что такое теория систем
Общая теория систем
Общая теория систем — это общенаучная и логико-методологическая концепция исследований объектов, представляющих собой системы (см. Система). Общая теория систем тесно связана с системным подходом (см. Системный подход) и является конкретизацией и логико-методологическим выражением его принципов и методов.
Основной задачей общей теории систем является унификация отдельных областей научного знания (см. Наука) при помощи выяснения того, каким образом закономерности, установленные в ограниченных областях, могут быть поняты как частные случаи более общих закономерностей. В рамках общей теории систем также разрабатываются общеметодологические (см. Методология) принципы исследования систем и общих для них объектов, таких как «вход», «выход», «процесс», «цель», «обратная связь», «взаимодействие», «функционирование», «развитие» и других. Программа системных исследований и построения общей теории систем была одной из наиболее известных попыток обобщённого анализа системной проблематики. Она получила наибольшую известность в мировом научном сообществе второй половины XX века и с её развитием и модификацией во многом связано возникшее в это время системное движение в научных и технических дисциплинах. Дополнительно к этой программе был выдвинут ряд общесистемных концепций и определений понятия системы.
Развитие и усложнение научного анализа систем обычно принято разделять на три этапа. Согласно этой градации, на первом этапе в науке рассматривалась «организованная простота» (механика), на втором — «беспорядочная сложность» (статистическая физика), на третьем — «организованная сложность» (собственно «общая теория систем»).
К середине XX века наукой был накоплен значит, опыт исследований систем самой разной природы: «естественных» (физических, биологических, социальных), «абстрактных» (в первую очередь математических), «искусственных» (прежде всего языковых), а также сложных технических систем. Интенсивное развитие этих исследований привело в конечном итоге как к появлению представлений об общности процессов (в частности, информационных), протекающих в реальных системах различной природы, так и к выявлению общности характеристик поведения этих разных систем (в частности, такой их характеристики, как целесообразность). В связи с этим возникла задача рассмотрения процессов и жизнедеятельности человека и других биологических систем, а также сложных «естественных систем» внебиологической природы и функционирования различных технических систем под единым углом зрения, с точки зрения их поведения как сложных системных организмов. Другой общей задачей было создание методов, позволяющих осуществлять исследование системного объекта любой природы по его достаточно точному формализованному описанию, не прибегая к построению и исследованию физической модели этого объекта (поскольку последнее во многих случаях оказывается либо затруднительным, либо невозможным). С решением этих двух основных задач и было связано формирование в науке XX века особого интегративного направления, которое получило название «общая теория систем».
Первый вариант общей теории систем был выдвинут в конце годов австрийским и американским биологом Людвигом фон Берталанфи, хотя у него были предшественники (в частности, А. А. Богданов, разработавший в начале XX века концепцию всеобщей организационной науки — тектологии). Сам Берталанфи указывал на глубинную связь своей теории систем с философией Г. В. Лейбница и Н. Кузанского. Программа построения общей теории систем разрабатывалась Берталанфи в русле разработанной им в годах «теории открытых систем», в рамках которой живые организмы рассматривались как системы, постоянно обменивающиеся со средой веществом и энергией. Общая теория систем ставила своей основной задачей объединение науки путём разработки общих принципов, применимых к любым системам, отразив тем самым существенные изменения в научной картине мира, которые принёс XX век. В рамках реализации этой задачи предполагалось, что, по крайней мере, некоторые изоморфизмы или структурные характеристики, общие для теоретических моделей, принадлежащих более чем одной науке, могли быть распространены на другие науки, а также на исследования объектов нового типа, и таким образом служить общими принципами, применимыми к любым системам. Также предполагалось, что такие междисциплинарные модели как машина, открытая система, живой организм, само-отнесённые системы и другие, применимы к различным областям науки, инженерии и практики.
Исходные предпосылки построения программы общей теории систем относительно науки сводились к следующим тезисам:
В рамках общей теории систем Берталанфи и его единомышленниками был разработан специальный аппарат описания «поведения» открытых систем, опирающийся на формализм термодинамики необратимых процессов, в частности на аппарат описания так называемых эквифинальных систем (способных достигать заранее определённого конечного состояния независимо от изменения начальных условий). Поведение таких систем описывается так называемыми телеологическими уравнениями, выражающими характеристику поведения системы в каждый момент времени как отклонение от конечного состояния, к которому система как бы «стремится».
Начиная с середины XX века широко разворачиваются исследования по общей теории систем и разработки в области системного подхода, складывается междисциплинарное системное движение. В годах предложен ряд других подходов к построению общей теории систем и её логико-философских оснований (М. Месарович, Л. Заде, Р. Акофф, Дж. Клир, А. И. Уемов, Ю. А. Урманцев, Р. Калман, Э. Ласло и другие). Основное внимание при этом было обращено на разработку концептуального и логико-математического аппарата системных исследований.
В годы [под влиянием критики, а также в результате интенсивного развития близких к общей теории систем научных дисциплин] Берталанфи внёс уточнения в свою концепцию, и в частности различил два основных вида общей теории систем. В широком смысле она выступает как основополагающая наука, охватывающая всю совокупность проблем, связанных с исследованием и конструированием систем (в теоретическую часть этой науки включаются кибернетика, теория информации, теория игр, теория принятия решений, топология, теория сетей и теория графов, а также факторальный анализ). В узком смысле она из общего определения системы как комплекса взаимодействующих элементов стремится вывести понятия, относящиеся к организменным целым, и применяет их к анализу конкретных явлений. Прикладная область общей теории систем включает, согласно Берталанфи, методологические дисциплины: системотехнику, исследование операций и инженерную психологию.
Учитывая эволюцию, которую претерпело понимание общей теории систем в работах Берталанфи и других исследователей, можно констатировать, что с течением времени имело место всё более значительное расширение задач этой концепции при фактически неизменном состоянии её научно-концептуального аппарата, средств и методов. В результате создалась следующая ситуация: строго научной концепцией (с соответствующим научно-концептуальным аппаратом, средствами и методами) можно с некоторой долей условности считать лишь общую теорию систем в узком смысле; что же касается общей теории систем в широком смысле, то она или совпадает с общей теорией систем в узком смысле (в частности, по аппарату), или представляет собой действительное расширение и обобщение общей теории систем в узком смысле и аналогичных дисциплин, но тогда возникает вопрос о развёрнутом представлении её средств, методов и аппарата. Основная часть критики общей теории систем была связана с её теоретической неопределённостью, отсутствием связи с конкретными научными дисциплинами и неконструктивностью основных положений для научно-исследовательской работы.
Хотя развитие общей теории систем и ёё принципы дискутировались до конца XX века, в итоге стало очевидно, что попытки разработки общесистемных принципов, или принципов применимых к любым системам, закончились неудачей. В целом, общая теория систем имеет важное значение для развития современной науки и техники: не подменяя специальные системные теории и концепции, имеющие дело с анализом определённых классов систем, она формулирует общие методологические принципы системного исследования.
Теория систем
Теория систем
Теория систем (общая теория систем) — специально-научная и логико-методологическая концепция исследования объектов, представляющих собой системы.
Целью исследований в рамках этой теории является изучение:
Содержание
История развития
Общая теория систем была предложена Л. фон Берталанфи в 30-е годы XX века. [1] Идея наличия общих закономерностей при взаимодействиях большого, но не бесконечного числа физических, биологических и социальных объектов была впервые высказана Берталанфи в 1937 году на семинаре по философии в Чикагском университете. Однако первые его публикации на эту тему появились только после войны. Основной идеей Общей теории систем, предложенной Берталанфи, является признание изоморфизма законов, управляющих функционированием системных объектов.
В 50—70-е годы XX века был предложен ряд новых подходов к построению Общей теории систем такими учеными как, М. Месарович, Л. Заде, Р. Акофф, Дж. Клир, А. И. Уемов, Ю. А. Урманцев, Р. Калман, С. Бир, Э. Ласло, Г. П. Мельников и др. Общей чертой этих подходов была разработка логико-концептуального и математического аппарата системных исследований. Системно-мыследеятельностная методология, разрабатывавшаяся в Московском Методологическом Кружке Г. П. Щедровицким, его учениками и сотрудниками, является дальнейшим развитием и расширением Общей теории систем.
Фон Берталанфи также ввел понятие и исследовал открытые системы — системы, постоянно обменивающиеся веществом и энергией с внешней средой.
Предыстория
Л. фон Берталанфи возводил концепцию теории систем к философии Г.В. Лейбница и Николая Кузанского. Предшественником Берталанфи был, в частности, А. А. Богданов со своей тектологией.
А. А. Богданов сделал попытку найти и обобщить организационные законы, проявления которых прослеживаются на неорганическом, органическом, психическом, социальном, культурном и пр. уровнях. Истоки идей самого Богданова также имеют развитую предысторию, уводящую в труды Г. Спенсера, К. Маркса и т. д. Идеи Л. фон Берталанфи в подавляющей массе случаев выступают дополнительными по отношению к идеям А. А. Богданова (например, если Богданов описывает «дегрессию» как эффект, Берталанфи исследует «механизацию» как процесс).
Общая теория систем и другие науки о системах
Прикладные науки о системах
Также выделяется коррелят теории систем в прикладной науке, которые иногда называют наукой о системах, или системной наукой (англ. Systems Science). Это направление связано с автоматикой. В прикладной науке о системах выделяются следующие области:
Теория систем: Закономерности во взаимоотношениях между объектами Статьи редакции
Менеджер проектов компании Innova (разрабатывает игровую платформу 4game.ru и онлайн-кинотеатр ayyo.ru), ведущий блога Exploring the weird Искандер Хабибрахманов написал для рубрики «Рынок игр» материал о теории систем, принципах поведения в них, взаимосвязях и примерах самоорганизации.
Мы живем в сложном мире и не всегда понимаем, что происходит вокруг. Мы видим людей которые становятся успешными не заслужив этого и тех, кто действительно достоин успеха, но остается в безвестности. Мы не уверены в завтрашнем дне, мы все больше закрываемся.
Чтобы объяснить непонятные нам вещи, мы придумывали шаманов и гадалок, легенды и мифы, университеты, школы и онлайн-курсы, но это, кажется, не помогло. Когда мы учились в школе, нам показывали картинку ниже и спрашивали, что случится, если потянуть за нитку.
Со временем большинство из нас научались давать правильный ответ на этот вопрос. Однако затем мы выходили в открытый мир, и наши задачи начинали выглядеть так:
Это вело к фрустрации и апатии. Мы стали похожими на мудрецов из притче о слоне, каждый из которых видит лишь маленькую часть картины и не может сделать правильный вывод об объекте. У каждого из нас свое непонимание мира, нам сложно коммуницировать его друг с другом, и это делает нас еще более одинокими.
Дело в том, что мы живем в век двойного сдвига парадигмы. С одной стороны, мы отходим от механистической парадигмы общества, доставшейся нам от индустриального века. Мы понимаем, что входы, выходы и мощности не объясняют всего разнообразия мира вокруг нас, и зачастую на него гораздо сильнее влияют социокультурные аспекты общества.
С другой стороны, огромное количество информации и глобализация ведут к тому, что вместо аналитического анализа независимых величин мы должны изучать взаимозависимые объекты, неделимые на отдельные составляющие.
Кажется, что от умения работать с этими парадигмами зависит наше выживание, и для этого нам нужен инструмент, как когда-то нужны были инструменты для охоты и обработки земли.
Одним из таких инструментов является теория систем. Ниже будут примеры из теории систем и ее общие положения, будет больше вопросов чем ответов и, надеюсь, будет немного вдохновения узнать об этом больше.
Теория систем
Теория систем — это довольно молодая наука на стыке большого количества фундаментальных и прикладных наук. Это своего рода биология от математики, которая занимается описанием и объяснением поведения тех или иных систем и общего между этим поведением.
Существует множество определений понятия системы, вот одно их них. Система — множество элементов, находящихся в отношениях, которое образует определенную целостность структуры, функции и процессов.
В зависимости от целей исследований, системы классифицируют:
Также у систем существуют особые состояния, изучение которых дает понимание о поведении системы.
Зачастую при работе с системами, мы хотим сделать их лучше. Поэтому нужно задавать себе вопрос, в какое особое состояние мы хотим ее привести. Идеально, если интересующее нас новое состояние является устойчивым фокусом, тогда мы можем быть спокойны, что если мы достигнем успеха, то он не исчезнет на следующий день.
Сложные системы
Мы все чаще встречаем вокруг нас сложные системы. Здесь я не нашел звучащих терминов в русском языке, поэтому придется говорить на английском. Существует два принципиально разных понятия сложности.
Первый (complicatedness) — означает некоторую сложность устройства, которая применяется к навороченным механизмам. Такой вид сложности зачастую порождает неустойчивость системы к малейшим изменениям в окружающей среде. Так, если на заводе остановится один из станков, он может вывести из строя весь процесс.
Второй (complexity) — означает сложность поведения, например, биологических и экономических систем (либо их эмуляций). Такое поведение напротив сохраняется даже при некоторых изменениях окружающей среды или состояния самой системы. Так, при уходе крупного игрока с рынка, игроки меньше поделят его долю между собой, и ситуация стабилизируется.
Дальше понятие сложность используется именно во втором смысле.
Зачастую сложные системы обладают свойствами, которые способны ввергнуть непосвященного в апатию, и сделать работу с ними трудной и интуитивно непонятной. Такими свойства являются:
Простые правила сложного поведения
Мы привыкли, что если нечто демонстрирует сложное поведение, то оно, скорее всего, сложно устроено внутри. Поэтому мы видим закономерности в случайных событиях и пытаемся объяснить непонятные нам вещи происками злых сил.
Однако это не всегда так. Классическим примером простого внутреннего устройства и сложно внешнего поведения является игра «Жизнь». Она состоит из нескольких простых правил:
В целом, для написания программы, которая будет реализовывать эти правила, потребуется пять-шесть строчек кода.
При этом данная система может производить довольно сложные и красивые шаблоны поведения, так что не видя самих правил их сложно угадать. И уж точно сложно поверить, что это имплементируется несколькими строчками кода. Возможно, реальный мир также построен на нескольких простых законах, которые мы еще не вывели, а все безграничное многообразие порождается этим набором аксиом.
Эффект бабочки
В 1814 году Пьер-Симон Лаплас предложил мысленный эксперимент, заключающийся в существовании разумного существа, способного воспринять положение и скорость каждой частицы вселенной и знающего все законы мира. Вопрос заключался в теоретической способности такого существа предсказывать будущее вселенной.
Данный эксперимент вызвал множество споров в научных кругах. Ученые, вдохновленные прогрессом в вычислительной математике, склонялись к положительному ответу на данный вопрос.
Да, мы знаем, что принцип квантовой неопределенности исключает существование такого демона даже в теории, и предсказание положения всех частиц в мире принципиально невозможно. Но возможно ли оно в более простых детерминированных системах?
Действительно, если мы знаем состояние системы и правила, по которым они изменяются, что мешает нам вычислить следующее состояние? Нашей единственной проблемой может стать ограниченное количество памяти (мы можем хранить числа с ограниченной точностью), но все вычисления в мире так и работают, поэтому это не должно стать проблемой.
В 1960 году Эдвард Лоренц создал упрощенную модель погоды, состоящую из нескольких параметров (температура, скорость ветра, давление) и законов, по которым из текущего состояния получается состояние в следующий момент времени, представляющих набор дифференциальных уравнений.
xn+1 = xn + a(-xn + yn)dt
zn+1 = zn + (-czn + xnyn)dt
Он вычислял значения параметров, выводил их на монитор и строил графики. Получалось что-то вроде этого (график для одной переменной):
После этого Лоренц решил перестроить график, взяв некоторую промежуточную точку. Логично, что график получился бы абсолютно таким же, так как начальное состояние и правила перехода никак не изменились. Однако когда он это сделал, получилось нечто неожиданное. На графике ниже синяя линия отвечает за новый набор параметров.
То есть вначале оба графика идут очень близко, различий почти нет, но затем новая траектория все более отдаляется от старой, начиная вести себя по-другому.
Как выяснилось, причина парадокса крылась в том, что в памяти компьютера все данные хранились с точностью до шестого знака после запятой, а выводились с точностью до третьего. То есть микроскопическое изменение параметра привело к огромному различию в траекториях системы.
Это была первая детерминированная система, обладающая таким свойством. Эдвард Лоренц дал ей название «Эффект бабочки».
Этот пример показывает нам, что иногда события, кажущиеся нам неважными, в конечном итоге имеют огромное воздействие на исходы. Поведение таких систем невозможно предсказать, но они и не являются хаотическим в прямом смысле этого слова, ведь они детерминированы.
Более того, траектории данной системы обладают структурой. В трехмерном пространстве множество всех траекторий выглядит так:
Что символично, оно похоже на бабочку.
Эмерджентность
Томас Шеллинг, американский экономист, рассматривал карты распределения расовых классов в различных городах Америки, и наблюдал следующую картину:
Это карта Чикаго и здесь разными цветами изображены места проживания людей различных национальностей. То есть в Чикаго, как и в других городах Америки, присутствует довольно сильная расовая сегрегация.
Какие выводы мы можем из этого сделать? Первыми в голову приходят: люди нетолерантны, люди не принимают и не хотят жить с людьми, которые отличаются от них. Но так ли это?
Томас Шеллинг предложил следующую модель. Представим город в виде клетчатого квадрата, в клетках живут люди двух цветов (красные и синие).
Тогда почти у каждого человека из этого города есть 8 соседей. Выглядит это как-то так:
При этом если у человека меньше 25% соседей того же цвета, то он случайным образом переезжает в другую клетку. И так продолжается до тех пор, пока каждого жителя не устраивает его положение. Жителей этого города совсем нельзя назвать нетолерантными, ведь им нужно всего лишь 25% людей таких же как они. В нашем мире их назвали бы святыми, настоящим примером терпимости.
Однако если запустить процесс переездов, то из случайного расположения жителей выше, мы получим следующую картину:
То есть мы получим расово сегрегированный город. Если же вместо 25%, каждый житель будет хотеть хотя бы половину соседей таких же как он, то мы получим практически полную сегрегацию.
При этом данная модель не учитывает такие вещи, как наличие локальных храмов, магазинов с национальной утварью и так далее, которые также увеличивают сегрегацию.
Мы привыкли объяснять свойства системы свойствами ее элементов и наоборот. Однако для сложных систем это зачастую приводит нас к неверным выводам, ведь, как мы видели, поведение системы на микро и макро уровнях может быть противоположным. Поэтому зачастую спустившись на микро уровень, мы стараемся сделать как лучше, а получается как всегда.
Такое свойство системы, когда целое не может быть объяснено суммой элементов, называется эмерджентностью.
Самоорганизация и адаптивные системы
Пожалуй, самым интересным подклассом сложных систем являются адаптивные системы, или системы, способные к самоорганизации.
Самоорганизация означает, что система меняет свое поведение и состояние, в зависимости от изменений во внешнем мире, она адаптируется к изменениям, постоянное преображаясь. Такие системы повсюду, практически любая социально-экономическая или биологическая, ровно как комьюнити любого продукта, являются примерами адаптивных систем.
А вот видео с щенками.
Сначала система находится в хаосе, но при добавлении внешнего стимула она упорядочивается и появляется довольно милое поведение.
Поведение муравьиного роя
Поведение муравьиного роя при поиске еды является прекрасным примером адаптивной системы, построенной на простых правилах. При поиске еды, каждый муравей блуждает случайным образом, пока не найдет еду. Найдя еду насекомое возвращается домой, отмечая пройденный путь феромонами.
При этом вероятность выбора направления при блуждании пропорциональна количеству феромона (силе запаха) на данном пути, а со временем феромон испаряется.
Эффективность муравьиного роя настолько высока, что похожий алгоритм используется для нахождения оптимального пути в графах в реальном времени.
При этом поведение системы, описывается простыми правилами, каждое из которых критически важно. Так случайность блуждания позволяет находить новые источники питания, а испаряемость феромона и привлекательность пути, пропорциональное силе запаха, позволяет оптимизировать длину маршрута (на коротком пути, феромон будет испаряться медленнее, поскольку новые муравьи будут добавлять свой феромон).
Адаптивное поведение всегда находится где-то между хаосом и порядком. Если хаоса слишком много, то система реагирует на любое, даже незначимое, изменение и не может адаптироваться. Если же хаоса слишком мало, то в поведении системы наблюдается стагнация.
Я наблюдал это явление во многих командах, когда наличие четких должностных инструкций и жестко регламентированных процессов делало команду беззубой, и любой шум вовне выбивал ее из колеи. С другой стороны, отсутствие процессов приводил к тому, что команда действовала неосознанно, не накапливала знания и поэтому все ее несинхронизированные усилия не вели к результату. Поэтому построение такой системы, а именно в этом задача большинства профессионалов в любой динамической сфере, является своего рода искусством.
Для того, чтобы система была способна к адаптивному поведения необходимо (но не достаточно):
Напоследок, хочется привести пример модели, подчеркивающей необходимость разнообразия элементов.
Для колонии пчел очень важно поддерживать постоянную температуру улья. При этом если температуру улья опускается ниже желаемой для данной пчелы, она начинает махать крыльями, чтобы согреть улей. У пчел нет координации и желаемая температура заложена в ДНК пчелы.
Если у всех пчел будет одинаковая желаемая температура, то при ее опускании ниже, все пчелы начнут одновременно махать крыльями, быстро согреют улей, а затем он также быстро остынет. График температуры будет выглядеть так:
А вот другой график, где желаемая температура для каждой пчелы сгенерирована случайно.
Температура улья держится на постоянном уровне, потому что пчелы подключаются к согреванию улья по очереди начиная с самых «мерзнущих».
На этом все, напоследок хочется повторить некоторые идеи, которые обсуждались выше:
Почитать про это подробнее можно, например, вот в этой классной книжке: Complex Adaptive Systems: An Introduction to Computational Models of Social Life (John H. Miller, Scott E. Page).