Шпаргалка по "естествознанию"

 

Синергетика убедительно  показывает, что даже в неорганической природе существуют классы систем, способных к самоорганизации. История  развития природы – это история  образования все более и более  сложных нелинейных систем. Такие  системы и обеспечивают всеобщую эволюцию природы на всех уровнях  ее организации – от низших и  простейших к высшим и сложнейшим, таким как человек, общество, культура.

 

69. КИБЕРНЕТИКА 

 

Задачу выяснить с общих  позиций закономерности процессов  самоорганизации и образования  структур ставит перед собой не только синергетика. Важную роль в понимании  многих существенных особенностей этих процессов сыграл, например, кибернетический  подход, представляемый иногда как  абстрагирующийся от конкретных материальных форм и поэтому противопоставляемый  синергетическому подходу, учитывающему физические основы спонтанного формирования структур.

 

Термином «кибернетика» 2500 лет назад древнегреческий философ  Платон называл «искусство управления кораблем». В начале XIX в. французский  физик и математик А.-М. Ампер  называл кибернетику наукой об управлении государством. В 1948 г. американский математик  Н. Винер издал книгу «Кибернетика», в которой определил это понятие  как «науку об управлении и связи  в животном и машине». Одна из важнейших  задач кибернетики – исследование управляющих систем живой природы. Ключевым вопросом в ее решении стало  понятие обратной связи, влияния  следствий на причины, их вызывающие и определяющие ход процесса.

 

Кибернетика возникла на стыке  многих областей знания: математики, логики, семиотики, биологии и социологии. Обобщающий характер кибернетических идей и  методов сближает науку об управлении, каковой является кибернетика, с  философией. Задача обоснования исходных понятий кибернетики, особенно таких, как информация, управление, обратная связь и другие, требует выхода в более широкую, философскую  область знаний, где рассматриваются  атрибуты материи – общие свойства движения, закономерности познания. Явления, которые отображаются в таких  фундаментальных понятиях кибернетики, как информация и управление, имеют  место в органической природе  и общественной жизни. Таким образом, кибернетику можно определить как  науку об управлении и связи с  живой природой в обществе и технике. Информация в живой природе в  отличие от природы неживой играет активную роль, так как участвует  в управлении всеми жизненными процессами.

 

Эффект обратной связи  означает цикличность, замкнутость  несущего информацию сигнала с выхода на вход системы управления. Посредством  обратной связи осуществляется приведение объекта управления в соответствие с функционально-заданным результатом  управления. Отрицательная обратная связь уменьшает действие возмущающих  воздействий, положительная – усиливает, что может привести к разрушению системы управления.

 

В традиционной кибернетике  гомеостаз рассматривается как  некоторое устойчивое с точки  зрения цели управления состояние объекта. Гомеостаз здесь обеспечивается тем, что всякие отклонения состояний  объекта управления от цели управления компенсируются за счет отрицательной  обратной связи. То есть в этом представлении  гомеостаз прочно связан с целью  управления.

 

Эвристический путь совершенствования  систем управления постепенно формализуется  в рамках теории систем путем выработки  синтетических обобщающих концепций  методологического плана. Среди  них общая теория систем Л. Берталанфи, кибернетика Н. Винера, функциональная теория систем М. И. Сетрова, ветви системного анализа, системотехнические и системологические работы, «глобальные идеи» теории управления, такие как обратная связь, адаптация.

 

70. ОСНОВНЫЕ ПОНЯТИЯ (СИСТЕМА,  ОБРАТНАЯ СВЯЗЬ, ИНФОРМАЦИЯ). СВЯЗЬ  ИНФОРМАЦИИ И ЗНАНИЯ 

 

Те практические задачи, которые  сегодня решаются, требуют глубокого  изучения отдельных объектов и явлений  природы. Большое число задач  связано с исследованием сложных  систем, включающих множество элементов, каждый из которых представляет собой  достаточно сложную систему, и эти  системы тесно взаимосвязаны  с внешней средой. В настоящее  время термин «общая теория систем»  трактуется в широком и узком  смысле. ОТС в широком смысле –  это комплекс математических и инженерныхдисциплин.

 

Аналогична ситуация и  с теорией развития сложных систем. Ее тоже можно понимать в широком  и узком смысле. В широком смысле теория развития сложных систем –  это естественно-научная конкретизация  общей теории развития – материалистической диалектики. В рамках этой же теории должны быть объединены основные положения  о поведении сложных систем, разработанные  в различных областях научного знания, в результате чего может быть построена  концептуальная модель процессов развития сложных систем. Более узкое понимание  теории развития предполагает построение математических моделей развития конкретных систем (биологических, экологических, экономических, социальных и т. п.). В  этом случае объект исследования выделяется и анализируется конкретной научной  дисциплиной.

 

Особенность простых систем – в практически взаимной независимости  их свойств, позволяющей исследовать  каждое из них в отдельности в  условиях классического лабораторного  эксперимента; особенность сложных  систем заключается в существенной взаимосвязи их свойств. Систему  считают сложной, если она состоит  из большого числа взаимосвязанных  и взаимодействующих между собой  элементов, каждый из которых может  быть представлен в виде системы. В качестве содержания теории развития сложных систем можно рассматривать  совокупность методологических подходов, позволяющих строить модели процессов  развития сложных систем, используя  достижения различных наук, а также  методы анализа получаемых моделей.

 

Действие регуляторного  механизма развития системы проявляется  на различных уровнях ее организации  и зависит от реакции на изменение  внешних факторов, от форм взаимодействия системы с факторами внешней  среды. В зависимости от уровня структуризации системы взаимозависимость с  внешними факторами проявляется  в различных формах, так как  относится к разным уровням организации  системы и различным процессам. В роли регулятора выступает внешняя  среда, включающая рассматриваемую  систему. Внешняя среда должна быть связана с развивающейся системой двумя линиями связи – прямой линией передачи управляющих сигналов от внешней среды к системе  и линией обратной связи, передающей во внешнюю среду информацию о  действительном состоянии системы. В процессе функционирования система  передает во внешнюю среду информацию о количественном составе соответствующих  элементов-признаков, об их распределении. Во внешней среде происходит преобразование этой информации (контроль и отбор  наиболее ценной информации). Отобранная информация накапливается во внешней  среде и передается в систему  путем появления соответствующих  свойств (признаков) у элементов  системы.

 

71. ПРОБЛЕМА СОЗДАНИЯ ИСКУССТВЕННОГО  ИНТЕЛЛЕКТА. НЕЙРОННЫЕ СЕТИ 

 

В последнее время активно  ведутся также работы по построению моделей обработки информации в  нервной системе. Большинство моделей  основывается на схеме формального  нейрона У. МакКаллока и У. Питтса, согласно которой нейрон представляет собой пороговый элемент, на входах которого имеются возбуждающие и тормозящие синапсы; в этом нейроне определяется взвешенная сумма входных сигналов (с учетом весов синапсов), а при превышении этой суммой порога нейрона вырабатывается выходной сигнал.

 

В моделях уже построены  нейронные сети, выполняющие различные  алгоритмы обработки информации: ассоциативная память, категоризация (разбиение множества образов  на кластеры, состоящие из подобных друг другу образов), топологически корректное отображение одного пространства переменных в другое, распознавание зрительных образов, инвариантное относительно деформаций и сдвигов в пространстве решение задач комбинаторной оптимизации. Подавляющее число работ относится к исследованию алгоритмов нейросетей с прагматическими целями.

 

Предполагается, что практические задачи будут решаться нейрокомпьютерами  – искусственными нейро-подобными сетями, созданными на основе микроэлектронных вычислительных систем. Спектр задач для разрабатываемых нейрокомпьютеров достаточно широк: распознавание зрительных и звуковых образов, создание экспертных систем и их аналогов, управление роботами, создание нейропротезов для людей, потерявших слух или зрение. Достоинства нейрокомпьютеров – параллельная обработка информации и способность к обучению.

 

Несмотря на чрезвычайную активность исследований, многое в  них настораживает. Ведь изучаемые  алгоритмы выглядят как бы «вырванным куском» из общего осмысления работы нервной системы. Часто исследуются  те алгоритмы, для которых удается  построить хорошие модели, а не те, что наиболее важны для понимания  свойств мышления, работы мозга и  для создания систем искусственного интеллекта. Задачи, решаемые этими  алгоритмами, оторваны от эволюционного  контекста, в них практически  не рассматривается, каким образом  и почему возникли те или иные системы  обработки информации. Настораживает  и упрощенность понимания работы нейронных сетей. Ряд исследователей рассматривает нейрон как значительно  более сложную систему обработки  информации, предполагая, что основную роль в обучении играют молекулярные механизмы внутри нейрона. Все это  указывает на необходимость максимально  полного понимания работы биологических  систем обработки информации и свойств  организмов, обеспечиваемых этими системами. Одним из важных направлений исследований может быть анализ того, как в  процессе биологической эволюции возникали  «интеллектуальные» свойства биологических  организмов.

 

Распознавание образов, сжатие информации, ассоциативная память –  эти функции являются необходимыми для различных устройств с  искусственным интеллектом. И создатели  компьютерной техники уже достаточно продвинулись в этом направлении. Так, если сравнивать мощность искусственных  и естественных нейросетей по емкости памяти и скорости работы, то искусственные нейро-сети уже превзошли уровень мухи, хотя еще не достигли уровня таракана.

 

72. ПРОБЛЕМА ВИРТУАЛЬНОЙ  РЕАЛЬНОСТИ 

 

Процесс познания человеком  мира вышел на новый виток. И этот новый уровень связан с разработкой  и реализацией комплексной проблемы «виртуальная реальность» (Virtual Reality), активно развивающейся в США, Японии и Европы. Важным отличием «виртуального» подхода от предыдущих методов компьютерного моделирования процессов, происходящих в сложных системах, является возможно более полное использование знаний об особенностях поведения человека, о человеческом мозге, о процессах обработки образной информации, о взаимодействии сенсорных каналов (зрительного, слухового, тактильного и пр.), о формировании у нас обобщенного образа мира.

 

Любое попадание на новый  уровень – результат глубокой проработки и обобщения результатов  работы на предыдущих уровнях. Поэтому  в проблеме «виртуальной реальности»  существенное место занимает цветная  и трехмерная графика, интерактивные  системы общения человека и машинны.

 

Использование полисенсорной информации и обратных связей привело к невиданному прогрессу в разработке аппаратуры (видео-, аудио-, сенсоров-шлемов, специальных перчаток с датчиками)и программных средств. Все это позволяет в реальном масштабе времени создать «эффект присутствия» как в глубине образа, так и на его поверхности, анализировать и отображать полученные знания с различной степенью детализации образа, интенсификации проявления различных его свойств, в различных ракурсах.

 

Первостепенную роль в  разработке проблемы «виртуальной реальности»  играют такие особенности «человеческого фактора», знания о которых получаются в результате нейропсихолингвистических исследований. К подобным особенностям относятся, в частности, обработка полисенсорной (иногда еще ее называют полимодальной) информации, адаптивная обратная связь, «взгляд изнутри» на объект, специфика механизмов межполушарной асимметрии мозга.

 

При изучении процессов восприятия человеком знаний о мире больше внимания традиционно уделялось этапам восприятия, формирования и, конечно, их компьютерному  представлению. В настоящее же время  на передний план выходят проблемы понимания и интерпретации знаний, полученных по различным сенсорным  каналам (имеются в виду цветовые оттенки, шероховатость поверхности, трехмерное полизвучание и т. п.).

 

Подход к познанию мира, основанный на виртуальной реальности, предполагает отображение знаний в  «кибернетическое пространство»(cyberspace)с учетом специфики человека на основе «левополушарной» (логико-комбинаторной) и «правополушарной» (целостной) стратегии обработки информации. В соответствии с «левополушарным принципом» реализуются сканирование по экрану, обход образа по контуру и логико-комбинаторная, численно-аналитическая и вероятностная обработки. «Правополушарный принцип» позволяет осуществить целостный охват входного паттерна на основе оценки многосвязности. Поэтому важным фактором в создании систем виртуальной реальности является использование нейросе-тевых моделей. Еще одной гранью «виртуальной реальности» являются формализованные рассуждения субъекта, основанные на его личностных представлениях о добре и зле, красоте, возможном и недопустимом, отображение этих рассуждений в cyberspace.

 

73. СОВРЕМЕННАЯ БИОЛОГИЯ 

 

В последние десятилетия  биология переживает период бурного  развития, многие мыслители современности  даже говорят о вступлении человечества на третий, «биологический» виток  развития науки, когда большинство  дисциплин будет иметь «биологический окрас».

 

Претерпев длительное историческое развитие, к XX в. биология пришла как  мощная и разветвленная область  научного знания, дифференцирующаяся на ряд дочерних дисциплин, обретших статус полновесных самостоятельных  областей. В настоящее время к  биологическим дисциплинам причисляют более 200 самостоятельных ветвей научного знания.

 

Необходимость решения поставленных научных задач требует значительных усилий во всех областях науки, одновременно признаком развития любой науки  является возникновение межпредметных связей. Это обусловлено тем, что различные науки отражают различные стороны одной и той же объективной реальности, соответственно, для построения более полной картины окружающего мира логично и более того необходимо развитие новых подходов, возникающих на стыке различных дисциплин. Процесс интеграции – объединения знаний, возникновения смежных дисциплин, происходит параллельно и взаимосвязанно с процессом дифференциации знаний. В этом нет логического противоречия. Это и является причиной того, что наряду с такими классическими дисциплинами, как зоология или ботаника, нам все чаще приходится слышать о биотехнологии, социальной экологии, космической биологии и т. п.