РАЗЛИЧНЫЕ КЛАССИФИКАЦИИ СИСТЕМ

Начиная сравнивать и различать системы, считать одни из них одинаковыми, другие – различными, мы тем самым вводим и осуществляем их классификацию. Например, в предыдущем параграфе были введены классы искусственных и естественных систем.

Важно понять, что классификация – это только модель реальности. (Можно было бы даже сказать – первичная, простейшая модель, если бы не тот факт, что вследствие многоуровневой, кратной, вложенной классификации полученная модель может и не отвечать понятию “простейший”.) Поэтому классификацию не следует абсолютизировать: реальность всегда сложнее любой модели. Например, исчерпывают ли введенные нами классы все возможные типы систем? Так, можно ли считать, что в систему “рыболовецкий совхоз” не входит промысловая акватория, в “леспромхоз” не входят лесные делянки, а “всадник” мыслим без лошади? Естественно, напрашивается введение еще одного класса смешанных систем, объединяющих искусственные и естественные подсистемы. Теперь такая классификация уже может претендовать на полноту*. Вообще, полнота классификации является предметом особого внимания при ее построении. Иногда есть уверенность в полноте вводимой классификации, иногда нет (и тогда имеет смысл вводить класс “все остальное”), а иногда наша уверенность оказывается самонадеянным незнанием (например, “очевидное” разделение всех людей на мужчин и женщин “не срабатывает” не только для гермафродитов, но и на генетическом уровне: в начале 80-х годов в международном спорте был введен генетический тест в некоторых женских олимпийских видах). Это еще одна иллюстрация модельности, условности всякой классификации.

КЛАССИФИКАЦИЯ СИСТЕМ ПО ИХ ПРОИСХОЖДЕНИЮ

Часто оказывается необходимым провести разграничение внутри одного класса, не отказываясь тем не менее от общности в его рамках. Так появляются подклассы, что приводит к многоуровневой, иерархической классификации. При необходимости такая классификация может быть продолжена без изменения ее верхних уровней. Например, двухуровневая классификация систем по происхождению изображена на рис. 4.1. Если полнота классификации первого уровня логически ясна, то второй уровень на полноту не претендует. Разбиение искусственных систем соответствует рассуждениям, приведенным в § 1.2; неполнота на этом уровне связана, например, с еще незавершенным развитием систем искусственного интеллекта. В качестве примеров подклассов смешанных систем можно привести эргономические системы (комплексы машина – человек-оператор), биотехнические (системы, в которые входят живые организмы и технические устройства) и организационные системы (состоящие из людских коллективов, которые оснащены необходимыми средствами). Классификация естественных систем ясна из рис. 4.1; ее неполнота очевидна. Например, не решен окончательно вопрос о том, куда следует отнести вирусы: к живым или неживым системам. Или, скажем, идея В.И. Вернадского о ноосфере шире рамок экологических и социальных систем.

4.1 ————— Классификация систем по их происхождению

В гл. 2 был подчеркнут целевой характер моделей. Не является исключением и классификация: новые цели, учет новых различий между системами порождают и новые классификации. Чтобы как-то упорядочить подходы к классификации систем, воспользуемся общей схемой функционирования системы (рис. 4.2), выделив отдельно систему S, подлежащую управлению U, и управляющую систему, которая это управление вырабатывает. Подчеркнем, что для выработки управления U требуется предсказание его последствий, т.е. нужна модель всей ситуации; с помощью этой модели управляющая система и определяет, какое управление подать на управляемый вход системы. Это иллюстрирует рис. 4.2, где схема изображена еще раз внутри управляющего блока.

4.2 ————— Схема функционирования управляемой системы

Для того чтобы модель “заработала”, или, как говорят, была актуализована, необходимы затраты ресурсов: модель нужно не только воплотить в каком-то реальном виде, но и обеспечить, чтобы она позволяла получать решение нужного качества и к нужному моменту времени (ведь даже самое лучшее решение становится ненужным, если оно появляется позже, чем это необходимо).

РЕСУРСЫ УПРАВЛЕНИЯ И КАЧЕСТВО СИСТЕМЫ

В реальности же оказывается, что имеющиеся ресурсы не всегда позволяют обеспечить полное выполнение этих условий. Поэтому имеют место принципиально разные ситуации в зависимости от того, в какой степени обеспечено ресурсами управление; системы при этом выступают как качественно различные объекты управления. Это и отражено в классификации систем, приведенной на рис. 4.6.

4.6 ————— Классификация систем по степени ресурсной обеспеченности управления

Рассмотрим, например, энергетические затраты на актуализацию модели и выработку управления. Обычно они настолько малы по сравнению с количеством энергии, потребляемой или производимой в управляемой системе, что их просто не принимают во внимание. Однако представим себе случай, когда, во-первых, управляющая и управляемая системы питаются от одного ограниченного источника энергии, и, во-вторых, энергопотребление обеих систем имеет одинаковый порядок: возникает интересный и нетривиальный класс задач о наилучшем распределении энергии между ними. С подобными задачами приходится иметь дело не часто, но в ответственных случаях: выполнение энергоемких задач автономными системами (например, космическими аппаратами или исследовательскими роботами), некоторые эксперименты в физике частиц высоких энергий и т.п.

Следующее деление систем связано с материальными ресурсами, затрачиваемыми на актуализацию модели. В случае моделирования на ЭВМ это объем памяти и машинное время; такие ресурсы лимитируют возможности решения задач большой размерности в реальном масштабе времени. К подобным задачам приводится моделирование ряда экономических, метеорологических, организационно-управленческих, нейрофизиологических и других систем. Системы, моделирование которых затруднительно вследствие их размерности, будем называть большими. Существует два способа перевода больших систем в разряд малых [5]: разрабатывать более мощные вычислительные средства либо осуществлять декомпозицию многомерной задачи на совокупность связанных задач меньшей размерности (если природа системы это позволяет).

Наконец, третий тип ресурсов – информация – дает основание для еще одной классификации систем. Имеющаяся о системе информация, сколько бы ее ни было, представлена в концентрированном виде как та самая модель, об использовании которой идет речь. Признаком простоты системы, т.е. достаточности информации для управления, является успешность управления. Однако если полученное с помощью модели управление приводит к неожиданным, непредвиденным или нежелательным результатам, т.е. отличающимся от предсказанных моделью, это интерпретируется как сложность системы, а объясняется как недостаточность информации для управления. Поэтому сложной системой мы будем называть систему, в модели которой не хватает информации для эффективного управления.

Таким образом, свойство простоты или сложности управляемой системы является свернутым отношением между нею и управляющей системой, точнее, между системой и ее моделью. Это отношение носит объективный характер: например, кодовый замок действительно качественно различен для того, кто знает код и кто его не знает; каждому человеку родной язык кажется проще иностранного; люди, умеющие и не умеющие водить автомобиль, имеют объективно разные возможности обращения с ним. Имеется два способа перевода системы из разряда сложной в разряд простой. Первый состоит в выяснении конкретной причины сложности, получении недостающей информации и включении ее в модель; это и является основной задачей науки, познания вообще и системного анализа в частности. Так, У. Эшби пишет:

“Не подлежит сомнению, что наука упрощения обладает своими методами и тонкостями. Я убежден, что в будущем теоретик систем должен стать экспертом по упрощению” [16].

Второй способ – сменить цель, что в технических системах обычно неэффективно (подобно забиванию гвоздей магнетроном), но в отношениях между людьми это часто единственный выход.

Как и все предыдущие, такая классификация систем при необходимости может быть развита – либо благодаря более подробному рассмотрению видов ресурсов, либо в результате введения большего числа градаций степени обеспеченности ими. Например, С. Бир [1] предлагает выделить в отдельный класс очень сложные системы (к этому классу он относит мозг, экономику, фирму).

РАЗЛИЧЕНИЕ БОЛЬШИХ И СЛОЖНЫХ СИСТЕМ

Чтобы не возникло недоразумений при чтении специальной литературы, необходимо отметить, что термины “большая” и “сложная” система в системологии окончательно еще не установились и при всей, по нашему мнению, естественности придаваемого им здесь смысла имеются разные варианты их употребления. Некоторые авторы вообще не используют эти понятия [4], другие используют их как синонимы [2; 3; 8], третьи считают разницу между ними чисто количественной [6], четвертые связывают сложность с некоторыми особенностями самих систем [11; 14]. Попытки “примирить” эти подходы, объединить их приводят к путанице. Например, в [15] читаем:

“Сложные системы управления – собирательное название систем, состоящих из большого числа взаимосвязанных элементов (...), которые нельзя описать корректно математически (...), для изучения которых необходимо было бы решать задачи с непомерно большим объемом вычислений. (...) Понятия “сложная система” и “большая система” не являются тождественными, так как последний термин характеризует только одну черту “сложности” – размерность системы”.

Смысл понятий “большой” и “сложный”, вытекающий из предложенной классификации, не является совершенно новым. Многие авторы из других соображений так или почти так и использовали эти термины.

У. Эшби: “Наблюдатель говорит, что система “очень большая”, если она в чем-либо побивает его своим богатством” [16].

Дж. Б. Форрестер: “Я сделал попытку показать, как сложные системы приводят нас к ошибкам из-за того, что наша интуиция и оценки заставляют ожидать поведения, отличного от того, которым они в действительности обладают” [13].

И. Пригожин: “Очень часто отклик системы на возмущение оказывается противоположным тому, что подсказывает нам интуиция. Наше состояние обманутых ожиданий в этой ситуации хорошо отражает термин “антиинтуитивный”: “Эта проклятая штука ведет себя не так, как должна бы вести!”. И далее. “Единственной специфической особенностью сложных систем является то, что наше знание о них ограничено и неопределенность со временем возрастает” [9].

Чтобы подробнее пояснить вытекающую из сделанной классификации разницу между большими и сложными системами, отметим, что возможны все четыре комбинации; существуют системы: 1) “малые простые”; 2) “малые сложные”; 3) “большие простые”; 4) “большие сложные”. Приведем примеры систем всех видов (в том же порядке):

1) исправные бытовые приборы (утюг, часы, холодильник, телевизор и т.д.) – для пользователя; неисправные – для мастера; шифрозамок – для хозяина сейфа;

2) неисправный бытовой прибор – для пользователя;

3) шифрозамок для похитителя – система простая (требуется лишь перебор вариантов) и большая (имеющегося на вскрытие сейфа времени может не хватить на перебор вариантов); точный прогноз погоды; полный межотраслевой баланс (определяется с задержкой на годы);

4) мозг; экономика; живой организм.

ДРУГИЕ ПОДХОДЫ К ПОНЯТИЮ СЛОЖНОСТИ

Обсуждение проблемы сложности было бы неполным, если не упомянуть и о другом подходе к ней. В науке нередко бывает так, что вместо содержательного определения чего-то вводится его количественная мера, что позволяет продвинуться вперед в изучении, отвечая на вопрос “как?” и не затрагивая вопрос “что?”. Примерами являются теоретическая механика (использующая не понятие движения, а его количественные характеристики), теория информации (не требующая определения самой информации, так как вполне достаточно понятия количества информации) и т.д. Аналогичные попытки сделаны и по введению количественной меры сложности. Пока такой единой меры построить не удалось. Одна из причин (но не единственная) состоит в том, что термин “сложный” употребляется и как синоним “большой” (например, теоретико-множественное понятие сложности системы связывается с мощностью множества ее элементов). Наиболее известные концепции, в которых сложность выражается некоторым числом, таковы:

логическая концепция, основанная на анализе свойств предикатов, характеризующих систему;

теоретико-информационная концепция, связывающая сложность системы с ее энтропией;

статистическая концепция, характеризующая сложность через меру различимости распределений вероятностей;

алгоритмическая концепция, определяющая сложность как длину алгоритма воссоздания системы;

теоретико-множественная концепция, отождествляющая сложность системы с числом ее элементов;

вычислительная концепция, “привязывающая” алгоритмическую сложность к средствам вычислений.

Подробнее эти концепции рассмотрены в [12; 18].

ЗАКЛЮЧЕНИЕ

Если рассматривать системы только как создаваемые человеком средства достижения поставленных им целей, то все остальные природные предметы и их совокупности являются естественными объектами, познанные свойства которых человек может использовать, включая их в искусственные системы (см. § 4.1).

Такое ограничительное толкование понятия “система” наталкивается на ряд трудностей:

наличие у естественных объектов структурированности и упорядоченной взаимосвязанности их частей – характерных признаков систем;

необходимость отрицать системность искусственного сооружения, как только неизвестна цель, ради которой оно создано;

невозможность признания системности самого человека и всей природы.

Эти сложности исчезают, если признать не только то, что искусственная система остается системой, даже если ее цель неизвестна, но и то, что вся природа объективно системна, т.е. что наряду с искусственными существуют естественные системы. Эта идея требует обобщения понятия цели – наряду с целями субъективными (желательными состояниями) вводится понятие объективной цели как будущего реального состояния, в которое придет объект через какое-то время (см. § 4.2).

Споры о существовании объективных целей идут в науке давно. Например, в биологии сложилось положение, при котором стремление объяснить поведение живых организмов через цель (телеология) пришло в противоречие с понятием о сугубой субъективности целей. Как выразился М. Месарович, “телеология – это дама, без которой не может прожить ни один биолог, но с которой он стыдится показаться в обществе” [7]. Введение понятия объективной цели как будущего состояния, по-видимому, снимает это противоречие, позволяя говорить не только об искусственных, но и о естественных системах.

Означает ли это, что “не систем” не существует? Чтобы акцентировать внимание на особенностях системного подхода, скажем без оговорок: да, означает. Другое дело, что мы можем (или по незнанию иначе не можем) рассматривать некий объект и обращаться с ним, не полностью считаясь или совсем не считаясь с его системностью. Рано или поздно недостаточная системность нашего подхода выльется в появление проблем.

После окончательного признания всеобщей системности мира целесообразно обсудить характерные различия между всевозможными системами. Это делается с помощью классификации систем. Отметив, что можно ввести много классификаций, мы рассмотрели несколько из них, важных для целей данного курса (см. § 4.3). Классификацию, в которой появляется возможность различения “больших” и “сложных” систем, мы обсудили подробнее в § 4.4. Конкретизация понятия сложности проясняет и происхождение проблем: осознание сложности и приводит к формулировке проблемы. Решение проблемы есть упрощение ситуации.

4.7 ————— Схема взаимодействия управляемой и управляющей систем

Для облегчения восприятия и запоминания приведенных классификаций обратимся еще раз к схеме управляемой системы, слегка дополнив ее (рис. 4.7). Эта схема позволяет выделить следующие аспекты, характеризующие управление системой: описание природы (происхождения) системы S; задание типов переменных X, Y, Z; конкретизация типа оператора S; описание способа управления (получения U); задание условий получения U (обеспеченности управления ресурсами). Каждый из перечисленных аспектов дает основания для построения конкретной классификации систем. Выявление других аспектов описания может привести к новым полезным классификациям систем.

ЛИТЕРАТУРА

1. Бир С. Кибернетика и управление производством. – М.: Наука, 1965.

2. Гуд Г.Х., Макол Р.Э. Системотехника. Введение в проектирование больших систем. – М.: Сов. радио, 1962.

3. Калашников В.В. Сложные системы и методы их анализа. – М.: Знание, 1980.

4. Квейд Э. Анализ сложных систем. – М.: Сов. радио, 1969.

5. Лэсдон Л. С. Оптимизация больших систем. – М.: Наука, 1975.

6. Меерович Г.А. Эффект больших систем. – М.: Знание, 1985.

7. Месарович М. Теория систем и биология. Точка зрения теоретика.- В сб.: Теория
систем и биология – М.: Мир, 1971.

8. Нечипоренко В.И. Структурный анализ систем. – М.: Сов. радио, 1977.

9. Пригожин И., Стенгерс И. Порядок из хаоса. – М.: Прогресс, 1986.