Философское моделирование как метод познания окружающего мира СОДЕРЖАНИЕ: Введение 1 часть. Философские аспекты моделирования как метода познания окружающего мира 1. Гносеологическая специфика модели и ее определение 2. Классификация моделей и виды моделирования 3. Основные функции моделей 1. Моделирование как средство экспериментального исследования 3.2. Моделирование и проблема истины 2 часть.Применение моделирования в различных отраслях человеческого знания и деятельности 1. Моделирование в биологии 2. О кибернетическом моделировании и моделировании мыслительной деятельности человека А. Особенности кибернетического моделирования Б. Моделирование мыслительной деятельности 3. Использование моделирования в исследованиях экономических систем А. Модели агрегированной экономики Б. Имитационное моделирование в исследованиях экономических систем ЛИТЕРАТУРА ВВЕДЕНИЕ Растущий интерес философии и методологии познания к теме моделирования был вызван тем значением, которое метод моделирования получил в современной науке, и в особенности в таких ее разделах, как физика, химия, биология, кибернетика, не говоря уже о многих технических науках.
Однако моделирование как специфическое средство и форма научного познания не является изобретением 19 или 20 века. Достаточно указать на представления Демокрита и Эпикура об атомах, их форме, и способах соединения, об атомных вихрях и ливнях, объяснения физических свойств различных веществ с помощью представления о круглых и гладких или крючковатых частицах, сцепленных между собой.
Эти представления являются прообразами современных моделей, отражающих ядерно-электронное строение атома вещества. 20 век принес методу моделирования новые успехи, но одновременно поставил его перед серьезными испытаниями.
С одной стороны, кибернетика обнаружила новые возможности и перспективы этого метода в раскрытии общих закономерностей и структурных особенностей систем различной физической природы, принадлежащих к разным уровням организации материи, формам движения.
С другой же стороны, теория относительности и в особенности, квантовая механика, указали на неабсолютный, относительный характер механических моделей, на трудности, связанные с моделированием. Многочисленные факты, свидетельствующие о широком применении метода моделирования в исследованиях, некоторые противоречия, которые при этом возникают, потребовали глубокого теоретического осмысления данного метода познания, поисков его места в теории познания.
Этим можно объяснить большое внимание, которое уделяется философами различных стран этому вопросу в многочисленных работах. ФИЛОСОФСКИЕ АСПЕКТЫ МОДЕЛИРОВАНИЯ КАК МЕТОДА ПОЗНАНИЯ ОКРУЖАЮЩЕГО МИРА. I.
Слово "модель" произошло от латинского слова "modelium", означает: мер... Его первоначальное значение было связано со строительным искусством, и... По мнению многих авторов (6,10,20) , модель использовалась первоначаль... Подмоделью в широком смысле понимают мысленно или практически созданну... Он расширяет понятие модель тем, что делает вывод о независимости моде...
эти модели остаются мысленными даже в том случае, если они воплощены в... в) смешанные, сочетающие свойства и образных, и знаковых моделей. Глинского в его книге "Моделирование как метод научного исследования",... Н. Моделирование может быть: - предметным (исследование объекта на модели...
2. В отличие от обычного эксперимента, где средства эксперимента так или ... 3.2 . IIIтофф в своей книге "Моделирование и философия" говорит о том, что т... экспериментальное исследование модели.
Моделирование и проблема истины. Интересен вопрос о том, какую роль играет само моделирование, то есть ... Например, условия сходства модели и объекта в математическом моделиров... теоретические знания, посредством которых модель была построена. Имея ... Важнейший аспект, связанный с ролью моделирования в установлении истин...
Моделирование как научный метод в биологии было впервые описано и созн... В этой связи говорят об особом "кибернетическом стиле мышления", о "ки... В этом случае система кибернетических понятий и принципов оказывается ... идеи связей и управления верны для этой области применения идей, новые... Задача заключается в том, чтобы путем введения ряда упрощающих допущен...
приложения кибернетического моделирования в различных областях знания, можно заметить расширение сферы применения кибернетических моделей: использование в науках о мозге, в социологии, в искусстве, в ряде технических наук. В частности, в современной измерительной технике нашли приложение информационные модели. (4 с172) . Возникшая на их основе информационная теория измерения и измерительных устройств - это новый подраздел современной прикладной метрологии.
В задачах самых различных классов используется принцип обратной связи. В частности Дейч предложил модель мотивации поведения, основанную на этом принципе. Эта модель позволила уточнить некоторые механизмы поведения животных.
По мнению Дейча (17 с180) , обучение животного в лабиринте состоит не в выработке ряда реакций, а в установлении последовательности ряда субцелей, поочередное достижение которых приводит к окончательной цели - кормушке. Здесь имеет место не обучение, а регуляция уже выученных реакций. Чтобы объяснить это, Дейч разработал гипотетическую схему, основанную на мотивационной модели с обратной связью и использующей также принципы общих причинных факторов, цепных реакций и тормозных связей.
Важность принципа обратной связи отмечает в изучении проблем биогеоценологии отмечают ряд исследователей. 6. Моделирование мыслительной деятельности человека. Для исследования мозга важны методы классической физиологии высшей нервной деятельности, морфофизиологии, электрофизиологии, биохимии и т.д. Однако возникла потребность в новых методах, раскрывающих деятельность мозга с иной стороны - с точки зрения закономерностей процессов управления и переработки информации. Попытки системного исследования мозга не новы. Еще Н. М. Сеченов поставил задачу вскрыть сущность механизма деятельности мозга путем отыскания лежащих в основе этой деятельности принципов.
Им был открыт один из них - принцип рефлексов. И. П. Павлов исследовал принципы управления динамикой высших нервных центров, анализа и синтеза поступающих из вне сигналов и показал, каковы особенности деятельности мозга при различных состояниях последнего. Учение о деятельности мозга обогатили и исследования П. К. Анохина.
Как отмечает Н. Кочергин (10 с151) , "для изучения мозга как сложной функциональной системы важное значение приобретает метод моделирования, позволяющий вскрыть структуру мозга, форму связей нейронов и различных участков мозга между собой, принципы нейронной организации, закономерности переработки, передачи, хранения и кодирования информации в мозге и т.д. " Использование ЭВМ в моделировании деятельности мозга позволяет отражать процессы в их динамике, но у этого метода в данном приложении есть свои сильные и слабые стороны.
Наряду с общими чертами, присущими мозгу и моделирующему его работу устройству, такими, как: - материальность - закономерный характер всех процессов - общность некоторых форм движения материи - отражение - принадлежность к классу самоорганизующихся динамических систем, в которых заложены: а) принцип обратной связи б) структурно-функциональная аналогия в) способность накапливать информацию (6 с67) есть существенные отличия, такие как: 1. моделирующему устройству присущи лишь низшие формы движения - физическое, химическое, а мозгу кроме того - социальное, биологическое; 2. процесс отражения в мозге человека проявляется в субъективно- сознательном восприятии внешних воздействий.
Мышление возникает в результате взаимодействия субъекта познания с объектом в условиях социальной среды; 3. в языке человека и машины. Язык человека носит понятийный характер. Свойства предметов и явлений обобщаются с помощью языка. Моделирующее устройство имеет дело с электрическими импульсами, которые соотнесены человеком с буквами, числами.
Таким образом, машина "говорит" не на понятийном языке, а на системе правил, которая по своему характеру является формальной, не имеющей предметного содержания. Использование математических методов при анализе процессов отражательной деятельности мозга стало возможным благодаря некоторым допущениям, сформулированным Маккаллоком и Питтсом. В их основе абстрагирование от свойств естественного нейрона, от характера обмена веществ и т.д. нейрон рассматривается с чисто функциональной стороны. Существующие модели, имитирующие деятельность мозга (Ферли, Кларка, Неймана, Комбертсона, Уолтера, Джоржа, Шеннона, Аттли, Берля и др.) отвлечены от качественной специфики естественных нейронов.
Однако, с точки зрения изучения функциональной стороны деятельности мозга это оказывается несущественным. В литературе (6,10,13) существует ряд подходов к изучению мозговой деятельности: - теория автоматического регулирования (живые системы рассматриваются в качестве своеобразного идеального объекта) - информационный (пришел на смену энергетическому подходу) Его основные принципы: а) выделение информационных связей внутри системы б) выделение сигнала из шума в) вероятностный характер Успехи, полученные при изучении деятельности мозга в информационном аспекте на основе моделирования, по мнению Н. М. Амосова, создали иллюзию, что проблема закономерностей функционирования мозга может быть решена лишь с помощью этого метода.
Однако, по его же мнению, любая модель связана с упрощением, в частности: - не все функции и специфические свойства учитываются - отвлечение от социального, нейродинамического характера.
Таким образом, делается вывод о критическом отношении к данному методу (нельзя переоценивать его возможности, но вместе с тем, необходимо его широкое применение в данной области с учетом разумных ограничений) . 3. Использование моделирования в исследованиях экономических систем. а. Модели агрегированной экономики.
Экономико-математическое моделирование является неотъемлемой частью любого исследования в области экономики. Бурное развитие математического анализа, исследования операций, теории вероятностей и математической статистики способствовало формированию различного рода моделей экономики. Почему можно говорить об эффективности применения методов моделирования в этой области? Во-первых, экономические объекты различного уровня (начиная с уровня простого предприятия и кончая макроуровнем экономикой страны или даже мировой экономикой) можно рассматривать с позиций системного подхода.
Во-вторых, такие характеристики поведения экономических систем: - изменчивость (динамичность) противоречивость поведения - тенденция к ухудшению характеристик - подверженность воздействию окружающей среды предопределяют выбор метода их исследования. За последние 30-40 лет методы моделирования экономики разрабатывались очень интенсивно. Они строились для теоретических целей экономического анализа и для практических целей планирования, управления и прогноза.
Содержательно модели экономики объединяют такие основные процессы: производство, планирование, управление, финансы и т.д. Однако в соответствующих моделях всегда упор делается на какой-нибудь один процесс (например, процесс планирования) , тогда как все остальные представляются в упрощенном виде. В литературе, посвященной вопросам экономико-математического моделирования, в зависимости от учета различных факторов (времени, способов его представления в моделях; случайных факторов и т.п.) выделяют, например, такие классы моделей: 1. статистические и динамические 2. дискретные и непрерывные 3. детерминированные и стохастические.
Если же рассматривать характер метода, на основе которого строится экономико-математическая модель, то можно выделить два основных типа моделей: математические - имитационные. Развитие первого направления в мировой и отечественной науке связано с такими именами, как Л. Н. Канторович, Дж. Ф. Нейман, В. С. Немчинов, Н. А. Новожилов, Л. Н. Леонтьев и многие другие.
Большой интерес в этом направлении представляют модели агрегированной экономики, где рассматривается отраслевой, народнохозяйственный уровень. Динамические народнохозяйственные модели используются в роли верхних координирующих звеньев систем экономико-математических моделей. С ростом временного горизонта увеличивается разнообразие вариантов перспективного развития экономики и возрастает число степеней свободы для выбора оптимальных решений, поскольку уменьшается влияние ограниченности ресурсов, неизбежно предопределяемой предшествующим развитием.
Однако с ростом временного горизонта фактор неопределенности также начинает играть все возрастающую роль. По мнению Ю. Н. Черемных (18 с25) , "укрупненная номенклатура динамических моделей регламентируется в первую очередь качеством информационного обеспечения. Переход к такой номенклатуре для сокращения размерности может быть продиктован недостаточно мощным алгоритмическим и машинным обеспечением. " Для отыскания оптимальных траекторий динамических народнохозяйственных моделей используются как конечные, так и бесконечные методы, предложенные для решения задач математического программирования.
Большое теоретическое и прикладное значение динамических моделей стимулировало многих авторов на разработку специальных методов поиска оптимальных траекторий. Предложенные методы учитывают явно или не явно блочную структуру ограничений динамических моделей и строятся обычно без учета конкретных особенностей оптимальных траекторий. б. Имитационное моделирование и исследование экономических систем.
Теперь хотелось бы подробнее остановиться на применении имитационного моделирования экономических систем, процессов. По словам крупного ученого в этой области Р. Шеннона, "идея имитационного моделирования проста и интуитивно привлекательна, позволяет экспериментировать с системами, когда на реальном объекте этого сделать нельзя. " (19 с7) . В основе этого метода - теория вычислительных систем, статистика, теория вероятностей, математика.
Все имитационные модели построены по типу "черного ящика", т.е. сама система (ее элементы, структура) представлены в виде "черного ящика"; есть какой-то вход в него, который описывается экзогенными переменными (возникают вне системы, под воздействием внешних причин) , и выход (описывается выходными переменными) , который характеризует результат действия системы.
В имитационном исследовании большое значение имеет этап оценки модели, который включает в себя следующие шаги: 1. Верификация модели (модель ведет себя так, как это было задумано исследователем) . 2. Оценка адекватности (проверка соответствия модели реальной системе) . 3. Проблемный анализ (формирование статистически значимых выводов на основе данных, полученных в результате экспериментов с моделью) . Большой интерес представляет концепция в имитационном моделировании - метод системной динамики - разработанная одним из крупнейших специалистов в области теории управления, профессором в школе управления Альфреда П. Слоуна в Массачусетском технологическом институте, Джеймсом Форрестером.
Его первая книга в этой области " Кибернетика предприятия" вызвала огромный интерес мировой науки к методу системной динамики в имитационном моделировании. Начало глобальному моделированию положил другой труд Дж. Форрестера "Мировая динамика" (15) . Здесь он рассматривает мир как единое целое, как единую систему различных взаимодействующих процессов: демографических, промышленных, процессов исчерпания природных ресурсов и загрязнения окружающей среды, процесса производства продуктов питания.
Расчеты показали, что при сохранении развития общества, точнее сегодняшних тенденций его развития, неизбежен серьезный кризис во взаимодействии человека и окружающей среды. Этот кризис объясняется противоречием между ограниченностью земных ресурсов, конечностью пригодных для сельскохозяйственной обработки площадей и все растущими темпами потребления увеличивающегося населения.
Рост населения, промышленного и сельскохозяйственного производства приводит к кризису: быстрому загрязнению окружающей среды, истощению природных ресурсов, упадку производства и повышению смертности. На основании анализа этих результатов делается вывод о необходимости стабилизации промышленного роста и материального потребления. Дж. Форрестер продолжал развитие своей концепции в книге "Динамика развития города" (14) . В ней описана модель города, посредством которой он пытается исследовать развитие города с момента его возникновения и на протяжении многих десятилетий. Город является сложной системой, в которой зависимости между элементами не могут быть описаны линейными функциями.
Эти отношения существенно не линейны. Это обстоятельство позволяет применять к исследованию города хорошо развитый аналитический аппарат современной математики, который более приспособлен для исследования именно линейных зависимостей, присущих простым системам.
С другой стороны, процессы, протекающие в сложных системах, недетерминированы, стохастичны и не допускают точного однозначного описания. Сложные системы характеризуются огромным количеством обратных связей - положительных и отрицательных между взаимообусловленно влияющими друг на друга элементами системы. Поэтому эффективность применения в этой предметной области метода системной динамики несомненна. Модель Форрестера обладает высокой степенью общности: в ней отражена специфика американских городов, с проблемами: стихийностью градообразования, застройки и использования городских территорий, остротой социальных противоречий, экономической помощью и развитием современного строительства на всей территории города и т.п. Однако, несмотря на совершенно определенный тип города, описанный Дж. Форрестером, основные результаты его исследования имеют общий характер.
За полученными частными результатами можно увидеть общие закономерности.
При это чем проще, яснее, прозрачнее структура модели, тем более фундаментальны учтенные в ней закономерности, тем более достоверны будут и результаты. Рассматривая в книге Форрестера (14) различные аспекты административных программ, мы видим, что первые же результаты применения модели дают основание предполагать, что большинство из того, что предпринимается в США для решения "городских проблем" не только не приносит сколько-нибудь серьезных успехов в плане улучшения ситуации, но часто бывает совершенно не функционально, хотя, казалось бы, желаемая цель достигнута, независимо от того, была ли намеченная цель выражена в виде улучшения жизнеспособности города в целом или же в улучшении условий существования городской бедноты.
На основании экспериментария со своей моделью Дж. Форрестер разрабатывает ряд конкретных рекомендаций для развития градострoительной науки (14 с20) . Исследования Дж. Форрестера, Р. Шеннона, Дж. Шрайбера и многих других ученых в области имитационного моделирования позволяет сделать вывод о перспективности использования этого метода в области экономики.
ЛИТЕРАТУРА 1. Амосов Н. М. "Моделирование мышления и психики" М.: Наука, 1965 2. Ашманов С. А. "Введение в математическую экономику" М.: Наука, 1984 год 3. Батороев К. Б. "Кибернетика и метод аналогий" М.: Высшая школа, 1974 год 4. Бир С. "Кибернетика и управление производством" М.: Наука, 1965 5. Богомолов А. С. "Античная философия" М.: МГУ, 1985 6. Веденов А. А. "Моделирование элементов мышления" М.: Наука, 1988 7. Гернштейн Г. М. "Моделирование полей методом электростатической индукции" М.: Наука, 1976 8. Девдориани А. С Грейсух В. С. "Роль кибернетических методов в изучении преобразований природных комплексов" М.: Известия АН СССР, 1978 9. Клаус Г. "Кибернетика и философия" М.: Наука, 1963 10. Кочергин А. Н. "Моделирoвание мышления" М.: Наука, 1969 11. Лотов А. В. "Введение в экономико-метематическое моделирование" М.: Наука, 1984 12. Михай Н. Г Граневский В. В. "Методологические и моровоззренческие проблемы естественнонаучного знания" Кишинев: Шнитица, 1987 13. "Проблемы методологии социального познания" Л.: ЛГУ, 1985 14. Форрестер Дж. "Динамика развития города" М.: Прогресс, 1974 15. Форрестер Дж. "Мировая динамика" М.: Наука, 1978 16. Фролов И. Т. "Гносеологические проблемы моделирования" М.: Наука, 1961 год 17. Фролов И. Т. "Жизнь и познание. О диалектике в современной биологии" М.: Мысль, 1981 18. Черемных Ю. Н. "Анализ поведения траекторий динамики народнохозяйственных моделей" М.: Наука, 1982 19. Шеннон Р. "Имитационное моделирование систем - искусство и наука" М.: Мир, 1978 20. Штофф В. А. "Моделирование и философия" М.: Наука, 1966 21. "Эксперимент.
Модель.
Теория. " М Берлин: Наука, 1982 22. Энциклопедия кибернетики.
Т. 2 Киев: 1975.