Domov Pulpitida Proč použití modelů ovlivňuje limity použitelnosti. Subjektivní aspekty aplikace matematického modelování vojenských operací v práci vojenských orgánů velení a řízení

Pulpitida

Proč použití modelů ovlivňuje limity použitelnosti. Subjektivní aspekty aplikace matematického modelování vojenských operací v práci vojenských orgánů velení a řízení

VOJENSKÁ MYŠLENKA č. 10/2011, s. 49-53

PlukovníkO.V. TIKHANYČEV ,

Kandidát technických věd

TIKHANYCHEV Oleg Vasilievich se narodil 30. října 1965 ve městě Shuya, region Ivanovo. Absolvoval Vyšší vojenskou velitelskou a inženýrskou školu v Kazani (1988), Michajlovského dělostřeleckou akademii (1997). Sloužil jako velitel čety, zástupce velitele baterie v GSVG a vojenském okruhu Severní Kavkaz. Od roku 1997 - ve 27. Ústředním výzkumném ústavu Ministerstva obrany Ruské federace ve funkcích výzkumný pracovník, vedoucí oddělení, vedoucí vědecký pracovník výzkumného oddělení.

V roce 2005 obhájil disertační práci pro kandidáta technických věd. Autor více než 100 vědeckých prací. Profesor Akademie vojenských věd.

ANOTACE. Analyzovány jsou zkušenosti s vývojem matematických modelů pro automatizované systémy řízení a využití prototypů programů matematických modelů na akcích provozního výcviku. Potřeba zlepšit postup při vytváření matematických modelů za účelem snížení vlivu subjektivních faktorů na efektivitu jejich aplikace je opodstatněná.

KLÍČOVÁ SLOVA: matematické modelování, postup při vytváření modelů, zkušenosti s činnostmi provozního výcviku, objektivní a subjektivní faktory, zlepšování organizace vývoje modelu.

SOUHRN. Autor analyzuje zkušenosti s vývojem matematických modelů pro automatizované systémy řízení a aplikací softwarových prototypů matematických modelů pro činnosti provozního výcviku. Nutnost zdokonalit postup vývoje matematických modelů je odůvodněna snížením vlivu lidského faktoru na efektivitu jejich aplikace.

KLÍČOVÁ SLOVA: matematická simulace, postup modelování, zkušenosti z provozních výcvikových činností, objektivní a lidské faktory, zlepšování organizace modelování.

V MODERNÍ PODMÍNKY prioritní směr reformy ozbrojených sil Ruská Federace je zvýšit efektivitu jejich využívání, a to i prostřednictvím automatizace velení a řízení vojsk (sílám). Automatizace velení a řízení vojsk (sílám) je chápána jako proces vybavování velitelství, velitelských stanovišť a bojových komplexů elektronickými prostředky. počítačová technologie a jejich využití v práci řídících orgánů.

Intelektuální součástí komplexu automatizačních nástrojů pro automatizovaný systém řízení vojsk (ATCS) je software, který se dělí na obecný, celosystémový a speciální. Speciální software (SPO) automatizovaných řídicích systémů se skládá z výpočtů, informačních úloh a matematických modelů. Ty hrají významnou roli v procesu plánování operací (bojových akcí) a velení a řízení vojsk (sílám), poskytují prognózu vývoje situace a srovnávací hodnocení účinnosti přijatých rozhodnutí.

Článek „Modelování ozbrojené konfrontace: Vyhlídky rozvoje“ zkoumal řadu důležitých aspektů aplikace matematického modelování ve vojenských záležitostech. Subjektivní faktory ale zůstaly v zákulisí, i když v praxi mají významný vliv na využití matematického modelování v procesu organizování operací (bojových operací). Subjektivní důvody Omezené použití matematického modelování v praktické práci ústředí nebylo dostatečně pokryto v následujících publikacích souvisejících s matematickým modelováním. V článku „Problémy automatizace podpory intelektuálního rozhodování pro velitele kombinovaných zbraní na taktické úrovni“ je tedy uvedeno, že matematické modely by měly být nejdůležitější součástí automatizovaných řídicích systémů, ale nenašli široké uplatnění v procesu rozhodování bojovat a zvládat to. Proč se tak stalo, není uvedeno. Zvažovány jsou především nevýhody existujících modelů a objektivní technologické faktory, které brání použití matematického modelování. Subjektivní důvody jsou zmíněny mimochodem.

Ve stejnou dobu PROTI vojenské oblasti, charakterizované zuřivou konfrontací a vysokou osobní odpovědností rozhodovatele, je přítomnost subjektivního faktoru nejen nevyhnutelný, ale také přirozený jev. V podmínkách neúplných informací jsou zkušení velitelé (náčelníci) schopni formulovat správná rozhodnutí na intuitivní úrovni. Většinou přitom vycházejí ze svých subjektivních představ o důležitosti různá kritéria optimálnost a účinnost možných alternativ přijatých rozhodnutí. Právě to často vede k subjektivnímu odmítání výsledků matematického modelování, což může v konečném důsledku vést k závažným chybám v plánování a řízení boje.

Přítomnost subjektivních faktorů bránících použití matematického modelování ve vojenských záležitostech – skutečný fakt vyžadující reflexi a přijetí vhodných opatření.

Co konkrétně určuje případy subjektivního odmítnutí použití matematického modelování úředníky vojenských velení a řízení (MCA)? Důvodů je mnoho a projevují se jak ve fázích vývoje, tak ve fázi používání matematických modelů.

Hlavními důvody odmítnutí jakékoli inovace, jak říkají psychologové, je nepochopení její podstaty, neznalost jejích rysů a neschopnost ji aplikovat.

Ze stávajícího postupu pro používání softwaru s otevřeným zdrojovým kódem vyplývá, že oficiální uživatel automatizovaného řídicího systému spolehlivě zná omezení a předpoklady přijaté při vývoji softwaru s otevřeným zdrojovým kódem a limity použitelnosti matematických modelů z softwaru s otevřeným zdrojovým kódem. Právě v těchto mezích se provádějí kontroly a testy prvků open source softwaru, aby se potvrdila jeho výkonnost a přiměřenost. To plně platí pro matematické modely jako nedílnou součást open source softwaru. Teoreticky úředníci správního úřadu, kteří složky SPO využívají při své praktické činnosti musí pochopit limity použitelnosti matematického modelu pečlivým prostudováním provozní dokumentace ke komponentám softwaru. Pochopte je, zapamatujte si je a vždy se jimi nechte vést. Bohužel tento ideální stav není v praxi vždy realizován, především kvůli nedokonalosti organizace procesu učení úředníci OVU práce na automatizačním zařízení.

Dalším problémem je problém rozdělení odpovědnosti za rozhodování mezi uživatele modelu a vývojáře jeho matematického aparátu. Pokud v technické systémy Rozdělení odpovědnosti za provozní chyby mezi vývojáře a uživatele je předepsáno v příslušných GOST a technických předpisech, ale pro software zatím žádné takové dokumenty neexistují. Vysoká míra odpovědnosti úředníků vzdělávací instituce za výsledky jejich činnosti spolu s nejistým chápáním limitů použitelnosti modelů vyvolává mezi úředníky určité obavy při používání matematického modelování v plánovací praxi. skutečné operace(boj). Bez vyřešení tohoto problému není možné zajistit plné využití matematického modelování v praxi obsluhy zařízení.

Významně ovlivňuje zavádění matematického modelování do praxe OVU je iracionalita rozvržení rozhraní matematických modelů vytvořených průmyslem. V V současné době se tomuto aspektu při tvorbě programů nevěnuje dostatečná pozornost. Inženýrská psychologie a ergonomie na optimismu nepřidávají: zabývají se primárně provozními režimy operátora a vybavením pracoviště, nikoli však kvalitou programových rozhraní.

Zároveň s vývojem informační technologie, zvyšující možnosti výpočetní techniky, se lidé stále více stávají pojítkem zpomalujícím rozhodování v automatizovaných řídicích systémech. A důvodem je zde programové rozhraní, které zpomaluje jak proces zadávání počátečních dat, tak analýzu výsledků modelování. Koneckonců, rozhraní je hlavním prvkem komunikace mezi uživatelem a programem. Často je to právě pohodlí rozhraní, které určuje, zda se uživatel v kritických okamžicích obrátí na program a zda bude schopen rychle provádět výpočty a analyzovat jejich výsledky.

Je špatné, že kreativní a „kusová“ práce na vytváření programových rozhraní a vyvíjení přístupů k jejich sjednocení, kterou může provádět pouze specialista se širokým provozním a technickým rozhledem, se vůbec netýká vědecké činnosti. Absence jednotných přístupů k rozhraní implementace matematických modelů a informačních a výpočtových problémů přitom výrazně snižuje jejich uživatelské vlastnosti a úředníkům ztěžuje jejich zvládnutí a implementaci do činnosti vzdělávacích institucí.

Na tvorbě rozhraní pro modely a úlohy ze softwaru automatizovaného řídicího systému se v souladu s řídícími dokumenty podílejí dvě kategorie vývojářů: pracovníci Národní výzkumné univerzity MO, vedoucí vojensko-vědecká podpora tvorby tzv. automatizované řídicí systémy a vývojáři softwaru v průmyslových podnicích. Všichni jsou minimálně odborníky na používání výpočetní techniky. Tyto dovednosti ale mohou hrát i negativní roli. Specialista nevědomě vytváří modelové rozhraní „pro sebe“, nikoli pro štábního důstojníka, který pracuje pod velkým časovým tlakem a je specialistou ve vojenské oblasti. A logika programátora je často jiná než logika běžného člověka. Není divu, že si z toho dělají legraci normální člověk věří, že v kilobajtu je 1000 bajtů a programátor si je jistý, že v kilogramu je 1024 gramů. V důsledku těchto rozdílů je jednoduchost rozhraní během vývoje často obětována kvůli některým dodatečným kvalitám a schopnostem, které se programátorovi zdají nezbytné. V důsledku toho dochází k potížím se zvládnutím rozhraní modelů a úkolů úředníky vzdělávací instituce a neochota s nimi pracovat při řešení praktických problémů.

Negativní dopad tohoto faktoru lze eliminovat pouze změnou stávajícího postupu rozvoje SMPO, zajištěním užší účasti PROTI proces vývoje matematického modelu koncového uživatele. Pro tento účel je vhodné zavést povinnou etapu (etapy) zkušebního provozu open source softwarových prvků PROTI maketa provedení se zapojením funkcionářů OVU. Na základě výsledků etapy je nutné zajistit zpřesnění prvků SPO PROTIčásti organizace rozhraní programu. Globální zkušenosti s vývojem softwaru mimochodem ukazují, že jakákoli použitá technologie (kaskáda, spirála nebo breadboard) nutně obsahuje fázi prototypování, na základě jejíchž výsledků je software včetně jeho rozhraní finalizován.

To je také důležité osobní postoj každého úředníka k výsledkům matematického modelování. Tento postoj lze vyjádřit v obecné nedůvěře k výsledkům získaným pomocí neznámého matematického aparátu a vzniká při „komunikaci“ s modely. Poslední si zaslouží zvláštní pozornost.

Není žádným tajemstvím, že se o to někdy úředníci ODU, nespokojení s výsledky modelování, snaží různé způsoby Opravit je. Uživatel (operátor), který model dobře zná, může „přehrát“ různé faktory a ovlivnit výsledky PROTI pravá strana. Když se stane rozhodovatelem, zastává názor, že model může ukázat jakýkoli výsledek, pokud existuje jen touha. Tento názor je hluboce mylný a pramení z neznalosti vlastností matematického modelování. Ano, výsledek simulace lze mírně upravit změnou kterékoli z výchozích podmínek pro organizaci akcí znepřátelených skupin, které spadají do kategorie nejistých a vybíraných provozovatelem v rámci stanovených hranic. Je však nemožné falšovat výsledky bez změny původních dat, zvláště pokud je model použit srovnávací analýza možnosti použití jednotek (síly), přičemž všechny ostatní věci jsou stejné. Samotné výsledky se mohou změnit, ale model bude stále ukazovat správný trend situace.

Přístup Nařešení této situace je podle našeho názoru stejné - zapojení úředníků do vývoje matematického aparátu, který je zakotven v SMPO vytvořeném pro jejich automatizaci činnosti. Především jde o formalizaci simulovaného procesu a vytvoření systému tolerancí a omezení.

Zapojit úředníky vzdělávací instituce do vývoje SMPO, zejména pro popis aparátu matematických modelů, není jednoduchá cesta. To vyžaduje určité úsilí ze strany zákazníka a odvětví, a to nejen technického, ale také organizačního a někdy vzdělávací plán. Ale praktické zkušenosti z takové práce dostupné ve 27. Ústředním výzkumném ústavu MO svědčí o účinnosti této metody. Vývoj řady metod pro operativní výpočty spolu s referenty odboru vnitřních věcí ukázal, že následně jsou softwarové nástroje, které implementují společně vytvořený matematický aparát, vnímány úředníky mnohem lépe. Znalost matematického aparátu používaného v softwaru a mezí jeho použitelnosti zajišťuje důvěru ve výsledky modelování.

Analýza subjektivních faktorů, které zasahují do používání matematického modelování v praktické práci vzdělávacích institucí, tedy ukazuje, že stávající nedostatky jsou systémové. Nezávisí na konkrétním vývojáři softwaru s otevřeným zdrojovým kódem a na přístupu, který zvolil k vytvoření softwaru s otevřeným zdrojovým kódem automatizovaného řídicího systému: funkčního, strukturálního nebo procesního. K jejich odstranění je nutné změnit postup jak při tvorbě matematických modelů, zavést povinné etapy, které počítají s účastí budoucích uživatelů modelů na jejich vývoji, tak i postup přípravy úředníků vzdělávací instituce na práci s nimi.

Kromě, Stojí za to se pozastavit ještě u jednoho subjektivního faktoru nedůvěry v matematické modelování, vznikající v případech, kdy zástupci průmyslu nepřiměřeně často upravují matematické modely nebo se je snaží implementovat tam, kde to není objektivně potřeba.

Analýza zahraniční zkušenosti ukazuje, že nejpřijatelnější je postupné zvyšování schopností matematických modelů jejich modernizací bez radikálního pozměňování matematického „jádra“ a samozřejmě využívání matematického modelování pro plánování operací (bojových akcí) jen tam, kde je to skutečně nutné, kde jsou k tomu podmínky. Bohužel u nás se vše často děje přesně naopak. Nepřiměřeně časté úpravy modelů, rozšiřování matematického modelování do oblastí, kde není použitelné (například na úroveň „prapor – rota (baterie) – četa“), subjektivně snižuje důvěru v proces používání modelů při plánování vojenských operací a diskredituje samotnou myšlenku matematického modelování.

Takže pro snížení negativního vlivu subjektivních faktorů na použití matematického modelování v praxi řídicí jednotky je nutné zvýšit znalosti a dovednosti uživatelů SMPO a překonat nechuť vývojářů zohlednit jejich požadavky (překonat automatizovaný řídicí systém pod pevným vedením zákazníka, s pomocí řídicího systému a organizací zajišťujících vojensko-vědecké podpůrné práce).

K tomu potřebujete:

zlepšení postupu pro vývoj matematických modelů, včetně povinných fází prototypování a testování modelů ve vzdělávací instituci do procesu vývoje; změna postoje (zvýšená pozornost) k vytváření softwarových rozhraní pro matematické modely z automatizovaného řídicího systému;

úprava směrnic, které definují obsah fází vývoje matematických modelů;

optimalizace procesu školení úředníků, kteří používají matematické modely jako součást softwaru s otevřeným zdrojovým kódem pro sady pro automatizaci řídicích bodů.

Realizace těchto opatření umožní matematickému modelování zaujmout své oprávněné a vhodné místo v procesu organizace operací (bojových akcí) a velení a řízení vojsk (sílám).

Vojenské myšlení. 2009. č. 7. S. 12-20.

Vojenské myšlení. 2009. č. 9. S. 43-53.

Zahraniční vojenský přehled. 2006. č. 6. S. 17-23; 2008. č. 11. S. 27-32.

Chcete-li komentovat, musíte se zaregistrovat na webu.

Viktor Kuligin

Zveřejňování obsahu a specifikace pojmů by mělo vycházet z toho či onoho konkrétního modelu vzájemného propojení pojmů. Model, objektivně odrážející určitý aspekt spojení, má meze použitelnosti, za nimiž jeho použití vede k mylným závěrům, ale v mezích své použitelnosti musí mít nejen obraznost, jasnost a specifičnost, ale musí mít i heuristickou hodnotu.

Různorodost projevů vztahů příčina-následek v hmotném světě vedla k existenci několika modelů vztahů příčina-následek. Historicky lze jakýkoli model těchto vztahů redukovat na jeden ze dvou hlavních typů modelů nebo na jejich kombinaci.

a) Modely založené na časovém přístupu (evoluční modely). Hlavní pozornost je zde zaměřena na časovou stránku vztahů příčina-následek. Jedna událost – „příčina“ – vyvolává další událost – „účinek“, který za příčinou v čase zaostává (zpoždění). Lag je charakteristickým znakem evolučního přístupu. Příčina a následek jsou na sobě závislé. Odkaz na generování účinku příčinou (genezi), ač zákonný, je však do definice vztahu příčiny a následku zaveden jakoby zvenčí, zvenčí. Zachycuje vnější stránku tohoto spojení, aniž by hluboce zachytil podstatu.

Evoluční přístup vyvinuli F. Bacon, J. Mill aj. Krajním polárním bodem evolučního přístupu byla pozice Huma. Hume ignoroval genezi, popíral objektivní povahu kauzality a redukoval kauzalitu na jednoduchou pravidelnost událostí.

b) Modely založené na konceptu „interakce“ (strukturální nebo dialektické modely). Význam jmen se dozvíme později. Hlavní důraz je zde kladen na interakci jako zdroj vztahů příčina-následek. Interakce samotná působí jako příčina. Hodně pozornosti Kant zvolil tento přístup, ale dialektický přístup ke kauzalitě získal svou nejjasnější podobu v dílech Hegelových. Z moderních sovětských filozofů tento přístup vyvinul G.A. Svechnikov, který se snažil podat materialistickou interpretaci jednoho ze strukturálních modelů vztahů příčiny a následku.

Stávající a v současnosti používané modely odhalují mechanismus vztahů příčina-následek různými způsoby, což vede k neshodám a vytváří základ pro filozofické diskuse. Intenzita diskuse a polární povaha názorů naznačují jejich relevanci.

Zdůrazněme některé z projednávaných problémů.

a) Problém simultánnosti příčiny a následku. To je hlavní problém. Jsou příčina a následek současné nebo oddělené časovým intervalem? Jsou-li příčina a následek simultánní, proč tedy příčina vyvolává následek, a ne naopak? Pokud příčina a následek nejsou současné, může existovat „čistá“ příčina, tj. příčina bez následku, která ještě nenastala, a „čistý“ účinek, kdy působení příčiny skončilo, ale účinek stále trvá? Co se děje v intervalu mezi příčinou a následkem, pokud jsou odděleny v čase atd.?

b) Problém jednoznačnosti vztahů příčina-následek. Vyvolává stejná příčina stejný účinek, nebo může jedna příčina vyvolat jakýkoli účinek z několika potenciálních? Může mít stejný účinek některá z několika příčin?

c) Problém zpětného vlivu účinku na jeho příčinu.

d) Problém spojení příčiny, příležitosti a podmínek. Mohou za určitých okolností příčina a podmínka změnit role: příčina se stává podmínkou a podmínka příčinou? Jaký je objektivní vztah a charakteristické rysy příčiny, příležitosti a stavu?

Řešení těchto problémů závisí na zvoleném modelu, tzn. do značné míry na tom, jaký obsah bude zahrnut do výchozích kategorií „příčina“ a „následek“. Definiční povaha mnoha obtíží se projevuje například v tom, že neexistuje jediná odpověď na otázku, co je třeba chápat pod pojmem „příčina“. Někteří badatelé považují příčinu za hmotný objekt, jiní za fenomén, jiní za změnu stavu, jiní za interakci atd.

Pokusy překročit modelovou reprezentaci a poskytnout obecnou, univerzální definici vztahu příčina-následek nevedou k řešení problému. Příkladem je následující definice: „Příčinná souvislost je taková genetická vazba jevy, ve kterých jeden jev, nazývaný příčina, za určitých podmínek nevyhnutelně generuje, způsobuje, přivádí k životu další jev, nazývaný následek. Tato definice je formálně platná pro většinu modelů, ale bez spoléhání se na model nemůže řešit nastolené problémy (například problém simultánnosti), a proto má omezenou teoreticko-kognitivní hodnotu.

Většina autorů má při řešení výše zmíněných problémů tendenci vycházet z moderního fyzikálního obrazu světa a zpravidla poněkud méně dbají na epistemologii. Přitom podle našeho názoru zde existují dva důležité problémy: problém odstranění prvků antropomorfismu z konceptu kauzality a problém nekauzálních souvislostí v přírodních vědách. Podstatou prvního problému je, že kauzalita jako objektivní filozofická kategorie musí mít objektivní charakter, nezávislý na poznávajícím subjektu a jeho činnosti. Podstata druhého problému: zda kauzální souvislosti v přírodní vědě uznat jako univerzální a univerzální, nebo uvážit, že takové souvislosti jsou svou povahou omezené a že existují souvislosti nekauzálního typu, které popírají kauzalitu a omezují meze použitelnost principu kauzality? Věříme, že princip kauzality je univerzální a objektivní a jeho aplikace nezná omezení.

Takže dva typy modelů, které objektivně odrážejí některé důležité aspekty a rysy vztahů příčiny a následku, jsou do jisté míry v rozporu, protože řeší problémy simultánnosti, jednoznačnosti atd. odlišným způsobem, ale zároveň, objektivně odrážející některé aspekty vztahů příčina-následek, musí být ve vzájemné souvislosti. Naším prvním úkolem je identifikovat toto spojení a upřesnit modely.

Limit použitelnosti modelů

Pokusme se stanovit hranici použitelnosti modelů evolučního typu. Kauzální řetězce, které splňují evoluční modely, mívají vlastnost tranzitivity. Je-li událost A příčinou události B (B je důsledkem události A), je-li naopak událost B příčinou události C, pak událost A je příčinou události C. Jestliže A → B a B → C , pak A → C. Tímto způsobem se tedy tvoří nejjednodušší řetězce příčiny a následku. Událost B může v jednom případě působit jako příčina a v jiném jako následek. Tento vzorec zaznamenal F. Engels: „... příčina a následek jsou reprezentace, které jako takové mají význam pouze tehdy, jsou-li aplikovány na daný jednotlivý případ: ale jakmile tento jednotlivý případ zvážíme v obecné souvislosti s celým světem jako celek se tyto reprezentace sbíhají a prolínají v reprezentaci univerzální interakce, v níž příčiny a následky neustále mění místa; co je příčinou zde nebo nyní, stává se následkem tam nebo tehdy a naopak“ (sv. 20, s. 22).

Vlastnost tranzitivity nám umožňuje provádět podrobná analýza kauzální řetězec. Spočívá v rozdělení konečného řetězce na jednodušší články příčiny a následku. Jestliže A, pak A → B 1, B 1 → B 2,..., B n → C. Má ale konečný řetězec příčiny a následku vlastnost nekonečné dělitelnosti? Může mít počet článků v konečném řetězci N sklon k nekonečnu?

Na základě zákona přechodu kvantitativních změn na kvalitativní lze tvrdit, že při dělení konečného řetězce příčina-následek budeme postaveni před takový obsah jednotlivých článků řetězce, že další dělení pozbyde smyslu. Všimněte si, že nekonečnou dělitelnost, která popírá zákon přechodu kvantitativních změn na kvalitativní, nazval Hegel „špatným nekonečnem“

K přechodu kvantitativních změn na kvalitativní dochází např. při dělení kusu grafitu. Když se molekuly oddělují, dokud nevznikne jednoatomový plyn, chemické složení se nemění. Další dělení látky bez její změny chemické složení již není možné, protože dalším stupněm je štěpení atomů uhlíku. Zde z fyzikálně-chemického hlediska vedou kvantitativní změny ke kvalitativním.

Výše uvedený výrok F. Engelse jasně ukazuje myšlenku, že základem vztahů příčina-následek není spontánní projev vůle, ne rozmar náhody a ne božský prst, ale univerzální interakce. V přírodě nedochází k samovolnému vzniku a zániku pohybu, dochází k vzájemným přechodům jedné formy pohybu hmoty k jiným, od jednoho hmotného objektu k druhému a tyto přechody nemohou nastat jinak než interakcí hmotných objektů. Takové přechody, způsobené interakcí, dávají vzniknout novým jevům, měnícím stav interagujících objektů.

Interakce je univerzální a tvoří základ příčinné souvislosti. Jak správně poznamenal Hegel, „interakce je kauzální vztah předpokládaný v jejím plném rozvoji“. F. Engels formuloval tuto myšlenku ještě jasněji: „Interakce je první věc, která se nám objeví, když uvažujeme o pohybu hmoty jako celku z pohledu moderní přírodní vědy... Přírodní věda tedy potvrzuje, že... že interakce je skutečnou causa finalis věcí. Nemůžeme jít dál než k poznání této interakce právě proto, že za ní není nic dalšího k poznání“ (sv. 20, s. 546).

Protože interakce je základem kauzality, uvažujme interakci dvou hmotných objektů, jejichž schéma je na Obr. 1. Tento příklad neporušuje obecnost uvažování, protože interakce několika objektů je redukována na párové interakce a lze ji uvažovat podobným způsobem.

Je snadné vidět, že při interakci se oba objekty současně vzájemně ovlivňují (reciprocita jednání). V tomto případě se změní stav každého z interagujících objektů. Žádná interakce – žádná změna stavu. Změnu stavu kteréhokoli z interagujících objektů lze tedy považovat za dílčí důsledek příčiny – interakce. Změna stavů všech objektů v jejich celku bude úplné vyšetřování.

Je zřejmé, že takový model příčiny a následku elementárního článku evolučního modelu patří do třídy strukturálních (dialektických). Je třeba zdůraznit, že tento model se neredukuje na přístup vyvinutý G.A. Svechnikov, protože vyšetřovaný G.A. Svechnikov, podle V.G. Ivanov chápal „...změnu jednoho nebo všech interagujících objektů nebo změnu povahy samotné interakce až po její kolaps nebo transformaci“. Co se týče změny stavů, jedná se o změnu G.A. Svechnikov to klasifikoval jako nekauzální typ spojení.

Takže jsme zjistili, že evoluční modely jako elementární, primární péče obsahují strukturální (dialektický) model založený na interakci a změně stavů. O něco později se vrátíme k rozboru vzájemného propojení těchto modelů a studiu vlastností evolučního modelu. Zde bychom rádi poznamenali, že zcela v souladu s úhlem pohledu F. Engelse ke změně jevů v evolučních modelech odrážejících objektivní realitu nedochází v důsledku prosté zákonitosti událostí (jako u D. Huma), ale v důsledku k podmíněnosti generované interakcí (geneze). Proto, i když jsou odkazy na generaci (genezi) zavedeny do definice vztahů příčiny a následku v evolučních modelech, odrážejí objektivní povahu těchto vztahů a mají právní základ.

Obr. 2. Strukturální (dialektický) model kauzality

Vraťme se ke strukturálnímu modelu. Svou strukturou a významem dokonale souhlasí s prvním zákonem dialektiky - zákonem jednoty a boje protikladů, pokud je interpretován:

– jednota – jako existence objektů v jejich vzájemném spojení (interakci);

– protiklady – jako vzájemně se vylučující tendence a charakteristiky stavů způsobené interakcí;

– boj – jako interakce;

– vývoj – jako změna stavu každého z interagujících hmotných objektů.

Proto strukturální model, který spoléhá na interakci jako příčinu, lze také nazvat dialektickým modelem kauzality. Z analogie strukturálního modelu a prvního zákona dialektiky vyplývá, že kauzalita působí jako odraz objektivních dialektických rozporů v samotné přírodě, na rozdíl od subjektivních dialektických rozporů, které vznikají v lidské mysli. Strukturální model kauzality je odrazem objektivní dialektiky přírody.

Uvažujme příklad ilustrující aplikaci strukturálního modelu vztahů příčina-následek. Takových příkladů, které jsou vysvětlovány pomocí tohoto modelu, lze v přírodních vědách (fyzice, chemii atd.) nalézt poměrně hodně, protože pojem „interakce“ je v přírodních vědách zásadní.

Vezměme si jako příklad elastickou srážku dvou kuliček: pohybující se koule A a nehybné koule B. Před srážkou byl stav každé koule určen souborem atributů Ca a Cb (hybnost, kinetická energie atd.). ). Po srážce (interakci) se stavy těchto kuliček změnily. Označme nové stavy C"a a C"b. Důvodem změny stavů (Ca → C"a a Cb → C"b) byla interakce kuliček (kolize); důsledkem této srážky byla změna stavu každého míče.

Jak již bylo zmíněno, evoluční model v v tomto případě je málo užitečná, protože nemáme co do činění s kauzálním řetězcem, ale s elementární vazbou příčiny a následku, jejíž strukturu nelze redukovat na evoluční model. Abychom to ukázali, uveďme si tento příklad vysvětlením z pozice evolučního modelu: „Před srážkou byla koule A v klidu, takže příčinou jejího pohybu je koule B, která ji zasáhla.“ Zde je míč B příčinou a pohyb míče A je následkem. Ale ze stejných pozic lze podat následující vysvětlení: „Před srážkou se koule B pohybovala rovnoměrně po přímé dráze. Kdyby nebylo míče A, povaha pohybu míče B by se nezměnila." Zde je příčinou již koule A a následek je stav koule B. Výše uvedený příklad ukazuje:

a) určitá subjektivita, která vzniká při aplikaci evolučního modelu za hranicemi jeho použitelnosti: příčinou může být buď kulička A, nebo kulička B; tato situace je způsobena tím, že evoluční model vybírá jednu konkrétní větev důsledku a omezuje se na její interpretaci;

b) typická epistemologická chyba. Ve výše uvedených vysvětleních z pozice evolučního modelu působí jeden z hmotných objektů stejného typu jako „aktivní“ princip a druhý jako „pasivní“ princip. Ukazuje se, že jedna z koulí je obdařena (ve srovnání s druhou) „aktivitou“, „vůlí“, „touhou“, jako člověk. Proto jen díky této „vůli“ máme kauzální vztah. Taková epistemologická chyba je určena nejen modelem kauzality, ale také obrazností vlastní živé lidské řeči a typickým psychologickým přenosem vlastností charakteristických pro komplexní kauzalitu (o tom budeme hovořit níže) na jednoduchou příčinu – a - odkaz na efekt. A takové chyby jsou velmi typické při použití evolučního modelu za hranicemi jeho použitelnosti. Objevují se v některých definicích příčinné souvislosti. Například: „Příčinnost je tedy definována jako takové působení jednoho předmětu na jiný, při kterém změna prvního předmětu (příčiny) předchází změně jiného předmětu a nutným, jednoznačným způsobem vede ke změně jiného předmětu. objekt (efekt).“ Je těžké souhlasit s touto definicí, protože není vůbec jasné, proč by se při interakci (vzájemném působení!) neměly předměty deformovat současně, ale jeden po druhém? Který objekt by se měl deformovat jako první a který jako druhý (prioritní problém)?

Modelové kvality

Uvažujme nyní, jaké kvality obsahuje strukturální model kauzality. Povšimněme si mezi nimi: objektivita, univerzálnost, důslednost, jednoznačnost.

Objektivita kauzality se projevuje v tom, že interakce působí jako objektivní příčina, vůči níž jsou si interagující objekty rovny. Zde není prostor pro antropomorfní interpretaci. Univerzálnost je dána tím, že základem kauzality je vždy interakce. Kauzalita je univerzální, stejně jako samotná interakce je univerzální. Konzistence je způsobena skutečností, že ačkoli se příčina a následek (interakce a změna stavů) časově shodují, odrážejí různé aspekty vztahu příčiny a následku. Interakce předpokládá prostorové spojení objektů, změnu stavu - spojení mezi stavy každého z interagujících objektů v čase.

Strukturální model navíc zakládá jednoznačný vztah ve vztazích příčina-následek, bez ohledu na způsob matematického popisu interakce. Navíc, strukturální model, protože je objektivní a univerzální, neklade omezení na povahu interakcí v přírodních vědách. V rámci tohoto modelu platí okamžitá akce na dlouhé nebo krátké vzdálenosti a interakce s libovolnými konečnými rychlostmi. Objevení se takového omezení při určování vztahů příčiny a následku by bylo typickým metafyzickým dogmatem, které jednou provždy postuluje povahu interakce jakýchkoli systémů a vnucuje fyzice a dalším vědám ze strany filozofie přirozený filozofický rámec. , nebo by to omezilo meze použitelnosti modelu natolik, že přínosy takového modelu by byly velmi skromné.

Zde by bylo vhodné pozastavit se nad otázkami souvisejícími s konečností rychlosti šíření interakcí. Podívejme se na příklad. Nechť jsou dva stacionární náboje. Pokud se jeden z nábojů začne pohybovat se zrychlením, pak se elektromagnetická vlna přiblíží druhému náboji se zpožděním. Není tento příklad v rozporu se strukturálním modelem a zejména s vlastností reciprocity jednání, protože při takové interakci jsou náboje v nerovném postavení? Ne, to není v rozporu. Tento příklad nepopisuje jednoduchou interakci, ale komplexní kauzální řetězec, ve kterém lze rozlišit tři různé články.

Fyzika pro obecnost a šíři svých zákonitostí vždy ovlivňovala vývoj filozofie a sama jím byla ovlivněna. Při objevování nových výdobytků fyzika neopustila filozofické otázky: o hmotě, o pohybu, o objektivitě jevů, o prostoru a čase, o kauzalitě a nutnosti v přírodě. K objevu přivedl E. Rutherforda rozvoj atomismu atomové jádro a do...

Stanovení hranic pomocí posouzení proveditelnosti a nákladů

Limity použitelnosti pro modely jsou určeny na základě implementačních omezení uvedených v předchozí části. Jak již bylo zmíněno, každý z nich ovlivňuje jeden z hlavních limitujících faktorů (nebo oba najednou) - ekonomickou efektivnost (zvyšování nákladů na implementaci) nebo proveditelnost (snižující význam získaných výsledků pro podnik).

Účelem této části je formulovat doporučení, pro které společnosti je konkrétní model použitelný. Použitelnost modelu samozřejmě silně závisí na individuálních podmínkách – strategických prioritách společnosti, charakteristice její struktury a stylu řízení, finančních zdrojích a podobně. Zdá se však možné určit počáteční přibližné hranice řešením následujících dílčích problémů (určení přesnějších hranic může být předmětem budoucího praktického výzkumu):

· Identifikace potenciálních konfliktů firemních cílů a omezení na této úrovni

· Určení bodů výskytu dodatečných nákladů na implementaci u určitých modelů (prostřednictvím již identifikovaných omezujících faktorů)

· Kde je to možné, přibližné odhady nákladů

Doporučení týkající se prvního úkolu jsou obsažena již ve formulaci příslušného omezení, které vzniká na úrovni cíle „Výběr partnera pro interakci“ a rozšiřuje se na modely Schillo a Computational Model of Trust and Reputation. Mezi cíle společnosti musí patřit účel implementovaného modelu. Pro výše uvedený příklad cíle a modelu je zřejmý konflikt v situaci monopolního trhu pro dodavatele - spotřebitelská společnost si nemůže vybrat partnera pro dodávku pomocí modelů, protože existuje pouze jedna možnost. K objasnění přítomnosti tohoto vztahu může společnost potřebovat rozložit své cíle pomocí stromu cílů, což je objekt široce používaný v BPM.

Během analýzy klasifikace vypracované v předchozí části a literatury o modelech reputace a zvláštních případech jejich implementace byly identifikovány následující body výskytu dodatečných nákladů:

Sběr údajů o pověsti protistran. Vyskytuje se v podmínce „Vstupní data“ na úrovni modelu. Zde je zohledněna konečná hodnota reputace, kterou lze vypočítat interně (implementací modelu s odpovídajícím účelem) nebo získat od příslušných poskytovatelů služeb. V prvním případě jsou náklady na implementaci dvou modelů místo jednoho, nicméně potenciální přínosy mohou být větší díky funkčnosti modelu pro výpočet reputace (řešení tedy závisí na sadě cílů, které firma potřebuje k dosažení dobré pověsti). V druhém případě se náklady tvoří z ceny použití nástrojů pro extrakci potřebných dat. Zde hodně závisí na podnikatelském prostředí společnosti. Pro firmy působící v rámci reputentních systémů (například prodejci na EBay) je možné využít API těchto systémů, které jsou často již „napevno“ potřebné funkce(jako například v Yandex Market Content API) a jehož použití je relativně levné. Neměli byste také ztrácet ze zřetele náklady na placení času zaměstnanců využívajících API nebo automatizaci těchto procesů. V případě, kdy není reputace agentů počítána centrálně, nastává problém její extrakce z nestrukturovaných dat, jako jsou recenze (z různých zdrojů, různých formátů – např. videorecenze na YouTube, které jsou také formou zpětné vazby) , zprávy ve vnitropodnikových sítích. Nástroje, které tyto problémy řeší, jsou dražší – a jejich cena roste, čím více datových zdrojů jsou schopny zpracovat. Velmi málo společností má zdroje na vývoj produktů odpovídající složitosti, což také ovlivňuje náklady. Navíc v případě analýzy interních dat (například firemní korespondence) musí mít firma potřebná data (generovat je), a tedy i technologii pro jejich ukládání. Pokud tato podmínka není splněna, vznikají nová omezení, která výrazně prodražují realizaci a ovlivňují proveditelnost. Srovnání různých nástrojů pro shromažďování údajů o reputaci je uvedeno v tabulce níže:

Stůl 6. Porovnání nástrojů pro extrakci reputačních dat

Název nástroje	Cena za měsíc použití, tisíce rublů
API systémů reputace
	Zdarma
Yandex Market Content API	Zdarma/20 (pro ty, kteří neprodávají na Ya-m)
Nástroje pro extrakci reputace z nestrukturovaných dat
Sidorin Lab (sidorinlab.ru)
Brandspotter (brandspotter.ru)
Analýza značky (br-analytics.ru)	150-515 (v závislosti na hloubce retrospektivy)
Sémantická síla (semanticforce.net)
SAP HANA, Steam Processing založený na Hadoop	Od 370 (v úvahu se berou pouze náklady na licenci za měsíc)

Jak je vidět z tabulky, většina nástrojů, které analyzují externí data, je dostupná i pro malé společnosti (například malé internetové obchody; průměrný měsíční zisk podniku elektronického obchodu se zde považuje za 750 tisíc rublů, jako v) . Skutečně nákladná řešení zahrnují analýzu velkého množství dat generovaných společnostmi, které si mohou dovolit náklady. Za zmínku také stojí, že většina levných řešení je zaměřena na práci s pověstí společnosti v jejím externím prostředí (na trhu, ve veřejném prostoru). Při řešení problémů personálního řízení (viz aplikace organizačního přístupu, kapitola 2, obr. 8), kde je třeba analyzovat objekty v vnitřní prostředí společnosti, zbývají na výběr pouze drahá řešení.

Sbírejte obtížně dohledatelná vstupní data. Mezi taková data patří vstupní data modelu „Pověst z pohledu spotřebitelů“, a to údaje o nákladové struktuře konkurentů. Existují dva způsoby, jak je získat: přijmout přibližná data (například přijmout svou strukturu nákladů) nebo zakoupit data od příslušných poskytovatelů služeb. První případ je vhodný pro firmy na trzích produktů a prodejců homogenních, blízkých dokonalé konkurenci, ale i tam může tento předpoklad vést k vážnému snížení kvality získaného výsledku. Řešením může být použít výstup modelu jako argument pro rozhodovací funkci, která bude brát v úvahu různé faktory s váhami. Druhý případ se týká analýzy konkurenčního prostředí, která je součástí nabídky služeb marketingové analýzy, které jsou na trhu rozšířené. Příklady nákladů na takové služby jsou uvedeny v tabulce níže.

I když kvalita informací může přímo záviset na nákladech, konkurenční analytické služby jsou dostupné širokému spektru společností. Je však třeba poznamenat, že čím dynamičtější je trh, tím nižší jsou překážky vstupu, tím rychleji roste počet konkurentů a jejich rozmanitost – a čím častěji je nutné provádět analýzu konkurence, tím vyšší jsou jeho náklady v přepočtu. období.

Zajištění kvality dat. Pokud jsou vstupní data pro model obtížně dostupná, existuje další způsob – použít přibližná data. Například v případě specifických variabilních nákladů konkurence se zdá být možné použít náklady společnosti, která je v modelu implementuje. Abychom se vyhnuli negativním dopadům nepřesnosti dat, stačí použít několik zdrojů dat (což není problém, protože ve většině potenciálních případů zavádění modelů, jak uvádí autor této práce, protože mechanismy pro přijímání vhodných rozhodnutí / řešení problémů / dosahování cílů jsou zřejmé, existují ve společnostech bez účasti na pověsti). Těmto zdrojům lze navíc přiřadit váhy v závislosti na spolehlivosti použitých dat. Tato cesta však přináší dodatečné náklady pro osoby s rozhodovací pravomocí nebo na automatizaci procesu. Také mnoho modelů (například Sporas) vyžaduje ochranu proti nekalým transakcím a hodnocením. To lze vyřešit implementací certifikované reputace nebo metod OERM. Mezi takové metody patří například okamžitá reakce na negativní recenze nebo vytváření umělého pozitivního pozadí v hodnocení/recenzích. Náklady spojené s metodami OERM jsou srovnatelné s náklady na sběr reputačních dat – čím hlubší analýza / více dat o společnosti, tím dražší služby. Certifikovaná reputace je obvykle implementována na úrovni systému reputace – jako je tomu u TripAdvisoru – takže vše, co zde společnost může udělat, je vybrat správný systém nebo model, pro který bude úroveň ochrany přijatelná.

Výpočetní složitost. Vyskytuje se na úrovni modelů, v odpovídajícím omezení. Ze zvažovaných modelů jsou pro něj nejrelevantnější ty, které využívají reflexi - jsou to „Dodavatel a zprostředkovatel“, „Pověst z pohledu spotřebitelů“, „Model firem soutěžících na trhu“. Ve výpočtech, které se tam provádějí, se používají fantomoví agenti - agenti, kteří existují pouze v myslích jiných agentů (včetně fantomových, určených podle stupně odrazu). Další výpočty vyžadují další napájení. Vzhledem k rozmanitosti služeb pro poskytování takových kapacit, jakož i požadavkům na ně, které přímo nesouvisejí s uvažovanou situací (například velikosti zařízení, virtualita, požadavky na bezpečnost dat), je obtížné stanovit odhad nákladů nákladů. S jistotou lze říci pouze jedno - čím více agentů nebo čím vyšší hodnost odrazu, tím složitější jsou výpočty v modelu. Reflexivní modely se tedy nejlépe hodí pro společnosti působící na trhu s malým počtem hráčů (oligopoly).

Náklady na změny. Pokud se podíváme na omezení, která vznikají na procesní úrovni (potenciálně pokrývají všechny modely), vidíme, že téměř všechna jsou spojena se změnami ve firmě – v procesech, vazbách mezi nimi a různých vnitřních strukturách. Tyto změny jsou obtížněji implementovatelné, čím větší je samotná společnost – tedy čím větší společnost, tím dražší je implementace modelů reputace. Pro přesné posouzení jsou vyžadována data auditu od velkého počtu společností (pro odhad nákladů na případné změny) a údaje o případech praktické implementace (pro upřesnění a následné zobecnění). To vše by mohly být oblasti pro další výzkum.

Výsledek

Výsledkem v této části je seznam modelů s příslušnými doporučeními pro aplikace. Podle výsledků analýzy se zde jako hlavní hledisko ukázala cena nezbytných služeb pro společnost, její vnitřní struktura a parametry vnějšího prostředí.

0. Všechny modely – Čím větší je společnost, tím obtížnější je pro ni provádět změny ve vnitřní struktuře, tím méně jsou pro ni modely použitelné.

1. SPORAS - pro výpočet reputace je nutné extrahovat informace. Dobře použitelné pro společnosti v rámci systémů reputace, u jiných vznikají náklady úměrné objemu dat potřebných ke zpracování. Vyžaduje mnoho předpokladů pro technickou implementaci, pro jejich zajištění lze implementovat společně s jinými modely (například certifikované modely reputace)

2. Schillo – vyžaduje specifická vstupní data, náklady jsou úměrné počtu hráčů na trhu. Pro oligopoly nebo mezery na trhu. Hodnotící škála je navíc binární, což vede k nepřesnosti dat, může být nutná oprava řešení.

3. Model E-bay. Jednoduchá sumace – pro výpočet reputace je třeba extrahovat informace. Dobře použitelné pro společnosti v rámci systémů reputace, u jiných vznikají náklady úměrné objemu dat potřebných ke zpracování.

4. Výpočtový model důvěry a reputace – pro výpočet reputace je třeba extrahovat informace. Dobře použitelné pro společnosti v rámci systémů reputace, u jiných vznikají náklady úměrné objemu dat potřebných ke zpracování. V případě monopolů mezi partnery je aplikace nevhodná. Hodnotící škála je navíc binární, což vede k nepřesnosti dat, může být nutná oprava řešení.

5. Model firem soutěžících na trhu – nejvhodnější pro oligopolní nebo specializované trhy. Čím více hráčů, tím méně použitelných.

6. Pověst z pohledu spotřebitele (nedynamická) – nejvhodnější pro oligopolní nebo specializované trhy. Čím více hráčů, tím méně použitelných, protože využívá odraz a vyžaduje specifická vstupní data, což je tím dražší, čím více hráčů je.

7. Pověst z pohledu spotřebitele (s dynamikou) – nejvhodnější pro oligopolní nebo specializované trhy. Čím více hráčů, tím méně použitelných.

8. ReMSA - pro výpočet reputace je nutné extrahovat informace. Středně použitelné pro společnosti v rámci systémů reputace, protože bere v úvahu data, která nemusí být shromažďována v rámci systému. U ostatních společností vznikají náklady úměrné objemu dat potřebných ke zpracování.

9. Certifikovaný model reputace pro Trip assistant - pro společnosti v rámci systémů reputace nebo jiných sítí se zavedeným mechanismem pro vzájemné hodnocení protistran. Pro ostatní obchodní podmínky (např. když se protistrany vzájemně hodnotí ve volné formě) je to méně použitelné.

Stůl 7. Vizualizace mezí použitelnosti

Se týká. zástupce. systémy	Mnoho protistran	Přidat. vyd. na podpoře kvalitní Dan.
Jednoduchý součet/průměr	Venku uvnitř
	Venku uvnitř
	Venku uvnitř
	Venku uvnitř
Calc. model důvěry a reputace	Venku uvnitř
Firmy soutěžící na trhu	Venku uvnitř
Pověst v očích spotřebitelů (stat.)	Venku uvnitř
Pověst v očích spotřebitelů (din.)	Venku uvnitř
Osvědčení zástupce. pro TripAdvisor	Venku uvnitř

Označení:

Zelená - dobrá použitelnost

Žlutá – použitelné s omezeními/náklady

Červená - použitelná s významnými omezeními/náklady

b) Modely založené na konceptu „interakce“ (strukturální nebo dialektické modely). Význam jmen se dozvíme později. Hlavní důraz je zde kladen na interakci jako zdroj vztahů příčina-následek. Interakce samotná působí jako příčina. Kant věnoval tomuto přístupu velkou pozornost, ale dialektický přístup ke kauzalitě získal svou nejjasnější podobu v dílech Hegelových. Z moderních sovětských filozofů tento přístup vyvinul G.A. Svechnikov, který se snažil podat materialistickou interpretaci jednoho ze strukturálních modelů vztahů příčiny a následku.

Zdůrazněme některé z projednávaných problémů.

c) Problém zpětného vlivu účinku na jeho příčinu.

Pokusy překročit modelovou reprezentaci a poskytnout obecnou, univerzální definici vztahu příčina-následek nevedou k řešení problému. Jako příklad můžeme uvést následující definici: „Kauzalita je takové genetické spojení jevů, kdy jeden jev, nazývaný příčina, za přítomnosti určitých podmínek nevyhnutelně generuje, způsobuje, přivádí k životu další jev, nazývaný účinek. “ Tato definice je formálně platná pro většinu modelů, ale bez spoléhání se na model nemůže řešit nastolené problémy (například problém simultánnosti), a proto má omezenou teoreticko-kognitivní hodnotu.

Limit použitelnosti modelů

Vlastnost tranzitivity umožňuje podrobnou analýzu kauzálního řetězce. Spočívá v rozdělení konečného řetězce na jednodušší články příčiny a následku. Jestliže A, pak A → B 1, B 1 → B 2,..., B n → C. Má ale konečný řetězec příčiny a následku vlastnost nekonečné dělitelnosti? Může mít počet článků v konečném řetězci N sklon k nekonečnu?

K přechodu kvantitativních změn na kvalitativní dochází např. při dělení kusu grafitu. Když se molekuly oddělují, dokud nevznikne jednoatomový plyn, chemické složení se nemění. Další dělení látky bez změny jejího chemického složení již není možné, protože dalším stupněm je štěpení atomů uhlíku. Zde z fyzikálně-chemického hlediska vedou kvantitativní změny ke kvalitativním.

Je snadné vidět, že při interakci se oba objekty současně vzájemně ovlivňují (reciprocita jednání). V tomto případě se změní stav každého z interagujících objektů. Žádná interakce – žádná změna stavu. Změnu stavu kteréhokoli z interagujících objektů lze tedy považovat za dílčí důsledek příčiny – interakce. Úplným důsledkem bude změna stavů všech objektů v jejich celku.

Zjistili jsme tedy, že evoluční modely jako elementární, primární článek obsahují strukturální (dialektický) model založený na interakci a změně stavů. O něco později se vrátíme k rozboru vzájemného propojení těchto modelů a studiu vlastností evolučního modelu. Zde bychom rádi poznamenali, že zcela v souladu s úhlem pohledu F. Engelse ke změně jevů v evolučních modelech odrážejících objektivní realitu nedochází v důsledku prosté zákonitosti událostí (jako u D. Huma), ale v důsledku k podmíněnosti generované interakcí (geneze). Proto, i když jsou odkazy na generaci (genezi) zaváděny do definice vztahů příčiny a následku v evolučních modelech, odrážejí objektivní povahu těchto vztahů a mají právní základ.

Obr. 2. Strukturální (dialektický) model kauzality

Vraťme se ke strukturálnímu modelu. Svou strukturou a významem dokonale souhlasí s prvním zákonem dialektiky - zákonem jednoty a boje protikladů, pokud je interpretován:

– jednota-jako existence objektů v jejich vzájemném spojení (interakci);

– protiklady– jako vzájemně se vylučující trendy a charakteristiky stavů způsobené interakcí;

– boj– jako interakce;

– rozvoj– jako změna stavu každého z interagujících hmotných objektů.

Jak již bylo zmíněno, evoluční model je v tomto případě málo použitelný, protože nemáme co do činění s kauzálním řetězcem, ale s elementárním vazbou příčiny a následku, jejíž strukturu nelze redukovat na evoluční model. Abychom to ukázali, uveďme si tento příklad vysvětlením z pozice evolučního modelu: „Před srážkou byla koule A v klidu, takže příčinou jejího pohybu je koule B, která ji zasáhla.“ Zde je míč B příčinou a pohyb míče A je následkem. Ale ze stejných pozic lze podat následující vysvětlení: „Před srážkou se koule B pohybovala rovnoměrně po přímé dráze. Kdyby nebylo míče A, povaha pohybu míče B by se nezměnila." Zde je příčinou již koule A a následek je stav koule B. Výše uvedený příklad ukazuje:

Modelové kvality

Uvažujme nyní, jaké kvality obsahuje strukturální model kauzality. Mezi nimi si všimněme následujících: objektivita, univerzálnost, důslednost, jednoznačnost.

Objektivnost kauzalita se projevuje v tom, že interakce působí jako objektivní příčina, vůči níž jsou interagující objekty rovnat se. Zde není prostor pro antropomorfní interpretaci. Všestrannost vzhledem k tomu, že základ kauzality vždy leží interakce. Kauzalita je univerzální, stejně jako samotná interakce je univerzální. Konzistence je způsobeno tím, že ačkoli se příčina a následek (interakce a změna stavů) časově shodují, odrážejí různé strany vztahy příčina-následek. Interakce předpokládá prostorové spojení objektů, změnu stavu - spojení mezi stavy každého z interagujících objektů v čase.

Kromě toho stanoví strukturální model jednoznačný spojení ve vztazích příčina-následek, bez ohledu na způsob matematického popisu interakce. Navíc, strukturální model, protože je objektivní a univerzální, neklade omezení na povahu interakcí v přírodních vědách. V rámci tohoto modelu platí okamžitá akce na dlouhé nebo krátké vzdálenosti a interakce s libovolnými konečnými rychlostmi. Objevení se takového omezení při určování vztahů příčiny a následku by bylo typickým metafyzickým dogmatem, které jednou provždy postuluje povahu interakce jakýchkoli systémů a vnucuje fyzice a dalším vědám ze strany filozofie přirozený filozofický rámec. , nebo by to omezilo meze použitelnosti modelu natolik, že přínosy takového modelu by byly velmi skromné.

1. Interakce prvního náboje s předmětem, která způsobí jeho zrychlení. Výsledkem této interakce je změna stavu zdroje, který ovlivnil náboj, a zejména ztráta části energie tímto zdrojem, změna stavu prvního náboje (zrychlení) a vzhled elektromagnetická vlna, který byl emitován prvním nábojem při jeho zrychleném pohybu.

2. Proces šíření elektromagnetické vlny emitované prvním nábojem.

3. Proces interakce druhého náboje s elektromagnetickou vlnou. Výsledkem interakce je urychlení druhého náboje, rozptyl primární elektromagnetické vlny a emise elektromagnetické vlny druhým nábojem.

V tomto příkladu máme dvě různé interakce, z nichž každá zapadá do strukturálního modelu příčinné souvislosti. Strukturální model je tedy ve výborné shodě s klasickou i relativistickou teorií a konečná rychlost šíření interakcí není pro strukturální model kauzality zásadně nutná.

Pokud jde o strukturální model kauzality, poznamenáváme, že rozkladové reakce a nejsou s ním v rozporu. syntéza objektů. V tomto případě je relativně stabilní spojení mezi objekty buď zničeno jako zvláštní typ interakce, nebo se takové spojení vytvoří jako výsledek interakce.

Vzhledem k tomu, že kvantové teorie (stejně jako klasické) široce používají kategorie „interakce“ a „stav“, je strukturální model zásadně použitelný v této oblasti přírodních věd. Potíže, se kterými se někdy setkáváme, jsou podle našeho názoru způsobeny tím, že ačkoliv mají rozvinutý matematický formalismus, kvantové teorie ještě nejsou plně rozvinuté a vytříbené z hlediska pojmového výkladu.

Mario Bunge o výkladu f-funkce píše například:
„Někteří připisují funkci ψ nějakému individuálnímu systému, jiní nějakému skutečnému nebo potenciálnímu statistickému souboru identických systémů, jiní považují ψ-funkci za měřítko naší informace nebo za míru spolehlivosti ohledně nějakého individuálního komplexu sestávajícího z makrosystému a přístroj, nebo konečně jednoduše jako katalog měření provedených na mnoha identicky připravených mikrosystémech. Taková rozmanitost možností interpretace ψ-funkce ztěžuje striktně kauzální interpretaci jevů mikrosvěta.

To je jeden z náznaků, že kvantové teorie jsou ve stádiu vzniku a vývoje a nedosáhly úrovně vnitřní úplnosti charakteristické pro klasické teorie.

Ale o problémech tvorby kvantových teorií svědčí nejen interpretace ψ-funkce. Přestože se relativistická mechanika a elektrodynamika na první pohled jeví jako úplné teorie, hlubší analýza ukazuje, že z řady důvodů se ani těmto teoriím nevyhnuly rozpory a vnitřní potíže. Například v elektrodynamice je problém elektromagnetické hmoty, problém reakce nábojového záření atd. Neúspěchy v pokusech o řešení těchto problémů v rámci samotných teorií v minulosti a rychlý rozvoj teorií mikrosvěta dala vzniknout naději, že rozvoj kvantových teorií pomůže odstranit obtíže. Do té doby musí být vnímány jako nevyhnutelné „zlo“, se kterým se člověk musí tak či onak smířit a očekávat úspěch od kvantových teorií.

Přitom samotné kvantové teorie čelily mnoha problémům a rozporům. Je zajímavé poznamenat, že některé z těchto potíží jsou „klasického“ charakteru, tzn. zděděné z klasických teorií a je způsobeno jejich vnitřní neúplností. Ukazuje se, že je to „začarovaný kruh“: řešení rozporů klasických teorií přiřazujeme kvantovým teoriím a obtíže kvantových teorií určují rozpory klasických.

Postupem času se naděje ve schopnost kvantových teorií eliminovat rozpory a obtíže v klasických teoriích začala vytrácet, až dosud však stále zůstává v pozadí zájem o řešení rozporů klasických teorií ve vlastním rámci.

Potíže, které se někdy objevují při vysvětlování jevů mikrosvěta z pozice kauzality, mají tedy objektivní původ a jsou vysvětlovány zvláštnostmi utváření kvantových teorií, nejsou však zásadní, zakazující nebo omezující aplikaci principu kauzality v mikrosvětě, zejména aplikace strukturálního modelu kauzality.

Kauzalita a interakce spolu vždy souvisí. Pokud má interakce vlastnosti univerzality, univerzality a objektivity, pak jsou spojení a vztahy příčina-následek stejně univerzální, univerzální a objektivní. Proto nelze v zásadě souhlasit s Bohmovými výroky, že při popisu jevů mikrosvěta se lze v některých případech opřít o filozofický indeterminismus, v jiných se lze držet principu kauzality. Myšlenku V.Ya považujeme za hluboce chybnou. Perminov, že „koncept komplementarity naznačuje cesta smíření(naše kurzíva – VC.) determinismus a indeterminismus“, bez ohledu na to, zda se tato myšlenka vztahuje k filozofii přírodních věd nebo ke konkrétnímu přírodnímu vědecká teorie. Způsob, jak sladit materialistické hledisko s postojem moderního agnosticismu k této otázce, je eklekticismus, dochází k popření objektivní dialektiky. V A. Lenin zdůraznil, že „otázka kauzality je zvláště důležitá pro určení filozofické linie toho či onoho nového „ismu“...“ (sv. 18, s. 157). A cesta k utváření kvantových teorií nevede přes popírání nebo omezování, ale přes potvrzování kauzality v mikrosvětě.

Dvě strany vědeckých teorií

Struktura vědeckých teorií přírodních věd a funkce vědeckých teorií přímo či nepřímo souvisí s kauzálním vysvětlením jevů hmotného světa. Pokud se podíváme na strukturální model kauzality, můžeme identifikovat dva charakteristické body, dva důležité aspekty, které jsou tak či onak spojeny s funkcemi vědeckých teorií.

První se týká popisu kauzálních vztahů a odpovídá na otázku: jak, v jakém pořadí? Odpovídá jakékoli větvi soukromého důsledku, která spojuje podmíněné stavy. Podává nejen popis přechodu objektu z jednoho stavu do druhého, ale popisuje a pokrývá celý kauzální řetězec jako sled souvisejících a podmíněných stavů, aniž by šel hluboko do podstaty, do zdroje změn ve stavech. řetězových článků.

Druhá strana odpovídá na otázku: proč, z jakého důvodu? Naopak, rozděluje řetězec příčin a následků na samostatné elementární články a poskytuje vysvětlení pro změnu stavu na základě interakce. Toto je vysvětlující stránka.

Tyto dvě strany s nimi přímo souvisí důležité funkce vědecká teorie: vysvětlující a popisná. Protože princip kauzality byl a bude základem každé přírodovědné teorie, bude teorie vždy plnit tyto dvě funkce: popis a vysvětlení.

Není to však jediný způsob, jak se projevuje metodologická funkce principu kauzality. S tímto principem souvisí i vnitřní strukturování samotné teorie. Vezměme si například klasickou mechaniku s jejími třemi tradičními odvětvími: kinematikou, dynamikou a statikou. V kinematice se neuvažuje o silových interakcích, ale existuje popis (fyzikální a matematický) typů pohybu hmotných bodů a hmotných objektů. Interakce je naznačena, ale ustupuje do pozadí a ponechává prioritu popisu složitých souvisejících pohybů prostřednictvím charakteristik jejich stavů. Tato skutečnost samozřejmě nemůže sloužit jako důvod pro klasifikaci kinematiky jako nekauzální metody popisu, protože kinematika odráží evoluční stránku vztahů příčina-následek spojující různé stavy.

Dynamika je teoretická část, která zahrnuje kompletní popis a vysvětlení příčiny a následku na základě strukturálního modelu vztahů příčiny a následku. V tomto smyslu lze kinematiku považovat za podobor dynamiky.

Zvláště zajímavá z hlediska kauzality je statika, ve které jsou řetězce důsledků degenerované (chybí), a jedná se pouze o souvislosti a interakce statické povahy. Na rozdíl od jevů objektivní reality, kde neexistují absolutně stabilní systémy, jsou statické problémy idealizací nebo limitujícím případem, přípustným v soukromých vědeckých teoriích. Platí zde ale i princip kauzality, neboť není možné nejen řešit statické problémy, ale ani pochopit podstatu statiky bez uplatnění „principu virtuálních posunů“ nebo souvisejících principů. „Virtuální posuny“ přímo souvisí se změnami stavů v blízkosti rovnovážného stavu, tzn. nakonec se vztahy příčiny a následku.

Podívejme se nyní na elektrodynamiku. Někdy je ztotožňován pouze s Maxwellovými rovnicemi. To je nesprávné, protože Maxwellovy rovnice popisují chování vln (emise, šíření, difrakce atd.) za daných okrajových a počátečních podmínek. Nezahrnují popis interakce jako reciproční akce. Je představen princip kauzality spolu s okrajovými a počátečními podmínkami (retardované potenciály). Jde o jakousi „kinematiku“ vlnových procesů, pokud je takové srovnání přípustné. „Dynamiku“ a s ní kauzalitu zavádí pohybová rovnice Lorentze, která bere v úvahu reakci nábojového záření. Právě spojení mezi Maxwellovými rovnicemi a Lorentzovou pohybovou rovnicí poskytuje poměrně úplný popis příčiny a následku jevů elektromagnetismu. V podobných příkladech by se dalo pokračovat. Výše uvedené však stačí k tomu, aby se kauzalita a její strukturální model promítly do struktury a funkcí vědeckých teorií.

Jestliže jsme na začátku naší práce přešli od evolučního modelu kauzality ke strukturálnímu, nyní se musíme vrátit od strukturálního modelu k evolučnímu. To je nutné pro správné posouzení vzájemného vztahu a charakteristické rysy evoluční model.

Již v nerozvětveném lineárním řetězci příčina-následek jsme nuceni opustit úplný popis všech vztahů příčina-následek, tzn. Některé konkrétní důsledky nebereme v úvahu. Strukturální model umožňuje redukovat nevětvené lineární řetězce příčin a následků na dva hlavní typy.

a) Objektový kauzální řetězec. Vzniká, když vybereme hmotný objekt a sledujeme změnu jeho stavu v čase. Příkladem může být pozorování stavu Brownovy částice nebo evoluce kosmická loď nebo šíření elektromagnetické vlny z antény vysílače na anténu přijímače.

b) Informační kauzální řetězec. Objevuje se, když nesledujeme stav hmotného objektu, ale nějaký informující jev, který je v procesu interakcí různých hmotných objektů postupně v čase spojen s různými objekty. Příkladem může být přenos ústní informace pomocí štafetového závodu atp.

Všechny lineární, nerozvětvené kauzální řetězce lze redukovat na jeden z těchto dvou typů nebo na jejich kombinaci. Takové řetězce jsou popsány pomocí evolučního modelu kauzality. V evolučním popisu zůstává interakce v pozadí a do popředí se dostává hmotný objekt nebo indikátor jeho stavu. Z tohoto důvodu je hlavní pozornost zaměřena na popis sledu událostí v čase. Proto se tento model nazývá evoluční.

Lineární, nerozvětvený kauzální řetězec lze relativně snadno analyzovat tím, že jej zredukujeme na sadu elementárních vazeb a analyzujeme je prostřednictvím strukturálního modelu. Ale taková analýza není vždy možná.

Existují složité kauzální sítě, ve kterých se jednoduché řetězce příčin a následků protínají, větví a zase protínají. To vede k tomu, že použití strukturálního modelu činí analýzu těžkopádnou a někdy i technicky nemožnou.

Navíc nás často nezajímá samotný vnitřní proces a popis vnitřních vztahů příčina-následek, ale prvotní dopad a jeho konečný výsledek. Tato situace se často vyskytuje při analýze chování. komplexní systémy(biologické, kybernetické atd.). V takových případech detail vnitřní procesy ve svém celku se jeví jako nadbytečné, pro praktické účely nepotřebné a zatěžují analýzu. To vše vedlo k řadě rysů při popisu vztahů příčina-následek pomocí evolučních modelů. Pojďme si tyto funkce vyjmenovat.

1. V evolučním popisu kauzální sítě je zhrubnuta kompletní kauzální síť. Hlavní řetězce jsou zvýrazněny a nedůležité jsou odříznuty a ignorovány. To značně zjednodušuje popis, ale takového zjednodušení je dosaženo za cenu ztráty některých informací, za cenu ztráty jednoznačnosti popisu.

2. V zájmu zachování jednoznačnosti a přiblížení popisu objektivní realitě jsou odříznuté větve a kauzální řetězce nahrazeny souborem podmínek. Úplnost, jednoznačnost a objektivita popisu a analýzy příčiny a následku závisí na tom, jak správně je identifikován hlavní kauzální řetězec a jak plně jsou zohledněny podmínky kompenzující zhrubnutí.

3. Volba toho či onoho řetězce příčiny a následku jako hlavního je určována do značné míry cíli výzkumníka, tzn. jaké jevy chce analyzovat souvislost mezi. Přesně Nastavení cíle nutí nás hledat hlavní řetězce příčiny a následku a nahradit ty odříznuté podmínkami. To vede k tomu, že s některými nastaveními hlavní role provést některé řetězce, zatímco jiné jsou nahrazeny podmínkami. Při jiném nastavení se tyto řetězce mohou stát podmínkami a roli hlavních budou hrát ty, které byly dříve vedlejší. Příčiny a podmínky tedy mění role.

Podmínky hry důležitá role, spojující objektivní příčinu a následek. Za různých podmínek ovlivňujících hlavní příčinný řetězec budou důsledky různé. Zdá se, že podmínky vytvářejí kanál, podél kterého řetěz proudí historické události nebo vývoj jevů v čase. K identifikaci hlubokých, podstatných vztahů příčiny a následku je proto nutná důkladná analýza, která bere v úvahu vliv všech vnějších a vnitřní faktory, všechny podmínky ovlivňující vývoj hlavního příčinného řetězce a posouzení míry ovlivnění.

4. Evoluční popis se nezaměřuje na interakci, ale na spojení událostí nebo jevů v čase. Proto se obsah pojmů „příčina“ a „následek“ mění, a to je velmi důležité vzít v úvahu. Jestliže ve strukturálním modelu interakce působí jako pravá causa finalis – konečná příčina, pak se v evolučním modelu – aktivní příčina (causa activa) stává jevem nebo událostí.

Vyšetřování mění i svůj obsah. Namísto spojení stavů hmotného objektu během jeho interakce s jiným, nějaká událost nebo jev působí jako důsledek a uzavírá řetězec příčin a následků. Z tohoto důvodu příčina v evolučním modelu vždy předchází následku.

5. Ve výše uvedeném smyslu mohou příčina a následek v evolučním modelu působit jako jevy jediné kvality, které uzavírají řetězec příčin a následků na obou stranách. Důsledek jednoho řetězce může být příčinou a počátkem dalšího řetězce, který následuje v čase po prvním. Tato okolnost určuje vlastnost tranzitivity evolučních modelů kauzality.

Zde jsme se dotkli pouze hlavních rysů a charakteristických rysů evolučního modelu.

Závěr

Strukturální model kauzality lze úspěšně použít pro relativně jednoduché kauzální řetězce a systémy. V reálné praxi se musíme potýkat i se složitými systémy. Otázka popisu příčiny a následku chování komplexních systémů je téměř vždy založena na evolučním modelu kauzality.

Zkoumali jsme tedy dva typy modelů, které v přírodě odrážejí vztahy příčiny a následku, analyzovali vzájemný vztah těchto modelů, limity jejich použitelnosti a některé vlastnosti. Projev kauzality v přírodě je různorodý jak formou, tak obsahem. Je pravděpodobné, že tyto modely nevyčerpávají celý arzenál forem vztahů příčiny a následku. Ale bez ohledu na to, jak rozmanité jsou tyto formy, kauzalita bude mít vždy vlastnosti objektivity, univerzálnosti a univerzálnosti. Z tohoto důvodu princip kauzality plnil a vždy bude plnit nejdůležitější ideologické a metodologické funkce v moderní přírodní vědy a filozofie přírodních věd. Různorodost forem projevu vztahů příčina-následek nemůže sloužit jako důvod k opuštění materialistického principu kauzality či prohlášení o jeho omezené použitelnosti.

Informační zdroje:

Svechnikov G.A. Kauzalita a souvislost stavů ve fyzice. M., 1971.
Svechnikov G.A. Dialekticko-materialistický koncept kauzality // Moderní determinismus: Přírodní zákony. M., 1973.
Tyukhtin V.S. Reflexe, systémy, kybernetika. M., 1972
Uemov A.I., Ostapenko S.V. Kauzalita a čas // Moderní determinismus: přírodní zákony.
Orudzhev Z.M., Akhundov M.D. Časová struktura příčinné souvislosti // Filosofie. vědy. 1969. č. 6.
Žarov A.M. Časový vztah příčiny a následku a nejistoty. 1984. č. 3.
Kuzněcov I.V. Vybrané práce z metodologie fyziky. M., 1975.
Materialistická dialektika: V 5 svazcích T. 1: Objektivní dialektika / Pod obecným. vyd. F V. Konstantinov a V.G. Marachová; Rep. vyd. F.F. Väkkerev. M., 1981.
Naletov N.3. Kauzalita a teorie poznání. M., 1975.
Hegel G.W.F. Encyklopedie filozofických věd: Ve 3 svazcích T. 1: The Science of Logic. M., 1974.
Staržinský V.P. Pojem „stát“ a jeho metodologická role ve fyzice. Minsk, 1979.
Ivanov V.G. Kauzalita a determinismus. L., 1974.
Materialistická dialektika. T. 1. P. 213.
Bunge M. Filosofie fyziky. M., 1975. S. 99.
Bohm D. Kauzalita a náhodnost v moderní fyzice. M., 1959.
Perminov V.Ya. Problém kauzality ve filozofii a přírodní vědě. M., 1979. S. 209.
Nikitin E.P. Vysvětlení je funkcí vědy. M., 1970.

Kuligin V.A. Kauzalita a interakce ve fyzice. Sbírka Voroněžské státní univerzity: "Determinismus v moderní vědě." Voroněž, 1987.

19. Modelování jako metoda poznání. Typy modelů. Adekvátnost, limity použitelnosti modelů. Příklady použití modelů při studiu biologických systémů.

Modelování- jedná se o metodu, při které je studium nějakého složitého objektu (procesu, jevu) nahrazeno studiem jeho modelu. Hlavní fáze modelování lze shrnout takto:

1. Primární sběr informací. Výzkumník musí získat co nejvíce informací o různých charakteristikách reálného objektu: jeho vlastnostech, procesech v něm probíhajících, vzorcích chování za různých vnějších podmínek.

2. Formulace problému. Formuluje se účel výzkumu, jeho hlavní cíle a určí se, jaké nové poznatky chce výzkumník výzkumem získat. Tato fáze je často jednou z nejdůležitějších a časově nejnáročnějších.

3. Odůvodnění hlavních předpokladů. Jinými slovy, skutečný objekt je zjednodušen, charakteristiky (položka 1), které nejsou pro účely studie významné, jsou izolované a lze je zanedbat.

4. Tvorba modelu, jeho výzkum.

5. Kontrola přiměřenosti modelu skutečný objekt. Označení mezí použitelnosti modelu.

Tím pádem, model jakoby koordinuje skutečný objekt s účelem studie: na jedné straně objekt zjednodušuje, umožňuje provádět výzkum, ale na druhé straně zachovává to hlavní, co zajímá výzkumník. V biofyzice, biologii a medicíně se často používají fyzikální, biologické a matematické modely. Analogové modelování je také běžné.

Fyzikální model má fyzikální povahu, často stejnou jako studovaný objekt. Například průtok krve cévami je modelován pohybem tekutiny potrubím (tuhým nebo elastickým).

Biologické modely jsou biologické objekty vhodné pro experimentální výzkum, na kterých se studují vlastnosti a zákonitosti biofyzikálních procesů v reálných komplexních objektech. Například vzorce výskytu a šíření akčních potenciálů v nervových vláknech byly studovány až po nalezení tak úspěšného biologického modelu, jakým je obří axon olihně.

Matematické modely- popis procesů v reálném objektu pomocí matematických rovnic, obvykle diferenciálních. Počítače jsou nyní široce používány k implementaci matematických modelů.

Pokud mají procesy v modelu jinou fyzikální povahu než původní, ale jsou popsány stejným matematickým aparátem (obvykle stejnými diferenciálními rovnicemi), pak se takový model nazývá analogový. Obvykle se používá jako analogový model elektrický. Například analogovým modelem cévního systému je elektrický obvod s odpory, kapacitami a indukčnostmi.

Základní požadavky, které musí model splňovat.

1. Adekvátnost – model musí reprodukovat vzorce studovaných jevů s daným stupněm přesnosti.

2. Musí být stanoveny meze použitelnosti modelu, to znamená, že musí být jasně definovány podmínky, za kterých je vybraný model adekvátní studovanému objektu, protože žádný model neposkytuje vyčerpávající popis objektu.