Використання теорії складних систем в організації

Наукові дослідження та їх впровадження в освітні технології стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на межі різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції та методи для кожного з ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадіння ієрархічних рівнів різних наук − одна з головних перешкод для розвитку справжньої міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду та нової мови.

Теорія складних систем − це одна із вдалих спроб побудови такого роду синтезу на основі універсальних підходів і нової методології [1]. У російськомовній і вітчизняній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, визначає більш вузьку теорію самоорганізації в системах різної природи [2].

На жаль, теорія складності не має дотепер чіткого математичного визначення [4] і може бути охарактеризована рисами тих систем і типів динаміки, котрі виступають предметом її вивчення. Серед них головними є:

– нестабільність. Складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають у результаті малих змін параметрів, які управляють динамікою;

– незвідність. Складні системи виступають як єдине ціле і не можуть бути вивчені шляхом їх розбиття на частини, які розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція (від лат. reductio − зведення, приведення назад) системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності;

– адаптивність.Складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більше того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здатність черпати приховані закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації, що надходить;

– емерджентність − розвиток за рівнями організації. Складні системи продукують неочікувану поведінку, котру неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.

Ці та деякі менш важливі характерні риси дозволяють відокремити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30-40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, чи то в явищах турбулентності, або в поведінці електорату напередодні виборів [4, 5].

Поява сучасних ЕОМ і створення комп’ютерних моделей дозволили вперше в історії науки проводити експерименти в таких галузях, як екологія, соціологія, економіка, політологія та ін. так, як це завжди робилось у природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і радичної математики, теорії хаосу і самоорганізованної критичності, нейроінформатики та квантових алгоритмів тощо. Теорія складності дозволяє переносити у нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні та світові фінансові кризи, економічні катастрофи і ряд інших.

Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3-5]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворювальний компонент, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. У [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug Bug, який атакував Інтернет 4 травня 2000 року, приніс збитків на мільярди доларів. До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями.

Для побудови і дослідження моделей складних мереж подібних систем введені нові поняття і визначення. Коротко опишемо тільки головні з них. Нехай вузол імає кінців (зв’язків) і може бути приєднаним (бути зв’язаним) до інших вузлів . Відношення числа зв’язків, які реально існують, до їх повного числа для найближчих сусідів називається коефіцієнтом кластеризації для вузла і.

Крім цього складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань. У складних системах мають місце колективні емерджентні процеси, наприклад, синхронізації, які схожі на подібні в квантовій оптиці. Мовою системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.

Теорія складних систем вводить нові для фінансових аналітиків поняття, такі, як фазовий простір, атрактор, показник Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [12]. Нейронні мережі − це системи штучного інтелекту, які здатні до самонавчання у процесі розв’язування задач.

Методологія складних систем і є саме тією основою, яка дозволяє нам предметніше осмислити проблему міждисциплінарних зв’язків економічної теорії з іншими суспільними та природничими науками, зокрема проблему наукового синтезу, яка набуває значення у сучасному науковому процесі.

Тепер про генетику складних систем. Як вони виникають: спонтанно чи на основі певних закономірностей? Розглядаючи це питання, виділимо чотири базові моделі відповідних трансформацій.

Перша модель.Перехід до складних систем здійснюється в результаті біфуркаційних процесів (біфуркація − термін походить від лат. bifurcus − “роздвоєний” і вживається в широкому розумінні для позначення всіляких якісних перебудов або метаморфоз − поділ, розгалуження чогось на два потоки, напрямки − різних об’єктів при зміні параметрів, від яких вони залежать; в синергетиці − зміна числа чи типу стаціонарних точок системи) і порушень стандартного стану цілісних (простих) систем. Йдеться про те, що складні системи виникають з простих на еволюційній основі внаслідок послаблення останніх, втрати ними системної якості та енергії саморозвитку. У цій ситуації материнська структура розпорошується на самодостатні різношвидкісні (зрілі та незрілі) ланки (частини). У підсумку відбувається індивідуалізація кожної з цих ланок. Домінантою їх визначень стають власні якісні ознаки, що неадекватні попереднім системним характеристикам. Настає системна невизначеність − порушуються причинно-наслідкові зв’язки попередньої системи. Майбутнє втрачає свою лінійність, а логіку розвитку починає визначати випадковість.

Друга модель.Складне виникає у результаті впливу зовнішніх факторів. Відповідна ситуація відбувається тоді, коли внутрішній потенціал саморозвитку цілісної системи, енергія її внутрішніх зв’язків стають меншими за сумарний результат зовнішніх впливів. У даному випадку інноваційну функцію перебирає на себе зовнішнє середовище. Упорядкування системи на новій інноваційній основі здійснюється за рахунок зовнішніх факторів.

Третя модель.Складне виникає внаслідок дії механізмів випадковості. Нове народжується у світі, наповненому випадковостями. У такому разі випадковість як невідворотне явище, що лежить в основі будь-якої реальності, виступає у ролі визначальної домінанти інноваційного оновлення системи. При цьому міра випадковості, і це дуже важливо враховувати, зростає внаслідок підвищення динамічності розвитку, його прискорення. Посилення ролі випадковості − результат не тільки системної складності перехідних процесів, пише О. Тоффлер, а й відчутного прискорення динаміки суспільного розвитку взагалі. “Швидка зміна, − наголошує він, − передбачає випадковість. Передбачає ненадійність, невідомість. Передбачає конкуренцію з неочікуваного боку”.

Четверта модель.Складне формується шляхом самогенезису, на основі самозбуджуваності процесів, методом самоорганізації. У цьому випадку просте та складне не пов’язані між собою ієрархічно, логікою наступності та причинності. Водночас було б некоректним повністю заперечувати причинність як ознаку системності у цілому. Причинність, яка кореспондується з генерацією складних систем, є більш диференційованою, нелінійною, складною. Кожного разу причина розглядається як особливий (конкретний) випадок, який визначає появу лише виокремленого (специфічного) явища, а не всіх явищ взагалі. При цьому однакові початкові умови можуть призвести до разюче несхожих результатів. Як зазначав О. Тоффлер, йдеться не про систему більярдних шарів, які рухаються завчасно передбачуваною траєкторією, а про складніші процеси, реалізація яких вимагає значно більшої енергії для свого самоутвердження. Також для визначення специфічної причинності й траєкторії розвитку складних систем необхідні досконалі знання визначальних (початкових) умов і відповідне інформативне забезпечення. “У цьому випадку, − пишуть Г. Ніколіс та Т. Пригожий, − для того, щоб можна було вести мову про окрему чітко визначену траєкторію, нам знадобилося б задати початкові умови з нескінченно високою точністю. Іншими словами, нам потрібна була б нескінченна інформація, зумовлена нескінченною кількістю цифр, необхідних для завдання початкових даних”.

Теорія складних систем вносить принципові уточнення і в тлумачення проблеми часового виміру суспільних процесів. Вона є набагато складнішою, ніж це зазвичай подається традиційною методологією. Окреслимо лише у найбільш узагальнених визначеннях і цю дуже важливу і надзвичайно цікаву (навіть для прикладних досліджень) проблему. У контексті методології складних систем йдеться про те, що необоротність суспільних процесів кореспондується з явищем часової асиметрії (симетрія − (стар.-грец. συμμετρία), в широкому розумінні − незмінність при будь-яких перетвореннях. Так, наприклад, сферична симетрія тіла означає, що вид тіла не зміниться, якщо його обертати в просторі на довільні кути (зберігаючи одну точку на місці). Двостороння симетрія означає, що права та ліва сторона відносно якої-небудь площини виглядають однаково. Відсутність або порушення симетрії називається асиметрією), багатомірністю часових характеристик, диференціацією у відповідних аргументаціях поняття астрономічного часу та іншого поняття − внутрішнього соціального часу.

<== попередня сторінка	\|	наступна сторінка ==>
Формування креативного середовища в організації	\|	Управління інноваційними командами

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.017 сек.