные логико-семиотические и нейроинтеллектуальные модели, «мягкие вычисления» и «вычислительный интеллект», многоагентные системы и искусственные организации. Типичным примером является наука об искусственных средах - виртуалистика.

Искусственные объекты являются сложными системами, которые характеризуются особыми, неустойчивыми, резонансными состояниями, в которых небольшие внешние флуктуации могут внезапно привести к совершенно новым последствиям, абсолютно отличающимся от обычных. Подобные состояния синергетика связывает с наличием зон бифуркации, в которых дальнейшая эволюция системы практически непредсказуема - неизвестно, станет ли ее развитие хаотическим или родится новая, более упорядоченная структура, а философия - с концептуальными разломами. Синергетика или теория самоорганизации как раз и изучает переходы от порядка к хаосу и обратные переходы спонтанного возникновения порядка из хаоса.

Концептуальный разлом наук об естественном и искусственном происходит по когнитивистским логике и парадигме. Классическая парадигма, характеризуемая декартовским рационализмом и ньютоновской механикой XVIII-XIX веков, традиционными подходами к инженерии знаний, под натиском новых, синтетических (синергетических) направлений меняется на неклассическую и постнеклассическую парадигмы.

Неклассическая парадигма привносит в сферу наук об искусственном следующие принципы: дополнительности (симбиоза дискретных и непрерывных, левополушарных и правополушарных, символьных и образных процессов функционировании интеллектуальных систем), относительности (зависимости интеллектуального поведения от контекста, прагматики, «внешних систем отсчета»), неопределенности (число факторов которой резко увеличивается по мере возрастания сложности и автономности искусственных объектов).

Разработка теоретических проблем создания интеллектуальных систем новых поколений переосмысление ряда фундаментальных положений и установок в искусственном интеллекте. В частности, сдвига от жесткой рационалистической традиции и идей классического детерминизма в сторону синергетического мышления. Применение синергетического подхода как «концептуального ядра» наук об искусственном несет большие концептуальные методологические возможности становления наук об искусственном. Рассмотрим их ниже.

Термин «синергетика» происходит от слова «синергия», означающего совместное действие, сотрудничество. Сотрудничество, а в более широком аспекте кооперация понимается как универсальная характеристика самоорганизации в сложных системах. По мнению Г. Хакена, предложившего этот термин, его введение для обозначения современной теории самоорганизующихся систем оправдано по двум причинам[1]: исследуются процессы содействия, взаимной адаптации компонентов в развивающейся системе; происходит объединение усилий представителей различных дисциплин.

Таким образом, привлечение синергетической методологии к исследованию и разработке сложных интеллектуальных систем, таких как многоагентные системы и эволюционные интеллектуальные организации, предполагает междисциплинарное осмысление проблемы. Здесь ключевыми проблемами видятся вопросы организации и самоорганизации, деятельности и кооперативного поведения, развития и коэволюции искусственных агентов на различных уровнях (индивидуальном, коллективном, социальном).

В своей книге «Науки об искусственном»[2] лауреат нобелевской премии Г. Саймон - один из самых известных специалистов в области искусственного интеллекта (ИИ) - проводит четкое и недвусмысленное различие между естественными (в широком смысле) науками, отражающими закономерности реально существующего мира, и науками об искусственном, посвященными вопросам создания антропогенных систем. Если в естественных науках изучаются и описываются природные (естественные) явления и объекты, то науки об искусственном охватывают проблемы создания (синтеза) новых искусственных объектов, обладающих желаемыми свойствами (чаще всего эти свойства связаны с имитацией поведения или выполнением функций соответствующего естественного объекта). Специфику наук об искусственном легко пояснить, рассмотрев взаимодействие человеческого сообщества, понимаемого как открытая система, с (вообще говоря, неоднородной) внешней средой, откуда очевидна возможность его декомпозиции по двум противоположным направлениям: от среды, например, природной или социальной, к системе; от системы к среде. В первом случае вычленяются классические естественные и общественные науки, а во втором - науки об искусственном как науки о воздействии общества на среду, носящие конструктивный или синтетический характер. Суть перехода от традиционных наук к наукам об искусственном можно выразить словами «от описания к конструированию» или «от быть к делать».

Сам Г. Саймон прослеживает вышеупомянутое различие путем трех противопоставлений или антиномий: природа - человек (кем определяется область изучения), анализ - синтез (как преимущественно исследуется эта область), дескриптивная модель - нормативная модель (каковы цели проводимого исследования или что должны делать изучаемые объекты). Неоднократно подчеркивая связь наук об искусственном с инженерными науками, он определяет их особенности с помощью следующих признаков[3]:

  • - Искусственные объекты конструируются (хотя и не всегда преднамеренно) людьми. Теперь сюда можно добавить: не только людьми, но и другими искусственными объектами, созданными людьми, например, с помощью ЭВМ в процессе явного или скрытого взаимодействия «человек-компьютер».
  • - Искусственные объекты можно характеризовать их функциями, целями и степенью приспособления к требованиям среды.
  • - Искусственные объекты часто, особенно при их проектировании, рассматриваются не только в описательных терминах, но и с использованием категории долженствования (что должен обеспечивать искусственный объект).
  • - Искусственные объекты могут внешне походить на естественные, но заметно отличаться от последних в одном или нескольких аспектах.

Последний признак представляется наименее удачным и конструктивным. Для реалий сегодняшнего дня его целесообразно переформулировать следующим образом (в некотором смысле, это противоположное утверждение, впервые высказанное А. Н. Колмогоровым):

  • - Искусственный объект определяется не столько похожими субстратом или структурой, сколько подобными функциями по отношению к естественным, т.е. искусственный объект необязательно должен походить на естественный, но должен быть способным решать аналогичные задачи.

В результате, Г. Саймон выделяет ряд разделов общей науки о конструировании искусственных объектов[4].

Теория оценки и оптимизации.

Формальная логика синтеза.

Поиск решений (альтернатив) и распределение поисковых ресурсов.

Теория организации процесса конструирования и иерархические системы.

Теория представления задач конструирования.

Некоторые из этих разделов перекликаются с традиционными аспектами инженерного проектирования систем, описанными еще Дж. Диксоном[5]: изобретательство (поисковое конструирование) - инженерный анализ - оценка и принятие решений. Так первый раздел охватывает методы теории полезности и теории статистических решений, линейного и динамического программирования, теории принятия многокритериальных решений и теории игр. Однако разделы 2, 3, 5 и особенно 4 «Науки об искусственном» в трактовке Г. Саймона прямо относятся к современным областям ИИ и его приложениям.

Идеи перехода от традиционных наук к наукам об искусственном можно выразить следующими тезисами[6]:

Всякая естественная наука - это совокупность знаний об определенном классе вещей, объектов и явлений природы. Здесь вопрос «что изучать?» задает сама природа, тогда как в науках об искусственном, так же, как и в ряде инженерных наук, предмет исследования гораздо сильнее зависит от возможностей и позиции исследователя (индивидуального или группового субъекта, научного сообщества). Его в значительной степени определяют предыдущие научные и технологические достижения общества.

Две вышеупомянутых разновидности наук отличаются по ведущему методу исследования, т.е. по ответу на вопрос «как изучать?». В классических науках, в первую очередь, применяется анализ, в то время как главные методы, находящиеся в арсенале наук об искусственном, - это синтез, конструирование, компьютерная имитация.

Естественные науки и науки об искусственном различаются еще и по тому, какие модели - дескриптивные или нормативные - преимущественно используются. По сравнению с объектами естественных наук, искусственные объекты рассматриваются не столько в описательных терминах, сколько на основе категории долженствования (что должен обеспечивать искусственный объект), т.е. здесь научное исследование фактически неотделимо от формулировки и интерпретации «технического задания».

В отличие от традиционных естественных и инженерных наук, где отношения между исследователями и исследуемыми объектами или системами строятся по классической схеме «субъект - объект», в науках об искусственном наблюдается прогрессирующая активизация объекта, который становится агентом и приближается к субъектному полюсу. Иными словами, искусственные объекты начинают во все большей степени проявлять свойства метаобъектов, способных управлять другими объектами, или даже квазисубъектов, наделенных возможностями формирования собственного поведения и представления интересов других субъектов. Кроме того, в науках об искусственном всю большую роль играют виртуальные объекты.

Формирование и смена парадигмы[7] - набора понятий, исходных положений и установок в рассматриваемой области знаний, принимаемых и широко распространяемых научным сообществом, - происходит в науках об искусственном гораздо быстрее, чем для естественных наук. Соответственно, резко ускоряется и процесс перехода от науки к технологиям.

Следует предположить, что уже в первые десятилетия ХХI-го века науки об искусственном окажутся на авансцене мирового развития и сформируется единая теория открытых, неоднородных, развивающихся искусственных систем, в которую войдут следующие главные направления:

  • - Общая теория организации и управления искусственными системами (принципы и механизмы организации, взаимодействия и кооперации искусственных систем, их регуляции и обучения, логического и ситуационного управления, и пр.).
  • - Общая теория возникновения и эволюции искусственных систем (закономерности морфогенеза, выживания, самоорганизации, самосохранения, самовоспроизведения, самообновления, эволюции, адаптации, отбора, мутаций, и пр.).
  • - Общая теория проектирования и производства искусственных систем (проблемы восходящего и нисходящего проектирования, смешанного V-образного и совмещенного проектирования разработки прямых и обратных жизненных циклов искусственных систем, компьютерно-интегрированного и сетевого производства искусственных систем, имитационного моделирования деятельности агентов в искусственных системах, использования средств виртуальной реальности в разработке искусственных систем).

Это предположение созвучно идеям французского философа Ж.-Л. Лемуана об искусственных системах, согласно которым систему можно представить как треугольник, включающий онтологический, функциональный и генетический полюсы[8]. Первый полюс соответствует вопросу «Чем является система?» и описывает структуру системы, второй - вопросу «Что делает система?» и описывает функционирование системы, а третий - вопросу «Чем становится система?» и описывает эволюцию системы.

В свою очередь, тезис о «прогрессирующей агентификации» объекта исследования в науках об искусственном хорошо иллюстрируется новой классификацией наук по А. Молю (треугольник Моля): «теория коммуникации - теория среды - теория деятельности»

Большие перспективы для формирования методологических основ наук об искусственном и интеллектуальных систем новых поколений открывает использование идей и принципов синергетики. Во-первых, синергетика позволяет преодолеть традиции рационализма в информатике и смежных науках.

До появления квантовых и релятивистских теорий, неравновесной термодинамики и фрактальных представлений классические науки имели дело с достаточно простыми системами, обладающими детерминированным или периодическим поведением. Их методологические установки были пронизаны традициями рационализма. Эти традиции можно выразить в следующих положениях, претендующих на общенаучное значение:

- Предмет науки - общие, повторяющиеся (воспроизводимые) и обратимые явления. Единичное и необратимое не может быть объектом научного исследования.

- Наука позволяет преодолеть факторы неопределенности и случайности, с которыми следует бороться при описании изучаемых явлений и открытии научных законов.

- Научное объяснение - это, прежде всего, объяснение свойств целого из свойств его частей.

- Общие положения науки должны выражаться как точное, непротиворечивое знание и описываться строгими логико-математическими моделями.

К данным положениям примыкает принцип лапласовского детерминизма, которому подчиняются простые системы: выходные характеристики любой системы всегда можно точно вычислить, зная входные сигналы и параметры состояния системы. Также важнейшей чертой классического рационализма является его механистичность[9]. Наконец, верным спутником рационализма выступает принцип редукционизма - сведения реального сложного явления к сильно упрощенной модели. В частности, научные подходы нередко опираются на линейные приближения, на экстраполяцию известных решений и т.п. В русле этих традиций речь также идет о систематических, четких правилах, позволяющих делать логические выводы.

Подобная направленность вполне объяснима тенденциями развития западной философии. Начиная от классической риторики и кончая современной символической логикой, эта философия по большей части занималась и занимается вопросами все более точного и систематического определения правильных и общезначимых (истинных при всех интерпретациях) рассуждений. Рациональный научный метод обычно включает следующие этапы:

  • - выявление объектов исследования, обладающих четко определенными свойствами (или атрибутами);
  • - нахождение общих правил, применимых к этим объектам и их свойствам;
  • - использование данных правил в конкретных ситуациях и вывод заключений.

Большинство специалистов в области искусственного интеллекта (ИИ) свято придерживается этих традиций. Классические подходы в ИИ так или иначе основываются на гипотезе А. Ньюэлла о физической символьной системе. Она утверждает, что человеческий мозг представляет собой систему манипуляции символами или, по крайней мере, может быть с достаточной точностью описан ею. Согласно гипотезе А. Ньюэлла, «необходимое и достаточное условие для того, чтобы некоторая физическая система могла проявлять интеллектуальность, состоит в том, чтобы она являлась универсальной системой формальных манипуляций над конкретными символами» (фактически это условие эквивалентно определению машины А.Тьюринга).

Таким образом, мы отождествляем гипотезу А. Ньюэлла с утверждением о том, что человеческий мозг можно адекватно промоделировать машиной Тьюринга. Машина Тьюринга - это абстрактная машина, состоящая из бесконечной в одну сторону ленты, разделенной на клетки, и управляющей головки, которая может передвигаться вдоль ленты. Символы входного алфавита, включающие пустой символ, могут размещаться на ленте по одному в клетке. Управляющая головка может находиться в одном из конечного числа внутренних состояний, одно из которых является особым (выключение машины Тьюринга). Языки, порождаемые в результате работы машины Тьюринга, называются рекурсивно-перечислимыми.

Итак, в основе стандартного когнитивистского подхода лежат допущения следующего плана.

- Все когнитивные системы являются символьными. Они работают на основе внутренней и внешней символизации ситуаций и событий и манипуляций над этими символами.

- Все когнитивные системы используют один и тот же процесс символьной обработки.

- Теория познания может рассматриваться как программа с символьным формализмом, приспособленным к конкретной среде, так чтобы в этой среде наблюдалось определенное поведение.

Рационалистическая парадигма завоевала не только информатику, но и смежные научные дисциплины - теорию управления, теорию принятия решений, когнитивную психологию, структурную лингвистику.

Показательным примером научной дисциплины, выстроенной на рационалистическом фундаменте, является классическая теория организаций, которая опирается на постулаты механицизма и рационального поведения. Особенно это прослеживается в той ее области, где используется математический аппарат принятия решений. Здесь принятие решений понимается как «сердцевина» любой организации: оно рассматривается как процесс, включающий не только процедуры выбора, но и сбор, и обработку информации. Многие нормативные подходы к принятию решений опираются на аксиоматические теории рационального поведения[10].

Рациональное принятие решений есть выбор из альтернатив, включающий следующие этапы:

  • - составить список возможных альтернатив;
  • - определить все возможные последствия, которые могут вытекать из этих альтернатив;
  • - дать сравнительную оценку указанных альтернатив и выбрать оптимальную.

Одни из первых «брешей» в ранее казавшемся незыблемом здании рационализма пробили именно специалисты в области теории организаций и лингвистики - Г. Саймон, Дж. Остин и Дж. Серл. В книге «Административное поведение» еще в конце 40-х гг. Г.Саймон[11] сформулировал очень важный принцип ограниченной рациональности (его также можно назвать «запретом Саймона»).

Согласно этому принципу, существуют пределы рациональности лиц, принимающих решения, обусловленные их индивидуальными психофизиологическими ограничениями (по скорости переработки информации, объему памяти и пр.). Принятие решений в организациях всегда происходит в условиях неопределенности, риска, т.е. в условиях, когда управляющий принципиально не может охватить все альтернативы и оценить все последствия принимаемых решений.

Таким образом, поведение отдельного, изолированного агента принципиально не может достигать абсолютного (или даже высокого) уровня рациональности. Число альтернатив, которые следует рассматривать, обычно столь велико, а информация, необходимая для их оценки, столь обширна, что даже приближение к абсолютной рациональности невозможно.

«Запрет Саймона» можно представить в виде следующих положений.

  • - Абсолютная рациональность требует полного знания всех принимаемых решений, что в реальной действительности недостижимо.
  • - Существуют принципиальные ограничения по возможности прогнозирования последствий принимаемых решений (как будущих событий).
  • - Абсолютная рациональность требует выбора из всех возможных вариантов поведения. На практике лишь небольшое число возможных вариантов может быть принято во внимание.

Итак, управленческие решения в любой организации, понимаемой как сеть агентов, основаны не на полной информации и оптимизации, а на удовлетворении противоречивых критериев различных агентов (узлов сети) в условиях неопределенности. Естественными факторами, ограничивающими рациональность агентов, оказываются:

  • - недостаточная мотивация;
  • - локальный характер располагаемой информации (прежде всего, в силу ресурсных ограничений);
  • - принципиальная неполнота и неточность информации, получаемой от других агентов;
  • - случайные воздействия среды, и пр.

В трудах Дж. Остина[12] и Дж. Серла[13] предложен неклассическая теория языка, получивший название теории речевых (коммуникативных) актов. Как было отмечено выше, в классическом подходе язык рассматривается как средство передачи информации об окружающем мире, т.е. главное значение имеет его денотативная функция. В отличие от этого, Дж. Остин и Дж. Серл понимают речевое общение как разновидность целенаправленного поведения, подчиненного определенным правилам. В теории речевых актов акценты смещаются в сторону конативной функции языка (любое общение агентов преследует некоторую цель).

Свою лепту в критику традиционного рационализма и связанного с ним логического редукционизма внес и Ч. Пирс. По Ч. Пирсу, логический редукционизм, сводящий множество познавательных отношений к тем, что фиксируются языком формальной логики, оказывается не в состоянии объяснить процесс формирования понятий, определения их значений и смысла. Чисто логическому подходу в концептуальном моделировании он противопоставил прагматический. В его основе лежит сформулированная Ч. Пирсом «прагматическая максима»: «мы постигаем предмет нашей мысли, рассматривая те его свойства, которые предположительно имеют практическое значение; наше представление об этих свойствах и образует в целом понятие данного предмета»[14].

Сегодня все более и более очевидной становится ограниченность общенаучной парадигмы классического рационализма. Современный мир насыщен сложными самоорганизующимися системами, объединенными в неоднородные, эволюционирующие сети, и уникальными динамическими объектами управления, которые не поддаются точному и полному описанию. Само существование подобных объектов неотделимо от управления неопределенностью. Одностороннее стремление к получению точных и непротиворечивых знаний, отбрасывание индивидуальных мнений и смутных идей не соответствует реалиям сетевого общества. Одним из первых это отметил Л. Заде, который писал: «с учетом нашего преклонения перед всем точным, строгим и количественным и нашего пренебрежения ко всему нечеткому, нестрогому и качественному неудивительным оказался приход эры цифровых компьютеров; однако до сих пор эти компьютеры оказались весьма эффективными лишь при работе с механистическими, т.е. неживыми системами, поведение которых определяется законами механики, физики, химии, электромагнетизма. К сожалению, этого нельзя сказать о гуманистических системах, в которых центральное место занимают люди»[15]. Им было предложено следующее толкование такого положения дел: «неэффективность обычных компьютеров в работе с гуманистическими системами является выражением принципа несовместимости, согласно которому высокая точность несовместима с большой сложностью». В свою очередь, В.К. Финн обратил внимание на то, что во многих научных областях, особенно в гуманитарных науках, в основном фигурируют не понятия, а идеи, что означает наличие принципиальных ограничений на строгость рассуждений[16].

Таким образом, встает проблема преодоления ограниченности общенаучной парадигмы классического рационализма и формирования методологических основ наук об искусственном и интеллектуальных систем новых поколений на основе новых парадигм. На наш взгляд, здесь большие перспективы открывает использование идей и принципов синергетики.

Синергетика есть междисциплинарное научное направление, изучающее универсальные закономерности процессов самоорганизации, эволюции и кооперации. Ее цель состоит в построении общей теории сложных систем, обладающих особыми свойствами. В отличие от простых сложные системы имеют следующие основные характеристики:

  • - множество неоднородных компонентов;
  • - активность (целенаправленность) компонентов;
  • - множество различных, параллельно проявляющихся взаимосвязей между компонентами;
  • - семиотическая природа взаимосвязей;
  • - кооперативное поведение компонентов;
  • - открытость;
  • - распределенность;
  • - динамичность, обучаемость, эволюционный потенциал;
  • - неопределенность параметров среды.

Особое место в синергетике занимают вопросы спонтанного образования упорядоченных структур различной природы в процессах взаимодействия, когда исходные системы находятся в неустойчивых состояниях. Следуя И. Пригожину[17], ее можно кратко охарактеризовать как «комплекс наук о возникающих системах».

Согласно синергетическим моделям, эволюция системы сводится к последовательности неравновесных фазовых переходов. В работах И. Пригожина и Г. Хакена[18] принцип развития формулируется как последовательное прохождение критических областей (точек бифуркаций). Вблизи точек бифуркации наблюдается резкое усиление флуктуации. Выбор, по которому пойдет развитие после бифуркации, определяется в момент неустойчивости. Поэтому зона бифуркации характеризуется принципиальной непредсказуемостью - неизвестно, станет ли дальнейшее развитие системы хаотическим или родится новая, более упорядоченная структура. Здесь резко возрастает роль неопределенности: случайность на входе в неравновесной ситуации может дать на выходе катастрофические последствия. В то же время, сама возможность спонтанного возникновения порядка из хаоса - важнейший момент процесса самоорганизации в сложной системе.

Система, находящаяся в неравновесном состоянии, более чутка и восприимчива к воздействиям, согласованным с ее собственными свойствами. Поэтому флуктуации во внешней среде оказываются не «шумом», а фактором генерации новых структур. Иными словами, неравновесность сложной системы может стать причиной спонтанного морфогенеза.

Свойство самоорганизации приводит к формированию аттракторов - особых подмножеств в пространстве возможных состояний нелинейных систем, к которым притягиваются близкие траектории. Аттракторы как притягивающие множества в пространстве состояний являются асимптотически устойчивыми множествами. Аттракторы, отличные от состояний равновесия получили название «странных аттракторов». Внутри них траектории блуждают случайным образом, будучи весьма чувствительными к изменению начальных условий.

Главные принципы синергетического подхода в современной науке таковы[19]. Принципы синергетической методологии можно разбить на три группы: принципы сложности, принципы неопределенности и принципы эволюции.

Принцип неаддитивности. Сложные системы формируются в результате кооперативных взаимодействий, приводящих к синергетическим (неаддитивным, нелинейным, резонансным) эффектам. Функция эффективности целого всегда больше суммы функций эффективности его частей.

Принцип целостности. В сложных системах свойства целого не сводятся к свойствам составляющих его частей. С одной стороны, кооперативное взаимодействие элементов в сложной системе приводит к формированию новой системы с ранее неизвестными свойствами. С другой стороны, для определения свойств частей необходимо знать свойства целого.

Принцип дополнительности Н. Бора. В сложных системах возникает необходимость сочетания различных, ранее казавшихся несовместимыми, а ныне взаимодополняющих друг друга моделей и методов описания.

Принцип спонтанного возникновения И. Пригожина. В сложных системах возможны особые критические состояния, когда малейшие флуктуации могут внезапно привести к появлению новых структур, полностью отличающихся от обычных.

Принцип несовместимости Л.Заде. При росте сложности системы уменьшается возможность ее точного описания вплоть до некоторого порога, за которым точность и релевантность информации становятся несовместимыми, взаимно исключающими характеристиками.

Принцип управления неопределенностями. В сложных системах требуется переход от борьбы с неопределенностями к управлению неопределенностями. Различные виды неопределенности должны преднамеренно вводиться в модель исследуемой системы, поскольку они служат фактором, благоприятствующим инновациям (системным мутациям).

Принцип незнания. Знания о сложных системах принципиально являются неполными, неточными и противоречивыми: они обычно формируются не на основе логически строгих понятий и суждений, а исходя из индивидуальных мнений и коллективных идей. Поэтому в подобных системах важную роль играет моделирование частичного знания и незнания.

Принцип множественности НЕ-факторов. При разработке сложных систем требуется принимать во внимание целую гамму НЕ-факторов знаний, где наряду с обычными НЕ-факторами в смысле А.С. Нариньяни [106], (неопределенность, неточность, неполнота, недоопределенность), следует учитывать и синергетические НЕ-факторы: нелинейность, неустойчивость, неравновесность, незамкнутость. Здесь нелинейность означает нарушение аддитивности в процессе развития системы, а неустойчивость связана с несохранением близости состояний системы в процессе ее эволюции.

Принцип соответствия. Язык описания сложной системы должен соответствовать характеру располагаемой о ней информации (уровню знаний или неопределенности). Точные логико-математические, синтаксические модели не являются универсальным языком, также важны нестрогие, приближенные, семиотические модели и неформальные методы. Один и тот же объект может описываться семейством языков различной жесткости [107].

Принцип разнообразия путей развития. Развитие сложной системы многовариантно и альтернативно, существует «спектр» путей ее эволюции. Переломный критический момент неопределенности будущего развития сложной системы связан с наличием зон бифуркации - «разветвления» возможных путей эволюции системы. Рассуждения о сложных системах могут интерпретироваться в различных «возможных мирах», т.е. сложность предполагает объединение различных (и даже противоположных) логик. Переход от одной логики к другой отражает процесс становления системы, причем вид конкретной логики зависит от этапа эволюции системы и складывающейся ситуации.

Принцип единства и взаимопереходов порядка и хаоса. Эволюция сложной системы проходит через неустойчивость; хаос не только разрушителен, но и конструктивен. Организационное развитие сложных систем предполагает своего рода конъюнкцию порядка и хаоса.

Принцип колебательной (пульсирующей) эволюции. Процесс эволюции сложной системы носит не поступательный, а циклический или волновой характер: он сочетает в себе дивергентные (рост разнообразия) и конвергентные (свертывание разнообразия) тенденции, фазы зарождения порядка и поддержания порядка. Открытые сложные системы пульсируют: дифференциация сменяется интеграцией, разбегание - сближением, ослабление связей - их усилением и т.п.

Итак, из рассмотрения основных этапов институализации и легитимации виртуальной реальности в сферах культуры следует, что современное общество становится похожим на виртуальную реальность и может быть описано характеристиками виртуальной реальности.

Виртуализация в таком случае - замещение реальности другой реальностью (во многих случаях реальностью образов) - не обязательно с помощью компьютерной техники, но обязательно с применением логики виртуальной реальности.

В современных исследованиях виртуализации общества монопольно выделяется концепция Д.В. Иванова. Он полагает, что социальное содержание виртуализации - подмена реальности институционального строя общества первична по отношению к содержанию техническому. Общее представление о феномене замещения реальности позволяет разрабатывать собственно социологический подход: «не компьютеризация жизни виртуализирует общество, а виртуализация общества компьютеризирует жизнь»[20]. Однако вопрос о корреляции электронной и неэлектронной виртуализации остается открытым.

Несмотря на то, что осмысление прецедента виртуальной реальности началось с появлением мультимедийных технологий, феномен виртуальной реальности - понятие, выходящее за рамки компьютерной реальности.

Проявления виртуальной реальности могут быть типологизированы по хронологическому критерию появления ее продуцентов. К первому типу можно отнести виртуальную реальность, продуцируемую искусством, алкоголем и прочими продуцентами, возникшими в древности. Их появление, носит, по-видимому, случайный характер. Второй тип виртуальная реальность, продуценты которой возникли в эпоху индустриального общества (кинематограф, фотография психоделики и проч.), их появление обусловлено научно-техническими достижениями, развившими их на основе имеющихся продуцентов древности. Третий тип на данный момент представлен только электронной виртуальной реальностью, появившейся в постиндустриальную эпоху и являющейся аудио-визуальной квинтэссенцией продуцентов периода индустриальной эпохи.

Исследование феномена подмены реальности посредством использования электронных средств позволяет выявлять характеристики социального поведения человека, причины тех или иных его социальных проявлений.

Современные процессы виртуализации происходят в двух направлениях: переход той или иной сферы культуры на электронный уровень коммуникации и неэлектронная виртуализация, осуществляющая подмену социальных институтов их образами. Электронная виртуализация развивает тенденции виртуального в любой сфере общественной жизни, провоцируя появление новых мультимедийных средств для поддержания соответствующей электронной коммуникации. В свою очередь, новые электронные средства коммуникации провоцируют переход неэлектронной виртуализации в сферу электронной.

Обретение какой-либо формой виртуальной реализации статус социального института, т.е. ее легитимация (в частности, в образовании) влечет за собой расширение предметного поля социокультурных исследований. Тем самым формируется потребность в разработке новых специализированных направлений философии, касающихся соответственно образования.


[1] См.: Хакен Г. Синергетика. Иерархия неустойчивостей в самоорганизующихся системах и устройствах. - М.: Мир, 1985.

[2] Simon H.A. The Sciences of the Artificial. - Cambridge MA: The MIT Press, 1969.

[3] Саймон Г. Науки об искусственном. - М.: Мир, 1972.

[4] Саймон Г. Указ.соч.

[5] Диксон Дж. Проектирование систем: изобретательство, анализ и принятие решений. - М.: Мир, 1969.

[6] Тарасов В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном [Текст] / В.Б. Тарасов // Новости искусственного интеллекта. - 1995. - №4.

[7] Кун Т. Структура научных революций. - М.: Прогресс, 1977.

[8] Le Moigne, J.-L. Theorie du systeme general. - Paris: PUF, 1983.

[9] Моисеев Н.Н. Современный рационализм. - М.: МГВП КОКС, 1995.

[10] См.: Ларичев О.И. Теория и методы принятия решений, а также хроника событий в волшебных странах. - М.: Логос, 2000.

[11] См.: Simon H.A. Administrative Behavior (3rd ed.).- New York: Free Press, 1976.

[12] См.: Austin J.L. How to Do Things with Words. - New York: Clarendon Press, 1962.

[13] См.: Searle J. Speech Acts. - Cambridge: Cambridge University Press, 1961.

[14] См.: Пирс Ч. Избранные философские произведения. - М.: Логос, 2000.

[15] См.: Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. - М.: Мир, 1976.

[16] См.: Финн В.К. Философские проблемы логики интеллектуальных систем // Новости искусственного интеллекта. - 1999. № 1.

[17] См.: Пригожин И. От существующего к возникающему: Время и сложность в физических науках. - М.: Едиториал УРСС, 2002.

[18] См.: Пригожин И. Указ. соч.; Хакен Г. Синергетика. Иерархия неустойчивостей в самоорганизующихся системах и устройствах. - М.: Мир, 1985

[19] Хакен Г. Указ.соч.; Моисеев Н.Н. Указ.соч.; Заде Л. Указ.соч.; Пригожин И. Конец определенности. Время, хаос и новые законы природы. - Ижевск: ИРТ, 1999; Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего,- М.: Эдиториал УРСС, 2001; Василькова В.В. Порядок и хаос в развитии социальных систем. - СПб: Лань, 1999; Курейчик В.М., Курейчик В.В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте // Новости искусственного интеллекта. - 2000. № 3.

[20] Иванов Д.В. Постиндустриализм и виртуализация экономики // Журнал социологии и социальной антропологии: - 1998. - Т.1. Вып. 1: http://hq.soc.pu.ru/publications/
jssa/1998/1/a8.html


Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074