Юрий Курносов - Аналитика: методология, технология и организация информационно-аналитической работы Страница 28

Наиболее распространенным вариантом построения гомеостатов в природе и техники является иерархическая организация его компонентов. Такая конфигурация вполне объяснима с учетом приведенных одним абзацем выше рассуждений. Позже американским ученым С. Биром применительно к производству было сформулировано понятие иерархического гомеостата[37], применение которого позволяло упростить процессы управления предприятием, построить рациональную организационно-штатную структуру, оптимально распределить должностные обязанности, а также выполнять массу иных процедур, связанных с управлением производством.

В принципе, присмотревшись к такой модели, можно уловить черты сходства с муравейником. Более того, несколько идей, относимых к разряду социальных утопий, основывались именно на таком идеале. В качестве примера кибернетического подхода к общественному устройству могут рассматриваться конфуцианство с его кодексами, «Город Солнца» Т. Кампанеллы и представления ряда авторов социальных утопий прошлого и современности. Крайней формой кибернетизированного подхода к рассмотрению рациональной организации человеческого общества является так называемая «теория золотого миллиарда» — реакционная теория элитарного общества, построенная на основе неомальтузианства.

Характерно, что такой принцип устройства системы соответствует максимальной экономии расходуемых ресурсов, характеризуется высочайшей эффективностью и быстродействием, но при этом существенно возрастает уровень специализации элементов. Последствия роста специализации можно проиллюстрировать на следующем примере: простейшие живые организмы, не располагающие центральной нервной системой и обладающие малой специализацией клеток, их образующих, демонстрируют более высокую живучесть, а способность к регенерации утраченных органов у них распространена шире, нежели чем у более сложных организмов. Некоторые параллели могут быть проведены и при сопоставлении тоталитарной и демократической моделей государственного устройства, хотя здесь следует помнить, что кибернетика, как и многие другие науки, останавливается в своих абстракциях на некотором конечном уровне декомпозиции, отбрасывая своеобразие тех компонентов, которые оказываются ниже используемого уровня абстракции.

Кибернетические подходы к управлению обществом и производством на самом деле не содержат в себе ничего такого, о чем следовало бы говорить как об источнике угрозы обществу — просто любая крайность в управлении целеполагающими системами опасна и ведет либо к гипертрофированному индивидуализму или к чрезмерной централизации управления. И в том и в другом случае (хотя и по разным причинам) неминуемо происходит истончение интеллектуального слоя общества, его деградация. Однако при разумном сочетании централизованного и децентрализованного управления результаты могут быть получены весьма значительные преимущества, что отнюдь не противоречит кибернетике (техническая кибернетика наглядно продемонстрировала необходимость наличия люфтов в системах управления).

Польза люфтов в системах управления может быть продемонстрирована хотя бы на примере знакомой всем автомобилистам системы рулевого управления. На заре автомобилестроения соединение деталей в системе рулевого управления было жестким, лишенным люфтов (цепным или шестеренчатым). В результате такого конструктивного исполнения каждая выбоина на дороге (а дороги в то время были чаще всего брусчатыми) моментально отдавалась в рулевом колесе, вызывая у водителя автоматную реакцию — попытку сопротивления действию силы, вращающей колесо. Однако время задержки реакции оказывалось велико по сравнению с длительностью воздействия ударной нагрузки, и водитель прилагал компенсационное усилие уже на другом участке дороги, где направления компенсационного усилия и силы, вращающей рулевое колесо в результате следующего соударения, могли совпасть, что часто и случалось на практике. Управление автомобилем в то время требовало значительной физической силы и хороших навыков. Многие обращали внимание на то, как странно (по нынешним понятиям) вели себя на дороге старинные автомобили в кадрах кинохроники — они непрерывно совершали какие-то бессмысленные резкие зигзагообразные маневры на дороге, но мы-то знаем, в чем тут дело. Лишь в результате ряда усовершенствований (применение остроумно реализованных автоматов удержания прямолинейного направления движения за счет наличия углов развала и схождения) задача удержания рулевого колеса автомобиля существенно упростилась. Но главным здесь было изобретение рулевой трапеции, устроенной так, чтобы в ней обеспечивался люфт, позволяющий гасить незначительные удары и вибрации, возникающие при езде по дороге. Сейчас в правилах дорожного движения записано, в каких пределах должен обеспечиваться люфт в системе рулевого управления автомобиля.

Однако вернемся от проблем социальных и автомобильных к проблемам, рассматриваемым современной кибернетикой. Естественным продолжением исследований в области кибернетики стало возникновение таких теорий как теория распознавания образов, теория информации, теория искусственного интеллекта, кибернетической (математической) лингвистики и иных направлений, в основу которых заложено рассмотрение информационных процессов, связанных с управлением, целеполаганием, процессами возникновения и управления знаниями. В створе кибернетических наук зародилось весьма популярная в настоящее время технология нейросетевой обработки и анализа данных. Таким образом, мы приходим к утверждению, что на сегодня большая часть технологически реализованного аналитического инструментария базируется на принципах, сформулированных в рамках кибернетического подхода. Однако, как будет показано далее, человечество постепенно входит в эпоху, когда кибернетические подходы перестают быть единственным поставщиком технологий для аналитики — уровень развития кибернетических технологий завершает процесс создания платформы для начала внедрения технологий, основанных на теории систем и системного анализа, построения кибернетических систем высших порядков.

К числу разделов кибернетики, представляющих особый интерес для аналитики, несомненно, относится теория распознавания образов. Это направление получило развитие на самых ранних этапах развития кибернетики — без этого было невозможно решить задачи обеспечения реакции автомата на изменение ситуации (как некоторой специфической совокупности сигналов, поступающих от рецепторов). Так, уже на этом этапе теория распознавания образов, пусть пока формально, но оказалась связана с распознаванием ситуаций. Вначале распознавание было наиболее тесно связано с распознаванием графических образов в технических системах, но при наличии устойчивой тенденции к кибернетическому рассмотрению общества это не могло не привести к возникновению специфического направления — распознавания ситуаций и в сфере управления организационно-техническими и социальными системами.

Наиболее интенсивно методы распознавания образов используются на этапе, когда данные, собранные и прошедшие первичную обработку, приводятся к единому формату представления, что позволяет использовать для их отображения и анализа нормализованное метрическое пространство признаков (это означает, что в таком пространстве признаков введены метрики, обеспечивающие возможность измерения степени близости полученных результатов к неким эталонам). В этом случае близость к заданным эталонам указывает на возникновение ситуации, полностью или в некоторых деталях сходной с эталонной, по тем или иным причинам выделенной из числа прочих возможных. В настоящее время все чаще для решения таких задач используются методы, ранее использовавшиеся для распознавания изображений, однако применяемые не после отображения, а на этапе работы с внутренним представлением данных в системах автоматизированной обработки.

Как видим, кибернетические методы широко используются для анализа данных, построения моделей объектов и систем, распознавания ситуаций, синтеза организационной структуры информационно-аналитических подразделений и для многих других аналитических приложений. Ранее мы указывали, что методы кибернетических исследований тесно связаны с методологией системного анализа и границу раздела между ними определить крайне сложно. Тем не менее, в рамках нашего повествования такую границу мы проведем здесь.

При объяснении феномена общности, приведшего к зарождению общей теории систем и системного анализа, можно сослаться на то, что исследователи чрезвычайно ограничены в средствах формализации и вынуждены выбирать сходный математический аппарат для обозначения природных явлений и процессов совершенно разного происхождения. Однако, это не совсем так (конечно, многое зависит от математического кругозора ученого) — дело в том, что современная математика достаточно богата разнообразными абстрактными объектами и инструментами формализации и способна предоставить исследователям все то, что может им потребоваться для представления результатов научных изысканий. Но, тем не менее, одни и те же зависимости, обратные квадрату расстояния, описывают изменение напряженности электромагнитного поля на некотором удалении от точечного носителя заряда, силу ударной волны на удалении от эпицентра взрыва, одинаковые дифференциальные уравнения описывают движение жидкостей, тока, переноса тепла в электро- и теплопроводных средах, иначе говоря, слишком много «случайных» совпадений. Даже наоборот, по мере развития специальных разделов математики, возникших в результате развития кибернетики, информатики, теории игр, управления, аксиоматической теории принятия решений, факторного анализа, «нечеткой» математики, становится очевидным наличие объективных закономерностей, определяющих сходство многих внешне различающихся феноменов.