Глава 3 Системные аспекты проектирования ИС

Содержание этих стадий, например, описано в ГОСТ 34.601-90
«Автоматизированные системы.
Стадии создания» (таблица 10).
Информационная система называется в этом документе автоматизированной
системой (АС).
Таблица 10 - Стадии и этапы создания автоматизированной системы
(по ГОСТ 34.601-90)
Стадии
1. Формирование
требований к АС
Этапы работ
1.1. Обследование объекта и обоснование
необходимости создания АС.
1.2. Формирование требований пользователя к АС.
1.3. Оформление отчёта о выполненной работе и
заявки на разработку АС (тактико-технического
задания).
2. Разработка
концепции АС
2.1. Изучение объекта.
2.2. Проведение необходимых научноисследовательских работ.
2.3. Разработка вариантов концепции АС,
удовлетворяющих требованиям пользователя.
2.4. Оформление отчёта о выполненной работе.
3. Техническое
задание
3.1. Разработка и утверждение технического задания
на создание АС.
4. Эскизный
проект
4.1. Разработка предварительных проектных
решений по системе и её частям.
4.2. Разработка документации на АС и её части.
5. Технический
проект
5.1. Разработка проектных решений по системе и её
частям.
5.2. Разработка документации на АС и её части.
5.3. Разработка и оформление документации на
поставку изделий для комплектования АС и (или)
технических требований (технических заданий) на
их разработку.
5.4. Разработка заданий на проектирование в
смежных частях проекта объекта автоматизации.
157
Продолжение таблицы 10
6. Рабочая
документация
6.1. Разработка рабочей документации на систему и
её части.
6.2. Разработка или адаптация программ.
7. Ввод в действие 7.1. Подготовка объекта автоматизации к вводу АС
в действие.
7.2. Подготовка персонала.
7.3. Комплектация АС поставляемыми изделиями
(программными и техническими средствами,
программно-техническими комплексами,
информационными изделиями).
7.4. Строительно-монтажные работы.
7.5. Пусконаладочные работы.
7.6. Проведение предварительных испытаний.
7.7. Проведение опытной эксплуатации.
7.8. Проведение приёмочных испытаний.
8. Сопровождение 8.1. Выполнение работ в соответствии с
АС
гарантийными обязательствами.
8.2. Послегарантийное обслуживание.
Системный анализ используется, в основном, на ранних стадиях
проектирования: при разработке требований к системе, ее концепции,
технического задания и эскизного проекта. На этих стадиях, в соответствии с
рекомендациями ГОСТ 34.601-90, проводят:
 сбор данных об объекте автоматизации и осуществляемых видах
деятельности;
 оценку качества функционирования объекта в осуществляемых видах
деятельности, выявление проблем, решение которых возможно
средствами автоматизации;
 оценку (технико-экономической, социальной и т.д.) целесообразности
создания АС;
 формулировку и оформление требований пользователя к АС;
 детальное изучение объекта автоматизации и необходимые научноисследовательские работы (НИР), связанные с поиском путей и
оценкой возможности реализации требований пользователя;
 разработку альтернативных вариантов концепции создаваемой АС и
планов их реализации; оценку необходимых ресурсов на их
реализацию и обеспечение функционирования; оценку преимуществ и
158
недостатков каждого варианта; определение порядка оценки качества и
условий приёмки системы; оценку эффектов, получаемых от системы;
 определение функций АС и ее подсистем, их целей и эффектов; состава
комплексов задач и отдельных задач; концепции информационной
базы, её укрупнённой структуры; функций системы управления базой
данных; состава вычислительной системы; функций и параметров
основных программных средств.
При выполнении всех этих работ необходим системный подход. Он
должен исходить из положения, что эффективная информатизация является
существенным фактором в эволюции объекта информатизации, приводящим
к смене его парадигмы или, как минимум, к смене структуры,
подготавливающей в последующем смену парадигмы.
3.2 Содержание системного анализа ИС
Принципы системного подхода при проектировании ИС
Системный подход должен, прежде всего, обеспечить использование
при проектировании ИС основных систмных принципов. К ним можно
отнести синергетические принципы и систему принципов проектирования,
сформулированную В.М.Глушковым.
Синергические принципы включают:
 принцип эволюции системы, необратимости процессов её развития;
 принцип возможного решающего воздействия (при определенном
стечении обстоятельств) малых изменений поведения системы на её
эволюцию;
 принцип многовариантности путей развития системы и возможности
выбора оптимальных из них;
 принцип невмешательства в процессы самоуправляемого развития и
непредсказуемости эволюционного поведения системы и, в то же
время, учёт возможности организовать управляющие воздействия на
ресурсы и процессы в системе;
 принцип учёта стохастичности и неопределённости процессов
(поведения систем);
 принцип взаимовоздействия усложнения организации, устойчивости и
темпов развития систем;
 принцип учёта факторов стабильности и нестабильности системы
(возникновения устойчивости из неустойчивого поведения), порядка и
хаоса в системе (возникновения порядка из хаоса), определенности и
неопределенности;
 принцип взаимовлияния устойчивости среды отдельной подсистемы
или элемента (микросреды) и процессов во всей системе (макросреды);
 принцип существенного влияния человеческого фактора.
159
Следует также ориентироваться на принципы построения
информационных (автоматизированных) систем, сформулированные еще в
60-х гг. ХХ в. В.М.Глушковым:
 новых задач;
 системности;
 обратной связи;
 первого руководителя;
 типизации проектных решений;
 одноразовости ввода данных;
 согласованности пропускных способностей частей системы.
Принцип новых задач заключается в том, что в ходе аналитического и
информационного анализа системы управления предприятием выявляются
новые задачи, которые до внедрения ИС были осознаны или не могли
решаться из-за их сложности. Например, последовательная поэлементная
автоматизация элементов уже сложившегося бизнес-процесса, как правило,
не дает существенного эффекта. А коренная перестройка бизнес-процесса,
основанная на его информатизации, приносит существенный эффект.
Примеры этого приведены в разделе 3.3.3. В частности, задачи, решаемые в
оптимизационном режиме, дают высокий экономический эффект с
одновременным сокращением затрат ручного труда управленческого
персонала предприятия.
При поиске новых задач полезно иметь в виду две основные концепции
подхода к исследованию возможностей информатизации объекта (третья
концепция - их комбинации):
 ориентацию на проблемы, которые необходимо решать с
помощью этой информационной системы, т.е. проблемноориентированный (или индуктивный) подход;
 ориентацию на технологию, которая доступна в данное время в
данной системе, т.е. технологично-ориентированный (или
дедуктивный) подход.
Выбор концепции зависит от стратегических (тактических) и\или
долгосрочных (краткосрочных) критериев, проблем, ресурсов. Если вначале
изучаются возможности имеющейся технологии, а после их выяснения
определяются актуальные проблемы, которые можно решить с их помощью,
то необходимо опираться на технология-ориентированный подход. Если же
вначале определяются актуальные проблемы, а затем внедряется технология,
достаточная для решения этих проблем, то необходимо опираться на
проблемно-ориентированный подход. При этом обе концепции построения
информационной системы зависят друг от друга: внедрение новых
технологии изменяют решаемые проблемы, а изменение решаемых проблем
приводит к необходимости внедрения новых технологий; и то и другое
влияет на принимаемые решения.
Принцип системности и комплексного подхода к проектированию
ИС состоит в том, что все вопросы, связанные с проектированием, должны
160
решаться на основе определенной цели и критериев функционирования
системы, взаимной увязки организационно-технологических решений,
программно-математического, информационного, правового и технического
обеспечения ИС. С этим принципом тесно связан принцип субоптимизации,
заключающийся в том, что несистемная оптимизация конкретной
подсистемы нередко дает эффект, но не позволяет оптимизировать систему в
целом. Успешное решение взаимоувязанных задач ИС возможно только при
условии открытости и доступности электронных баз данных по всем
управленческим вертикалям и горизонталям.
Функционирование системы Internet позволяет получить для решения
задачи ИС любую требуемую информацию (исключая "защищенные"
сведения) из баз данных, если они подключены к глобальной компьютерной
сети. Системный подход неразрывно связан с эффективным использованием
человеко-машинного диалога, с системой программ, обеспечивающих четкое
управление диалогом. При реализации человеко-машинного диалога
необходимо предусматривать тесное взаимодействие управленческого
персонала с компьютерным комплексом ИС, передачу системе возрастающих
объемов рутинных работ с тем, чтобы большую часть времени работники
использовали для решения творческих задач управления.
Принцип обратной связи заключается в том, что процесс разработки и
внедрения ИС следует рассматривать как непрерывный с использованием
предшествующего опыта. В частности, после выполнения всех этапов работ в
соответствии с таблицей 10, последний их них – «Сопровождение АС» должен плавно перетекать в первый – «Формирование требований к АС».
Это означает, что работа по созданию информационной системы начнется
вновь, только на другом, более высоком уровне.
Принцип первого руководителя означает, что руководитель
организации или подразделения, в интересах которых разрабатывается
информационная система, должен ощущать единоличную ответственность за
своевременность
и
качество
разработки
и
ее
эффективное
функционирование. Первый руководитель отвечает за облик системы, четкое
взаимодействие заказчика и разработчиков, рациональное распределение
обязанностей между ними. Когда создание ИС передоверяется
второстепенным лицам, эта система используется, как правило, для решения
рутинных задач и, в конечном счете, оказывается малоэффективной.
Принцип типизации проектных решений предусматривает
максимальное использование при проектировании ИС типовых проектных
решений. Учитывая, что наибольший объем работ по созданию ИС связан с
подготовкой программно-математического обеспечения, особенное внимание
следует уделять типовым программным комплексам (например, задачи
бухгалтерского учета и отдела кадров, подсистемы разработки расписаний и
планирования планов поставок материально-технической продукции, и др.).
Единство ИС, расположенных по горизонтали, достигается использованием
общих подходов к их построению, а по вертикали - использованием общих
форм документов и современных стандартов электронных баз данных, общих
161
принципов формирования комплексов технических и программных средств,
систем коммуникации и связи.
Проектирование ИС на базе интегрированных программных систем
значительно упрощает процессы связывания и встраивания электронных
документов, их передачи как внутри предприятия, так и другим
информационным системам. Прикладные программы, созданные на основе
интегрированных программных средств, отличаются максимальновозможной открытостью и достаточно просто могут улучшаться
непосредственно инженерно-техническими работниками предприятия.
Интегрированных программные системы максимально упрощают и
эксплуатацию ИС, так как все задачи решаются с применением
единообразного пользовательского интерфейса.
Принцип одноразовости ввода данных в орган управления означает,
что информация, введенная один раз в компьютерную систему, используется
затем для решения всех тех задач, в которых она необходима, без повторного
ввода. Соблюдение этого принципа позволяет избежать дублирования
информации, исключить несуразности и ошибки, уменьшить потоки
вводимой и обрабатываемой информации. Сокращение потоков информации
также достигается в результате исключения из вводимых данных сведений
нормативно-справочного характера, имеющихся в машинных базах данных.
Принцип
полной
информационной
совместимости
между
автоматизированными
системами
различных
уровней
управления
предусматривает применение согласованных подходов к разработке
машинных баз данных, входным и выходным документам, программным
комплексам для ИС различных предприятий. Это упростит использование
разделённых (общих) баз данных, снизит затраты на разработку и поддержку
информационного обеспечения (в том числе систем управления базами
данных), придаст корпоративным информационным технологиям большую
гибкость и адаптируемость.
Принцип независимости структуры автоматизированных систем
управления от используемой техники и базовых технологий заключается в
применении таких технологий создания информационной среды ИС, которые
были бы инвариантны по отношению к техническому обеспечению и легко
трансформировались при создании новых программных инструментариев
информатизации. На реализацию этого принципа, в частности, направлены
объектные подходы к формированию информационной среды, основанные на
CASE-технологиях.
Принцип согласованности пропускной способности частей системы
заключается в том, что пропускная способность последующего устройства
должна быть не ниже пропускной способности предыдущего. Например,
компьютерные сети ИС должны иметь пропускную способность,
соответствующую быстродействию ЭВМ.
162
Структура системного анализа ИС
Таким образом, используя системный анализ на стадиях разработки
концепции и эскизного проекта ИС, необходимо:
1. Провести исторический анализ на примере как самого объекта
информатизации, так и его прототипов и аналогов, позволяющий
выявить определяющие параметры эволюции объекта, их
значения, приводящие к смене парадигмы, характер влияния
информатизации на значения этих параметров.
2. Сформулировать предыдущую, текущую и, предположительно,
ближайшую следующую парадигмы объекта информатизации,
оценить время перехода к следующей парадигме и увязать с ним
время жизни разрабатываемой информационной системы.
3. Проанализировать проявление и роль всех системных
феноменов (взаимодействие с окружающей средой, системное
время, хаос и порядок, простота и сложность, самоорганизация,
странные аттракторы, бифуркации и катастрофы, фракталы,
эффективность, ресурсы, цели и целеполагание, принятие
решений, неопределенность, человеческий фактор) при эволюции
объекта, оценить возможность их проявления в период
функционирования разрабатываемой ИС, учесть эту возможность
при формулировании требований к разрабатываемой ИС.
4. Проанализировать
текущую
структуру
объекта
информатизации, кратко описать функции ее элементов,
характер изменений, начиная от предыдущей парадигмы,
тенденции изменения и увязать с ней планируемую структуру
ИС.
5. Оценить возможности и роль информатизации в повышении
эффективности функционирования объекта и ускорении его
закономерной эволюции.
6. На основании проведенного системного анализа объекта
информатизации
сформулировать
системное
описание
проектируемой ИС, включающее:
 парадигму,
 общие принципы,
 цели,
 критерии эффективности функционирования,
 описание системных отношений и связей с окружающей
средой, другими системами,
 описание
системных
ресурсов
материальных,
энергетических,
информационных,
организационных,
людских, пространственных и временных,
 структуру и краткое описание ее элементов,
 системные требования к процессу разработки ИС.
163
Результаты перечисленных исследований должны быть отражены в
виде отдельных параграфов в разделе «Системное исследование объекта
информатизации», включаемом в Концепцию информационной системы или
Эскизный проект.
3.3 Некоторые методы системного анализа при проектировании ИС
Методы получения информации о системе
Методы получения и использования информации о системе можно
разделить на три группы, иногда условно разграничиваемые (рисунок 50):
эмпирические методы или методы получения эмпирической
информации (эмпирических данных);
теоретические методы или методы получения теоретической
информации (построения теорий);
эмпирико - теоретические методы (смешанные, полуэмпирические)
или методы получения эмпирико-теоретической информации.
Рисунок 50 - Структура познания системы
Охарактеризуем кратко эмпирические методы.
Наблюдение - сбор первичной информации или эмпирических
утверждений о системе (в системе).
Сравнение - установление общего и различного в исследуемой системе
или системах.
Измерение - нахождение, формулирование эмпирических законов,
фактов.
Эксперимент - целенаправленное преобразование исследуемой
системы (систем) для выявления ее (их) свойств.
164
Кроме классических форм их реализации в последнее время
используются и такие формы как опрос, интервью, тестирование и другие
формы.
Охарактеризуем кратко эмпирико - теоретические методы.
Абстрагирование - установление общих свойств и сторон объекта (или
объектов), замещение объекта или системы ее моделью. Абстракция в
информатике и в математике играет важнейшую роль, понимается в двух
следующих смыслах:
 абстракция, абстрагирование - метод исследования (изучения)
некоторых явлений, объектов, в результате которого можно выделить
основные, наиболее важные для исследования свойства, стороны
исследуемого объекта или явления и игнорировать несущественные и
второстепенные;
 абстракция - как описание или представление объекта (явления),
полученного с помощью метода абстрагирования; особо важно и
используемо в информатике такое понятие, как абстракция
потенциальной осуществимости, которое позволяет нам исследовать
конструктивно объекты, системы с потенциальной осуществимостью,
т.е. они могли бы быть осуществимы, если бы не было ограничений по
ресурсам (время, пространство, вещество, энергия, информация,
организация, человек); используются и абстракция актуальной
бесконечности - существования бесконечных, неконструктивных
множеств и систем, процессов, а также абстракция отождествления возможности отождествления любых двух одинаковых букв, символов
любого алфавита, объектов - независимо от места их появления в
словах, конструкциях, хотя их информационная ценность при этом
может быть различна.
Анализ - разъединение системы на подсистемы с целью выявления их
взаимосвязей.
Синтез - соединение подсистем в систему с целью выявления их
взаимосвязей.
Индукция - получение знания о системе по знаниям о подсистемах;
индуктивное мышление - распознавание эффективных решений, ситуаций и
затем проблем, которые оно может разрешать.
Дедукция - получение знания о подсистемах по знаниям о системе;
дедуктивное мышление - определение проблемы и поиск затем ситуации его
разрешающей.
Эвристики, использование эвристических процедур - получение знания
о системе по знаниям о подсистемах и наблюдениям, опыту.
Моделирование и/или использование приборов - получение знания об
объекте с помощью модели и/или приборов; моделирование основано на
возможности выделять, описывать и изучать наиболее важные факторы и
игнорировать при формальном рассмотрении второстепенные.
165
Исторический метод - нахождение знаний о системе путем
использования его предыстории - реально существовавшей или же
мыслимой, возможной (виртуальной).
Логический метод - метод нахождения знаний о системе путём
воспроизведения его некоторых подсистем, связей или элементов в
мышлении, в сознании.
Макетирование - получение информации по макету объекта или
системы, т.е. с помощью представления структурных, функциональных,
организационных и технологических подсистем в упрощенном виде,
сохраняющем информацию, необходимую для понимания взаимодействия и
связей этих подсистем.
Актуализация - получение информации с помощью активизации,
инициализации ее, т.е. переводом из статического (неактуального) состояния
в динамическое (актуальное) состояние; при этом все необходимые связи и
отношения (открытой) системы с внешней средой должны быть учтены
(именно они актуализируют систему).
Визуализация - получение информации с помощью наглядного или
визуального представления состояний актуализированной системы;
визуализация предполагает возможность выполнения в системе операции
типа “передвинуть”, “повернуть”, “укрупнить”, “уменьшить”, “удалить”,
“добавить” и т.д. (как по отношению к отдельным элементам, так и к
подсистемам системы), т.е. это метод визуального восприятия информации.
Кроме
указанных классических форм
реализации
теоретикоэмпирических методов, в последнее время часто используются и такие
формы как мониторинг (система наблюдений и анализа состояний системы),
деловые игры и ситуации, экспертные оценки (экспертное оценивание),
имитация (подражание) и другие формы.
Охарактеризуем кратко теоретические методы.
Восхождение от абстрактного к конкретному - получение знаний о
системе на основе знаний о его абстрактных проявлениях в сознании, в
мышлении.
Идеализация - получение знаний о системе или о ее подсистемах путём
мысленного конструирования, представления в мышлении систем и/или
подсистем, не существующих в действительности.
Формализация - получение знаний о системе с помощью знаков или же
формул, т.е. языков искусственного происхождения, например, языка
математики (или математическое, формальное описание, представление).
Аксиоматизация - получение знаний о системе или процессе с
помощью некоторых, специально для этого сформулированных аксиом и
правил вывода из этой системы аксиом, т.е. правил получения выводов,
знаний из аксиом.
Виртуализация - получение знаний о системе созданием особой среды,
обстановки, ситуации (в которую помещается исследуемая система и/или ее
исследующий субъект), которую реально, без этой среды невозможно
реализовать и получить соответствующие знания.
166
Эти методы получения информации применяются системно.
Например, для построения модели планирования и управления
производством в рамках страны, региона, отрасли необходимо решить
следующие проблемы:
 определить структурные связи системы (как вертикальные, так и
горизонтальные), уровни управления и принятия решений, ресурсы;
при этом чаще используются методы наблюдения, сравнения,
измерения, эксперимента, анализа и синтеза, дедукции и индукции,
эвристический, исторический и логический, макетирование и др.;
 определить гипотезы, цели, возможные проблемы планирования;
наиболее используемые при этом методы: наблюдение, сравнение,
эксперимент, абстрагирование, анализ, синтез, дедукция, индукция,
эвристический, исторический, логический и др.;
 конструирование эмпирических моделей системы; наиболее при этом
используемые методы: абстрагирование, анализ, синтез, индукция,
дедукция, формализация, идеализация и др.;
 поиск решения проблемы планирования и просчет различных
вариантов, директив планирования, поиск оптимального решения;
наиболее при этом используемые методы: измерение, сравнение,
эксперимент, анализ, синтез, индукция, дедукция, актуализация,
макетирование, визуализация, виртуализация и др.
Методы моделирования систем
Виды моделей систем
Модель - объект или описание объекта, системы для замещения (при
определенных условиях предложениях, гипотезах) одной системы (т.е.
оригинала) другой системы для изучения оригинала или воспроизведения его
каких - либо свойств. Модель - результат отображения одной структуры на
другую. Отображая физическую систему (объект) на математическую
систему (например, математический аппарат уравнений), получим физико математическую модель системы или математическую модель физической
системы. В частности, физиологическая система - система кровообращения
человека подчиняется некоторым законам термодинамики и описав эту
систему на физическом (термодинамическом) языке, получим физическую,
термодинамическую модель физиологической системы. Если записать эти
законы на математическом языке, например, выписать соответствующие
термодинамические уравнения, то получим математическую модель системы
кровообращения.
Модели, если отвлечься от областей, сфер их применения, бывают трех
типов: познавательные, прагматические и инструментальные.
167
Познавательная модель - форма организации и представления знаний,
средство соединение новых и старых знаний. Познавательная модель, как
правило, подгоняется под реальность и является теоретической моделью.
Прагматическая модель - средство организации практических
действий, рабочего представления целей системы для ее управления.
Реальность в них подгоняется под некоторую прагматическую модель. Это,
как правило, прикладные модели.
Инструментальная
модель
является
средством
построения,
исследования и/или использования прагматических и/или познавательных
моделей.
Познавательные отражают существующие, а прагматические - хоть и
не существующие, но желаемые и, возможно, исполнимые отношения и
связи.
По уровню, "глубине" моделирования модели бывают:
 эмпирические - на основе эмпирических фактов, зависимостей;
 теоретические - на основе математических описаний;
 смешанные, полуэмпирические - использующие эмпирические
зависимости и математические описания.
Основные требования к модели:





наглядность построения;
обозримость основных его свойств и отношений;
доступность ее для исследования или воспроизведения;
простота исследования, воспроизведения;
сохранение информации, содержавшиеся в оригинале (с
точностью рассматриваемых при построении модели гипотез) и
получение новой информации.
Проблема моделирования состоит из трех задач:



построение модели (эта задача менее формализуема и конструктивна, в
том смысле, что нет алгоритма для построения моделей);
исследование модели (эта задача более формализуема, имеются методы
исследования различных классов моделей);
использование модели (конструктивная и конкретизируемая задача).
Модель называется статической, если среди ее параметров нет
временного параметра. Статическая модель в каждый момент времени дает
лишь "фотографию" сиcтемы, ее срез.
Модель - динамическая, если среди ее параметров временной параметр,
т.е. она отображает систему (процессы в системе) во времени.
Модель - дискретная, если она описывает поведение системы только в
дискретные моменты времени.
168
Модель - непрерывная, если она описывает поведение системы для всех
моментов времени из некоторого промежутка времени.
Модель - имитационная, если она предназначена для испытания или
изучения, проигрывания возможных путей развития и поведения объекта
путем варьирования некоторых или всех параметров xi модели М.
Модель - детерминированная, если каждому входному набору параметров
соответствует вполне определенный и однозначно определяемый набор
выходных параметров; в противном случае - модель недетерминированная,
стохастическая (вероятностная).
Свойства, жизненный цикл моделей, операции с моделями
Свойства любой модели таковы:





конечность: модель отображает оригинал лишь в конечном числе его
отношений и, кроме того, ресурсы моделирования конечны;
упрощенность: модель отображает только существенные стороны
объекта;
приблизительность: действительность отображается моделью грубо
или приблизительно;
адекватность: модель успешно описывает моделируемую систему;
информативность:
модель
должна
содержать
достаточную
информацию о системе - в рамках гипотез, принятых при построении
модели.
Жизненный цикл модели:
1. Сбор информации об объекте, выдвижение гипотез, предмодельный
анализ.
2. Проектирование структуры и состава моделей (подмоделей).
3. Построение спецификаций модели, разработка и отладка отдельных
подмоделей, сборка модели в целом, идентификация (если это нужно)
параметров моделей.
4. Исследование модели - выбор метода исследования и разработка
алгоритма (программы) моделирования.
5. Исследование адекватности, устойчивости, чувствительности модели.
6. Оценка средств моделирования (затраченных ресурсов).
7. Интерпретация, анализ результатов моделирования и установление
некоторых причинно - следственных связей в исследуемой системе.
8. Генерация отчетов и проектных (народно - хозяйственных) решений.
9. Уточнение, модификация модели, если это необходимо, и возврат к
исследуемой системе с новыми знаниями, полученными с помощью
моделирования.
Основными операциями используемыми над моделями являются:
169
1. Линеаризация. Пусть М=М(X,Y,A), где X - множество входов, Y выходов, А - состояний системы. Схематически можно это изобразить:
X -> A -> Y
2. Если X, Y, A - линейные пространства (множества), а -> - линейные
операторы, то система (модель) называется линейной. Другие системы
(модели) - нелинейные. Нелинейные системы трудно поддаются
исследованию, поэтому их часто линеаризуют - сводят к линейным
каким-то образом.
3. Идентификация. Пусть М=М(X,Y,A), A={ai }, ai=(ai1,ai2,...,aik) - вектор
состояния объекта (системы). Если вектор ai зависит от некоторых
неизвестных параметров, то задача идентификации (модели,
параметров модели) состоит в определении по некоторым
дополнительным условиям, например, экспериментальным данным,
характеризующим состояние системы в некоторых случаях.
Идентификация - решение задачи построения по результатам
наблюдений математических моделей, описывающих адекватно
поведение реальной системы.
4. Агрегирование. Операция состоит в преобразовании (сведении) модели
к модели (моделям) меньшей размерности (X, Y, A).
5. Декомпозиция. Операция состоит в разделении системы (модели) на
подсистемы (подмодели) с сохранением структур и принадлежности
одних элементов и подсистем другим.
6. Сборка. Операция состоит в преобразовании системы, модели,
реализующей поставленную цель из заданных или определяемых
подмоделей (структурно связанных и устойчивых).
7. Макетирование. Эта операция состоит в апробации, исследовании
структурной связности, сложности, устойчивости с помощью макетов
или подмоделей упрощенного вида, у которых функциональная часть
упрощена (хотя вход и выход подмоделей сохранены).
8. Экспертиза, экспертное оценивание. Операция или процедура
использования опыта, знаний, интуиции, интеллекта экспертов для
исследования или моделирования плохо структурируемых, плохо
формализуемых подсистем исследуемой системы.
9. Вычислительный эксперимент. Это эксперимент, осуществляемый с
помощью модели на ЭВМ с целью распределения, прогноза тех или
иных состояний системы, реакции на те или иные входные сигналы.
Прибором эксперимента здесь является компьютер (и модель!).
Когнитивная структуризация
При системном анализе систем удобным инструментом
изображения является инструментарий когнитивной структуризации.
их
170
Когнитология - междисциплинарное (философия, нейропсихология,
психология, лингвистика, информатика, математика, физика и др.) научное
направление, изучающее методы и модели формирования знания, познания,
универсальных структурных схем мышления.
Цель когнитивной структуризации - формирование и уточнение
гипотезы о функционировании исследуемой системы, т.е. структурных схем
причинно- следственных связей, их количественной оценки.
Причинно-следственная связь между системами (подсистемами,
элементами) А и В положительна (отрицательна), если увеличение или
усиление А ведёт к увеличению или усилению (уменьшению или
ослаблению) В.
Пример. Когнитивная структурная схема для анализа проблемы
энергопотребления может иметь следующий вид (рисунок 51).
Рисунок 51 - Пример когнитивной карты
Кроме когнитивных схем, могут использоваться когнитивные решетки
(шкалы, матрицы), которые позволяют определять стратегии поведения
(например, производителя на рынке).
Решетка образуется с помощью системы факторных координат, где
каждая координата соответствует одному фактору, показателю (например,
финансовому) или некоторому интервалу изменения этого фактора. Каждая
область решетки соответствует тому или иному поведению. Показатели
могут быть относительными (например, от 0 до 1), абсолютными (например
от минимального до максимального), биполярными (“высокий или большой”
- “низкий или маленький)”, чёткими и нечёткими, детерминированными и
недетерминированными. Такие решётки могут быть полезны, в частности,
для оптимизации делового распределения основной группы налогов между
федеральным и региональным бюджетами, выработки стратегии повышения
бюджетного самообеспечения и др. На рисунке 52 показана одна такая
решётка (в биполярной системе показателей); зона D - наиболее
благоприятная, зона A - наименее благоприятная.
171
Рисунок 52 - Когнитивная решетка финансово устойчивости фирмы
Когнитивный инструментарий позволяет снижать сложность исследования,
формализации, структурирования, моделирования системы.
Компьютерное моделирование
Компьютерное моделирование - основа представления знаний в ЭВМ
(построения различных баз знаний). Компьютерное моделирование для
рождения новой информации использует любую информацию, которую
можно актуализировать с помощью ЭВМ.
Основные функции компьютера при моделировании систем:





выполнять роль вспомогательного средства для решения задач,
решаемых обычными вычислительными средствами, алгоритмами,
технологиями;
выполнять роль средства постановки и решения новых задач, не
решаемых традиционными средствами, алгоритмами, технологиями;
выполнять роль средства конструирования компьютерных обучающе моделирующих сред;
выполнять роль средства моделирования для получения новых знаний;
выполнять роль "обучения" новых моделей (самообучающиеся
модели).
Разновидностью компьютерного моделирования является вычислительный
эксперимент.
Компьютерное моделирование, вычислительный эксперимент становится
новым инструментом, методом научного познания, новой технологией также
из-за возрастающей необходимости перехода от исследования линейных
математических моделей систем.
Компьютерное моделирование, от постановки задачи - до получения
результатов, проходит следующие этапы.
172
1. Постановка задачи.
a. Формулировка задачи.
b. Определение цели моделирования и их приоритетов.
c. Сбор информации о системе, объекте моделирования.
d. Описание данных (их структуры, диапазона, источника и т. д.).
2. Предмодельный анализ.
a. Анализ существующих аналогов и подсистем.
b. Анализ технических средств моделирования (ЭВМ, периферия).
c. Анализ программного обеспечения(языки программирования,
пакеты программ, инструментальные среды).
d. Анализ
математического
обеспечения(модели,
методы,
алгоритмы).
3. Анализ задачи (модели).
a. Разработка структур данных.
b. Разработка входных и выходных спецификаций, форм
представления данных.
c. Проектирование структуры и состава модели (подмоделей).
4. Исследование модели.
a. Выбор методов исследования подмоделей.
b. Выбор, адаптация или разработка алгоритмов, их псевдокодов.
c. Сборка модели в целом из подмоделей.
d. Идентификация модели, если в этом есть необходимость.
e. Формулировка
используемых
критериев
адекватности,
устойчивости и чувствительности модели.
5. Программирование (проектирование программы).
a. Выбор метода тестирования и тестов (контрольных примеров).
b. Кодирование на языке программирования(написание команд).
c. Комментирование программы.
6. Тестирование и отладка.
a. Синтаксическая отладка.
b. Семантическая отладка (отладка логической структуры).
c. Тестовые расчеты, анализ результатов тестирования.
d. Оптимизация программы.
7. Оценка моделирования.
a. Оценка средств моделирования.
b. Оценка адекватности моделирования.
c. Оценка чувствительности модели.
d. Оценка устойчивости модели.
8. Документирование.
a. Описание задачи, целей.
b. Описание модели, метода, алгоритма.
c. Описание среды реализации.
d. Описание возможностей и ограничений.
e. Описание входных и выходных форматов, спецификаций.
f. Описание тестирования.
173
g. Описание инструкций пользователю.
9. Сопровождение.
a. Анализ
использования,
периодичности
использования,
количества пользователей, типа использования (диалог,
автономно и др.), анализ отказов во время использования модели.
b. Обслуживание модели, алгоритма, программы и их эксплуатация.
c. Расширение возможностей: включение новых функций или
изменение режимов моделирования, в том числе и под
модифицированную среду.
d. Нахождение, исправление скрытых ошибок в программе, если
таковые найдутся.
10.Использование модели.
Методы реинжиниринга
Примеры успешного применения
Цель реинжиниринга -- порвать со старыми правилами организации и
ведения бизнеса. В каждой компании есть великое множество неписаных
правил: "Решения о выдаче кредита принимает кредитный отдел", "Для
качественного обслуживания клиентов необходим локальный склад",
"Формы следует заполнять полностью и по порядку". Реинжиниринг
включает в себя выявление этих правил и отказ от некоторых из них в пользу
новых способов выполнения работы. Тем самым он является методом,
способствующим реализации принципа новых задач.
Реинжиниринг разработан и успешно реализован рядом крупных
японских и американских компаний. Компании Ford Motor и Mutual Benefit
Life Insurance провели у себя реинжиниринг процессов и в результате
достигли конкурентного преимущества. Ford подверг реинжинирингу
управление кредиторской задолженностью, а Mutual Benefit Life -- обработку
заявлений на приобретение страховых полисов.
Хорошим примером успешного реинжиниринга является деятельность
компании Ford. В начале 80-х гг. ХХ в., когда американская автомобильная
промышленность находилась в депрессии, руководство компании решило
взглянуть и на отдел кредиторской задолженности в поисках возможностей
для сокращения издержек. Кредиторской задолженностью только в Северной
Америке занималось более 500 человек. Руководство первоначально
полагало, что путем рационализации процессов и установки новых
компьютерных систем можно будет снизить число сотрудников примерно на
20%. Однако его поразил результат, к котрому пришла японская компания
Mazda. После реорганизации отдел кредиторской задолженности в Mazda
состоял всего из пяти человек.
Тогда руководство Ford переформулировало задачу: отдел
кредиторской задолженности должен был справляться со своими
174
обязанностями при уменьшении числа служащих не на сотню, а на несколько
сотен. Для ее решения руководство проанализировало существующую
систему. Когда отдел закупок выписывал заказ, его копия направлялась в
отдел кредиторской задолженности. Позднее, когда отдел входного контроля
получал материалы, копия документа о получении также направлялась в
отдел кредиторской задолженности. Тем временем сам отдел кредиторской
задолженности получал счет от поставщика. Задача отдела кредиторской
задолженности, таким образом, состояла в том, чтобы сличить заказ,
документ о получении и счет. Если документы соответствовали друг другу,
отдел осуществлял платеж.
Больше всего времени, однако, в отделе тратилось на расхождения:
случаи, когда заказ, документ о получении и счет не соответствовали друг
другу. В таких случаях служащий отдела кредиторской задолженности
должен был выявить причину расхождения, задержать платеж, написать
несколько документов и иным образом замедлить работу.
Информатизация позволила вообще предотвратить расхождения.
Чтобы этого добиться, в Ford ввели "обработку без счетов". Теперь, когда
отдел закупок дает заказ, информация о нем вводится в базу данных. Копии
заказа никому не посылаются. Когда товар прибывает на разгрузку,
приемщик проверяет базу данных, чтобы выяснить, соответствует ли этот
товар какому-либо неисполненному заказу. Если да, производится приемка,
сведения о которой также заносятся в базу банных. Если нет, заказ просто
возвращается поставщику.
В соответствии со старыми процедурами, отделу было необходимо
сверить 14 полей данных в документе о получении, заказе и счете, прежде
чем осуществлять платеж поставщику. Новый подход позволяет сверять
только три поля (номер детали, единицу измерения и код поставщика) в
заказе c записью о его получении. Сверка производится автоматически, чеки
распечатываются компьютером и рассылаются поставщикам. Счетов больше
нет, поскольку Ford попросил поставщиков не присылать их.
В результате количество сотрудников уменьшилось на 75%, а не на
20%, как планировалось ранее. Поскольку теперь не существует разночтений
между финансовым и материальным учетом, входной контроль стал
значительно проще, а финансовая информация - точнее.
Еще одним примером успешного реинжиниринга является Mutual
Benefit Life (MBL), восемнадцатая по величине компания, занимающаяся
страхованием жизни. Она провела реорганизацию процессов обработки
заявлений на приобретение страховых полисов. До реорганизации MBL
заявление проходило 30 этапов обработки в пяти отделах силами 19 человек.
В лучшем случае MBL обрабатывала заявление за 24 часа, однако более
типичное время находилось в диапазоне от 5 до 25 дней. Большая часть этого
времени тратилась на передачу информации из одного отдела в другой.
(Другая страховая компания как-то оценила среднее время обработки
заявления в 22 дня, из которых фактическая работа занимала всего 17 минут).
175
Жесткий последовательный процесс, принятый в MBL, имел
множество осложнений. Например, когда клиент хотел получить деньги по
старому полису в связи с дожитием и приобрести новый, отдел
существующих операций должен был запросить у казначейского отдела чек,
получить по которому деньги могла бы только сама MBL. Этот чек вместе с
необходимыми документами затем поступал в отдел новых операций.
Президент MBL, решив улучшить обслуживание клиентов, решил, что
этот нонсенс надо остановить, и потребовал повысить производительность
на 60%. Рабочая группа быстро поняла, что с помощью баз данных и
вычислительных сетей можно донести очень много информации до
отдельного сотрудника, а с помощью экспертных систем можно помочь в
принятии обоснованных решений людям с ограниченным опытом.
Применение этих принципов привело к появлению нового процесса
обработки заявлений, который очень сильно изменил всю организацию и
имел очень мало общего со старым.
MBL отказалась от старого штатного расписания и организационной
структуры и создала новую должность - управляющий делом (case manager).
Управляющие делами несут полную ответственность за заявление с момента,
когда оно получено, до момента, когда выпускается полис. В отличие от
клерков, раз за разом исполняющих одну и ту же задачу под бдительным
взором начальника, управляющие делами работают автономно. Больше не
существует передачи дел и ответственности, а также перекидывания
запросов клиентов от одного сотрудника к другому.
Управляющие делами способны выполнить все задачи, связанные с
обработкой заявления, поскольку в их распоряжении находятся рабочие
станции с установленными на них экспертными системами, подключенные к
широкому набору автоматизированных систем. В трудных случаях
управляющий делом запрашивает помощь старшего андеррайтера или врача,
однако эти специалисты работают в качестве консультантов и советников
управляющего делами, который все время контролирует ситуацию.
Предоставление сотрудникам права самостоятельно проводить полную
обработку заявления принесло огромный оперативный эффект. Теперь MBL
может обработать заявление за четыре часа, а среднее время обработки
составляет от двух до пяти дней. Компания сократила штат на 100 человек, а
управляющие делами сегодня способны обрабатывать вдвое больше
заявлений, чем компания обрабатывала раньше.
В компании Hewlett-Packard, например, в каждом из более чем 50
производственных подразделений был свой отдел закупок. Такое положение
дел обеспечивало отличную реакцию на возникновение потребностей и
высокое качество обслуживания заводов, однако не давало реализовать
экономию масштаба, в особенности на количественных скидках. В HewlettPackard решили проблему, оставив отделы закупок в подразделениях и
создав головное подразделение для их координации. У каждого отдела
закупок есть доступ к базе данных общего пользования, где хранятся данные
о поставщиках и качестве их поставок, и право самостоятельно размещать
176
заказы. Головной отдел закупок администрирует базу данных и использует ее
при переговорах от лица компании в целом и для наблюдения за
результатами работы других отделов закупок. В результате число поставок
без опоздания выросло на 150%, время подготовки производства сократилось
на 50%, количество неисправностей уменьшилось на 75%, а стоимость
покупных изделий значительно упала.
Сущность реинжиниринга
Реинжиниринг основан на концепции дивиргентного мышления -отыскании устаревших правил и фундаментальных допущений, на которых
строится работа, и решительном разрыве с ними. Эти правила зародились в
доинформационную эпоху, когда лишь специализация и разделение труда
могли помочь преодолеть сложность решаемых задач. Предприятия
разбивали работу на узко определенные задачи, собирали людей,
исполняющих эти задачи, в цеха и отделы и назначали руководителей для
администрации системы. Поскольку грамотных людей, способных к работе
невысокого уровня сложности, было достаточно, а хорошо образованных
профессионалов - мало, системы контроля постоянно подавали информацию
на верхние уровни организации, для сведения тех немногих, кто
предположительно знал, что с ней делать.
Возможности сегодняшних информационных технологий очень велики
и быстро расширяются. Они позволяют кардинально изменить парадигму
бизнес-процессов. Качество, инновация и обслуживание сегодня важнее, чем
издержки, рост и контроль. Значительная часть населения хорошо образована
и способна взять на себя необходимую ответственность, работники ценят
независимость и считают, что стоит интересоваться их мнением о том, как
работает предприятие.
При проведении реинжиниринга необходимо освободиться от
устаревших бизнес-процессов и принципов их разработки и создать новые. В
Ford было старое правило: "Мы платим, когда получаем счет".
Реинжиниринг выявил это правило и заменил его новым: "Мы платим, когда
получаем товар". Обнаружилось, что недостаточно перестроить только
процесс управления кредиторской задолженностью. Объектом внимания стал
весь процесс приобретения товаров, который включал в себя, наряду с
кредиторской задолженностью, их покупку и приемку.
Один из способов добиться кросс-функциональности -- создать
рабочую группу из представителей всех функциональных подразделений,
участвующих в реорганизуемом процессе или зависящих от его результатов.
Рабочая группа должна критически проанализировать существующий
процесс и точно выяснить, каков его желательный результат. Группа
реинжиниринга должна без конца задавать одни и те же вопросы: "Зачем?" и
"А что, если?.." Зачем нужна подпись руководителя на бланке заявки? Это
механизм контроля или точка принятия решения? А что, если руководитель
177
подписывает только заявки на сумму свыше 500 долларов? А что, если он
или она вообще их не просматривает? Процесс поднятия и разрешения
еретических вопросов может четко отделить необходимые части процесса от
поверхностных деталей. Региональные отделения одной из страховых
компаний на Восточном побережье США в течение долгого времени
готовили регулярную отчетность для отправки в головное отделение. Никто
даже не знал, что эти отчеты просто подшивались в папки и никогда не
использовались. Процесс просуществовал дольше, чем обстоятельства,
которые вызвали его к жизни. Реинжиниринг должен выявлять такие
ситуации.
Принципы реинжиниринга
Создание новых правил, приемлемых в текущей ситуации, начинается с
новой концепции бизнес-процесса -- проще говоря, с чьей-то новой отличной
идеи. Однако реинжиниринг не должен быть хаотичным. Некоторые
принципы уже выявлены практической работой ряда компаний и могут
помочь в работе и другим.
Операционно реинжиниринг состоит в том, что пересматриваются все
должностные инструкции и регламенты работ и ставится вопрос, что будет,
если их отменить или заменить на более эффективные. При этом, например,
можно руководствоваться следующими принципами.
1. Организовывайте достижение результата, а не выполнение
задачи. Поручите одному человеку все стадии процесса. Постройте его
работу на основе цели или результата, а не задачи.
2. Поручите исполнение процесса тем, кто использует его
результат.
Когда процесс исполняется людьми, зависящими от его результатов,
практически нет необходимости руководить процессом. Коммуникации и
посредников можно устранить вместе с механизмами координации усилий
тех, кто исполняет процесс, и тех, кто использует его результат. Более того,
значительно снижается острота проблемы планирования ресурсов,
необходимых для исполнения процесса.
3. Включайте обработку информации в реальную работу, которая
генерирует эту информацию. Два упомянутых выше принципа
рекомендуют сжимать линейные процессы. Этот принцип рекомендует
перемещать работу от одного человека или подразделения к другому. Почему
бы организации, которая производит информацию, заодно и не обрабатывать
ее?
4.
Считайте
географически
распыленные
ресурсы
централизованными.
5. Связывайте параллельные работы вместо интеграции их
результатов. Часто встречаеися вид параллельной обработки: разные
подразделения исполняют разные функции, которые ведут к общему
результату. Новый принцип рекомендует создавать связи между
178
параллельными функциями и координировать соответствующие действия в
процессе их совершения, а не по окончании. Коммуникационные сети, базы
данных общего пользования и видеоконференции могут объединить
независимые группы и обеспечить постоянную координацию.
6. Помещайте точку принятия решения туда, где делается работа, и
встраивайте контроль в процесс.
7. Фиксируйте информацию один раз - у источника.
8. Думайте по-крупному. Решения относительно технологий должны
диктоваться нам воображением, а не наоборот. Мы должны иметь смелость
сократить на 78 дней 80-дневный производственный цикл, уменьшить
общехозяйственные расходы на 75% и устранить появление 80% ошибок.
Эти цели нельзя считать недостижимыми. Если у руководства есть фантазия,
реинжиниринг даст возможность ее осуществить.
9. Принцип первого руководителя. Размах этих изменений
подсказывает, что для успешного реинжиниринга необходим один фактор:
высшее руководство, наделенное воображением. Только если поддержка
высшего руководства проживет дольше, чем цинизм скептиков, люди
воспримут реинжиниринг всерьез.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Pennings, Johannes M., and Paul S. Goodman "Toward a Workable
Framework", in New Perspective on Organizational Effectiveness, ed.
S. Goodman and Johannes M. Pennings , 1977
Букалов, А.В. Возникновение и исчезновение пассионарности
этносов как следствие нового биологического
эффекта/А.В.Букалов// Соционика, ментология и психология
личности.- №4.- 2000.
Воронков, А.А. Методы анализа и оценки государственных
программ в США/А.А.Воронков.- М.: «Наука», 1986. – 189 с.
ГОСТ 34.601-90 Автоматизированные системы. Стадии создания.
Гумилев, Л.Н. Этногенез и биосфера Земли/Л.Н.Гумилев.- Л.,
1989.
Казиев, В.М. Введение в системный анализ и моделирование электронный ресурс http://www.isuct.ru/~ivt/books/IS/IS5/, 14.08.04
Капица, С.П. и др. Синергетика и прогнозы будущего/С.П.Капица
и др.- М.: Логос, 1997.
Конец света – за первым углом, электронный ресурс
http://2004.novayagazeta.ru/nomer/2004/59n/n59n-s25.shtml ,
16.08.04.
Майданов, А.С. Процесс научного творчества/ А.С.Майданов.М.: Наука, 1983.- 207 с.
Мамчин, Р. Реорганизация компании – зачем это нужно,
179
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
[электронный ресурс].
Маневич, Л.И. О теории катастроф/Л.И.Маневич// Соросовский
образовательный журнал.- т.6.- №7.- 2000. – С. 85-90.
Моисеев, Н.Н. Алгоритмы развития/Н.Н.Моисеев.- М.: «Наука»,
1987.
Пиявский, С.А. Коэволюция и научное сообщество в среде
Интернет/С.А.Пиявский// Труды Пятой Всероссийской
объединенной конференции «Технологии информационного
общества – Интернет и современное общество».-С-Петербург,
2002. – С.119-123.
Пиявский, С.А. Вузовское молодежное интернетсообщество/С.А.Пиявский// Вестник высшей школы.- №8.- 2003.С.24-29.
Пиявский, С.А. Математическое моделирование управляемого
развития научных способностей/С.А.Пиявский // Известия
Академии наук, серия "Теория и системы управления". - №3.2000. - С.100-106.
Пиявский, С.А. Управляемое развитие научных способностей
молодежи/С.А.Пиявский. - М.: Академия наук о Земле.- 2001. 109 с.
Пиявский, С.А. Элементы системного анализа/С.А.Пиявский.Куйбышев: КГУ, 1987.
Пригожин, А.И. Современная социология организаций:
учебник/А.И.Пригожин. - М., 1995. - 296 с.
Смирнов, О.Л. Технология целеполагания по
Гоголю/О.Л.Смирнов [электронный ресурс]
http://www.improvement.ru/bibliot/gogol/gogol01.shtm, 14.08.04.
Социокультурная динамика [электронный ресурс]
http://www.engineer.bmstu.ru/res/kultura/themes/thema4.htm,
14.08.04.
Сухов, С.В. Развитие организаций: цели и эффективность/
С.В.Сухов [электронный ресурс]
http://www.proteu.ru/180204_article_9.html, 14.08.04.
Тураев, В.А. Глобальные вызовы человечеству/В.А.Тураев.- М.:
Логос, 2002.
Турчин, В.Ф. Феномен науки: Кибернетический подход к
эволюции/В.Ф.Турчин.-М.: ЭТС, 2000.
Федотов, А.П. Глобалистика/А.П.Федотов.- М.: Аспект пресс,
2002.
Философская энциклопедия.- М.: Изд-во «Советская
энциклопедия», 1967.
Хаммер, М. Не автоматизируйте – уничтожайте!/М.Хаммер
[электронный ресурс] http://www.itk.ru/article/hamm.shtml, 14.08.04
Рябинин, А.Г., Рябинин, Г.А. Принцип «минимизации общей
энергии открытой системы/ А.Г.Рябинин, Г.А.Рябинин
180
28.
[электронный ресурс]
http://interlibrary.narod.ru/GenCat/GenCat.Scient.Dep/GenCatPhysics/
150000006/150000006.html.
Крайнюченко, И.В., Попов, В.П. Определение понятия «система»
/И.В.Крайнюченко, В.П.Попов [электронный ресурс]
http://holism.narod.ru/Systems/3.htm.
Приложение
О законе возрастания сложности эволюционирующих систем,
или что день грядущий нам готовит
(http://www.aicommunity.org/reports/combinator/comb_evol/comb_evol.php?fid=
35)
Валерий Анисимов
руководитель группы программистов
в области анализа и распознавания изображений
Грядущие годы таятся во мгле;
Но вижу твой жребий на светлом челе.
А.С. Пушкин
Эволюция открытых систем, весьма впечатляющим примером которой
является история развития жизни на планете Земля, представляется одной из
наиболее интригующих проблем современного естествознания. Какими
внутренними механизмами управляется такая эволюция? Каково
соотношение случайного и закономерного в ходе развития эволюционных
процессов? Можно ли, и если да, то в какой мере, предсказать тенденции их
развития? И, наконец, можно ли перейти от качественного описания,
например, процесса развития жизни на Земле, к его количественному
описанию? Последний вопрос представляется очень важным, так как
серьёзное научное исследование, как правило, требует введения каких-либо
количественных характеристик рассматриваемых процессов, что позволяет
осуществлять экспериментальную проверку точности описания реального
мира, обеспечиваемой в рамках предлагаемой модели, и заниматься
прогнозированием поведения системы на будущее.
Итак, первый вопрос, который мы себе поставим, заключается в поиске
некого достаточно универсального параметра, при помощи которого мы
могли бы описывать эволюционирующие системы вне зависимости от их
конкретной физической реализации. В качестве такого параметра автор
предлагает использовать объём их памяти. Действительно, любая адаптация
181
системы к локальным и глобальным изменениям окружающей среды
невозможна, если система не умеет распознавать различные состояния
внешней среды (точнее говоря, сигналы, приходящие в неё из внешней
среды), так как для выработки адекватной реакции на новую ситуацию ей
необходимо, по крайней мере, отнести эту ситуацию к одному из
стандартных типов, “правильную” реакцию на который она уже знает из
своего предыдущего опыта. Но для различения и узнавания нужно сравнить
образ текущей ситуации с ранее запомненными образами стандартных
ситуаций, хранящимися в памяти. Таким образом, без реализации в том или
ином виде механизма памяти никакая адаптация невозможна. Попутно
отметим, что наличие памяти требует постоянного притока энергии в
систему, так как для любого перевода системной памяти из одного состояния
в другое необходимо преодолеть потенциальный барьер, защищающий
память от внешних шумовых воздействий. Стирание памяти любой сложной
эволюционирующей системы неизбежно приводит к её деградации и хаосу,
так как система больше не может нормально функционировать. Это касается
всех систем, от простейших вирусов до механизма человеческого сознания.
Итак, память, по-видимому, является обязательным атрибутом любой
сложной системы, способной функционировать в динамической внешней
среде. Отсюда и возникает вполне естественный вопрос – нельзя ли в
качестве универсальной характеристики системы использовать объём её
системной памяти? Действительно, на интуитивном уровне представляется
очевидным, что чем сложнее система, тем большими объёмами информации
она оперирует. Соответственно, должен возрастать и объём памяти для
хранения этой информации и манипулирования ею.
С этой точки зрения любопытно проследить за эволюцией жизни на
Земле. Как известно, по современным представлениям первые следы
жизнедеятельности на нашей планете в виде останков бактерий наблюдаются
в геологических породах, имеющих возраст около 3.5 млрд. лет. Что
выполняет функцию памяти у бактерий? Очевидно, что это генетический код
ДНК. Биологи традиционно измеряют размер геномов в количестве
нуклеотидных пар (длине кода). Однако для наших целей будет удобнее
измерять длину кода ДНК в битах. Так как всего для кодирования
используется 4 нуклеотидных остатка, то для получения объёма кода в битах
нужно просто умножать “традиционную” длину кода на два.
Длина наименьшего генетического кода, из всех ныне живущих на
Земле бактерий, составляет около 10^6 бит. (Если говорить только о
бактериях, способных автономно жить в неорганическом окружении, то
длина их ДНК несколько больше, но мы будем предполагать, что среда, в
которой жили первые бактерии, представляла из себя “органический бульон”.
В любом случае, учёт длины кода бактерий, способных жить автономно,
увеличивает указанную величину примерно в 2 раза, а не на порядки). Так
как не все организмы эволюционируют в сторону увеличения длины ДНК, то
можно предположить, что длина генетического кода первых бактерий была
сравнима с указанной выше величиной. Важным этапом, резко увеличившим
182
эффективность механизма генетического отбора, явилось “изобретение”
полового размножения, при котором особи получили возможность
попарного обмена накопленной генетической информацией. Запомним это
факт, так как он ещё пригодится нам в будущем. Этап возникновения обмена
информацией между прежде практически независимо (за некоторыми
исключениями) функционирующими организмами учёные относят к периоду
примерно 1.5 млрд. лет тому назад. Сделали это “изобретение”, судя по
всему, простейшие, предки современных инфузорий. Длина генетического
кода простейших (например, амёб) составляет по порядку величины 10^7
бит. Следовательно, за 2 млрд. лет эволюции объём памяти наиболее
совершенных на тот период времени эволюционирующих систем
увеличился примерно на порядок. Таким образом, получаем, что средняя
скорость удвоения объёма памяти наиболее сложных биологических систем в
течение 2 млрд. лет от момента появления первых признаков жизни на нашей
планете составляла примерно 600 млн. лет. Не напоминает ли это
уважаемому читателю некий, до боли знакомый, закон развития современной
вычислительной техники? Ну да, конечно же, это очень похоже на закон
Мура, только вот период удвоения не 18 месяцев, а 600 млн. лет. Ничего не
поделаешь, вначале поступь её величества эволюции было очень неспешна...
Кстати говоря, приведённые выше оценки косвенно подтверждают
теорию зарождения жизни вне Земли, причём, вполне возможно, что жизнь в
виде самореплицирующихся полимерных молекул появилась ещё до
формирования солнечной системы. Действительно, если длина кода
простейших бактерий, первые признаки жизнедеятельности которых
относятся к периоду, отстоящему от нас примерно на 3.5 млрд. лет,
составляет 10^6 бит, а скорость удвоения длины кода примерно 600 млн. лет,
то, экстраполируя эту зависимость в прошлое, мы получим, что генетический
код со сложностью порядка нескольких бит мог существовать уже примерно
13.5 млрд. лет тому назад, то есть в те времена, когда ни Земли, ни Солнца
ещё не было. Более того, не исключено, что простейший механизм
саморепликации и соответствующая конкуренция различных устойчивых
молекулярных структур возникли почти сразу же после Большого Взрыва.
Напомним, что возраст Вселенной в настоящее время оценивается
астрофизиками в 13.7 млрд. лет. Но мы несколько отвлеклись от истории
эволюции. Перед тем, как продолжить дальнейший экскурс в историю
биологической эволюции, хотелось бы сразу подчеркнуть, что
эволюционный процесс может быть представлен в виде достаточно гладкой
кривой лишь при рассмотрении на интервалах времени, существенно
больших, чем период удвоения информационной сложности системы. Он
задаёт как бы закон генеральной линии развития. При рассмотрении же на
меньших интервалах времени мы можем заметить локальные отклонения от
глобальной кривой, вызванные скачкообразным характером развития многих
конкретных видов.
Итак, около 1.5 млрд. лет назад возник механизм обмена накопленной
генетической информацией между особями, что резко ускорило скорость
183
эволюции. Что было дальше? 1.5 млрд. лет тому назад – простейшие, 600
млн. лет тому назад – появление первых многоклеточных типа медуз и
плоских червей, с длиной генетического кода порядка 10^7 бит. Примерно
400 млн. лет тому назад появляются первые предки насекомых, длина
генетического кода вырастает до 10^8 бит. Около 100 млн. лет тому назад
появляются первые птицы и млекопитающие с длиной генетического кода
порядка 10^9 бит. У некоторых из обитающих в настоящее время на Земле
видов (например, риса и табака) длина кода составляет величину порядка
10^10 бит (для сравнения, длина генетического кода человека около 6.6*10^9
бит). Если отложить соответствующие точки на графике в логарифмическом
масштабе, то можно увидеть, что сложность (длина) кода растёт по
экспоненте, увеличиваясь примерно на порядок за 200 млн. лет, что даёт
среднее время удвоения объёма генетической информации на этот период в
65 млн. лет. Итого, темп эволюции увеличился практически в 10 раз! Следует
также отметить, что данные, записанные в генетическом коде, обладают
довольно большой избыточностью. Например, информацию, содержащуюся
в генетическом коде человека, можно сжать любым стандартным
архиватором примерно в 10 раз. Таким образом, количество информации,
содержащейся в генетическом коде, примерно на порядок меньше длины
самого кода. С учётом этого обстоятельства можно в очень грубом
приближении принять, что количество информации, содержащееся в
генетическом коде, может быть оценено по формуле Ig= Kg*Lg, где Lg –
длина кода в битах, Kg – коэффициент порядка 0.1.
Но если предположить, что и в настоящее время длина генетического
кода является определяющей при оценке степени эволюционного
совершенства вида, то можно легко зайти в тупик. Действительно, длина
кода растения табака больше, чем длина генетического кода человека
примерно в полтора раза. Значит ли это, что табак на столько же “умнее”
человека? Очевидно, что это абсурд. Дело в том, что уже со времён
зарождения первых многоклеточных появился и стал постепенно развиваться
принципиально другой тип памяти биологических систем, основанный на
использовании нервных клеток. Он позволял переложить часть функций по
адаптации с уровня генетической памяти вида на уровень нейронной памяти
отдельного организма. Кстати говоря, то, что основная тенденция в развитии
животного мира в процессе эволюции состоит в прогрессивной эволюции
мозга у позвоночных животных (точнее говоря, можно говорить о
постоянном увеличении отношения массы головного мозга к массе тела),
было подмечено американским ученым Д. Дана и сформулировано им в виде
закона “цефализации” еще в середине XIX в.
Как соотносятся в количественном выражении генетическая и
нейронная типы памяти конкретного организма? Попробуем сделать очень
грубую оценку. Известно, что долговременная память в сетях нейронов
кодируется, по всей видимости, в виде факта наличия связей между
конкретными нейронами, а также величиной и знаком силы этих связей. На
самом деле, количество связей конкретного нейрона с другими нейронами
184
очень сильно (от единиц до нескольких десятков тысяч связей) варьируется
для разных участков мозга, но, в среднем, для человеческого мозга принято
считать, что один нейрон связан примерно с тысячей других нейронов.
Условимся для удобства расчётов, что примерно такое же соотношение
характерно и для других биологических организмов, имеющих нервную
систему. В этом случае объём информации, который потенциально может
храниться в головном мозге, можно оценивать по формуле In= K*Nn, где –
Nn – общее число нейронов организма, K – некий коэффициент. Если
исходить из того, что каждый нейрон в среднем связан примерно с тысячей
других, для кодирования номера нейрона достаточно 37-ми бит, а сила связи
может быть закодирована 7-ю битами, то коэффициент K можно принять
равным по порядку величины 10^5 бит. Тогда, зная количество нейронов в
головном мозгу у того или иного животного, можно оценивать сверху общий
объём информации, который может потенциально храниться в его нейронной
памяти. Например, для мозга человека получается цифра порядка 10^16 бит.
Величины такого порядка иногда упоминаются и в научно-популярной
литературе, когда авторы пытаются оценить объём памяти компьютера,
необходимый для полноценного моделирования человеческого интеллекта. В
реальности, однако, отнюдь не все нейроны головного мозга используются
для хранения получаемой из внешнего мира информации. Очень большое
количество информации в мозге хранится в виде врождённых генетических
программ (безусловные рефлексы, инстинкты, механизмы саморегуляции
организма и т.д.). Кроме того, очевидно, что, как и в случае с генетическим
кодом, данные в мозгу хранятся с определённой избыточностью, причём не
исключено, что эта избыточность может достигать весьма существенных
величин. Скажем, широко известно, что ежедневная гибель тысяч нейронов,
входящих в состав головного мозга, практически никак не сказывается на
умственных способностях человека. Чтобы оценить эту избыточность, можно
провести прямой эксперимент по вводу различной информации в
человеческий мозг и последующему извлечению её оттуда. Такие опыты
неоднократно проводились, и практически все они приводили к одному и
тому же выводу – скорость запоминания человеком новой информации
ограничена величиной в несколько бит в секунду. С учётом этого
обстоятельства, за всю свою жизнь человек физически не может запомнить
более 10^8-10^9 бит информации. Это на 7-8 порядков меньше
теоретического предела, приведённого выше. Если предположить, что
нейронная память других организмов обладает избыточностью примерно
такого же порядка, то окончательно получим следующую таблицу
информационной ёмкости различных биологических объектов:
Биологический
объект
Вирус
Ёмкость
генетической памяти
(биты,
порядок величины)
10^3 – 10^4
Ёмкость
нейронной памяти
(биты,
порядок величины)
0
185
Бактерия
Амёба
Червь
Насекомое
Мышь
Шимпанзе
Человек
10^5 – 10^6
10^6
10^6
10^7
10^8
10^8
10^8
0
0
10^0 – 10^1
10^3 – 10^4
10^6 – 10^7
10^7 – 10^8
10^8 – 10^9
Какие выводы можно сделать из приведённой выше таблицы? Например,
способность к обучению обычного дождевого червя, определяемая размером
его “не прошитой при рождении” генетической памяти составляет величину
всего в несколько бит. Ну что же, это, пожалуй, вполне согласуется с нашим
интуитивным представлением о сложности его поведения (без учёта
врождённых безусловных рефлексов). Для описания поведения таракана,
основанного на его индивидуальном опыте, нам потребуется уже около
нескольких килобайт данных. Если бы мы задались целью построить
максимально похожую на оригинал модель поведения таракана, то на
информацию, описывающую конкретный экземпляр, потребовалось бы
менее одного процента от общего для всех тараканов данного вида объёма
генетической информации. Это вполне согласуется с тем фактом, что
большая часть поведения насекомых определяется передаваемыми
генетически безусловными рефлексами. В то же время, “генетическая
составляющая” в поведении человека меньше, чем накопленная за время
жизни информация, основанная на индивидуальном опыте, с чем, видимо,
так же согласится большинство читателей.
Взяв из приведённой таблицы соответствующие точки (начиная с
червей) и отметив их на том же логарифмическом графике зависимости
информационной сложности организма от времени его появления, мы можем
вычислить период удвоения объёма информации в головном мозге, который
оказывается равным примерно 20 млн. лет. Таким образом, темп роста
сложности системы опять возрос более чем в три раза! Отметим также, что
следующий (нейронный) уровень памяти не уничтожает предыдущего
(генетического), а строится как бы над ним. Теперь давайте сравним объём
информации в мозгу человека с объёмом информации в мозгу, например,
слона. Выясняется, что потенциальная информационная вместимость мозга
слона превосходит мозг человека. Значит ли это, что слон “умнее” человека?
На интуитивном уровне ответ и на этот раз, очевидно, отрицательный. Но
почему? За счёт чего человек умнее имеющего мозг большего объёма слона?
Что бы это понять, давайте вспомним о многочисленных, документально
зафиксированных случаях воспитания ребёнка животными, например,
волками. Такие “Маугли”, будучи впоследствии возвращёнными в
нормальное человеческое общество, так и остаются на всю оставшуюся
жизнь с уровнем умственного развития волка. Таким образом, истоки силы
человеческого интеллекта следует искать не только в особенностях
биологического строения его мозга (хотя они, несомненно, так же очень
186
важны), но и в возможности общения, то есть активного обмена
информацией с соплеменниками. Лишённый в раннем детстве возможностей
такого общения, человек уже никогда не может догнать сверстников в
умственном отношении. Итак, человек отличается от других высших
животных примерно тем же, чем инфузория туфелька отличается от бактерии
– возможностью взаимного обмена большими объёмами информации. Только
теперь речь идёт уже не о генетической, а об индивидуальной памяти
организма. Это позволяет совершить очередной рывок в эволюционном
развитии.
Давайте теперь попробуем вкратце проследить за этапами
формирования вида homo sapiens.
По современным представлениям, общий для людей, горилл и
шимпанзе предок (дриопитек) отделился от остальных высших обезьян
примерно 10-15 млн. лет назад или даже ещё раньше. Потом от общего
видового дерева отделились гориллы, и, наконец, последними около 5 млн.
лет назад разделились виды человека и шимпанзе. Как известно, из
обитающих в настоящее время на Земле видов, шимпанзе являются нашими
самыми близкими “родственниками”. Различие в структуре наших геномов
составляет примерно лишь 1% (при том, что аналогичный показатель у двоих
людей, не находящихся в родстве – около 0.1%). В то время, когда пути
человека и шимпанзе разошлись, наши далёкие предки были представлены
австралопитеком с объёмом головного мозга около 400-600 см^3.
Австралопитеки жили небольшими группами по 20-30 человек и уже умели
использовать простейшие орудия природного происхождения типа палок и
камней. Примерно 2 млн. лет назад на смену австралопитеку приходит так
называемый “человек умелый” (Homo Habilis). Объём его мозга уже
достигал 700-800 см^3. Человек умелый постепенно научился пользоваться
огнём и изготавливать галечные орудия. У него в мозгу начинают
формироваться структуры для появления зачатков речи. Примерно 1 млн. лет
назад начинается дробление предков человека на несколько ветвей. Среди
них можно упомянуть, например, архантропов, питекантропов, синантропов.
Объём их мозга возрастает до 800-1200 см^3. Возникает и постепенно
совершенствуется первое искусственно сделанное человеком типовое орудие
труда – каменное ручное рубило. Многие исследователи считают, что
целенаправленная, осмысленная обработка камня свидетельствует о
появлении на данном этапе у наших предков понятийного мышления,
например, о возникновении понятия достаточно абстрактной цели. Около 300
тыс. лет тому назад на территории нынешней Европы и Западной Азии из
всех ветвей эволюции пралюдей резко выдвинулись в своём развитии
неандертальцы (Homo Neandertalis). Объём их мозга составлял от 900 до
1800(!) см^3, то есть иногда даже превосходил среднестатистический мозг
современного человека (около 1500 см^3). Судя по всему, именно
неандертальцы сделали много важных открытий, которыми впоследствии
воспользовались представители “нашей” ветви пралюдей homo sapiens.
Например, они, вероятно, уже умели строить простейшие шалаши из жердей
187
и звериных шкур, делать составные орудия (скажем, деревянные копья с
кремниевыми наконечниками), целенаправленно загонять зверей в
естественные ловушки и т.д. Кроме того, по всей видимости, у
неандертальцев уже появилось что-то типа смутной веры в загробную жизнь.
Во всяком случае, они клали в могилу к своим умершим родственникам
каменные орудия, животных и даже цветы. Около 30 тыс. лет назад по до сих
пор неясным причинам неандертальцы повсеместно исчезли. Одну из
возможных гипотез о причинах их вымирания мы рассмотрим ниже. Так как
возникновение вначале речи, а потом и языка у наших предков явились, судя
по всему, принципиально важными событиями, то следующий этап
эволюции целесообразно ограничить рамками от первых австралопитеков до
первых гуманоидов, способных к весьма развитому общению между собой,
то есть появления собственно языка. Язык у наших предков появился
примерно 100-150 тыс. лет тому назад. Таким образом, за примерно 5 млн.
лет объём мозга наших предков утроился, что даёт период удвоения порядка
2 млн. лет. Значит, темп эволюции “на данном участке фронта” в очередной
раз ускорился примерно в 10 раз!
Но, вернёмся к вопросу об исчезновении неандертальцев. Физически,
судя по всему, они были сильнее и выносливее наших прямых предков.
Объём их мозга им не уступал, а, возможно, что даже и превосходил.
Конечно, эволюция полна случайностей, и неандертальцем, может быть,
просто “не повезло”. Но можно предложить и другое объяснение. Некоторые
исследователи на основании сохранившихся черепов неандертальцев делают
предположение о том, что они не были способны к полноценной
членораздельной речи. Может быть, именно в этом и заключается разгадка
их почти мгновенного, по эволюционным меркам, исчезновения? Возможно,
что в индивидуальном плане, в том числе и интеллектуально,
неандертальцы превосходили наших предков, но, благодаря более высокому
уровню развития речи и языка, “человек разумный” превзошёл их на уровне
коллективного разума. Что я понимаю под коллективным разумом? Это
обобщённый разум системы, состоящей из всех совместно проживающих и
активно контактирующих людей. При этом каждый из людей, входящих в
систему, может хранить в памяти лишь часть необходимых ему знаний, так
как остальные знания хранят в своей памяти другие члены сообщества.
Таким образом, можно рассматривать человечество как единый
развивающийся организм с собственной памятью, включающей
определённую часть памяти каждого из членов сообщества. Для того, чтобы
оценить информационную ёмкость памяти человеческого сообщества как
единого организма, нам, безусловно, необходимо учесть её огромную
избыточность. Действительно, профессиональные знания людей одинаковых
профессий в значительной степени дублируют друг друга. С этой точки
зрения, для расчёта объёма памяти системы нужно учитывать лишь память,
занятую специфическими знаниями о конкретной профессии всех членов
общества, имеющих различные профессии. Другими словами, нам нужно
188
знать, сколько различных профессий существовало на разных этапах
развития нашей цивилизации.
От чего зависит количество профессий в человеческом обществе? По
каким законам оно растёт? Представляется логичным предположение, что
каждая вновь появляющаяся профессия связана с неким новым знанием или
новой технологией, которые появляются по мере развития общества. Для
работы с этими новыми технологиями в обществе и появляется нужда в
новых профессиях. Например, ещё каких-нибудь 50-60 лет назад по вполне
понятным причинам не существовало ещё ни профессии программиста, ни
профессии
космонавта,
ни
профессии
мастера
по
ремонту
видеомагнитофонов, ни многих других профессий. Таким образом, можно
предположить, что количество новых профессий растёт пропорционально
росту научно-технических инноваций, росту общего научно-технического
уровня общества. А чем, в свою очередь, определяется рост числа новых
открытий в области науки и техники? В 1999 г. вышла книга известного
российского учёного С.П. Капицы “Сколько людей жило, живет и будет жить
на земле. Очерк теории роста человечества”. В ней он, в частности,
убедительно показывает, что скорость развития человеческой цивилизации
прямо пропорциональна количеству её жителей. Именно ростом населения
Земли объясняется постоянное ускорение технического прогресса,
наблюдаемое на протяжении последних столетий. Те страны и локальные
цивилизации, которые волею судеб оказались изолированными, резко
отставали в своём развитии. В этом смысле показателен пример
американских индейцев, которые, начав после заселения американского
континента примерно с такого же уровня развития, что и евразийская
цивилизация, к моменту открытия Америки Колумбом уже отставали от неё
в техническом плане на тысячи лет, находясь примерно на уровне развития
цивилизаций шумеров или Египта времён Древнего Царства. На ещё более
низком уровне развития находились (видимо, именно в силу своей
малочисленности) австралийские аборигены.
Таким образом, у нас есть некие основания полагать, что число
профессий росло пропорционально росту населения Земли. А по какому
закону, в свою очередь, росло население Земли? С.П. Капица приводит как
результаты оценок палеонтологов, так и цифры, следующие из его
собственной модели роста человечества. Они, в среднем, дают близкие
результаты. Для начала каменного века, около 1.5 млн. лет назад, когда
отдалённые предки человека, по всей видимости, стали более-менее
регулярно использовать простейшие, слегка оббитые галечные камни, число
гоминидов (общее название наших предков, отделившихся ранее в
самостоятельную ветвь от других человекообразных обезьян), достигало 100
тыс. Примем, что тогда ещё не произошло разделение на профессии, другими
словами, число профессий равно 1. Тогда можно построить следующую
таблицу зависимости предполагаемого населения Земли и, соответственно,
числа профессий, от времени.
189
Время (лет тому
назад)
1.5 млн
100 тыс
10 тыс
5 тыс (3000 год до н.э.)
2 тыс. (начало н.э.)
1 тыс. (1000 г н.э.)
500 (1500 год н.э.)
250 (1750 год н.э.)
150 (1850 год н.э.)
100 (1900 год н.э.)
50 (1950 год н.э.)
20 (1980 год н.э.)
0 (2003 год н.э.)
Население Земли
Число профессий
100 тыс
1 млн
10 млн
20 млн
100 млн
200 млн
400 млн
700 млн
1200 млн
1600 млн
2800 млн
4400 млн
6000 млн
1
10
100
200
1000
2000
4000
7000
12.000
16.000
28.000
44.000
60.000
Если исходить из этой таблицы, то получим, что около 10 тыс. лет
назад, ко временам неолитической революции (переход от собирательства к
регулярному земледелию, появление первых городов и т.д.), жизнь людей
уже настолько усложнилась, что количество ремёсел приблизилось к сотне.
Около 2-3 тыс. лет до нашей эры появились первые государства. Государство
- это настолько сложный общественный организм, что его существование
немыслимо без участия людей сотен различных профессий. Эту оценку и
даёт таблица. К моменту расцвета Римской Империи количество профессий,
в соответствии с нашими оценками, должно было приблизиться к тысяче. А
что происходило в это время с темпами эволюции? В каменном веке они, в
очередной раз, ускорились примерно в 4 раза, составив период удвоения в
500 тыс. лет. Далее скорость роста продолжает стремительно увеличиваться.
В период, предшествующий неолитической революции, количество
информации, накопленной цивилизацией, удваивалось каждые 20 тыс. лет,
во времена Римской Империи – каждую тысячу лет, к моменту изобретения
Уаттом первой паровой машины (1765 г.) уже всего порядка сотни лет! При
приближении к современной эпохе темп удвоения становится прямо-таки
бешенным. 1900 г. – 50 лет, 1980 г. - 45 лет!
Попробуем теперь оценить рост абсолютной величины памяти
системы с именем Цивилизация. Как уже отмечалось выше, оценка величины
информационной сложности (объёма памяти) системы, состоящей из
множества различных элементов, непростая задача. С одной стороны, нужная
всем элементам системы информация, как правило, многократно
дублируется. Например, информация о том, как менять прокладки в
водопроводном кране, которая содержится в голове сантехника Петрова,
содержится в головах ещё тысяч других сантехников (да и многих
российских граждан других профессий тоже). С другой стороны, как
правило, каждый элемент, кроме общесистемной, содержит и свою
“личную”, так сказать, информацию, предназначенную лишь для
190
индивидуального потребления. Например, у всех из нас в мозгу хранится
довольно большой объём данных, который, кроме нас самих, и, возможно,
ограниченного круга наших знакомых, никому не интересен. Другими
словами, эти данные не представляют информационной ценности для всей
системы цивилизации в целом. Но как оценить ту долю информации, которая
является, так сказать, “общественным достоянием”? Можно предложить
такой (естественно, далеко не бесспорный) метод оценки. Предположим, что
скорость усвоения человеком информации различного рода примерно
постоянна. Тогда долю информации, которая может быть использована “на
общественные нужды”, можно оценить как отношение времени,
целенаправленного потраченного на обучение индивидуума в интересах
всего общества, к полному времени обучения. В настоящее время
государственная система образования берёт в свои руки обучение детей
примерно с 6-7 летнего возраста и заканчивает его, в общих чертах,
примерно к 20 – 25 годам. Во время обучения до половины времени
бодрствования организма посвящается учёбе. Принимая во внимание, что
средняя продолжительность периода, в течение которого человек активно
впитывает новую информацию, ограничена, в среднем, примерно 30-ю
годами, получим оценку доли “системной информации” в 25%. Другими
словами, например, информационная сложность системы “семья”, состоящей
из четырех человек, примерно вдвое больше, чем сложность каждого из её
членов в отдельности. Что касается многократного дублирования
общесистемной информации, то его, как уже отмечалось выше, можно учесть
в предположении, что не дублируется лишь системная информация людей,
принадлежащих разным профессиям. Таким образом, например, для
середины XX в. мы получим оценку порядка информационной сложности
нашей гуманоидной цивилизации в 10^12-10^13 бит.
Подведём краткий промежуточный итог. Как только язык развился до
той степени, при которой позволил людям свободно обмениваться
практически любой информацией, произошло смещение акцентов развития
эволюции с увеличения объёма мозга на увеличение численности его
носителей, так как с этих пор любое изобретение, сделанное одним
человеком, можно было очень быстро распространить среди всех остальных
членов общества. Чем больше людей вовлечено в систему, тем больше
скорость генерации и распространения изобретений, от использования
которых выигрывают все члены общества. И отнюдь не случайно население
Земли все последние столетия растёт, подчиняясь закону гиперболического
роста. Другими словами, растёт не только само население, растёт и сама
скорость роста. При этом интервал, необходимый для удвоения значения
функции народонаселения, постоянно уменьшается. Скорость роста при
гиперболическом законе возрастания зависит не от самого значения функции
(как при экспоненциальном росте), а от его квадрата. Если в качестве
значения функции принять количество людей на Земле, то квадрату этой
величины соответствует количество возможных связей между ними. Таким
образом, складывается ощущение, что закон роста народонаселения носит
191
информационный характер, и определяется глобальными тенденциями
развития эволюционного процесса в общепланетном масштабе. Этот факт
неоднократно подчёркивает в своей книге С.П. Капица. Отметим ещё раз, что
возможность реализации активного информационного взаимодействия
(связей) между людьми появляется лишь после появления достаточно
развитого языка, способного осуществлять обмен существенными объёмами
информации между отдельными людьми.
Теперь давайте рассмотрим другой носитель памяти, появившийся у
человечества сравнительно недавно. Я имею в виду письменность. Следует
отметить, что письменность - это нечто принципиально новое по отношению
к речи и языку. Конечно, язык явился одним из основных факторов,
способствующих появлению человечества. Но, всё же, не будем забывать,
что свой, весьма специализированный, язык есть и у многих видов животных,
включая насекомых с довольно примитивной нервной системой. Есть свой
язык общения и у всех стадно живущих млекопитающих. Часто этот язык
позволяет передавать довольно нетривиальную информацию. Здесь можно
упомянуть, например, опыты над муравьями и дельфинами, а также
расшифровку языка пчёл. Конечно, язык человека гораздо более развитый,
чем у животных. Но, всё же, в чём принципиальное отличие от языка
животных (кроме, естественно, большей гибкости и “словарного запаса”)
языка человека? На мой взгляд, ответ заключается в том, что человек
научился записывать свой язык, превратив его, таким образом, из средства
обмена информацией ещё и в средство хранения информации, то есть, своего
рода, долговременную коллективную память. Случилось это, судя по всему,
около 5 тыс. лет назад или около того. Вполне естественно, что после
изобретения письменности человечество стало записывать все свои знания,
то есть копировать их с не очень надёжного нейронного носителя на
глиняные таблички, папирус, бумагу и т.д. Начиная с этого времени, у
каждого грамотного индивида появилась возможность доступа к этому
новому типу памяти, сохраняющему тысячелетний опыт предков и
передающий его потомкам. Именно с этого момента стала возможной
передача неискажённой информации от одного человека тысячам других
людей, которые могли при этом отстоять от человека - источника
информации на многие десятки и сотни километров в пространстве, и годы
во времени. А с изобретением книгопечатания с разборным шрифтом (в XI в.
в Китае и затем в XV в. в Европе) появилась также возможность очень
быстро распространять вновь полученные знания для всех заинтересованных
специалистов. Так как скорость развития технологий очень сильно зависит от
скорости обмена информацией между составляющими общество людьми, то
изобретение книгопечатания, без преувеличения, можно назвать одним из
наиболее выдающихся изобретений цивилизации. Недаром вскоре после
этого в Европе началась так называемая Промышленная Революция, резко
ускорившая развитие всей западноевропейской цивилизации. Одним из
следствий этого ускорения явился быстрый рост процента грамотных людей
вообще и учёных и инженеров в частности, начиная примерно с XVII в. В
192
некотором смысле, этот процесс аналогичен росту доли массы головного
мозга относительно общей массы тела животных. За счёт этого объём
записанной информации в системе цивилизация стал расти даже быстрее,
чем росло количество составляющего её народонаселения. Так, например,
количество реферируемых научных журналов в середине 60-х г. ХХ в.
удваивалось примерно каждые 10 лет, в то время как население в то время
удваивалось лишь примерно каждые 45 лет. Таким образом, после
изобретения книгопечатания, книги и журналы стали наиболее динамично
растущим носителем информации. Как обычно, переход памяти на новый
носитель ускоряет развитие системы примерно на порядок, что собственно, и
произошло. Однако, по крайней мере, вплоть до середины XIX в.,
человеческий мозг оставался единственным устройством обработки
информации (или, говоря современным языком, процессором), которую он
«загружал» с внешнего печатного носителя и, после окончания обработки,
сохранял её там же в виде напечатанного на бумаге текста, формул, чертежей
и т.д. Так как те знания, которые по тем или иным причинам могли
представлять интерес для многих членов сообщества, были записаны и
впоследствии напечатаны, то можно попытаться сделать альтернативную
оценку объёма информации, накопленной человечеством, через объём
написанных им книг. Это тем более важно, так как мы в процессе наших
расчётов ввели довольно много неочевидных предположений и оценок,
взятых часто “на глазок”, и было бы полезно попытаться каким-либо
независимым способом проверить приведённую выше оценку количества
информации, накопленной человечеством в докомпьютерную эпоху, в 10^1210^13 бит. Крупнейшей библиотекой в мире считается библиотека Конгресса
США. Объём только текстовой информации, которую она содержит,
оценивается в 7 Тбайт или, иначе говоря, порядка 10^13 бит. Когда две
оценки, полученные совершенно разными методами, дают близкие
результаты, это косвенно подтверждает их объективный характер.
Давайте ещё раз вернёмся к книге С.П.Капицы. Одним из выводов его
теоретической модели роста человечества является приостановка действия
закона гиперболического роста, неуклонно выполнявшегося до этого
десятки, а возможно, и сотни тысяч лет, в 60-е г. ХХ в. Причина этого вполне
понятна и объяснима. Дело в том, что существуют определённые пределы
скорости роста, обусловленные особенностями человека как биологического
и социального существа. Это приводит к тому, что при приближении
параметра скорости удвоения экспоненциального роста к пределу,
определяемому средним детородным возрастом, ускорение системного
времени начинает всё больше отставать от закона гиперболического роста.
Другими словами, мы выходим на предел ускорения внутрисистемного
времени. К чему это может привести? Предсказание С.П.Капицы довольно
пессимистично – мы подошли к пределу ускорения роста, после чего рост
скорости научно-технического прогресса должен стабилизироваться, так как
все резервы для его ускорения, действовавшие ранее, оказываются
исчерпанными. Правда, в своих последних интервью С.П.Капица довольно
193
туманно намекает на возможность некого качественного изменения
человечества, но для этого, в любом случае, потребуется не один десяток лет.
А законы системного развития “предписывают” на ближайшие годы не
замедление, а как раз наоборот, ускорение темпов эволюционного развития.
Итак, возможна ли в принципе приостановка прогресса в развитии нашей
цивилизации? Как говорится, кто мы такие, откуда, и куда идём?
Для того, чтобы попытаться ответить на этот вопрос, можно обратиться
к результатам исследований в науке о поведении нелинейных открытых
эволюционирующих систем – синергетике. Эти исследования говорят о том,
что в саморазвивающихся системах с положительной обратной связью
достаточно типичны процессы, когда некоторый параметр за конечное время
стремится принять бесконечное значение. Это так называемые режимы с
обострением. Как математический анализ подобных моделей, так и
эксперименты показывают, что вблизи точки сингулярности такие процессы
становятся неустойчивыми, то есть вся структура практически мгновенно
разрушается под действием малых случайных возмущений. Весь процесс
эволюции есть процесс непрерывно ускоряющегося усложнения
самоорганизующихся структур. Следовательно, невольно напрашивается
вывод... Впрочем, об этом дальше. А пока вернёмся к прогнозу С.П.Капицы.
Стоит ли и нам присоединиться к этому настораживающему любителей
технических инноваций прогнозу? На мой взгляд, особенных поводов для
пессимизма нет. Режимы стабилизации структуры, в уже начавшемся
процессе с обострением, в природе не наблюдаются... Вспомним, что
происходило на всех предыдущих этапах развития материи, когда резервы
экстенсивного развития предыдущего способа хранения и передачи
информации оказывались исчерпанными? Появлялся новый способ хранения
и обработки информации, причём обычно имеющий от нескольких раз до
нескольких десятков раз большую скорость роста системной памяти.
Примечательно, что такой способ появился и при исчерпании резервов роста
за счёт увеличения народонаселения и на этот раз, причём, достаточно
широкое распространение он получил как раз в конце 50-ых, начале 60-ых
годов. Речь, как вы, вероятно, уже поняли, идёт об универсальных цифровых
вычислительных машинах. А вскоре Мур сформулировал свой знаменитый
закон...
В настоящее время такие базовые параметры компьютеров как объём
памяти и быстродействие удваиваются примерно каждые полтора года.
Таким образом, даже если не учитывать ежегодный рост производства
компьютеров в мире, их вычислительная мощность удваивается примерно на
порядок быстрее, чем растёт объём информации, добываемой человечеством
в последние десятилетия. Конечно, рост производительности процессоров и
объёма памяти сам по себе ещё не гарантирует того, что они будут
осмысленно использоваться для извлечения, хранения и обработки новой
информации, но, по крайней мере, делают это возможным. По подсчётам
аналитиков компании Gartner Dataquest, в настоящее время в мире
используется примерно около полумиллиарда персональных компьютеров.
194
Конечно, большая часть информации, которую они хранят, либо
дублируется, либо не представляет интереса для цивилизации с
информационной точки зрения. Исходя из практики той фирмы, в которой я
работаю, я бы грубо оценил количество действительно уникальной и ценной
информации, содержащейся на неком усреднённом персональном
компьютере, в 1 Мбайт. Эта оценка получена, исходя из объёма памяти,
которую занимает в сжатом виде та система, которую мы разрабатываем,
делённого на общее число компьютеров, которое имеют на работе и дома все
сотрудники нашей компании. Таким образом, количество информации,
содержащейся в настоящее время на всех персональных компьютерах в мире,
можно весьма грубо оценить в 4*10^15 бит. Величина примерно такого же
порядка получается и другими независимыми методами оценки. В начале 80х г. прошлого века, когда персональных компьютеров ещё практически не
было, большая часть памяти системы цивилизация располагалась на
бумажных носителях и, как мы отмечали выше, имела размер порядка
10^13 бит. Таким образом, рост её системной памяти за последние 20 лет
составил примерно 2-3 порядка, что даёт период удвоения около двух-трёх
лет. Это близко к оценке, следующей из закона Мура, что, опять же,
косвенно подтверждает её справедливость. Если принять период удвоения
числа научно-технических публикаций на начало 80-х г. в 10 лет, то имеем в
наличии очередной скачок скорости роста объёма памяти цивилизации в 3-5
раз.
Вообще говоря, если рассматривать сегодняшнюю цивилизацию как
саморазвивающуюся информационную систему, то можно сделать вывод о
том, что на данном этапе для поддержания прежних темпов развития она
должна в качестве обязательных элементов включать как компьютеры, так и
человечество. Дело в том, что всё развитие эволюционирующих систем на
Земле, начиная от первых простейших биологических организмов и кончая
современным этапом, шло тривиальным методом “проб и ошибок” или,
другими словами, методом перебора. По мере ускорения развития перебор
осуществлялся на всё более высоких уровнях управления, но сам принцип
неизменно оставался одним и тем же. Это было хорошо показано в книге
В.Ф.Турчина “Феномен науки. Кибернетический подход к эволюции”,
написанной ещё в 70-х г. XX в. Переход с одного уровня, на котором
осуществлялся перебор (в вышеназванной книге речь идёт об уровнях
управления, но это, на мой взгляд, дела существенно не меняет), на более
высокий уровень Турчин называет метасистемным переходом. Если говорить
о сегодняшнем дне, то перебор, например, в науке, осуществляется путём
отбора из множества гипотез, предлагающихся различными учёными, лишь
тех, которые не противоречат экспериментальным данным и всему уже
построенному до них зданию науки. Перебор в технике проявляется в виде
конкурентной борьбы между различными технологическими решениями,
предлагаемыми на рынке конкурирующими фирмами и т.д. Однако,
перебираются не все возможные варианты решений, а лишь те из них,
которые, в соответствии с накопленной к текущему моменту времени
195
информацией, с наибольшей вероятностью могут привести к успеху. Это
позволяет существенно сокращать дерево перебора, избегая проблемы
комбинаторного взрыва. Так же, как и в шахматах, компьютеры в идущей в
настоящее время “игре в цивилизацию” могут на много порядков быстрее
людей считать конкретные варианты возможных решений, но отсев из всего
множества решений только тех, которые представляются перспективными,
гораздо лучше пока получается у людей. Таким образом, на данном этапе
развития мы имеем своеобразную человеко-машинную цивилизацию, причём
каждый из обоих её компонентов нуждается в другом для продолжения
успешного развития. Однако тенденция такова, что человек постепенно
вытесняется из производственной сферы, передавая всё больше функций
машинам и компьютерам. И в этом, судя по всему, есть своя неизбежная
логика. Дело в том, что уже упоминавшийся закон гиперболического роста
принципиально отличается от закона экспоненциального роста тем, что он
имеет во времени некую предельную точку, в которой значение функции
стремится к бесконечности. По расчётам С.П.Капицы, координаты этой
точки сингулярности во времени соответствуют примерно 2025 г. Другими
словами, для поддержания сложившихся темпов ускорения развития
цивилизации население Земли к 2025-ому году должно стать бесконечным.
Очевидно, что это невозможно. Более того, уже сейчас форма кривой роста
начала отклоняться от гиперболы в сторону замедления развития. Но это
может означать лишь одно – человеческая цивилизация, как передний фронт
развития эволюционирующей информационной системы, близка к
исчерпанию ресурсов своего вклада в её развитие и в масштабах системного
времени очень скоро может быть заменена на что-то другое. Судя по всему, в
настоящий момент мы находимся как раз примерно в середине этого
переходного периода. Сейчас один учёный или инженер, вооружённый
обычным персональным компьютером, часто может сделать за один день
работы больше, чем тысячи учёных и инженеров могли сделать лишь за
многие годы ещё каких-нибудь 60 лет назад. Это стало возможным благодаря
тому, что после появления цифровых процессоров появилась возможность
перенесения на альтернативный нейронному носитель не только процесса
хранения, но и процесса обработки информации. Таким образом, скорость
роста накопленной цивилизацией информации начинает зависеть уже не
столько от общего количества людей, вовлечённых в эволюционный процесс,
сколько от степени совершенства аппаратного и программного обеспечения
компьютеров. Этот эффект приводит к тому, что для продолжения роста
сложности системы уже больше нет необходимости в увеличении
численности населения, вполне достаточно оказывается количественного
(hardware) и качественного (software) роста параметров вычислительной
техники.
Кстати говоря, если учитывать изменение скорости вычислений в
пересчёте на один доллар (с поправкой на инфляцию), обеспечиваемое
различными вычислительными устройствами начиная с начала XX в., то
можно обобщить закон Мура, получив кривую указанной зависимости на
196
достаточно больших промежутках времени. Это было выполнено известным
американским учёным и изобретателем Рэем Курцевейлом, который, нанеся
соответствующие точки на график, пришёл к выводу, что на достаточно
больших промежутках времени закон Мура так же носит гиперболический
характер, то есть период времени, в течение которого вычислительная
мощность удваивается, тоже постоянно сокращается. По расчётам
Курцвейла, соответствующая точка сингулярности, при которой
вычислительная мощность становится равной бесконечности, приходится на
вторую половину XXI в. Естественно, что опять найдутся какие-то
системные ограничения, которые этому помешают, но, тем не менее, во
второй половине XXI в., или даже несколько раньше, скорость увеличения
информационной сложности системы, по всей видимости достигнет таких
величин, что человечество попросту не будет успевать к ним адаптироваться.
Другими словами, люди вообще перестанут понимать, что происходит,
подобно тому, как мы не можем понять содержание фильма, который
просматриваем в режиме быстрой перемотки ленты на видеомагнитофоне.
Системное время спрессуется до такой степени, что оно будет идти как бы в
другом измерении по отношению к нашему социально-биологическому
времени...
Пожалуй, первым, кто обратил внимание на весьма большую
вероятность подобного развития событий, был американский математик,
много занимавшийся проблемами программного обеспечения компьютеров,
Вернор Винж из университета Сан-Диего. В 1993 г. он опубликовал статью
под названием “Технологическая сингулярность”, в которой доказывал, что
создание аппаратно-программных компьютерных (или, на начальных этапах,
человеко-компьютерных) комплексов приведёт к мощной положительной
обратной связи, позволяющей во всё ускоряющемся темпе строить ещё более
совершенные комплексы, которые, в свою очередь, могут ещё более
ускоренными темпами строить ещё более совершенные комплексы, и так до
бесконечности. Ту точку во времени, за которой начинается этот
взрывообразный процесс, он и назвал точкой сингулярности. В этой же
статье Винж указал и свои оценки сроков наступления “эры сингулярности”.
По его словам, это случится в течение следующих 30-ти лет (от 1993 г.), что
соответствует точке сингулярности в 2023 г. Сравнив координаты этой точки
во времени с координатами точкой сингулярности С.П.Капицы (2025 г.) и
учитывая, что обе эти даты были получены совершенно разными методами,
остаётся лишь подивиться такому странному совпадению и, прислушавшись
к себе, почувствовать, как холодок начинает пробегать у нас по спине...
Кроме предполагаемой даты наступления “постчеловеческой эры”, Винж
даёт также свою оценку доверительного интервала. Он пишет, что будет
удивлён, если ЭТО случится до 2005 г. или после 2030 г. Американский
учёный приводит два признака, по которым, по его мнению, можно будет
косвенно судить о приближении цивилизации к точке сингулярности. В
качестве одного из признаков он называет резкое увеличение
технологической безработицы, которая, в конце концов, приведёт к полному
197
вымыванию людей из процесса производства вначале в западных странах, а
потом и во всём мире. С моей точки зрения, “процесс уже пошёл”. Несмотря
на непрерывно уменьшающуюся продолжительность рабочей недели и
увеличение периода отпусков, безработица в ведущих западных странах не
только не сокращается, но даже имеет в последнее время явную тенденцию к
росту. В качестве второго признака Виндж указывает на резкое сокращение
периода времени, который проходит от высказанной кем-то абстрактной
технологической идеи до её повсеместного всеобщего распространения. Я бы
лично от себя добавил также третий признак – постепенное слияние
компьютеров и человеческого мозга, что, в конце концов, приведёт к
практически полному стиранию грани между белковыми и кремниевыми
компонентами. Точнее говоря, будет происходить постепенная замена белка
на кремний. Этот процесс, как следует из последних сообщений с научного
фронта (эксперименты по непосредственному мысленному управлению
реальными физическими устройствами, эксперименты по расширению
стандартных органов чувств за счёт обеспечения возможностей
ультразвукового восприятия, замена некоторых частей мозга (гипокамп)
кремниевым чипом и т.д.), тоже вовсю набирает скорость. Короче говоря,
процесс с положительной обратной связью или, другими словами, процесс с
обострением явно имеет место быть.
А теперь самое время вспомнить, чем, в соответствии с законами
синергетики, заканчивается любой процесс с обострением? Как вы, вероятно,
помните, он заканчивается очень быстрым, в масштабах системного времени,
разрушением
всей
структуры
и
скачкообразной
ликвидацией
неоднородности, до этого упорно сопротивлявшейся второму закону
термодинамики. Говоря по-простому, это конец эволюции структуры и её
смерть. Что этот закон сулит нашей цивилизации? В общем-то, ничего
особенно оптимистичного он ей не сулит. Приближающиеся признаки
неустойчивости в последние десятилетия мы уже наблюдаем (Карибский
кризис, 11 сентября и т.д.). Ничего не поделаешь, развиваясь и накапливая
энергию, система сама добавляет пороху в пороховой погреб, увеличивая
вероятность того, что случайно брошенный кем-то окурок приведёт к
разрушительному взрыву всего здания. И вероятность этого, по мере
приближения к точке сингулярности, только растёт. Не в этом ли и
заключается разгадка парадокса, мучившего многие лучшие умы
человечества (включая советского астрофизика И.Шкловского, автора
широко известной книги “Вселенная, жизнь, разум”, в последние годы его
жизни) – “Почему молчит Вселенная?”. Если жизнь - это вполне обыденное и
рядовое явление во Вселенной, развивающееся всюду, где для этого есть
подходящие условия, то где те суперцивилизации, которые должны были
уйти от нас в своём развитии на миллионы лет вперёд? Почему мы нигде не
видим результатов их деятельности? Ведь если развитие земной цивилизации
будет продолжаться такими же темпами, как и сейчас, то мы можем
наводнить всю нашу Галактику следами нашей жизнедеятельности (колонии,
автономные энергетические станции и станции наблюдения и т.д.) за какие198
то сотни тысяч лет! Так не потому ли их нет, что любой режим развития
жизни с обострением на определённом этапе неизбежно заканчивается
“смертью” системы?
Этот вывод может показаться чересчур
пессимистичным, но, увы, именно таков, с моей точки зрения, достаточно
вероятный прогноз будущего нашей цивилизации на ближайшие 50-100 лет.
Сколько нам ещё осталось? А стоит ли об этом задумываться? Живём же мы,
полностью осознавая, что, в конце концов, умрём. Так и наша цивилизация,
подчиняясь всеобщим законам природы, в конце концов, превратится в прах.
Но, может быть, как и в случае с нашей индивидуальной смертью, не стоит
слишком много думать о том, когда конкретно это случится...
Резюмируя, хотелось бы ещё раз подчеркнуть, что грубые числовые
оценки с точностью до порядков величин показывают, что логика развития
эволюционирующих систем вообще и нашей цивилизации в частности дают
основания полагать, что достаточно туманное понятие, которое в настоящее
время скрывается за расплывчатой формулировкой Искусственный
Интеллект, по всей видимости, в ближайшие несколько десятков лет обретёт
вполне реальные очертания, и постепенно полностью заменит человека в
качестве “переднего фронта эволюции”. Видимо, ещё через некоторое время
после этого та система, которая в итоге появится как результат
эволюционного развития нашей цивилизации, прекратит своё существование.
Мы все живём в уникальную эпоху, завершающую цикл эволюционного
развития, продолжавшийся до этого миллиарды лет. Но в любом случае,
когда бы ни наступила развязка, эволюция во Вселенной на этом не
закончится. Возможно, что опять на планете Земля и, почти наверняка, на
других подходящих планетах, будут вновь и вновь зарождаться, взрослеть и
умирать цивилизации, продолжая вечную игру под названием Жизнь и
Смерть...
199