Системное мышление. Урок 6. Статические свойства системы.

О системах мы уже говорили на уроке Системное мышление. Урок 2. Структура и классификация систем а на уроке Системное мышление. Урок 3. Контурное мышление затронули тему связей в системах. Сегодня поговорим о системах более подробно и более детально. сначала давайте определимся, что мы будет считать системой, а что просто нагромождением элементов.

Чтобы отличить систему от нагромождения элементов, необходимо усвоить, что система обладает рядом свой. Рассмотрим их.

Статистические свойства.

Эти свойства характеризируют ее конкретное состояние. Это как бы то, что можно разглядеть на конкретных фотографиях системы.

• Целостность. Каждая система обладает определенной целостностью, обособленностью. У нее как бы есть граница, которая отделяет систему от окружающей среды. Правда, в некоторых ситуациях данная граница условна. Приведем несколько примеров: государство, оно имеет определенные регламентированные географические границы. Человек, его граница - кожа. Клетка - граница - мембрана. Во всех случаях мы имеем дело с границами, через которые может идти обмен с окружающей средой, но, тем не менее, этот обмен ограничен какими либо правилами и условиями.

• Открытость. Как я уже говорил в предыдущем пункте, несмотря на наличие границы, система активно взаимодействует с окружающей средой. С одной стороны, внешняя среда влияет на систему, с другой стороны, система может совершать различные действия по отношению к окружающей среде. Как правило, способы влияния среды на систему называют входами системы, а действия системы на среду - выходами. Совокупность входов и выходов называют моделью черного ящика. Такая модель не предполагает знания внутренней структуры системы, но, несмотря на свою простоту и кажущуюся ограниченность, во многих случаях такой модели бывает достаточно. Возьмем, например, телевизор или автомобиль.  Кнопки, педали и руль - это входы. А то, что происходит при нажатии на кнопки (например, телевизор включается, что-то показывает, изменяется громкость) - это выходы. Однако, для того, успешного управления системой в таком случае, необходимо знать, как и на какой вход подействовать, чтобы получить желаемый результат.

• Внутренняя неоднородность. Если заглянуть внутрь "черного ящика", то, как правило, выясняется, что система состоит из различных частей. Причем, каждая часть системы может быть какой-то отдельной подсистемой и, в свою очередь, тоже состоять из отдельных частей. Человек, например, имеет руки, ноги, внутренние органы. Но те, в свою очередь, тоже состоят из каких то блоков, например, сосудов, нервов, имеют какую-то определенную внутреннюю структуру. А эти объекты внутренней структуры органа, в свою очередь, состоят из клеток, которые тоже являются, по своей сути, сложными системами. Естественно, в системной анализе мы мысленно делим систему не до бесконечности, а до какого-то определенной предела, который отвечает цели анализа. Понятно, что анализ внутренней структуры нужен для того, чтобы изучить, как система работает, устранить пробелы в наших знаниях о том, какое воздействие на систему к какому результату приводит. Определить, из каких частей состоит система, значит, составить ее модель состава.

• Структурированность. Части системы не изолированы друг от друга, а связаны и как-то взаимодействуют между собой. Если это не так - тогда это уже будет не система а просто нагромождение объектов. Под связями мы понимает то, как части системы действуют друга на друга. Определить, как части системы связаны между собой, также необходимо для того, чтобы понять, как система работает, для прогнозирования, как система отреагирует на то или иное воздействие. Опередить связи между частями системы это значит составить ее модель структуры.

Теперь поговорим об особенностях построения моделей, основываясь на выше перечисленных свойствах системы. Сначала рассмотрим модель черного ящика. Основной нюанс состоит в том, что модель содержит конечный список связей, тогда как их число у реальной системы не ограничено и может быть очень большим. Возникает вопрос: какие связи включить в модель, а какие проигнорировать? Ответ очевиден: в модель необходимо включить те связи, которые существенные для достижения поставленной цели. Но слово "существенные" - оценочные. Как определить, какие связи существенны, какие нет?  Тут возможно ошибиться. Тут возможны 4 типа ошибок:

• Ошибки первого рода. Это ошибка, когда связь посчитали существенной, на самом деле она не важна для решения поставленной задачи. Что в этом плохого? а то, что если эту связь надо учитывать, тратить на это какие-то ресурсы, например, время, или вычислительные мощности компьютера, если моделирование происходит на ЭВМ.

• Ошибка второго рода. Когда существенная связь была признана несущественной. Это делает моделирование неадекватным ситуации, неточным, некачественным ошибочным.

• Ошибка третьего рода. Это когда какую то связь вообще не включили в модель, по причине того, что не знали, что она вообще есть. а эта связь могла оказаться существенной.

• Ошибка четверного рода. Это когда существенную и известную связь считают входом или выходом. Например, зная корреляцию между урожайностью зерновых  и яйценоскостью кур можно толковать как вход тот фактор, который известен, а как выход - то, что надо вычислить. Например, мы знаем урожайность зерновых и нам надо оценить яйценоскостью кур. В это случае урожайность - вход, яйценоскость выход. Но а как быть например, с тем фактом, что в Англии в прошлом веке была выявлена закономерность: здоровье мужчин, носящих цилиндры было намного выше, чем носящих кепки. Будет ли правильно рассчитывать уровнеь здоровья в зависимости от высоты шляпы?

Построение модели состава и структуры системы также сопряжено с рядом трудностей. Возьмем модель состава. Казалось бы, чего тут трудного? На первый взгляд, часто структуру системы различить вовсе не трудно, ее части прямо бросаются в глаза. Например, тело человека состоит из органов, социальная группа состоит из отдельных людей, организация состоит из подразделений. А искусственные системы (например, автомобиль) заведомо собираются из отдельный частей. Но это только кажущаяся простота. Возьмем организацию. С одной стороны, например, с точки зрения начальника, она состоит из подразделений. А бухгалтер рассматривает организацию как совокупность активов и пассивов, отраженных в бухгалтерском балансе. И это тоже модель структуры, причем, вполне адекватная тем целям, для которых составлена.  А системный администратор вообще рассматривает структуру организации только как совокупность соединенных в сеть компьютеров. Или, другой пример. Человек. С точки зрения традиционной западной медицины - это набор органов. А с точки зрения китайской медицины - это сложная система меридианов, по которым течет Ци. Другое дело, что можно поспорить насчет понятия "Ци", можно утруждать, что оно не научно и так далее. Да, возможно, в природе и не существует никакой Ци, точно также как не существует и бухгалтерских активов и пассивов - это просто абстракции. Но, тем не менее, на этих абстракциях построена модель, которая вполне адекватна целям, с которым данная модель создавалась. Точно также, несмотря на то, что понятие Ци - ненаучно, китайская медицина, тем не менее, неплохо работает.

Итак, систему поделить на части можно разными способами. Кроме того, возникает вопрос, а до какого уровня дробить подсистемы? Тут тоже возможны варианты. Другая проблема - что считать границей системы. Тут тоже не все однозначно. Как я сказал выше, границы системы понятие довольно растяжимое.  Даже в том случае, когда граница очевидна, например, граница человека - его кожа. Но вот человек откусывает кусок бутерброда. Спрашивается, в  какой момент бутерброд становиться частью системы "человек"? Когда он откусил кусок? Когда проглотил? Когда бутерброд переварился?

Но на самом деле, есть критерий, по которому все же можно определить границу системы. Эту границу необходимо установить таким образом чтобы это отвечало цели моделирования.

Теперь поговорим о нюансах построения модели структуру. Она основывается на модели состава и ее также можно создать разными способами. Основная трудность здесь состоит в том, чтобы среди всех связей между частями системы выдели существенные. Например, современному менеджеру рекомендуется учитывать, что, помимо формальной структуры его организации, неизбежно существует и неформальная структура, определяемся личностными связями между сотрудниками. Другой пример: при конструировании и эксплуатации компьютерных сетей, помимо аппаратной структуры, приходиться учитывать также их взаимодействие на программном уровне.

Другая трудность построения модели структуры состоит в том, что каждая часть системы - это такой маленький "черный ящик", и при определении его входов и выходов  возможны четыре типа ошибок, которые были перечислены выше.

Теперь рассмотрим пример. Допустим, при помощи системного мышления мы хотим решить определенную конкретную задачу: изучение иностранного языка. Можем ли мы описать эту задачу в виде системы с перечисленными ранее статистическими свойствами? Во-первых, целостность. Понятно, что мы не можем определить границы системы в объективной реальности. Но мы можем задать их в некотором пространстве состояний, или в пространстве целей. Кроме того, данная система может взаимодействовать с некоторой "виртуальной" реальностью, в которой мы ее описываем. В частности, на вход системы поступает информация, например, конкретные иностранные слова и правила грамматики. Что на выходе? Умение говорить на иностранном языке, умение делать переводы. Разумеется, говорить и переводить тексты должна не какая-то абстрактная система, а конкретный человек, который поставил перед собой подобную цель. Вот его то мы и представим в виде черного ящика:

Приведенная нами модель является слишком общей и растяжимой. Она вызывает много вопросов. Например, что "такое обучающий поток информации", как данный субъект должен отвечать на входящую информацию. И тут мы сталкиваемся с необходимость постановки цели. До какого уровня человек желает обучиться владению иностранным языком? Какие навыки он должен иметь после прохождения обучения? Формализованные ответы на эти вопросы, по сути, и будет нашей моделью черного ящика. Например:

• Умение переводить с русского на иностранный разговорные тексты.

• Умение переводить с иностранного на русский технические тексты.

• Умение воспринимать на слух разговорную речь при просмотре фильмов на иностранном языке.

• Умение общаться с носителями языка на темы: рассказ о себе, о своей работе; разговор о погоде; разговор о хобби и время препровождении. Умение заказать еду в ресторане и сделать покупки в магазине на иностранном языке.

Данный перечь желаемых навыков определяют лексику, которую субъект планирует понимать (входная информация), способ представления входная информации, а также лексику, с помощью которой субъект планирует строить фразы на иностранном языке (выходная информация). Также в качестве входов тут фигурирует русский текст и текст на иностранном языке технического характера. К выходам еще прибавим текст, переведенный с иностранного на русский и с русского на иностранный. 

Выбранный способ обучения тоже относиться к входной информацией. Способ проверки усвоение знания - это и вход и выход. На входе - проверочные упражнения, вопросы для самоконтроля и так далее, на выходе - ответы на вопросы, тесты и упражнения.

Таким образом, модель черного ящика у нас готова (при желании ее можно детализировать, сделав более подробной). Далее, модель состава. С точки зрения поставленных целей, в данной модели целесообразно выделить такие части системы, как сам обучаемый субъект, его мозг (память), учитель или учителя (под учителем может пониматься не только учитель человек, но и книга, онлайн курсы, иные учебные материалы). Саму память можно разделить на кратковременную и долговременную. Так как на обучение влияют воля и мотивация субъекта, эти факторы также следует включить в модель состава. Кроме того, будет полезно учесть также некоторые известные нам научные знания о мозге, о работе нервной системы.  И тут мы плавно перешли к модели структуры. То есть, нам нужно учесть, что влияет на мотивацию, на проявление воли, на эффективность запоминания.  Можно даже выявлять все эти взаимосвязи в ходе обучения, постоянно улучшая модель и делая обучение более эффективным.

Стоит заметить, что само представление знаний в памяти тоже является, по сути, системой. И эту систему также можно описать в виде модели черно ящика, состава и структуры. Как раз разбором такого примера мы займемся на следующем уроке.