Инновационная сложность

Как показали аварии на Чернобыльской АЭС и недавняя на японской атомной электростанции «Фукусима», развитие технологий не делает нашу жизнь безопаснее. События последних лет показывают нам такие же проблемы в области гидроэнергетики, приводящие к затоплению жизненного пространства современного человека, крушения жлезнодорожных составов или катастрофических загрязнений огромных площадей отходами алюминиевого производства. Риски от внедрения и эксплуатации сложных технических систем перестали быть, строго говоря, техническими, а стали социотехническими. В любом случае техногенные катастрофы, связаны они с природными катастрофами или отказами техники из-за их неправильного использования или же неверного конструирования, всегда становятся социальными катастрофами, а значит должны «регулироваться» обществом.

Фактически современные сложные социотехнические системы должны стать самореферентными в смысле Никласа Лумана. Самореферентность системы представляет собой ее способность постоянно самоопределять отношение к самой себе и отдифференцировать их от отношений к окружающему миру, а также постоянно селектировать свои внутренние связи и элементы. Сложная социотехническая система при этом должна от наблюдения своих операций перейти к наблюдению своего наблюдения. Таким образом, она и не машина, и не организм, а особая самореферентная социотехническая система, контролирущая сама себя. Одним из центральных понятий лумановской теории систем является понятие самонаблюдения. Система только тогда существует, когда она сама себя наблюдает, т. е. самоидентифицирует себя, отделяя себя от окружающей среды. Многократное повторение процедуры дифференциации системы и окружающей среды, направленное внутрь данной системы, ведет к выделению в ней иерархии подсистем и одновременно к редукции сложности этой системы. Автопоэсис в данном контексте означает самоорганизацию, самоконституирование и саморепродукцию системы через построение подсистем. Именно в этом направлении идет процесс эволюции сложности в современных социотехнических системах.

Сложная социотехническая система конструирует окружающую среду как данную реальность и через эту процедуру утверждает и себя саму как реально существующую. Важно, чтобы при этом она становилась источником повышенных технологических рисков и не вела к социальным катастрофам, как, например, при сбросе лишней воды с плотин гидроэлетростанций или красного шлама бокситного производства. Сложность современных социотехнических систем связана в первую очередь не с техническими, а с социальными факторами. В этом и состоит особенность очередного витка эволюции сложности технических систем в условиях роста технологических рисков. Система становится настолько сложной, что не в состоянии не только управлять своей деятельностью и развитием, но и предсказывать негативные сценарии такого развития и способы их преодоления. Тогда опять перед обществом возникает старая проблема необходимости редукции сложности, которая может привести к спонтанной деградации существующей сложной системы.

Исследуя сложность: от искусственной жизни и искусственного интеллекта к киберфизическим системам [356]

К. Майнцер

Классическая кибернетика в традиции Норберта Винера является сегодня составной частью математической теории сложных систем и нелинейной динамики. Только в этих рамках может быть объяснено возникновение структур и образцов в природе и технике и построены компьютерные модели. Понятия «самоорганизация» и «эмерджентность» относятся к хорошо определенным понятиям и могут быть перенесены на понимание технических систем. В первой части главы рассматриваются основания теории сложных систем и нелинейной динамики. В качестве применения изучается образование структур и паттернов сложных клеточных систем, являющихся предметом системной биологии. Во второй части этой главы речь идет о применении динамики сложных систем к эволюции мозга и познания. Эти исследования составляют предпосылку для развития социальных роботов, что является предметом рассмотрения в третьей части. Нейронные сетевые структуры ни в коей мере не ограничиваются отдельными организмами или роботами. В четвертой части речь идет о киберфизических системах, посредством которых моделируются сложные социотехнические системы, которые в значительной мере управляют сами себя. Также и здесь математическая теория сложных систем и нелинейная динамика предоставляют нам основания для понимания самоорганизации и эмерджентности. В конце главы обсуждается вопрос об этических и общественных общих условиях для технического конструирования сложных самоорганизирующихся систем.

Ключевые слова: сложные системы, нелинейная динамика, когнитивная роботика, киберфизические системы.

1.1 Исчислимость жизни

Вплоть до начала XX века жизненные процессы были доступны только качественному описанию и классификации в биологии. Первые подходы к их математическому моделированию появились в классической кибернетике в традиции Норберта Винера. Вначале они исходили из управления жизни (положительными и отрицательными) обратными связями, которые были известны, к примеру, в электротехнике в 1940-х годах. С возникновением новых методов биоматематики, биофизики и биоинформатики это изменилось. Они стали прибегать к математической теории сложных систем и нелинейной динамике, в которых кибернетические обратные связи являются всего лишь примерами сложных (нелинейных) взаимодействий системных элементов [357].

В системной биологии развивается исследование во взаимодействии экспериментов in vitro, in vivo и in silico [358]. Обычным стало компьютерное моделирование (с программами, созданными с кремний органическими полимерами) высоко сложных взаимодействий молекул, клеток, органов и организмов, которые было бы невозможным представить без математических моделей сложной системной динамики и вычислительной техники.

Робототехника и исследования искусственного интеллекта отсылают нас еще дальше, чтобы наделить технические системы когнитивными функциями, ставшими нам известными благодаря исследованиям мозга и нейропсихологии. В одной стороны, эти исследования служат моделированию биологических и психологических процессов, а с другой стороны, они позволяют нам с техническими и коммерческими целями вступить на иные пути, отличные от биологической эволюции.

Этот прогресс стал возможным благодаря стремительному росту производительности вычислительных машин, головокружительной миниатюризации конструктивных элементов компьютеров (от трубок и транзисторов до наноэлектроники и сенсорной технологии), стремительной глобализации информационных систем и шагающей быстрыми темпами автоматизации общества при одновременном удешевлении всё более небольших и высокопроизводительных информационно-технических систем. Согласно закону Мура, каждые 18 месяцев производительность вычислительных машин удваивается при одновременной миниатюризации и удешевлении устройств [359].

1.2. Системная биология сложных систем

Со времени расшифровки генома человека в 2001 году намечается ускорение машин, производящих последовательные вычисления, которые исчисляют и идентифицируют за все более короткие промежутки времени все большее количество генов за все меньшие деньги. Программа генома, которая с распознаванием состава человеческих генов в 2001 году достигла предварительного высшего результата, представляла собой редукционистский исследовательский подход, в рамках которого со все большей вычислительной производительностью расшифровывались все более мелкие структурные элементы жизни.