Por qué el uso de modelos afecta los límites de aplicabilidad. Aspectos subjetivos de la aplicación de modelos matemáticos de operaciones militares en el trabajo de los órganos de mando y control militar.

PENSAMIENTO MILITAR N° 10/2011, págs. 49-53

CoronelV.O. TIJÁNICHEV ,

Candidato de Ciencias Técnicas

TIKHANYCHEV Oleg Vasilievich nació el 30 de octubre de 1965 en la ciudad de Shuya, región de Ivanovo. Graduado de la Escuela Superior de Ingeniería y Mando Militar de Kazán (1988), Academia de Artillería Mikhailovsky (1997). Se desempeñó como comandante de pelotón y comandante adjunto de batería en el GSVG y en el Distrito Militar del Cáucaso Norte. Desde 1997 - en el 27º Instituto Central de Investigación del Ministerio de Defensa de la Federación de Rusia en puestos compañero de investigación, jefe de departamento, investigador principal del departamento de investigación.

En 2005 defendió su tesis de Candidato de Ciencias Técnicas. Autor de más de 100 artículos científicos. Profesor de la Academia de Ciencias Militares.

ANOTACIÓN. Se analiza la experiencia en el desarrollo de modelos matemáticos para sistemas de control automatizados y el uso de prototipos de programas de modelos matemáticos en eventos de capacitación operativa. Se fundamenta la necesidad de mejorar el procedimiento de elaboración de modelos matemáticos con el fin de reducir la influencia de factores subjetivos en la eficacia de su aplicación. PALABRAS CLAVE: modelado matemático, procedimiento para el desarrollo de modelos, experiencia en actividades de entrenamiento operativo, factores objetivos y subjetivos, mejora de la organización del desarrollo de modelos. RESUMEN. El autor analiza la experiencia en el desarrollo de modelos matemáticos para sistemas de control automatizados y la aplicación de prototipos de software de modelos matemáticos para actividades de capacitación operativa. Se razona la necesidad de mejorar el procedimiento de desarrollo de modelos matemáticos para reducir la influencia de los factores humanos en la eficacia de su aplicación. PALABRAS CLAVE: simulación matemática, procedimiento de modelado, experiencia de actividades de capacitación operativa, factores objetivos y humanos, mejora de la organización del modelado.

EN CONDICIONES MODERNAS dirección prioritaria de la reforma de las Fuerzas Armadas Federación Rusa es aumentar la eficiencia de su uso, incluso mediante la automatización del mando y control de tropas (fuerzas). Se entiende por automatización del mando y control de tropas (fuerzas) el proceso de equipamiento de cuarteles generales, puestos de mando y complejos de combate con medios electrónicos. tecnologia computacional y su utilización en la labor de los órganos rectores.

El componente intelectual del complejo de herramientas de automatización para el sistema automatizado de control de tropas (ATCS) es el software, que se divide en general, de todo el sistema y especial. El software especial (SPO) de los sistemas de control automatizados consta de cálculos, problemas de información y modelos matemáticos. Estos últimos desempeñan un papel importante en el proceso de planificación de operaciones (acciones de combate) y mando y control de tropas (fuerzas), proporcionando una previsión del desarrollo de la situación y una evaluación comparativa de la efectividad de las decisiones tomadas.

El artículo “Modelado de la confrontación armada: perspectivas de desarrollo” examinó una serie de aspectos importantes de la aplicación de modelos matemáticos en asuntos militares. Pero los factores subjetivos quedaron detrás de escena, aunque en la práctica tienen un impacto significativo en el uso de modelos matemáticos en el proceso de organización de operaciones (operaciones de combate). Razones subjetivas El uso limitado de modelos matemáticos en el trabajo práctico de la sede no ha recibido una cobertura adecuada en publicaciones posteriores relacionadas con los modelos matemáticos. Así, en el artículo “Problemas de la automatización del apoyo a las decisiones intelectuales de los comandantes de armas combinadas a nivel táctico” se señala que modelos matemáticos debería ser el componente más importante de los sistemas de control automatizados, pero no han encontrado aplicación amplia en el proceso de tomar la decisión de combatirlo y gestionarlo. No se especifica por qué sucedió esto. Se consideran principalmente las desventajas de los modelos existentes y los factores tecnológicos objetivos que dificultan el uso de modelos matemáticos. Se mencionan de pasada razones subjetivas.

Al mismo tiempo V En el ámbito militar, caracterizado por una feroz confrontación y una alta responsabilidad personal de quien toma las decisiones, la presencia de un factor subjetivo no sólo es inevitable, sino también un fenómeno natural. En condiciones de información incompleta, los comandantes (jefes) experimentados pueden formular las decisiones correctas en un nivel intuitivo. Al mismo tiempo, suelen partir de ideas subjetivas sobre la importancia varios criterios Optimidad y eficacia de las posibles alternativas a las decisiones tomadas. Esto es lo que a menudo da lugar a un rechazo subjetivo de los resultados de los modelos matemáticos, que en última instancia puede conducir a graves errores en la planificación y el control del combate.

Por tanto, la presencia de factores subjetivos que obstaculizan el uso de modelos matemáticos en asuntos militares: hecho real, lo que requiere reflexión y adopción de medidas adecuadas.

¿Qué determina específicamente los casos de rechazo subjetivo del uso de modelos matemáticos por parte de funcionarios de las agencias de mando y control militar (MCA)? Hay muchas razones y se manifiestan tanto en la etapa de desarrollo como en la etapa de uso de modelos matemáticos.

Las principales razones del rechazo de cualquier innovación, como dicen los psicólogos, son la falta de comprensión de su esencia, el desconocimiento de sus características y la incapacidad de aplicarla.

El procedimiento existente para utilizar software de código abierto implica que el usuario oficial del sistema de control automatizado conoce de manera confiable las limitaciones y supuestos adoptados durante el desarrollo del software de código abierto, y los límites de aplicabilidad de los modelos matemáticos del software de código abierto. Es dentro de estos límites donde se llevan a cabo inspecciones y pruebas de elementos de software de código abierto para confirmar su rendimiento y adecuación. Esto se aplica plenamente a los modelos matemáticos como parte integral del software de código abierto. Teóricamente, los funcionarios de la autoridad administrativa que utilizan componentes SPO en sus actividades prácticas Debe comprender los límites de aplicabilidad del modelo matemático. estudiando detenidamente la documentación operativa de los componentes del software. Compréndelos, recuérdalos y déjate guiar siempre por ellos. Lamentablemente, esta situación ideal no siempre se materializa en la práctica, principalmente debido a la imperfección de la organización del proceso de aprendizaje. funcionarios OVU trabaja en equipos de automatización.

Otro problema es el de dividir la responsabilidad de las decisiones tomadas entre el usuario del modelo y el desarrollador de su aparato matemático. si en sistemas tecnicos La división de responsabilidad por errores de funcionamiento entre el desarrollador y el usuario está prescrita en los GOST y reglamentos técnicos pertinentes, pero para el software todavía no existen tales documentos. El alto grado de responsabilidad de los funcionarios de una institución educativa por los resultados de sus actividades, junto con una comprensión incierta de los límites de aplicabilidad de los modelos, genera ciertas preocupaciones entre los funcionarios al utilizar modelos matemáticos en la práctica de la planificación. operaciones reales(combate). Sin resolver este problema, es imposible garantizar el uso completo del modelado matemático en la práctica de operar un dispositivo.

Influye significativamente en la introducción de la modelización matemática en la práctica. OVU es la irracionalidad del diseño de la interfaz de los modelos matemáticos creados por la industria. EN Actualmente, no se presta suficiente atención a este aspecto en el desarrollo de programas. La psicología de la ingeniería y la ergonomía no aportan optimismo: se ocupan principalmente de los modos de funcionamiento del operador y del equipamiento del lugar de trabajo, pero no de la calidad de las interfaces de los programas.

Al mismo tiempo, con el desarrollo tecnologías de la información Al aumentar las capacidades de la tecnología informática, las personas se convierten cada vez más en el eslabón que ralentiza la toma de decisiones en los sistemas de control automatizados. Y la razón aquí es la interfaz del programa, que ralentiza tanto el proceso de entrada de datos iniciales como el análisis de los resultados del modelado. Después de todo, la interfaz es el principal elemento de comunicación entre el usuario y el programa. A menudo, es la comodidad de la interfaz lo que determina si el usuario recurrirá al programa en momentos críticos y si podrá realizar cálculos rápidamente y analizar sus resultados.

Es malo que el trabajo creativo y "fragmentado" para crear interfaces de programas y desarrollar enfoques para unificarlos, que sólo puede ser realizado por un especialista con una amplia perspectiva operativa y técnica, no se relacione en absoluto con la actividad científica. Al mismo tiempo, la falta de enfoques unificados para la implementación de interfaces de modelos matemáticos y problemas de información y cálculo reduce significativamente sus propiedades de usuario y dificulta que los funcionarios los dominen e implementen en las actividades de las instituciones educativas.

De acuerdo con los documentos rectores, en la creación de interfaces para modelos y tareas a partir del software del sistema de control automatizado participan dos categorías de desarrolladores: empleados de la Universidad Nacional de Investigación del Ministerio de Defensa, que lideran el apoyo científico-militar para la creación de sistemas de control automatizados y desarrolladores de software en empresas industriales. Todos ellos son al menos expertos en el uso de la tecnología informática. Pero estas habilidades también pueden desempeñar un papel negativo. El especialista crea inconscientemente una interfaz modelo "para él mismo", y no para un oficial de estado mayor que trabaja bajo una gran presión de tiempo y es un especialista en el campo militar. Y la lógica de un programador suele ser diferente de la lógica de una persona común y corriente. No es de extrañar que bromeen con eso. persona normal cree que hay 1000 bytes en un kilobyte y el programador está seguro de que hay 1024 gramos en un kilogramo. Como resultado de estas diferencias, la simplicidad de la interfaz durante el desarrollo a menudo se sacrifica en favor de algunas cualidades y capacidades adicionales que parecen necesarias para el programador. Como consecuencia, los funcionarios de la institución educativa tienen dificultades para dominar las interfaces de modelos y tareas y una falta de voluntad para trabajar con ellos en la resolución de problemas prácticos.

El impacto negativo de este factor sólo puede eliminarse cambiando el procedimiento existente para desarrollar SMPO, asegurando una participación más estrecha. V proceso de desarrollo del modelo matemático del usuario final. Para ello, es aconsejable introducir una etapa (etapas) obligatorias de funcionamiento de prueba de elementos de software de código abierto. V ejecución de maqueta con la participación de funcionarios de la OVU. Con base en los resultados de la etapa, es necesario prever el refinamiento de los elementos SPO. V partes de la organización de la interfaz del programa. Por cierto, la experiencia mundial en el desarrollo de software muestra que cualquier tecnología utilizada (en cascada, en espiral o en placa) contiene necesariamente una etapa de creación de prototipos, a partir de cuyos resultados se finaliza el software, incluida su parte de interfaz.

También es importante Actitud personal de cada funcionario ante los resultados del modelado matemático. Esta actitud puede expresarse en una desconfianza generalizada hacia los resultados obtenidos utilizando un aparato matemático desconocido y se forma durante la "comunicación" con los modelos. El último merece especial atención.

No es ningún secreto que a veces los funcionarios de la ODU, insatisfechos con los resultados del modelo, intentan diferentes caminos corrígelos. Un usuario (operador) que conoce bien el modelo puede "jugar" varios factores para influir en los resultados. V el lado correcto. Cuando se convierte en tomador de decisiones, tiene la opinión de que el modelo puede mostrar cualquier resultado, siempre que exista el deseo. Esta opinión es profundamente errónea y surge del desconocimiento de las características del modelado matemático. Sí, el resultado de la simulación se puede ajustar ligeramente cambiando cualquiera de las condiciones iniciales para organizar las acciones de los grupos opuestos, que entran en la categoría de inciertas y seleccionadas por el operador dentro de los límites establecidos. Pero es imposible falsificar los resultados sin cambiar los datos originales, especialmente si el modelo se utiliza para análisis comparativo opciones para el uso de tropas (fuerzas), en igualdad de condiciones. Los resultados mismos pueden cambiar, pero el modelo seguirá mostrando la tendencia correcta de la situación.

Un acercamiento A la resolución de esta situación, en nuestra opinión, es la misma: participación de los funcionarios en el desarrollo de aparatos matemáticos, que está integrado en el SMPO creado para automatizarlos actividades. En primer lugar, se trata de la formalización del proceso simulado y la formación de un sistema de tolerancias y restricciones.

Involucrar a los funcionarios de la institución educativa en el desarrollo del SMPO, en particular en la descripción del aparato de modelos matemáticos, no es un camino fácil. Esto requiere ciertos esfuerzos por parte del cliente y de la industria, no sólo técnicos, sino también organizativos y, en ocasiones, plan educativo. Pero la experiencia práctica de este tipo de trabajo disponible en el 27º Instituto Central de Investigación del Ministerio de Defensa atestigua la eficacia de este método. El desarrollo de una serie de métodos de cálculo operativo junto con funcionarios del Departamento de Asuntos Internos demostró que posteriormente los funcionarios perciben mucho mejor las herramientas de software que implementan el aparato matemático creado conjuntamente. El conocimiento del aparato matemático utilizado en el software y los límites de su aplicabilidad garantiza la confianza en los resultados del modelado.

Así, el análisis de los factores subjetivos que interfieren con el uso de modelos matemáticos en el trabajo práctico de las instituciones educativas muestra que las deficiencias existentes son sistémicas. No dependen del desarrollador de software de código abierto específico ni del enfoque que haya elegido para crear un sistema de control automatizado de software de código abierto: funcional, estructural o de proceso. Para eliminarlos, es necesario cambiar tanto el procedimiento para la creación de modelos matemáticos, introduciendo etapas obligatorias que prevean la participación de futuros usuarios de los modelos en su desarrollo, como el procedimiento para preparar a los funcionarios de la institución educativa para trabajar con ellos.

Además, Vale la pena detenerse en otro factor subjetivo de desconfianza en los modelos matemáticos, que surge en los casos en que los representantes de la industria modifican injustificadamente los modelos matemáticos o intentan implementarlos cuando no existe una necesidad objetiva para ello.

Análisis experiencia extranjera muestra que lo más aceptable es el aumento gradual de las capacidades de los modelos matemáticos mediante su modernización sin alterar radicalmente el “núcleo” matemático y, por supuesto, el uso de modelos matemáticos para planificar operaciones (acciones de combate) solo cuando sea realmente necesario, donde existen condiciones para ello. Desafortunadamente, con nosotros a menudo todo sucede exactamente al revés. La modificación irrazonablemente frecuente de los modelos, la extensión de los modelos matemáticos a áreas donde no es aplicable (por ejemplo, al nivel "batallón - compañía (batería) - pelotón"), reduce subjetivamente la confianza en el proceso de uso de modelos al planificar operaciones militares. , y desacredita la idea misma de modelado matemático.

Entonces, para reducir el impacto negativo de los factores subjetivos en el uso del modelado matemático en la práctica de la unidad de control, es necesario aumentar el conocimiento y las habilidades de los usuarios de SMPO y superar la renuencia de los desarrolladores a tener en cuenta sus requisitos. (superar el sistema de control automatizado bajo la firme guía del cliente, con la ayuda del sistema de control y las organizaciones que brindan apoyo científico-militar).

Para hacer esto necesitas:

mejorar el procedimiento para desarrollar modelos matemáticos, incluyendo en el proceso de desarrollo las etapas obligatorias de creación de prototipos y prueba de modelos en una institución educativa; cambio de actitud (mayor atención) hacia la creación de interfaces de software para modelos matemáticos del sistema de control automatizado;

ajuste de lineamientos que definen el contenido de las etapas de desarrollo de modelos matemáticos;

optimización del proceso de capacitación de funcionarios que utilizan modelos matemáticos como parte de software de código abierto para kits de automatización de puntos de control.

La implementación de estas medidas permitirá que el modelado matemático ocupe el lugar que le corresponde y le corresponde en el proceso de organización de operaciones (acciones de combate) y mando y control de tropas (fuerzas).

Pensamiento militar. 2009. No. 7. P. 12-20.

Pensamiento militar. 2009. N° 9. Págs. 43-53.

Revisión militar extranjera. 2006. No. 6. P. 17-23; 2008. N° 11. Págs. 27-32.

Para comentar debes registrarte en el sitio.

Víctor Kuligin

La divulgación del contenido y la especificación de conceptos deben basarse en uno u otro modelo específico de conexión mutua de conceptos. El modelo, que refleja objetivamente un cierto aspecto de la conexión, tiene límites de aplicabilidad, más allá de los cuales su uso conduce a conclusiones falsas, pero dentro de los límites de su aplicabilidad debe tener no sólo imágenes, claridad y especificidad, sino también valor heurístico.

La variedad de manifestaciones de relaciones de causa y efecto en el mundo material ha llevado a la existencia de varios modelos de relaciones de causa y efecto. Históricamente, cualquier modelo de estas relaciones puede reducirse a uno de dos tipos principales de modelos o una combinación de ellos.

a) Modelos basados ​​en un enfoque temporal (modelos evolutivos). Aquí la atención principal se centra en el lado temporal de las relaciones de causa y efecto. Un evento – “causa” – da lugar a otro evento – “efecto”, que va por detrás de la causa en el tiempo (retrasos). El retraso es un sello distintivo del enfoque evolutivo. Causa y efecto son interdependientes. Sin embargo, la referencia a la generación de un efecto por una causa (génesis), aunque jurídica, se introduce en la definición de relación causa-efecto como si fuera desde fuera, desde fuera. Capta el lado externo de esta conexión sin capturar profundamente la esencia.

El enfoque evolutivo fue desarrollado por F. Bacon, J. Mill y otros. El punto polar extremo del enfoque evolutivo fue la posición de Hume. Hume ignoró la génesis, negó la naturaleza objetiva de la causalidad y la redujo a la simple regularidad de los acontecimientos.

b) Modelos basados ​​en el concepto de “interacción” (modelos estructurales o dialécticos). Descubriremos el significado de los nombres más adelante. El foco principal aquí está en la interacción como fuente de relaciones de causa y efecto. La interacción misma actúa como causa. Mucha atención Kant adoptó este enfoque, pero el enfoque dialéctico de la causalidad adquirió su forma más clara en las obras de Hegel. De los filósofos soviéticos modernos, este enfoque fue desarrollado por G.A. Svechnikov, que buscó dar una interpretación materialista de uno de los modelos estructurales de relaciones causa-efecto.

Los modelos existentes y utilizados actualmente revelan el mecanismo de las relaciones de causa y efecto de diferentes maneras, lo que genera desacuerdos y crea la base para discusiones filosóficas. La intensidad de la discusión y la naturaleza polar de los puntos de vista indican su relevancia.

Destaquemos algunas de las cuestiones que se están debatiendo.

a) El problema de la simultaneidad de causa y efecto. Este es el principal problema. ¿La causa y el efecto son simultáneos o están separados por un intervalo de tiempo? Si causa y efecto son simultáneos, ¿por qué la causa da lugar al efecto y no al revés? Si causa y efecto no son simultáneos, ¿puede haber una causa “pura”, es decir? ¿una causa sin efecto que aún no ha ocurrido, y un efecto “puro”, cuando la acción de la causa ha terminado, pero el efecto aún está en curso? ¿Qué pasa en el intervalo entre causa y efecto, si están separados en el tiempo, etc.?

b) El problema de la falta de ambigüedad de las relaciones causa-efecto. ¿La misma causa da lugar al mismo efecto, o una causa puede dar lugar a cualquier efecto entre varios potenciales? ¿Se puede producir el mismo efecto por alguna de varias causas?

c) El problema de la influencia inversa de un efecto sobre su causa.

d) El problema de conectar causa, ocasión y condiciones. ¿Pueden, en determinadas circunstancias, causa y condición cambiar de papel: la causa se convierte en condición y la condición se convierte en causa? ¿Cuál es la relación objetiva y las características distintivas de causa, ocasión y condición?

La solución a estos problemas depende del modelo elegido, es decir en gran medida, de qué contenidos se incluirán en las categorías iniciales de “causa” y “efecto”. El carácter definitorio de muchas dificultades se manifiesta, por ejemplo, en el hecho de que no existe una respuesta única a la pregunta de qué debe entenderse por “causa”. Algunos investigadores piensan en una causa como un objeto material, otros como un fenómeno, otros como un cambio de estado, otros como una interacción, etc.

Los intentos de ir más allá de la representación modelo y dar una definición general y universal de la relación causa-efecto no conducen a una solución al problema. Un ejemplo es la siguiente definición: “La causalidad es tal enlace genético fenómenos en los que un fenómeno, llamado causa, en presencia de ciertas condiciones, inevitablemente genera, causa y da vida a otro fenómeno, llamado efecto”. Esta definición es formalmente válida para la mayoría de los modelos, pero sin depender del modelo no puede resolver los problemas planteados (por ejemplo, el problema de la simultaneidad) y por tanto tiene un valor teórico-cognitivo limitado.

Al resolver los problemas mencionados anteriormente, la mayoría de los autores tienden a partir de la imagen física moderna del mundo y, por regla general, prestan algo menos de atención a la epistemología. Mientras tanto, en nuestra opinión, hay aquí dos problemas que son importantes: el problema de eliminar elementos de antropomorfismo del concepto de causalidad y el problema de las conexiones no causales en las ciencias naturales. La esencia del primer problema es que la causalidad como categoría filosófica objetiva debe tener un carácter objetivo, independiente del sujeto cognoscente y su actividad. La esencia del segundo problema: ¿deberíamos reconocer las conexiones causales en las ciencias naturales como universales y universales, o deberíamos considerar que tales conexiones son de naturaleza limitada y que existen conexiones de tipo no causal que niegan la causalidad y limitan los límites de la ¿Aplicabilidad del principio de causalidad? Creemos que el principio de causalidad es universal y objetivo y su aplicación no conoce restricciones.

Entonces, dos tipos de modelos, que reflejan objetivamente algunos aspectos y características importantes de las relaciones causa-efecto, están en cierta medida en contradicción, ya que resuelven los problemas de simultaneidad, inequívoco, etc. de diferentes maneras, pero al mismo tiempo, reflejando objetivamente algunos aspectos de las relaciones causa-efecto, deben estar en conexión mutua. Nuestra primera tarea es identificar esta conexión y refinar los modelos.

Límite de aplicabilidad de los modelos.

Intentemos establecer el límite de aplicabilidad de los modelos de tipo evolutivo. Las cadenas causales que satisfacen los modelos evolutivos tienden a tener la propiedad de transitividad. Si el evento A es la causa del evento B (B es una consecuencia de A), si, a su vez, el evento B es la causa del evento C, entonces el evento A es la causa del evento C. Si A → B y B → C , luego A → C. Así, de esta manera, se forman las cadenas de causa y efecto más simples. El evento B puede actuar como causa en un caso y como consecuencia en otro. Este patrón fue observado por F. Engels: “... causa y efecto son representaciones que tienen significado, como tales, sólo cuando se aplican a un caso individual dado: pero tan pronto como consideramos este caso individual en conexión general con el mundo entero en su conjunto, estas representaciones convergen y se entrelazan en la representación de la interacción universal, en la que causas y efectos cambian constantemente de lugar; lo que es causa aquí o ahora se convierte en efecto allí o entonces y viceversa” (vol. 20, p. 22).

La propiedad de transitividad nos permite realizar análisis detallado cadena causal. Consiste en dividir la cadena final en eslabones de causa y efecto más simples. Si A, entonces A → B 1, B 1 → B 2,..., B n → C. Pero, ¿tiene una cadena finita de causa y efecto la propiedad de divisibilidad infinita? ¿Puede el número de eslabones de una cadena finita N tender al infinito?

Con base en la ley de la transición de cambios cuantitativos a cualitativos, se puede argumentar que al dividir la cadena final de causa y efecto, nos enfrentaremos a tal contenido de eslabones individuales de la cadena que una mayor división dejará de tener sentido. Tenga en cuenta que la divisibilidad infinita, que niega la ley de la transición de cambios cuantitativos a cualitativos, Hegel la llamó "infinito malo".

La transición de cambios cuantitativos a cualitativos se produce, por ejemplo, al dividir un trozo de grafito. Cuando las moléculas se separan hasta que se forma un gas monoatómico, la composición química no cambia. Mayor división de una sustancia sin cambiarla. composición química Ya no es posible, ya que la siguiente etapa es la división de los átomos de carbono. Aquí, desde un punto de vista fisicoquímico, los cambios cuantitativos conducen a cambios cualitativos.

La afirmación anterior de F. Engels muestra claramente la idea de que la base de las relaciones de causa y efecto no es la expresión espontánea de la voluntad, ni el capricho del azar ni el dedo divino, sino la interacción universal. En la naturaleza no hay aparición ni destrucción espontánea del movimiento, hay transiciones mutuas de una forma de movimiento de la materia a otras, de un objeto material a otro, y estas transiciones no pueden ocurrir de otra manera que a través de la interacción de objetos materiales. Tales transiciones causadas por la interacción dan lugar a nuevos fenómenos que cambian el estado de los objetos que interactúan.

La interacción es universal y forma la base de la causalidad. Como señaló acertadamente Hegel, “la interacción es una relación causal planteada en su pleno desarrollo”. F. Engels formuló esta idea aún más claramente: “La interacción es lo primero que se nos aparece cuando consideramos el movimiento de la materia en su conjunto desde el punto de vista de las ciencias naturales modernas... Así, las ciencias naturales confirman que... que la interacción es una verdadera causa finalis de las cosas. No podemos ir más allá del conocimiento de esta interacción precisamente porque detrás de ella no hay nada más que saber” (vol. 20, p. 546).

Dado que la interacción es la base de la causalidad, consideremos la interacción de dos objetos materiales, cuyo diagrama se muestra en la Fig. 1. Este ejemplo no viola la generalidad del razonamiento, ya que la interacción de varios objetos se reduce a interacciones pareadas y puede considerarse de manera similar.

Es fácil ver que durante la interacción ambos objetos se influyen simultáneamente entre sí (reciprocidad de acción). En este caso, el estado de cada uno de los objetos que interactúan cambia. Sin interacción, sin cambio de estado. Por lo tanto, un cambio en el estado de cualquiera de los objetos que interactúan puede considerarse como una consecuencia parcial de la causa: la interacción. El cambio en los estados de todos los objetos en su totalidad será investigación completa.

Es obvio que tal modelo de causa y efecto del vínculo elemental del modelo evolutivo pertenece a la clase de estructural (dialéctico). Cabe destacar que este modelo no se reduce al enfoque desarrollado por G.A. Svechnikov, desde que está bajo investigación G.A. Svechnikov, según V.G. Ivanov, entendió "... un cambio en uno o todos los objetos que interactúan o un cambio en la naturaleza de la interacción misma, hasta su colapso o transformación". En cuanto al cambio de estados, se trata de un cambio en G.A. Svechnikov lo clasificó como un tipo de conexión no causal.

Entonces, hemos establecido que los modelos evolutivos como elemento elemental, atención primaria contienen un modelo estructural (dialéctico) basado en la interacción y el cambio de estados. Un poco más adelante volveremos al análisis de la conexión mutua de estos modelos y al estudio de las propiedades del modelo evolutivo. Aquí nos gustaría señalar que, en total conformidad con el punto de vista de F. Engels, el cambio de fenómenos en los modelos evolutivos que reflejan la realidad objetiva no se debe a la simple regularidad de los eventos (como en D. Hume), sino debido a a la condicionalidad generada por la interacción (génesis). Por lo tanto, aunque se introducen referencias a la generación (génesis) en la definición de relaciones de causa y efecto en los modelos evolutivos, reflejan la naturaleza objetiva de estas relaciones y tienen base legal.

Higo. 2. Modelo estructural (dialéctico) de causalidad

Volvamos al modelo estructural. En su estructura y significado, concuerda perfectamente con la primera ley de la dialéctica: la ley de unidad y lucha de los opuestos, si se interpreta:

– unidad – como la existencia de objetos en su conexión mutua (interacción);

– opuestos – como tendencias y características mutuamente excluyentes de estados causados ​​por la interacción;

– lucha – como interacción;

– desarrollo – como un cambio en el estado de cada uno de los objetos materiales que interactúan.

Por lo tanto, un modelo estructural que se basa en la interacción como causa también puede denominarse modelo dialéctico de causalidad. De la analogía del modelo estructural y la primera ley de la dialéctica se desprende que la causalidad actúa como un reflejo de las contradicciones dialécticas objetivas en la naturaleza misma, en contraste con las contradicciones dialécticas subjetivas que surgen en la mente humana. El modelo estructural de causalidad es un reflejo de la dialéctica objetiva de la naturaleza.

Consideremos un ejemplo que ilustra la aplicación de un modelo estructural de relaciones de causa y efecto. Ejemplos de este tipo, que se explican utilizando este modelo, se pueden encontrar bastante en las ciencias naturales (física, química, etc.), ya que el concepto de "interacción" es fundamental en las ciencias naturales.

Tomemos como ejemplo una colisión elástica de dos bolas: una bola A en movimiento y una bola estacionaria B. Antes de la colisión, el estado de cada bola estaba determinado por un conjunto de atributos Ca y Cb (momento, energía cinética, etc. ). Después de la colisión (interacción), los estados de estas bolas cambiaron. Denotemos los nuevos estados C"a y C"b. El motivo del cambio de estados (Ca → C"a y Cb → C"b) fue la interacción de las bolas (colisión); la consecuencia de esta colisión fue un cambio en el estado de cada bola.

Como ya se mencionó, el modelo evolutivo en en este caso De poca utilidad, ya que no se trata de una cadena causal, sino de un vínculo elemental de causa y efecto, cuya estructura no puede reducirse a un modelo evolutivo. Para mostrar esto, ilustremos este ejemplo con una explicación desde la posición del modelo evolutivo: “Antes de la colisión, la bola A estaba en reposo, por lo que la causa de su movimiento es la bola B, que la golpeó”. Aquí la bola B es la causa y el movimiento de la bola A es el efecto. Pero desde las mismas posiciones se puede dar la siguiente explicación: “Antes de la colisión, la bola B se movía uniformemente en una trayectoria recta. Si no fuera por la bola A, entonces la naturaleza del movimiento de la bola B no habría cambiado”. Aquí la causa ya es la bola A y el efecto es el estado de la bola B. El ejemplo anterior muestra:

a) una cierta subjetividad que surge al aplicar el modelo evolutivo más allá de los límites de su aplicabilidad: la causa puede ser la bola A o la bola B; esta situación se debe a que el modelo evolutivo selecciona una rama particular de la consecuencia y se limita a su interpretación;

b) un error epistemológico típico. En las explicaciones anteriores desde la posición del modelo evolutivo, uno de los objetos materiales del mismo tipo actúa como principio "activo" y el otro como principio "pasivo". Resulta que una de las bolas está dotada (en comparación con la otra) de “actividad”, “voluntad”, “deseo”, como una persona. Por tanto, es sólo gracias a esta “voluntad” que tenemos una relación causal. Tal error epistemológico está determinado no sólo por el modelo de causalidad, sino también por las imágenes inherentes al habla humana viva y por la típica transferencia psicológica de propiedades características de la causalidad compleja (hablaremos de ello más adelante) a una causa simple, y -enlace de efecto. Y estos errores son muy típicos cuando se utiliza un modelo evolutivo más allá de los límites de su aplicabilidad. Aparecen en algunas definiciones de causalidad. Por ejemplo: “Entonces, la causalidad se define como tal efecto de un objeto sobre otro, en el que un cambio en el primer objeto (causa) precede a un cambio en otro objeto y de manera necesaria e inequívoca da lugar a un cambio en otro. objeto (efecto).” Es difícil estar de acuerdo con esta definición, ya que no está del todo claro por qué, durante la interacción (¡acción mutua!), los objetos no deben deformarse simultáneamente, sino uno tras otro. ¿Qué objeto debería deformarse primero y cuál debería deformarse segundo (problema prioritario)?

Cualidades del modelo

Consideremos ahora qué cualidades contiene el modelo estructural de causalidad. Notemos entre ellos los siguientes: objetividad, universalidad, coherencia, inequívoco.

La objetividad de la causalidad se manifiesta en el hecho de que la interacción actúa como una causa objetiva en relación con la cual los objetos que interactúan son iguales. Aquí no hay lugar para una interpretación antropomórfica. La universalidad se debe al hecho de que la base de la causalidad es siempre la interacción. La causalidad es universal, así como la interacción misma es universal. La coherencia se debe a que, aunque causa y efecto (interacción y cambio de estado) coinciden en el tiempo, reflejan diferentes aspectos de la relación causa-efecto. La interacción presupone una conexión espacial de objetos, un cambio de estado, una conexión entre los estados de cada uno de los objetos que interactúan en el tiempo.

Además, el modelo estructural establece una relación inequívoca en las relaciones de causa y efecto, independientemente del método de descripción matemática de la interacción. Además, el modelo estructural, al ser objetivo y universal, no impone restricciones a la naturaleza de las interacciones en las ciencias naturales. En el marco de este modelo, son válidas la acción instantánea de largo o corto alcance y la interacción con cualquier velocidad finita. La aparición de tal limitación en la determinación de las relaciones de causa y efecto sería un dogma metafísico típico, que postula de una vez por todas la naturaleza de la interacción de cualquier sistema, imponiendo un marco filosófico natural a la física y otras ciencias por parte de la filosofía. , o limitaría tanto los límites de aplicabilidad del modelo que sus beneficios serían muy modestos.

Aquí sería apropiado detenerse en cuestiones relacionadas con la finitud de la velocidad de propagación de las interacciones. Veamos un ejemplo. Sean dos cargas estacionarias. Si una de las cargas comienza a moverse con aceleración, entonces la onda electromagnética se acercará a la segunda carga con retraso. ¿No contradice este ejemplo el modelo estructural y, en particular, la propiedad de reciprocidad de acción, ya que en tal interacción las cargas se encuentran en una posición desigual? No, no se contradice. Este ejemplo no describe una interacción simple, sino una cadena causal compleja en la que se pueden distinguir tres eslabones diferentes.

Debido a la generalidad y amplitud de sus leyes, la física siempre ha influido en el desarrollo de la filosofía y ella misma ha sido influenciada por ella. Al descubrir nuevos logros, la física no abandonó las cuestiones filosóficas: sobre la materia, sobre el movimiento, sobre la objetividad de los fenómenos, sobre el espacio y el tiempo, sobre la causalidad y la necesidad en la naturaleza. El desarrollo del atomismo llevó a E. Rutherford al descubrimiento. núcleo atómico y para...

Determinación de límites mediante evaluaciones de viabilidad y costos

Los límites de aplicabilidad de los modelos se determinan en función de las restricciones de implementación identificadas en la sección anterior. Como ya se mencionó, cada uno de ellos afecta uno de los principales factores limitantes (o ambos a la vez): la eficiencia económica (aumentando los costos de implementación) o la viabilidad (disminuyendo la importancia de los resultados obtenidos para la empresa).

El propósito de esta sección es formular recomendaciones para qué empresas es aplicable un modelo particular. Obviamente, la aplicabilidad del modelo depende en gran medida de las condiciones individuales: las prioridades estratégicas de la empresa, las características de su estructura y estilo de gestión, los recursos financieros, etc. Sin embargo, parece posible determinar los límites aproximados iniciales resolviendo los siguientes subproblemas (la determinación de límites más precisos puede ser objeto de futuras investigaciones prácticas):

· Identificación de posibles conflictos de objetivos y limitaciones de la empresa a este nivel.

· Determinación de los puntos de aparición de costos de implementación adicionales para ciertos modelos (a través de factores limitantes ya identificados)

· Estimaciones de costos aproximadas cuando sea posible

Las recomendaciones con respecto a la primera tarea ya están contenidas en la formulación de la restricción correspondiente, que surge en el nivel del objetivo "Seleccionar un socio para la interacción" y se extiende a los modelos de reputación y confianza computacional y de Schillo. Los objetivos de la empresa deben incluir el propósito del modelo que se está implementando. Para el ejemplo anterior de objetivo y modelo, un conflicto es obvio en la situación de un mercado monopolístico para el proveedor: la empresa consumidora no puede elegir un socio para la entrega utilizando modelos, ya que solo hay una opción. Para aclarar la presencia de esta relación, es posible que una empresa necesite descomponer sus objetivos utilizando un árbol de objetivos, un objeto ampliamente utilizado en BPM.

Durante el análisis de la clasificación desarrollada en el apartado anterior y la literatura sobre modelos de reputación y casos especiales de su implementación, se identificaron los siguientes puntos de ocurrencia de costos adicionales:

Recopilación de datos sobre la reputación de las contrapartes. Ocurre en la restricción “Datos de entrada”, a nivel de modelo. Lo que se tiene en cuenta aquí es el valor final de la reputación, que puede calcularse internamente (implementando un modelo con el propósito correspondiente) o adquirirse de proveedores de servicios relevantes. En el primer caso, existen costos por implementar dos modelos en lugar de uno, sin embargo, los beneficios potenciales pueden ser mayores debido a la funcionalidad del modelo para calcular la reputación (la solución, por tanto, depende del conjunto de objetivos que la empresa necesita). lograr utilizando la reputación). En el segundo caso, los costes se forman a partir del precio de utilizar herramientas para extraer los datos necesarios. Mucho aquí depende del entorno empresarial de la empresa. Para las empresas que operan dentro de sistemas de reputación (por ejemplo, vendedores en EBay), es posible utilizar la API de estos sistemas, que a menudo ya están "cableados" funciones necesarias(como, por ejemplo, en Yandex Market Content API) y cuyo uso es relativamente económico. Tampoco debes perder de vista los costes que supone pagar el tiempo de los empleados que utilizan la API, o automatizar estos procesos. En el caso de que la reputación de los agentes no se calcule de forma centralizada, surge el problema de extraerla de datos no estructurados, como reseñas (de diferentes fuentes, diferentes formatos, por ejemplo, reseñas de vídeos en YouTube, que también son una forma de retroalimentación). , mensajes en redes intracorporativas. Las herramientas que resuelven estos problemas son más caras y su precio aumenta cuanto más fuentes de datos son capaces de procesar. Muy pocas empresas cuentan con los recursos para desarrollar productos de la complejidad adecuada, lo que también repercute en el coste. Además, en el caso de analizar datos internos (por ejemplo, correspondencia corporativa), la empresa debe disponer de los datos necesarios (generarlos) y, por tanto, de la tecnología para almacenarlos. Si no se cumple esta condición, surgen nuevas restricciones que aumentan significativamente el costo de implementación y afectan la viabilidad. En la siguiente tabla se muestra una comparación de diferentes herramientas de recopilación de datos de reputación:

Mesa 6. Comparación de herramientas de extracción de datos de reputación

Nombre de la herramienta	Precio por mes uso, miles de rublos
API de sistemas de reputación
	Gratis
API de contenido de Yandex Market	Gratis/20 (para aquellos que no venden en Ya-m)
Herramientas para extraer reputación a partir de datos no estructurados
Laboratorio Sidorin (sidorinlab.ru)
Brandspotter (brandspotter.ru)
Análisis de marca (br-analytics.ru)	150-515 (dependiendo de la profundidad de la retrospectiva)
Fuerza semántica (semanticforce.net)
SAP HANA, procesamiento de eventos Steam basado en Hadoop	Desde 370 (solo se tiene en cuenta el coste de la licencia al mes)

Como puede verse en la tabla, la mayoría de las herramientas que analizan datos externos son asequibles incluso para las pequeñas empresas (por ejemplo, pequeñas tiendas en línea; el beneficio mensual promedio de una empresa de comercio electrónico aquí se considera de 750 mil rublos, como en) . Las soluciones realmente costosas implican analizar grandes cantidades de datos generados por empresas que pueden afrontar el costo. También vale la pena señalar que la mayoría de las soluciones económicas se centran en trabajar con la reputación de la empresa en su entorno externo (en el mercado, en el espacio público). Así, al resolver problemas de gestión de personal (ver aplicaciones del enfoque organizacional, Capítulo 2, Fig. 8), donde es necesario analizar objetos en ambiente interno empresas, sólo les queda elegir entre soluciones costosas.

Recopile datos de entrada difíciles de encontrar. Estos datos incluyen los datos de entrada del modelo "Reputación desde el punto de vista de los consumidores", es decir, datos sobre la estructura de costes de los competidores. Hay dos formas de obtenerlos: aceptar datos aproximados (por ejemplo, aceptar su estructura de costos) o comprar datos de proveedores de servicios relevantes. El primer caso es adecuado para empresas en mercados homogéneos en términos de productos y vendedores, cercanos a la competencia perfecta, pero incluso allí esta condición previa puede conducir a una grave disminución en la calidad del resultado obtenido. La solución puede ser utilizar el resultado del modelo como argumento para una función de decisión, que tendrá en cuenta varios factores con ponderaciones. El segundo caso se relaciona con el análisis del entorno competitivo, que forma parte de la gama de servicios de análisis de marketing que están muy extendidos en el mercado. En la siguiente tabla se enumeran ejemplos de costos para dichos servicios.

Aunque la calidad de la información puede depender directamente del costo, los servicios de análisis competitivo están disponibles para una amplia gama de empresas. Sin embargo, vale la pena señalar que cuanto más dinámico es el mercado, menores son las barreras de entrada, más rápido crece el número de competidores y su diversidad, y cuanto más a menudo es necesario realizar análisis competitivos, mayor es su costo en términos del período.

Garantizar la calidad de los datos. Si es difícil acceder a los datos de entrada del modelo, hay otra forma: utilizar datos aproximados. Por ejemplo, en el caso de los costos variables específicos de los competidores, parece posible utilizar los costos de la empresa que los implementa en el modelo. Para evitar los efectos negativos de la inexactitud de los datos, basta con utilizar varias fuentes de datos (lo cual no supone un problema, ya que en la mayoría de los posibles casos de introducción de modelos, según el autor de este trabajo, ya que los mecanismos para tomar decisiones adecuadas / resolver problemas / alcanzar objetivos son obvios, existen en empresas sin que la reputación esté de por medio). Además, se pueden asignar ponderaciones a estas fuentes dependiendo de la confiabilidad de los datos utilizados. Sin embargo, este camino conlleva costes adicionales para quien toma las decisiones o para la automatización del proceso. Además, muchos modelos (por ejemplo, Sporas) requieren protección contra transacciones y evaluaciones injustas. Esto se puede resolver implementando una reputación certificada o métodos OERM. Por ejemplo, dichos métodos incluyen responder rápidamente a críticas negativas o crear un fondo positivo artificial en las calificaciones/reseñas. Los costos asociados con los métodos OERM son comparables a los costos de recopilar datos de reputación: cuanto más profundo sea el análisis/más datos sobre la empresa, más caros serán los servicios. La reputación certificada normalmente se implementa a nivel del sistema de reputación, como es el caso de TripAdvisor, por lo que todo lo que una empresa puede hacer aquí es elegir el sistema o modelo adecuado para el cual el nivel de protección será aceptable.

Complejidad computacional. Ocurre a nivel de modelos, en la limitación correspondiente. De los modelos considerados, los que utilizan la reflexión son los más relevantes para él: "Proveedor e Intermediario", "Reputación desde el punto de vista de los consumidores", "Modelo de empresas que compiten en el mercado". En los cálculos realizados allí, se utilizan agentes fantasmas, agentes que existen sólo en la mente de otros agentes (incluidos los fantasmas, determinados por el rango de reflexión). Los cálculos adicionales requieren energía adicional. Debido a la variedad de servicios para la prestación de dichas capacidades, así como a los requisitos para ellos que no están directamente relacionados con la situación considerada (por ejemplo, tamaños de equipos, virtualidad, requisitos de seguridad de datos), es difícil dar una estimación de costos de costos. Sólo se puede decir una cosa con certeza: cuantos más agentes o mayor sea el rango de reflexión, más complejos serán los cálculos en el modelo. Por tanto, los modelos reflexivos son más adecuados para empresas que operan en un mercado con un número reducido de actores (oligopolio).

Costo de los cambios. Si nos dirigimos a las limitaciones que surgen a nivel de proceso (que potencialmente cubren todos los modelos), podemos ver que casi todas están asociadas con cambios en la empresa: en los procesos, en las conexiones entre ellos y en diversas estructuras internas. Estos cambios son más difíciles de implementar cuanto más grande es la propia empresa; en consecuencia, cuanto más grande es la empresa, más caro resulta implementar modelos de reputación. Para una evaluación precisa, se necesitan datos de auditoría de un gran número de empresas (para estimar el coste de posibles cambios) y datos sobre casos prácticos de implementación (para aclaraciones y generalizaciones posteriores). Todo esto podría ser áreas para futuras investigaciones.

resultados

El resultado de este apartado es una lista de modelos con sus correspondientes recomendaciones de aplicación. Según los resultados del análisis, los aspectos principales aquí resultaron ser el costo de los servicios necesarios para la empresa, su estructura interna y los parámetros del entorno externo.

0. Todos los modelos - Cuanto más grande es la empresa, más difícil le resulta realizar cambios en su estructura interna y menos aplicables le resultan los modelos.

1. ESPORAS: es necesario extraer información para calcular la reputación. Bien aplicable para empresas dentro de sistemas de reputación; para otras, los costos surgen proporcionalmente al volumen de datos requeridos para el procesamiento. Requiere muchos requisitos previos para la implementación técnica; para garantizarlos, se puede implementar junto con otros modelos (por ejemplo, modelos de reputación certificados)

2. Schillo: requiere datos de entrada específicos, el costo es proporcional al número de actores en el mercado. Para oligopolios o nichos de mercado. Además, la escala de calificación es binaria, lo que conduce a datos inexactos; es posible que sea necesario corregir la solución.

3. Modelo de bahía electrónica. Suma simple: es necesario extraer información para calcular la reputación. Bien aplicable para empresas dentro de sistemas de reputación; para otras, los costos surgen proporcionalmente al volumen de datos requeridos para el procesamiento.

4. Modelo computacional de confianza y reputación: se debe extraer información para calcular la reputación. Bien aplicable para empresas dentro de sistemas de reputación; para otras, los costos surgen proporcionalmente al volumen de datos requeridos para el procesamiento. En el caso de monopolios entre socios su aplicación es improcedente. Además, la escala de calificación es binaria, lo que conduce a datos inexactos; es posible que sea necesario corregir la solución.

5. Modelo de empresas que compiten en un mercado: más adecuado para oligopolios o nichos de mercado. Cuantos más jugadores, menos aplicable.

6. Reputación desde la perspectiva del consumidor (no dinámica): más adecuada para oligopolios o nichos de mercado. Cuantos más jugadores, menos aplicable, porque utiliza reflexión y requiere datos de entrada específicos, que son más caros cuanto más jugadores hay.

7. Reputación desde la perspectiva del consumidor (con dinámica): más adecuada para oligopolios o nichos de mercado. Cuantos más jugadores, menos aplicable.

8. ReMSA: es necesario extraer información para calcular la reputación. Aplicable moderadamente para empresas dentro de sistemas de reputación, ya que tiene en cuenta datos que pueden no ser recopilados dentro del sistema. Para otras empresas, los costes surgen proporcionalmente al volumen de datos necesarios para su tratamiento.

9. Modelo de reputación certificado para Trip Advisor: para empresas dentro de sistemas de reputación u otras redes con un mecanismo establecido para que las contrapartes se evalúen entre sí. Para otras condiciones comerciales (por ejemplo, cuando las contrapartes se evalúan entre sí de forma libre), es menos aplicable.

Mesa 7. Visualización de los límites de aplicabilidad

Se relaciona. reps. sistemas	Muchas contrapartes	Agregar. ed. en apoyo calidad Dan.
Suma simple/promedio	Fuera dentro
	Fuera dentro
	Fuera dentro
	Fuera dentro
Calc. modelo de confianza y reputación	Fuera dentro
Empresas que compiten en el mercado.	Fuera dentro
Reputación ante los ojos de los consumidores (estadísticas)	Fuera dentro
Reputación a los ojos de los consumidores (din.)	Fuera dentro
Certificado reps. para tripadvisor	Fuera dentro

Designaciones:

Verde: buena aplicabilidad

Amarillo - aplicable con restricciones/costos

Rojo: aplicable con restricciones/costos significativos

La divulgación del contenido y la especificación de conceptos deben basarse en uno u otro modelo específico de conexión mutua de conceptos. El modelo, que refleja objetivamente un cierto aspecto de la conexión, tiene límites de aplicabilidad, más allá de los cuales su uso conduce a conclusiones falsas, pero dentro de los límites de su aplicabilidad debe tener no sólo imágenes, claridad y especificidad, sino también valor heurístico.

La variedad de manifestaciones de relaciones de causa y efecto en el mundo material ha llevado a la existencia de varios modelos de relaciones de causa y efecto. Históricamente, cualquier modelo de estas relaciones puede reducirse a uno de dos tipos principales de modelos o una combinación de ellos.

a) Modelos basados ​​en un enfoque temporal (modelos evolutivos). Aquí la atención principal se centra en el lado temporal de las relaciones de causa y efecto. Un evento – “causa” – da lugar a otro evento – “efecto”, que va por detrás de la causa en el tiempo (retrasos). El retraso es un sello distintivo del enfoque evolutivo. Causa y efecto son interdependientes. Sin embargo, la referencia a la generación de un efecto por una causa (génesis), aunque jurídica, se introduce en la definición de relación causa-efecto como si fuera desde fuera, desde fuera. Capta el lado externo de esta conexión sin capturar profundamente la esencia.

El enfoque evolutivo fue desarrollado por F. Bacon, J. Mill y otros. El punto polar extremo del enfoque evolutivo fue la posición de Hume. Hume ignoró la génesis, negó la naturaleza objetiva de la causalidad y la redujo a la simple regularidad de los acontecimientos.

b) Modelos basados ​​en el concepto de “interacción” (modelos estructurales o dialécticos). Descubriremos el significado de los nombres más adelante. El foco principal aquí está en la interacción como fuente de relaciones de causa y efecto. La interacción misma actúa como causa. Kant prestó mucha atención a este enfoque, pero el enfoque dialéctico de la causalidad adquirió su forma más clara en las obras de Hegel. De los filósofos soviéticos modernos, este enfoque fue desarrollado por G.A. Svechnikov, que buscó dar una interpretación materialista de uno de los modelos estructurales de relaciones causa-efecto.

Los modelos existentes y utilizados actualmente revelan el mecanismo de las relaciones de causa y efecto de diferentes maneras, lo que genera desacuerdos y crea la base para discusiones filosóficas. La intensidad de la discusión y la naturaleza polar de los puntos de vista indican su relevancia.

Destaquemos algunas de las cuestiones que se están debatiendo.

a) El problema de la simultaneidad de causa y efecto. Este es el principal problema. ¿La causa y el efecto son simultáneos o están separados por un intervalo de tiempo? Si causa y efecto son simultáneos, ¿por qué la causa da lugar al efecto y no al revés? Si causa y efecto no son simultáneos, ¿puede haber una causa “pura”, es decir? ¿una causa sin efecto que aún no ha ocurrido, y un efecto “puro”, cuando la acción de la causa ha terminado, pero el efecto aún está en curso? ¿Qué pasa en el intervalo entre causa y efecto, si están separados en el tiempo, etc.?

b) El problema de la falta de ambigüedad de las relaciones causa-efecto. ¿La misma causa da lugar al mismo efecto, o una causa puede dar lugar a cualquier efecto entre varios potenciales? ¿Se puede producir el mismo efecto por alguna de varias causas?

c) El problema de la influencia inversa de un efecto sobre su causa.

d) El problema de conectar causa, ocasión y condiciones. ¿Pueden, en determinadas circunstancias, causa y condición cambiar de papel: la causa se convierte en condición y la condición se convierte en causa? ¿Cuál es la relación objetiva y las características distintivas de causa, ocasión y condición?

La solución a estos problemas depende del modelo elegido, es decir en gran medida, de qué contenidos se incluirán en las categorías iniciales de “causa” y “efecto”. El carácter definitorio de muchas dificultades se manifiesta, por ejemplo, en el hecho de que no existe una respuesta única a la pregunta de qué debe entenderse por “causa”. Algunos investigadores piensan en una causa como un objeto material, otros como un fenómeno, otros como un cambio de estado, otros como una interacción, etc.

Los intentos de ir más allá de la representación modelo y dar una definición general y universal de la relación causa-efecto no conducen a una solución al problema. Como ejemplo, podemos citar la siguiente definición: “La causalidad es una conexión genética de fenómenos en la que un fenómeno, llamado causa, en presencia de ciertas condiciones inevitablemente genera, causa y da vida a otro fenómeno, llamado efecto. " Esta definición es formalmente válida para la mayoría de los modelos, pero sin depender del modelo no puede resolver los problemas planteados (por ejemplo, el problema de la simultaneidad) y por tanto tiene un valor teórico-cognitivo limitado.

Al resolver los problemas mencionados anteriormente, la mayoría de los autores tienden a partir de la imagen física moderna del mundo y, por regla general, prestan algo menos de atención a la epistemología. Mientras tanto, en nuestra opinión, hay aquí dos problemas que son importantes: el problema de eliminar elementos de antropomorfismo del concepto de causalidad y el problema de las conexiones no causales en las ciencias naturales. La esencia del primer problema es que la causalidad como categoría filosófica objetiva debe tener un carácter objetivo, independiente del sujeto cognoscente y su actividad. La esencia del segundo problema: ¿deberíamos reconocer las conexiones causales en las ciencias naturales como universales y universales, o deberíamos considerar que tales conexiones son de naturaleza limitada y que existen conexiones de tipo no causal que niegan la causalidad y limitan los límites de la ¿Aplicabilidad del principio de causalidad? Creemos que el principio de causalidad es universal y objetivo y su aplicación no conoce restricciones.

Entonces, dos tipos de modelos, que reflejan objetivamente algunos aspectos y características importantes de las relaciones causa-efecto, están en cierta medida en contradicción, ya que resuelven los problemas de simultaneidad, inequívoco, etc. de diferentes maneras, pero al mismo tiempo, reflejando objetivamente algunos aspectos de las relaciones causa-efecto, deben estar en conexión mutua. Nuestra primera tarea es identificar esta conexión y refinar los modelos.

Límite de aplicabilidad de los modelos.

Intentemos establecer el límite de aplicabilidad de los modelos de tipo evolutivo. Las cadenas causales que satisfacen los modelos evolutivos tienden a tener la propiedad de transitividad. Si el evento A es la causa del evento B (B es una consecuencia de A), si, a su vez, el evento B es la causa del evento C, entonces el evento A es la causa del evento C. Si A → B y B → C , luego A → C. Así, de esta manera, se forman las cadenas de causa y efecto más simples. El evento B puede actuar como causa en un caso y como consecuencia en otro. Este patrón fue observado por F. Engels: “... causa y efecto son representaciones que tienen significado, como tales, sólo cuando se aplican a un caso individual dado: pero tan pronto como consideramos este caso individual en conexión general con el mundo entero en su conjunto, estas representaciones convergen y se entrelazan en la representación de la interacción universal, en la que causas y efectos cambian constantemente de lugar; lo que es causa aquí o ahora se convierte en efecto allí o entonces y viceversa” (vol. 20, p. 22).

La propiedad de transitividad permite un análisis detallado de la cadena causal. Consiste en dividir la cadena final en eslabones de causa y efecto más simples. Si A, entonces A → B 1, B 1 → B 2,..., B n → C. Pero, ¿tiene una cadena finita de causa y efecto la propiedad de divisibilidad infinita? ¿Puede el número de eslabones de una cadena finita N tender al infinito?

Con base en la ley de la transición de cambios cuantitativos a cualitativos, se puede argumentar que al dividir la cadena final de causa y efecto, nos enfrentaremos a tal contenido de eslabones individuales de la cadena que una mayor división dejará de tener sentido. Tenga en cuenta que la divisibilidad infinita, que niega la ley de la transición de cambios cuantitativos a cualitativos, Hegel la llamó "infinito malo".

La transición de cambios cuantitativos a cualitativos se produce, por ejemplo, al dividir un trozo de grafito. Cuando las moléculas se separan hasta que se forma un gas monoatómico, la composición química no cambia. Ya no es posible una mayor división de una sustancia sin cambiar su composición química, ya que la siguiente etapa es la división de los átomos de carbono. Aquí, desde un punto de vista fisicoquímico, los cambios cuantitativos conducen a cambios cualitativos.

La afirmación anterior de F. Engels muestra claramente la idea de que la base de las relaciones de causa y efecto no es la expresión espontánea de la voluntad, ni el capricho del azar ni el dedo divino, sino la interacción universal. En la naturaleza no hay aparición ni destrucción espontánea del movimiento, hay transiciones mutuas de una forma de movimiento de la materia a otras, de un objeto material a otro, y estas transiciones no pueden ocurrir de otra manera que a través de la interacción de objetos materiales. Tales transiciones causadas por la interacción dan lugar a nuevos fenómenos que cambian el estado de los objetos que interactúan.

La interacción es universal y forma la base de la causalidad. Como señaló acertadamente Hegel, “la interacción es una relación causal planteada en su pleno desarrollo”. F. Engels formuló esta idea aún más claramente: “La interacción es lo primero que se nos aparece cuando consideramos el movimiento de la materia en su conjunto desde el punto de vista de las ciencias naturales modernas... Así, las ciencias naturales confirman que... que la interacción es una verdadera causa finalis de las cosas. No podemos ir más allá del conocimiento de esta interacción precisamente porque detrás de ella no hay nada más que saber” (vol. 20, p. 546).

Dado que la interacción es la base de la causalidad, consideremos la interacción de dos objetos materiales, cuyo diagrama se muestra en la Fig. 1. Este ejemplo no viola la generalidad del razonamiento, ya que la interacción de varios objetos se reduce a interacciones pareadas y puede considerarse de manera similar.

Es fácil ver que durante la interacción ambos objetos se influyen simultáneamente entre sí (reciprocidad de acción). En este caso, el estado de cada uno de los objetos que interactúan cambia. Sin interacción, sin cambio de estado. Por lo tanto, un cambio en el estado de cualquiera de los objetos que interactúan puede considerarse como una consecuencia parcial de la causa: la interacción. Un cambio en los estados de todos los objetos en su totalidad constituirá una consecuencia completa.

Es obvio que tal modelo de causa y efecto del vínculo elemental del modelo evolutivo pertenece a la clase de estructural (dialéctico). Cabe destacar que este modelo no se reduce al enfoque desarrollado por G.A. Svechnikov, desde que está bajo investigación G.A. Svechnikov, según V.G. Ivanov, entendió "... un cambio en uno o todos los objetos que interactúan o un cambio en la naturaleza de la interacción misma, hasta su colapso o transformación". En cuanto al cambio de estados, se trata de un cambio en G.A. Svechnikov lo clasificó como un tipo de conexión no causal.

Entonces, hemos establecido que los modelos evolutivos, como vínculo elemental y primario, contienen un modelo estructural (dialéctico) basado en la interacción y el cambio de estados. Un poco más adelante volveremos al análisis de la conexión mutua de estos modelos y al estudio de las propiedades del modelo evolutivo. Aquí nos gustaría señalar que, en total conformidad con el punto de vista de F. Engels, el cambio de fenómenos en los modelos evolutivos que reflejan la realidad objetiva no se debe a la simple regularidad de los eventos (como en D. Hume), sino debido a a la condicionalidad generada por la interacción (génesis). Por lo tanto, aunque las referencias a la generación (génesis) se introducen en la definición de relaciones de causa y efecto en los modelos evolutivos, reflejan la naturaleza objetiva de estas relaciones y tienen una base legal.

Higo. 2. Modelo estructural (dialéctico) de causalidad.

Volvamos al modelo estructural. En su estructura y significado, concuerda perfectamente con la primera ley de la dialéctica: la ley de unidad y lucha de los opuestos, si se interpreta:

– unidad-como la existencia de objetos en su conexión mutua (interacción);

– opuestos– como tendencias y características mutuamente excluyentes de los estados causadas por la interacción;

– luchar– como una interacción;

– desarrollo– como un cambio en el estado de cada uno de los objetos materiales que interactúan.

Por lo tanto, un modelo estructural que se basa en la interacción como causa también puede denominarse modelo dialéctico de causalidad. De la analogía del modelo estructural y la primera ley de la dialéctica se desprende que la causalidad actúa como un reflejo de las contradicciones dialécticas objetivas en la naturaleza misma, en contraste con las contradicciones dialécticas subjetivas que surgen en la mente humana. El modelo estructural de causalidad es un reflejo de la dialéctica objetiva de la naturaleza.

Consideremos un ejemplo que ilustra la aplicación de un modelo estructural de relaciones de causa y efecto. Ejemplos de este tipo, que se explican utilizando este modelo, se pueden encontrar bastante en las ciencias naturales (física, química, etc.), ya que el concepto de "interacción" es fundamental en las ciencias naturales.

Tomemos como ejemplo una colisión elástica de dos bolas: una bola A en movimiento y una bola estacionaria B. Antes de la colisión, el estado de cada bola estaba determinado por un conjunto de atributos Ca y Cb (momento, energía cinética, etc. ). Después de la colisión (interacción), los estados de estas bolas cambiaron. Denotemos los nuevos estados C"a y C"b. El motivo del cambio de estados (Ca → C"a y Cb → C"b) fue la interacción de las bolas (colisión); la consecuencia de esta colisión fue un cambio en el estado de cada bola.

Como ya se mencionó, el modelo evolutivo en este caso es de poca utilidad, ya que no se trata de una cadena causal, sino de un vínculo elemental de causa y efecto, cuya estructura no se puede reducir al modelo evolutivo. Para mostrar esto, ilustremos este ejemplo con una explicación desde la posición del modelo evolutivo: “Antes de la colisión, la bola A estaba en reposo, por lo que la causa de su movimiento es la bola B, que la golpeó”. Aquí la bola B es la causa y el movimiento de la bola A es el efecto. Pero desde las mismas posiciones se puede dar la siguiente explicación: “Antes de la colisión, la bola B se movía uniformemente en una trayectoria recta. Si no fuera por la bola A, entonces la naturaleza del movimiento de la bola B no habría cambiado”. Aquí la causa ya es la bola A y el efecto es el estado de la bola B. El ejemplo anterior muestra:

a) una cierta subjetividad que surge al aplicar el modelo evolutivo más allá de los límites de su aplicabilidad: la causa puede ser la bola A o la bola B; esta situación se debe a que el modelo evolutivo selecciona una rama particular de la consecuencia y se limita a su interpretación;

b) un error epistemológico típico. En las explicaciones anteriores desde la posición del modelo evolutivo, uno de los objetos materiales del mismo tipo actúa como principio "activo" y el otro como principio "pasivo". Resulta que una de las bolas está dotada (en comparación con la otra) de “actividad”, “voluntad”, “deseo”, como una persona. Por tanto, es sólo gracias a esta “voluntad” que tenemos una relación causal. Tal error epistemológico está determinado no sólo por el modelo de causalidad, sino también por las imágenes inherentes al habla humana viva y por la típica transferencia psicológica de propiedades características de la causalidad compleja (hablaremos de ello más adelante) a una causa simple, y -enlace de efecto. Y estos errores son muy típicos cuando se utiliza un modelo evolutivo más allá de los límites de su aplicabilidad. Aparecen en algunas definiciones de causalidad. Por ejemplo: “Entonces, la causalidad se define como tal efecto de un objeto sobre otro, en el que un cambio en el primer objeto (causa) precede a un cambio en otro objeto y de manera necesaria e inequívoca da lugar a un cambio en otro. objeto (efecto).” Es difícil estar de acuerdo con esta definición, ya que no está del todo claro por qué, durante la interacción (¡acción mutua!), los objetos no deben deformarse simultáneamente, sino uno tras otro. ¿Qué objeto debería deformarse primero y cuál debería deformarse segundo (problema prioritario)?

Cualidades del modelo

Consideremos ahora qué cualidades contiene el modelo estructural de causalidad. Entre ellos destacamos los siguientes: objetividad, universalidad, coherencia, inequívoco.

Objetividad La causalidad se manifiesta en el hecho de que la interacción actúa como una causa objetiva en relación con la cual los objetos que interactúan son igual. Aquí no hay lugar para una interpretación antropomórfica. Versatilidad debido al hecho de que la base de la causalidad siempre reside interacción. La causalidad es universal, así como la interacción misma es universal. Consistencia se debe a que, si bien causa y efecto (interacción y cambio de estados) coinciden en el tiempo, reflejan lados diferentes relaciones causa-efecto. La interacción presupone una conexión espacial de objetos, un cambio de estado, una conexión entre los estados de cada uno de los objetos que interactúan en el tiempo.

Además, el modelo estructural establece inequívoco conexión en relaciones de causa y efecto, independientemente del método de descripción matemática de la interacción. Además, el modelo estructural, al ser objetivo y universal, no impone restricciones a la naturaleza de las interacciones en las ciencias naturales. En el marco de este modelo, son válidas la acción instantánea de largo o corto alcance y la interacción con cualquier velocidad finita. La aparición de tal limitación en la determinación de las relaciones de causa y efecto sería un dogma metafísico típico, que postula de una vez por todas la naturaleza de la interacción de cualquier sistema, imponiendo un marco filosófico natural a la física y otras ciencias por parte de la filosofía. , o limitaría tanto los límites de aplicabilidad del modelo que sus beneficios serían muy modestos.

Aquí sería apropiado detenerse en cuestiones relacionadas con la finitud de la velocidad de propagación de las interacciones. Veamos un ejemplo. Sean dos cargas estacionarias. Si una de las cargas comienza a moverse con aceleración, entonces la onda electromagnética se acercará a la segunda carga con retraso. ¿No contradice este ejemplo el modelo estructural y, en particular, la propiedad de reciprocidad de acción, ya que en tal interacción las cargas se encuentran en una posición desigual? No, no se contradice. Este ejemplo no describe una interacción simple, sino una cadena causal compleja en la que se pueden distinguir tres eslabones diferentes.

1. La interacción de la primera carga con un objeto, que provoca su aceleración. El resultado de esta interacción es un cambio en el estado de la fuente que influyó en la carga, y en particular la pérdida de parte de la energía por esta fuente, un cambio en el estado de la primera carga (aceleración) y la apariencia. onda electromagnética, que fue emitida por la primera carga durante su movimiento acelerado.

2. El proceso de propagación de una onda electromagnética emitida por la primera carga.

3. El proceso de interacción de la segunda carga con una onda electromagnética. El resultado de la interacción es la aceleración de la segunda carga, la dispersión de la onda electromagnética primaria y la emisión de una onda electromagnética por la segunda carga.

En este ejemplo, tenemos dos interacciones diferentes, cada una de las cuales encaja en el modelo estructural de causalidad. Por tanto, el modelo estructural concuerda perfectamente con las teorías clásica y relativista, y la velocidad finita de propagación de las interacciones no es fundamentalmente necesaria para el modelo estructural de causalidad.

En cuanto al modelo estructural de causalidad, observamos que las reacciones de descomposición no lo contradicen. Síntesis de objetos. En este caso, una conexión relativamente estable entre objetos se destruye como un tipo especial de interacción o se forma dicha conexión como resultado de la interacción.

Dado que las teorías cuánticas (así como las clásicas) utilizan ampliamente las categorías "interacción" y "estado", el modelo estructural es fundamentalmente aplicable en esta área de las ciencias naturales. Las dificultades que a veces se encuentran se deben, en nuestra opinión, a que, aunque tienen un formalismo matemático bien desarrollado, las teorías cuánticas aún no están completamente desarrolladas y refinadas en términos de interpretación conceptual.

Mario Bunge escribe, por ejemplo, sobre la interpretación de la función f:
“Algunos atribuyen la función ψ a algún sistema individual, otros a algún conjunto estadístico real o potencial de sistemas idénticos, otros consideran la función ψ como una medida de nuestra información, o el grado de confianza con respecto a algún complejo individual que consiste en un macrosistema y un instrumento o, finalmente, simplemente como un catálogo de mediciones realizadas en muchos microsistemas preparados de manera idéntica”. Tal variedad de opciones para interpretar la función ψ dificulta la interpretación estrictamente causal de los fenómenos del micromundo.

Éste es uno de los indicios de que las teorías cuánticas se encuentran en la etapa de formación y desarrollo y no han alcanzado el nivel de completitud interna característico de las teorías clásicas.

Pero los problemas de la formación de teorías cuánticas se evidencian no sólo en la interpretación de la función ψ. Aunque a primera vista la mecánica relativista y la electrodinámica parecen teorías completas, un análisis más profundo muestra que, por diversas razones, estas teorías tampoco evitaron contradicciones y dificultades internas. Por ejemplo, en electrodinámica existe el problema de la masa electromagnética, el problema de la reacción de la radiación cargada, etc. Los fracasos en los intentos de resolver estos problemas en el marco de las propias teorías en el pasado y el rápido desarrollo de las teorías del micromundo. dio lugar a la esperanza de que el desarrollo de teorías cuánticas ayudará a eliminar las dificultades. Hasta entonces, deben percibirse como un “mal” inevitable que hay que soportar de una forma u otra y esperar el éxito de las teorías cuánticas.

Al mismo tiempo, las propias teorías cuánticas enfrentaron muchos problemas y contradicciones. Es interesante observar que algunas de estas dificultades son de naturaleza “clásica”, es decir, heredado de las teorías clásicas y se debe a su carácter incompleto interno. Resulta ser un “círculo vicioso”: asignamos la resolución de las contradicciones de las teorías clásicas a las teorías cuánticas, y las dificultades de las teorías cuánticas están determinadas por las contradicciones de las clásicas.

Con el tiempo, la esperanza en la capacidad de las teorías cuánticas para eliminar las contradicciones y dificultades de las teorías clásicas comenzó a desvanecerse, pero hasta ahora el interés por resolver las contradicciones de las teorías clásicas dentro de su propio marco sigue estando en un segundo plano.

Así, las dificultades que surgen en ocasiones a la hora de explicar los fenómenos del micromundo desde la posición de causalidad tienen un origen objetivo y se explican por las peculiaridades de la formación de las teorías cuánticas, pero no son fundamentales, prohibiendo o limitando la aplicación del principio. de causalidad en el micromundo, en particular la aplicación del modelo estructural de causalidad.

La causalidad y la interacción siempre están interrelacionadas. Si la interacción tiene las propiedades de universalidad, universalidad y objetividad, entonces las conexiones y relaciones de causa y efecto son igualmente universales, universales y objetivas. Por lo tanto, en principio, no se puede estar de acuerdo con las afirmaciones de Bohm de que al describir los fenómenos del micromundo, en algunos casos se puede confiar en el indeterminismo filosófico, en otros se puede adherirse al principio de causalidad. Consideramos que la idea de V.Ya. es profundamente errónea. Perminov que “el concepto de complementariedad indica camino reconciliación(nuestras cursivas – VC.) determinismo e indeterminismo”, independientemente de si este pensamiento se relaciona con la filosofía de las ciencias naturales o con un tema natural específico. teoria cientifica. La forma de conciliar el punto de vista materialista con la posición del agnosticismo moderno sobre este tema es el eclecticismo, hay una negación de la dialéctica objetiva. Y EN. Lenin enfatizó que “la cuestión de la causalidad es especialmente importante para determinar la línea filosófica de tal o cual nuevo “ismo”...” (vol. 18, p. 157). Y el camino hacia la formación de teorías cuánticas no pasa por la negación o la limitación, sino por la afirmación de la causalidad en el micromundo.

Dos caras de las teorías científicas.

La estructura de las teorías científicas de las ciencias naturales y las funciones de las teorías científicas están directa o indirectamente relacionadas con la explicación causal de los fenómenos del mundo material. Si nos dirigimos al modelo estructural de causalidad, podemos identificar dos puntos característicos, dos aspectos importantes que de una forma u otra están relacionados con las funciones de las teorías científicas.

El primero se refiere a la descripción de las relaciones causales y responde a la pregunta: ¿cómo, en qué secuencia? Corresponde a cualquier rama de consecuencia privada que conecte estados condicionados. No solo da una descripción de la transición de un objeto de un estado a otro, sino que describe y cubre toda la cadena causal como una secuencia de estados relacionados y condicionados, sin profundizar en la esencia, en la fuente de los cambios en los estados. de los eslabones de la cadena.

La segunda parte responde a la pregunta: ¿por qué, por qué? Por el contrario, divide la cadena de causa y efecto en eslabones elementales separados y proporciona una explicación del cambio de estado, basándose en la interacción. Este es el lado explicativo.

Estos dos lados están directamente relacionados con los dos funciones importantes Teoría científica: explicativa y descriptiva. Dado que el principio de causalidad ha sido y será la base de cualquier teoría de las ciencias naturales, la teoría siempre cumplirá estas dos funciones: descripción y explicación.

Sin embargo, esta no es la única manera en que se manifiesta la función metodológica del principio de causalidad. La estructuración interna de la teoría misma también está relacionada con este principio. Tomemos, por ejemplo, la mecánica clásica con sus tres ramas tradicionales: cinemática, dinámica y estática. En cinemática no se consideran las interacciones de fuerzas, pero sí una descripción (física y matemática) de los tipos de movimiento de puntos materiales y objetos materiales. La interacción está implícita, pero pasa a un segundo plano, dejando prioridad a la descripción de movimientos complejos relacionados a través de las características de sus estados. Por supuesto, este hecho no puede servir como razón para clasificar la cinemática como un método de descripción no causal, ya que la cinemática refleja el lado evolutivo de las relaciones de causa y efecto que conectan varios estados.

Dinámica es una sección teórica que incluye una descripción y explicación completa de causa y efecto, basada en un modelo estructural de relaciones de causa y efecto. En este sentido, la cinemática puede considerarse un subcampo de la dinámica.

De particular interés desde el punto de vista de la causalidad es la estática, en la que las cadenas de consecuencias están degeneradas (ausentes), y estamos tratando sólo con conexiones e interacciones de naturaleza estática. A diferencia de los fenómenos de la realidad objetiva, donde no existen sistemas absolutamente estables, los problemas estáticos son una idealización o un caso límite permitido en las teorías científicas privadas. Pero el principio de causalidad también es válido aquí, ya que es imposible no sólo resolver problemas estáticos, sino también comprender la esencia de la estática sin aplicar el "principio de desplazamientos virtuales" o principios relacionados. Los “desplazamientos virtuales” están directamente relacionados con cambios en los estados cercanos al estado de equilibrio, es decir en última instancia, con relaciones de causa y efecto.

Consideremos ahora la electrodinámica. En ocasiones se identifica únicamente con las ecuaciones de Maxwell. Esto es incorrecto porque las ecuaciones de Maxwell describen el comportamiento de las ondas (emisión, propagación, difracción, etc.) en determinadas condiciones iniciales y de frontera. No incluyen una descripción de la interacción como acción recíproca. Se introduce el principio de causalidad junto con las condiciones iniciales y de frontera (potenciales retardados). Se trata de una especie de “cinemática” de los procesos ondulatorios, si tal comparación es permisible. La “dinámica”, y con ella la causalidad, la introduce la ecuación de movimiento de Lorentz, que tiene en cuenta la reacción de la radiación de carga. Es la conexión entre las ecuaciones de Maxwell y la ecuación de movimiento de Lorentz la que proporciona una descripción bastante completa de causa y efecto de los fenómenos del electromagnetismo. Se podrían continuar con ejemplos similares. Pero lo anterior es suficiente para asegurar que la causalidad y su modelo estructural se reflejen en la estructura y funciones de las teorías científicas.

Si al inicio de nuestro trabajo pasábamos de un modelo evolutivo de causalidad a uno estructural, ahora tenemos que retroceder del modelo estructural al evolutivo. Esto es necesario para evaluar correctamente la relación mutua y características distintivas modelo evolutivo.

Ya en una cadena lineal no ramificada de causa y efecto, nos vemos obligados a abandonar una descripción completa de todas las relaciones de causa y efecto, es decir, No tenemos en cuenta algunas consecuencias particulares. El modelo estructural permite reducir las cadenas lineales de causa y efecto no ramificadas a dos tipos principales.

a) Cadena causal del objeto. Se forma cuando seleccionamos un objeto material y monitoreamos el cambio en su estado a lo largo del tiempo. Un ejemplo serían las observaciones del estado de una partícula browniana, o la evolución astronave, o la propagación de una onda electromagnética desde la antena transmisora ​​​​a la antena receptora.

b) Cadena causal de la información. Aparece cuando no monitoreamos el estado de un objeto material, sino algún fenómeno informativo que, en el proceso de interacción de varios objetos materiales, se conecta secuencialmente en el tiempo con varios objetos. Un ejemplo sería la transmisión de información oral mediante una carrera de relevos, etc.

Todas las cadenas causales lineales y no ramificadas pueden reducirse a uno de estos dos tipos o a una combinación de ellos. Estas cadenas se describen utilizando un modelo evolutivo de causalidad. En una descripción evolutiva, la interacción permanece en un segundo plano y un objeto material o un indicador de su condición pasa a primer plano. Debido a esto, la atención principal se centra en describir la secuencia de eventos a lo largo del tiempo. Por eso, este modelo se llama evolutivo.

Una cadena causal lineal y no ramificada es relativamente fácil de analizar reduciéndola a un conjunto de eslabones elementales y analizándolos mediante un modelo estructural. Pero tal análisis no siempre es posible.

Existen redes causales complejas en las que cadenas simples de causa y efecto se cruzan, se ramifican y se vuelven a cruzar. Esto lleva a que el uso de un modelo estructural haga que el análisis sea engorroso y a veces técnicamente imposible.

Además, a menudo no nos interesa el proceso interno en sí y la descripción de las relaciones internas de causa y efecto, sino el impacto inicial y su resultado final. Esta situación ocurre a menudo en el análisis de la conducta. sistemas complejos(biológico, cibernético, etc.). En tales casos, detalle procesos internos en su totalidad resultan redundantes, innecesarios a efectos prácticos y congestionan el análisis. Todo esto condujo a una serie de características al describir las relaciones de causa y efecto utilizando modelos evolutivos. Enumeremos estas características.

1. En la descripción evolutiva de la red causal, se simplifica la red causal completa. Las cadenas principales se resaltan y las que no son importantes se cortan y se ignoran. Esto simplifica enormemente la descripción, pero dicha simplificación se logra a costa de perder cierta información, a costa de perder la unigüedad de la descripción.

2. Para mantener la claridad y acercar la descripción a la realidad objetiva, las ramas cortadas y las cadenas causales se reemplazan por un conjunto de condiciones. La integridad, la falta de ambigüedad y la objetividad de la descripción y el análisis de causa y efecto dependen de qué tan correctamente se identifique la cadena causal principal y de qué tan plenamente se tengan en cuenta las condiciones que compensan el engrosamiento.

3. La elección de una u otra cadena de causa y efecto como principal está determinada en gran medida por los objetivos del investigador, es decir. entre qué fenómenos quiere analizar la conexión. Exactamente la fijacion de objetivos nos obliga a buscar las principales cadenas de causa y efecto y sustituir las cortadas por condiciones. Esto lleva al hecho de que con algunas configuraciones Rol principal ejecutar algunas cadenas, mientras que otras son reemplazadas por condiciones. En otros escenarios, estas cadenas pueden convertirse en condiciones, y el papel de las principales lo desempeñarán aquellas que antes eran secundarias. Así, las causas y condiciones cambian de roles.

Las condiciones juegan papel importante, vinculando causa y efecto objetivos. Bajo diferentes condiciones que afectan la cadena causal principal, las consecuencias serán diferentes. Las condiciones parecen crear el canal a lo largo del cual fluye la cadena. eventos históricos o el desarrollo de fenómenos a lo largo del tiempo. Por lo tanto, para identificar relaciones profundas y esenciales de causa y efecto, se requiere un análisis exhaustivo, teniendo en cuenta la influencia de todos los factores externos y factores internos, todas las condiciones que influyen en el desarrollo de la cadena causal principal y evaluación del grado de influencia.

4. La descripción evolutiva no se centra en la interacción, sino en la conexión de eventos o fenómenos en el tiempo. Por tanto, el contenido de los conceptos “causa” y “efecto” cambia, y esto es muy importante tenerlo en cuenta. Si en el modelo estructural la interacción actúa como una verdadera causa finalis, la causa final, entonces en el modelo evolutivo, la causa activa (causa activa) se convierte en un fenómeno o evento.

La investigación también cambia su contenido. En lugar de conectar los estados de un objeto material durante su interacción con otro, algún evento o fenómeno actúa como consecuencia, cerrando la cadena de causa y efecto. Por eso, en el modelo evolutivo la causa siempre precede al efecto.

5. En el sentido anterior, la causa y el efecto en el modelo evolutivo pueden actuar como fenómenos de una sola cualidad que cierran la cadena de causa y efecto en ambos lados. La consecuencia de una cadena puede ser causa y comienzo de otra cadena, siguiendo en el tiempo a la primera. Esta circunstancia determina la propiedad de transitividad de los modelos evolutivos de causalidad.

Aquí nos hemos referido únicamente a las características principales y distintivas del modelo evolutivo.

Conclusión

El modelo estructural de causalidad se puede utilizar con éxito para sistemas y cadenas causales relativamente simples. En la práctica real, también tenemos que lidiar con sistemas complejos. La cuestión de una descripción de causa y efecto del comportamiento de sistemas complejos casi siempre se basa en el modelo evolutivo de causalidad.

Entonces, examinamos dos tipos de modelos que reflejan relaciones de causa y efecto en la naturaleza, analizamos la relación mutua de estos modelos, los límites de su aplicabilidad y algunas características. La manifestación de la causalidad en la naturaleza es diversa tanto en forma como en contenido. Es probable que estos modelos no agoten todo el arsenal de formas de relaciones causa-efecto. Pero no importa cuán diversas sean estas formas, la causalidad siempre tendrá las propiedades de objetividad, universalidad y universalidad. Por ello, el principio de causalidad ha desempeñado y desempeñará siempre las funciones ideológicas y metodológicas más importantes en ciencia natural moderna y filosofía de las ciencias naturales. La variedad de formas de manifestación de las relaciones causa-efecto no puede servir como motivo para abandonar el principio materialista de causalidad o declaraciones sobre su aplicabilidad limitada.

Fuentes de información:

1. Svechnikov G.A. Causalidad y conexión de estados en física. M., 1971.
2. Svechnikov G.A. Concepto dialéctico-materialista de causalidad // Determinismo moderno: Leyes de la naturaleza. M., 1973.
3. Tyukhtin V.S. Reflexión, sistemas, cibernética. Moscú, 1972.
4. Uemov A.I., Ostapenko S.V. Causalidad y tiempo // Determinismo moderno: Leyes de la naturaleza.
5. Orudzhev Z.M., Akhundov M.D. Estructura temporal de conexión causal // Filosofía. Ciencias. 1969. N° 6.
6. Zharov A.M. Relación temporal de causa y efecto e incertidumbre. 1984. N° 3.
7. Kuznetsov I.V. Trabajos seleccionados sobre metodología de la física. M., 1975.
8. Dialéctica materialista: En 5 volúmenes.T.1: Dialéctica objetiva / Bajo lo general. ed. F.V. Konstantinov y V.G. Marajova; Reps. ed. F.F. Väkkerev. M., 1981.
9. Naletov N.3. Causalidad y teoría del conocimiento. M., 1975.
10. Hegel G.W.F. Enciclopedia de Ciencias Filosóficas: En 3 volúmenes.T.1: La Ciencia de la Lógica. M., 1974.
11. Starzhinsky V.P. El concepto de “estado” y su papel metodológico en la física. Minsk, 1979.
12. Ivanov V.G. Causalidad y determinismo. L., 1974.
13. Dialéctica materialista. T. 1. P. 213.
14. Bunge M. Filosofía de la Física. M., 1975. pág.99.
15. Bohm D. Causalidad y aleatoriedad en la física moderna. M., 1959.
16. Perminov V.Ya. El problema de la causalidad en la filosofía y las ciencias naturales. M., 1979. pág.209.
17. Nikitin E.P. La explicación es la función de la ciencia. M., 1970.

Kuligin V.A. Causalidad e interacción en física. Colección de la Universidad Estatal de Voronezh: "El determinismo en la ciencia moderna". Vorónezh, 1987.

19. El modelado como método de cognición. Tipos de modelos. Adecuación, límites de aplicabilidad de los modelos. Ejemplos de uso de modelos en el estudio de sistemas biológicos.

Modelado- este es un método en el que el estudio de algún objeto complejo (proceso, fenómeno) se reemplaza por el estudio de su modelo. Las principales etapas del modelado se pueden resumir de la siguiente manera:

1. Recopilación primaria de información. El investigador debe obtener la mayor cantidad de información posible sobre las diversas características de un objeto real: sus propiedades, los procesos que ocurren en él, patrones de comportamiento en diversas condiciones externas.

2. Formulación del problema. Se formula el propósito de la investigación, sus principales objetivos y se determina qué nuevos conocimientos quiere obtener el investigador como resultado de la investigación. Esta etapa suele ser una de las más importantes y que requiere más tiempo.

3. Justificación de los principales supuestos. En otras palabras, se simplifica el objeto real, se aíslan las características (elemento 1) que no son significativas para los propósitos del estudio y se pueden descuidar.

4. Creación de un modelo, su investigación.

5. Comprobar la adecuación del modelo. objeto real. Indicación de los límites de aplicabilidad del modelo.

De este modo, el modelo, por así decirlo, coordina el objeto real con el propósito del estudio: por un lado, simplifica el objeto, permitiendo realizar la investigación, pero por otro lado, preserva lo principal que interesa al investigador. En biofísica, biología y medicina se utilizan a menudo modelos físicos, biológicos y matemáticos. El modelado analógico también es común.

Modelo físico tiene una naturaleza física, a menudo la misma que la del objeto que se estudia. Por ejemplo, el flujo de sangre a través de los vasos se modela mediante el movimiento del líquido a través de tuberías (rígidas o elásticas).

Modelos biológicos Son objetos biológicos convenientes para la investigación experimental, en los que se estudian las propiedades y patrones de los procesos biofísicos en objetos complejos reales. Por ejemplo, los patrones de aparición y propagación de los potenciales de acción en las fibras nerviosas se estudiaron sólo después de encontrar un modelo biológico tan exitoso como el axón del calamar gigante.

Modelos matemáticos- descripción de procesos en un objeto real mediante ecuaciones matemáticas, generalmente diferenciales. En la actualidad, las computadoras se utilizan ampliamente para implementar modelos matemáticos.

Si los procesos en el modelo tienen una naturaleza física diferente a la original, pero se describen mediante el mismo aparato matemático (generalmente las mismas ecuaciones diferenciales), entonces tal modelo se llama analógico. Normalmente se utiliza como modelo analógico. eléctrico. Por ejemplo, un modelo analógico del sistema vascular es un circuito eléctrico de resistencias, capacitancias e inductancias.

Requisitos básicos que debe cumplir el modelo.

1. Adecuación: el modelo debe reproducir los patrones de los fenómenos que se estudian con un determinado grado de precisión.

2. Deben establecerse los límites de aplicabilidad del modelo, es decir, deben definirse claramente las condiciones en las que el modelo seleccionado es adecuado al objeto que se estudia, ya que ningún modelo proporciona una descripción exhaustiva del objeto.