Текст книги "Инновационная сложность"
Автор книги: "Правова група "Домініон" Колектив
сообщить о нарушении
Текущая страница: 32 (всего у книги 38 страниц)
Теперь можно было бы представить себе технику, которая на первый взгляд не занимается распознаванием эмоций: сначала тепловизионная камера регистрирует различные образцы кровоснабжения, свойственные выражениям лица, которые затем различаются и классифицируются нейронной сетью. Робот, как предполагается, может при этом различить радость, печать, отвращение и т. д. Это была бы система, работу которой в смысле теста Тьюринга нельзя было бы отличить от поведения человека, но она как раз-таки функционировала бы иначе.
Традиционно проводят различие между слабым и сильным искусственным интеллектом: системы со слабым искусственным интеллектом только имитируют когнитивные или интеллектуальные способности, тогда как системы с сильным искусственным интеллектом обладают ими. При слабом искусственном интеллекте робот имитирует с помощью эмоционального выражения лица только одно эмоциональное состояние. Мог бы робот в смысле сильного искусственного интеллекта также и воспринимать эмоции?
Также и в этом отношении существуют предварительные проекты. В сложной системе нейронной сети уже на протяжении ряда лет пытаются смоделировать поведение маленьких детей[390]390
Picard R. W. Affective Computing. Cambridge (MA): MIT Press, 1997.
[Закрыть]. Для этого эмоциональные прототипы можно представить как узлы в некой сети. На самом деле мы ведь не всегда либо радостно возбуждены, либо совершенно грустны, а находимся в некотором смешанном состоянии, в котором все эти прототипы соединены в различных степенях. При этом эмоциональные прототипы находятся во взаимодействии друг с другом, как узлы в сети, и в большей или меньшей степени возбуждены или подавлены. Когда я, например, получаю печальное сообщение, степень интенсивности моей радости спадает, а степень интенсивности грусти увеличивается.
Теперь можно составить уравнения, которые определяют интенсивность эмоциональных прототипов, например, радости, в определенный момент времени – в зависимости от взаимодействия с другими эмоциональными прототипами в этот момент времени, тормозящего или усиливающего. В дополнение к этому можно принять во внимание еще и другие влияния тела, такие, например, как гормональные воздействия, голод, жажда и т. п., и, поскольку это уравнение движения является зависимым от времени, также и состояние в предыдущий момент времени как определяющее для настоящего эмоционального состояния. Поскольку существуют различные эмоции, мы бы имели в итоге систему из многих уравнений, которые так сказать генерируют для каждого момента времени смешанное эмоциональное состояние системы.
Конечно, речь идет при этом прежде всего только о математической модели сложной динамической системы, а именно о системе уравнений для изменяющейся во времени степени интенсивности эмоциональных прототипов. Но ничто не препятствует тому, чтобы построить нейрохимическую систему с сенсорами, которая способна ощущать в соответствии с моделью этих уравнений. Это были бы тогда, возможно, не наши человеческие ощущения, так как телесность иначе реализована, но это были бы виды ощущений, подобные различным ощущениям человеческих организмов. Этот подход может быть в дальнейшем уточнен и развит в рамках математической модели Ходжкина-Хаксли. При этом математическая модель нейронной динамики, например, лимбической системы, будет играть важную роль. В рамках флагмановского проекта ЕС «Человеческий мозг» закладывается эмпирическое пробное основание для проверки предсказаний и объяснений этой модели.
Сильный искусственный интеллект (ИИ), следовательно, технически вполне мыслим и отнюдь не исключен. Правда встает вопрос, до какой степени нам следует развивать способности ощущений системы, чтобы из этических соображений избежать ненужных страданий[391]391
Müller О. et al. (Hg.) Das technisierte Gehirn. Neurotechnologien als Herausforderung für Ethik und Anthropologie. Paderborn: Mentis, 2009.
[Закрыть].
В рамках исследований классического ИИ в течение долгого времени полагали, что можно представить человеческий разум квазимеханически в программных правилах. Были успешно реализованы многие обширные и сложные выполнения программы, например, в промышленности при управлении производственной линией. Из-за применяемых при этом программных строк, состоящих из формальных символов, мы говорим также о символическом ИИ. Однако было бы иллюзией намереваться имитировать таким образом все умственные способности человека. За этим стоит старая вера, в соответствии с которой ум и машина, подобно телу и уму, разведены как софтвер и хардвер, и дело упирается только в то, чтобы записать все умственные способности в программе. Этого может быть достаточно для моделирования отдельной моторной или когнитивной функции. Чтобы имитировать динамику мозга и связанных с ней ментальных состояний человеческого организма, требуется техническая рамочная модель для отелесненного разума (embodied mind).
Даже роботы, каждый из них, имеют собственные тела, с помощью которых они развивают свой опыт и тем самым свой вид интеллекта, который не должен быть таким же, как наш. Мы говорим о «телесном» ИИ (embodied AI). И другие живые существа развили в ходе эволюции свои собственные формы интеллекта. Интеллект возникает, таким образом, через преодоление сложности в соответствующем окружающем мире как системе. Согласно представленной здесь рабочей гипотезе, интеллект не обязательно связан, к примеру, с сознанием, как у нас, у людей; он связан со способностью решать специфические проблемы. Степень интеллекта зависит от степени сложности проблемы, которую всякий раз необходимо решить. Мы, люди, очевидно представляем собой гибридные системы со многими способностями, которые в ходе эволюции ни в коей мере не должны были развиться именно так. Гибридная система нашего органического оснащения и наши способности могли бы выглядеть иначе при другом историческом ходе развития[392]392
Mainzer К. Organic computing and complex dynamical systems. Conceptual foundations and interdisciplinary perspectives // Organic Computing / Hg. von R. P. Würtz, Berlin: Springer, 2008. P. 105–122.
[Закрыть].
4. Коэволюция автономных социотехничеших систем
4.1 Киберфизические системы
В центре дебатов о телесности (embodiment) ментальных способностей и робототехники стоит понимание, что процессы, протекающие в когнитивной системе, в отличие от классического ИИ, не могут быть поняты в отрыве от телесных данных системы, ее ситуативной встроенности и ее динамического взаимодействия с окружающей средой.
Этот тезис можно перенести с отдельной системы роботов на глобализированный интернет-мир. Также и здесь традиционно проводят строгое различие между физическим («реальным») и виртуальным миром. Вместо этого действуют, к примеру, врачи и инженеры с поддержкой посредством виртуальных приборов в физически реальном мире. При проведении операции виртуальное изображение органа с точными информационными данными и данными измерений способствует точному оперативному вмешательству. Вместо виртуальной реальности (virtual reality) говорят о расширенной реальности (augmented reality), стало быть, о расширении физического мира через применение приборов виртуальной реальности[393]393
Mainzer K. From Embodied Mind to Embodied Robotics: Humanities and System Theoretical Aspects // Journal of Physiology (Paris). 2009. Vol. 103. P. 296–304
[Закрыть].
В техническом плане ключевую роль играют при этом меха-тронные системы, в которых интегрированы механические и электронные системы с относящейся к ним технологией сенсоров. При этом может идти речь, например, о домашних приборах, технически оснащенных сенсорами, в интеллигентном доме, а также и об автомобиле, который через сателлит и сенсоры индивидуально определяет свои маршруты, скорости и безопасные дистанции. Тем самым интернет может быть «воплощен» в сети взаимодействующих приборов, вещей и людей: вещи сами воспринимают себя через сенсорные технологии и нами, людьми, воспринимаются и подвергаются манипуляциям. В этом смысле говорят об интернете вещей.
Системы управления, которые встроены, например, в современные автомобили и самолеты и состоят из множества сенсоров и исполняющих устройств, больше не соответствуют строгому делению вещей физического мира и компьютерного мира. В информатике теперь говорят о киберфизических системах, которые распознают свое физическое окружение, обрабатывают эту информацию и согласованно влияют на физическое окружение. Для этого необходимо сильное сопряжение физической модели применения и компьютерной модели управления. Речь при этом идет об интегрированных целостных состояниях взаимодействующих человеческих мозгов, в значительной степени автономных информационных и коммуникационных систем и физических вещей, и приборов[394]394
Mainzer К. Die Berechnung der Welt. Von der Weltformel zu Big Data. München: С. H. Beck, 2014.
[Закрыть].
Конкретными примерами служат умные решетки (smart grids), а именно адаптивные и в значительной степени автономные энергетические сети, которые в Германии после энергетического поворота стали очень актуальными. Мы можем уже сегодня через интернет получать информацию, когда в нашем домашнем хозяйстве какой именно прибор наиболее выгодно можно было бы подключить к электрической сети. Это для многихлюдей чересчур хлопотно и даже не осуществимо, поскольку тем самым к ним применяются завышенные требования. Следующим шагом будут интеллектуальные программы (виртуальные агенты), которые молниеносно договариваются о выгодных ценах на электричество, получая скидки. Пользователи сети становятся, наоборот, поставщиками энергии, когда их дома по причине лучшей тепловой изоляции и новых энергетических технологий (например, фотовольтаики, биогаза и т. п.) неизрасходованную электроэнергию отдают в сеть. Там общая энергия автономно контролируется, распределяется и уравновешивается виртуальными агентами: облако (Cloud) IT-мира, в котором сохраняются все данные и программы, сплавляется с физической инфраструктурой человеческой цивилизации.
Рис. 5: Киберфизическая система транспортной сети (Вгоу 2010)
Увеличивающаяся автономия сети означает также новые требования к контролю. Агентские программы, к примеру, в финансовой системе, ясно показывают, как могут обостряться финансовые кризисы, когда автономные программы в доли секунды производят сумасшедшие покупки и продажи, которые для людей уже не обозримы.
С математической точки зрения речь идет при рассмотрении этих сетей о сложных системах с нелинейной динамикой, с которой мы уже познакомились на примере клеток, организмов и мозгов. Нелинейные побочные действия этих сложных систем часто могут становиться более неконтролируемыми. Локальные причины вследствие нелинейных взаимодействий могут разрастаться в непредсказуемые глобальные действия. Поэтому говорят о системных рисках, которые не имеют никакого отдельно идентифицируемого виновника, но возникают по причине системной динамики в целом[395]395
Mainzer К., Chua L О. Local Activity Principle. The Cause of Complexity. London: Imperial College Press, 2013.
[Закрыть].
Наша технология становится более автономной, чтобы решать задачи становящейся все более сложной цивилизации. Отдельные люди больше не могут проникать в понимание всей сложности необходимых для этого систем организации. Обратная сторона возрастающей автономии техники – становящийся все более сложным контроль: машины и приборы разрабатывались в инженерных науках всегда с намерением возможности их контролирования. Но как можно избегать системных рисков, связанных с функционированием сложных систем?
Наше видение эволюции показывает, что ее ход дополняется автономной самоорганизацией и контролем (по меньшей мере в здоровых организмах). В случае болезней, таких, как рак, это равновесие нарушается: раковая опухоль является самоорганизующимся организмом, который имеет свои собственные интересы и так сказать борется за свое выживание, не заботясь, однако, о том что организм-хозяин, в котором она прижилась, от этого разрушается. Сложные системы нуждаются, таким образом, в механизмах контроля, чтобы находить баланс – в организмах, финансовых рынках, в политике и т. д. В сложных цивилизациях развитие людей сопровождается развитием технологий. Эти мегасистемы или суперорганизмы эволюционируют, демонстрируя свою собственную нелинейную динамику. Это уже давно стало реальностью, а не просто биологической метафорой. Такие системы можно описать с помощью математических моделей, но при этом они становятся все более неуправляемыми.
Оставаясь в рамках языка биологии, подчеркнем, что суперорганизм социотехнической системы состоит из органически присущих ей, небольших, автономных, становящихся все более интеллектуальными систем, организмов-частей, о которых мы на первый взгляд не знаем, являются ли они «хорошими» или «плохими» – нуждаемся ли мы тогда, хотя и не срочно, в технологическом эквиваленте иммунной системы суперорганизма? В принципе мы уже близки к тому, чтобы развивать такого рода иммунную систему. Если рассмотреть финансовые кризисы последних лет, именно такие системы контроля и «пожарные стены» были встроены в суперорганизм, чтобы избегать каскадного распространения нелинейных «эпидемий». Это очень напоминает нам способ, каким разворачивается эволюция. Решающее отличие состоит в том, что эволюция работает без центрального управляющего сознания: методом «проб и ошибок», с использованием адаптации, с – в человеческих масштабах – чудовищными потерями. В природе не существует нашего мерила потерям, просто дело обстоит так. В эволюции нет места никакой оптимизации, что-то еще остается, согласно Дарвину, просто потому, что такие условия сложились.
4.2 Техническая коэволюция
На данном этапе эволюции мы с нашим организмом, с нашим мозгом располагаем соответствующими ментальными состояниями и когнитивными способностями. В течение миллионов лет мы так изменили окружающий нас мир, как не смогло сделать ни одно другое живое существо. Иногда сегодня уже говорят о технической коэволюции. Принимают ли это название или хотят отмахнуться от него как от метафоры: во всяком случае мы, люди, уже давно занимаемся тем, что перестраиваем нас самих и окружающий нас мир. Это началось много тысячелетий назад с приручения животных и выращивания культурных растений и продолжается сегодня через био– и генные технологии вплоть до исследования стволовых клеток, синтетической биологии, техники медицинских имплантатов и протезов, робототехники и социотехнических систем. Многое из этого нас беспокоит и призывает к этическому регулированию.
Но мы не должны смиряться с собственной динамикой и случайной игрой эволюции[396]396
Mainzer К. Der kreative Zufall. Wie das Neue in die Welt kommt. München:
С. H. Beck, 2007.
[Закрыть]. Эволюция, по Дарвину, – это не празднество гармонии, в ходе которой в итоге всё само хорошо сложится. Динамика вирусов, рака и других болезней, протекание процесса старения и связанные с ним вызовы обществу говорят сами за себя.
Люди в состоянии установить стандарты, чтобы долгосрочно и устойчиво обеспечивать и улучшать свои жизненные условия. Мы говорим в таком случае об оформлении техники (TechnikgestaltungJ1. К достоинству человека относится возможность научиться вмешиваться в свое будущее и самому его определять. В наших руках лежит решение о том, кто мы, что мы сохраняем и что мы хотим получить от искусственного интеллекта и искусственной жизни рядом с нами и насколько мы согласны их терпеть. В конце концов мы во всяком случае не должны быть захвачены собственной динамикой цивилизаторских суперорганизмов, которые мы сами однажды вызвали к жизни.
Литература
Banerjee R., Chakrabarti В. К. Models of Brain and Mind. Physical, Computational, and Psychological Approaches. Progress in Brain Research. Amsterdam: Elsevier, 2008.
Bekey G. A. Autonomous Robots. From Biological Inspiration to Implementation and Control. Cambridge Mass.: MIT Press, 2005.
Boogerd F. C, et al. (Ed.) Systems Biology. Philosophical Foundations. Amsterdam: Elsevier, 2007.
Broy M. (Ed.) Cyberphysical Systems. Innovation durch softwareintensive eingebettete Systeme (acatech diskutiert). Heidelberg: Springer, 2010.
Cluster of Excellence Cognition in Technical Systems CoTeSys, 2011. http://www.cotesys.de/
Dominey P. F., Warneken F. The Basis of shared intentions in human and robot cognition // New Ideas in Psychology. 2011. Vol. 29. P. 260–274
European Robotics Technology Platform. Robotic Visions – to 2020 and beyond: The strategic research Agenda for Robotics in Europe. 2009. http:// www.robotics-platform.eu/sra/scenarios
Förstl H. (Ed.) Theory of Mind. Neurobiologie und Psychologie sozialen Verhaltens. 2nd ed. Berlin: Springer, 2012.
Glymour C. et al. Discovering Causal Structures. Artificial Intelligence, Philosophy of Science, and Statistical Modeling. Orlando: Academic Press, 1987.
Flaken H. Synergetik. Eine Einführung. 3. Aufl. Springer: Berlin, 1983.
Kajita 5. (Ed.) Humanoide Roboter. Theorie und Technik des Künstlichen Menschen. Berlin: Akademische Verlagsgesellschaft, 2007.
Kaneko K. Life: An Introduction to Complex Systems Biology. Berlin: Springer, 2006.
Knoll A., Christaller T. Robotik. Frankfurt: Fischer, 2003.
Kriete A., Ei Is R. (Ed.) Computational Systems Biology. Amsterdam: Academic Press, 2007.
Mainzer K. Die Berechnung der Welt. Von der Weltformel zu Big Data. München: C.H. Beck, 2014.
Mainzer K., Chua L O. Local Activity Principle. The Cause of Complexity. London: Imperial College Press, 2013.
Mainzer КChua L O. The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin: Springer, 2011.
Mainzer К. Leben als Maschine? Von der Systembiologie zur Robotik und Künstlichen Intelligenz. Paderborn: Mentis, 2010.
Mainzer K. From Embodied Mind to Embodied Robotics: Flumanities and System Theoretical Aspects // Journal of Physiology (Paris). 2009. Vol. 103. P. 296–304.
Mainzer K. Organic computing and complex dynamical systems. Conceptual foundations and interdisciplinary perspectives // Organic Computing. Ed. by R.P. Würtz, Berlin: Springer, 2008. P. 105–122.
Mainzer К. Thinking in Complexity. The Computational Dynamics of Matter, Mind, and Mankind. 5th ed. Berlin: Springer, 2007.
Mainzer К. Der kreative Zufall. Wie das Neue in die Welt kommt. München: С. H. Beck, 2007.
Mainzer K. Symmetry and Complexity. The Spirit and Beauty of Nonlinear Science. Singapore: World Scientific, 2005.
Mainzer K. Kl – Künstliche Intelligenz. Grundlagen intelligenter Systeme. Darmstadt: Wissenschaftliche Buchgesellschaft, 2003.
Mainzer K. Computernetze und virtuelle Realität. Berlin: Springer, 1999. Mainzer K. Gehirn, Computer, Komplexität. Berlin: Springer, 1997. Mainzer K. Computer – Neue Flügel des Geistes? 2. Auflage. Berlin/New York: De Gruyter, 1995.
Müller O. et al. (Hg.) Das technisierte Gehirn. Neurotechnologien als Herausforderung für Ethik und Anthropologie. Paderborn: Mentis, 2009.
Nolfi, 5., Floreano D. Evolutionary Robotics. The Biology, Intelligence, and Technology of Self-Organizing Machines. 2nd ed. Cambridge (MA): MIT Press, 2001.
Pfeifer R., Scheier C. Understanding Intelligence. Cambridge (MA): MIT
Press, 2001.
Pühler A. et al. (Hg.) Synthetische Biologie. Die Geburt einer neuen Technikwissenschaft. Reihe: acatech Diskussion, Berlin: Springer, 2011.
Picard R. W. Affective Computing. Cambridge (MA): MIT Press, 1997. Rammert W., Schulz-Schaeffer I. (Hg.) Können Maschinen handeln? Soziologische Beiträge zum Verhältnis von Mensch und Technik. Frankfurt: Campus Verlag, 2002.
Thrun 5. et al. Probabilistic Robotics. Cambridge Mass.: MIT Press, 2005. Tuci E. et al. Self-Assembly in Physical Autonomous Robots: the Evolutionary Robotics Approach // Proc. of the 11th International Conference on Simulation and Synthesis of Living Systems (ALifeXI). Hg. von S. Bullock et al. MIT Press: Cambridge (MA), 2008. P. 616–623.
Varela F. et al. The Embodied Mind. Cognitive Science and Human Experience. Cambridge (MA): MIT Press, 1991.
Перевод с немецкого E. H. Князевой
Иллюзия сложности мира hi-tech
И. В. Мелик-Гайказян
Ставится проблема измерения динамики социокультурных систем и предлагается методологический вариант ее решения.
Выдвигаются основания для разграничения действительной и иллюзорной сложности современных социокультурных систем, обеспеченной внедрением высоких технологий.
Ключевые слова: проблема измерения, характеристики информации, модель семиотической динамики, «семиотический аттрактор».
Прорыв в исследовании самоорганизации сложных систем, совершенный в XX веке, одновременно и открыл новые перспективы перед постижением сложного, и поставил новые проблемы перед всеми способами этого постижения. Одна из этих проблем столь болезненна для гуманитарных наук, что ее стыдливо обходят вниманием. Для того чтобы представить ее суть необходимо отметить взаимосвязь слоев проблемной ситуации. Первый, или даже самоочевидный, слой образует то обстоятельство, что постижение сложного лишило нас надежды на обнаружение единственной позиции, с которой это сложное можно представить, исследовать и понять. Следствием данного обстоятельства стал вывод о множественности «правильных ответов», праве на легитимность различных «точек обзора» и языков описания сложных объектов, то есть – утверждение методологического принципа многомерности. Реализация принципа многомерности послужила для выстраивания так называемого моста между «двумя культурами», воплощающих традиции естествознания и гуманитарных наук, что привело к непрекращающейся разработке междисциплинарных и трансдисциплинарных исследовательских программ. И здесь возник второй слой проблемной ситуации, который связан с методологической корректностью сопоставления различных позиций и результатов исследования сложного. Если естествознание быстро справилось с мировоззренческим шоком, вызванным внедрением в его исследовательскую практику парадигмы гуманитарных наук, и достигло уровня синтеза, сделавшего условными дисциплинарные границы, в частности, физики, химии и биологии[397]397
Подтверждающим примером служит создание в Российской академии наук в 1994 году Института биохимической физики
[Закрыть], то для гуманитарного знания стало большой трудностью соединение концептуальных позиций, имеющих принципиальные различия. В гуманитарных исследованиях чрезвычайно редки случаи фиксации пределов применимости собственных подходов, учений и концепций, а именно эти границы делают возможным сопоставление различных позиций и результатов исследования сложных объектов. Генезис указанной специфики принадлежит третьему слою проблемной ситуации, который составляет дефицит процедур измерения динамики социокультурных систем, то есть наиболее сложных систем. Итак, круг проблем замкнулся, поскольку применение принципа многомерности в гуманитарных исследованиях приходит в столкновение с необходимостью решения проблемы измерения в науках о человеке. Следует отметить, что реализация принципа многомерности способствует выявлению эффектов вариативности и процессуальности в становлении и жизни феномена сложного.
Весь этот клубок проблем иллюстрирует остроумная фраза Льюиса Кэрролла: «А Контролер все это время внимательно ее разглядывал, – сначала в телескоп, потом в микроскоп и, наконец, в театральный бинокль»[398]398
Кэрролл Л. (Чорльз Доджсон). Алиса в стране чудес. Сквозь зеркало и что там увидела Алиса. София: Издательство литературы на иностранных языках, 1967.
С. 147.
[Закрыть].
Приведенная цитата ведет к большому соблазну сказать о том, что излюбленным инструментом гуманитарных исследований стал «театральный бинокль», позволяющий схватывать языковые игры, мерцание знака, тотальность визуализации, коммуникативную реальность, маету жизни на сцене общества зрелищ и новые роли человека, и сделать вывод о легкомысленности подобного инструмента эпистемологии. Этот соблазн велик, поскольку, продолжая аналогию с фразой Льюиса Кэрролла, можно сообщить, что если Контролером владеют чувства, то через театральный бинокль он разглядит сложность как трагедию, а если Контролер склонен к рациональной интерпретации наблюдаемого, то увидит сложность как комедию положений и игры случая. Преодолеть этот соблазн можно по двум причинам. Во-первых, добыча исследования, проводимого с подобными средствами, представляет собой схватывание внешних эффектов проявления сложного. И по-другому не может быть, поскольку исследователь, держащий «театральный бинокль», погружен в действие, которое открыто его взору, и он входит в число субъектов самого действия. В данной позиции – находясь внутри действия и всецело принадлежа изучаемой сложности – сквозь любую «оптику» исследователь изучает себя и собственную реальность, что является достойными предметами постижения, и лишь «Зазеркальем» действительности. Под «Зазеркальем» здесь выступает то, что А. Дж. Тойнби было вскрыто в эффекте, при котором наблюдатель, включенный в действительность социального распада, признает симптомы этого распада «как признание взлета и возрождения, а наблюдатели, оценивающие ситуацию со стороны, ясно видят состояние агонии»[399]399
Тойнби А. Дж. Постижение истории. М.: Прогресс, 1991. С. 487.
[Закрыть]. Эффект «парадоксального непонимания»[400]400
Там же. С. 486.
[Закрыть] имеет прямое отношение к теме данной работы об иллюзиях, порождаемых сложностью. Во-вторых, владение «театральным биноклем» можно счесть за симптом попытки преодоления беспокойства по поводу отсутствия у гуманитарных наук собственных «микроскопов» и «телескопов», и неудовлетворенностью результатами исследования сложных объектов, полученных при помощи каждого из этих оптических инструментов.
Путь постижения человеком своего мира составляет интеллектуальную историю культуры. Эта история движима двумя стремлениями – стремлением к точности и стремлением к универсальности. Добыча первой тенденции состоит в найденных методах получения решения задач, а второй – в постановке этих задач. В первой устремленности получают ответы, а во второй – ставят вопросы. Результаты усилий, предпринимаемых в русле обеих тенденций, обладают своими преимуществами и изъянами. Главное преимущество результатов, получаемых при устремленности к точности, состоит в достоверности получаемых решений, но эта достоверность имеет строгие границы, а установленные границы меняют свои очертания и конфигурации в ходе интеллектуальной истории. Основное преимущество каждой добычи, пойманной в стремлении к универсальности, в том, что она имеет неограниченный «срок годности», но эта же прагматическая беспредельность часто порождает иллюзию насыщения от добычи интеллектуальной охоты, то есть, создает иллюзию обретения окончательной мудрости.
Мир, постигаемый в первой тенденции с помощью «микроскопа», предстает в образе мозаики, сложенной из осколков достоверного знания. Мир, постигаемый во второй тенденции с помощью «телескопа», предстает в череде разных полотен, каждое из которых дает свой универсальный образ, что не может устроить человека, лишаемого своей индивидуальности в этом всеединстве. Однако «микроскоп» способен раскрыть место той малости, той флуктуации, которая захватывает все пространство сложного и обеспечивает его креативность. А «телескоп» способен в своей удаленности от предмета исследования помочь преодолеть всю сумму «парадоксального непонимания» сложности. «Бинокль» может соединить обе оптики, но не разрешающей способностью своей и не тем, что в один его окуляр будет помещен «микроскоп», а в другой – «телескоп». Но тем, что данный инструмент, переворачиваемый по воле исследователя, открывает обзор в двух перспективах – прямой и обратной. Данный прибор оставляет исследователю право выбора угла и перспективы рассмотрения, что делает его инструментом моделирования – действенного способа постижения сложного. Исключительно «театральное» предназначение «бинокля» способна преодолеть точность его настройки, чего можно достичь при соединении методов концептуального моделирования и процедур измерения в гуманитарных исследованиях. Возможность этого соединения зависит от глубины выявления релевантности используемых средств эпистемологии специфике предмета исследования. В приведенной же иллюстрации парадоксов измерения «Контролер», даже вооруженный оптическими приборами, был лишен возможности увидеть сущностные отличия незнакомого ему пассажира – Алисы – от пассажиров, уже ему известных. Он понял, что это новый для него пассажир. Так и мы внедрение нового – в феномене инноваций – оцениваем в различиях знакомого и незнакомого. Исчерпывая фразу Льюиса Кэрролла до дна, осталось отвести предубеждения, которые способно вызывать слово «Контролер». Обращение со сложными объектами достаточно специфично, поскольку «сложноорганизованным социоприродным системам нельзя навязывать пути их развития»[401]401
КнязеваЕ. Н., КурдюмовС. П. Основания синергетики. Режимы собострением, самоорганизация, темпомиры. СПб.: Алетейя, 2002. С. 17.
[Закрыть], поэтому полностью освоить роль «Контролера» за последствия обращения со сложным, было бы уже большим достижением.
Столь обширная преамбула к основному содержанию настоящего исследования вызвана тем, что стало модно называть «инновационным развитием» и «усложнением действительности» эффекты, которые лишь создают иллюзии некого прогрессивного движения социокультурных систем. Вместе с тем область знания, получившая названия «теории самоорганизации диссипативных структур», «синергетики», «постнеклассической науки» и «нелинейной динамики», была начата с поиска критериев, различающих усложнение и упрощение, самоорганизацию и самодезорганизацию. Без средств различать данные события было бы невозможным «познание сложного»[402]402
Николае Г., Пригожий И. Познание сложного. Введение. М.: Прогресс, 1990.
[Закрыть]. Дальнейшее изложение в этой главе разбито на разделы, в которых отдельно аргументированы позиции о сути необходимости в решении проблемы измерения в гуманитарных исследованиях, о стремительном упрощении социокультурных систем под действием инноваций Hi-Tech, о способах диагностики направлений динамики социокультурных систем на основе понимания феномена информации как процесса. Стоит предупредить читателя, что все перечисленные позиции, увы, встречают крайне мало сторонников, поэтому воспринимать их следует в «методологическом сомнении». Аргументация этих позиций была получена автором в результате собственных исследований[403]403
Мелик-Гайказян И. В. Информационные процессы и реальность. М.: Наука. Физматлит, 1998; Мелик-Гайказян И. В. Бумеранг конструирования: траектории полета в коммуникативном пространстве // Конструирование человека: Сб. научных статей. Томск: Изд-во Томского гос. пед. ун-та, 2008. С. 114–158; Мелик-Гайказян И. В. Законы информации как добыча синергетического бумеранга // Синергетическая парадигма. Синергетика инновационной сложности. М.: Прогресс-Tрадиция, 2011. С. 464–479; Мелик-Гайказян И. В. Идея процесса и проблема измерения // Философия и эпистемология науки. 2009. № 2. С. 127–142; Мелик-Гайказян И. В. Концептуальная модель диагностики технологий информационного общества // Вести. Томского гос. пед. ун-та. 2010. N°. 5. С. 42–51; Мелик-Гайказян И. В. Memory-turn: проявленная биоэтикой бренность интеллекту-альныхтрадиций // Идеи и идеалы. 2013. T. 1. № 1. С. 49–63; Мелик-Гайказян И. В. Проблемы образования как последствия темпа социокультурных трансформаций // Высшее образование в России. 2013. № 2. С. 102–116; Мелик-Гайказян И. В. Семиотическая диагностика: способ измерения эгоизма власти // Вести. Томского гос. пед. ун-та. 2013. № 11. С. 260–267.
[Закрыть], что объясняет их дальнейшее изложение от первого лица.
«Ключи» и «отмычки» к решению проблемы измерения в гуманитарных исследованиях
Не смейтесь надо мной деленьем шкал,
Естествоиспытателя приборы!
Я, как ключи к замку, вас подбирал,
Но у природы крепкие затворы.
Гёте, «Фауст»
Серьезное рассуждение начинают с эпиграфа, когда необходимы слова, подобные камертону. В противном случае, есть в этом что-то школярское. Однако каждую предпринимаемую мной попытку найти решение проблемы измерения в гуманитарных исследованиях сопровождает ощущение того, что арсенал методов измерения, созданных «естествоиспытателями», снисходительно усмехнулся над этими попытками, обнажив в улыбке свои «деленья шкал». И опять осознаешь себя только школяром. Проблему составляет, во-первых, отсутствие в гуманитарных науках аналогов этих самых шкал, и, во-вторых, отсутствие осознания необходимости в создании шкал. Более того, использование неких цифр – процентов, коэффициентов, часов или баллов – питает уверенность многих коллег, занимающихся гуманитарными исследованиями, в частности – исследованиями образования, в том, что процедуры измерения они осуществляют. Саму процедуру измерения понимают как сравнение исследуемого объекта с эталоном и выражение результатов данного сравнения в неких цифрах. Слово «цифры» вместо слова «числа» здесь намеренно употреблено, поскольку с большинством количественных данных, создающим иллюзию проведения измерения в гуманитарных исследованиях, нельзя обращаться как с числами. Показательным может стать пример из области педагогической практики. Так, нам всем ясно, что учащийся, чьи знания измерили и выразили в оценке «4» (или в 68 баллах в какой-либо другой шкале), знает не в два раза лучше, чем его собрат, получивший оценку «2» (или 34 балла). Проблематичным для гуманитарных исследований является выбор эталонов и нахождения способов выразить эталоны в «деленьях шкал», поэтому приведенное выше понимание процедуры измерения как сравнения с эталоном становится методологической ловушкой. Наглядно сделанный вывод представляет ситуация с измерением длины удава в известном мультфильме «38 попугаев». Забавной эту историю делает отсутствие эталона длины, например метра, и его калибровки в «деленьях шкал».
