Мозг фирмы - Стаффорд Бир

Все дело в том, что экологическая система — система самоорганизующаяся. Она сама — огромная счетная машина, дающая правильные ответы (или почти правильные, если учесть эпидемии, голод и т. п. бедствия). Но у нее нет программы, планового отдела, разрешения на размножение, бюрократии. Она только работает. Мы, разумные люди, вмешиваемся в эту систему, нарушаем ее равновесие в собственных интересах. Так, например, мы увеличиваем урожайность или продуктивность скота. Мы обращаемся с ней на "нижнем уровне" ее жизни, как боги, стоящие над системой, забывая о том, что мы сами часть ее целого. В результате мы можем весьма эффективно управлять плодородием, размножением Pasteurella pestis — бациллами, которые вызывают бубонную чуму, но не управляем ростом собственного вида — Homo sapiens . Мы видим, что наши коровы сыты, но не наши братья — почти половина человечества.

   По-видимому, в естественных системах есть способность к самоорганизации, есть тот огромный "разум", действующий методами, которых мы до сих пор толком не понимаем. Можно считать, что природные системы не оптимальны в математическом смысле. И дело тут не в мощности счета, поскольку нельзя считать с такой скоростью, чтобы оценить все возможные результаты и выбрать "наилучший" вариант исходя из какого-то критерия. Вместо этого тут действует механизм, подбирающий подходящие модели организации в смысле способности выживания.

Здесь мы должны ввести два термина и дать их определение, чтобы разобраться в только что поднятой проблеме. Первый из них — алгоритм. Алгоритм — это метод (или механизм), который предписывает, каким образом достичь поставленной цели. Типичный план полета самолета — это алгоритм. Инструкция: "Повернуть на перекрестке налево, повернуть направо на следующем, выехать на улицу Красного льва и мой дом будет в 120 метрах справа" — тоже алгоритм. Метод извлечения квадратного корня — тоже алгоритм, как и программа работы ЭВМ. Последнее очень важно, поскольку нам предстоит разобраться в некоторой путанице относительно возможностей компьютера. Компьютер может делать лишь то, что ему точно указано. Программист, следовательно, должен точно написать алгоритм, который бы точно определил работу компьютера в наборе имеющихся в нем данных и команд.

Другой термин, который нам понадобится, — эвристический. Это не столь часто употребляемое имя прилагательное означает "обеспечивающий открытие", нередко превращается в имя существительное при переходе от эвристического метода к "эвристике". Эвристика определяет метод поведения, помогающий достижению цели, но который не может быть четко охарактеризован, поскольку мы знаем, чего хотим, но не знаем, как этого достичь, где лежит решение. Предположим, Вы хотите достичь конусообразной вершины горы, закрытой облаками. У нее есть высшая точка, но у Вас нет точного маршрута. Указание "продолжайте подъем" приведет Вас к вершине, где бы она ни была. Это эвристика. "Смотри за пенсами, а фунты сами о себе позаботятся" — эвристическое указание "как стать богатым".

Эвристика предписывает общие правила для достижения общих целей и в типичных случаях не предписывает точного маршрута к обозначенной цели, как это делается в случае алгоритма. Прежде всего число маршрутов к вершине горы огромно и не столь уж важно, какой из них использован (хотя, может быть, другой и короче, чем все остальные).

Эти два термина — весьма важные понятия в кибернетике, поскольку когда дело идет о немыслимых системах, то, как правило, невозможно составить полную спецификацию всех целей, а тогда нельзя и написать алгоритм. Но обычно не так уж трудно составить классификацию целей, так чтобы двигаясь в общем направлении, улучшить свое положение (по определенному критерию) по сравнению с первоначальным. Отдавать предпочтение эвристическим методам перед алгоритмическими — это средство справиться с растущим разнообразием. Вместо того, чтобы пытаться организовать все детально, вы организуете лишь часть, после чего динамика системы вынесет вас туда, куда Вы стремились.

Эти два способа организации управления системой большого разнообразия в жизни весьма различны. Удивительно то, что мы склонны жить каждодневно эвристически, а проверять и управлять своими действиями — алгоритмически. Наше главное предназначение _ выжить, сохранить себя, однако мы точны в деталях ("выезжайте поездом в 8.45", "требуйте повышения"), когда дело идет об общих и неясно выраженных целях. Конечно, нам нужен алгоритм, чтобы жить в нашем синхронизированном мире; и нам необходима также эвристика, но мы редко отдаем себе в этом отчет. Происходит это потому, что наше образование организовано вокруг анализа деталей; мы не понимаем суть вещей (так обучены), пока не уточним их инфраструктуру. Об этом уже говорилось при обсуждении функций преобразования, а теперь вновь на этом нужно останавливаться в связи с рассмотрением целей. "Знай, к чему стремишься, и организуйся так, чтобы этого достичь" — таков должен быть наш лозунг, как и лозунг фирмы. Однако мы не знаем нашего будущего и весьма приблизительно представляем себе то, к чему стремимся сами, как и наша фирма, и мы недостаточно глубоко понимаем наше окружение, чтобы уверенно манипулировать событиями. Предполагается что птицы возникли из рептилий. Почему, к примеру, ящерица решила научиться летать? Если так, то каким образом она поменяла свой генетический код, чтобы у нее выросли крылья? Стоит только сказать такое, чтобы признать его несерьезность. Но птицы в этот вечер летят и летят мимо моего окна. Так случилось потому, что сработала эвристика, пока мы, как всегда, кусали карандаш, намереваясь написать алгоритмы.

Недопонимание роли эвристики в больших системах заставляет глубже задуматься о компьютере. Сам компьютер можно анализировать, можно понять в деталях, мы же его сами сконструировали к конце концов. Мы уже заявили, что компьютерная программа у принципе — алгоритм. Надо, следовательно, понять, где эвристика вступает в область компьютера. Необходимость в этом возникает. во-первых, как только компьютер начинает воспринимать поступающую в него информацию. Если мы знаем, что делать с входными данными, например подсчитать средние значения ряда цифр, чтобы получился результат на выходе, то здесь нет никаких затруднений. Это означает, что система нам понятна, а алгоритм сумма х/ n (который означает: сложи все цифры и раздели их на их число) решает задачу. Все очень просто, поскольку мы точно обозначили цель, систему и алгоритмы и тем самым сдерживаем рост разнообразия. Но когда дело идет о том, чтобы связать многоразмерный вход с многоразмерным выходом, то у нас появляются все оснонания прибегнуть к анастомотик ретикулум. Теперь компьютер должен быть запрограммирован так (т, е. должен быть обеспечен алгоритмом), чтобы был соответственно организован ретикулум, но это можно сделать, только зная конечную цель.

Здесь и возникает очень деликатная проблема: если цель нельзя представить во всех деталях, то нужно прибегнуть к эвристике, и тогда компьютер должен быть снабжен алгоритмом эвристической природы. Трудность тут принципиальная. Допустим, мы заявляли: "Компьютер должен обучаться на собственном опыте, как учатся люди". Обучаться чему? Мы не знаем ответа, мы просто считаем, что компьютер через некоторое время должен найти методом проб и ошибок такой курс действий, который даст лучший результат управления. Но мы должны сказать, какой результат лучше и какой хуже, а компьютер должен определить лучшую, чем уже известна, стратегию, лучшую систему управления. Конечно, он может это сделать, поскольку его алгоритм (то, что запрограммировано) эвристический, по определению. Немного измените решение, которое Вы ранее использовали, — подсказывает алгоритм, — и сравните результат с предыдущим. Если этот алгоритм обеспечивает большую прибыль или удешевляет производство, или чем-то иным устраивает нас, то принимайте его. Так и продолжайте, пока не достигнете такого положения, при котором любой вариант даст худший результат, чем раньше. Тогда придерживайтесь этой стратегии до тех пор, пока ситуация не изменится, после чего Вы сможете вновь искать лучшую стратегию, рассмотрев ее новые варианты.

В этом простом, бесхитростном примере, который и ребенку понятен, и заключается секрет этого, по существу биологического, процесса. Мы прорвались через барьер, который был создан консервативным мнением 2000 лет тому назад между живыми и механическими системами управления. В этом суть барьера между алгоритмическими и эвристическими моделями управления. Если воздержаться от мистически-сентиментального подхода к природе ("неправда ли, как она умна!"), то станет видно, что природа всего лишь использует свои алгоритмы, чтобы подчеркнуть эвристическое начало. Генетический материал является алгоритмическим: молекулы ДНК — хранители сложного определенного кода. Так потомство строится по заданным "чертежам". Но в этом коде записаны вариации и мутации, и поэтому потомки располагают рядом возможных чертежей. Тогда, говоря другим языком — языком экологии, выносится приговор относительно "преимуществ" данного потомка. Вариант, достойный сохранения, выживает, при этом вариации и мутации, которые определяют его преимущества, закрепляются, а мутации, обусловливающие недостатки, истребляются. Генетическая эвристика работает в направлении к неизвестной цели — созданию форм жизни, способных выживать в обстоятельствах, которые слишком сложны для анализа, используя приемы, для оптимизации которых еще не создан компьютер.