Что такое цифровизация?
- Один из важнейших трендов современной цивилизации – «цифровизация» технологических процессов в различных отраслях человеческой деятельности. Для эффективного использования «цифровых» технологий необходимо хорошее понимание связей между законами природы и общественными явлениями и системами, особенности цифровых моделей объектов, образующих экосистему, вытекающие из фундаментальных наук. Только на основе научного знания могут быть сформулированы и учтены на практике базовые ограничения и реальные возможности цифрового подхода к анализу процессов управления в сложных системах и внедрению этого подхода в социальные и коммерческие системы. Научная основа процесса «цифровизации» заложена в фундаментальных законах природы, являющихся первичными по отношению к законам человеческого общества, которые, в свою очередь, являются следствиями фундаментальных законов. Поэтому любой анализ процессов «цифровизации» надо начинать с методологии использования знаний о законах природы, которые сегодня известны наблюдателю (то есть, представителю человеческого общества) в пределах, определяемых стохастическим (вероятностным) характером самих основных законов и неполнотой математических моделей их описывающих в силу ограниченности накопленного знания.
- Известные в настоящее время основные законы сформулированы в процессе развития науки, в начале которого выявлялись факты, затем находились закономерности, оформляемые в виде классификаций и, в последующем, математических описаний в виде формул и таблиц, связывающих различные измеряемые параметры (законы, теоремы, правила и т.п.). Современный математический «метаязык» — язык, который лежит в основе всех наук (естественных, технических и, даже, гуманитарных) перешел от формул и уравнений на уровень языковых (онтологических) моделей, с помощью которых проектируются и исследуются объекты и явления любой природы. В его основе теория информационных взаимодействий, которая рассматривает сложные системы, состоящие из множества объектов различной природы, через информационные процессы обмена и обработки информации, принятия и исполнения управляющих решений. Использование метаязыка позволяет активно использовать «метод аналогий», который дает возможность применить накопленные в одной дисциплине знания к анализу процессов в другой. В рамках теории информационных взаимодействий принимается приоритет общих законов природы над любыми частными законами, в частности, законами общества.
- Другое важное положение заключается в том, что механизмы регулирования на основе обратных связей предопределяют развитие любой системы в пределах жизненного цикла, в рамках которого обеспечиваются «плавные» и «скачкообразные» (разница между ними определяется только масштабом времени наблюдаемого процесса) переходы из одного устойчивого равновесного состояния на другое. В какой-то момент времени переход оказывается невозможным в силу того, что работа по «наведению порядка» (уменьшению энтропии) не выполняется из-за различных ресурсных ограничений (например, временных, энергетических, финансовых и т.п.), а также, вследствие управленческих ошибок, возникновение которых неизбежно из-за вероятностного характера всех физических процессов (например, неизбежная погрешность измерений) и неполноты модели, описывающей системы в каждый текущий момент.
Динамика изменения энтропии как интегральная характеристика состояния системы
- Наиболее общим параметром описания состояния системы является информационная энтропия, которая является почти полным математическим аналогом «термодинамической» энтропии, и определяет «меру беспорядка», существующую в системе [29]. Основой для успешной (в смысле выполнения поставленных целей) работы любой системы является возможность предсказания ее состояния на определенный отрезок времени (период прогнозирования). Естественно, что точность такого прогноза конечна ввиду отмеченного выше вероятностного характера оценок текущего состояния (точность измерения ограничена как следствие фундаментальных законов) и неполноты используемых математических моделей. Оптимальный период предсказания определяется масштабом «реального времени» процессов, которые происходят в системе.
- Оптимальность понимается в смысле возможности использования простых моделей для формирования прогноза (чаще всего используется «линейный прогноз», формирование которого занимает минимальное время и требует минимальный набор оценок, который получается в процессе мониторинга системы). Прогнозирование в этом случае сводится к линейной операции вычисления значений контролируемых параметров системы в конце периода прогнозирования, которая осуществляется на основании измеренных в процессе мониторинга текущих значений и оценок стабильности внешних факторов, влияющих на функционирование системы в течение этого периода.
- Сравнение предсказанных значений и полученных в конце периода по результатам мониторинга, позволяет оценить точность и достоверность прогноза. Можно утверждать, что, чем выше точность прогноза, тем более «упорядочена» исследуемая система и полны в математическом смысле, знания наблюдателя о ней. Это значит, что энтропия такой системы (которая является мерой «порядка» и «полноты знаний») существенно не изменилась (естественно, при условии, что мы рассматриваем систему как «условно замкнутую», где внешние воздействия могут быть с какой-то точностью учтены или признаны пренебрежимо малыми в течение периода прогнозирования).
- Для практического применения указанного подхода удобно использовать «фенологическую информационную модель», которая подразумевает, что можно с достаточной для поставленной цели точностью, описывать систему, не зная полного состава и схемы взаимодействия входящих в нее объектов, только на основе функциональных связей между входными и выходными параметрами. Важно описать связи между входными и выходными параметрами и выделить «внешние» параметры, влияние которых на выходные параметры происходит существенно медленнее, чем влияние «внутренних» параметров. Это позволит на достаточно коротком периоде прогнозирования предполагать стабильность внешних параметров и рассматривать систему как «условно замкнутую».
- Динамика энтропии системы, оцениваемая на основании последовательности оценок прогнозируемых и измеряемых параметров состояния, (производится методами робастной статистики [39,40,28]), которые позволяют получить устойчивые оценки на основании коротких выборок, что обеспечивает достаточно высокую скорость получения результата, на основании которого формулируется необходимость принятия и исполнения управляющих решений, которые переведут систему в одно из равновесных состояний [24, 6] или скорректируют соответствующие параметры, для того, чтобы сохранить прежнее. Скорость принятия и исполнения управляющих решений, определяемая инерционностью системы, существенно влияет на ее устойчивость. Другими словами, по аналогии с классической теорией управления, можно сказать, что слишком быстрые реакции из-за ограниченной точности получаемых оценок, могут привести к положительной обратной связи и разрушить систему (это означает выход системы из состояния устойчивого равновесия), то есть, в рамках существующей модели управления никакими внешними воздействиями ее не удастся вернуть в исходное состояние. Этим, собственно, и ограничен жизненный цикл любой системы, которая, в результате постоянного возрастания «беспорядка» (фундаментальный закон неубывания энтропии) приходит к тому моменту, когда выбранная схема управления не обеспечивает возможность перехода в одно из устойчивых состояний в течение ограниченного периода времени.
- Для формирования информационной фенологической модели системы, в первую очередь, необходимо определить состав объектов, которые ее образуют, чтобы можно было разграничить внутренние процессы и внешние воздействия. Это разделение делается для того, чтобы можно было при создании математической модели определить ограниченный перечень внутренних параметров и выделить внешние параметры, которые меняются относительно медленно и незначительно.
- Каждую систему можно рассматривать с разных точек зрения (разные «наблюдатели» с априорным знанием о наблюдаемой системе и набором инструментов для оценки ее параметров), что подразумевает соответствующее различие целевых функций и способов оценки состояния системы и ее эффективности. Поэтому одна и та же система, но рассматриваемая с разных точек зрения разными наблюдателями, выглядит иначе и оценивается на основе разных критериев, соответствующих априорным знаниям наблюдателя. Часто складывается ситуация, когда для одного наблюдателя система кажется очень эффективной, а для другого, напротив, мало полезной с точки зрения их интересов. Поэтому, при моделировании надо рассматривать систему с учетом возможности наблюдения разными наблюдателями и с учетом влияния результатов измерения на наблюдаемую систему. Погрешности оценок всегда отличны от нуля из-за взаимовлияния наблюдателя и системы друг на друга и неполноты модели (или априорных знаний наблюдателя об объекте). Неполнота модели проявляется, в частности, в том, что наблюдатель не может сформировать набор оцениваемых параметров, которые бы образовали ортогональный базис, по которому можно разложить в ряд выходную функцию (в соответствии с теоремой Карунена-Лоева [35,7]). Кроме того, одновременно измерить все параметры невозможно из-за того, что процесс измерения происходит во времени, за которое параметры изменяются, что также ограничивает точность наблюдения (аналог принципа неопределенности). Фактически между наблюдателем и системой происходит информационное взаимодействие, которое не позволяет добиться нулевой погрешности (другими словами, наблюдатель и система образуют новую систему, объекты которой взаимодействуют друг с другом изменяя оцениваемые параметры за период наблюдения). Регулярное наблюдение за состоянием системы (мониторинг) заключается в оценке некоторых величин, которые являются функциями параметров наблюдаемой системы.
- Из сказанного вытекают принципы неопределенности и относительности информационной энтропии (то есть, невозможности бесконечно точно прогнозировать состояние системы):
- Наблюдатель может прогнозировать состояние системы только с ненулевой погрешностью (достоверностью), причем оценки разных наблюдателей могут совпадать только с конечной точностью (из-за разницы точек зрения и априорной неопределенности знаний о модели системы).
- Точность прогнозирования является ограниченной из-за того, что информационная энтропия является функцией параметров системы и априорных знаний наблюдателя о модели наблюдаемой системы (параметрах и связях элементов), что является следствием неполноты модели и невозможностью создать некоррелированный (линейно-независимый) набор параметров для мониторинга (другими словами, создать ортогональный базис для разложения в ряд по собственным функциям).
Выводы:
- Цифровизация как тренд, формирует единую основу для всех процессов научного познания и практического использования полученных научных результатов в форме моделей.
- Моделирование, как системное, динамическое описание прикладных сфер деятельности реализуется через фазы мониторинга, прогнозирования и выработки решений о способах управления системой в соответствии с сформулированными целями, при этом исходная неопределенность знаний о системе является причиной ограниченной управляемости системы.