Полный курс можно найти на платформе Si Network → https://bit.ly/SiLearningPathways
Краткий обзор сложных адаптивных систем и кибернетики.
Сложные адаптивные системы — это системы, состоящие из множества разнообразных элементов, которые способны адаптироваться и, следовательно, могут со временем эволюционировать, демонстрируя весьма сложное поведение. Но давайте начнём с самого начала, немного поговорим об адаптации.
Адаптация — это процесс или способность, посредством которых системы могут изменяться в ответ на определённые события в окружающей среде. Для этого в системе должен быть определённый механизм управления или регулирования.
Кибернетика — это область, изучающая механизмы регулирования систем посредством так называемых петель обратной связи, посредством которых действия системы вызывают изменения в окружающей среде, и эти изменения, в свою очередь, влияют на саму систему.
Классическим примером этого является термостат, регулирующий температуру в доме. Система состоит из центрального контроллера, на котором задаётся желаемая температура, нагревателя, создающего воздействие, изменяющее состояние окружающей среды, и датчика, передающего контроллеру информацию об окружающей среде.
Везде, где есть эта базовая степень взаимодействия и взаимозависимости между элементами, мы можем использовать модель адаптивной системы и контуры обратной связи для описания её динамики, и, таким образом, моделировать экономику, общество и экосистемы.
Различные способы взаимодействия системы и окружающей среды порождают различные типы контуров обратной связи, основные из которых — положительная и отрицательная обратная связь.
Во-первых, положительная обратная связь — это действие, которое производит больше того же самого. Например, по мере повышения глобальной температуры арктический морской лёд тает, и по мере исчезновения этого отражающего морского льда обнажённые тёмные океанские воды поглощают больше тепла, что, в свою очередь, повышает глобальную температуру и так далее.
Напротив, отрицательная обратная связь производит меньше того же самого действия. Например, чем выше цена на яблоки, тем ниже спрос со стороны потребителей, что, в свою очередь, снова снижает цену на яблоки.
Эти различные паттерны обратной связи приводят к различным свойствам систем. Например, отрицательная обратная связь — это форма саморегуляции, которая обычно создаёт очень устойчивые системы.
Хотя положительные обратные связи часто оказывают дестабилизирующее воздействие, примером того, как это работает, может служить стая птиц, находящаяся на земле. Любая из них, вероятно, улетит, увидев, как улетает соседняя птица. Каждый раз, когда другая птица реагирует и взлетает, увеличивается вероятность того, что другие птицы улетят.
Таким образом, можно сказать, что системы нестабильны из-за этих положительных обратных связей, которые позволяют любому незначительному событию распространяться по всей системе. Аналогичная динамика наблюдается и во многих других областях, например, в финансовых системах, где потеря доверия может каскадно распространяться по всей системе, вызывая набеги на банки.
Мы говорили об адаптации и петлях обратной связи, но для создания сложных адаптивных систем требуется взаимодействие множества адаптивных элементов. На основе этих микроуровневых взаимодействий адаптивные системы могут самоорганизовываться, что позволяет сформировать некую макроуровневую модель.
Примером этого может служить формирование культуры, где находящиеся в непосредственной близости люди вырабатывают стандартизированные методы взаимодействия и координации посредством общего набора приветствий, языка и ритуалов. Со временем эти микровзаимодействия разовьются в формальную культурную систему.
Эти возникающие самоорганизующиеся макроструктуры, будь то рынки, социальные институты или города, в свою очередь, создают обратную связь, влияя на действия людей внутри системы, как ограничивая, так и стимулируя их будущие действия.
Учитывая возникновение новых уровней порядка по мере развития систем, способность элементов к адаптации и сложные взаимодействия внутри системы, практически невозможно точно предсказать будущее состояние сложной адаптивной системы.
Единственный действенный метод моделирования эволюции этих систем — просто позволить им развиваться и наблюдать за происходящим. К счастью, у нас есть компьютеры, способные моделировать этот процесс.
Этот метод моделирования называется агентным моделированием (Agent Based Modeling), при котором элементу задаётся простой набор правил, управляющих его поведением, и он вступает во взаимодействие, чтобы наблюдать за макромасштабными закономерностями, возникающими с течением времени. Этот метод показал, что даже при очень простых правилах, управляющих поведением агента, могут возникать сложные и непредсказуемые явления... Полную расшифровку см. на нашем сайте.
Узнайте о Сети системных инноваций в наших социальных сетях:
→ Twitter: http://bit.ly/2JuNmXX
→ LinkedIn: http://bit.ly/2YCP2U6
Информация по комментариям в разработке