WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

Гришунин Сергей Иванович

Модели и интуитивноэвристические компоненты
в науке

Специальность 09.00.01 - онтология и теория познания

Автореферат

диссертации на соискание ученой степени

доктора философских наук

Москва – 2011

Работа выполнена на кафедре философии естественных факультетов философского факультета Московского Государственного Университета имени М.В. Ломоносова

Официальные оппоненты:

доктор философских наук, профессор О.Д. Гаранина

доктор философских наук, профессор В.Г. Горохов

доктор философских наук, профессор В.Н. Князев

Ведущая организация:

Российский Государственный

Торгово-Экономический Университет, кафедра философии

Защита диссертации состоится 15 июня 2011 года в 15.00 на заседании Диссертационного совета Д 501.001.37 по философским наукам при Московском государственном университете имени М.В.Ломоносова по адресу: 119991, Москва, Ломоносовский проспект, д. 27, корп. 4, учебный корпус № 1, Зал заседаний Ученого совета (ауд. А-518).

С диссертацией можно ознакомиться в читальном зале отдела диссертаций Научной библиотеки МГУ имени М.В.Ломоносова в учебном корпусе №1 по адресу: Москва, Ломоносовский проспект, д. 27, корп. 4, сектор «Б», 3-й этаж, комн. 300, сектор читальных залов.

Автореферат разослан «_______» _____________________2010 года

Ученый секретарь

диссертационного совета                                        Брызгалина Е.В.

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ



Актуальность темы исследования

Успехи в применении метода математического моделирования породили у ряда исследователей уверенность, что для любых проблем и систем возможно построение надежных и объективных математических моделей. Широко известны модели оценки качества труда ученых, модели систем образования, глобальные модели. Появилось своеобразное «кредо научного подхода»: «Покажите мне явление, и я опишу его количественной математической моделью». Как правило, логика поведения этих исследователей такова: если есть переменные, то их всегда можно выразить численно, если есть количественные переменные, то всегда можно количественно определить зависимости между ними и построить модель; если есть компьютер, то в него следует ввести эту модель.

Действительно ли для любых проблем и систем данный подход может оказаться успешным?

«Математически мыслящие» специалисты говорят о подходе к исследованию сложных систем с помощью математических, компьютерных моделей. В частности, американский специалист по прогнозированию Дж. Форрестер считал, что можно сконструировать объективную, определенную до конца модель процесса, полагаясь на математические, формальные процедуры и компьютерное моделирование. Наиболее четко эта точка зрения отражена в работе Дж. Форрестера «Антиинтуитивное поведение социальных систем». Уточняя смысл заглавия, он пишет: «Моя основная задача состоит в том, чтобы показать, что человеческий разум не приспособлен к пониманию того, как ведут себя социальные системы. Наша социальная система относится к классу так называемых нелинейных систем, обладающих множеством цепей обратных связей. До недавнего времени, в течение длительной исторической эволюции у человека не было необходимости понимать такие системы. Эволюционные процессы не дали нам умственного искусства, необходимого для правильного понимания динамического поведения системы, частью, которой мы сейчас стали» [Forrester J.W. Counterintuitive Behavior of Social Systems. – «Technology Review», Cambridge - Mass, 1971. January, p.53]. Именно поэтому, с точки зрения Форрестера, социальная система дезориентирует нас, когда мы основываем свои решения на интуиции. Основной тезис Форрестера состоит в следующем: современные социальные системы настолько сложны, что нельзя рассчитывать на возможность успешного их анализа, если использовать традиционные методы, опирающиеся на опыт и интуицию. «Можно указать на фундаментальные принципы, почему человек не может правильно оценить поведение социальных систем. Зачастую люди приходят к неправильным выводам при встрече со сложными, обладающими сильными внутренними связями, системами, так как при выработке оценок они пользуются обычными методами и интуицией». [Форрестер Дж. Антиинтуитивное поведение социальных систем // Современные проблемы кибернетики. М.,1977, с.9]. Выход из этого затруднительного положения представляется Форрестеру в переходе к новой концепции в исследовании сложных динамических систем с помощью математических, компьютерных моделей. Ведь человек плохо приспособлен для прослеживания сложных и длинных логических цепочек, он способен перерабатывать лишь ограниченный объем информации. Компьютер же легко справляется с подобными задачами. Однако для того, чтобы компьютер смог это сделать, явление должно быть надлежащим образом формализовано. Подчеркивая, что уже имеется возможность строить реалистичные (объективные) модели социальных систем, Форрестер указывает, что «... любая концепция и взаимосвязь, ясно сформулированные на обычном языке, могут быть переведены на язык численной модели» [там же, с.13].

Мы согласны с тезисом Форрестера о том, что нельзя основывать свои решения только на интуиции. В самом деле, во-первых, нашей интуиции нельзя безоговорочно доверять, она нуждается в контроле. Во-вторых, человек не в состоянии интуитивно усвоить и проанализировать огромные массивы исходных данных о сложных объектах, обладающих множеством цепей обратных связей, и здесь действительно необходимо использовать математические средства, математические, компьютерные модели. Однако при этом все же возникают следующие вопросы.

Действительно ли «любая концепция и взаимосвязь, ясно сформулированные на обычном языке, могут быть переведены на язык численной модели», т. е. описаны на языке математики и для них построена надежная и объективная математическая модель? Любое ли явление может быть надлежащим образом формализовано? Существуют ли ситуации, когда социальная система дезориентирует нас, если мы основываем свои решения на результатах математического, компьютерного моделирования?

При анализе сложных систем, когда не все связи описаны на математическом языке, и необходимо отобрать существенные факторы для модели и установить числовые шкалы для них, недостающие зависимости назначаются исходя из интуитивных соображений. Однако после математической обработки и применения компьютера эти интуитивные соображения становятся малозаметными, завуалированными, а решение приобретает видимость математически обоснованного и объективного. Возможно ли элиминировать интуитивно-эвристические компоненты как из моделирования, так и из научно-прогностического процесса вообще? Не являются ли попытки элиминирования интуитивно-эвристических компонентов продуктом фетишизации огромных успехов процесса математизации наук и использования компьютеров для моделирования различных реальных процессов?

Виднейшими представителями антиинтуитивизма во второй половине 19 –20-го века были Ч.С. Пирс, Б. Рассел и И.И. Лапшин. В последнее время исследователи также пытаются элиминировать интуитивный элемент из научного познания в целом. Так, по мнению В.В. Низовцева, для познания реальности не требуется полета мысли и напряжения интуиции, да и «здоровое и способное к развитию научное знание можно строить только в условиях «репрессивных норм» [Низовцев В.В. Время и место физики ХХ века. М., 2000., с.186], ведь «рациональная наука, основанная на строгом методе, озарений не требует» [там же, с.111].

Насколько же правомерен современный антиинтуитивизм?

Также наблюдается в последнее время резкий рост специализации и прикладного прагматизма. Зачастую молодые специалисты придерживаются нетворческого и некритического подхода к науке. Они хотели бы знать только те вещи, которые они могли бы применять со спокойной совестью и без самокопания. Теории и гипотезы, которые являются не «общепризнанными» и проблематичными, не приветствуются, как и само творческое стремление к их созданию. Такая позиция опасна как для науки, так и для нашей цивилизации. Одним из средств преодоления такой позиции могут служить разработка более адекватной современной концепции творческой интуиции, а также методов активизации творчества и методов усовершенствования интуитивного мышления.

В связи со все возрастающим использованием компьютеров для моделирования прогнозируемых объектов и с высокой степенью математизации, формализации современной разработки научных прогнозов особое значение приобретает анализ соотношения математического, компьютерного моделирования и интуитивно-эвристических компонентов в научном прогнозировании. Необходимость дать адекватное решение вопросов, относящихся к этой гносеологической проблеме, становится все настоятельнее по мере того, как в прогнозировании возрастает значение математических, формальных процедур исследования, избавляющих человека от нарастающего объема вычислений и вообще от разнообразных рутинных мыслительных операций, и значение компьютерных технологий, позволяющих конструировать модели различных объектов. Так, один из ведущих отечественных специалистов в области компьютерного моделирования и прогнозирования взаимодействия человека и биосферы, Моисеев Н. Н. подчеркивал, что решение гносеологических проблем прогнозирования, является «одним из важнейших требований развития человеческой культуры» на современном этапе развития человечества [Моисеев Н.Н. Человек, среда, общество. Проблемы формального описания. М.,1982].

В последнее время появилось много работ, связанных с попыткой экстраполяции представлений синергетики как на философию творчества, так и на научное прогнозирование. В этих публикациях творчество рассматривается как хаос, или как продукт хаотических систем [Алетдинова А.А. Творчество как продукт хаотических систем. 2008. (http://science-bsea.narod.ru/).; Метафизика креативности. М., 2008.; Шестакова Л. Г. Нелинейное мышление и его формирование у школьников в процессе обучения // Синергетика в психологии профессионального развития: Сб. науч. тр. / Под ред. Э. Ф. Зеера. – Екатеринбург: Рос. гос. проф.- пед. ун-т, 2004.]. Что касается прогнозирования, то утверждается, что синергетика может служить в качестве новой, нетрадиционной методологии в прогнозировании. С ее позиций может быть дано научное обоснование современному взгляду на открытое, желаемое и достижимое будущее. Кроме того, синергетический подход позволяет увидеть реальные черты будущей организации, анализируя наличную пространственную конфигурацию сложных эволюционирующих структур в определенного типа быстрых эволюционных процессах и при известных условиях. [Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. М., 2001.; Князева Е.Н, Курдюмов С.П. Будущее и его горизонты: синергетическая методология в прогнозировании. 2005г. www.portalus.ru/modules/philosophy/rus_readme.php?subaction=showfull&id=]. Многочисленные попытки применения синергетической методологии создают представление об универсальности применения этой методологии, независимо от природы, уровня организации и глубины изучения системы. При этом, однако, адепты синергетической методологии указывают на то, что неизбежные неопределенности, неустранимые хаотические элементы и имеющиеся странные аттракторы делают будущее принципиально невычислимым и открытым для нас.

Мы не выступаем против науки и синергетики как дисциплины, находящейся в стадии становления. Однако возникают следующие вопросы, в порядке рефлексии, в какой мере обоснован перенос закономерностей, присущих открытым системам термодинамики, на творчество человека и на человеческое прогнозирование? Что этот перенос дает для понимания своеобразия человеческого творчества и человеческого прогнозирования? Заменит ли синергетическая методология, открывшая «эпоху бифуркаций» (Э. Ласло) [Laszlo E. The Age of Bifurcation. New York: Gordon and Breach, 1991; Laszlo E. The Systems View of the World. Cresskill (NJ): Hampton Press, 1996.; Laszlo E. Evolution: The General Theory. Cresskill (NJ): Hampton Press, 1996], человеческую интуицию в научном прогнозировании? Да и верна ли синергетическая интерпретация результатов физических и химических исследований, которые служат фундаментом синергетических представлений?

С возрастанием сложности прогностических проблем их все труднее сводить к чисто математическим задачам, а интуитивные методы в данной ситуации недостаточно эффективны, поскольку человек не в состоянии усвоить и тем более проанализировать огромные массивы исходных данных о сложных объектах прогноза. Каков же выход из этого трудного положения?

В 21 веке научно-прогностические процессы стали выступать ведущими в ситуациях принятия решений человеком в условиях неопределенности. В связи с этим возрос интерес к проблеме роли моделей и интуиции при принятии решений.

Г. Саймон в 20-ом веке выделил в процессе принятия решений три основных этапа: поиск информации, поиск и нахождение альтернатив (в том числе изобретение новых альтернатив) и выбор наилучшей альтернативы из группы альтернатив [Simon H.A. Information-processing models of cognition // J. Amer. Soc. Information Science. Sept.1981. Simon H.A. The New Science of Management Decision. N. Y.: Harper and Row Publishers, 1960.]. На первом этапе собирается вся доступная на момент принятия решения информация: фактические данные, мнение экспертов. Там, где это возможно, строятся математические модели; проводятся социологические опросы; определяются взгляды на проблему со стороны групп людей, влияющих на ее решение. Второй этап связан с определением того, что можно, а что нельзя делать в имеющейся ситуации, т. е. с определением вариантов решений (альтернатив) и изобретением новых альтернатив. И уже третий этап включает в себя сравнение альтернатив и выбор наилучшего варианта (или вариантов) решения. Таким образом, у лица, принимающего решение, должна быть информация о поисковом и нормативном научном прогнозе об объекте прогноза. При этом возникают следующие вопросы.

Всегда ли поведение людей при принятии решений рационально? Каковы особенности поведения человека при принятии решений? Какова роль моделей и интуитивно-эвристических компонентов в процессе принятия решений?

Традиционно считается, что невозможно «выспросить» у эксперта, как он решает те или иные задачи по принятию решений. Ведь одной из наиболее важных характеристик экспертного знания (умения) является его подсознательный характер. Невербализуемость человеческих умений подчеркивал в свое время М. Полани в своей книге «Личностное знание. На пути к посткритической философии». Дж. Кихистром также подчеркивает, что умения людей не поддаются полностью вербализации и объяснению [Kihistrom J. The Cognitive Unconscious // Science. 1987. V. 237.]. Тем не менее, современные исследователи ставят следующий вопрос.

Нельзя ли каким-то образом сохранить экспертные умения для будущих поколений?

Задача построения компьютерных копий экспертных знаний (баз экспертных знаний, умений) является одной из наиболее сложных в области искусственного интеллекта. Да и сама по себе возможность построения искусственной системы, обладающей человеческими умениями решать сложные задачи в тех или иных областях деятельности, весьма привлекательна. Именно в последние 30 лет перенос экспертных баз знаний в компьютер стал одной из центральных проблем искусственного интеллекта. Но на пути решения этой проблемы стоят следующие существенные трудности.

1. Человек не может сообщить общие абстрактные правила, которыми он руководствуется, решая ту или иную конкретную задачу, потому что его умения чаще всего хранятся на подсознательном уровне.

2. В любой области деятельности имеется большое количество (десятки и сотни тысяч) возможных практических ситуаций, при анализе которых проявляются умения человека. Желательно, чтобы этими умениями в полном объеме «овладел» компьютер, что может потребовать огромного труда и времени экспертов.

3. Люди, передающие компьютеру в том или ином виде свои знания и умения, неизбежно ошибаются. Чем бы ни была вызвана конкретная ошибка — усталостью, невнимательностью, трудностью ситуации, — безошибочных экспертов, к сожалению, не бывает.

4. Для построения компьютерных аналогов человеческих умений нужна совокупность различных подходов, потому что существуют разные виды человеческих умений.

Несмотря на все эти трудности, группе специалистов под руководством Ларичева О.И. удалось выработать подход экспертной классификации, позволяющий строить непротиворечивые и достаточно большие базы экспертных знаний (умений) для строго определенного класса задач: задач классификации с явными признаками [Ларичев О.И., Мошкович Е.М., Ребрик С.Б. О возможностях человека в задачах классификации многокритериальных объектов // Системные исследования (ежегодник), 1988; Ларичев О.И. Структуры экспертных знаний // Психологический журнал. 1995. № 3; Ларичев О.И., Болотов А.А. Система ДИФКЛАСС: построение полных и непротиворечивых баз экспертных знаний в задачах дифференциальной классификации // Научно-техническая информация. Сер 2. 1996. № 9; 92; 94;]. При этом возникают следующие вопросы.

Останется ли место человеческой интуиции в процессе принятия решений, если вербализации и компьютеризации поддаются даже экспертные умения решать ряд проблем по принятию решений? При решении каких проблем принятия решений необходима интуиция?

Степень разработанности проблемы

Анализу различных математических процедур и моделированию, используемых в научном прогнозировании и в принятии решений, посвящены многочисленные иссследования (Бестужев-Лада И.В., Блехман И.И., Кристакис А., Ларичев О.И., Лисичкин В.А., Мартино Дж., Медоуз Д.Л., Медоуз Д.Х., Моисеев Н.Н., Мышкис А.Д, Пановко А.Г., Форрестер Дж., Янч Э.и др.). Соотношение же моделирования, математических процедур и интуитивно-эвристических компонентов в процессе разработки научного прогноза практически совсем не исследовано ни отечественными, ни зарубежными специалистами. Данная работа представляет собой попытку такого исследования. Интуитивно-эвристические компоненты в разработке научного прогноза упоминаются в литературе либо «вскользь», либо рассматриваются какие-то отдельные методы, позволяющие «генерировать» новые идеи на основе интуитивного мышления. Поэтому, одной из задач нашего исследования является выявление преимуществ и недостатков (по отношению друг к другу) этих методов и их возможностей на различных этапах процесса разработки научного прогноза. Особой задачей является также выявление возможностей эффективизации интуитивного поиска решения творческих задач.

Вопрос о соотношении интуитивно-эвристических возможностей исследователя и математического моделирования при построении модели объекта поискового прогноза недостаточно разработан: различные авторы либо совсем об этом не упоминают, либо только указывают, что умение правильно выбирать математическую модель находится на грани науки и искусства [Блехман И. И., Мышкис А.Д., Пановко А.Г. Механика и прикладная математика: логика и особенности приложений математики. М., 1990; Блехман И.И., Мышкис А.Д., Пановко А.Г. Прикладная математика: предмет, логика, особенности подходов. М, 2007]. При этом надо ответить на следующие вопросы. Какие типы проблем решаются с помощью методов усовершенствования интуитивного мышления, применяемых в науке и в прогнозировании? На каких этапах процесса разработки поискового прогноза необходимы интуитивные допущения и гипотезы?

Кроме того, необходимо определить типы проблем, при решении которых доминирующую роль играют интуитивно-эвристические компоненты, и типы проблем, при решении которых основную роль играют математические, формальные процедуры. Нужно выяснить также, какой характер имеет интуитивная догадка и нуждается ли она в контроле и проверке.

Соотношение математического моделирования и интуитивно-эвристических компонентов в разработке нормативного прогноза также практически не исследовано. В имеющейся по нормативному прогнозированию литературе, в основном, уделено внимание либо анализу целевых ситуаций и прикладным вопросам нормативного прогнозирования [Бестужев-Лада И.В. Нормативное прогнозирование: возможные пути реализации целей общества. М., 1987], либо описанию различных математических процедур, используемых при разработке данного типа прогноза [Мартино Дж. Технологическое прогнозирование. М., 1977; Янч Э. Прогнозирование научно - технического прогресса. М., 1974, и др. ]. При этом необходимо ответить на вопрос: на каких этапах процесса разработки нормативного прогноза необходимы интуитивные суждения?

Не исследован вопрос о соотношении интуитивно-эвристических компонентов и нетрадиционной методологии моделирования в современном научном прогнозировании и в процессе принятия решений.

Проблемная ситуация (в частности, решение вопроса о том, каковы индивидуальные неформализуемые компоненты интуитивного процесса и возможна ли эффективизация интуитивного поиска решения научных и прогностических задач) существенно усложняется тем, что в настоящий момент существует множество различных интерпретаций природы интуиции, и пока трудно говорить о каких-либо общепризнанных представлениях об этом [Ирина В.Н.. Новиков А.А. В мире научной интуиции. М.. 1978]. Тем не менее, прав У.Г. Ярошевский, говоря о том, что «нужно новое понимание интуиции, такое, которое не ограничивало бы ее актами и эффектами «внезапного схватывания отношений», которое свойственно и обезьяне и гению» [Ярошевский М.Г. О трех способах интерпретации научного творчества // Научное творчество. М., 1969, с. 141]. Это «новое понимание» не может быть выработано без анализа различных концепций интуиции (как в истории философской мысли, так и в психологии мышления) и выявления ценного, рационального в них, тенденций развития понятия интуиции.

Все это обусловило выбор темы данного диссертационного исследования «Модели и интуитивно-эвристические компоненты в науке».

Цели и задачи исследования

Основной целью диссертации является многоаспектное исследование соотношения моделирования и интуитивно-эвристических компонентов в современной науке, в прогнозировании и в принятии решений, и выявление роли и места интуиции и моделей в процессе научного познания, в процессе разработки прогноза и в процессе принятия решений. Достижение этой цели предполагает решение следующих задач:

- выявление места и роли интуиции и теоретических моделей при модификации наличного научного знания;

- критический анализ современного антиинтуитивизма;

- критический анализ концепций интуиции и выделение индивидуальных неформализуемых компонент интуитивного процесса, определение характера интуитивной догадки;

- выделение типов проблем (задач), при решении которых доминирующую роль играет интуиция;

- определение специфики эвристики и интуитивно-эвристических компонентов;

- критический анализ возможностей интуитивно-эвристических компонентов – методов активизации творчества и усовершенствования интуитивного мышления, применяемых в науке, технике, прогнозировании и принятии решений;

- выявление стадий (этапов) процесса разработки научного прогноза, в которых необходимы моделирование и интуитивно-эвристические компоненты;

- установление типов систем, для которых невозможно построение надежных и объективных математических параметрических моделей;

- выделение прогностических проблем, при решении которых необходима как личная интуиция, так и интуитивные экспертные оценки;

- раскрытие соотношения творческой интуиции и нетрадиционной методологии моделирования в научной прогностике и в принятии решений;

- выявление проблем принятия решений, при решении которых необходима интуиция.

Теоретической и методологической основой данного диссертационного исследования является неаприористический подход к проблеме природы интуитивно-эвристических компонентов и системный подход. В работе использованы логический и сравнительный анализы для обоснования сделанных выводов.

В качестве методологической основы в диссертационном исследовании использовались также работы Л. Больцмана, Ж. Дьедонне, Н.Н. Моисеева, Э. Квейда, К. Поппера, В.А. Стеклова, Е.Л. Фейнберга, П. Энгельмейера, М.Г. Ярошевского. Теоретическую базу исследования составили научные работы отечественных и зарубежных философов, психологов, специалистов по моделированию, прогнозированию и принятию решений, в том числе работы Ж. Адамара, Г.С. Альтшуллера, В.Ф. Асмуса, Р. Акофа, Б.В Бирюкова, И. И. Блехмана, Г. Я Буша, М. Вартофского, Р.Г Дея, М.А. Дрюк, П. Голдберга, В.Г. Горохова, Н.И.Жинкина, Б.М. Кедрова, Г. Клэкстона, П.С. Краснощекова, О.И. Ларичева, Василия Леонтьева, В.А. Лисичкина, Е.Н. Львовского, К. Маккина, Г.Г Малинецкого, А.И. Мечитова, Ю.И. Неймарк, Дж. Пейна, А.А. Петрова, Д.А. Поспелова, В.Н. Пушкина, M. Реджестера, Г. Саймона, П. Словик, А.Н Соколова, Сориной Г.В., О.В. Степаносовой, А. Тверски, Р. Уотермана, Т.Н Ушаковой, Т.Н. Хармана, В.А. Штоффа, П. Энгельмейера, K.A. Эриксона, Л. Якокки, Э. Янча и другие. В рамках диссертационного исследования использован очень широкий круг источников на русском и английском языках.

Научная новизна диссертации состоит в анализе роли и места моделей и интуитивно-эвристических компонентов в современной науке, в прогнозировании и в принятии решений. Более конкретно новизну диссертации можно сформулировать в следующих положениях, которые выносятся на защиту.

1. Предложена обобщенная схема, отражающая место и роль интуиции и теоретических моделей при модификации наличного научного знания в условиях появления новых исходных, эмпирических данных, требования семантической оптимизации знания, заключения о достаточности проверки. Схематическое формульное выражение этого таково:

ЭИТС,

где Э – исходные, эмпирические данные, включающие новые факты, И – интуиция, Т – теоретические решения, аксиомы и принципы, С – дедуцируемые из теории, эмпирически проверяемые следствия, – область возможных эмпирических подтверждений теории, относительно которых делаются интуитивные суждения об их достаточности.

2. Выявлены индивидуальные неформализуемые компоненты интуитивного процесса – индивидуальные эвристические системы образов-знаков, обеспечивающие внезапность (быстроту) появления новой интуитивной идеи и способствующих тому, что на суд сознания творческого субъекта выносятся более или менее правдоподобные гипотезы, варианты решения проблем. Доказано, что современный антиинтуитивизм несостоятелен и, что интуиция играет доминирующую роль при решении неструктурированных и слабо структурированных проблем, а математические процедуры играют основную роль при решении хорошо структурированных проблем.

3. Доказано, что такие интуитивно-эвристические компоненты как методы усовершенствования интуитивного мышления позволяют решать следующие слабоструктурированные и неструктурированные задачи:

- выявлять скачкообразные этапы в развитии объекта;

- определять альтернативное развитие процесса;

- выбирать инструментарий для производства конкретного прогноза в условиях большой неопределенности исходных данных;

- определять качественные стороны развития объекта;

- составлять сценарий, в особенности качественных сторон развития объекта;

- прогнозировать развитие объектов, анализ развития которых либо полностью, либо частично не поддается формализации;

- выявлять объективизированное представление о перспективах развития области науки или техники на основе обработки прогнозных оценок репрезентативной группы экспертов;

- осуществлять синтез объекта прогноза, предусматривающим составление многопараметрической модели объекта;

- обеспечивать поиск разработчиком решения изобретательских задач при дефиците информации, т. е. при невозможности использовать логические средства;

- комплексные социально-технические задачи.

4. Выявлено, что исследовательский процесс при разработке научного прогноза характеризуется взаимодополнительностью моделирования, математических процедур и интуитивно-эвристических компонентов. В поисковом прогнозировании интуитивно-эвристические компоненты необходимы в процессе разработки прогноза на этапе формализации исходных данных и на этапе создания гипотетической параметрической модели объекта прогноза; математические процедуры необходимы при проведении компьютерного эксперимента с моделью объекта прогноза. В нормативном прогнозировании интуитивно-эвристические компоненты необходимы при построении «дерева целей», используемого для моделирования процесса достижения цели; при определении численных весовых коэффициентов каждого элемента «дерева целей»; учете взаимозависимых факторов, оказывающих влияние на достижение поставленных целей; выявлении альтернативных путей достижения целей в условиях неопределенности; при выборе критериев оценки альтернативных путей достижения целей; при выборе оптимального пути достижения заданной цели в случае, если целевую функцию не удалось сформулировать на математическом языке. Математические процедуры необходимы в нормативном прогнозировании для расчета вероятности времени наступления событий, являющихся условиями реализации поставленных целей.

5. Установлено, что идея о том, что для любых систем и прогностических проблем возможно построение надежных и объективных математических параметрических моделей, неверна для систем, обладающих «свободой поведения», систем включающих в себя коллективы людей. Доказано, что модели этих систем — это субъективные модели с качественными оценками, ведь исследователь дополняет модель своими интуитивными гипотезами и облекает свои качественные догадки в количественную форму. Необходимо обращаться к исходным интуитивным допущениям при интерпретации результатов, полученных при помощи компьютерного эксперимента с этими моделями объектов прогноза.

6. Доказано, что творческая интуиция человека останется исключительно важной и необходимой компонентой процесса прогнозирования, даже если нетрадиционная синергетическая методология, несмотря на противоречия и трудности стоящие перед ней, докажет свою состоятельность в поисковом прогнозировании, поскольку строить хорошие предсказывающие компьютерные системы во всем многомерном фазовом пространстве «на общих основаниях» не удается.

7. Выдвинута и обоснована гипотеза о том, что решение проблемы соотношения интуитивно-эвристических компонентов и математического моделирования в современной прогностике состоит в создании нетрадиционной постоянно действующей системы прогнозирования – интегрированной человеко-машинной системе, включающей комплекс взаимосвязанных методов интуитивно-экспертной оценки с методами математического моделирования и использующей автоматизированную информационную базу. В целях расширения круга решаемых прогностических задач эта система прогнозирования должна постоянно пополняться новыми методами прогнозирования и исходной базовой информацией.

8. Доказано, что интуиция является необходимым компонентом в процессе решения как слабо структурированных, так и, прежде всего, неструктурированных проблем по принятию решений. Установлено, что, как правило, модели этих проблем — это субъективные модели с качественными оценками. Причем неструктурированные проблемы с качественными переменными — это особые проблемы принятия решений, обладающие следующими общими чертами.

- Они являются проблемами уникального выбора.

- Они связаны с неопределенностью в оценках альтернативных вариантов решения проблемы, которая объективно обусловлена нехваткой информации на момент решения проблемы.

- Оценки альтернативных вариантов решения проблемы имеют качественный характер и чаще всего сформулированы в словесном виде.

- Оценки альтернатив по отдельным критериям могут быть получены только от экспертов.

- Общая оценка альтернатив может быть получена лишь на основе субъективных предпочтений лица, принимающего решение. Интуиция лица, принимающего решение, является основой решающего правила, позволяющего перейти от оценок по отдельным критериям к общей оценке альтернатив.

Применение человеко-машинных систем поддержки принятия коллективных решений не устраняет интуитивно-эвристические компоненты, которые необходимы как при согласовании мнений лиц, принимающих решения, так и для успешной работы консультантов.

Научно-практическое значение результатов исследования.

Результаты диссертационного исследования малоизученной проблемы соотношения моделей и интуитивно-эвристических компонентов в науке, в прогнозировании и в принятии решений могут быть применены в дальнейшей разработке гносеологических и методических аспектов научного познания, прогнозирования и принятия решений. Предложенная в рамках диссертационного исследования схема, отражающая место и роль интуиции и теоретических моделей при модификации наличного научного знания, может найти применение в современной теории познания. Выводы методологического характера, полученные в диссертации, могут использоваться на практике при разработке научного прогноза и оценке его результатов. Прогнозисты должны обращаться к исходным интуитивным допущениям, когда пытаются интерпретировать результаты, полученные при помощи компьютерного эксперимента с моделью объекта прогноза. При разработке прогнозов следует учитывать, что для систем, обладающих «свободой поведения», систем, включающих в себя коллективы людей, не возможно построение надежных и объективных математических параметрических моделей, ибо даже постоянное наблюдение часто не может гарантировать надежность и объективность моделей для таких систем. Поэтому в данной прогностической ситуации, как показано в диссертации, нужно строить, используя интуитивно-эвристические компоненты, субъективные модели с качественными оценками, которые зачастую являются единственным средством анализа слабоструктурированных и неструктурированных прогностических проблем. Полученные в ходе диссертационного исследовани результаты методологического характера могут применяться также и при принятии решений, а именно при решении проблем принятия стратегических решений экономического и политического характера, проблем планирования научных исследований, проблем конкурсного отбора проектов, личных проблем выбора. В таких проблемах основные характеристики носят качественный характер. Кроме того, отсутствуют достаточно надежные и объективные количественные модели этих проблем. Отсюда и вытекает необходимость использования при решении этих проблем интуитивно-эвристических компонентов. Практическое значение для современной и будущей прогностики имеет выдвинутая и обоснованная диссертантом гипотеза о том, что решение проблемы соотношения интуитивно-эвристических компонентов и математического моделирования в современной прогностике состоит в создании нетрадиционной постоянно действующей системы прогнозирования – интегрированной человеко-машинной системе, включающей комплекс взаимосвязанных методов интуитивно-экспертной оценки с методами математического моделирования и использующей автоматизированную информационную базу. Материалы диссертации, ее положения и выводы могут использоваться в учебно-педагогической работе при чтении специальных учебных курсов «Гносеологические и методологические проблемы научного прогнозирования», «Гносеологические и методологические проблемы принятия решений», «Современная теория познания», «Философия творчества», а также в курсе «История и философия науки».





Структура диссертации

Диссертация состоит из введения, 4-х глав (1-ая глава подразделяется на 5 параграфов, 2-ая на 3 параграфа, 3-я на 3 параграфа, 4-я на 3 параграфа), заключения и списка литературы.

II. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, анализируется степень ее научной разработанности, определяются цели и задачи исследования, раскрывается логическая структура работы.

Первая глава «Интуиция и модели в контексте науки и философии» посвящена выявлению специфики интуиции и моделей, их роли в науке, а также критическому анализу современного антиинтуитивизма.

В первом параграфе первой главы исследуются различные трактовки структуры научного творчества, выделяются ценные, рациональные моменты в них, выявляется место интуиции в процессе научного творчества.

Проведенный анализ различных трактовок структуры научного творчества, показывает, что, несмотря на ряд различий, эти многочисленные трактовки фиксируют проблему как исходную фазу (или этап) творчества, а также и этап (или фазу) ее разрешения. Опыт познавательной деятельности свидетельствует, что обычная логика во многих случаях оказывается недостаточной для решения научных проблем; процесс производства нового знания не может быть сведен ни к индуктивно, ни к дедуктивно развертываемому мышлению. Важное место в этом процессе занимает интуиция, сообщающая познанию новый импульс и направление движения. Именно интуиции подсказывают часто гипотезу, догадку, т. е. подготавливают «творческий скачок» мысли, который приводит ранее непреодолимую проблему к разрешению.

Наиболее ярко творческая активность и интуитивное мышление субъекта выражаются на уровне теоретического познания:

а) интуиция дает возможность преодолеть препятствия, возникшие на пути к познанию, осуществить прыжок мысли со ступени особенного на ступень всеобщего в научном познании, порождая нужные аналогии и ассоциации;

б) научное творчество необходимо при создании новых научных тем;

в) базисные интуиции являются средством становления теоретических систем;

г) интуитивные представления могут играть роль основной, исходной онтологической схемы, способствующей изменению самого предмета научного исследования и созданию новой теории;

д) интуиция как составной элемент творческого процесса необходима и при создании фундаментальных научных теорий в период революционного развития научного знания.

Интуиция необходима при модификации наличного знания в условиях появления новых исходных, эмпирических данных, требования семантической оптимизации знания, заключения о достаточности проверки. Формульное выражение этого таково:

ЭИТС,

где Э – исходные, эмпирические данные, включающие новые факты, И – интуиция, Т – теоретические решения, аксиомы и принципы, С – дедуцируемые из теории, эмпирически проверяемые следствия, – область возможных эмпирических подтверждений теории, относительно которых делаются интуитивные суждения об их достаточности. шире Э так, как включает предсказываемые теорией возможные верификаторы. Из (ЭИ) нередко следует не одна, а множество теоретических решений, концепций, поскольку связь между Э и Т неоднозначна.

Виднейшими представителями антиинтуитивизма во второй половине 19 –20-го века были Ч.С. Пирс, Б. Рассел и И.И. Лапшин. Современные антиинтуитивисты также пытаются элиминировать интуитивный элемент из научного познания в целом. Так, по мнению В.В. Низовцева, предлагающего вернуться к методологии Декарта, для познания реальности не требуется напряжения интуиции и рациональная наука, основанная на строгом методе, озарений не требует. Сама же интуиция, как утверждает В.В. Низовцев, предлагает результаты, не поддающиеся обобщению и рациональной интерпретации, да и интуитивно добываемое знание якобы обязательно приобретает характер доктрины или онтологического знания. Во втором параграфе первой главы «Критика современного антиинтуитивизма в научном познании» автором диссертации доказывается, что современный антиинтуитивизм, опирающийся на методологию Декарта и элиминирующий интуицию из научно-познавательного процесса, несостоятелен по следующим причинам.

А). Он не учитывает то обстоятельство, что, согласно Декарту, разумное познание сопряжено с интуицией, дающей первые принципы, из которых затем путем дедукции выводится все остальное знание.

Б). Предлагаемые интуицией результаты, пройдя систематическую разработку и проверку, поддаются обобщению и рациональной интерпретации.

В). Интуитивно добываемое знание необязательно приобретает характер доктрины или онтологического знания. Если же интуитивные представления играют роль основной, исходной онтологической схемы, то это не следует относить к недостаткам интуиции, как считают современные антиинтуитивисты. Ведь в любой фундаментальной научной теории есть онтология, под которой понимается совокупность объектов, существование которых предполагается теорией. Изменение онтологической схемы способствует изменению самого предмета научного исследования и созданию новой теории.

Г). Несмотря на то, что интуитивный вывод носит более или менее приблизительный, вероятностный характер, требующий контроля, интуиция необходима при построении новых фундаментальных научных теорий в период революционного развития научного знания, при изучении микромира, при научном моделировании, при поиске оптимальной модели, при решении частных научных проблем.

В третьем параграфе первой главы «Концепции интуиции в истории философии и психологии. Современные концепции интуиции» исследуются различные философские и психологические подходы к интуиции, выявляются ценные, рациональные моменты в них.

Проведенный автором диссертации анализ различных философских и психологических подходов к проблеме интуиции показывает, наиболее конструктивными в плане возможности реконструкции генезиса интуиции являются неаприористические подходы к интуиции и идеи Л. Больцмана, Ж. Дьедонне, К. Поппера и В.А. Стеклова о том, что интуиция «опосредованно осваивает» научные результаты. Ибо здесь творческие действия не рассматриваются как мистические, готовые, изначально данные от рождения или однажды сформированные и в дальнейшем неизменные. Кроме того, неаприористические подходы к интуиции показывают, что интуитивный процесс связан с такими факторами, как особенность духовного освоения действительности человеком; зависимость эффективности мыслительной деятельности от опыта и определенного запаса знаний, от культуры мышления, от видения мира и т. д.

Конструктивными в этом же плане являются также следующие идеи: 1) идея психофизиологов о том, что отдельные свойства образов (их «грани»), которыми оперирует правополушарное мышление, могут вступать во взаимодействие друг с другом сразу в нескольких «смысловых плоскостях»; 2) тезис русского евролога, инженера и философа техники П. Энгельмейера о взаимодействии интуитивного и дискурсивного фактора во всех видах эвристической деятельности. Ведь творческая личность, согласно Энгельмейеру, «является совокупностью трех следующих факторов: Интуитивного. Дискурсивного. Активного».

Ни мистические, ни иррациональные, ни априористические подходы к интуиции не позволяют, по нашему мнению, реконструировать интуитивный процесс, поскольку в них этот процесс сводится либо к внезапному, «вневременному», «вне причинному» озарению, либо к лицезрению бога и его промысла, либо к «божественному» озарению, присущему лишь избранным представителям человеческого рода и не поддающемуся познанию.

Мы не отвергаем полностью концепцию сверхсознания и синергетическую модель интуиции. Тем не менее, в решениях проблем интуиции и творчества в рамках концепции сверхсознания и синергетической модели интуиции, по нашему мнению, имеются следующие недостатки.

• Утверждение о том, что неосознанность сверхсознания (творческой интуиции) есть защита от чрезмерного давления ранее накопленного опыта, противоречит утверждению о том, что для рекомбинирующей деятельности сверхсознания (творческой интуиции) необходим именно этот ранее накопленный опыт, включая присвоенный опыт предшествующих поколений и следы, полученных извне впечатлений.

• Неясно на основании чего, и каким образом сверхсознание (интуиция) производит первичный отбор возникающих рекомбинаций и способствует тому, что на суд сознания творческого субъекта выносятся более или менее правдоподобные гипотезы, варианты решения проблем.

• Механизм творчества в рамках синергетики фактически объясняется через само творчество, поскольку необходимый при творчестве процесс увеличения разнообразия и переоценки познавательных ценностей – это не рутинный, а творческий процесс.

• Механизм интуиции при синергетическом подходе объясняется при помощи самой интуиции, так как она играет роль на стадии отбора «ненужного».

• При такой интерпретации механизма интуиции неизбежно возникает «дурная» бесконечность: для интуиции как самодостраивания, нужен отбор «ненужного», который в свою очередь также нуждается в интуиции, включающей в себя отбор «ненужного», и т.д. Если бы «механизм интуиции» действительно был бы таким, то невозможно было бы решить никакую творческую задачу, поскольку «интуитивно-отборный» процесс ее решения был бы бесконечным.

Мы не ставили в данном диссертационном исследовании цель – дать в итоге общезначимое определение понятия интуиции. В качестве рабочего можно принять следующее определение интуиции. Интуиция – это процесс непосредственного получения знания путем прямого его усмотрения без обоснования с помощью доказательства. Наша цель – раскрыть генезис интуиции и выделить те компоненты, которые обеспечивают внезапность (быстроту) появления новой интуитивной идеи и способствуют тому, что на суд сознания творческого субъекта выносятся более или менее правдоподобные гипотезы, варианты решения проблем.

Именно, в четвертом параграфе первой главы «Концепция творческой интуиции и внутренняя речь. Вероятностный ориентировочный характер интуиции», опираясь на результаты исследований интуитивного мышления в философии и психологии мышления, данные психогенетики и анализ особенностей решения научных проблем выдающимися математиками и физиками 20-го века, автор диссертации показывает, что в генетическом плане интуиция представляет собой широкое, динамичное обобщение опыта мышления, что «внезапное» появление решения проблем возможно, благодаря наличию в подсознании субъекта индивидуальных эвристических систем образов-знаков внутренней речи, характеризующихся наличием особых «семантических комплексов». Внутренняя речь интерпретируется как сложное системно-упорядоченное единство образов, знаков и эмоций. Многие выдающиеся ученые 20-го века использовали особые индивидуальные образы-знаки внутренней речи как способ «наведения» на «озарение». Например, Ж.Адамар перекодировал задачи в систему точек и пятен неопределенной формы, а затем оперировал этими символами, расстояниями между ними, свободными пространствами. Только на заключительном этапе исследования начинали использоваться математические знаки. Эти особые индивидуальные системы образов-знаков формируются на базе обобщения опыта мышления при решении тех или иных творческих проблем и зависят от специфики профессиональной деятельности человека.

А.Эйнштейн при поиске решения той или иной проблемы также использовал различного рода индивидуальные визуальные и двигательные (кинематические) знаки или образы. По нашему мнению, субъективно неосознаваемая интуитивная стратегия порождения нового знания, новой гипотезы связана с индивидуальными эвристическими системами символических образов-знаков, обладающих дополнительными семантическими ресурсами, смыслами, которые открывают возможность разрешить находящееся в поле зрения исследователя противоречие. Можно предположить, что противоречие между фундаментальными законами физики и нулевым результатом эксперимента Майкельсона требовало для своего конструктивного разрешения какого-то символического образа . И этот символический образ был успешно, хотя и неосознанно, найден Эйнштейном. Этим индивидуальным символическим образом был образ наблюдателя. Именно этот весьма многозначный, насыщенный в то же время и какими-то личностными смыслами, образ позволил Эйнштейну выявить новые предпосылки. Он мог, например, мысленно помещать наблюдателя в удаленные друг от друга точки пространства, выявляя тем самым его свойство находиться в «разных местах». Кроме того, с этим образом у Эйнштейна, видимо, прочно ассоциировалось и другое физическое понятие – понятие «одновременность». Ведь для него это понятие имело реальный смысл только в том случае, если одновременность двух событий могла быть зафиксирована наблюдателем. Но образ наблюдателя вполне может быть помещен визуально в «разные места», следовательно, разные наблюдатели тогда будут фиксировать «разные одновременности». В итоге как точка пересечения двух «смыслов», двух научных понятий, релевантных образу наблюдателя, возникает принципиально новая идея – одновременность относительна. Тем самым Эйнштейну удалось найти отправную гипотезу, логически непротиворечиво согласующуюся как с инвариантностью уравнений Максвелла, так и с нулевым результатом эксперимента Майкельсона. Эта отправная гипотеза позволила ему в перспективе разработать специальную теорию относительности.

Таким образом, творческий интуитивный процесс связан с наличием индивидуальных эвристических систем образов-знаков внутренней речи. Так при создании А.Эйнштейном теории относительности заметную роль, кроме образа наблюдателя, сыграли и другие индивидуальные эвристические образы-знаки (образ часов и др.). В свое время И.П. Павлов опирался на образ телефонной станции как визуализированную модель нервной системы, Д. Пенто использовал образ «стиснутых корней». Индивидуальные эвристические системы образов-знаков привели в 19-м веке и Ч. Дарвина к его теории. Среди них следует выделить, в частности, такие символические образы, как «древо природы», «отбор домашних животных на племя» и др.

Именно «наглядное созерцание» – подсознательное оперирование различного рода наглядными индивидуальными образами-знаками непосредственно способствует тому, что на суд сознания субъекта выносятся более или менее правдоподобные гипотезы, варианты решения творческих проблем. Да и этимология слова «интуиция» (intuitio – созерцание) прежде всего, указывает на интуицию как наглядное созерцание.

Семантика внутренней речи имеет особый характер. Здесь происходит сгущение смысла: смыслы как бы вливаются друг в друга и, уплотняясь, влияют друг на друга. Именно, благодаря наличию этих сгустков смысла – больших комплексов мыслей, во внутренней речи имеется возможность быстро сближать и сопоставлять различные группы мыслей, идей, образов, а из сопоставления и обобщения их могут возникать внезапно в одно мгновение новые идеи и новые образы.

Для повышения вероятности интуитивного решения необходимо, чтобы накопленная, исходная информация (приобретенные ранее знания) каким-то образом преобразовалась. Предварительные неосознаваемые процессы, преобразующие исходную информацию и способствующие формированию индивидуальных систем образов-знаков — это конденсация, смещение и символическая трансформация. Конденсация — это совмещение разнородных элементов в единый образ, которое обеспечивает формирование обобщенного целостного образа. Смещение реализует сдвиг внимания при анализе от основных свойств объекта к второстепенным, т. е. осуществляет представление целостного, личностно значимого события или предмета второстепенной, эмоционально несущественной деталью. Тем самым целое представляется своей частью. Так как второстепенных деталей много, то отсюда совершенно очевидна многозначность смещения. С помощью смещения нейтрализуется психологическая защита. Нередко в качестве индивидуальных образов-знаков, как это видно из приведенных выше примеров, выступают символические образы. Символическая трансформация — это представление сложного объекта или явления символом, в котором игнорируются все личностно и эмоционально несущественные его элементы и преувеличиваются эмоционально значимые.

Интуитивный вывод носит более или менее приблизительный, вероятностный (ориентировочный) характер (представляет собой «ключ» к решению), а не абсолютный характер, как утверждают некоторые современные исследователи (Литвинова А.Л., Бондаренко А.В.и др.) [Бондаренко А. В. Научная и художественная формы интуиции. Сущность, особенности, развития и саморазвития. Автореф. дис.на соиск. уч.ст. кан. филос.наук. Уфа, 2007; Литвинова А.Л. Роль интуиции в научном познании // Философия о предмете и субъекте научного познания. СПб., 2002.]. Вероятностный характер интуиции означает для исследователя, как возможность получения истинного значения, так и опасность иметь ошибочное знание, поэтому интуитивный вывод нуждается как в доведении до работоспособного состояния (скажем, до теории), так и в проверке. В ряде случаев интуитивное решение может оказаться ложным. Например, долгое время считалось абсолютно истинным интуитивное положение о том, что «целое больше своей части», т.е. число элементов целого всегда больше числа элементов части. Однако это положение сохраняет свою силу лишь в пределах конечных множеств. Для бесконечных же множеств оно оказалось, как установил Г. Кантор, неверным. Также к интуиции взывали в свое время, защищая утверждения, что бесконечный ряд не может иметь конечной суммы, что не существует никаких кривых без касательных.

Специфика моделей рассматривается в пятом параграфе первой главы «Специфика моделей».

Для современного познания характерно широкое распространение метода моделирования. В основании этого метода лежит умозаключение по аналогии. Суть такого умозаключения состоит в том, что на основе сходства объектов по одним признакам, свойствам и отношениям заключают об их сходстве в других признаках, свойствах и отношениях. Поэтому под моделью (от лат. modulus – мера, образец) в широком смысле в науке принято понимать аналог оригинала (объекта, явления, процесса, фрагмента реальности), используемый в качестве его «заместителя» и который при определенных условиях воспроизводит интересующие исследователя стороны и свойства оригинала. Моделирование применятся там, где непосредственное изучение интересующих исследователя сторон и свойств объектов-оригиналов невозможно, либо затруднительно и связано с большими затратами и риском.

Значительный вклад в разработку понятия модели и проблем моделирования внес М. Вартофский. Он сформулировал триаду модельного отношения, указав на его асимметрию, следующим образом:

М (S, х, у) & R (x)<R (у),

где S — это субъект, рассматривающий х как модель у, а R (х) и R (у) — области релевантных свойств или степени богатства релевантными свойствами соответственно хиу. Иными словами, исключая тождество модели и моделируемого объекта, М. Вартофский показал, что модель, — для того, чтобы оставаться моделью, — не может быть в пределе столь же богатой, как и ее объект. В своих релевантных аспектах она должна быть беднее объекта.

Вартофский также предложил типологию моделей, иерархически ранжированных в зависимости от степени их экзистенциальных обязательств, которые принимаются каждым типом моделей. При таком подходе к упорядочению моделей самое слабое экзистенциальное обязательство проявляется в ad hoc аналогиях; затем в порядке усиления степени экзистенциальных обязательств идут вычислительные модели (математические модели, единственной функцией которых является функция «механизма для вывода» или функция структуры для упорядочивания данных); механические модели; гипотетические модели типа «как-будто моделей»; модели, которые считаются только аппроксимативными; модели, формирующие предположения, и, наконец, модели, экзистенциальные притязания которых находятся на грани рациональной веры: либо их адекватность не вызывает у нас сомнений, либо убеждение в их адекватности не находит сколько-нибудь правдоподобного опровержения.

Информационный аспект в определении моделей подчеркивался Н. Н. Моисеевым.

В зависимости от средств, при помощи которых строится модель, все модели могут быть разделены на два больших класса: 1) материальные (объективированные в реальности) модели, 2) мысленные, идеальные модели. Таким образом, модель в узком смысле – это материальная объективированная в реальности или мысленно представляемая система, замещающая объект познания так, что ее изучение дает новую информацию о нем.

К первому классу относятся модели, построенные человеком, которые воплощены в материальных предметах. Назначение этих моделей состоит в том, чтобы изучать с их помощью структуру, характер, и сущность исследуемых процессов.

Мысленные, идеальные, модели подразделяются на следующие виды: 1) наглядно-образные (например, модели атома, предложенные Резерфордом и Н.Бором, различные схемы и др.); 2) знаковые (символические) модели.

Модели могут быть разделены по моделируемым аспектам (исходя из различия моделей в отношении того, что именно моделируется в данной ситуации) на структурные, функциональные и др. Также модели классифицируются по виду сходства между оригиналом и моделью (физические, аналоговые, квазианалоговые и др.).

Особой разновидностью знаковых моделей являются математические модели (математическая форма уравнений представляет собой своеобразную знаковую модель). Такими моделями являются, например математические формулы, графическое выражение функциональной зависимости и др.

Математические модели играют существенную эвристическую роль. Они служат как бы трамплином для дальнейшего раскрытия сложных закономерностей. Говоря о качественно новой роли, которую играет математика в построении современной физической теории, С.И. Вавилов указывал, что математика в новой физике приобрела громадное эвристическое, т.е. направляющее, значение, которого она не имела раньше. Так изощренный опыт, опирающийся на новые сложные приборы, доводит до сознания отражение областей мира, которые совершенно непривычны и чужды нормальному человеку. Для наглядной, модельной интерпретации картины не хватает привычных образов и понятий, но, как отмечает С.И. Вавилов, логика с ее необъятной широтой, воплощенная в математические формы, остается в силе, устанавливая порядок связи в новом непонятном мире и открывая возможности физических предсказаний.

С возникновением новых поколений компьютеров получило широкое распространение в науке, прогнозировании и принятии решений так называемое компьютерное моделирование, которое включает в себя математическое моделирование. Современные компьютерные технологии расширили и саму сферу моделирования, позволяя конструировать модели различных объектов. Построены компьютерные модели для клеток, органов, биохимических процессов. Создаются виртуальные пациенты (модели с большим количеством параметров), на которых изучают развитие заболевания и действие лекарств. Имеются примеры разработки лекарственных препаратов на молекулярном уровне путем компьютерного моделирования их трехмерной структуры. Разрабатываются также трехмерные компьютерные модели технических объектов.

Компьютерные модели используются и как инструмент визуализации в современной науке. В особенности такие модели применяются в нанотехнологии при визуализации того, что «мы не видим и даже видеть не можем», например, в электронной литографии (Горохов В.Г.) Эстетическое воздействие на зрителей визуальных моделей значительно усиливается с помощью соответствующих средств компьютерной симуляции.

Посредством моделей конструируются и теоретические объяснения. Метод моделирования может использоваться также для построения обобщенной модели реальной ситуации, соответствующей поставленной цели и отображающей факторы и взаимосвязи, которые могут проявляться в процессе осуществления этой цели.

Конечно, любые математические и компьютерные модели создаются для решения определенных задач. В общем случае эти модели разрабатываются для пяти основных целей:

а) для лучшего описания и понимания объективно существующей реальности,

б) для прогнозирования,

в) для визуализации,

г) для моделирования различных ситуаций,

д) для выработки курса действий и принятия решений, чтобы лучше (оптимально) управлять.

Надо постоянно помнить, что всякая модель, в том числе и компьютерная визуальная модель, является известным упрощением реальных процессов. Модель не может быть столь же богатой теми же свойствами, что и моделируемый объект, потому что в этом случае она оказалась бы тождественной ему. Исследователь создает модель, приближенно отражающую свойства, особенности изучаемого объекта, поскольку при выборе существенных факторов для построения модели и формулировке правил, определяющих операции над объектом, он выделяет не все, а какие-то определенные стороны объекта.

Во второй главе «Типы проблем, решаемые при помощи интуиции, и интуитивно-эвристические компоненты поиска решений» выделяются типы проблем, при решении которых доминирующую роль играют интуиция  и математические, формальные процедуры; определяется специфика эвристики; анализируются интуитивно-эвристические компоненты – методы активизации творчества и усовершенствования интуитивного мышления и выявляются их достоинства и недостатки, а также их возможности при решении научных, прогностических проблем и задач принятия решений.

В первом параграфе второй главы «Типы проблем, решаемые при помощи интуиции или математических, формальных процедур» выделяются следующие три типа проблем:

1) хорошо структурированные или количественно сформулированные проблемы, в которых существенные зависимости выяснены настолько хорошо, что они могут быть выражены в числах или символах, получающих, в конце концов, численные оценки;

2) неструктурированные или качественно сформулированные проблемы, содержащие лишь описание важнейших признаков и характеристик, количественные зависимости между которыми неизвестны;

3) слабо структурированные или смешанные проблемы, которые содержат как качественные, так и количественные элементы, причем качественные и неопределенные стороны проблем имеют тенденцию доминировать.

Показывается, что доминирующую роль при решении хорошо структурированных (количественно сформулированных) проблем играют математические процедуры – процедуры вычислительной математики, регрессионный анализ, программы для проведения математических вычислений на компьютерах и др., поскольку существенные зависимости здесь выражены в числах. Однако построение математической модели, отражающей основные черты такой проблемы, часто представляет значительные трудности для исследователя и требует от него интуитивного подхода.

Большинство неструктурированных (качественно сформулированных) проблем решается эвристическими методами, в которых отсутствует какая-либо логическая процедура отыскания решения, а сам метод зависит от личности исследователя. Чаще всего это методы интуитивных догадок, основанные на прошлом опыте.

Важнейшая особенность слабоструктурированных проблем заключается в том, что их модель может быть построена только на основании дополнительной информации (поскольку эти проблемы содержат качественные, неопределенные элементы), получаемой от эксперта-исследователя, участвующего в решении такой проблемы и использующего при этом свой опыт и интуицию. Для решения слабоструктурированных проблем используются как математические процедуры, так и интуиция экспертов-исследователей. Но в силу того, что качественные и неопределенные стороны этих проблем имеют тенденцию доминировать, то и доминирующее положение при разрешении таких проблем занимают методы интуитивных догадок.

Во втором параграфе второй главы «Эвристика и интуитивно-эвристические компоненты поиска решений» рассматривается специфика эвристики и интуитивно-эвристических компонентов поиска решений.

Сегодня эвристика понимается в следующих трех основных смыслах.

1) Совокупность специальных методов творческой деятельности, образующую особую методологию, которую нередко и называют эвристикой.

2) Специальная научная область, изучающая специфику творческой деятельности.

3) Восходящий к Сократу метод обучения, стимулирующий у учеников развитие активного поиска решений путем постановки наводящих вопросов.

Обучить, в точном понимании этого слова, человека творческому акту нельзя, но это вовсе не значит, что нельзя содействовать его образованию и появлению. Именно методы содействия в образовании творческих актов и подготовки к этому интеллекта рассматривает эвристика. Эвристические методы — это специальные методы, используемые в процессе открытия нового, неизвестного ранее и позволяющие ускорить процесс решения творческих задач, тем самым содействуя образованию творческих актов.

Современная эпоха, характерной чертой которой является бурное развитие науки, техники и производства, вошла в противоречие со старым ненадежным, малопроизводительным способом поиска новых решений. Человеческое общество пытается преодолеть это противоречие созданием специальных научных эвристических методов — методов активизации творчества и усовершенствования интуитивного мышления. Эти методы как интуитивно-эвристические компоненты поиска решений задают стратегии и тактики деятельности решающего субъекта, стимулирующие его интуитивное мышление в процессе решения, генерирование новых идей и на этой основе существенно повышающие эффективность решения определенного класса творческих задач. Сегодня им отводится большая роль.

Возможности, а также достоинства и недостатки этих методов анализируются автором диссертации в третьем параграфе второй главы «Методы активизации творчества и усовершенствования интуитивного мышления».

Хотя до разработки эффективных методик прямого влияния на неосознаваемую компоненту творчества субъекта в ходе решения научных и технических проблем, видимо, еще далеко, в настоящее время существует ряд эвристических способов активизации и стимуляции творческой деятельности субъекта – методы расширения поля поиска интуитивных аналогий, наглядных образов и т.д., «наводящих на озарение», и методы, позволяющие сузить поле поиска решения проблем и отбросить множество «пустых вариантов». В ходе систематизации и анализа этих методов было выявлены нижеследующие их возможности, достоинства и недостатки.

Формирование наводящих подсказок метода «трамплина – барьера» эффективно, по нашему мнению, только тогда, когда заранее известно решение творческой задачи. Ведь принцип решения творческой задачи, для осознания которого создается комплекс наводящих «подсказок», уже известен экспериментатору в лабораторных условиях, а в реальном творчестве как раз и требуется открытие самого этого принципа.

Проблемный метод обучения используется при решении так называемых малых творческих задач, когда лицу, занимающемуся формированием творческих способностей, заранее известны решения этих задач. Необходимо еще доказать, насколько эффективна эта сформированная в процессе обучения система интериоризированных умственных действий для решения реальных творческих проблем.

Метод эвристической аналогии, основывающийся на подражании всевозможным структурам, наводит на мысль о том или ином положении, но при этом аналогии не дают ответа на вопрос о правильности предположения. Аналогии в определенной мере делают незнакомое знакомым, позволяя благодаря увиденному сходству решить проблему известным способом, и знакомое незнакомым, давая возможность взглянуть на проблему с другой неожиданной стороны, что также может натолкнуть на новое оригинальное решение. Аналогии являются эффективным средством борьбы с психологической инерцией мышления, однако их применение требует развитого воображения. Метод эвристической аналогии не гарантирует достижения решения в каждом отдельном случае и может привести к ошибочным результатам.

При использовании метода эмпатии необходимо, чтобы исследователь, занятый поиском идей, ставил себя на место рассматриваемой вещи и, отвечая на собственные вопросы, представил себе, что он стал бы делать в этом случае. Однако эмпатия имеет следующий существенный недостаток. Отождествляя себя с тем или иным объектом и рассматривая его возможные изменения, исследователь невольно отбирает те, которые приемлемы для человека, и отбрасывает неприемлемые для человеческого организма, например, дробление, растворение и т. д. Неделимость человеческого организма мешает успешно применять эмпатию при решении ряда задач.

Весьма полезными для активизации поиска решения творческих задач являются метод прецедента, метод реинтеграции, метод организмической имитации, метод инверсии вредных сил в полезные, метод антитезиса, методы эвристического комбинирования, методы эвристического комплекса. В техническом творчестве всегда заслуживает внимания метод антропотехники, предполагающий создание новых конструкций путем приспособления к возможностям человека. Плодотворным является и метод элиминации, заключающийся в сокращении числа элементов технического объекта, преимущественно в связи с утратой или изменением соответствующих функций, в исключении вредных промежутков в пространстве и во времени. Прийти к оригинальным идеям в ряде случаев при поиске решения творческих задач позволяет и метод фокальных объектов, принцип которого состоит в переносе на заданный совершенствуемый объект новых, ярких, неожиданных свойств, качеств и выявлении необычных, оригинальных и эвристически ценных сочетаний, позволяющих преодолевать психологическую инерцию.

Особая роль в активизации творческого мышления принадлежит методу контрольных вопросов. Цель этого метода — с помощью заранее сформулированных наводящих вопросов подвести экспертов к решению задачи. Специализированные списки подобных контрольных вопросов и рекомендаций в настоящее время распространены довольно широко и их эффективно применяют. Некоторые списки контрольных вопросов (например, список Т. Эйлоарта, перечень советов и вопросов, предложенный Д. Пойа) — это уже не просто списки или перечни, а скорее подобие методики, поскольку в них рекомендации и вопросы выстроены не в случайном порядке.

Интуиция помогает преодолеть устоявшуюся «парадигму», «психологический барьер» установленного на данный момент знания, которые «неосознанно для ученого выдвигают» в ранг «существенных», значимых уже познанные свойства, связи, методы поиска решений и, тем самым, фиксируя внимание исследователя только на этих свойствах и методах, ограничивают его мышление, «затеняя» множество других свойств и методов, некоторые из которых могут иметь решающее значение для искомого открытия, решения. Рождение новой идеи или нового изобретения часто зависит от преодоления инертности мышления. Герберт Уэллс как-то сказал, что перед каждым паровозом бежит тень лошади. Именно для открытия новых идей (решений) на основе интуитивного мышления в процессе рассмотрения отдельных явлений с различных точек зрения и эффективного использования интуитивного потенциала исследователя и были созданы следующие методы усовершенствования интуитивного мышления исследователя.

Наибольшей известностью среди этих методов пользуется мозговой штурм, разработанный А. Осборном. А.Осборн предложил разделить этапы генерирования и анализа идей. При этом группа «генераторов идей» выдвигает различные идеи. Главное правило – запрещена критика, можно высказывать любые идеи, в том числе и самые парадоксальные. Основной принцип, лежащий в основе метода обратного мозгового штурма: поиск недостатков технической системы — ключ к ее совершенству. Суть этого метода заключается в выявлении всевозможных недостатков рассматриваемого объекта, на который обрушивается ничем не ограниченная критика. Если проводить мозговой штурм так, чтобы каждая интуитивная идея обязательно доводилась до логического завершения, то эффективность процедуры повышается. Однако в этом случае возрастают затраты времени — такой штурм придется проводить в течение многих дней. Этот вариант мозгового штурма называют мозговой осадой.

Другой модификацией метода мозгового штурма является массовый «мозговой штурм», предложенный Дж. Дональдом Филипсом. Он позволяет существенно увеличить эффективность генерирования новых идей в большой аудитории. Особенность этой модификации метода заключается в том, что присутствующих делят на малые группы численностью 5-6 человек. После разделения аудитории на малые группы последние проводят самостоятельную сессию прямого «мозгового штурма».

Еще одной модификацией метода мозгового штурма предстает «мозговой штурм — диалог с деструктивной отнесенной оценкой». Этот метод был предложен советским исследователем Е. А. Александровым и модифицирован Г. Я. Бушем. Суть этого метода состоит в активизации творческого потенциала исследователей при коллективном генерировании идей с последующим формулированием контридей.

С помощью метода мозгового штурма и его модификаций наиболее успешно решаются следующие типы задач:

а) задачи, решение которых предполагает ряд вариантов, один из которых является оптимальным; при решении подобных задач цель сессии — определить полный набор альтернатив;

б) задачи, решение которых требует параллельного или последовательного использования ряда разнообразных приемов; цель сессии при их решении — определение круга применимых приемов;

в) задачи, решение которых требует выявления круга фактов, которые необходимо принять во внимание, определяя окончательный вариант решения задачи или связанной с ней проблемой.

Метод мозгового штурма позволяет определять альтернативное развитие процесса или события, в частности, скачкообразные этапы в развитии процесса; выбирать инструментарий для производства конкретного прогноза в условиях большой неопределенности исходных данных; составлять сценарий, в особенности качественных сторон развития объекта. Помимо указанных выше областей, метод мозгового штурма может быть успешно использован при решении вопросов, связанных с синтезом объекта прогноза, предусматривающим составление многопараметрической модели объекта, и при решении вопроса о возможности модельной интерпретации прогнозируемого процесса.

Однако у всех этих методов имеется следующие недостатки. Первый недостаток — исключается четкое управление мышлением. Методы действительно помогают преодолевать психологическую инерцию: мысль сдвигается с мертвой точки, разгоняется... и часто проскакивает то место, где следовало бы остановиться. Второй недостаток — мозговой штурм требует достаточно большого количества человеко-часов, поскольку задачу решает многочисленный коллектив участников. Третий недостаток — отсутствие времени на глубокое осознание задачи. Четвертый недостаток — для ряда людей более эффективным является процесс индивидуального творчества.

С целью устранения последних двух недостатков мозгового штурма Дж. В. Хефеле был предложен так называемый метод записной книжки. Этот метод дополняют методическими рекомендациями; участникам выдают также списки контрольных вопросов.

Особая роль в активизации и стимуляции творческих интуитивных возможностей исследователя принадлежит ниже следующим методам.

Метод прогнозирования – метод Дельфи (английское название Delphi иногда транскрибируется в русской литературе как Дельфы, Делфи), разработанный сотрудниками научно-исследовательской корпорации США «Rand Corporation» О.Хелмером и Т.Гордоном, позволяет исключить влияние психологических факторов (внушаемость, приспособление к мнению большинства и др.) на процесс решения задачи, используя многократное повторение циклов мозговой атаки. Этот метод реализуется посредством специально разработанной программы последовательных индивидуальных опросов в письменном виде (с применением особых анкет – опросников), перемежаемых обратной связью в виде информации и мнений, получаемых путем обработки на компьютерах согласованной точки зрения экспертов по более ранним частям программы.

Метод Дельфи и метод Дельфи II, который оказался в отличие от метода Дельфи более точным, были с успехом использованы для разработки ряда научно-технических прогнозов. В то же время в ходе работы с методом Дельфи выяснилось, что его можно использовать лишь в том случае, когда ясно, что доля экспертов, чьи оценки существенно отличаются от истинной, в группе невелика. В противном случае этот метод становится неэффективным.

В ходе Дельфи-конференции, являющейся модификацией метода Дельфи, возрастает скорость обмена и обработки информации от итерации к итерации, что в свою очередь может привести к повышению качества научного прогноза. Однако у Дельфи-конференции есть важный недостаток: эксперты не видят друг друга, и невербальное общение между ними невозможно. Это уменьшает объем информации, доступной экспертам, что несколько снижает эффективность процедуры.

Дельфийская техника была с успехом использована для разработки ряда научно-технических прогнозов, некоторые из которых автор диссертации приводит в специальной таблице.

Плодотворными итеративными методами научного прогнозирования, использующими интуитивные суждения экспертов, являются также метод качественной обработки связи, предложенный С. Прессом, и метод «Шанг», разработанный Д. Фордом. В первом из этих методов на второй и последующих итерациях используются оценки экспертов, которые они дали на предыдущей итерации. Во втором методе используется итеративная процедура, в ходе которой каждый эксперт на очередной итерации высказывается по поводу новой оценки рассматриваемого объекта.

Для выявления объективизированного представления о перспективах развития области науки или техники на основе систематизированной обработки прогнозных оценок репрезентативной группы экспертов используется метод эвристического прогнозирования, разработанный В.А. Лисичкиным. Назначение метода эвристического прогнозирования — выявление объективизированного представления о перспективах развития области науки или техники на основе систематизированной обработки прогнозных оценок репрезентативной группы экспертов. Область применения метода эвристического прогнозирования — научно-технические объекты и проблемы, анализ развития которых либо полностью, либо частично не поддается формализации, т.е. для которых трудно разрабатывать адекватную модель.

В основу этого метода положено три теоретических допущения: 1) осуществление у эксперта психологической установки на будущее, сформулированной на основе профессионального опыта и интуиции и возможности ее экстериоризации; 2) тождественность процесса эвристического прогнозирования и процесса решения научной проблемы и однотипность получаемого знания в форме эвристических правдоподобных умозаключений, требующих верификации; 3) возможность адекватного отображения тенденции развития объекта в виде системы прогнозных моделей, синтезируемых из прогнозных экспертных оценок.

Непосредственная область применения метода эвристического прогнозирования — разработка прогнозов научно-технического развития различных отраслей промышленности.

Еще одним методом, создающим благоприятные условия для проявления творческих интуитивных возможностей исследователя, является синектика, созданная У. Гордоном. В этом методе, наряду с интуитивными возможностями, исследователь использует и специальные операционные процессы — применяет разного вида аналогии.

Вся сила мозгового штурма — в запрете на критику на этапе генерирования идей. Но в этом и его слабость: для развития и видоизменения идеи нужно выяснить ее недостатки, т.е. нужна критика. Гордон преодолел это противоречие путем формирования более или менее постоянных групп. Постоянные профессиональные группы вообще имеют много преимуществ. Постепенно от штурма к штурму накапливается опыт решения задач. Гордону удалось смягчить и другое противоречие: он сумел несколько упорядочить процесс решения задачи, сохранив стихийность, присущую мозговому штурму. Руководитель синектической группы направляет процесс решения, призывая к поочередному использованию аналогий: это стимулирует генерирование идей и не стесняет свободы поиска.

Наше допущение о том, что индивидуальные образы-знаки и конденсация вносят существенный вклад в подготовку интуитивного решения, делает понятными попытки активизировать творческий потенциал человека в синектике. Здесь перед группой ставится цель — сформулировать новую идею или принцип оригинального устройства. Допустим, нужна идея принципиально нового землеройного механизма. Синекторам показывают кадры из фильма о кротах. После того как они уловят принцип проходить сквозь землю, используемый кротом, их побуждают представить себя кротом, прокладывающим себе дорогу под землей. Затем, получив соответствующую информацию, предлагают ощутить себя землеройкой, буравящей грунт иным образом, затем — земляным червем с присущими ему приемами «ввинчиваться» в землю и т. д. Такое блуждание в пределах задачи способствует трансформации наличного обобщенного индивидуального чувственно-двигательного образа — сенсомоторной схемы прохождения сквозь землю. В дальнейшем этот образ может быть расшифрован сознанием в виде идеи нового принципа.

Для решения комплексных социально-технических задач используется интегральный метод «Метра», разработанный под руководством французского исследователя И. Бувена. Этот метод включает элементы мозгового штурма, синектики, морфологических матриц Моля, элементы активизации свободных ассоциаций, объединенных в аналоговую методику «Метра».

Все вышеизложенные методы обладают большим потенциалом, в то же время при реализации на практике они дают, наряду с плодотворными идеями, множество абсурдных, тривиальных или просто «пустых» вариантов. При этом исследователь, спонтанно генерируя новые идеи, руководствуется, как правило, только личным опытом. Кроме того, метод «мозговых атак» в классическом виде обладает следующим рядом недостатков: низкий коэффициент использования времени «мозговой атаки», спонтанный и стихийный характер процесса генерации идей. Именно для преодоления этих недостатков В.А. Лисичкиным была разработана управляемая система генерации идей. Управление генерацией происходит путем интеллектуального воздействия на генераторов идей в определенные моменты времени заранее сформированными управляющими сигналами.

Несмотря на определенную сложность процедур данного метода, центральным моментом в управляемой системе генерации прогностических идей является производство группой экспертов-исследователей новых идей (новых решений) на основе интуитивного мышления. Специальные же процедуры (формирование семантической модели противоречия и дефектной ведомости в ходе анализа проблемной ситуации; корректная формулировка проблемы и управление усилителями и подавителями ходом процесса коллективной генерации идей посредством воздействия на генераторов идей заранее подготовленными высказываниями, стимулирующими или подавляющими развитие интуитивного предположения и др.) направлены, прежде всего, на повышение коэффициента использования времени «мозговой атаки», на снижение уровня информационного шума, создаваемого абсурдными, тривиальными или «пустыми» идеями, поучаемыми при использовании обычного метода коллективной генерации идей (метода мозгового штурма).

Часто разработчику новых идей не хватает информации. Именно для обеспечения поиска разработчиком решения изобретательских задач при дефиците информации, т. е. при невозможности использовать логические средства, и был создан Г. Я. Бушем метод гирлянд ассоциаций и метафор. В этом случае одним из средств служит использование цепочек (гирлянд) ассоциаций и метафор, что позволяет совершить переход в новую область знаний, интерпретировать по-новому ранее разрабатываемые идеи.

Отбор наилучшего варианта из вариантов новых идей после их генерации с использованием метода гирлянд ассоциаций и метафор осуществляют разными способами. Весьма простыми и эффективными являются способы экспертных оценок, отмеченные выше.

Сузить «поисковое поле» и отбросить множество «пустых» вариантов при научно-техническом творчестве позволяет разработанная Г.С. Альтшуллером теория решения изобретательских задач (ТРИЗ). Эта теория принципиально меняет «технологию производства» новых идей: не поиски на ощупь, а планомерные мыслительные действия, основанные на знании законов развития исследуемых явлений и учете приемов решения задач другими исследователями. Исходя из законов развития технических систем и отобрав наиболее эффективные приемы устранения технических и физических противоречий, Г.С. Альтшуллер построил алгоритм решения изобретательских задач (АРИЗ), позволяющий без перебора вариантов сводить «сложные» задачи к более «простым». Эта программа содержит специальные операторы, позволяющие по определенным правилам выявлять физическое противоречие (по Альтшуллеру – физическое противоречие – это когда к одной и той же части системы предъявляют взаимнопротивоположные требования); информационный фонд, включающий изобретательские приемы, использующиеся для решения определенного типа задач и для преодоления содержащегося в них физического противоречия; средства управления психологическими факторами, прежде всего средства активизации интуитивного потенциала, воображения и средства преодоления психологической инерции.

Большим достоинством ТРИЗ является ее инструментальность. В рамках этой теории создан инструмент решения изобретательских задач — АРИЗ, который представляет собой программу изобретательской деятельности, позволяющую без особых усилий сводить «сложные» задачи к более «простым». Инструментальность теории Альтшуллера позволила разработать компьютерную версию — «изобретающую машину», значительно облегчающую применение АРИЗ при решении изобретательских задач. В то же время оборотной стороной ярко выраженной инструментальности ТРИЗ является ее жесткость.

У ТРИЗ и АРИЗ имеются следующие недостатки.

Практика применения АРИЗ показала, что для большинства изобретательских задач, разобранных с помощью АРИЗ, после выявления физического противоречия выход на конкретную идею решения с помощью предусмотренных в АРИЗ операторов был вовсе не очевиден и представлял существенные трудности. Попыткой преодоления этих трудностей было создание специальной таблицы физических эффектов, которая должна была упростить переход от выявленного в результате применения АРИЗ физического противоречия к конкретному решению. Однако приведенные в этой таблице критерии выбора нужного физического эффекта не стыковались с выявленным в ходе анализа физического противоречия. В результате таблица физических эффектов существовала как бы сама по себе, в отрыве от АРИЗ, и ее применение сводилось к поочередному просмотру описанных в ней физических эффектов. В этом смысле таблица физических эффектов своей задачи так и не выполнила. К сожалению, проблема нестыковки АРИЗ и таблицы физических эффектов так и не была окончательно решена, хотя такое решение могло существенно повысить эффективность АРИЗ.

Что касается таблицы применения типовых приемов, отражающей коллективный опыт огромного числа изобретателей, то она имеет ограниченный запас прогностической прочности. Указывалось, что рекомендуемые этой таблицей приемы не устареют в ближайшие 10-15 лет. В то же время, с момента выпуска последней редакции таблицы прошло более 20-ти лет. Естественно, что многие приемы, выявленные статистическим путем, сегодня устарели и утратили свою актуальность. Тем не менее, сам подход к созданию такой таблицы был весьма перспективен.

На первый взгляд может показаться, что все методы усовершенствования интуитивного мышления не имеют отношения к интуиции, что они просто заставляют человека работать по аналогии компьютера, заменяя потенциал последнего количеством участвующих людей и т.д. Автор диссертации показывает, что на самом деле это не так. Все эти методы – это способы открытия новых идей на основе творческого мышления в процессе рассмотрения отдельных явлений с различных точек зрения. В каждом из этих методов эксперт-исследователь решает проблему (задачу), опираясь на опыт и интуицию. Компьютер перебирает варианты, выбирая из них нужный вариант на основе формальных критериев. Но в данных методах формальные критерии отсутствуют. Прежде всего, метод мозгового штурма (коллективной генерации идей), метод мозговой осады, метод Дельфи, метод Дельфи II, Дельфи-конференция, метод эвристического прогнозирования, синектика, метод качественной обработки связи, метод «Шанг», интегральный метод «Метра», управляемая система генерации прогностических идей направлены на создание благоприятной среды (атмосферы) для проявления интуитивных возможностей эксперта-исследователя. Для этого используются специальные операции – разделение этапов генерирования и анализа идей; особая программа последовательных индивидуальных опросов в письменном виде (с применением специальных анкет); представление объекта прогноза в виде графа и др. Никакая группа экспертов не сравнится с компьютером в скорости вычислений. Однако именно вышеприведенные методы позволяют решать следующие слабоструктурированные и неструктурированные проблемы (задачи):

- выявлять скачкообразные этапы в развитии объекта;

- определять альтернативное развитие процесса;

- выбирать инструментарий для производства конкретного прогноза в условиях большой неопределенности исходных данных;

- определять качественные стороны развития объекта;

- составлять сценарий, в особенности качественных сторон развития объекта;

- прогнозировать развитие объектов, анализ развития которых либо полностью, либо частично не поддается формализации;

- выявлять объективизированное представление о перспективах развития области науки или техники на основе обработки прогнозных оценок репрезентативной группы экспертов;

- осуществлять синтез объекта прогноза, предусматривающим составление многопараметрической модели объекта;

- обеспечивать поиск разработчиком решения изобретательских задач при дефиците информации, т. е. при невозможности использовать логические средства;

- комплексные социально-технические задачи.

Эти проблемы (задачи) компьютер не может решить, поскольку в них имеются качественные и неопределенные элементы.

С одной стороны, все рассмотренные выше методы содержат субъективные моменты, их эффективность зависит от мастерства исследователя и изобретателя. С другой стороны, при правильном употреблении они образуют схему, по которой могут более эффективно использоваться творческие способности.

Третья глава «Модели и интуитивно-эвристические компоненты в процессе разработки прогноза» посвящена анализу соотношения моделирования и интуитивно-эвристических компонентов в процессе разработки прогноза.

Для анализа соотношения моделирования и интуитивно-эвристических компонентов в прогнозировании в целом, необходимо выявить характер этого соотношения сначала на различных этапах разработки прогноза. Поэтому в первом параграфе третьей главы «Научный прогноз и стадии его разработки» автор диссертации рассматривает специфику научного прогноза и стадии, этапы полного цикла его разработки.

Научный прогноз – это научно-обоснованная информация о возможных состояниях объекта в будущем, об альтернативных путях и сроках их осуществления, а также о совокупности событий, обеспечивающих достижение поставленных целей в будущем оптимальным образом.

В ходе рассмотрения этапов процесса разработки научного прогноза автором диссертации было установлено, что наиболее важными из них являются анализ объекта прогноза, определение факторов, влияющих на его функционирование и развитие, создание гипотетической параметрической модели объекта прогноза и ее анализ.

Основным и наиболее важным этапом процесса разработки поискового прогноза является этап создания параметрической модели объекта прогноза, который специально исследуется во втором параграфе третьей главы «Модели и интуитивные допущения в поисковом прогнозировании».

Такими моделями, как правило, служат эмпирические формулы или вскрытые закономерности в поведении объекта, выраженные в математической форме (математические модели). Стандартная технология построения модели и работы с ней состоит из следующих взаимосвязанных и нередко перекрывающих по времени фаз:

1) анализ динамики моделируемого процесса с учетом исследуемой проблемы;

2) составление (изобретение) модели;

3)проведение компьютерного имитационного эксперимента;

4) обработка, интерпретация входных и выходных данных и анализ модели;

5)коррекция (модификация в случае необходимости) модели.

На 1-ой фазе осуществляется формализация исходных данных, выбираются существенные факторы (переменные) для построения модели. Выбор этих факторов отражается на структуризации модели и, что наиболее важно, на конечном результате компьютерного экспериментирования с моделью, выполняемого с целью установления будущих свойств, связей и параметров элементов прогнозируемого объекта.

При анализе моделируемого процесса и выборе существенных факторов для построения модели исследователь-прогнозист часто сталкивается с огромным массивом экспериментальных и наблюденных данных (с десятками и более параметров). Непосредственный, «визуальный» анализ такого количества данных затруднен. На помощь здесь «приходит» многомерный статистический анализ и, в частности, такой его раздел как факторный анализ, многие процедуры которого математически алгоритмизированы. В основе различных моделей факторного анализа лежит следующая интуитивная гипотеза: наблюдаемые или измеряемые параметры являются косвенными характеристиками изучаемого объекта или явления, в действительности существуют внутренние (скрытые, не наблюдаемые непосредственно) параметры или свойства, число которых мало и которые определяют значения наблюдаемых параметров. Именно эти внутренние параметры принято называть факторами. Задача факторного анализа – представить наблюдаемые параметры в виде линейных комбинаций факторов и некоторых дополнительных, «несущественных» величин – «помех». Важно отметить, что задачи факторного анализа являются неопределенными в том смысле, что для заданного набора параметров и коэффициентов корреляции между ними коэффициенты факторного отображения могут быть вычислены неоднозначно. Другими словами, может быть найдено бесконечное число ортогональных независимых систем факторов, адекватно описывающих выборочные коэффициенты корреляции. Неопределенность модели, т.е. неоднозначность факторных нагрузок, имеет своей причиной то обстоятельство, что факторное решение, определяя k-мерное пространство, содержащее общие факторы, при k>l не определяет базиса в этом пространстве, а следовательно не определяет положения факторов в нем. С этой неопределенностью приходится сталкиваться дважды: на первом этапе, при поиске какого-либо решения, удовлетворяющего модели в статистическом смысле, и на втором этапе, при придании этому решению вида, наиболее удобного с точки зрения интерпретации. И на первом и на втором этапах неизбежно «вступает в игру» интуитивный опыт исследователя.

Решающее значение при выборе того или иного фактора в том случае, когда при статистических вычислениях получают одинаковые остаточную дисперсию и коэффициенты факторного отображения, имеют интуитивные представления о важности этих факторов. В любой науке наблюдаемое явление может быть описано многими не противоречащими друг другу способами. Одним из простейших примеров может служить задача геометрического исследования небольшого участка земли. Здесь можно воспользоваться двумя математическими теориями: плоскостной и сферической тригонометриями. Конфигурация объекта на плоскости также может быть исследована с точки зрения эвклидовой геометрии и неэвклидовых геометрий. Таким образом, в теоретическом основании прикладной геометрии лежит возможность альтернативы. Выбор конкретного способа интерпретации осуществляет исследователь, используя свой интуитивный опыт и сообразуясь с целями работы. Подобная ситуация наблюдается и в факторном анализе. После того как факторное решение, достаточно хорошо описывающее выборку, найдено, система факторов неизбежно подвергается такому «вращению», чтобы полученная в итоге система (столь же хорошо описывающая выборку, что и исходная) оказалась более интерпретируемой с точки зрения специалистов соответствующей области. Таким образом, даже при использовании статистических эмпирических данных (их дает практическое изучение влияния отдельных факторов на искомый результат методами корреляции, коэффициентов факторного отображения и т.п.), когда в действительности имеется огромное число факторов (со сложными корреляциями и взаимовлиянием), полностью избавиться от интуитивного элемента не удается.

Таким образом, интуитивные суждения «вступают в игру» уже на этапе формализации исходных данных, в частности, при выборе существенных факторов для построения модели.

На 2-ой фазе, при составлении модели требуется прежде всего неформальный интуитивный момент, поскольку составление модели прогнозируемого объекта – это изобретение нового, а единственный метод, который может помочь выйти за пределы уже известного – «интуиция» (Луи Де Бройль). Автор диссертации показывает, что именно интуитивное видение моделируемого процесса, возникающее на основе неформальных, интуитивных аналогий, придает экспериментальным данным содержательный смысл, помогает «изобретению» математической модели. Для иллюстрации выше сказанного в диссертации приводится пример построения П.С.Краснощековым и А.А.Петровым математический модели (формулы) для темпа продвижения сторон (противников) на линии контакта в условиях военного конфликта, использованной для прогнозирования в военно-технической сфере. В ходе анализа динамики продвижения противников на линии контакта (моделировалась только физическая сторона данного процесса) были неоднократные попытки апроксимации экспериментальных данных различного рода зависимостями. Однако, для того, чтобы найти наиболее точную и обоснованную форму математического выражения моделируемого процесса, Краснощеков и Петров «приняли на вооружение» простую схему процесса, опирающуюся на интуитивную аналогию с процессами горения на границе двух сред. Очевидно, что при этом модель выполняет эвристическую роль в раскрытии интуитивных допущений.

В прикладной математике в качестве критериев внешнего оправдания и внутреннего совершенства модели выступают требования (критерии) адекватности и простоты. Под требованием адекватности модели изучаемому реальному объекту относительно выбранной системы его характеристик понимается: а) правильное качественное описание объекта по выбранным характеристикам (например, в итоге изучения модели мы делаем правильный вывод об устойчивости движения реального объекта); б) правильное количественное описание объекта по выбранным характеристикам с некоторой разумной степенью точности. Согласно требованию достаточной простоты модели по отношению к выбранной системе ее характеристик она (модель) должна быть такой, чтобы современные математические средства исследования (в частности вычислительные) давали возможность провести с разумной точностью анализ выбранных характеристик, С точки зрения требования адекватности сложные модели предпочтительнее простых, поскольку, применяя сложную модель, можно учесть большее число факторов, которые могут влиять на исследуемые характеристики. В тоже время стремление привлечь как можно больше факторов (параметров), характеризующих моделируемый объект, может привести к громоздким, порой необозримым системам уравнений, не поддающимся изучению. Другими словами, должно быть найдено оптимальное компромиссное решение между простотой и адекватностью (в этом суть так называемой оптимизации модели). Эта оптимизация достигается при помощи метода перебора моделей, который заключается в следующем.

С начала задания, включая многочисленные наложенные требования и ограничения, должны быть сформулированы на математическом языке. После этого придумывается возможная модель исследуемого объекта (это соответствует 2-ой вышеуказанной фазе процесса построения модели). Далее с помощью компьютера выясняют, в какой мере такая модель удовлетворяет поставленным, содержащимся в задании условиям (такой мерой может быть например, среднеквадратичное отклонение от заданных условий). Этот шаг соответствует 3 и 4 вышеуказанным фазам проведения машинного (компьютерного) имитационного эксперимента и анализа модели. Обычно первый результат неудовлетворителен или, во всяком случае, нет уверенности, что он оптимален. Тогда модель модифицируется (5-ая фаза построения модели), снова математически испытывается и эта процедура повторяется многократно. Наконец наступает момент, когда модель признается оптимальной. Количественная проверка пригодности перепоручается компьютеру. Придумывание же, изобретение моделей требует, как мы видели на примере построения П.С.Краснощековым и А.А.Петровым математической модели для темпа продвижения сторон (противников) на линии контакта в условиях военного конфликта, интуитивной догадки. И само признание результата окончательным, оптимальным включает неформальную оценку, интуитивное суждение о достаточности проверки.

Таким образом, схематическая формула (ЭИТС), полученная нами в параграфе 1.1., справедлива и для поискового прогнозирования. Ведь реальный пятифазный процесс построения модели объекта поискового прогноза аналогичен этой схематической формуле, выражающей необходимость интуиции для процесса модификации наличного знания в условиях появления новых исходных, эмпирических данных, требования семантической оптимизации знания, заключения о достаточности проверки. В самом деле, вначале прогнозист имеет дело с исходными, эмпирическими данными. Затем им осуществляется формализация этих данных, выбираются с использованием интуиции существенные факторы (переменные) для построения модели. Далее следует этап создания гипотетической параметрической модели прогнозируемого объекта. На этом этапе требуется неформальный интуитивный момент. После этого проводится компьютерный имитационный эксперимент с моделью. Потом производится обработка выходных данных и анализ модели. Проверка модели включает интуитивное суждение о достаточности проверки.

Одним из традиционных требований, которые предъявляются к математической модели, является требование замкнутости. Под замкнутостью математической модели объекта подразумевается замкнутая система конечных уравнений (число независимых уравнений должно быть равно числу искомых величин), в рамках которой состояние объекта в любой момент времени можно определить по начальному состоянию. Причем все величины, входящие в эту систему уравнений, должны определяться либо в рамках модели, либо задаваться начальными условиями. Как показывает практика математического моделирования сложных процессов [116, 118; 120], наши средства анализа и знания окружающего мира недостаточны для того, чтобы полностью описать происходящее в нем на языке математики. Да и вряд ли когда-либо удастся осуществить такое полное математическое описание, ибо язык математики, как и любой другой язык не является универсальным. Вследствие этого, модели часто не бывают замкнутыми, т.е. системы уравнений содержат величины, которые не определяются в рамках моделей и не задаются начальными условиями. Эти величины, как правило, подбираются и задаются экспертами, использующими свой интуитивный опыт. Реализуется это методами индивидуальных и коллективных экспертных оценок (методом коллективной генерации идей, методом мозговой осады, методом Дельфи и его модификациями, методом эвристического прогнозирования, синектикой, методом качественной обработки связи, методом «Шанг», интегральным методом «Метра» и другими методами усовершенствования интуитивного мышления).

Таким образом, в поисковом прогнозировании интуиция (интуитивные допущения и гипотезы) необходима в процессе разработки прогноза на следующих этапах:

– на этапе формализации исходных данных – при анализе объекта прогноза и выборе существенных факторов для построения параметрической модели этого объекта;

– на этапе создания параметрической модели объекта прогноза.

Формальные, математические процедуры необходимы в поисковом прогнозировании при проведении компьютерного эксперимента с моделью объекта прогноза.

Важно иметь ввиду, что модель объекта прогноза «строится» исследователем. «Математическая модель, – подчеркивает Н. Н. Моисеев, – начинается с того момента, когда формулируется система аксиом, описывающих не только сам объект, но и некоторую алгебру, т.е. совокупность правил, определяющих допустимые операции над объектом» [Моисеев Н.Н. Человек, среда, общество. Проблемы формального описания. М., 1982, с. 19]. Выбор и формулирование этих аксиом осуществляется исследователем, использующим свой интуитивный опыт. Какие бы математические процедуры не использовались в процессе конструирования параметрической модели объекта прогноза, полностью изгнать неформальный, интуитивный элемент из этого процесса не удается. Интуитивные суждения и догадки присутствуют в модели объекта прогноза, но не всегда они четко определены. Они присутствуют, когда человек конструирует модель, т.е. решает, какие факторы влияют на исследуемый объект и какова должна быть взаимосвязь между этими факторами в модели; когда человек, использующий модель, решает, какие численные значения приписать входным параметрам, вводимым в модель; и когда человек интерпретирует и проверяет результаты, т.е. выходные параметры модели. А именно, интуитивные суждения присутствуют уже на этапе формализации исходных положений. Выбор существенных факторов для построения модели связан с актом интуиции. Даже при использовании статистических эмпирических данных, когда реально имеется огромное число факторов со сложным взаимовлиянием, полностью избавиться от интуитивного элемента не удается. Далее последовательное решение этой проблемы требует формализации факторов, не несущих в себе числовой меры. Это тоже чисто интуитивное действие. Наконец при выборе решения (модели) нельзя уклониться от интуитивной оценки комплекса неформализуемых особенностей объекта прогноза.

Идея о том, что для любых систем и прогностических проблем возможно построение надежных и объективных математических параметрических моделей, неверна. Такой подход неверен для систем, обладающих «свободой поведения», систем, включающих в себя коллективы людей. Даже постоянное наблюдение часто не может гарантировать надежность и объективность моделей для системы, обладающей «свободой поведения». Для моделей многих систем, включающих в себя людей, характерны следующие явления: отсутствие четких структурных связей, не всегда имеется возможность точно отобразить эти связи в количественном виде, отсутствие повторяемости при повторных экспериментах (если таковые вообще возможны). Кроме того для многих переменных систем, включающих в себя коллективы людей, нет эталонов, т. е. нет общепринятого количественного измерителя переменных. Именно в слабоструктурированных и неструктурированных прогностических проблемах мы сталкиваемся с огромным числом переменных, для которых нет точных способов количественного измерения. А так как необходимость получения каких-то выводов довлеет над исследователем, то он дополняет модель своими интуитивными гипотезами и облекает свои качественные догадки в количественную форму. Тем самым модели вышеуказанных систем, как показывает автор диссертации, это субъективные модели с качественными оценками. В данной ситуации, при измерениях исследователь вынужден использовать количественные, балльные шкалы. При таких измерениях каждый эксперт сам на основе своего опыта и интуиции определяет свой стандарт качества (эталон), сам соотносит баллы и качественные понятия.

Когда же очередь доходит до интерпретации результатов по существу, допущения, которые легли в основу модели, легко забываются. Модель включает в себя интуитивные допущения и гипотезы. Это надо помнить, когда изучаются обладающие «высокой точностью» результаты на выходе модели — выходные данные. Мы должны обращаться к исходным интуитивным допущениям, когда пытаемся интерпретировать эти результаты, полученные при помощи компьютерного эксперимента с моделью объекта прогноза. Математические процедуры и компьютеры являются необходимым компонентом в моделировании сложных прогнозируемых объектов, однако, в целом, они служат прежде всего для ускорения процесса, посредством которого мы раскрываем значение наших интуитивных допущений и гипотез.

Там, где это возможно, необходимо строить надежные и объективные модели. Но нужно строить и субъективные модели с качественными оценками; часто они являются единственным средством анализа слабоструктурированных и неструктурированных прогностических проблем.

Третий параграф третьей главы «Моделирование и интуитивно-эвристические компоненты в нормативном прогнозировании» посвящен анализу соотношения моделей и интуитивно-эвристических компонентов при разработке нормативного прогноза. Здесь доказывается, что исследовательский процесс при разработке нормативного прогноза характеризуется взаимодополнительностью моделирования, математических процедур и интуитивно-эвристических компонентов (интуитивных экспертных оценок).

В нормативном прогнозировании интуитивно-эвристические компоненты (интуитивные суждения) необходимы на следующих этапах.

А). При построении «дерева целей», используемого в нормативном прогнозировании для моделирования процесса достижения цели. Построение структуры и оценка каждого элемента «дерева целей» осуществляются экспертами, использующими свой опыт и интуицию. Эксперт должен определить условия, при которых может быть реализована его оценка. Для этого используются как индивидуальные экспертные оценки, так и коллективные, выработанные при помощи коллективной генерации идей, метода Дельфи и его модификаций, метода эвристического прогнозирования, метода качественной обработки связи, метода «Шанг», интегрального метода «Метра» и других методов усовершенствования интуитивного мышления. В частности, применение метода Дельфи и его модификаций необходимо при формулировании целей (задач) на всех уровнях (здесь имеет значение согласие во мнениях) и при выработке согласованных критериев для определения численных оценок элементов всех уровней «дерева целей».

Б). При определении численных весовых коэффициентов каждого элемента «дерева целей». Так, применение метода Дельфи и его модификаций необходимо при выработке экспертами согласованных критериев для определения численных оценок элементов всех уровней «дерева целей».

В) При учете взаимозависимых факторов, оказывающих влияние на достижение поставленных целей. Учет степени этого влияния производится с помощью матричного метода прогнозирования. Для практического использования этого метода нужна оценка важности элементов комплекса целей и вклада элементов одного комплекса в развитие другого. Эта информация получается при помощи интуитивных экспертных оценок. Оценка производится экспертами по балльной шкале. Баллы назначаются экспертами на основе своего опыта и интуиции.

Г). При выявлении альтернативных путей достижения целей в условиях неопределенности, обусловленной наличием факторов, не поддающихся строгой количественной оценке. В этих условиях привлекаются методы системного анализа, позволяющего рассматривать всю проблему достижения целей, как единую систему. Центральной процедурой в системном анализе является построение обобщенной модели реальной ситуации, соответствующей поставленной цели и отображающей факторы и взаимосвязи, которые могут проявляться в процессе реализации (осуществления) этой цели. Полученная модель используется с целью выяснения близости результата применения того или иного из альтернативных вариантов желаемой (поставленной) цели. Системный анализ опирается на ряд формальных, математических средств. В то же время для непосредственной оценки качественных аспектов проблемы и факторов, неподдающихся строгой количественной оценке, используются экспертные интуитивные суждения. Как пишет один из создателей системного анализа Э. Квейд [Квейд Э. Методы системного анализа // Новое в теории и практике управления производством в США. М.,1971, с.81], «... достоинство системного анализа состоит в том, что он позволяет систематически и эффективно сочетать суждения и интуицию экспертов в соответствующих областях». Суждения и интуиция используются, когда конструируется обобщенная модель ситуации, выполняющая эвристическую роль в раскрытии интуитивных допущений, когда решаются вопросы о том, какие альтернативы рассматривать, какие факторы являются существенными, каковы взаимосвязи между этими факторами, какой критерий выбрать, а также при интерпретации результатов системного анализа.

Д). При выборе критериев оценки альтернативных путей достижения целей.

Е). Интуитивные экспертные оценки также незаменимы при выборе оптимального пути достижения заданной цели в случае, если целевую функцию не удалось сформулировать на математическом языке. Здесь незаменимым инструментом выступает метод Дельфи, его модификации и интегральный метод «Метра», поскольку имеет значение согласие во мнениях.

Математические процедуры необходимы при анализе огромного числа взаимозависимых факторов, оказывающих влияние на достижение поставленных целей; для расчета вероятности времени наступления событий, являющихся условиями реализации поставленных целей.

Итак, схематическая формула (ЭИТС), полученная нами в параграфе 1.1., справедлива и для нормативного прогнозирования. Ибо реальный исследовательский процесс при разработке нормативного прогноза аналогичен этой схеме, выражающей процесс модификации наличного знания в условиях появления новых исходных, эмпирических данных, требования семантической оптимизации знания, заключения о достаточности проверки.

В четвертой главе «Творческая интуиция и нетрадиционная методология моделирования в прогностике и принятии решений» рассматривается соотношение интуитивно-эвристических компонентов и нетрадиционной методологии моделирования в прогностике и в принятии решений.

В первом параграфе четвертой главы «Нетрадиционная синергетическая методология в прогностике: pro et contra» мы не выступаем против науки и синергетики как дисциплины, находящейся в стадии становления, а показываем те трудности, противоречия и недостатки, которые сегодня имеются у нетрадиционной синергетической методологии. Кроме того, в этом параграфе даются ответы на следующие вопросы.

В какой мере обоснован перенос закономерностей, присущих открытым системам термодинамики на творчество человека и на человеческое прогнозирование? Что этот перенос дает для понимания своеобразия человеческого прогнозирования? Верна ли синергетическая интерпретация результатов физических и химических исследований, которые служат фундаментом синергетических представлений? Заменит ли нетрадиционная синергетическая методология, открывшая «эпоху бифуркаций» (Э. Ласло), человеческую интуицию в прогнозировании?

Синергетика как дисциплина находится в стадии становления – уточнения исходных понятий. Нуждаются в понятийной ясности определения хаоса и порядка, причин самоорганизации. Сегодня эти понятия имеют весьма неопределенный характер, т.е. категориальная основа самой синергетики еще не определена с достаточной ясностью.

В ходе проведенного в этом параграфе анализа были выявлены следующие трудности, противоречия и недостатки, которые сегодня имеются у нетрадиционной синергетической методологии.

А). Та ситуация, с которой столкнулась сегодня синергетика – это ситуация, когда чем больше простота и шире область приложений, тем меньше точность и конкретность.

Б). Любимый образ синергетики — это фрактальные структуры, у которых с изменением масштаба описание строится по одному и тому же правилу, возможно с небольшими вариациями. Но реальность устроена иначе. В физике, в биологии при переходе с одного уровня на другой уровень меняются закономерности, модели и способы описания. Исследования показывают, что открытым остается принципиальный вопрос, в какой мере синергетике удастся помочь в описании этой структурной неоднородности и разных «межуровневых» явлений.

В). В современной синергетике наличествует следующая противоречивая ситуация. С одной стороны, синергетика изучает открытые системы. С другой стороны, при синергетической интерпретации результатов физических и химических исследований открытых систем, эти системы фактически рассматриваются как замкнутые системы, поскольку при этом элиминируется внешнее упорядоченное воздействие. В тоже время, среди рассматриваемых физиками и химиками объектов на самом деле нет ни одного, который можно было бы считать полностью изолированным от внешних воздействий, т. е. замкнутой системой. Но замкнутые системы – это абстракции. В действительности источником порядка является внешнее упорядоченное воздействие, т. е. незамкнутость системы.

Г). Примеры, на которые опираются представители синергетики для своих построений, не являются убедительными. В этих примерах либо элиминируется внешнее упорядоченное воздействие на систему, либо сравнение производится на разных уровнях описания.

Д). Попытки переноса основных тезисов синергетики («хаос порождает порядок» и «система сама по себе выбирает ветвь развития») на человеческое творчество и человеческое прогнозирование, на наш взгляд, являются непродуктивными и мало убедительными. Приложения синергетики к проблемам творчества и проблемам прогнозирования дают лишь поверхностные аналогии.

Е). Интерпретация изучаемого явления с позиции синергетики не продвигает исследователя в решении проблем ни на шаг без реального наполнения позитивным содержанием.

Ж). Современные синергетические методологи прогнозирования, вульгаризируют, по сути, само понятие научного прогнозирования, уравнивая его с понятием футурологии и с понятием исследование будущего.

З). На первый план в прогнозировании современные синергетики выносят не сам прогноз будущего, а создание будущего. Однако для того, чтобы создавать это будущее, надо прежде принять решение о его создании. А для этого в свою очередь лицо, принимающее решение, должно иметь прогноз этого будущего, как прогноз о будущих состояниях объекта прогноза (поисковый прогноз), так и прогноз о наиболее оптимальных путях создания этого будущего (нормативный прогноз).

И). Синергетическая методология не отменяет и не заменяет ни поисковое, ни нормативное прогнозирование. Сегодня синергетика может претендовать лишь на роль одного из методов поискового прогнозирования. Хотя и здесь возникают принципиальные трудности, ведь, по свидетельству синергетиков, «будущие состояния сложных систем ускользают от нашего контроля и предсказания».

К). В современной синергетической методологии прогнозирования имеется следующее противоречие. Как утверждают сторонники этой методологии, если стоять на синергетической платформе, то можно понять не только принципиальные пределы предсказуемости, но и увидеть элементы неограниченно отдаленного будущего. Однако если имеются принципиальные пределы предсказуемости, то тогда увидеть неограниченно отдаленное будущее (пусть даже элементы этого неограниченно отдаленного будущего) сегодня мы не можем. Но если мы можем сегодня увидеть неограниченно отдаленное будущее, то тогда нет никаких принципиальных пределов предсказуемости.

Поскольку строить хорошие предсказывающие компьютерные системы во всем многомерном фазовом пространстве «на общих основаниях» не удается, то человеческая интуиция оказывается исключительно важной и необходимой вещью в прогнозировании.

Даже если синергетическая методология докажет свою состоятельность в прогнозировании, творческая интуиция человека останется необходимой компонентой процесса прогнозирования. Не случайно, адепты этой методологии, указывают на то, что сегодняшняя человеческая деятельность должна строиться с сознательной или неосознаваемой, интуитивной ориентацией на одну из возможных и осуществимых в данной социальной среде структур-аттракторов развития. Ведь, как утверждают они же, человек играет решающую роль в выборе наиболее благоприятной будущей структуры, одной из спектра возможных структур-аттракторов.

С возрастанием сложности прогностических проблем их все труднее сводить к чисто математическим задачам, а интуитивные методы в данной ситуации недостаточно эффективны, поскольку человек не в состоянии усвоить и тем более проанализировать огромные массивы исходных данных о сложных объектах прогноза. Как показывается во втором параграфе четвертой главы «Модели и интуитивно-эвристические компоненты в современном прогнозировании: альтернатива или интеграция», выход из этого трудного положения – в интеграции техники формального анализа, компьютерной переработки (обработки) информации с помощью моделей, математических методов и интуитивной сферы человеческого мышления. На практике это объединение реализовано в «имитационных системах», представляющих собой сочетание вычислительных и логических возможностей компьютера с интеллектом человека и с совокупностью всех технических средств, которые делают это сочетание эффективным средством решения сложнейших проблем.

Основой имитационной системы является модельное представление объекта прогноза в вычислительном комплексе. При этом имитационные системы, нацеленные на исследование сложных крупномасштабных объектов прогноза, отличает активное участие человека в моделировании и проведении имитационного математического эксперимента, что дает возможность сочетать быстроту вычислений, присущих компьютеру, с интуитивным анализом ситуаций, возникающих в процессе моделирования, и принятием решений, производимых экспертом или исследователем.

К результатам же имитационного компьютерного моделирования в современной науке, и, в частности в нанонауке, надо подходить критически и весьма осторожно. Во-первых, в научных исследованиях возможны ошибки или неверная интерпретация имеющихся входных и выходных данных. В-вторых, нельзя принимать результат компьютерной визуальной имитации, как картину, фотографически отображающую действительность. То, что мы видим на экране дисплея, это то, что уже опосредовано определенной теорией (на основе этой теории построена соответствующая приборная ситуация) и ее математическими аппаратом, находящимся в программе имитационного моделирования. Кроме, того предметы атомарного и субатомарного уровней не являются независимыми от наблюдателя «вещами», ведь, согласно квантово-механическим представлениям, невозможно отделить действия субъекта от исследуемого в эксперименте объекта (объект измерения не может рассматриваться отдельно от этих действий). Однако то, что происходит в процессе измерения на основе квантово-механических принципов, при получении изображения теряется. Это же относится и к сфере наноявлений. Надо иметь в виду, что получаемое в результате многократных компьютерных преобразований визуализированное изображение нанообъектов – это имитационная модель, требующая соответствующей интерпретации.

Что касается научного прогнозирования в целом, то здесь решение проблемы соотношения интуитивно-эвристических компонентов и математического моделирования видится нами в создании нетрадиционной постоянно действующей системы прогнозирования.

Эта система, которая разрабатывает прогнозы сложных объектов на основе оптимального сочетания совокупности прогнозных методов. Такая прогнозирующая система по существу представляет собой интегрированную человеко-машинную систему, включающую комплекс взаимосвязанных методов интуитивно-экспертной оценки с методами математического моделирования и базирующуюся на унифицированной автоматизированной информационной базе и широком использовании современной компьютерной техники. Постоянно действующая прогнозирующая система должна включать комплекс взаимосвязанных подсистем, наиболее важными из которых представляются следующие: подсистема сбора, хранения и первичной обработки исходной информации, главным образом статистической, по конкретным объектам исследования (автоматизированная база данных); подсистема различных интуитивно-экспертных методов прогнозирования, отображающих методику работы соответствующих экспертов и их функции управления всем процессом разработки прогнозов (как правило, эта подсистема в силу своей интуитивно-экспертной специфики может быть формализована и автоматизирована лишь в очень незначительной степени); подсистема взаимосвязанных, но различных по природе математических методов прогнозирования, используемых в автономном режиме, позволяющем сопоставлять друг с другом полученные прогнозные оценки с целью нахождения наиболее надежных интегрированных конечных результатов, что достигается в рамках проверки реальных прогностических возможностей каждого из используемых методов по итогам процедуры расчетов retro-прогнозов; подсистема контроля точности полученных результатов путем сопоставления сделанных ранее прогнозных оценок с фактическим состоянием и развитием объекта по истечении прогнозного периода. В целях расширения круга решаемых прогнозных задач постоянно действующая прогнозирующая система должна постоянно пополняться новыми методами прогнозирования и исходной базовой информацией.

В третьем параграфе четвертой главы «Субъективные модели и интуитивно-эвристические компоненты в принятии решений» показано, что наиболее распространенными в деятельности человека при принятии решений являются слабоструктурированные и неструктурированные проблемы. Для таких проблем отсутствуют достаточно надежные и объективные количественные модели. Как правило, модели этих проблем — это субъективные модели с качественными оценками. В процессе принятия решений интуиция необходима при решении как слабо структурированных, так и, прежде всего, неструктурированных проблем.

Слабоструктурированные проблемы принятия решений обладают следующими особенностями: решения этих проблем зависят от текущей неполноты информации (недостаток объективной информации принципиально неустраним на момент принятия решения); имеется широкий диапазон альтернатив; решения этих проблем содержат элементы риска. Поэтому модель этих проблем может быть построена только на основании дополнительной информации (поскольку эти проблемы содержат качественные, неопределенные элементы), получаемой от эксперта-исследователя, участвующего в решении такой проблемы и использующего при этом свой опыт и интуицию. Для решения слабоструктурированных проблем используются как математические процедуры, так и интуиция экспертов-исследователей. Но поскольку качественные и неопределенные стороны этих проблем имеют тенденцию доминировать, то и доминирующее положение при разрешении таких проблем занимают методы интуитивных догадок.

В неструктурированных проблемах структура, понимаемая как совокупность связей между параметрами, не определена, так как исследователь может лишь определить перечень основных параметров, но количественные связи между ними определить нельзя (нет необходимой информации). Неструктурированные проблемы с качественными переменными — это особые проблемы принятия решений, обладающие следующими общими чертами.

А). Они являются проблемами уникального выбора в том смысле, что каждый раз проблема является либо новой для лица, принимающего решение, либо обладающей новыми особенностями по сравнению со встречавшейся ранее подобной проблемой.

Б). Они связаны с неопределенностью в оценках альтернативных вариантов решения проблемы, которая объективно обусловлена нехваткой информации на момент решения проблемы.

В). Оценки альтернативных вариантов решения проблемы имеют качественный характер и чаще всего сформулированы в словесном виде.

Г). Оценки альтернатив по отдельным критериям могут быть получены только от экспертов. Обычно отсутствует объективная шкала измерения оценок по отдельным критериям. В ряде случаев эксперты могут достаточно надежно дать лишь относительные оценки альтернатив по критериям, т.е. определить, чем один вариант лучше другого.

Д). Общая оценка альтернатив может быть получена лишь на основе субъективных предпочтений лица, принимающего решение. Интуиция лица, принимающего решение, его вера в те или иные варианты развития событий являются основой решающего правила, позволяющего перейти от оценок по отдельным критериям к общей оценке альтернатив.

К неструктурированным проблемам принятия решений относятся проблемы принятия стратегических решений экономического и политического характера, проблемы планирования научных исследований, проблемы конкурсного отбора проектов, личные проблемы выбора. В таких проблемах, как показывает автор диссертации, основные характеристики носят качественный характер. Кроме того, отсутствуют достаточно надежные количественные модели. Отсюда и вытекает необходимость использовать при решении этих проблем как личную интуицию, так и методы усовершенствования интуитивного мышления (метод коллективной генерации идей, метод Дельфи и его модификации, метод эвристического прогнозирования, метод «Шанг», интегральный метод «Метра» и другие методы усовершенствования интуитивного мышления). Да и сами методы принятия решений помогают «заострить» интуицию лица, принимающего решение, и объединить политику лица, принимающего решение, и знания экспертов.

Итак, процесс выработки и принятия решения при решении как слабо структурированных, так и, прежде всего, неструктурированных проблем аналогичен схеме, выражающей процесс модификации наличного знания в условиях появления новых исходных, эмпирических данных, требования семантической оптимизации знания, заключения о достаточности проверки (ЭИТС). При решении этих проблем превалируют интуитивно-эвристические методы.

Применение человеко-машинных систем поддержки принятия коллективных решений не устраняет интуитивно-эвристические компоненты, которые необходимы как при согласовании мнений лиц, принимающих решения (метод Дельфи, его модификации и другие методы интуитивных экспертных оценок), так и для успешной работы консультантов.

В заключении диссертации подводятся общие итоги работы и намечаются направления возможного дальнейшего развития темы.

Основные положения диссертации отражены в следующих опубликованных работах автора.

  1. Гришунин С.И. Возможна ли современная наука без интуиции (монография). М., URSS/Издательство ЛКИ, 2008. 160 с., 10 п.л.
  2. Гришунин С.И. Модели творческой интуиции в контексте науки, философии и прогнозирования. М., РФО, 2006. 147 с., 9 п.л.
  3. Гришунин С.И. Интуитивное и формальное в нормативном прогнозировании: альтернатива или интеграции. // Философские исследования. М., 2000, №2. С. 171-177, 0,42 п.л.
  4. Гришунин С.И. Интуиция и внутренняя речь. // Философские исследования. М., 2000, №2. С. 177-183, 0,4 п.л.
  5. Гришунин С.И. Методы организации поиска решений слабоструктурированных и неструктурированных проблем. // Философские исследования. М., 2000, №2. С. 183-188, 0,4 п.л.
  6. Гришунин С.И. Объективные модели и интуитивные допущения в поисковом прогнозировании. // Философские исследования. М., 2000, №2. С. 188-201, 0,85 п.л.
  7. Гришунин С.И. Синергетика творчества, концепция сверхсознания и реальный механизм творчества и интуиции. // Сборник. «Теория и методология творчества: итоги и перспективы». / Французова Н.П. [и др.] ; под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, 2001. С. 71-76, 0,4 п.л.
  8. Гришунин С.И. Творчество и наука. // Коллективная монография «Развитие науки и творчество». Под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО РАН, 2002. С. 18-23, 0,4 п.л. / 10 п.л.
  9. Гришунин С.И. Нужны ли науке полет мысли, интуиция, аналогия и озарение? // Коллективная монография «Творчество в пространстве и времени культуры». Под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, 2002. С. 41-52, 0,7 п.л./ 8,5 п.л.
  10. Гришунин С.И. Методы активизации и эффективизации поиска решений творческих задач. // Коллективная монография «Методологические проблемы творчества», под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, 2003. С. 39-47 с., 0,6 п.л. / 10,5 п.л.
  11. Гришунин С.И. Математическое, компьютерное моделирование и интуитивные допущения в научно-техническом прогнозировании. // Коллективная монография «Методологические проблемы науки», под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, 2003. С. 27-36, 0,7 п.л. / 11,5 п.л.
  12. Гришунин С.И. Взаимодополнительность формального и интуитивно-содержательного моментов в научном и нормативно-прогностическом творчестве. // Сборник «Методологические проблемы творческой деятельности». Под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, 2005. С. 43-49, 0,45 п.л.
  13. Гришунин С.И. Современные модели творческой интуиции и реальные механизмы ее инициирования. // Сборник «Философия науки и научно-технической цивилизации». Под общ. ред. Н.В. Агафоновой, С.Л. Катречко, А.В. Кезина., В.А.Яковлева. М., изд. «Полиграф-Информ», 2005. С. 68-81, 0,8 п.л.
  14. Гришунин С.И. Креативность в научно-теоретическом познании. // Сборник «Метафизика креативности». Под ред. А.Н. Лощилина, Н.П. Французовой. М, РФО, 2006. С. 26-33, 0,45 п.л.
  15. Гришунин С.И. Творчество и имитационные системы. // Сборник «Метафизика креативности. Выпуск 2.». Под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, изд-во Московского государственного лингвистического университета, 2007. С. 33-39, 0,4 п.л.
  16. Гришунин С.И. Методология творчества. // Ломоносовские чтения. Материалы научной конференции кафедры философии естественных факультетов философского факультета МГУ им М.В. Ломоносова. М., Макс Пресс, 2008. С. 48-55, 0,4 п.л.
  17. Гришунин С.И. Креативность и теоретический уровень познания. // Сборник «Метафизика креативности. Выпуск 3.». Под ред. А.Н. Лощилина, Н.П. Французовой. М., РФО, изд-во Московского государственного лингвистического университета, 2008. С. 48-54 , 0,4 п.л.
  18. Гришунин С.И. Философия науки. Основные концепции и проблемы. М., URSS/ Издательство ЛКИ, 2008. – 224 с., 14 п.л.
  19. Гришунин С.И. Методы активизации творчества и усовершенствования интуитивного мышления в науке и прогнозировании. // Вестник Московского государственного лингвистического университета. Серия «Философия и культурология» М., 2009, выпуск 569. – 351-363, 0,75 п.л. (из списка ВАК).
  20. Гришунин С.И. Модели и творческая интуиция в научном прогнозировании. // Вестник РУДН. Серия ФИЛОСОФИЯ. – М., 2009. – №1. С.15-26, 0,8 п.л. (из списка ВАК).
  21. Гришунин С.И. Современные философская и синергетическая модели творчества и интуиции. // Вестник Московского государственного лингвистического университета. Серия «Философия и культурология» М., 2008, выпуск 543. С.30-45, 1 п.л. (из списка ВАК).
  22. Гришунин С.И. Современный антиинтуитивизм и научное познание. // Журнал «Эпистемология & философия науки». – М., 2009. – №2. С. 82-96, 0,88 п.л. (из списка ВАК).
  23. Гришунин С.И. «Синергетический подход» и философия (критический анализ ряда синергетических решений философских проблем). // Сборник статей «Философия в современном мире», подготовленный в МГУ. Под ред. В.И. Маркина, В.А. Яковлева. М., Полиграф Информ, 2009. С. 183-189, 0,4 п.л.
  24. Гришунин С.И. Философия творчества и синергетика. // Сборник статей «Ломоносовские чтения. Материалы научной конференции кафедры философии естественных факультетов МГУ им. М.В. Ломоносова 23 апреля 2009 г.», подготовленный в МГУ. М., Макс Пресс, 2009. С. 47-56, 0,55 п.л.
  25. Гришунин С.И. Творческая интуиция и прогностические модели. // Вестник МГУ. Серия ФИЛОСОФИЯ. – М., 2009. – №2. С. 71-84, 0,8 п.л. (из списка ВАК).
  26. Гришунин С.И. Творчество и научное поисковое прогнозирование. // Вестник Московского государственного лингвистического университета. Серия «Философия и культурология» М., 2008, выпуск 543. С. 95-109, 0,9 п.л. (из списка ВАК).
  27. Гришунин С.И. Философия науки: основные концепции и проблемы. Изд. 2-е, испр. М., URSS /Книжный дом «Либроком», 2009– 224 с., 14 п.л.
  28. Гришунин С.И. Антиинтуитивизм в контексте современной науки. // Вестник РУДН. Серия ФИЛОСОФИЯ. – М., 2010. – №1. С. 13-24, 0,9 п.л. (из списка ВАК).
  29. Гришунин С.И. Метафизика креативности и синергетика. // Сборник «Метафизика креативности. Выпуск 4.». Под ред. А.Н. Лощилина. М., РФО, изд-во Московского государственного лингвистического университета, 2010. С. 25-32, 0,45 п.л.
  30. Гришунин С.И. Интуитивные компоненты в принятии решений. // Сборник «Философия, наука, образование». Под ред. О.Д. Волкогоновой, В.А. Шапошникова. М., Изд. ООО «Мейлер», 2010. С.27-36, 0,55 п.л.

Общий объем публикаций – 63,4 п.л.

 





© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.