Dom Zapalenie miazgi Dlaczego użycie modeli wpływa na granice stosowalności. Subiektywne aspekty zastosowania modelowania matematycznego działań wojskowych w pracy wojskowych organów dowodzenia i kontroli

Zapalenie miazgi

Dlaczego użycie modeli wpływa na granice stosowalności. Subiektywne aspekty zastosowania modelowania matematycznego działań wojskowych w pracy wojskowych organów dowodzenia i kontroli

MYŚL WOJSKOWA nr 10/2011, s. 49-53

PułkownikO.V. TIKHANYCHEW ,

Kandydat nauk technicznych

TIKHANYCHEW Oleg Wasiljewicz urodził się 30 października 1965 r. w mieście Szuja w obwodzie iwanowskim. Absolwent Kazańskiej Wyższej Szkoły Dowodzenia i Inżynierii Wojskowej (1988), Akademii Artylerii im. Michajłowskiego (1997). Pełnił funkcję dowódcy plutonu, zastępcy dowódcy baterii w GSVG i Okręgu Wojskowym Północnego Kaukazu. Od 1997 r. – w 27. Centralnym Instytucie Badawczym Ministerstwa Obrony Federacji Rosyjskiej na stanowiskach pracownik naukowy, kierownik katedry, główny pracownik naukowy działu badawczego.

W 2005 roku obronił pracę dyplomową dla kandydata nauk technicznych. Autor ponad 100 prac naukowych. Profesor Akademii Nauk Wojskowych.

ADNOTACJA. Analizie poddano doświadczenia w zakresie opracowywania modeli matematycznych dla zautomatyzowanych systemów sterowania oraz wykorzystania prototypów programów modeli matematycznych podczas szkoleń operacyjnych. Uzasadniona jest potrzeba udoskonalenia procedury opracowywania modeli matematycznych w celu ograniczenia wpływu czynników subiektywnych na efektywność ich stosowania.

SŁOWA KLUCZOWE: modelowanie matematyczne, procedura opracowywania modeli, doświadczenie w działalności szkolenia operacyjnego, czynniki obiektywne i subiektywne, doskonalenie organizacji opracowywania modeli.

STRESZCZENIE. Autor analizuje doświadczenia w opracowywaniu modeli matematycznych dla zautomatyzowanych systemów sterowania oraz zastosowania prototypów oprogramowania modeli matematycznych do działań szkolenia operacyjnego. Konieczność udoskonalenia procedury opracowywania modeli matematycznych uzasadniana jest koniecznością ograniczenia wpływu czynnika ludzkiego na efektywność ich stosowania.

SŁOWA KLUCZOWE: symulacja matematyczna, procedura modelowania, doświadczenie w zakresie szkoleń operacyjnych, czynniki obiektywne i ludzkie, doskonalenie organizacji modelującej.

W NOWOCZESNE WARUNKI priorytetowy kierunek reformy Sił Zbrojnych Federacja Rosyjska jest zwiększenie efektywności ich wykorzystania, m.in. poprzez automatyzację dowodzenia i kierowania wojskami (siłami). Przez automatyzację dowodzenia i kierowania oddziałami (siłami) rozumie się proces wyposażania dowództw, stanowisk dowodzenia i kompleksów bojowych w środki elektroniczne. technologia komputerowa i ich wykorzystanie w pracy organów zarządzających.

Intelektualnym elementem kompleksu narzędzi automatyzacji zautomatyzowanego systemu kontroli wojsk (ATCS) jest oprogramowanie, które dzieli się na ogólne, ogólnosystemowe i specjalne. Specjalne oprogramowanie (SPO) zautomatyzowanych systemów sterowania składa się z zadań obliczeniowych, informacyjnych i modeli matematycznych. Te ostatnie odgrywają znaczącą rolę w procesie planowania działań (działań bojowych) oraz dowodzenia i kierowania wojskami (siłami), zapewniając prognozowanie rozwoju sytuacji i porównawczą ocenę skuteczności podjętych decyzji.

W artykule „Modelowanie konfrontacji zbrojnej: perspektywy rozwoju” zbadano szereg ważnych aspektów zastosowania modelowania matematycznego w sprawach wojskowych. W tle pozostały jednak czynniki subiektywne, choć w praktyce mają one istotny wpływ na wykorzystanie modelowania matematycznego w procesie organizacji działań (operacji bojowych). Subiektywne powody Ograniczone wykorzystanie modelowania matematycznego w praktycznej pracy centrali nie zostało odpowiednio omówione w kolejnych publikacjach związanych z modelowaniem matematycznym. I tak w artykule „Problemy automatyzacji intelektualnego wspomagania decyzji dowódców połączonych sił zbrojnych na poziomie taktycznym” zauważono, że modele matematyczne powinien być najważniejszym elementem zautomatyzowanych systemów sterowania, ale go nie znaleziono szerokie zastosowanie w procesie podejmowania decyzji o walce i zarządzaniu nią. Dlaczego tak się stało, nie jest określone. Rozważane są głównie wady istniejących modeli oraz obiektywne czynniki technologiczne utrudniające stosowanie modelowania matematycznego. Subiektywne przyczyny są wspomniane na marginesie.

W tym samym czasie V Na polu wojskowym, charakteryzującym się zaciętą konfrontacją i dużą osobistą odpowiedzialnością decydenta, obecność czynnika subiektywnego jest nie tylko nieunikniona, ale także zjawiskiem naturalnym. W warunkach niepełnej informacji doświadczeni dowódcy (szefowie) potrafią na poziomie intuicyjnym formułować właściwe decyzje. Jednocześnie zazwyczaj wychodzą ze swoich subiektywnych wyobrażeń na temat znaczenia różne kryteria optymalność i skuteczność możliwych alternatyw dla podjętych decyzji. To właśnie powoduje często subiektywne odrzucenie wyników modelowania matematycznego, co w ostatecznym rozrachunku może prowadzić do poważnych błędów w planowaniu i sterowaniu walką.

Zatem obecność czynników subiektywnych utrudniających zastosowanie modelowania matematycznego w sprawach wojskowych - prawdziwy fakt, wymagające refleksji i podjęcia odpowiednich działań.

Co konkretnie determinuje przypadki subiektywnej odmowy stosowania modelowania matematycznego przez funkcjonariuszy wojskowych agencji dowodzenia i kontroli (MCA)? Powodów jest wiele i ujawniają się one zarówno na etapie opracowywania, jak i na etapie stosowania modeli matematycznych.

Głównymi powodami odrzucenia jakiejkolwiek innowacji, jak twierdzą psychologowie, jest brak zrozumienia jej istoty, nieznajomość jej cech i nieumiejętność jej zastosowania.

Obowiązująca procedura korzystania z oprogramowania open source zakłada, że urzędnik – użytkownik zautomatyzowanego systemu kontroli rzetelnie zna ograniczenia i założenia przyjęte podczas rozwoju oprogramowania open source oraz granice stosowalności modeli matematycznych z oprogramowania open source. To w tych granicach przeprowadzane są inspekcje i testy elementów oprogramowania open source w celu potwierdzenia jego wydajności i adekwatności. Dotyczy to w pełni modeli matematycznych stanowiących integralną część oprogramowania open source. Teoretycznie urzędnicy władzy administracyjnej, którzy w swojej praktycznej działalności wykorzystują komponenty SPO musi rozumieć granice stosowalności modelu matematycznego poprzez dokładne przestudiowanie dokumentacji operacyjnej komponentów oprogramowania. Zrozum, zapamiętaj i zawsze się nimi kieruj. Niestety, ta idealna sytuacja nie zawsze jest realizowana w praktyce, przede wszystkim ze względu na niedoskonałość organizacji procesu uczenia się urzędnicy Prace OVU nad urządzeniami automatyki.

Kolejnym problemem jest problem podziału odpowiedzialności za podejmowane decyzje pomiędzy użytkownikami modelu i twórcą jego aparatu matematycznego. Jeśli w systemy techniczne Podział odpowiedzialności za błędy operacyjne pomiędzy programistę i użytkownika jest określony w odpowiednich GOST i przepisach technicznych, ale w przypadku oprogramowania nie ma jeszcze takich dokumentów. Wysoki stopień odpowiedzialności urzędników instytucji edukacyjnej za wyniki swoich działań, w połączeniu z niepewnym zrozumieniem granic stosowalności modeli, budzi pewne obawy urzędników podczas stosowania modelowania matematycznego w praktyce planistycznej prawdziwe operacje(walka). Bez rozwiązania tego problemu nie da się zapewnić pełnego wykorzystania modelowania matematycznego w praktyce obsługi urządzenia.

Znacząco wpływa na wprowadzenie modelowania matematycznego do praktyki OVU to irracjonalność układu interfejsu modeli matematycznych tworzonych przez przemysł. W Obecnie przy opracowywaniu programów nie poświęca się temu aspektowi wystarczającej uwagi. Psychologia inżynierska i ergonomia nie napawają optymizmem: zajmują się przede wszystkim trybami pracy operatora i wyposażeniem stanowiska pracy, ale nie jakością interfejsów programów.

Jednocześnie z rozwojem Technologie informacyjne Zwiększając możliwości technologii komputerowej, ogniwem spowalniającym podejmowanie decyzji w zautomatyzowanych systemach sterowania coraz częściej stają się ludzie. A powodem jest interfejs programu, który spowalnia zarówno proces wprowadzania danych początkowych, jak i analizę wyników modelowania. W końcu interfejs jest głównym elementem komunikacji pomiędzy użytkownikiem a programem. Często to wygoda interfejsu decyduje o tym, czy użytkownik w krytycznych momentach zwróci się do programu i czy będzie mógł szybko przeprowadzić obliczenia i przeanalizować ich wyniki.

Szkoda, że twórcza i „kawałkowa” praca nad tworzeniem interfejsów programów i wypracowywaniem podejść do ich ujednolicenia, którą może wykonać jedynie specjalista o szerokich horyzontach operacyjno-technicznych, w ogóle nie ma związku z działalnością naukową. Jednocześnie brak jednolitych podejść do interfejsu implementacji modeli matematycznych oraz problemów informacyjno-obliczeniowych znacznie ogranicza ich właściwości użytkowe oraz utrudnia urzędnikom ich opanowanie i wdrożenie do działalności instytucji edukacyjnych.

Zgodnie z dokumentami regulującymi w tworzeniu interfejsów dla modeli i zadań z oprogramowania systemu automatycznego sterowania biorą udział dwie kategorie programistów: pracownicy Państwowej Akademii Badawczej Ministerstwa Obrony Narodowej, wiodący wojskowo-naukowe wsparcie przy tworzeniu zautomatyzowane systemy sterowania i twórcy oprogramowania w przedsiębiorstwach przemysłowych. Wszyscy są co najmniej ekspertami w zakresie wykorzystania technologii komputerowej. Ale te umiejętności mogą również odgrywać negatywną rolę. Specjalista nieświadomie tworzy modelowy interfejs „dla siebie”, a nie dla oficera sztabowego, pracującego pod dużą presją czasu i będącego specjalistą w dziedzinie wojskowości. A logika programisty często różni się od logiki zwykłego człowieka. Nic dziwnego, że tak żartują normalna osoba uważa, że kilobajt ma 1000 bajtów, a programista jest pewien, że kilogram ma 1024 gramy. W wyniku tych różnic prostota interfejsu podczas programowania jest często poświęcana na rzecz dodatkowych cech i możliwości, które wydają się niezbędne programiście. Konsekwencją tego są trudności w opanowaniu interfejsów modeli i zadań przez urzędników placówki oświatowej oraz niechęć do współpracy z nimi przy rozwiązywaniu problemów praktycznych.

Negatywny wpływ tego czynnika można wyeliminować jedynie poprzez zmianę istniejącej procedury opracowywania SMPO, zapewniając większą partycypację V proces opracowywania modelu matematycznego użytkownika końcowego. W tym celu wskazane jest wprowadzenie obowiązkowego etapu (etapów) próbnego działania elementów oprogramowania typu open source V wykonanie makiety z udziałem urzędników OVU. Na podstawie wyników etapu należy przewidzieć udoskonalenie elementów SPO V części organizacji interfejsu programu. Nawiasem mówiąc, światowe doświadczenie w tworzeniu oprogramowania pokazuje, że każda zastosowana technologia (kaskadowa, spiralna lub płytka prototypowa) koniecznie zawiera etap prototypowania, na podstawie wyników którego finalizowane jest oprogramowanie, w tym jego część interfejsowa.

To także jest ważne osobisty stosunek każdego urzędnika do wyników modelowania matematycznego. Postawa ta może wyrażać się w ogólnej nieufności do wyników uzyskanych za pomocą nieznanego aparatu matematycznego i kształtuje się podczas „komunikacji” z modelami. Ten ostatni zasługuje na szczególną uwagę.

Nie jest tajemnicą, że czasami urzędnicy Departamentu Placówek Oświatowych, niezadowoleni z wyników modelowania, próbują różne sposoby Popraw je. Użytkownik (operator), który dobrze zna model, może „bawić się” różnymi czynnikami, aby wpłynąć na wyniki V prawa strona. Kiedy staje się decydentem, ma opinię, że model może pokazać dowolny wynik, jeśli tylko jest na to chęć. Opinia ta jest głęboko błędna i wynika z nieznajomości cech modelowania matematycznego. Tak, wynik symulacji można nieznacznie skorygować, zmieniając dowolne z warunków początkowych organizacji działań przeciwstawnych grup, które zaliczają się do kategorii niepewnych i wybranych przez operatora w ustalonych granicach. Niemożliwe jest jednak sfałszowanie wyników bez zmiany oryginalnych danych, zwłaszcza jeśli model jest używany analiza porównawcza możliwości użycia wojsk (sił), przy wszystkich innych czynnikach niezmiennych. Same wyniki mogą się zmienić, ale model nadal będzie pokazywał prawidłowy trend w sytuacji.

Podejście Do naszym zdaniem rozwiązanie tej sytuacji jest takie samo - angażowanie urzędników w rozwój aparatu matematycznego wbudowanego w SMPO stworzonego w celu ich automatyzacji zajęcia. Przede wszystkim dotyczy to sformalizowania symulowanego procesu oraz ukształtowania systemu tolerancji i ograniczeń.

Zaangażowanie urzędników placówki oświatowej w rozwój SMPO, w szczególności w zakresie opisu aparatu modeli matematycznych, nie jest łatwą drogą. Wymaga to pewnych wysiłków ze strony klienta i branży, nie tylko technicznych, ale także organizacyjnych, a czasami planu edukacyjnego. Jednak praktyczne doświadczenia takich prac dostępne w 27. Centralnym Instytucie Badawczym MON świadczą o skuteczności tej metody. Opracowanie wspólnie z funkcjonariuszami wydziału spraw wewnętrznych szeregu metod obliczeń operacyjnych pokazało, że z czasem narzędzia programowe, realizujące wspólnie stworzony aparat matematyczny, są znacznie lepiej postrzegane przez urzędników. Znajomość aparatu matematycznego stosowanego w oprogramowaniu i ograniczeń jego stosowalności zapewnia pewność wyników modelowania.

Tym samym analiza czynników subiektywnych zakłócających stosowanie modelowania matematycznego w praktycznej pracy instytucji edukacyjnych wskazuje, że istniejące niedociągnięcia mają charakter systemowy. Nie zależą one od konkretnego twórcy oprogramowania open source i podejścia, jakie wybrał do stworzenia oprogramowania typu open source z automatycznym systemem sterowania: funkcjonalnego, strukturalnego czy procesowego. Aby je wyeliminować, należy zmienić procedurę zarówno tworzenia modeli matematycznych, wprowadzając obowiązkowe etapy, które przewidują udział przyszłych użytkowników modeli w ich opracowywaniu, jak i procedurę przygotowania urzędników instytucji edukacyjnej do pracy z nimi.

Oprócz, Warto zatrzymać się nad jeszcze jednym subiektywnym czynnikiem nieufności w modelowaniu matematycznym, powstające w przypadkach, gdy przedstawiciele przemysłu bezzasadnie często modyfikują modele matematyczne lub próbują je wdrożyć, gdy nie ma ku temu obiektywnej potrzeby.

Analiza doświadczenia zagraniczne pokazuje, że najbardziej akceptowalne jest stopniowe zwiększanie możliwości modeli matematycznych poprzez ich modernizację bez radykalnej zmiany „rdzenia” matematycznego i oczywiście wykorzystywanie modelowania matematycznego do planowania działań (działań bojowych) tylko tam, gdzie jest to naprawdę konieczne, tam, gdzie są ku temu warunki. Niestety u nas często dzieje się dokładnie odwrotnie. Nieuzasadniona częsta modyfikacja modeli, rozszerzenie modelowania matematycznego na obszary, w których nie ma ono zastosowania (np. do poziomu „batalion – kompania (bateria) – pluton”), subiektywnie zmniejsza zaufanie do procesu wykorzystania modeli przy planowaniu działań wojennych i dyskredytuje samą ideę modelowania matematycznego.

Aby więc ograniczyć negatywny wpływ czynników subiektywnych na zastosowanie modelowania matematycznego w praktyce jednostki sterującej, konieczne jest zwiększenie wiedzy i umiejętności użytkowników SMPO oraz przełamanie niechęci programistów do uwzględnienia ich wymagań (w celu pokonania zautomatyzowanego systemu kontroli pod stałym kierunkiem klienta, przy pomocy systemu kontroli i organizacji zapewniających prace wojskowo-naukowe).

Aby to zrobić, potrzebujesz:

usprawnienie procedury opracowywania modeli matematycznych, w tym w procesie opracowywania obowiązkowych etapów prototypowania i testowania modeli w placówce edukacyjnej; zmiana podejścia (zwiększona uwaga) do tworzenia interfejsów oprogramowania dla modeli matematycznych z zautomatyzowanego systemu sterowania;

dostosowanie wytycznych określających treść etapów rozwoju modeli matematycznych;

optymalizacja procesu szkolenia urzędników wykorzystujących modele matematyczne w ramach oprogramowania open source do zestawów automatyzacji punktów kontrolnych.

Wdrożenie tych działań pozwoli, aby modelowanie matematyczne zajęło należne mu miejsce w procesie organizacji działań (akcji bojowych) oraz dowodzenia i kierowania wojskami (siłami).

Myśl militarna. 2009. nr 7. s. 12-20.

Myśl militarna. 2009. nr 9. s. 43-53.

Zagraniczny przegląd wojskowy. 2006. nr 6. s. 17-23; 2008. nr 11. s. 27-32.

Aby móc komentować musisz zarejestrować się na stronie.

Wiktor Kuligin

Ujawnianie treści i specyfikacja pojęć powinna opierać się na takim czy innym konkretnym modelu wzajemnego powiązania pojęć. Model, obiektywnie odzwierciedlający pewien aspekt związku, ma granice stosowalności, powyżej których jego użycie prowadzi do fałszywych wniosków, ale w granicach swojej stosowalności musi posiadać nie tylko obrazowość, przejrzystość i konkretność, ale także posiadać wartość heurystyczną.

Różnorodność przejawów związków przyczynowo-skutkowych w świecie materialnym doprowadziła do istnienia kilku modeli związków przyczynowo-skutkowych. Historycznie rzecz biorąc, każdy model tych relacji można sprowadzić do jednego z dwóch głównych typów modeli lub ich kombinacji.

a) Modele oparte na podejściu czasowym (modele ewolucyjne). Główna uwaga skupiona jest tutaj na czasowej stronie związków przyczynowo-skutkowych. Jedno zdarzenie – „przyczyna” – powoduje powstanie kolejnego zdarzenia – „skutku”, które opóźnia się w czasie w stosunku do przyczyny (opóźnień). Opóźnienie jest cechą charakterystyczną podejścia ewolucyjnego. Przyczyna i skutek są współzależne. Natomiast odniesienie do powstania skutku przez przyczynę (genezę), choć zgodne z prawem, wprowadza się do definicji związku przyczynowo-skutkowego jakby z zewnątrz, z zewnątrz. Oddaje zewnętrzną stronę tego połączenia, bez głębokiego uchwycenia istoty.

Podejście ewolucyjne zostało opracowane przez F. Bacona, J. Milla i innych. Skrajnym biegunem podejścia ewolucyjnego było stanowisko Hume'a. Hume zignorował genezę, zaprzeczając obiektywnej naturze przyczynowości i zredukował przyczynowość do prostej regularności zdarzeń.

b) Modele oparte na koncepcji „interakcji” (modele strukturalne lub dialektyczne). Znaczenie imion dowiemy się później. Główny nacisk położony jest tutaj na interakcję jako źródło związków przyczynowo-skutkowych. Sama interakcja działa jako przyczyna. Dużo uwagi Kant przyjął to podejście, ale dialektyczne podejście do przyczynowości uzyskało swoją najjaśniejszą formę w dziełach Hegla. Spośród współczesnych filozofów radzieckich podejście to rozwinął G.A. Svechnikova, który starał się przedstawić materialistyczną interpretację jednego ze strukturalnych modeli związków przyczynowo-skutkowych.

Istniejące i obecnie stosowane modele w różny sposób odsłaniają mechanizm zależności przyczynowo-skutkowych, co prowadzi do nieporozumień i stwarza podstawę do dyskusji filozoficznych. Intensywność dyskusji i polarny charakter punktów widzenia wskazują na ich aktualność.

Zwróćmy uwagę na niektóre poruszane kwestie.

a) Problem jednoczesności przyczyny i skutku. To jest główny problem. Czy przyczyna i skutek są jednoczesne, czy oddzielone odstępem czasu? Jeśli przyczyna i skutek są jednoczesne, to dlaczego przyczyna powoduje skutek, a nie odwrotnie? Jeśli przyczyna i skutek nie są jednoczesne, czy może istnieć „czysta” przyczyna, tj. przyczyna bez skutku, który jeszcze nie nastąpił, i skutek „czysty”, gdy działanie przyczyny dobiegło końca, ale skutek nadal trwa? Co dzieje się w odstępie między przyczyną a skutkiem, jeśli są one rozdzielone w czasie itp.?

b) Problem jednoznaczności związków przyczynowo-skutkowych. Czy ta sama przyczyna powoduje ten sam skutek, czy też jedna przyczyna może wywołać jakiś skutek z kilku potencjalnych? Czy ten sam skutek może być wywołany przez którąkolwiek z kilku przyczyn?

c) Problem odwrotnego wpływu skutku na jego przyczynę.

d) Problem powiązania przyczyny, okazji i warunków. Czy w pewnych okolicznościach przyczyna i warunek mogą zmienić role: przyczyna staje się warunkiem, a warunek przyczyną? Jaki jest obiektywny związek i charakterystyczne cechy przyczyny, okazji i warunku?

Rozwiązanie tych problemów zależy od wybranego modelu, tj. w dużej mierze od tego, jakie treści znajdą się w wyjściowych kategoriach „przyczyna” i „skutek”. Definicyjny charakter wielu trudności przejawia się chociażby w tym, że nie ma jednej odpowiedzi na pytanie, co należy rozumieć pod pojęciem „przyczyna”. Niektórzy badacze postrzegają przyczynę jako przedmiot materialny, inni jako zjawisko, jeszcze inni jako zmianę stanu, jeszcze inni jako interakcję itp.

Próby wyjścia poza reprezentację modelową i podania ogólnej, uniwersalnej definicji związku przyczynowo-skutkowego nie prowadzą do rozwiązania problemu. Przykładem jest następująca definicja: „Przyczynowość jest taka połączenie genetyczne zjawiska, w których jedno zjawisko, zwane przyczyną, w zaistnieniu pewnych warunków nieuchronnie generuje, powoduje, powołuje do życia inne zjawisko, zwane skutkiem. Definicja ta formalnie obowiązuje dla większości modeli, jednak bez oparcia się na modelu nie jest w stanie rozwiązać postawionych problemów (np. problemu jednoczesności), a zatem ma ograniczoną wartość teoretyczno-poznawczą.

Większość autorów, rozwiązując powyższe problemy, wychodzi od współczesnego fizycznego obrazu świata i z reguły nieco mniej uwagi poświęca epistemologii. Tymczasem, naszym zdaniem, istotne są tu dwa problemy: problem usunięcia elementów antropomorfizmu z pojęcia przyczynowości oraz problem powiązań nieprzyczynowych w naukach przyrodniczych. Istotą pierwszego problemu jest to, że przyczynowość jako obiektywna kategoria filozoficzna musi mieć charakter obiektywny, niezależny od podmiotu poznającego i jego działania. Istota drugiego problemu: czy w naukach przyrodniczych związki przyczynowe uznać za uniwersalne i uniwersalne, czy też uznać, że powiązania te mają charakter ograniczony i że istnieją powiązania typu nieprzyczynowego, które zaprzeczają przyczynowości i ograniczają granice zastosowanie zasady przyczynowości? Wierzymy, że zasada przyczynowości jest uniwersalna i obiektywna, a jej stosowanie nie zna ograniczeń.

Zatem dwa typy modeli, obiektywnie odzwierciedlające pewne ważne aspekty i cechy związków przyczynowo-skutkowych, są w pewnym stopniu sprzeczne, ponieważ rozwiązują problemy jednoczesności, jednoznaczności itp. na różne sposoby, ale jednocześnie obiektywnie odzwierciedlając pewne aspekty związków przyczynowo-skutkowych, muszą one pozostawać we wzajemnym powiązaniu. Naszym pierwszym zadaniem jest zidentyfikowanie tego powiązania i udoskonalenie modeli.

Granica stosowalności modeli

Spróbujmy ustalić granicę stosowalności modeli typu ewolucyjnego. Łańcuchy przyczynowe spełniające modele ewolucyjne mają zwykle właściwość przechodniości. Jeśli zdarzenie A jest przyczyną zdarzenia B (B jest konsekwencją A), jeśli z kolei zdarzenie B jest przyczyną zdarzenia C, to zdarzenie A jest przyczyną zdarzenia C. Jeśli A → B i B → C , następnie A → C. W ten sposób powstają najprostsze łańcuchy przyczynowo-skutkowe. Zdarzenie B może działać jako przyczyna w jednym przypadku, a jako konsekwencja w innym. Schemat ten zauważył F. Engels: „...przyczyna i skutek są przedstawieniami, które jako takie mają znaczenie tylko wtedy, gdy odnoszą się do danego indywidualnego przypadku: gdy jednak rozpatrywamy ten indywidualny przypadek w ogólnym powiązaniu z całym światem jako całość reprezentacje te zbiegają się i splatają w reprezentacji uniwersalnej interakcji, w której przyczyny i skutki nieustannie zmieniają miejsca; to, co jest przyczyną tu lub teraz, staje się skutkiem tam lub wtedy i odwrotnie” (t. 20, s. 22).

Właściwość przechodniości pozwala nam przeprowadzić szczegółowa analizałańcuch przyczynowy. Polega na podzieleniu końcowego łańcucha na prostsze powiązania przyczynowo-skutkowe. Jeśli A, to A → B 1, B 1 → B 2,..., B n → C. Ale czy skończony łańcuch przyczynowo-skutkowy ma właściwość nieskończonej podzielności? Czy liczba ogniw w skończonym łańcuchu N może dążyć do nieskończoności?

Opierając się na prawie przejścia zmian ilościowych na jakościowe, można postawić tezę, że dzieląc końcowy łańcuch przyczynowo-skutkowy, spotkamy się z taką zawartością poszczególnych ogniw łańcucha, że dalszy podział stanie się bezsensowny. Należy zauważyć, że nieskończona podzielność, która zaprzecza prawu przejścia zmian ilościowych na jakościowe, Hegel nazwał „złą nieskończonością”

Przejście zmian ilościowych na jakościowe następuje np. przy dzieleniu kawałka grafitu. Kiedy cząsteczki rozdzielają się aż do powstania jednoatomowego gazu, skład chemiczny nie ulega zmianie. Dalszy podział substancji bez jej zmiany skład chemiczny nie jest już możliwe, gdyż kolejnym etapem jest rozszczepienie atomów węgla. Tutaj, z fizykochemicznego punktu widzenia, zmiany ilościowe prowadzą do zmian jakościowych.

Z powyższej wypowiedzi F. Engelsa jasno wynika pogląd, że podstawą związków przyczynowo-skutkowych nie jest spontaniczne wyrażanie woli, nie kaprys przypadku i nie boski palec, ale powszechne oddziaływanie. W przyrodzie nie ma samoistnego powstawania i niszczenia ruchu, zachodzą wzajemne przejścia jednej formy ruchu materii w inne, z jednego obiektu materialnego w drugi, a przejścia te nie mogą nastąpić inaczej niż poprzez oddziaływanie obiektów materialnych. Takie przejścia, wywołane interakcją, dają początek nowym zjawiskom, zmieniającym stan oddziałujących obiektów.

Interakcja jest uniwersalna i stanowi podstawę przyczynowości. Jak słusznie zauważył Hegel, „interakcja jest stosunkiem przyczynowym założonym w jej pełnym rozwoju”. F. Engels sformułował tę myśl jeszcze jaśniej: „Oddziaływanie jest pierwszą rzeczą, która nam się ukazuje, gdy z punktu widzenia współczesnych nauk przyrodniczych rozważamy poruszającą się materię jako całość... Przyrodoznawstwo zatem potwierdza, że... że interakcja jest prawdziwą przyczyną finalis rzeczy. Nie możemy wyjść poza wiedzę o tej interakcji właśnie dlatego, że za nią nie kryje się nic więcej do poznania” (t. 20, s. 546).

Ponieważ interakcja jest podstawą przyczynowości, rozważmy interakcję dwóch obiektów materialnych, której schemat pokazano na ryc. 1. Ten przykład nie narusza ogólności rozumowania, ponieważ interakcja kilku obiektów sprowadza się do interakcji sparowanych i można je rozpatrywać w podobny sposób.

Łatwo zauważyć, że podczas interakcji oba obiekty jednocześnie na siebie oddziałują (wzajemność działania). W tym przypadku zmienia się stan każdego z oddziałujących obiektów. Brak interakcji - brak zmiany stanu. Dlatego zmianę stanu któregokolwiek z oddziałujących obiektów można uznać za częściową konsekwencję przyczyny - interakcji. Zmiana stanów wszystkich obiektów w ich całości będzie pełne śledztwo.

Jest oczywiste, że taki model przyczynowo-skutkowy o elementarnym ogniwie modelu ewolucyjnego należy do klasy strukturalnej (dialektycznej). Należy podkreślić, że model ten nie sprowadza się do podejścia opracowanego przez G.A. Svechnikov, ponieważ w ramach śledztwa G.A. Svechnikova, według V.G. Iwanow rozumiał „... zmianę jednego lub wszystkich oddziałujących obiektów lub zmianę charakteru samej interakcji, aż do jej załamania lub przekształcenia”. Jeśli chodzi o zmianę stanów, jest to zmiana w G.A. Svechnikov zaklasyfikował to jako związek nieprzyczynowy.

Ustaliliśmy więc, że modele ewolucyjne jako elementarne, podstawowa opieka zawierają model strukturalny (dialektyczny) oparty na interakcji i zmianie stanów. Nieco później powrócimy do analizy wzajemnego powiązania tych modeli i badania właściwości modelu ewolucyjnego. W tym miejscu pragniemy zauważyć, że w pełnej zgodzie z punktem widzenia F. Engelsa zmiana zjawisk w modelach ewolucyjnych odzwierciedlających obiektywną rzeczywistość następuje nie na skutek prostej prawidłowości zdarzeń (jak u D. Hume’a), ale na skutek do warunkowości generowanej przez interakcję (geneza). Dlatego też, choć w definicjach związków przyczynowo-skutkowych w modelach ewolucyjnych wprowadzone zostały odniesienia do pokolenia (genezy), to jednak odzwierciedlają one obiektywny charakter tych związków i mają podstawa prawna.

Figa. 2. Strukturalny (dialektyczny) model przyczynowości

Wróćmy do modelu strukturalnego. W swojej strukturze i znaczeniu doskonale zgadza się z pierwszym prawem dialektyki - prawem jedności i walki przeciwieństw, jeśli jest interpretowany:

– jedność – jako istnienie obiektów we wzajemnym powiązaniu (interakcjach);

– przeciwieństwa – jako wzajemnie wykluczające się tendencje i cechy stanów wywołane interakcją;

– walka – jako interakcja;

– rozwój – jako zmiana stanu każdego z oddziałujących na siebie obiektów materialnych.

Dlatego model strukturalny, który opiera się na interakcji jako przyczynie, można również nazwać dialektycznym modelem przyczynowości. Z analogii modelu strukturalnego i pierwszego prawa dialektyki wynika, że przyczynowość działa jako odbicie obiektywnych sprzeczności dialektycznych w samej naturze, w przeciwieństwie do subiektywnych sprzeczności dialektycznych, które powstają w ludzkim umyśle. Strukturalny model przyczynowości jest odzwierciedleniem obiektywnej dialektyki natury.

Rozważmy przykład ilustrujący zastosowanie strukturalnego modelu związków przyczynowo-skutkowych. Takich przykładów, które wyjaśnia się za pomocą tego modelu, można znaleźć całkiem sporo w naukach przyrodniczych (fizyka, chemia itp.), ponieważ pojęcie „interakcji” jest w naukach przyrodniczych fundamentalne.

Weźmy jako przykład sprężyste zderzenie dwóch kul: poruszającej się kuli A i nieruchomej kuli B. Przed zderzeniem stan każdej piłki był określony przez zbiór atrybutów Ca i Cb (pęd, energia kinetyczna itp.). ). Po zderzeniu (interakcji) stany tych kul uległy zmianie. Oznaczmy nowe stany C”a i C”b. Przyczyną zmiany stanów (Ca → C”a i Cb → C”b) było oddziaływanie kulek (zderzenie); konsekwencją tego zderzenia była zmiana stanu każdej kulki.

Jak już wspomniano, model ewolucyjny w w tym przypadku jest mało przydatne, gdyż nie mamy tu do czynienia z łańcuchem przyczynowym, lecz z elementarnym związkiem przyczynowo-skutkowym, którego struktury nie da się sprowadzić do modelu ewolucyjnego. Aby to pokazać, zilustrujmy ten przykład wyjaśnieniem z pozycji modelu ewolucyjnego: „Przed zderzeniem kula A była w spoczynku, więc przyczyną jej ruchu jest kula B, która w nią uderzyła”. Tutaj kula B jest przyczyną, a ruch piłki A skutkiem. Ale z tych samych pozycji można podać następujące wyjaśnienie: „Przed zderzeniem kula B poruszała się ruchem jednostajnym po prostym torze. Gdyby nie piłka A, charakter ruchu piłki B nie uległby zmianie”. Tutaj przyczyną jest już kula A, a skutkiem stan kuli B. Powyższy przykład pokazuje:

a) pewna subiektywność, która pojawia się przy stosowaniu modelu ewolucyjnego poza granicami jego stosowalności: przyczyną może być kula A lub kula B; sytuacja ta wynika z faktu, że model ewolucyjny wybiera jedną konkretną gałąź konsekwencji i ogranicza się do jej interpretacji;

b) typowy błąd epistemologiczny. W powyższych wyjaśnieniach z pozycji modelu ewolucyjnego jeden z obiektów materialnych tego samego rodzaju działa jako zasada „aktywna”, a drugi jako zasada „pasywna”. Okazuje się, że jedna z piłek jest obdarzona (w porównaniu z drugą) „aktywnością”, „wolą”, „pragnieniem”, jak osoba. Zatem tylko dzięki tej „woli” mamy związek przyczynowy. O takim błędzie epistemologicznym decyduje nie tylko model przyczynowości, ale także obrazowość tkwiąca w żywej mowie ludzkiej oraz typowe psychologiczne przeniesienie właściwości charakterystycznych dla złożonej przyczynowości (porozmawiamy o tym poniżej) na prostą przyczynę i -link efektów. A takie błędy są bardzo typowe, gdy wykorzystuje się model ewolucyjny poza granicami jego stosowalności. Pojawiają się w niektórych definicjach przyczynowości. Na przykład: „Przyczynowość definiuje się więc jako taki wpływ jednego przedmiotu na drugi, w którym zmiana pierwszego przedmiotu (przyczyny) poprzedza zmianę innego przedmiotu i w sposób konieczny, jednoznaczny powoduje zmianę w innym przedmiocie. przedmiot (efekt).” Trudno zgodzić się z tą definicją, gdyż nie jest do końca jasne, dlaczego podczas interakcji (wzajemnego działania!) obiekty nie powinny być deformowane jednocześnie, ale jeden po drugim? Który obiekt powinien odkształcić się jako pierwszy, a który jako drugi (problem priorytetowy)?

Cechy modelu

Zastanówmy się teraz, jakie cechy zawiera strukturalny model przyczynowości. Wśród nich zwróćmy uwagę na: obiektywność, uniwersalność, spójność, jednoznaczność.

Obiektywizm przyczynowości przejawia się w tym, że interakcja pełni rolę obiektywnej przyczyny, w stosunku do której oddziałujące obiekty są równe. Nie ma tu miejsca na interpretację antropomorficzną. Uniwersalność wynika z faktu, że podstawą przyczynowości jest zawsze interakcja. Przyczynowość jest uniwersalna, tak jak uniwersalna jest sama interakcja. Spójność wynika z tego, że choć przyczyna i skutek (interakcja i zmiana stanów) pokrywają się w czasie, to odzwierciedlają różne aspekty związku przyczynowo-skutkowego. Interakcja zakłada przestrzenne połączenie obiektów, zmianę stanu – połączenie stanów każdego z oddziałujących obiektów w czasie.

Ponadto model strukturalny ustanawia jednoznaczny związek w zależnościach przyczynowo-skutkowych, niezależnie od metody matematycznego opisu interakcji. Ponadto model strukturalny, będąc obiektywnym i uniwersalnym, nie nakłada ograniczeń na naturę interakcji w naukach przyrodniczych. W ramach tego modelu obowiązuje natychmiastowe działanie dalekiego lub krótkiego zasięgu oraz interakcja z dowolnymi skończonymi prędkościami. Pojawienie się takiego ograniczenia w ustalaniu związków przyczynowo-skutkowych byłoby typowym dogmatem metafizycznym, raz na zawsze postulującym naturę wzajemnego oddziaływania dowolnych układów, narzucającym fizyce i innym naukom ze strony filozofii naturalne ramy filozoficzne lub ograniczyłoby to granice stosowalności modelu tak bardzo, że korzyści z takiego modelu byłyby bardzo skromne.

W tym miejscu wypadałoby zatrzymać się nad zagadnieniami związanymi ze skończonością prędkości propagacji oddziaływań. Spójrzmy na przykład. Niech będą dwa ładunki stacjonarne. Jeżeli jeden z ładunków zacznie poruszać się z przyspieszeniem, wówczas fala elektromagnetyczna zbliży się do drugiego ładunku z opóźnieniem. Czy ten przykład nie jest sprzeczny z modelem strukturalnym, a w szczególności z własnością wzajemności działania, skoro przy takim oddziaływaniu ładunki znajdują się w nierównym położeniu? Nie, to nie jest sprzeczne. Przykład ten nie opisuje prostej interakcji, ale złożony łańcuch przyczynowy, w którym można wyróżnić trzy różne ogniwa.

Fizyka, ze względu na ogólność i zakres swoich praw, zawsze wywierała wpływ na rozwój filozofii i sama ulegała jej wpływowi. Odkrywając nowe osiągnięcia, fizyka nie porzuciła pytań filozoficznych: o materię, o ruch, o obiektywność zjawisk, o przestrzeń i czas, o przyczynowość i konieczność w przyrodzie. Rozwój atomizmu doprowadził do odkrycia E. Rutherforda jądro atomowe i do...

Określanie granic poprzez ocenę wykonalności i kosztów

Granice stosowalności modeli są ustalane na podstawie ograniczeń implementacyjnych zidentyfikowanych w poprzedniej sekcji. Jak już wspomniano, każdy z nich wpływa na jeden z głównych czynników ograniczających (lub oba jednocześnie) - efektywność ekonomiczną (zwiększenie kosztów wdrożenia) lub wykonalność (zmniejszenie znaczenia uzyskanych wyników dla przedsiębiorstwa).

Celem tej części jest sformułowanie rekomendacji, dla których spółek ma zastosowanie dany model. Oczywiście możliwość zastosowania modelu w dużej mierze zależy od indywidualnych warunków – priorytetów strategicznych przedsiębiorstwa, charakterystyki jego struktury i stylu zarządzania, zasobów finansowych i tym podobnych. Wydaje się jednak, że możliwe jest wyznaczenie początkowych przybliżonych granic poprzez rozwiązanie następujących podproblemów (wyznaczenie dokładniejszych granic może być przedmiotem przyszłych badań praktycznych):

· Identyfikacja potencjalnych konfliktów celów i ograniczeń firmy na tym poziomie

· Określenie miejsc wystąpienia dodatkowych kosztów wdrożenia dla poszczególnych modeli (poprzez zidentyfikowane już czynniki ograniczające)

· Jeśli to możliwe, przybliżone szacunki kosztów

Zalecenia dotyczące pierwszego zadania zawarte są już w sformułowaniu odpowiedniego ograniczenia, które powstaje na poziomie celu „Wybór partnera do interakcji” i rozciąga się na Schillo oraz Computational Trust and Reputation Models. Cele przedsiębiorstwa powinny uwzględniać cel wdrażanego modelu. Dla powyższego przykładu celu i modelu konflikt jest oczywisty w sytuacji monopolu rynku dla dostawcy – firma konsumencka nie może wybrać partnera do dostawy na podstawie wzorców, gdyż opcja jest tylko jedna. Aby wyjaśnić obecność tej relacji, firma może potrzebować rozłożyć swoje cele za pomocą drzewa celów, obiektu szeroko stosowanego w BPM.

W trakcie analizy klasyfikacji opracowanej w poprzednim rozdziale oraz literatury dotyczącej modeli reputacji i szczególnych przypadków ich realizacji zidentyfikowano następujące miejsca powstawania dodatkowych kosztów:

Gromadzenie danych na temat reputacji kontrahentów. Występuje w ograniczeniu „Dane wejściowe” na poziomie modelu. Brana jest tu pod uwagę ostateczna wartość reputacji, która może zostać obliczona wewnętrznie (poprzez wdrożenie modelu o odpowiednim celu) lub pozyskana od odpowiednich usługodawców. W pierwszym przypadku wdrożenie dwóch modeli wiąże się z kosztami, a nie jednym, jednak potencjalne korzyści mogą być większe ze względu na funkcjonalność modelu obliczania reputacji (rozwiązanie zależy więc od zestawu celów, jakich potrzebuje firma osiągnąć wykorzystując reputację). W drugim przypadku koszty powstają od ceny wykorzystania narzędzi do wydobywania niezbędnych danych. Wiele tutaj zależy od otoczenia biznesowego firmy. W przypadku firm działających w ramach systemów reputacyjnych (np. sprzedawców w serwisie eBay) możliwe jest wykorzystanie API tych systemów, które często jest już „na stałe” niezbędne funkcje(jak na przykład w Yandex Market Content API), a którego użycie jest stosunkowo tanie. Nie można też tracić z oczu kosztów związanych z opłaceniem czasu pracowników korzystających z API, czy automatyzacją tych procesów. W przypadku, gdy reputacja agentów nie jest obliczana centralnie, pojawia się problem wydobycia jej z nieustrukturyzowanych danych, takich jak recenzje (z różnych źródeł, w różnych formatach – np. recenzje wideo na YouTube, które również są formą informacji zwrotnej) , wiadomości w sieciach wewnątrzkorporacyjnych. Narzędzia rozwiązujące te problemy są droższe – a ich cena rośnie im więcej źródeł danych są w stanie przetworzyć. Bardzo niewiele firm ma zasoby, aby opracować produkty o odpowiedniej złożoności, co również wpływa na koszt. Dodatkowo w przypadku analizy danych wewnętrznych (np. korespondencji firmowej) firma musi posiadać niezbędne dane (je wygenerować), a co za tym idzie technologię ich przechowywania. Jeżeli ten warunek nie jest spełniony, pojawiają się nowe ograniczenia, które znacząco podnoszą koszty realizacji i wpływają na wykonalność. Porównanie różnych narzędzi do gromadzenia danych o reputacji przedstawiono w poniższej tabeli:

Tabela 6. Porównanie narzędzi do ekstrakcji danych reputacyjnych

Nazwa narzędzia	Cena za miesiąc zużycie, tysiąc rubli
API systemów reputacji
	Za darmo
API treści Yandex Market	Bezpłatnie/20 (dla tych, którzy nie sprzedają na Ya-m)
Narzędzia do wydobywania reputacji z nieustrukturyzowanych danych
Laboratorium Sidorin (sidorinlab.ru)
Brandspotter (brandspotter.ru)
Analityka marki (br-analytics.ru)	150-515 (w zależności od głębokości retrospektywy)
Siła semantyczna (semanticforce.net)
SAP HANA, przetwarzanie zdarzeń Steam w oparciu o Hadoop	Od 370 (pod uwagę brany jest tylko miesięczny koszt licencji)

Jak widać z tabeli, większość narzędzi analizujących dane zewnętrzne jest przystępna nawet dla małych firm (na przykład małe sklepy internetowe; średni miesięczny zysk przedsiębiorstwa e-commerce wynosi tutaj 750 tysięcy rubli, jak w) . Naprawdę drogie rozwiązania polegają na analizie dużych ilości danych generowanych przez firmy, które mogą sobie na to pozwolić. Warto także zaznaczyć, że większość niedrogich rozwiązań skupia się na pracy z reputacją firmy w jej otoczeniu zewnętrznym (na rynku, w przestrzeni publicznej). Zatem przy rozwiązywaniu problemów zarządzania personelem (patrz zastosowania podejścia organizacyjnego, rozdział 2, ryc. 8), gdzie należy analizować obiekty w środowisko wewnętrzne przedsiębiorstwom do wyboru pozostają jedynie drogie rozwiązania.

Zbieraj trudne do znalezienia dane wejściowe. Do takich danych zaliczają się dane wejściowe modelu „Reputacja z punktu widzenia konsumentów”, czyli dane dotyczące struktury kosztów konkurentów. Można je uzyskać na dwa sposoby: zaakceptować dane przybliżone (np. zaakceptować swoją strukturę kosztów) lub zakupić dane od odpowiednich usługodawców. Pierwszy przypadek jest odpowiedni dla firm działających na rynkach jednorodnych pod względem produktów i sprzedawców, bliskich konkurencji doskonałej, jednak nawet tam ten warunek może prowadzić do poważnego obniżenia jakości uzyskiwanego wyniku. Rozwiązaniem może być wykorzystanie wyników modelu jako argumentu funkcji decyzyjnej, która będzie uwzględniać różne czynniki wraz z wagami. Drugi przypadek dotyczy analizy otoczenia konkurencyjnego, która wchodzi w zakres usług analizy marketingowej, które są szeroko rozpowszechnione na rynku. Przykładowe koszty takich usług przedstawiono w poniższej tabeli.

Chociaż jakość informacji może bezpośrednio zależeć od kosztów, usługi analizy konkurencji są dostępne dla szerokiego grona firm. Warto jednak zaznaczyć, że im bardziej dynamiczny rynek, im niższe bariery wejścia, tym szybciej rośnie liczba konkurentów i ich różnorodność – a im częściej konieczne jest przeprowadzanie analizy konkurencji, tym wyższy jest jej koszt w ujęciu okresu.

Zapewnienie jakości danych. Jeżeli dostęp do danych wejściowych modelu jest utrudniony, istnieje inny sposób – wykorzystanie danych przybliżonych. Przykładowo, w przypadku specyficznych kosztów zmiennych konkurentów, wydaje się możliwe wykorzystanie w modelu kosztów przedsiębiorstwa je wdrażającego. Aby uniknąć negatywnych skutków niedokładności danych, wystarczy skorzystać z kilku źródeł danych (co nie stanowi problemu, gdyż w większości potencjalnych przypadków wprowadzenia modeli, zdaniem autora pracy, gdyż mechanizmy podejmowania właściwych decyzji / rozwiązywanie problemów / osiąganie celów jest oczywiste, istnieją w firmach bez angażowania reputacji). Dodatkowo tym źródłom można przypisać wagi w zależności od wiarygodności wykorzystanych danych. Ścieżka ta wiąże się jednak z dodatkowymi kosztami dla decydenta lub automatyzacją procesu. Ponadto wiele modeli (na przykład Sporas) wymaga ochrony przed nieuczciwymi transakcjami i ocenami. Można temu zaradzić, wdrażając metody certyfikowanej reputacji lub metody OERM. Do takich metod zalicza się na przykład natychmiastowe reagowanie na negatywne recenzje lub tworzenie sztucznego, pozytywnego tła w ocenach/recenzjach. Koszty związane z metodami OERM są porównywalne z kosztami gromadzenia danych o reputacji – im głębsza analiza / więcej danych o firmie, tym droższe są usługi. Certyfikowana reputacja jest zwykle wdrażana na poziomie systemu reputacji – tak jak ma to miejsce w przypadku TripAdvisor – więc jedyne, co firma może tutaj zrobić, to wybrać odpowiedni system lub model, dla którego poziom ochrony będzie akceptowalny.

Złożoność obliczeniowa. Występuje na poziomie modeli, w odpowiednich ograniczeniach. Spośród rozważanych modeli najbardziej istotne są dla niego te, które wykorzystują refleksję - są to „Dostawca i pośrednik”, „Reputacja z punktu widzenia konsumentów”, „Model firm konkurujących na rynku”. W dokonywanych tam obliczeniach wykorzystuje się agentów fantomowych – agentów istniejących jedynie w umysłach innych agentów (w tym także agentów fantomowych, określonych rangą odbicia). Dodatkowe obliczenia wymagają dodatkowej mocy. Ze względu na różnorodność usług świadczenia takich pojemności, a także stawiane im wymagania, które nie są bezpośrednio związane z rozpatrywaną sytuacją (na przykład rozmiary sprzętu, wirtualność, wymagania dotyczące bezpieczeństwa danych), trudno jest podać kosztorys kosztów. Tylko jedno można powiedzieć na pewno – im więcej agentów lub im wyższy stopień odbicia, tym bardziej złożone są obliczenia w modelu. Tym samym modele refleksyjne najlepiej sprawdzają się w przypadku firm działających na rynku o małej liczbie graczy (oligopol).

Koszt zmian. Jeśli przejdziemy do ograniczeń, które powstają na poziomie procesów (potencjalnie obejmujących wszystkie modele), to zobaczymy, że prawie wszystkie z nich wiążą się ze zmianami w firmie – w procesach, powiązaniach między nimi i różnych strukturach wewnętrznych. Zmiany te są tym trudniejsze do wdrożenia, im sama firma jest większa – odpowiednio im większa firma, tym droższe jest wdrożenie modeli reputacyjnych. Do dokładnej oceny potrzebne są dane z audytów dużej liczby firm (w celu oszacowania kosztów ewentualnych zmian) oraz dane dotyczące praktycznych przypadków wdrożeń (w celu wyjaśnienia i późniejszego uogólnienia). Wszystko to może stanowić obszar dalszych badań.

wyniki

Wynikiem tej sekcji jest lista modeli z odpowiadającymi im zaleceniami dotyczącymi zastosowania. Zgodnie z wynikami analizy, głównymi aspektami okazały się tutaj koszt niezbędnych usług dla firmy, jej struktura wewnętrzna i parametry otoczenia zewnętrznego.

0. Wszystkie modele - Im większa firma, tym trudniej jest jej dokonać zmian w swojej strukturze wewnętrznej, tym mniej adekwatne są dla niej modele.

1. SPORAS - konieczne jest wydobycie informacji w celu obliczenia reputacji. Dobrze sprawdza się w przypadku firm w ramach systemów reputacji; w przypadku innych koszty powstają proporcjonalnie do ilości danych wymaganych do przetworzenia. Wymaga wielu warunków wstępnych do wdrożenia technicznego; aby je zapewnić, można go wdrożyć łącznie z innymi modelami (na przykład certyfikowanymi modelami reputacji)

2. Schillo – wymaga określonych danych wejściowych, koszt jest proporcjonalny do ilości graczy na rynku. Dla oligopoli lub rynków niszowych. Ponadto skala ocen jest binarna, co prowadzi do niedokładności danych; może być wymagana korekta rozwiązania;

3. Model e-bay. Proste podsumowanie – aby obliczyć reputację, należy wyodrębnić informacje. Dobrze sprawdza się w przypadku firm w ramach systemów reputacji; w przypadku innych koszty powstają proporcjonalnie do ilości danych wymaganych do przetworzenia.

4. Model obliczeniowy zaufania i reputacji – do obliczenia reputacji należy wyodrębnić informacje. Dobrze sprawdza się w przypadku firm w ramach systemów reputacji; w przypadku innych koszty powstają proporcjonalnie do ilości danych wymaganych do przetworzenia. W przypadku monopoli pomiędzy wspólnikami zastosowanie jest niewłaściwe. Ponadto skala ocen jest binarna, co prowadzi do niedokładności danych; może być wymagana korekta rozwiązania;

5. Model firm konkurujących na rynku – najlepiej dostosowany do rynków oligopolowych lub niszowych. Im więcej graczy, tym mniej przydatne.

6. Reputacja z perspektywy konsumenta (niedynamiczna) – najlepiej sprawdza się w przypadku oligopolu lub rynków niszowych. Im więcej graczy, tym mniej ma to zastosowanie, ponieważ wykorzystuje odbicie i wymaga określonych danych wejściowych, co jest droższe, im więcej jest graczy.

7. Reputacja z perspektywy konsumenta (z dynamiką) – najlepiej sprawdza się w przypadku oligopolu lub rynków niszowych. Im więcej graczy, tym mniej przydatne.

8. ReMSA – konieczne jest wydobycie informacji do obliczenia reputacji. Umiarkowanie ma zastosowanie dla firm w ramach systemów reputacyjnych, ponieważ uwzględnia dane, które mogą nie być gromadzone w ramach systemu. W przypadku pozostałych firm koszty powstają proporcjonalnie do ilości danych wymaganych do przetworzenia.

9. Certyfikowany model reputacji dla Trip Advisor – dla firm w ramach systemów reputacyjnych lub innych sieci z ustalonym mechanizmem wzajemnej oceny kontrahentów. W przypadku innych warunków biznesowych (na przykład, gdy kontrahenci oceniają się nawzajem w dowolnej formie) ma to mniejsze zastosowanie.

Tabela 7. Wizualizacja granic stosowalności

Dotyczy. reprezentant. systemy	Wielu kontrahentów	Dodać. wyd. na wsparciu jakość Dan.
Prosta suma/średnia	Na zewnątrz wewnątrz
	Na zewnątrz wewnątrz
	Na zewnątrz wewnątrz
	Na zewnątrz wewnątrz
Oblicz. model zaufania i reputacji	Na zewnątrz wewnątrz
Firmy konkurujące na rynku	Na zewnątrz wewnątrz
Reputacja w oczach konsumentów (stat.)	Na zewnątrz wewnątrz
Reputacja w oczach konsumentów (din.)	Na zewnątrz wewnątrz
Certyfikat reprezentant. dla TripAdvisora	Na zewnątrz wewnątrz

Oznaczenia:

Zielony - dobre zastosowanie

Żółty – dotyczy ograniczeń/kosztów

Czerwony – ma zastosowanie ze znacznymi ograniczeniami/kosztami

b) Modele oparte na koncepcji „interakcji” (modele strukturalne lub dialektyczne). Znaczenie imion dowiemy się później. Główny nacisk położony jest tutaj na interakcję jako źródło związków przyczynowo-skutkowych. Sama interakcja działa jako przyczyna. Kant przywiązywał dużą wagę do tego podejścia, ale dialektyczne podejście do przyczynowości uzyskało najjaśniejszą formę w dziełach Hegla. Spośród współczesnych filozofów radzieckich podejście to rozwinął G.A. Svechnikova, który starał się przedstawić materialistyczną interpretację jednego ze strukturalnych modeli związków przyczynowo-skutkowych.

Zwróćmy uwagę na niektóre poruszane kwestie.

c) Problem odwrotnego wpływu skutku na jego przyczynę.

Próby wyjścia poza reprezentację modelową i podania ogólnej, uniwersalnej definicji związku przyczynowo-skutkowego nie prowadzą do rozwiązania problemu. Jako przykład możemy przytoczyć następującą definicję: „Przyczynowość to taki genetyczny związek zjawisk, w którym jedno zjawisko, zwane przyczyną, w zaistnieniu pewnych warunków nieuchronnie generuje, powoduje, powołuje do życia inne zjawisko, zwane skutkiem. ” Definicja ta formalnie obowiązuje dla większości modeli, jednak bez oparcia się na modelu nie jest w stanie rozwiązać postawionych problemów (np. problemu jednoczesności), a zatem ma ograniczoną wartość teoretyczno-poznawczą.

Granica stosowalności modeli

Właściwość przechodniości pozwala na szczegółową analizę łańcucha przyczynowego. Polega na podzieleniu końcowego łańcucha na prostsze powiązania przyczynowo-skutkowe. Jeśli A, to A → B 1, B 1 → B 2,..., B n → C. Ale czy skończony łańcuch przyczynowo-skutkowy ma właściwość nieskończonej podzielności? Czy liczba ogniw w skończonym łańcuchu N może dążyć do nieskończoności?

Przejście zmian ilościowych na jakościowe następuje np. przy dzieleniu kawałka grafitu. Kiedy cząsteczki rozdzielają się aż do powstania jednoatomowego gazu, skład chemiczny nie ulega zmianie. Dalszy podział substancji bez zmiany jej składu chemicznego nie jest już możliwy, ponieważ kolejnym etapem jest rozszczepienie atomów węgla. Tutaj, z fizykochemicznego punktu widzenia, zmiany ilościowe prowadzą do zmian jakościowych.

Ustaliliśmy więc, że modele ewolucyjne, jako elementarne, pierwotne ogniwo, zawierają model strukturalny (dialektyczny) oparty na interakcji i zmianie stanów. Nieco później powrócimy do analizy wzajemnego powiązania tych modeli i badania właściwości modelu ewolucyjnego. W tym miejscu pragniemy zauważyć, że w pełnej zgodzie z punktem widzenia F. Engelsa zmiana zjawisk w modelach ewolucyjnych odzwierciedlających obiektywną rzeczywistość następuje nie na skutek prostej prawidłowości zdarzeń (jak u D. Hume’a), ale na skutek do warunkowości generowanej przez interakcję (geneza). Dlatego też, choć w definicjach związków przyczynowo-skutkowych w modelach ewolucyjnych wprowadzone zostały odniesienia do pokolenia (genezy), to jednak odzwierciedlają one obiektywny charakter tych związków i mają podstawę prawną.

Figa. 2. Strukturalny (dialektyczny) model przyczynowości

Wróćmy do modelu strukturalnego. W swojej strukturze i znaczeniu doskonale zgadza się z pierwszym prawem dialektyki - prawem jedności i walki przeciwieństw, jeśli jest interpretowany:

– jedność-jako istnienie obiektów w ich wzajemnym powiązaniu (interakcji);

– przeciwieństwa– jako wzajemnie wykluczające się tendencje i cechy stanów spowodowane interakcją;

– walka– jako interakcja;

– rozwój– jako zmiana stanu każdego z oddziałujących na siebie obiektów materialnych.

Jak już wspomniano, model ewolucyjny jest w tym przypadku mało przydatny, ponieważ nie mamy do czynienia z łańcuchem przyczynowym, ale z elementarnym związkiem przyczynowo-skutkowym, którego struktury nie można sprowadzić do modelu ewolucyjnego. Aby to pokazać, zilustrujmy ten przykład wyjaśnieniem z pozycji modelu ewolucyjnego: „Przed zderzeniem kula A była w spoczynku, więc przyczyną jej ruchu jest kula B, która w nią uderzyła”. Tutaj kula B jest przyczyną, a ruch piłki A skutkiem. Ale z tych samych pozycji można podać następujące wyjaśnienie: „Przed zderzeniem kula B poruszała się ruchem jednostajnym po prostym torze. Gdyby nie piłka A, charakter ruchu piłki B nie uległby zmianie”. Tutaj przyczyną jest już kula A, a skutkiem stan kuli B. Powyższy przykład pokazuje:

Cechy modelu

Zastanówmy się teraz, jakie cechy zawiera strukturalny model przyczynowości. Wśród nich zwróćmy uwagę na następujące: obiektywność, uniwersalność, spójność, jednoznaczność.

Obiektywność przyczynowość przejawia się w tym, że interakcja działa jako obiektywna przyczyna, w stosunku do której oddziałują obiekty równy. Nie ma tu miejsca na interpretację antropomorficzną. Wszechstronność ponieważ zawsze leży podstawa przyczynowości interakcja. Przyczynowość jest uniwersalna, tak jak uniwersalna jest sama interakcja. Konsystencja wynika z tego, że choć przyczyna i skutek (interakcja i zmiana stanów) zbiegają się w czasie, to jednak odzwierciedlają różne strony związki przyczynowo-skutkowe. Interakcja zakłada przestrzenne połączenie obiektów, zmianę stanu – połączenie stanów każdego z oddziałujących obiektów w czasie.

Ponadto ustala się model strukturalny niedwuznaczny połączenie w zależnościach przyczynowo-skutkowych, niezależnie od metody matematycznego opisu interakcji. Ponadto model strukturalny, będąc obiektywnym i uniwersalnym, nie nakłada ograniczeń na naturę interakcji w naukach przyrodniczych. W ramach tego modelu obowiązuje natychmiastowe działanie dalekiego lub krótkiego zasięgu oraz interakcja z dowolnymi skończonymi prędkościami. Pojawienie się takiego ograniczenia w ustalaniu związków przyczynowo-skutkowych byłoby typowym dogmatem metafizycznym, raz na zawsze postulującym naturę wzajemnego oddziaływania dowolnych układów, narzucającym fizyce i innym naukom ze strony filozofii naturalne ramy filozoficzne lub ograniczyłoby to granice stosowalności modelu tak bardzo, że korzyści z takiego modelu byłyby bardzo skromne.

1. Oddziaływanie pierwszego ładunku z obiektem, powodujące jego przyspieszenie. Efektem tego oddziaływania jest zmiana stanu źródła wpływającego na ładunek, a w szczególności utrata części energii przez to źródło, zmiana stanu pierwszego ładunku (przyspieszenie) oraz pojawienie się fala elektromagnetyczna, który został wyemitowany przez pierwszy ładunek podczas jego przyspieszonego ruchu.

2. Proces propagacji fali elektromagnetycznej emitowanej przez pierwszy ładunek.

3. Proces oddziaływania drugiego ładunku z falą elektromagnetyczną. Efektem oddziaływania jest przyspieszenie drugiego ładunku, rozproszenie pierwotnej fali elektromagnetycznej i emisja fali elektromagnetycznej przez drugi ładunek.

W tym przykładzie mamy dwie różne interakcje, z których każda pasuje do strukturalnego modelu przyczynowości. Zatem model strukturalny jest w doskonałej zgodności zarówno z teorią klasyczną, jak i relatywistyczną, a skończona prędkość propagacji interakcji nie jest zasadniczo konieczna dla strukturalnego modelu przyczynowości.

Jeśli chodzi o strukturalny model przyczynowości, zauważamy, że reakcje zaniku i nie są z nim sprzeczne. synteza obiektów. W tym przypadku stosunkowo trwałe połączenie między obiektami albo ulega zniszczeniu w ramach specjalnego rodzaju interakcji, albo takie połączenie powstaje w wyniku interakcji.

Ponieważ teorie kwantowe (a także klasyczne) szeroko posługują się kategoriami „interakcja” i „stan”, model strukturalny ma zasadniczo zastosowanie w tej dziedzinie nauk przyrodniczych. Trudności, jakie czasami napotykamy, wynikają naszym zdaniem z faktu, że teorie kwantowe, mimo dobrze rozwiniętego formalizmu matematycznego, nie są jeszcze w pełni rozwinięte i dopracowane pod względem interpretacji pojęciowej.

Mario Bunge pisze na przykład o interpretacji funkcji f:
„Niektórzy przypisują funkcję ψ jakiemukolwiek indywidualnemu systemowi, inni jakiemukolwiek rzeczywistemu lub potencjalnemu zespołowi statystycznemu identycznych systemów, inni uważają funkcję ψ za miarę naszej informacji lub stopnia ufności w odniesieniu do jakiegoś indywidualnego kompleksu składającego się z makrosystemu i instrumentem, czy wreszcie po prostu katalogiem pomiarów dokonanych na wielu identycznie przygotowanych mikrosystemach.” Taka różnorodność możliwości interpretacji funkcji ψ utrudnia interpretację ściśle przyczynowo-skutkową zjawisk mikroświata.

Jest to jedna z przesłanek, że teorie kwantowe są w fazie powstawania i rozwoju i nie osiągnęły jeszcze poziomu wewnętrznej kompletności charakterystycznego dla teorii klasycznych.

Ale o problemach tworzenia teorii kwantowych świadczy nie tylko interpretacja funkcji ψ. Choć mechanika i elektrodynamika relatywistyczna na pierwszy rzut oka wydają się teoriami kompletnymi, głębsza analiza pokazuje, że z wielu powodów teorie te również nie unikały sprzeczności i wewnętrznych trudności. Np. w elektrodynamice pojawia się problem masy elektromagnetycznej, problem reakcji promieniowania ładunku itp. Niepowodzenie prób rozwiązania tych problemów w ramach samych teorii w przeszłości i szybki rozwój teorii mikroświata rodziła nadzieja, że rozwój teorii kwantowych pomoże wyeliminować trudności. Do tego czasu należy je postrzegać jako nieuniknione „zło”, z którym trzeba się tak czy inaczej znosić i oczekiwać sukcesu od teorii kwantowych.

Jednocześnie same teorie kwantowe borykały się z wieloma problemami i sprzecznościami. Co ciekawe, część z tych trudności ma charakter „klasyczny”, tj. odziedziczone z teorii klasycznych i wynika z ich wewnętrznej niekompletności. Okazuje się, że jest to „błędne koło”: rozwiązanie sprzeczności teorii klasycznych przypisujemy teoriom kwantowym, a trudności teorii kwantowych determinują sprzeczności teorii klasycznych.

Z biegiem czasu nadzieja na zdolność teorii kwantowych do eliminowania sprzeczności i trudności teorii klasycznych zaczęła słabnąć, jednak jak dotąd zainteresowanie rozwiązywaniem sprzeczności teorii klasycznych w ich własnych ramach wciąż pozostaje w tle.

Zatem trudności, które czasami pojawiają się przy wyjaśnianiu zjawisk mikroświata z pozycji przyczynowości, mają obiektywne pochodzenie i są wyjaśniane osobliwościami tworzenia teorii kwantowych, ale nie są one fundamentalne, zabraniające lub ograniczające stosowanie zasady przyczynowości w mikroświecie, w szczególności zastosowanie strukturalnego modelu przyczynowości.

Przyczynowość i interakcja są zawsze ze sobą powiązane. Jeżeli interakcja ma właściwości uniwersalności, uniwersalności i obiektywności, to powiązania i zależności przyczynowo-skutkowe są jednakowo uniwersalne, uniwersalne i obiektywne. Dlatego w zasadzie nie można zgodzić się ze twierdzeniami Bohma, że opisując zjawiska mikroświata, w niektórych przypadkach można opierać się na filozoficznym indeterminizmie, w innych można kierować się zasadą przyczynowości. Uważamy pomysł V.Ya. za głęboko błędny. Perminova, że „pojęcie komplementarności wskazuje ścieżka pojednanie(nasza kursywa – VC.) determinizm i indeterminizm”, niezależnie od tego, czy myśl ta odnosi się do filozofii nauk przyrodniczych, czy do konkretnego teoria naukowa. Sposobem na pogodzenie materialistycznego punktu widzenia ze stanowiskiem współczesnego agnostycyzmu w tej kwestii jest eklektyzm, zaprzeczenie obiektywnej dialektyki. W I. Lenin podkreślał, że „kwestia przyczynowości jest szczególnie ważna dla ustalenia linii filozoficznej tego czy innego nowego «izmu»…” (t. 18, s. 157). A droga do powstania teorii kwantowych nie wiedzie przez zaprzeczanie lub ograniczanie, ale przez potwierdzenie przyczynowości w mikroświecie.

Dwie strony teorii naukowych

Struktura teorii naukowych nauk przyrodniczych oraz funkcje teorii naukowych są bezpośrednio lub pośrednio związane z przyczynowym wyjaśnianiem zjawisk świata materialnego. Jeśli przejdziemy do strukturalnego modelu przyczynowości, możemy zidentyfikować dwa charakterystyczne punkty, dwa ważne aspekty, które w ten czy inny sposób są powiązane z funkcjami teorii naukowych.

Pierwsza dotyczy opisu związków przyczynowych i odpowiada na pytanie: jak, w jakiej kolejności? Odpowiada dowolnej gałęzi konsekwencji prywatnych, która łączy stany uwarunkowane. Daje nie tylko opis przejścia obiektu z jednego stanu do drugiego, ale opisuje i obejmuje cały łańcuch przyczynowy jako ciąg stanów powiązanych i uwarunkowanych, bez wnikania głęboko w istotę, w źródło zmian stanów ogniw łańcucha.

Druga strona odpowiada na pytanie: dlaczego, z jakiego powodu? Wręcz przeciwnie, dzieli łańcuch przyczynowo-skutkowy na osobne ogniwa elementarne i dostarcza wyjaśnienia zmiany stanu w oparciu o interakcję. To jest strona wyjaśniająca.

Te dwie strony są bezpośrednio ze sobą powiązane ważne funkcje teoria naukowa: wyjaśniająca i opisowa. Ponieważ zasada przyczynowości była i będzie podstawą każdej teorii nauk przyrodniczych, teoria ta zawsze będzie spełniać dwie funkcje: opis i wyjaśnienie.

Nie jest to jednak jedyny sposób, w jaki manifestuje się metodologiczna funkcja zasady przyczynowości. Wewnętrzna struktura samej teorii jest również powiązana z tą zasadą. Weźmy na przykład mechanikę klasyczną z jej trzema tradycyjnymi gałęziami: kinematyką, dynamiką i statyką. W kinematyce nie uwzględnia się oddziaływań siłowych, natomiast istnieje opis (fizyczny i matematyczny) rodzajów ruchu punktów materialnych i obiektów materialnych. Interakcja jest implikowana, ale schodzi na dalszy plan, pozostawiając priorytet opisowi złożonych, powiązanych ruchów poprzez charakterystykę ich stanów. Oczywiście fakt ten nie może służyć jako powód do zaklasyfikowania kinematyki jako nieprzyczynowej metody opisu, ponieważ kinematyka odzwierciedla ewolucyjną stronę związków przyczynowo-skutkowych łączących różne stany.

Dynamika to część teoretyczna zawierająca pełny opis i wyjaśnienie przyczynowo-skutkowe, oparte na strukturalnym modelu związków przyczynowo-skutkowych. W tym sensie kinematykę można uznać za poddziedzinę dynamiki.

Szczególnie interesująca z punktu widzenia przyczynowości jest statyka, w której łańcuchy skutków są zdegenerowane (nieobecne), a mamy do czynienia jedynie z powiązaniami i interakcjami o charakterze statycznym. W przeciwieństwie do zjawisk rzeczywistości obiektywnej, gdzie nie ma układów absolutnie stabilnych, problemy statyczne są idealizacją lub przypadkiem ograniczającym, dopuszczalnym w prywatnych teoriach naukowych. Ale zasada przyczynowości obowiązuje również tutaj, ponieważ bez zastosowania „zasady przemieszczeń wirtualnych” lub zasad pokrewnych nie da się nie tylko rozwiązać problemów statycznych, ale także zrozumieć istotę statyki. „Przemieszczenia wirtualne” są bezpośrednio związane ze zmianami stanów w pobliżu stanu równowagi, tj. ostatecznie ze związkami przyczynowo-skutkowymi.

Zajmijmy się teraz elektrodynamiką. Czasami utożsamia się to jedynie z równaniami Maxwella. Jest to błędne, ponieważ równania Maxwella opisują zachowanie fal (emisja, propagacja, dyfrakcja itp.) w danych warunkach brzegowych i początkowych. Nie zawierają opisu interakcji jako działania wzajemnego. Wprowadzono zasadę przyczynowości oraz warunki brzegowe i początkowe (potencjały opóźnione). Jest to swego rodzaju „kinematyka” procesów falowych, jeśli takie porównanie jest dopuszczalne. „Dynamikę”, a co za tym idzie przyczynowość, wprowadza równanie ruchu Lorentza, które uwzględnia reakcję promieniowania ładunku. To właśnie związek pomiędzy równaniami Maxwella i równaniem ruchu Lorentza zapewnia w miarę kompletny przyczynowo-skutkowy opis zjawisk elektromagnetyzmu. Podobne przykłady można by kontynuować. Jednak powyższe wystarczą, aby upewnić się, że przyczynowość i jej model strukturalny znajdują odzwierciedlenie w strukturze i funkcjach teorii naukowych.

Jeśli na początku naszej pracy przeszliśmy od ewolucyjnego modelu przyczynowości do strukturalnego, to teraz musimy wrócić od modelu strukturalnego do ewolucyjnego. Jest to konieczne, aby poprawnie ocenić wzajemną relację i cechy charakterystyczne model ewolucyjny.

Już w nierozgałęzionym liniowym łańcuchu przyczynowo-skutkowym zmuszeni jesteśmy porzucić pełny opis wszelkich związków przyczynowo-skutkowych, tj. Nie bierzemy pod uwagę niektórych szczególnych konsekwencji. Model strukturalny pozwala na zredukowanie nierozgałęzionych liniowych łańcuchów przyczynowo-skutkowych do dwóch głównych typów.

a) Przedmiotowy łańcuch przyczynowy. Powstaje, gdy wybieramy obiekt materialny i monitorujemy zmianę jego stanu w czasie. Przykładem mogą być obserwacje stanu cząstki Browna lub ewolucji statek kosmiczny lub propagację fali elektromagnetycznej z anteny nadajnika do anteny odbiornika.

b) Informacyjny łańcuch przyczynowy. Pojawia się, gdy monitorujemy nie stan obiektu materialnego, ale pewne zjawisko informujące, które w procesie interakcji różnych obiektów materialnych wiąże się sekwencyjnie w czasie z różnymi obiektami. Przykładem może być przekazywanie informacji ustnych za pomocą sztafety itp.

Wszystkie liniowe, nierozgałęzione łańcuchy przyczynowe można zredukować do jednego z tych dwóch typów lub ich kombinacji. Łańcuchy takie opisuje się za pomocą ewolucyjnego modelu przyczynowości. W opisie ewolucyjnym interakcja pozostaje na drugim planie, a na pierwszy plan wysuwa się przedmiot materialny lub wskaźnik jego stanu. Z tego powodu główna uwaga skupiona jest na opisaniu sekwencji zdarzeń w czasie. Dlatego model ten nazywa się ewolucyjnym.

Liniowy, nierozgałęziony łańcuch przyczynowy można stosunkowo łatwo przeanalizować, redukując go do zbioru elementarnych ogniw i analizując je za pomocą modelu strukturalnego. Jednak taka analiza nie zawsze jest możliwa.

Istnieją złożone sieci przyczynowe, w których proste łańcuchy przyczynowo-skutkowe przecinają się, rozgałęziają i ponownie krzyżują. Prowadzi to do tego, że zastosowanie modelu konstrukcyjnego czyni analizę uciążliwą, a czasami technicznie niemożliwą.

Ponadto często interesuje nas nie sam proces wewnętrzny i opis wewnętrznych zależności przyczynowo-skutkowych, ale początkowe oddziaływanie i jego końcowy rezultat. Taka sytuacja często ma miejsce w analizie zachowania. złożone systemy(biologiczne, cybernetyczne itp.). W takich przypadkach szczegółowo procesy wewnętrzne w całości okazują się zbędne, niepotrzebne ze względów praktycznych, zaśmiecając analizę. Wszystko to doprowadziło do szeregu cech przy opisywaniu związków przyczynowo-skutkowych za pomocą modeli ewolucyjnych. Wymieńmy te funkcje.

1. W ewolucyjnym opisie sieci przyczynowej cała sieć przyczynowa jest uproszczona. Główne łańcuchy są podświetlane, a nieistotne są odcinane i ignorowane. To znacznie upraszcza opis, ale takie uproszczenie odbywa się kosztem utraty części informacji, kosztem utraty jednoznaczności opisu.

2. Aby zachować jednoznaczność i przybliżyć opis do obiektywnej rzeczywistości, odcięte gałęzie i łańcuchy przyczynowe zastępuje się zespołem warunków. Kompletność, jednoznaczność i obiektywność opisu i analizy przyczynowo-skutkowej zależą od tego, jak poprawnie zidentyfikowany zostanie główny łańcuch przyczynowy i w jakim stopniu zostaną uwzględnione warunki kompensujące zgrubienie.

3. O wyborze tego czy innego łańcucha przyczynowo-skutkowego jako głównego decydują w dużej mierze cele badacza, tj. jakie zjawiska chce analizować powiązania pomiędzy nimi. Dokładnie Ustawienie celu zmusza nas do poszukiwania głównych łańcuchów przyczynowo-skutkowych i zastępowania odciętych warunkami. Prowadzi to do tego, że przy niektórych ustawieniach główna rola wykonaj niektóre łańcuchy, podczas gdy inne są zastępowane warunkami. Przy innych ustawieniach łańcuchy te mogą stać się warunkami, a rolę głównych odegrają te, które wcześniej były drugorzędne. Zatem przyczyny i warunki zmieniają role.

Warunki gry ważna rola, łącząc obiektywną przyczynę i skutek. W różnych warunkach wpływających na główny łańcuch przyczynowy konsekwencje będą różne. Wydaje się, że warunki tworzą kanał, wzdłuż którego płynie łańcuch wydarzenia historyczne lub rozwój zjawisk w czasie. Dlatego też, aby zidentyfikować głębokie, istotne powiązania przyczynowo-skutkowe, konieczna jest dokładna analiza, uwzględniająca wpływ wszystkich czynników zewnętrznych i czynniki wewnętrzne, wszystkie warunki wpływające na rozwój głównego łańcucha przyczynowego oraz ocena stopnia wpływu.

4. Opis ewolucyjny skupia się nie na interakcji, ale na powiązaniu zdarzeń lub zjawisk w czasie. Dlatego zmienia się treść pojęć „przyczyna” i „skutek”, co jest bardzo ważne i należy to wziąć pod uwagę. Jeżeli w modelu strukturalnym interakcja pełni rolę prawdziwej causa finalis – przyczyny celowej, to w modelu ewolucyjnym – przyczyną czynną (causa activa) staje się zjawisko lub wydarzenie.

Śledztwo zmienia także swoją treść. Zamiast łączyć stany obiektu materialnego podczas jego interakcji z innym, jakieś zdarzenie lub zjawisko działa w konsekwencji, zamykając łańcuch przyczynowo-skutkowy. Z tego powodu przyczyna w modelu ewolucyjnym zawsze poprzedza skutek.

5. W powyższym sensie przyczyna i skutek w modelu ewolucyjnym mogą działać jako zjawiska o jednej jakości, zamykające łańcuch przyczynowo-skutkowy po obu stronach. Konsekwencja jednego łańcucha może być przyczyną i początkiem kolejnego łańcucha, następującego po pierwszym. Ta okoliczność determinuje przechodniość ewolucyjnych modeli przyczynowości.

Tutaj poruszyliśmy jedynie główne cechy i charakterystyczne cechy modelu ewolucyjnego.

Wniosek

Strukturalny model przyczynowości można z powodzeniem zastosować w przypadku stosunkowo prostych łańcuchów i układów przyczynowych. W praktyce mamy do czynienia również ze złożonymi systemami. Kwestia przyczynowo-skutkowego opisu zachowania złożonych systemów prawie zawsze opiera się na ewolucyjnym modelu przyczynowości.

Przeanalizowaliśmy więc dwa typy modeli odzwierciedlających związki przyczynowo-skutkowe w przyrodzie, przeanalizowaliśmy wzajemne relacje tych modeli, granice ich stosowalności i niektóre cechy. Przejawy przyczynowości w przyrodzie są różnorodne zarówno pod względem formy, jak i treści. Jest prawdopodobne, że modele te nie wyczerpują całego arsenału form związków przyczynowo-skutkowych. Ale bez względu na to, jak różnorodne są te formy, przyczynowość zawsze będzie miała właściwości obiektywności, uniwersalności i uniwersalności. Z tego powodu zasada przyczynowości pełniła i zawsze będzie pełnić w społeczeństwie najważniejsze funkcje ideologiczne i metodologiczne nowoczesne nauki przyrodnicze i filozofia nauk przyrodniczych. Różnorodność form manifestacji związków przyczynowo-skutkowych nie może być powodem do porzucenia materialistycznej zasady przyczynowości lub twierdzeń o jej ograniczonej stosowalności.

Źródła informacji:

Svechnikov G.A. Przyczynowość i związek stanów w fizyce. M., 1971.
Svechnikov G.A. Dialektyczno-materialistyczna koncepcja przyczynowości // Współczesny determinizm: Prawa natury. M., 1973.
Tyukhtin V.S. Refleksja, systemy, cybernetyka. M., 1972
Uemov A.I., Ostapenko S.V. Przyczynowość i czas // Współczesny determinizm: Prawa natury.
Orudzhev Z.M., Akhundov M.D. Struktura czasowa związku przyczynowego // Filozofia. Nauki. 1969. nr 6.
Żarow A.M. Temporalny związek przyczyny i skutku oraz niepewność. 1984. Nr 3.
Kuzniecow I.V. Wybrane prace z metodologii fizyki. M., 1975.
Dialektyka materialistyczna: W 5 tomach T. 1: Dialektyka obiektywna / Pod ogólnym. wyd. F.V. Konstantinow i V.G. Marachowa; Reprezentant. wyd. F.F. Wakkeriewa. M., 1981.
Naletow N.3. Przyczynowość i teoria poznania. M., 1975.
Hegel G.W.F. Encyklopedia nauk filozoficznych: w 3 tomach T. 1: Nauka logiki. M., 1974.
Starzhinsky V.P. Pojęcie „stanu” i jego metodologiczna rola w fizyce. Mińsk, 1979.
Iwanow V.G. Przyczynowość i determinizm. L., 1974.
Dialektyka materialistyczna. T. 1. s. 213.
Bunge M. Filozofia fizyki. M., 1975. s. 99.
Bohm D. Przyczynowość i losowość we współczesnej fizyce. M., 1959.
Perminov V.Ya. Problem przyczynowości w filozofii i naukach przyrodniczych. M., 1979. S. 209.
Nikitin EP. Wyjaśnianie jest funkcją nauki. M., 1970.

Kuligin V.A. Przyczynowość i interakcja w fizyce. Zbiory Woroneskiego Uniwersytetu Państwowego: „Determinizm we współczesnej nauce”. Woroneż, 1987.

19. Modelowanie jako metoda poznania. Rodzaje modeli. Adekwatność, granice stosowalności modeli. Przykłady wykorzystania modeli w badaniu układów biologicznych.

Modelowanie- jest to metoda, w której badanie jakiegoś złożonego obiektu (procesu, zjawiska) zastępuje się badaniem jego modelu. Główne etapy modelowania można podsumować w następujący sposób:

1. Podstawowe gromadzenie informacji. Badacz musi uzyskać jak najwięcej informacji na temat różnych cech rzeczywistego obiektu: jego właściwości, procesów w nim zachodzących, wzorców zachowania w różnych warunkach zewnętrznych.

2. Sformułowanie problemu. Formułuje się cel badania, jego główne cele oraz określa, jaką nową wiedzę badacz chce uzyskać w wyniku badania. Ten etap jest często jednym z najważniejszych i najbardziej czasochłonnych.

3. Uzasadnienie głównych założeń. Inaczej mówiąc, obiekt rzeczywisty ulega uproszczeniu, wyodrębnia się cechy (poz. 1), które nie są istotne dla celów badania i można je pominąć.

4. Stworzenie modelu, jego badania.

5. Sprawdzenie adekwatności modelu prawdziwy obiekt. Wskazanie granic stosowalności modelu.

Zatem model niejako koordynuje rzeczywisty obiekt z celem badania: z jednej strony upraszcza obiekt, umożliwiając prowadzenie badań, ale z drugiej strony zachowuje to, co najważniejsze interesuje badanego badacz. W biofizyce, biologii i medycynie często wykorzystuje się modele fizyczne, biologiczne i matematyczne. Powszechne jest również modelowanie analogowe.

Model fizyczny ma charakter fizyczny, często taki sam jak badany obiekt. Na przykład przepływ krwi przez naczynia jest modelowany poprzez ruch płynu w rurkach (sztywnych lub elastycznych).

Modele biologiczne to obiekty biologiczne dogodne do badań eksperymentalnych, na których badane są właściwości i wzorce procesów biofizycznych w rzeczywistych złożonych obiektach. Na przykład wzorce występowania i propagacji potencjałów czynnościowych we włóknach nerwowych badano dopiero po znalezieniu tak udanego modelu biologicznego, jak akson kałamarnicy olbrzymiej.

Modele matematyczne- opis procesów zachodzących w obiekcie rzeczywistym za pomocą równań matematycznych, zwykle różniczkowych. Komputery są obecnie szeroko stosowane do wdrażania modeli matematycznych.

Jeżeli procesy w modelu mają inną naturę fizyczną niż oryginał, ale są opisane tym samym aparatem matematycznym (zwykle tymi samymi równaniami różniczkowymi), wtedy taki model nazywa się analogowym. Zwykle używany jako model analogowy elektryczny. Na przykład analogowym modelem układu naczyniowego jest obwód elektryczny o rezystancjach, pojemnościach i indukcyjnościach.

Podstawowe wymagania jakie musi spełniać model.

1. Adekwatność – model musi odtwarzać wzorce badanych zjawisk z zadaną dokładnością.

2. Należy ustalić granice stosowalności modelu, czyli jasno określić warunki, w jakich wybrany model jest adekwatny do badanego obiektu, gdyż żaden model nie zapewnia wyczerpującego opisu obiektu.