Читать книгу Социосферные риски - В. Б. Живетин - Страница 7

Обратимся к истории создания моделей отдельных подсистем окружающего мира и возможности применять их для целей жизнедеятельности с позиции их достоверности. В чем состоят проблемы достоверности, как они решаются? Возможна ли истинная модель, прежде всего, социальных систем социосферы?

Д. Юм (1711–1776 гг.), рассматривая проблемы достоверности знаний, утверждал, что достоверное знание может быть только логическим. Наиболее емко по этому поводу сказал А. Эйнштейн [114]: «В нашем стремлении понять реальность мы подобны человеку, который хочет понять механизм закрытых часов. Он видит циферблат и движущиеся стрелки, даже слышит тиканье, но не имеет средств открыть их. Если он остроумен, он может нарисовать себе картину механизма, но он никогда не может быть вполне уверен в том, что его картина единственная, которая могла бы объяснить его наблюдения. Он никогда не будет в состоянии сравнивать свою картину с реальным механизмом, и он не может даже представить себе возможность и смысл такого сравнения».

Согласно сказанному выше, наука изучает явления, происходящие в окружающем мире, которые представляют собой процессы бытия, порожденные некоторой системой, включенной в общий комплекс систем мироздания. По известным состояниям процесса Z(t) в некоторые моменты времени мы хотим знать его предысторию и будущее. С этой целью нам нужна истинная модель М_и подсистемы, породившей процесс Z(t), т. е. нам нужна модель М_и(Z(t)). В приведенном примере мы знаем процесс Z(t) – перемещение стрелки, но как воспроизвести этот процесс, с помощью какого механизма – не знаем, т. е. не знаем модель М_и. Тогда наука поступает так: строит модель М_р (расчетную или оценочную М_о = М_р) таким образом, чтобы отличие истинного процесса Z(t) от реализованного Z_р(t) на выходе модели М_р(Z(t)) было в каком-то смысле минимальным [32]. При этом сразу же предполагается: в силу отличия М_и от М_р процессы Z_и(t) и Z_р(t) отличаются, т. е. модель работает с погрешностью δ(t). В зависимости от способностей человека, создавшего модель М_р, погрешность δ(t) будет иметь различные значения. Итак, модель М_р зависит от человека Е^ч, создающего эту модель, от его возможностей, в том числе состояния или уровня научных знаний Д_зн, накопленных человечеством в процессе информационного обмена между людьми, и других факторов. В результате имеем Z_р = f(М_р, М_и, Е^ч, Д_зн, δ).

О том, как же наука строит Z_р(t) или М_р, хорошо сказал крупнейший американский физик Р. Фейнман [32]: «Вот почему наука недостоверная. Как только Вы скажете что-нибудь из области опыта, с которым непосредственно не соприкасались, вы сразу же лишаетесь уверенности. Но мы обязательно должны говорить о тех областях, которые мы никогда не видели, иначе от науки не будет проку… Поэтому, если мы хотим, чтобы от наук и была какая-то польза, мы должны строить догадки. Чтобы наука не превратилась в простые протоколы проделанных опытов, мы должны выдвигать законы, простирающиеся на еще неизвестные области. Ничего дурного тут нет, только наука оказывается из-за этого недостоверной, а если Вы думали, что наука достоверна, Вы ошибались». Итак, задача науки – открывать и формировать новые законы, объяснять, почему в данный момент времени на выходе системы возникло именно это значение Z(t), а не другое.

Чем дальше мы проникаем в суть явления, тем сложнее становятся модели М_и, тем тоньше явления, а сами процессы Z(t) более чувствительны к погрешностям, вносимым при построении М_р. «При этом необходимо каким-то образом обнаруживать эти погрешности, не имея возможности вскрывать часы», а также испытывая ограничения в точности существующих средств измерения. По этому поводу один из творцов квантовой механики В. Гейзенберг писал [32]: «Микромир нужно наблюдать по его действиям посредством высокосовершенной экспериментальной техники. Однако он уже не будет предметом нашего непосредственного чувственного восприятия. Естествоиспытатели должны здесь отказаться от мысли о непосредственной связи основных понятий, на которых он строит свою науку, с миром чувственных восприятий. Наши усложненные эксперименты представляют собой природу не саму по себе, а измененную и преобразованную под влиянием нашей деятельности в процессе исследования… Следовательно, здесь мы также вплотную наталкиваемся на непреодолимые границы человеческого познания».

Как много сказано о границах человеческого познания! Такие границы θ_кр существуют и зависят от состояния науки на текущий момент времени, от финансовых возможностей человечества, от ограниченности срока жизни ученых и т. д. Об ограниченности познания можно говорить не только в макромире, но и в такой области, как авиация. Так, модель, описывающая движение самолета, существует, как правило, в эксплуатационной области состояния параметров движения и редко в областях критических значений этих параметров [31]. Как только параметры движения или часть их превышают критические значения и самолет переходит, например, в штопор, надежные модели отсутствуют. При этом возникают чрезвычайно тонкие аэродинамические процессы, описать которые и тем более измерить в полете, т. е. предсказать полную картину движения самолета в таком режиме, невозможно.

Истинная модель М_и и идеальный процесс Z_и(t) скрыты от нас и непостижимы. Как только мы перестаем учитывать факт ограниченности научных знаний, мы теряем много: оказываемся в области риска и соответствующих потерь. При этом, как и во всем нашем мире, наука простирается между истинными знаниями и незнанием . Между этими границами расположены знания и, в частности, модели, построенные при различных допущениях.

По поводу достоверности знаний в коллективном труде «Логика научного исследования», созданном под руководством директора Института философии П.В. Копнина, сказано [51]: К идеалу научного знания всегда предъявлялись требования строгой определенности, однозначности и исчерпывающей ясности. Однако научное значение всякой эпохи, стремившееся к этому идеалу, тем не менее не достигло его. Получилось, что в любом самом строгом научном построении всегда содержатся такие элементы, обоснованность и строгость которых находились в вопиющем противоречии с требованиями идеала. И что особенно знаменательно: к такого рода элементам принадлежали зачастую самые глубокие и фундаментальные принципы данного научного построения. Наличие такого рода элементов воспринималось обычно просто как результат несовершенства знания данного периода. В соответствии с такими мнениями в истории науки неоднократно предпринимались и до сих пор предпринимаются энергичные попытки полностью устранить из науки такого рода элементы. Однако эти попытки не привели к успеху. В настоящее время можно считать доказанной несводимость знания к идеалу абсолютной строгости. К выводу о невозможности полностью изгнать даже из самой строгой науки – математики – «нестрогие» положения после длительной и упорной борьбы вынуждены были прийти и «логицисты»… Все это свидетельствует не только о том, что любая система человеческого знания включает в себя элементы, не могущие быть обоснованными теоретическими средствами вообще, но и о том, что без наличия подобного рода элементов не может существовать никакая научная система знаний».

Итак, мы должны признать наличие двух моделей системы мироздания и ее подсистем, с которыми имеет дело человек в процессе жизнедеятельности. Одна из них есть истинная модель М_и, другая – модель М_р, полученная в процессе научных изысканий. Оперируя с моделями и задав их допустимые М_доп и критические М_кр значения, связанные с Z_доп, Z_кр [32], получим следующие вероятности P = (P₁, P₂, P₃):

P₁ = P₁(Z_и > Z_кр, Z_р < Z_доп),

P₂ = P₂ (Z_и > Z_кр, Z_р > Z_доп),          (11)

P₃ = P₃ (Z_и < Ζ_кр, Z_р > Z_доп).

Как правило, в процессе жизнедеятельности мы оперируем с процессами, моделирование и измерение которых возможно, а области [Z_кр, Z_доп], [Z, Z_кр] часто невозможно установить. Однако иногда (1.1) имеет смысл, и тогда Р₁ есть вероятность события, при котором модель (процесс) находится в критической области. Такая ситуация характерна для автомата без участия наблюдателя, т. е. системы, в которой используется заданная программа, способная воспроизводить идеальный процесс. События P₂ и P₃ соответствуют различным положениям значений процессов Z_и, Z_р относительно Z_доп, Z_кр в момент времени t, различным потерям и соответствующим научным рискам.

При этом можно условно выделить в области знаний крайние значения: x = x^в_кр, когда научные знания, которых чрезвычайно мало, являются истинными, или действительными, x = x^н_кр – случайная погрешность δ(t) настолько велика, что мы о том или ином процессе, явлении не имеем достоверной информации. Таким образом, область знаний между (x^н_кр, x^в_кр) заполнена моделями с допущениями, включающими в себя различные предположения, «догадки», подтвержденные кем-то и когда-то, гипотезы, находящиеся в процессе осмысления. При этом значимость «абсолютных» или истинных знаний для процессов жизнедеятельности невелика. В основном мы используем все, что расположено внутри (x^н_кр, x^в_кр). По мере развития науки, усложнения решаемых ею проблем, изменяется область (x^н_кр, x^в_кр), но порождаются новые проблемы, увеличивая цену наших незнаний.

Одним из главных научных путей снижения погрешностей моделей является применение математического моделирования [98]. Всегда считалось, что чем больше объем применения математики в той или иной науке, тем более она развита. Главным препятствием к ее применению считается неясность, что и как мерить.

Математическое описание всегда ограниченно и требует определенного разъяснения после получения решения. Например, оно совпадает с реальностью лишь с определенной точностью, так как математическая модель есть некоторая идеализация. Ситуация ухудшается при описании поведения таких сложных объектов, которые составляют объект изучения общественных наук [97]. При попытке дать их математическое описание возникают дополнительные трудности.

Объекты общественных наук существуют в ограниченных временных интервалах. Это накладывает ограничение на применимость используемых классов простых функций. Стационарное устойчивое существование объектов общественных наук требует постоянного притока вещества и энергии. Если же этого не будет, то становится невозможным существование самого объекта. То есть эти объекты всегда находятся в неравновесных условиях.

Объекты общественных наук всегда эволюционируют в условиях ограниченных ресурсов, а это значит, что уравнения, описывающие их поведение, являются принципиально нелинейными. Это означает, что движение вспять по времени, как правило, получается неоднозначным (в силу свойств нелинейных функций при замене у них аргумента на значения функции, а значения функции – на значения аргумента), а при движении вперед возникает неоднозначность в силу неустойчивости нелинейных систем.

Попытки найти первоосновы природы привели к пониманию того, что мир строится не из неких общих первичных элементов, а по единым принципам (единым сценариям), т. е. единство мира заключается не в том, что он построен из одних и тех же «кирпичей», а в том, что он построен по единому сценарию, на идентичных структурах. А это в свою очередь означает, что в математических моделях важен не конкретный вид уравнения, а типы решений, которые могут в нем содержаться, их определенная типология, т. е. важна классификация решений. При этом точные расчеты оказываются зачастую бессмысленны, в силу свойства нелинейных систем переходить к хаотическому изменению состояния. Все это накладывает определенную специфику на применение математики в общественных науках. Поэтому нельзя копировать путь применения математики в естественных науках.