Мозг фирмы - Стаффорд Бир

Существует несколько важных постулатов относительно эвристических методов управления. Их стоит тщательно рассмотреть и оценить. Поэтому с риском испортить их краткостью, я сформулировал 13 следующих постулатов для тщательного их усвоения.

1. Эвристика ведет нас к цели, которую мы не в состоянии ясно выразить и, возможно, узнать, сумев ее достигнуть. Алгоритм (типа "чтобы достичь высшей точки, попытайтесь сделать по одному шагу во всех направлениях и передвиньтесь к следующей более высокой точке") определяет эвристическое условие выработки правильной стратегии. А суть стратегии такова: "лучшее — подниматься из данного места, пока есть куда, затем переместиться выше". Но такой маршрут нельзя выработать заранее.

2. Если мы обеспечим компьютер эвристическим алгоритмом и подождем, пока он выработает стратегию, то обнаружим, что компьютер создал стратегию, превышающую наше понимание. Такое вполне возможно, поскольку компьютер осуществляет свои пробные шаги значительно быстрее, систематичнее и точнее, чем можем мы с Вами, без остановки на развлечения и отдых и не забывает результатов. Это похоже на человека, постоянно играющего в шахматы и запоминающего все, чему он научился в каждой партии. Можно предполагать, что он обыграет такого любителя, как мы с Вами.

3. Но если так, то пришло время признать смысл, в силу которого человек изобрел машину, "более умную", чем он сам. Такая мысль неприятна, даже, тревожна и кажется самоудовлетворенному человеку несерьезной на том основании, что "мы указали машине, что ей делать". Но поразмышляйте над этим. Если машина вырабатывает стратегию, лучшую, чем можем сообразить мы, и если мы не можем понять, почему она лучше, хотя и признаем это, то слабым утешением служит то, что мы научили ее эвристическим трюкам с помощью алгоритма. Учитель Эйнштейна в начальной школе был точно в таком же положении. (Над последними двумя фразами стоит поразмыслить.)

4. Утверждение, что "компьютер может делать только то, что мы ему приказали", верно, но весьма обманчиво. Этим предполагается, что мы должны оставаться слабоумными рабами наших изобретений. Верно, мы приказали компьютерам учиться, предоставляя им тренировочный алгоритм, но они учатся быстрее, эффективнее нас и должны превзойти наши возможности в создании эвристического управления.

5. Заявление, что результат деятельности компьютера настолько хорош, насколько хорош ввод, суммирован в поговорке garbage in , garbage out — мусор на входе — мусор на выходе, и справедливо для алгоритмов, определяющих алгоритм, но не для алгоритмов, определяющих эвристику. Дело в том, что легче указать (алгоритмически) компьютеру поставить под сомнение (эвристически) результат его работы — проверить логичность результата. Покажем, как это делается. Если одна линия на входе вводит данные, которые не корректируются со всеми остальными введенными в систему, то, вероятнее всего, это скорее случайный сбой — шум, чем информация. Тогда эвристика может начать ослаблять влияние таких данных, действуя по стратегии управления входными данными. Если, например, на входе путается 0,9, то подозрительная часть такого ввода будет сверена со всеми другими данными на входе, в результате контроль улучшится, поскольку будет испытана подстановка 0,8 и т.д., пока весь этот "неверный" ввод не будет исключен совершенно. Обратите внимание: мы не обязаны понимать, как это делается, поскольку у человека слабая интуиция систематической корреляции, — мы можем вполне уверенно считать, что введение этой неверной цифры очень важно. А система исключила ввод этих данных как ложную информацию вполне самостоятельно.

6. Механизм, который мы используем в таком случае, представляет собой давно известный сервомеханизм, о котором говорилось раньше. Здесь цепь обратной связи корректирует ошибку с помощью сравнения действительного положения с идеальным. Эта разница измерима, но не в смысле выходных данных, преобразованных с помощью функции преобразования, а в смысле способности системы в целом улучшить результат ее деятельности, измеряемый на другом языке. Это язык, на котором мы указываем на необходимость увеличить или уменьшить значение результата, чего замкнутая система сама не может знать. Например, если результатом измерения системы является уровень прибыли, а система включает эвристический элемент, который допускает колебания прибыли, и она обучена тому, как ее уменьшить или увеличить, то, значит, ей необходимо "сказать", что большая прибыль лучше, а меньшая хуже. Сама по себе она может научиться лишь узнавать, какие жизненные события увеличивают прибыль, а какие ее уменьшают.

7. Кроме того, обратная связь сервомеханизма осуществляется не по заранее заданной функции преобразования. Она осуществляется благодаря организации черного ящика, в котором содержится функция преобразования. Иными словами, она экспериментирует соединениями в анастомотик ретикулуме. Возникает эффективная структура, которая уменьшает возможное разнообразие состояний системы.

8. Хотя пп. 6 и 7 позволяют лучше понять роль сервомеханизма, но они не меняют математических зависимостей, определяющих его устойчивость. Поэтому сохраняет силу вывод (см. гл. 2), что обратная связь становится главным фактором работы системы. Все зависит от критерия на другом языке (см. выше п. 6), позволяющем системе решить, чему ей учиться, а чему нет.

9. Теперь предположим, что система управления становится настолько эффективной и обучилась настолько хорошо, что стала умнее нас с Вами. Возможно, мы не стали теперь достаточно умными, чтобы обозначить на другом языке критерии, которыми она должна руководствоваться теперь. Мы уже не в состоянии понимать, в чем суть этих критериев. В таком случае должна присутствовать вторая система управления, использующая результат (выходную величину) первой Системы как величину на своем входе и работающая иначе: Эта высшего порядка, другого языка, система станет экспериментировать с колеблющейся выходной величиной первой системы и давать новую выходную величину (результат) по иному критерию. Ее сигнал обратной связи (сравненный с иным критерием) определит смысл того, что вкладывается в слова "лучше" или "хуже" для первой системы. Например, первая система могла бы управлять производством всего предприятия, выпускающего большее или меньшее количество разной продукции. Вторая система стала бы оценивать ее деятельность исходя из спроса рынка, подсчитывать результат (на ее выходе) как прибыль и сообщила бы первой системе, обучаться ли ей стратегии увеличения или уменьшения производства каждого из выпускаемых товаров.

10. Но критерий прибыльности, в свою очередь, может быть не очень ясным. Человеческий ум склонен отказываться от эфемерной попытки сравнивать краткосрочную и долгосрочную прибыльности. Краткосрочная, максимально прибыльная стратегия может подорвать репутацию фирмы и привести ее к банкротству. Ясно тогда, что вторая система нуждается в третьей системе, которая бы оценивала систему на языке еще более высокого порядка и сообщала бы о том, что считать большей или меньшей прибылью. Эта третья система проводила бы эвристические эксперименты с экономическими оценками второй системы.

11.  Этот довод остается справедливым до тех пор, пока иерархия систем и уровни их языков не достигнет некоторого, предельного  критерия. Что же это за критерий? Им может быть только выживаемость. Фирма (как и человек) поступает так, чтобы получить вознаграждение, прибыль, чтобы был стимул действовать дальше и дальше, чтобы по возможности расширить область своей деятельности, чтобы ... продолжить свое существование.

12. И то, что справедливо для фирмы и современного поколения управляющих, что справедливо для данного человека (сына своего отца), становится верным для фирмы, как ее непрерывное вечное движение, как и движение всех людей, отцов и их сыновей. Иначе говоря, современный процесс подготовки кадров есть процесс эволюционной их подготовки к будущим технологическим эпохам.

13. Тогда, если мы говорим, что эвристика организует систему так, чтобы она училась путем проверки новых вариантов стратегий управления ее деятельностью, то в равной мере можно сказать, что эвристика организует целое семейство развивающихся систем путем испытаний новых мутаций в своей генетической стратегии1. Цель всего этого процесса — приспособляемость — одна для всех систем.

  Все это может звучать слишком общо, но это не так. Мы, возможно, должны привыкнуть мыслить по-новому. Это не так уж трудно, если понять, в чем отсталость нашего сегодняшнего мышления. Фактически мы должны мыслить свободно, иначе компьютеры не смогут управлять событиями; мы должны мыслить широко, иначе нам не справиться даже с вредителями растений. Короче говоря, механизмы природы просты, но нужны подходящие способы их объяснения. Главное, в случае систем управления природой мы должны чувствовать себя совершенно свободно при обращении с общими понятиями метаязыка. Греческая приставка meta означает "высший", тогда и метаязык есть язык более высокого уровня, чем используемый для обсуждения тех предложений, которые записаны языком низшего уровня.