Философские аспекты математического моделирования

Особое место среди экспертных систем занимают системы искусственного интеллекта. Проблема искусственного интеллекта занимает очень большое место в практике сознания и использования вычислительной техники. С ней связано много вопросов и чисто гносеологического характера. Академик Н.Н. Моисеев¹⁸ писал, что сам термин «искусственный интеллект» – не более чем лингвистический нонсенс, и правильно было бы говорить об имитационных системах, понятием которых прежде всего и связан рациональный смысл денного термина. В узком смысле под искусственным интеллектом понимаются технические средства и логика программирования, принципиально упрощающая все процедуры общения с ЭВМ. Моисеев считает, что ни сегодня, ни в обозримом будущем,  нет и не будет никаких оснований говорить о возможности появления искусственных систем, которые представляли бы новую, более совершенную форму организации материи. Нет никаких оснований считать, что машина сама по себе превратится в свехрчеловека и «отменит» человечество в качестве пройденного, «устаревшего» уровня организации сознания и материи. Знаменитый Терминатор останется продуктом фантастики. Моисеев уверен, что вычислительная техника и средства искусственного интеллекта, как бы они не развивались в дальнейшем, все равно по прежнему будут оставаться плодом человеческого разума и рук и по прежнему будут служить целям человека.

Далее будем понимать термин «искусственный интеллект» только в узком смысле, связывая его с технологией обработки  и использования информации.

 Нейросетевые технологии – одна из разновидностей систем искусственного интеллекта. Понятия нейпронная сеть, нейроматематика, нейроимитатор все шире входят в нашу жизнь, становятся привычныс и эффективным инструментом для решения многих научно-технических задач. Основой  нейронной сети (НС) являются искусственные нейроны, описанные в предыдущем пункте. Тем НС – совокупность нейронов, определенных образом соединенных друг с другом и внешней средой. Используя НС, можно реализовывать различные логические функции, связывающие между собой все входные и выходные переменные, определенные в логическом базисе {0,1}. Эти логические функции могут быть монотонными и немонотонными, линейно разделимыми и неразделимыми, то есть иметь достаточно сложный вид.

В основу искусственных нейронных  сетей положены следующие черты живых нейронных сетей, позволяющие им хорошо справляться с нерегулярными задачами¹⁹:

• простой обрабатывающий элемент – нейрон;
• большое количество нейронов, участвующих в обработке информации;
• связь каждого нейрона с большим количеством других нейронов;
• изменяющиеся по весу связи между нейронами;
• массивная параллельность обработки информации.

Нейросетевые технологии хорошо зарекомендовали  себя в решении всевозможных задач  прогнозирования. Они способны решать задачи опираясь на неполную, искаженную, зашумленную и внутренне противоречивую информацию. И как сказал Роберт Хехт-Нильсен²⁰: «Не имеет значения, похожи ли на самом деле в работе нейронные сети на мозг. Значение имеет лишь то, что у данных теоретических моделей можно математически обосновать наличие способностей к переработке информации».

 

Заключение

Возможность постановки вычислительного  эксперимента на ЭВМ существенно  ускорила процесс математизации  науки и техники. Расширился круг профессий, для которых математическая грамотность становится необходимой. Благодаря возможности оперативного исследования процессов труднодоступных и недоступных для реального экспериментирования математическое моделирование все больше и больше находит свое применение в областях, казалось бы далеких от математики и естественных наук. Оно широко используется и в криминалистике, и в лингвистике, и в социологии, и этот список можно продолжать и продолжать.

Академик Н.Н. Моисеев еще лет  двадцать назад первым осознал необходимость  подготовки к эффективному использованию ЭВМ новых поколений. Он обратил внимание на то, что крупные народнохозяйственные и социально-экономические проблемы могут быть удовлетворительно решены только при условии, что своевременно будут организованы и выполнены исследования междисциплинарного характера, а ЭВМ новых поколений дают подходящую базу для организации и проведения таких исследований.

Академик А.А. Самарский говорит  о незаменимости математического  моделирования для решения важнейших  проблем научно-технического и социально-экономического прогресса, подчеркивает значение математического моделирования как методологии разработки наукоемких технологий и изделий.

Но, к сожалению, как отмечает А.А. Петров²¹ те, от кого зависит распределение ресурсов, еще не осознали, что методы математического моделирования имеют большое народнохозяйственное значение и от их развития во многом зависит судьба социально-экономического и научно-технического прогресса страны. Соответственно нет материальной поддержки исследований, научные кадры не консолидируются на решении ключевых проблем, даже нет понимания, что математическое моделирование превратилось в самостоятельную отрасль науки с собственным подходом к решению проблем, хотя корни его остаются в науках о природе и обществе. Остается надеяться, что эти трудности временные, и математическое моделирование получит заслуженное место и в решении важных социально-экономических и народно хозяйственных проблем России будет играть ту же роль, что и в развитых странах.

 

 

 

 

 

 

 

 

 

 

 

 

Литература

1. Акчурин И.А., Веденов М.Ф., Сачков Ю.В. Познавательная роль математического моделирования. М.: 1968.
2. Амосов Н.М. Моделирование мышления и психики -  М.: Наука, 1965.
3. Батороев К.Б. Кибернетика и метод аналогий - М.: Высшая школа, 1974.
4. Бир С. Кибернетика и управление производством - М.: Наука, 1965
5. Бублик Н.Д., Секерин А.Б., Попенов С.В. Новейшие компьютерные технологии прогнозирования финансовых показателей и рисков. – Уфа: 1998.
6. Васильев В.И., Ильясов Б.Г., Валеев С.В., Жернаков С.В. Интеллектуальные системы управления с использованием нейронных сетей. – Уфа, 1997.
7. Вейль Г. Полвека математики – М.: 1969.
8. Иванов В.Т. Математическое моделирование. Модели прогнозирования.(Методические указания для самостоятельной работы по курсу ЦИПС) – Уфа, 1988.
9. Иванов В.Т. Математическое моделирование. Модели оптимизации (Методические указания для самостоятельной работы по курсу ЦИПС) – Уфа, 1988.
10. Салихов М.В. К вопросу об эвристической активности математики // Философские науки, 1975, №4Ю с.152-155.
11. Самарский А.А. Гулин А.В. Численные методы  - М.: Наука, 1989.
12. Советов Б.Я., Яковлев С.А. Моделирование систем. – М.: Высшая школа, 1998.
13. Иванов В.Т. Математическое моделирование. Модели оптимального управления (Методические указания для самостоятельной работы по курсу ЦИПС) – Уфа, 1988.
14. Клаус Г.  Кибернетика и философия - М.: Наука, 1963.
15. Краткая философская энциклопедия. М.: Издательская группа «Прогресс», 1994.
16. Кочергин А.Н. Моделирование мышления - М.: Наука, 1969.
17. Кудряшев А.Ф. О математизации научного знания.// Философские науки, 1975, №4, с.133-139.
18. Лотов А.В. Введение в экономико-математическое моделирование
19. М.: Наука, 1984.
20. Моисеев Н.Н. Алгоритмы развития – М.: Наука, 1987.
21. Моисеев Н.Н. Экология человечества глазами математика. – М.: Молодая гвардия, 1988.

¹ А.Ф. Кудряшев О математизации научного знания // Философские науки, 1975, №4, с.137

² Андрющенко М.Н., Советов Б.Я., Яковлев А.С. и др. Философские основы моделирования сложных систем управления // Системный подход в технологических науках (Методологические основы): Сборник научных трудов – Л.: Изд. АН СССР, 1989, с.67-82

Советов Б.Я., Яковлев С.А. Моделирование систем – М.: Высшая школа, 1998, с. 4-6.

³   Фролов И.Т. Гносеологические проблемы моделирования –М.: Наука, 1961, с.20.

⁴ Петров А.А. Экономика. Модели. Вычислительный эксперимент. - М.: Наука, 1996, 251 с., с.6.

⁵ Самарский А.А., Гулин А.В. Численные методы. – М.: Наука, 1989, 432с., с.11

⁶ Иванов В.Т. Математическое моделирование. Модели прогнозирования.(Методические указания для самостоятельной работы по курсу ЦИПС) – Уфа, 1988, 47 с., с.12-14

⁷Иванов В.Т. Математическое моделирование. Модели оптимизации (Методические указания для самостоятельной работы по курсу ЦИПС) – Уфа, 1988, 50 с., с.4

⁸ Иванов В.Т. Математическое моделирование. Модели оптимального управления (Методические указания для самостоятельной работы по курсу ЦИПС) – Уфа, 1988, 47 с., с.2.

⁹ Краткая философская энциклопедия. – М.: Издательская группа «Прогресс» 1994, с.209.

¹⁰ Кафаров В.В. Методы кибернетики в химии и химической технологии. М.: Химия, 1968, с.11.

¹¹ Батороев К.Б. Кибернетика и метод аналогий. М.: Высшая школа, 1974, с.169.

¹² Баторев К.Б. Кибернетика и метод аналогий. М.: Высшая школа, 1974, с.200

¹³ Бир С. Кибернетика и управление производством М.: Наука, 1965, с.172.

¹ Кибернетика. Итоги развития., М.: Наука, 1979. – (Серия «Кибернетика – неограниченные возможности и возможные ограничения»).

¹⁴ Веденов А.А. Моделирование элементов мышления - М.: Наука, 1988, с. 67.

¹⁵ Васильев В.И., Ильясов Б.Г., Валеев С.В., Жернаков С.В. Интеллектуальные системы управления с использованием нейронных сетей. – Уфа, 1997, с.11.

¹⁶ Амосов Н.М. Моделирование мышления и психики. –М.: Наука, 1965, с.46

¹⁷ Бублик Н.Д., Секерин А.Б., Попенов С.В. Новейшие компьютерные технологии прогнозирования финансовых показателей и рынков. – Уфа: 1998, с.5.

¹⁸ Моисеев Н.Н. Алгоритмы развития. – М.: Наука, 1987, с. 189-200.

¹⁹ Бублик Н.Д., Секерин А.Б., Попенов С.В. Новейшие компьютерные технологии прогнозирования финансовых показателей и рынков. – Уфа: 1998, с.9-10.

²⁰ Васильев В.И., Ильясов Б.Г., Валеев С.В., Жернаков С.В. Интеллектуальные системы управления с использованием нейронных сетей. – Уфа, 1997, с.4.

²¹ Петров А.А. Экономика. Модели. Вычислительный эксперимент. - М.: Наука, 1996, 251 с., с.6.