Владимир Живетин - Социосферные риски

• Название: Социосферные риски
• Автор: Владимир Живетин
• Жанр: Математика
• Год: 2008
• ISBN: 978-5-98664-041-9, 978-5-903140-12-1

Работа посвящена социосфере, социальным системам, их потерям, которые оцениваются изменениями энергетического потенциала. Произведен структурно-функциональный синтез социальных систем различного уровня. Построены вероятностные показатели социосферного риска на уровне математических моделей.

Рассматриваются проблемы анализа, прогнозирования и управления рисками и безопасностью социальных систем.

---

О том, как же наука строит Zр(t) или Мр, хорошо сказал крупнейший американский физик Р. Фейнман [32]: «Вот почему наука недостоверная. Как только Вы скажете что-нибудь из области опыта, с которым непосредственно не соприкасались, вы сразу же лишаетесь уверенности. Но мы обязательно должны говорить о тех областях, которые мы никогда не видели, иначе от науки не будет проку… Поэтому, если мы хотим, чтобы от наук и была какая-то польза, мы должны строить догадки. Чтобы наука не превратилась в простые протоколы проделанных опытов, мы должны выдвигать законы, простирающиеся на еще неизвестные области. Ничего дурного тут нет, только наука оказывается из-за этого недостоверной, а если Вы думали, что наука достоверна, Вы ошибались». Итак, задача науки – открывать и формировать новые законы, объяснять, почему в данный момент времени на выходе системы возникло именно это значение Z(t), а не другое.

Чем дальше мы проникаем в суть явления, тем сложнее становятся модели Ми, тем тоньше явления, а сами процессы Z(t) более чувствительны к погрешностям, вносимым при построении Мр. «При этом необходимо каким-то образом обнаруживать эти погрешности, не имея возможности вскрывать часы», а также испытывая ограничения в точности существующих средств измерения. По этому поводу один из творцов квантовой механики В. Гейзенберг писал [32]: «Микромир нужно наблюдать по его действиям посредством высокосовершенной экспериментальной техники. Однако он уже не будет предметом нашего непосредственного чувственного восприятия. Естествоиспытатели должны здесь отказаться от мысли о непосредственной связи основных понятий, на которых он строит свою науку, с миром чувственных восприятий. Наши усложненные эксперименты представляют собой природу не саму по себе, а измененную и преобразованную под влиянием нашей деятельности в процессе исследования… Следовательно, здесь мы также вплотную наталкиваемся на непреодолимые границы человеческого познания».

Как много сказано о границах человеческого познания! Такие границы θкр существуют и зависят от состояния науки на текущий момент времени, от финансовых возможностей человечества, от ограниченности срока жизни ученых и т. д. Об ограниченности познания можно говорить не только в макромире, но и в такой области, как авиация. Так, модель, описывающая движение самолета, существует, как правило, в эксплуатационной области состояния параметров движения и редко в областях критических значений этих параметров [31]. Как только параметры движения или часть их превышают критические значения и самолет переходит, например, в штопор, надежные модели отсутствуют. При этом возникают чрезвычайно тонкие аэродинамические процессы, описать которые и тем более измерить в полете, т. е. предсказать полную картину движения самолета в таком режиме, невозможно.

Истинная модель Ми и идеальный процесс Zи(t) скрыты от нас и непостижимы. Как только мы перестаем учитывать факт ограниченности научных знаний, мы теряем много: оказываемся в области риска и соответствующих потерь. При этом, как и во всем нашем мире, наука простирается между истинными знаниями и незнанием . Между этими границами расположены знания и, в частности, модели, построенные при различных допущениях.

По поводу достоверности знаний в коллективном труде «Логика научного исследования», созданном под руководством директора Института философии П.В. Копнина, сказано [51]: К идеалу научного знания всегда предъявлялись требования строгой определенности, однозначности и исчерпывающей ясности. Однако научное значение всякой эпохи, стремившееся к этому идеалу, тем не менее не достигло его. Получилось, что в любом самом строгом научном построении всегда содержатся такие элементы, обоснованность и строгость которых находились в вопиющем противоречии с требованиями идеала. И что особенно знаменательно: к такого рода элементам принадлежали зачастую самые глубокие и фундаментальные принципы данного научного построения. Наличие такого рода элементов воспринималось обычно просто как результат несовершенства знания данного периода. В соответствии с такими мнениями в истории науки неоднократно предпринимались и до сих пор предпринимаются энергичные попытки полностью устранить из науки такого рода элементы. Однако эти попытки не привели к успеху. В настоящее время можно считать доказанной несводимость знания к идеалу абсолютной строгости. К выводу о невозможности полностью изгнать даже из самой строгой науки – математики – «нестрогие» положения после длительной и упорной борьбы вынуждены были прийти и «логицисты»… Все это свидетельствует не только о том, что любая система человеческого знания включает в себя элементы, не могущие быть обоснованными теоретическими средствами вообще, но и о том, что без наличия подобного рода элементов не может существовать никакая научная система знаний».

Итак, мы должны признать наличие двух моделей системы мироздания и ее подсистем, с которыми имеет дело человек в процессе жизнедеятельности. Одна из них есть истинная модель Ми, другая – модель Мр, полученная в процессе научных изысканий. Оперируя с моделями и задав их допустимые Мдоп и критические Мкр значения, связанные с Zдоп, Zкр [32], получим следующие вероятности P = (P1, P2, P3):

P1 = P1(Zи > Zкр, Zр < Zдоп),

P2 = P2 (Zи > Zкр, Zр > Zдоп),          (11)

P3 = P3 (Zи < Ζкр, Zр > Zдоп).

Как правило, в процессе жизнедеятельности мы оперируем с процессами, моделирование и измерение которых возможно, а области [Zкр, Zдоп], [Z, Zкр] часто невозможно установить. Однако иногда (1.1) имеет смысл, и тогда Р1 есть вероятность события, при котором модель (процесс) находится в критической области. Такая ситуация характерна для автомата без участия наблюдателя, т. е. системы, в которой используется заданная программа, способная воспроизводить идеальный процесс. События P2 и P3 соответствуют различным положениям значений процессов Zи, Zр относительно Zдоп, Zкр в момент времени t, различным потерям и соответствующим научным рискам.

При этом можно условно выделить в области знаний крайние значения: x = xвкр, когда научные знания, которых чрезвычайно мало, являются истинными, или действительными, x = xнкр – случайная погрешность δ(t) настолько велика, что мы о том или ином процессе, явлении не имеем достоверной информации. Таким образом, область знаний между (xнкр, xвкр) заполнена моделями с допущениями, включающими в себя различные предположения, «догадки», подтвержденные кем-то и когда-то, гипотезы, находящиеся в процессе осмысления. При этом значимость «абсолютных» или истинных знаний для процессов жизнедеятельности невелика. В основном мы используем все, что расположено внутри (xнкр, xвкр). По мере развития науки, усложнения решаемых ею проблем, изменяется область (xнкр, xвкр), но порождаются новые проблемы, увеличивая цену наших незнаний.

Одним из главных научных путей снижения погрешностей моделей является применение математического моделирования [98]. Всегда считалось, что чем больше объем применения математики в той или иной науке, тем более она развита. Главным препятствием к ее применению считается неясность, что и как мерить.

Математическое описание всегда ограниченно и требует определенного разъяснения после получения решения. Например, оно совпадает с реальностью лишь с определенной точностью, так как математическая модель есть некоторая идеализация. Ситуация ухудшается при описании поведения таких сложных объектов, которые составляют объект изучения общественных наук [97]. При попытке дать их математическое описание возникают дополнительные трудности.