Рефлексивные процессы и управление. Сборник материалов XI Международного симпозиума 16-17 октября 2017 г., Москва - читать онлайн

Vladimir Lepskiy (Institute of Philosophy Russian Academy of Sciences) Third-order cybernetics

Abstract. To prove the connection between the evolution of cybernetics and the development of scientific rationality (classical, non- classical, post-non-classical) and to prove the relevance of the formation of post-non-classical cybernetics for self-developing reflexive-active environment (the third-order cybernetics).

Keywords: Cybernetics, third-order Cybernetics, Philosophy, Methodology, classical, non-classical, post-non-classical Rationality, self-developing reflexive-active Environments

In recent decades Russian philosophy of science has recognized three stages in the development of science (classical, non-classical, and post-non-classical), which were proposed by V. S. Stepin (Stepin, 2005). If we ignore these changes, we risk losing sight of basic shifts in the scientific fields of control and in the evolution of cybernetics. Post-non-classical scientific rationality integrates all three types of scientific rationality.

The analysis of evolution of cybernetics and the evolution of scientific rationality make possible the hypothesis of their correlation. First-order cybernetics "cybernetics of observed systems" (Norbert Wiener) developed in classical scientific rationality. Second-order cybernetics "cybernetics of observing systems" (Foerster, 1974) developed in a non-classical scientific rationality. Post-non-classical scientific rationality can become a basis for formation of a post-non-classical "cybernetics of self developing" reflexive-active environments‖ which can be considered as the third-order of cybernetics.

For analyzing the evolution of cybernetics we use the idea of the system configurator offered by V. A. Lefebvre (Lefebvre, 1967). The idea is that the researcher selects the most significant points of view on the object of research. The object is projected on several screens. The screens are connected with each other. The researcher can correlate various points of view on an object.

We will define structuring positions of the configurator in the context of the traditional points of view of scientific analysis:

– philosophical level (science philosophy – basic types of scientific rationality);

– methodological level (basic paradigms and objects of a research, methodology of scientific approach);

– theoretical level (the basic providing areas of knowledge);

– methodical level (basic methods, models, technologies).

The configurator for the analysis of the evolution of cybernetics is presented in Table 1 and Table 2.

Table 1. The generalized results of the philosophical and methodological analysis of the evolution of cybernetics (philosophical, methodological and theoretical levels).

Table 2. The generalized results of the philosophical and methodological analysis of the evolution of cybernetics (methodical level)

The post-non-classical scientific rationality integrates both classical, and non-classical rationality. As a result cybernetics must be considered as an uniform area of knowledge. In post-non-classical representation of cybernetics all levels are integrated into general cybernetics of the first, second and third order. This process is achieved through the system of ontologies, which establishes self-developing reflexive-active environments.

In the last decades the Russian interdisciplinary scientific society has shown considerable interest in the philosophical bases of cybernetics development (Novikov, 2016). In 2017 the WOSC initiative was essential in the process of bringing the worldwide scientific community together for joint discussions.

Post-non-classical scientific rationality broadens the field of reflexion on scientific activity. It takes into consideration the correlation of the acquired knowledge about an object not only with the features of means and operations but also with valuable and target structures. At the same time the connection of inner-scientific goals with extra-scientific ones, social values and aims is explicated. Moreover, the problem of their correlation with the comprehension of valuable and target orientations of the scientific activities subject is also solved.

In the context of this rationality basic scientific approaches to cybernetics and control have to be focused on harmony causal (cause and effect) and teleologic (target determination) approaches.

In post-non-classical scientific rationality there is a transformation of philosophical constructivism. It becomes "softer". The emphasis is on communicative processes of the subjects forming reality, on the influence of these processes on restrictions of their freedom (Lektorski, 2001). Freedom is thought of not as control, but as establishment of an equal partnership with what is out of the person: with natural processes, with other persons, with the values of other cultures, with social processes. Such an approach assumes non-reduced variety, pluralism of different positions and points of view, cultural systems engaging with each other in dialogue and changing as a result of interaction. This new understanding of the person and the natural relation is the basis if not the ideal anthropocentrism, but the idea of joint evolution.

Self-developing systems are in the center of attention of post-non-classical scientific rationality (Stepin, 2003).The paradigm "subject – self-developing reflexive-active system (environment)" (Lepskiy, 2010) becomes a key paradigm of control and cybernetics. It is important to note that the environment is considered to be the meta-subject. As a result the paradigm can be presented as "subject – meta-subject".

A self-developing reflexive-active environment is a metasubject, which possesses invariant similar to the properties of subjects: purposefulness (activity), reflexivity, communicativeness, sociality, ability to develop, etc. Such an environment has integrity that essentially distinguishes it from networks. This is an interaction of active elements, organized in a special way. Active elements can be created on the basis of natural intelligence (the personality, group, etc.), on the basis of artificial intelligence (agents) and also on the basis of integration of natural and artificial intelligence.

The organization of interaction of active elements among themselves and with the environment in general is defined by the system of values, principles, ontologies (maintenance, support, development, designing, providing innovations), criteria (efficiency, safety, development, satisfaction) and also by the specialized subject-focused information platform (Lepskiy, 2010; 2015).

The idea of self-developing reflexive-active environments was created under the influence of the following inter-disciplinary ideas and concepts. Philosophy, sociology and psychology have given us the ideas of post-non-classical scientific rationality, which integrates concepts of various scientific schools (Stepin, 2005), ideas of noosphere (Vernadsky, 2007), the concept of the society as a social system (Luhmann, 1982), principles of the Russian psychology (Leontiev, 1978; Vygotsky, 1981; Rubinshteyn, 1997), studies of the Russian methodologists (Shchedrovitsky, 2002) and etc.

Cybernetics has given us an idea of second-order cybernetics by Heinz von Foerster (Foerster, 1974), Stafford Beer‘s models (Beer, 1981), W. R. Ashby principle of complexity in control (Ashby, 1956), the reflexive models of Vladimir Lefebvre (Lefebvre, 1967, 1982), a synthesis of representations of cybernetics and its development by Stuart Umpleby (Umpleby, 2014), ideas of Valentin Turchin about metasystem transition and concepts of the future of cybernetics (Turchin, 1977), etc.

The model of organization of self-developing reflexive-active environments, described in this abstract, will allow us to solve a number of current scientific and practical problems (Lepskiy, 1998, 2010; 2015). It will:

– support of processes of identification of the society (project identification gets the leading role);

– assemble of the subjects of development into metasubjects, help to consolidate state, business and society actors on the basis of shared interests, stimulate and support development of the civil society;

– improve mechanisms of democracy on the basis of convergence of direct and representative democracy;

– overcome market egoism through transition to a harmony of subjects of development;

– create opportunities for all subjects in the field of social activity and mobility;

– stimulate and support the formation process of a new type of elite – an elite of development, and create necessary provisions to include it into the processes of strategic control;

– help to design complexity problem solution in the processes of social systems control (Eshbi principle);

– create development conditions of new socially oriented economic mechanisms of development;

– create effective mechanisms of innovative development;

– decrease social tension, prevent conflicts, increase security with technologies of the operated chaos, "orange revolutions" and other destructive influences;

– initiate transition processes from technogenic to a socio-humanistic civilization, etc.

This paradigm can be applied for the organization of active knowledge, for reflexive mechanisms of management of complexity, etc.

Formation of this paradigm is inseparably linked with formation of the subject focused approach (Lepskiy, 1998).

The necessity of complex use of natural-science and humanitarian fields of knowledge generates high methodological complexity. The solution of this problem is possible upon transition from an interdisciplinary to a transdisciplinary approach. An exit out of limits of separate disciplines and the conceptual directions with involvement of external experts is necessary.

Now formation of scientifically ensuring control and the use of cybernetics in the context of post-non-classical rationality has begun (Lepskiy, 2015). In our opinion, an issue of formation of post-non-classical third-order cybernetics is realized. Thus, the main thesis would be from “observed systems” to "observing systems" and to "self-developing reflexive-active environments". From the paradigm "subject – object" to the paradigm "subject – subject" and further to the paradigm "subject – metasubject".

Transition in control to the paradigm "subject – metasubject" led to formation of new types of control. Control through self-developing environments becomes dominating. Control of "the soft force", control of chaos, control of complexity, control via "mechanisms of functioning of the environment", control "via mechanisms of assembly of subjects" and many other types of control.

The philosophical and methodological analysis of cybernetics evolution proved its connection with the development of scientific rationality (classical, non-classical, post-non-classical). The classical scientific rationality is similar first-order cybernetics. The non-classical scientific rationality is connected with the second-order cybernetics. The cybernetics of self-developing reflexive-active environments (third-order cybernetics) corresponds to the post-non-classical scientific rationality.

The analysis of cybernetics evolution in the context of development of scientific rationality allows us to define specific traits of the second and third order cybernetics: basic philosophical approaches, basic paradigms, basic objects of control, the dominating types of activity, basic scientific approaches, basic areas of knowledge, basic types of control, basic models, basic mechanisms and technologies, basic ideas of knowledge, the dominating ethical regulators.

In post-non-classical representation cybernetics of the first, second and third order are integrated as a unity, as a uniform area of knowledge. This is achieved through the system of ontologies of the organization of self-developing reflexive-active environments.

It is important to note in this article, that the self-developing reflexive-active environment is influenced by cross-disciplinary ideas and concepts of philosophy, methodology, sociology, psychology, cybernetics, etc. Self-developing reflexive-active environment is a metasubject, which possesses invariant similar properties of subjects: purposefulness (activity), reflexivity, communicativeness, sociality, ability to develop, etc. Such environment has integrity that essentially distinguishes it from networks. This is an interaction of active elements, organized in a special way. Active elements can be created on the basis of natural intelligence (the personality, group, etc.), on the basis of artificial intelligence (agents) and also on the basis of integration of natural and artificial intelligence. The organization of interaction of active elements among themselves and with the environment in general is defined by the system of values, principles, ontologies, criteria and also by the specialized subject focused information platform (Lepskiy, 2010; 2015).

1. Ashby, W. R. (1956): An Introduction to Cybernetics, Chapman & Hall, London.

2. Beer, S.(1981), Brain of the Firm; Second Edition (much extended), John Wiley, London and New York.

3. Foerster, Heinz von (1974), Cybernetics of Cybernetics, Urbana Illinois, University of Illinois.

4. Lefebvre, V.A. (1982), Algebra of Conscience. Dordrecht, Holland, Reidel.

5. Lefebvre, V.A. (1967), The conflict structures, Vysshaya shkola, Moscow (in Russian).

6. Lektorski,V.A. (2001), Epistemology classical and nonclassical, "Editorial" Publishing House, Moscow (in Russian).

7. Leontiev, A. N. (1978), Activity, consciousness, and personality, Prentice-Hall, Englewood Cliffs, USA.

8. Lepskiy, V. (2015), Evolution of concepts about control (methodological and philosophical analysis, "Kogito Center" Publishing House, Moscow (in Russian)

9. Lepskiy, V. (2010), Reflexive and Active Environments of Innovative Development, "Kogito-Center" Publishing House, Moscow (in Russian).

10. Lepskiy, V. (1998), The Concept of Subject-oriented Computerization of Control Activity, Institute of Psychology RAS, Moscow (in Russian).

11. Luhmann Niklas (1982), "The World Society as a Social System". International Journal of General Systems, vol. 8, No. 1, pp. 131–138.

12. Novikov D. A. (2016), Cybernetics: from Past to Future. – Heidelberg: Springer.

13. Rubinshteyn, Sergei L. (1997), The selected philosophical-psychological works, Nauka, Moscow (in Russian).

14. Shchedrovitsky G. P. (2002) "Reflexion and Relevant Problems", Reflexive processes and control, vol.1, № 1, pp.41–45.

15. Stepin, V.S. (2003), "Self-developing systems and post-non-classical rationality", Voprosy Filosofii, No. 8, pp.5-17 (in Russian).

16. Stepin, V. (2005) Theoretical Knowledge. Springer Verlag GMBH.

17. Turchin, V.F. (1977), The Phenomenon of Science: A Cybernetic Approach to Human Evolution, Columbia University Press, New York.

18. Umpleby, Stuart A. (2014), "Second order science: logic, strategies, methods", Constructivist Foundations. Vol. 10 No. l,pp. 16–23.

19. Vernadsky V. I. (2007) Geochemistry and the Biosphere, Essays by Vladimir I. First English Translation from the 1967 Russian Edition of Selected Works, Santa Fe, NM: Synergetic Press.

20. Vygotsky L. (1981) The genesis of higher mental functions, The concept of activity in Soviet psychology. J. Wertsch (Ed.).Armonk, NY: Sharpe, pp. 144–181.

21. Wiener, Norbert (1948), Cybernetics or Control and Communication in the Animal and the Machine, Cambridge, Mass., John Wiley & Sons Inc., New York.

Stuart A. Umpleby (George Washington University, Washington) Third order cybernetics as the evolution of society

Expanded Abstract. When the International Academy for Systems and Cybernetic Sciences met in Chengdu, China, in 2015, the theme of the conference was Systemic Solutions for Systemic Problems. It seemed to me that problems could arise on several conceptual levels. Examples of problems at the first level would be finding better ways to build roads and buildings and increasing production and improving trade. At a second level there may be problems with the theories we use to solve problems, for example if we do not have a theory or understanding of a new disease. A third level of problems lies in philosophy, for example if we do not have an adequate epistemology to guide our work with social systems, where people both observe and act, thereby experiencing and creating uncertainty. Those reflections led me to think that there is a fourth level, namely the historical experiences of societies that shape the theories and philosophies that have been invented to guide our problem solving activities. But I did not feel that I knew enough about Chinese history, culture, and philosophy to speculate on differences between East and West.

Soon thereafter Vladimir Lepskiy said that he and his colleagues in Russia were developing third order cybernetics (Lepskiy 2010, 2015a, 2015b). We quickly agreed to organize a panel of scholars from Russia and the West (the U.S. and Western Europe) to discuss these ideas. We met in January 2017 in Rome at a conference of the World Organization for Systems and Cybernetics. As I read the abstracts and papers prepared by Russian scholars, I realized that this was another example of history influencing science and philosophy in addition to science and philosophy influencing history.

The Russian scholars were saying that post non-classical cybernetics, the third stage in the development of cybernetics, would be more humanistic than previous conceptions of cybernetics. These descriptions made me think of the work of Locke, Rousseau, and Voltaire, a literature from the seventeenth century which had contributed greatly to the development of democratic ideas in the west. However, the Russians were citing more recent Russian scholars. So, I wondered whether the Russians were reinventing ideas developed earlier in other countries or were they developing important new ideas?

I interpret Lepskiy‘s topic as another version of the question, How do historical experiences in a society shape the development of its science and philosophy? This paper will focus on how societies evolve and restructure themselves by identifying problems and then designing laws and institutions and procedures to solve those problems.

Second order cybernetics, as developed in the US, focused initially on the biology of cognition. For a long time there had been a consensus among scientists that the observer should be eliminated from scientific consideration in an effort to be unbiased and objective. However, a few scientists felt that the observer could not be eliminated from science, since scientific theories are created by observers and are interpreted by other observers. To claim that the observer could and should be removed from discussion was a way of neglecting or overlooking the purposes that scientists are pursuing when they do research.

A second interpretation of second order cybernetics was that including the observer in science would involve social concerns, since these exist in the minds of observers. At the time a third order cybernetics was thought not to be necessary, since reflection would be sufficient to encompass both the biology of cognition and the influence of society on the development of science. However, third order cybernetics could be interpreted to mean a concern with the evolution of society, with the interaction between ideas and society and with the invention and dissemination of ideas which, if they became widespread, might aid the development of society (Umpleby 1999, 2002). This presentation will consider this interpretation of third order cybernetics by looking at the evolution of society as a series of problem-solving experiments.

The book by Acemoglu and Robinson (2012), Why Nations Fail, suggested that there are two processes in creating a successful nation. The first process requires creating a centralized authority that has the ability to combine resources and use them for the purposes of the society. The second process is the development of institutions and social arrangements that guide the use of resources for the development of society as a whole, not just for the benefit of elites. To illustrate the importance of institutions compared with culture, climate or geography Acemoglu and Robinson cite many examples. Nogales, Arizona, in the U.S. and Nogales, Mexico, are just across the border from each other. The populations are very similar in language and religion. But the residents in Arizona have higher average incomes and quality of life than residents in Mexico because the institutions (schools, police and courts) work better in Arizona than in Mexico. Other examples of institutional differences being more important than culture and geography are East and West Germany and North and South Korea. The authors note that countries can change their economic trajectories by changing their institutions, as has happened in China and Russia in recent decades.

The book Social Inventions by Stuart Conger (1974) offers a list of past social inventions which illustrate the long history of innovations in countries around the world. A social invention is a new law, organization or procedure that changes the ways people relate to themselves or to each other, either individually or collectively. Conger‘s book lists innovations in the areas of education, social services, economics, government, psychology, law, and voluntary organizations. Donald Campbell (1969) spent his career describing how to design social experiments to test the effectiveness of government programs. The more recent work on quality improvement methods is another way of improving institutions in both business and government(Walton 1986).

Presently there is growing interest in systems science in "translating" knowledge so that it is easier for practitioners to use it. The intent is to minimize jargon and maximize the utility of knowledge. Applied knowledge is very important, particularly for transdisciplinary fields. However, if we devote too much attention to translation or technology transfer or applications, we may miss some opportunities. Understanding systems theories developed in other societies requires understanding the problems that people in those societies are trying to solve. Theories are answers to questions. One cannot fully understand a theory until one first understands the question that gave rise to the theory (Umpleby 1999).

In universities around the world people use essentially the same theories and methods in the physical sciences. In legal systems there has been convergence between North America and Europe due to the recent growth of the European Union and the desire to facilitate trade by adopting similar rules and procedures. In biology there are some differences in how medicine and agriculture are practiced. In social, political and economic systems there is great variety and much to learn from other societies.

Do societies develop similar ideas eventually as they encounter situations requiring those ideas? Or do they develop different solutions to similar problems? Or are they trying to develop in different directions? If the latter, what explains the difference? Since scholars now interact globally rather than nationally, we have new opportunities to learn from each other. If societies can preserve and enhance their traditions, while learning from other societies, we should experience a remarkable flowering of human society. My particular interest is in methods of governance which enable societies to be secure, stable and innovative.

Our thinking about how to improve our societies has changed from revolution or reform to evaluating government programs with controlled experiments (Campbell 1969), to expanding our conception of science (Umpleby 2017), to noting the importance of institutions and engaging in multi-country studies (Acemoglu and Robinson 2012) and the deliberate design of experiments (Dunn 1998).

1. Acemoglu, Daron & James A. Robinson. (2012). Why Nations Fail: The Origins of Power, Prosperity, and Poverty. New York: Random House, 2012.

2. Campbell, Donald T. (1969). "Reforms as Experiments." American Psychologist, 24 (4), pp. 409–429.

3. Conger, D. Stuart. (1974). Social Inventions. Prince Albert, Canada: Saskatchewan Newstart, 1974.

4. Dunn, William N. (1998). The Experimenting Society: Essays in Honor of Donald T. Campbell. Transaction Publishers, 232 pages.

5. Lepskiy, V. (2010), Reflexive and Active Environments of Innovative Development, "Kogito-Center" Publishing House, Moscow (in Russian). http://www.reflexion.ru/Library/Lepsky 2010a.pdf

6. Lepskiy, V. (2015a), Evolution of concepts about control (methodological and philosophical analysis, "Kogito Center" Publishing House, Moscow (in Russian). http://www.reflexion.ru/Library/Lepskiy2015.pdf

7. Lepskiy, V.E. (2015b). "Economic cybernetics of self-developing environments (third-order cybernetics)", Management sciences. No. 4, pp. 22–33 (in Russian). http://www.old.fa.ru/dep/upravnauki/Documents/%D0%A3%D0%9D4 2015. pdf

8. Umpleby, Stuart & Eric Dent. (1999). "The Origins and Purposes of Several Traditions in Systems Theory and Cybernetics."Cybernetics and Systems: An International Journal, 30:79-103.

9. Umpleby, Stuart. (2002). "The Design of Intellectual Movements." Proceedings of the annual meeting of the International Society for the Systems Sciences, Shanghai, China, 2002.

10. Umpleby, Stuart. (2017). "How Science is Changing." Cybernetics and Human Knowing, 24(2), pp. 89–91.

11. Walton, Mary. (1986). The Deming Management Method. New York: Perigee.

Igor Perko(University of Maribor, Slovenia), Raul Espejo(World Organisation of Systems and Cybernetics, UK) Big data analytics organisational learning

Abstract. Purpose. We will identify the potentials that big data analytics (BDA) have on the of the learning processes of an organisation. We are particularly interested in the speed of these learning processes;on the memorising and sharing of knowledge, on the ability to recognise the environmental feedback information and on the impact to micromanaging internal organisational processes. Design/methodology/approach. To assess the current state, we offer a theoretic background of the organisational learning processes and the BDA related research reports. To analyse the BDA supported organisational learning processes, we invoke the Viable system model (VSM) and especially the Viplan methodology. Based on the results, a universal BDA supported organisation learning model is proposed. Findings – A universal organisational model, focusing on BDA supported learning processes. Originality/value – to elaborate an organisational learning model, encapsulating the BDA toolset. Research limitations – the proposed results rely on published research reports and arenot validated in a real life experiments. Research/Practical/Social/Environment implications – For the researchers the model will provide a new organisational paradigm and articulate multiple research directives. Members of the professional community will better understand the BDA potentials for organisational learning.Because of the universality of the model, it will have the potential to be applied on all organisational levels, ranging from individualsto society and environment.

Keywords: Systems thinking, Cybernetics, Big Data analytics, Learning processes, Viable system model, Viplan methodology

1.1 Problem situation.Current information technology, particularly social media such as Facebook, Goggle, LinkedIn and many more, are hugely increasing data flows and interactions in society and organisations. Algorithms and artificial intelligence or BDA are dealing with the related data, suggesting that they can handle these data flows in the benefit of people‘s decisions and actions. We believe that this perception of increased observational and action capacity needs revision. BDA have a great capacity to deal with data and articulate options but these new capabilities may increase people‘s illusion that they have an improved understanding of their relevant situations and also an increased capacity to deal with them effectively. We want to test and improve these perceptions and argue, in conceptual and methodological terms, that there are dangers in an unrestricted data management driven by sophisticated BDA; what drawbacks are they posing to aspects such as organisational effectiveness, individual autonomy, privacy and fairness.

The organisation helps people to learn and understand the state and dynamics in the environment, as well as state and dynamics within the system. With accessibility to high volumes of data, the personal capacity to understand and react upon the data may be overpowered. Prior to the BDA approach, using the business intelligence, the means of reducing variety was mostly focused on financial results and summarisation was used to provide views on the higher levels in the organisation (Kimball, 2002). Based on this lack of variety, business intelligence had serious problems, especially it lacked understanding of the implications of high-level decisions, and focusedmostly on the financial aspects of the business it measured.

The BDA potentials to disrupt the existing organisations are undisputed. It is though important to use systems thinking to maximise the positive impact and to thoroughly understand the implications it has on the other players in the system. It should support the cooperation and not only provide short-term competitive advantage to system performance.

The foci of our arguments are first, on the relationships of people and organisations with their environmental agents and second, on their multiple interactions, which are responsible for self-organising processes. Today these relationships and interactions are increasingly mediated by BDA and therefore it is necessary to explore:

1) The extent to which BDA is supporting individual and organisational learning through its contribution to increasing effective relationships and interactions. This requires revision of relationships and interaction among actors within an organisation. In this purpose we focus on varied issues of concern in business organisations. Often these organisations support relationships that increase the chances of hierarchical structures and therefore of inhibited learning throughout them;they are driven by fragmentation, inadequate coordination of actions and lack of trust. How can BDA overcome these shortcomings and therefore increase cohesion and the organisation's dynamic performance?

2) The extent to which people in organisations, supported by BDA, can develop effective interactions and relationships with environmental agents. For particular issues of concern we explore both 'operational interactions' with customers and 'problematic interactions' with multiple agents to increase opportunities for innovation and adaptability. We discuss for these issue technologically mediated interactions and relationships that increase individual and organisational competencies and therefore their learning.

1.1.1 Methodology. In this paper we use the Viable System Model (Beer, 1979, 1981, 1985) – VSM- and the VIPLAN Methodology (Espejo, 1993; Espejo & Reyes, 2011); they help us to discuss the braiding of organisational learning (Espejo, Schuhmann, Schwaninger, & Bilello, 1996) and technological processes. We support model and methodology by a systemic epistemology, which highlights holism, in particular the relevance of communications, interactions and complexity. More specifically we adapt the Viplan Methodology (Espejo & Reyes, 2011) to the use of BDA.

The emphasis is in the interactions and relationships of agents at multiple levels, from the global to the local. We use a systemic epistemology that highlights structural determinism in organisations and structural coupling between agents and actors (Maturana & Varela, 1992). Structural determinism highlights the autonomy of organisational systems; it is the closure of their structures that determines which environmental data makes sense within the organisation. Structural coupling highlights the history of communications and interactions between agents and actors leading to the structural congruence between them.

Big data is produced by the huge number of transactions natural to all situations. The problem is their management. Crucially to focus on relational aspects we use Ashby's Law of Requisite Variety (Ashby, 1964)and the ideas of variety operators to balance performance at satisfactory levels. Dealing with data requires considering how they are absorbed by the structures affected by them, as well as their responses. It is in absorption that the structural, ethical and technical issues of big data and people come together.

It is not always the case that an enterprise shows the property of closure necessary for a desirable autonomous behaviour in its environmental context. To improve its structure we focus on processes of individual and organisational learning. Individual learning is increasing their capacity to take effective action and organisational learning is increasing effective action in their environments. Among several factors restricting this learning are poor models of these environmental situations. "Every good regulator of a system must be a model of that system" (Conant & Ashby, 1970). But it is not useful to be a good regulator of a poorly structured situation, hence the duality of structure and data models that we explore in this paper. Overcoming structural fragmentation helps making data more meaningful to those affected by the contextual changes.

Multiple models explain organisational learning processes. Koskinen (Koskinen, 2012)for instance explores the potential of process thinking to open up new ways to understand organizational learning, particularly through problem absorption within problem solving. In organizations existing rules and norms are usually used as the basis for solving new problems even when this means stretching those rules. Such absorption of new problems by rules reduces the need to explore and develop new solutions and to encode those solutions into new rules.(Argote & Miron-Spektor, 2011) propose a theoretic framework for analysing organizational learning. According to the framework, organizational experience interacts with the latent component and an active component of contextsthrough which learning occurs. However, most of these models regard learning separately from the other processes in the organisation. We offer amore holistic perspective as provided by the VSM and Viplan methodologyl(Beer, 1981; Espejo, Bowling, & Hoverstadt, 1999)

2.1 Big DataAnalytics (BDA).Even though the technical aspect of big data generation calls for potent data tools, capable of receiving, storing, understanding and reacting to the vast quantities of big data, especially the variety part hides a dark secret. Digital recording of real world transactions only create data models,partially capable of reflecting their complexity. Though we may agree that capturing unstructured data has the potential of improving our perception of an event, we can only speculate about the effect of storing unstructured, loosely connected event data,to our understanding of its complex dynamics.Organisational and individual learning are important to overcome this uncertainty.

Figure 1. The technical perspective on the Big Data three V’s

(http://i1.ytimg.com/vi/H7NLECdBnps/maxresdefault.jpg)

A vast majority of the literature that deals with Big Data related issues is focused on the technical aspects of data collection (Addo-Tenkorang & Helo, 2016; Hashem et al., 2015), whilst its value added and its implications on the organisation‘s performance is analysed rather sparsely(Addo-Tenkorang & Helo, 2016).(Akter, Wamba, Gunasekaran, Dubey, & Childe, 2016)similarly state that in most organisations investment is focused on developing BDA capabilitiesrather than on their positive effects enhancingthe their performance(Wamba et al., 2017),(Gupta & George, 2016). In our view this is a point also related to organisational learning.

BDA is employed to increase the understanding of the areas that so far have been dominated by guts and intuition (McAfee & Brynjolfsson, 2012)about how to introduce precise management, effective interventions, and the new level of organisational agility. It is particularly focused onbusiness environment(Perko & Ototsky, 2016), especially that closely related organisations, as for instance customer behaviour or partners in the supply chain (SC), but also uses IOT (?)to measure detailed internal processes.From our perspective, these are efforts to integrate multiple views,(Sivarajah, Kamal, Irani, & Weerakkody, 2017) to present a holistic view of the Big Data challenges in organisations and BDA methods by analysing the published research reports on that subject.

We want to make, with the use of BDA, more transparent people‘s interactions and communications in organisations. What are their demands for learning in these situations? The risk is that an insensitive use of BDAmay overwhelm people and organisations. Management of big data needs awareness of our cognitive, ethical and organisational capabilities. For instance, with reference to the justice system, it is dangerous to have judges sentencing individuals with the support of big data, based on appreciating their current and possibly their future behaviour, without the monitoring of these individuals‘ contextualised situations, that is, without efforts to improve organisational processes. Also, in commercial activities, it may be ineffective for companies to use marketing algorithms that ignore individual and structural competencies. Overwhelming people with marketing data, abusing their privacy, is a recipe to alienate them. To use BDA to understand and predict individuals‘ insights in their organisations is necessary. Many, among them (Bello-Orgaz, Jung, & Camacho, 2016)use social media data analysis methodology for that purpose. (Perko, 2017) analyses the behaviour of finance officers to predict their future actions. (Bellomo, Clarke, Gibelli, Townsend, & Vreugdenhil, 2016) explore behaviour in evacuation crowd dynamics to prevent or mange critical situations.

2.1.1 The Viable System Model and Viplan Methodology. The Viable System Model (Beer, 1979, 1981, 1985) – VSM- and the VIPLAN Methodology (Espejo, 1993; Espejo & Reyes, 2011) have been used to discuss the braiding of organisational learning (Espejo, et al., 1996) and technological processes. Model and methodology are supported by a systemic epistemology, which highlights holism, in particular the relevance of communications, interactions and complexity in organisations.

In this paper we adapt theViplan Methodology to analyse BDA in organisational system (Espejo & Reyes, 2011). This adaptation is presented in figure 2. It brings together data management and organisational learning. This is a methodology for organisational and individual learning and for data management. It is driven by two learning loops; the first relates to the issues we want to make transparent in an organisation and callthe issue learning loop (the white loop) and the second is an organisational learning loop (the black loop). Observing, assessing, designing and implementing drive both loops. For issues of concern, such as those we referred above (e.g. sentencing in the justice system, adverting in enterprises, financial reporting and so forth) we refer to, observing issues of concern with the support of big data; assessing these observations from the perspective of actors and agents interactions and the variety operators dealing with their complexity asymmetries; designing improved variety operators to make interactions more effective and finally, closing the loop, implementing new variety operators which generate new data. However, this issue-learning loop happens in the context of an organisational system that is learning as well. This learning aims at improving this context by assessing the organisation structure embedding the issue of concern, designing structural improvements and implementing these improvements. This organisational learning is necessary to deal with ethical and performance issues relevant to the issues of concern.

Figure 2. The Viplan methodology (adaptation of Espejo, 1993)

3.1 BDA redefines the data sharing, objectives insights and knowledge concepts. Controlled sharing of data, objectives insights and knowledge between peers, sub-systems, organisation – even the competing ones, elevates the understanding of the whole system, and provides a higher viability probability comparing to the others. (Perko, Primec, & Horvat, 2015) for instance elaborate the business, law and ethical perspectives of sharing business partners‘ behaviour data.

3.2 The generation and use of tacit knowledge is redefined:

• Thenumber of issues analysed is dramatically increased: from maybe hundreds, analysed by an individual, to millions, analysed with the wisdom of the crowds.

• Theamount of data analysed per issue is increased, compared to standard statistical analysis, even when experts suggest that the variety of data they analyse in a situation, cannot be analysed with an algorithm.

• Theissue analysis can clearly explain the reasoning behind the outcome prediction, the risk of ignoring important attributes is reduced.

• The prescriptive analytics can support or even replace, within limits, the expert decision taking. In the decision situations, where the Big Data based reasoning capacity matches the complexity of the environmental situations. A clear example of such development are the traffic/ routing/ logistics management systems, where drivers are relying on the navigation systems.

3.3 The generation and use of theoretic knowledge is redefined:

• The theoretic knowledge generation can become data driven. Instead of confronting tacit knowledge of multiple experts, the models of behaviour can be extrapolated directly from the data of the issues themselves. Standardisation and the relevance of the issues would no longer be matter of expert perception, but data based. An example: in financial institutions operational risk management directives are based on the risk probability and consequences perception of the risk management experts. Based on the experiences in the financial sector, it is easy to conclude, that they often put emphasis on the wrong risks.

• Storing the theoretic knowledge: the big data theoretic knowledge is stored in the form of predictive or prescriptive models or is based upon reports, produced by the models. It upgrades and complements the existing theoretic body of knowledge.

• The theoretic knowledge use is instance based. The experience, stored in models is applied upon the instance data. The elaborations, predictions and prescriptions are used to support decision taking, communication and automation. The main advantage of using big data based models is, that users do not need to analyse the complete theoretic backgrounds, but can focus on instances.

The backdraft of implementing BDA is, that it cannot imply all of the knowledge on complex issues, especially if the data quality or the number of cases recorded is not sufficient to provide reliable models. Therefore Big Data stored knowledge should be focussed on supporting processes, related to relatively simple instances, with multiple repetitions.

3.4 The mechanisms to manage the representation of the complexity are redefined. The main goal of an organisation is to coordinate individual capabilities to achieve itsindividually defined goals. The knowledge of an organisation is a complex combination of structured rules and shared tacit knowledge on multiple levels, gained from previous experiences – gained through previous activities or acquired from the environment.

Figure 3. Learning by observation

BDA tools use a different approach than Business intelligence. Instead of reducing variety and focusing solely on financial business outcomes, they provide the option to understand, predict or even propose activities on the detailed data, provided by the organisation.

3.5 The inter and trans team learning and experience sharing is redefined.

Figure 4. Sharing experience across teams

The experiences of multiple teams in similar situations can be successfully identified, understood, and learned upon with the help of BDA. For example, the effects of using multiple communication marketing campaigns in multiple markets can be compared.

There is though a limitation of using BDA to support learning between the teams. It works well in a highly repetitive processes, where data on similar situations are easily obtainable, as for instance sales, or mass production. If there are not enough similar cases, or if the data variety to explain a cases is too high, BDA cannot adequately provide insight.

3.6 BDA support the interhierarchical learning processes and reduce the number of the hierarchical recursion levels.

Figure 5. Understanding the drivers

The BDA is used by the higher levels in two ways: First, by elaborating the feedbacks of the lower structural recursion levels, it can fine-tune the activities, guiding to the desired results. Secondly, it can use BDA to better understand the needs, processes and relations at lower levels to propose solutions that provide value added for all the subjects, affected by the organizations. The higher capacity to manage variety also reduces the need for hierarchy and allows structural recursion. In some cases, the automated guiding systems can entirely eliminate the need for intermediaries between the consumer and provider on a global scale.

1. Addo-Tenkorang, R., & Helo, P. T. (2016). Big data applications in operations/supply-chain management: A literature review. [Review]. Computers & Industrial Engineering, 101, 528–543. doi: 10.1016/j.cie.2016.09.023.

2. Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm performance using big data analytics capability and business strategy alignment? [Article]. International Journal of Production Economics, 182, 113–131. doi: 10.1016/j.ijpe.2016.08.018.

3. Argote, L., & Miron-Spektor, E. (2011). Organizational Learning: From Experience to Knowledge. [Article]. Organization Science, 22(5), 1123–1137. doi: 10.1287/orsc.1100.0621.

4. Ashby, W. R. (1964). An Introduction to Cybernetics. London: Methuen & Co Ltd.

5. Beer, S. (1979). The Heart of Enterprise. Chichester: Willey.

6. Beer, S. (1981). Brain of the Firm (2nd ed.). Chichester: Wiley.

7. Beer, S. (1985). Diagnosing the system for organisation. Chrichester: John Wiley.

8. Bello-Orgaz, G., Jung, J. J., & Camacho, D. (2016). Social big data: Recent achievements and new challenges. [Article]. Information Fusion, 28, 45–59. doi: 10.1016/j.inffus.2015.08.005

9. Bellomo, N., Clarke, D., Gibelli, L., Townsend, P., & Vreugdenhil, B. J. (2016). Human behaviours in evacuation crowd dynamics: From modelling to "big data" toward crisis management. [Review]. Physics of Life Reviews, 18, 1-21. doi: 10.1016/j.plrev.2016.05.014

10. Conant, R., & Ashby, W. R. (1970). Every good regulator of a system must be a model of that system. Intern. J. of Systems Science 1(2), 89–97.

11. Espejo, R. (1993). Management of Complexity in Problem Solving. In R. Espejo & M. Schwaninger (Eds.), Organizational Fitness: Corporate Effectiveness through management cybernetics (pp. 67–90). Frankfurt and New York: Campus Verlag.

12. Espejo, R., Bowling, D., & Hoverstadt, P. (1999). The viable system model and the Viplan software. [Article]. Kybernetes, 28(6–7), 661–678. doi: 10.1108/03684929910282944

13. Espejo, R., & Reyes, A. (2011). Organizational Systems: Managing Complexity with the Viable System Model. Heidelberg: Springer.

14. Espejo, R., Schuhmann, M., Schwaninger, M., & Bilello, H. (1996). Organizational Transformation and Learning. Chichester: Wiley.

15. Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics capability. [Article]. Information & Management, 53(8), 1049–1064. doi: 10.1016/j.im.2016.07.004

16. Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of "big data" on cloud computing: Review and open research issues. [Article]. Information Systems, 47, 98-115. doi: 10.1016/j.is.2014.07.006

17. Kimball, R. (2002). The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling: Wiley.

18. Koskinen, K. U. (2012). Problem absorption as an organizational learning mechanism in project-based companies: Process thinking perspective. [Article]. International Journal of Project Management, 30(3), 308–316. doi: 10.1016/j.ijproman.2011.08.008

19. Maturana, H., & Varela, F. (1992). The Tree of Knowledge. Boston and London: Shambhala.

20. McAfee, A., & Brynjolfsson, E. (2012). STRATEGY & COMPETITION Big Data: The Management Revolution. [Article]. Harvard Business Review, 90(10), 60-+.

21. Perko. (2017). Behaviour-based short-term invoice probability of default evaluation. [Article]. European Journal of Operational Research, 257(3), 1045–1054. doi: 10.1016/j.ejor.2016.08.039

22. Perko, & Ototsky, P. (2016). Big Data for Business Ecosystem Players. 62(2), 12–24.

23. Perko, Primec, A., & Horvat, R. (2015). Sharing business partner behavior. [Article]. Kybernetes, 44(6–7), 1030–1048. doi: 10.1108/k-12-2014-0282.

24. Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of Big Data challenges and analytical methods. [Article]. Journal of Business Research, 70, 263–286. doi: 10.1016/j.jbusres.2016.08.001

25. Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. [Article]. Journal of Business Research, 70, 356–365. doi: 10.1016/j.jbusres.2016.08.009.

Thomas Fischer (American Society for Cybernetics) Cybernetic reentry: towards a reflexive pedagogy for cybernetics

Abstract.As a way of conceptualizing and of pursuing epistemological practices, such as learning, designing and researching, cybernetics should enjoy a front row position within academic settings today. However, being aligned orthogonally to – and occasionally challenging – the utilitarianism, revenue models, reward-orientation, and control structures of many academic and research organizations, cybernetics as an academic discipline is in serious crisis. In many parts of the world, it no longer enjoys the levels of funding support, student numbers, academic workforce and opportunities to offer study programs it enjoyed a few decades ago. While many cybernetic ideas and theories have been absorbed by other fields, where they are pursued in specialist engineering approaches, the study of cybernetics as a generalist philosophy has all but disappeared from formal curricula in many parts of the world. Furthermore, in many parts of the word the more generalist subject of cybernetics and its more specialist sister subject of computing have drifted apart, resulting in a disciplinary as well as philosophical fragmentation of the field.

Keywords: Cybernetics, reflexive pedagogy, second-order cybernetic concepts

In some ways, cybernetics is back where it was shortly after World War II, having to rely on its appeal to bright and enthusiastic minds to approach and pursue the subject, to build new communities, and to develop the future of cybernetics practically from scratch. Given the success of cybernetics in the middle of the last century, it is prudent to take a look back, and to examine how early cybernetic thinkers may have connected with control and communication early in their lives.

It may be no coincidence that cybernetics owes its greatest advances to a generation, which, during its childhood years, commonly played with toy steam engines. This toy may very well have played a key role in acquainting this generation early on with principles of control and communication, of measurement, signaling and adaptation via feedback, to instill an interest in self-regulating systems. Being mass manufactured, the toy steam engine was itself a product of the industrial paradigm initiated by its full-scale predecessor, and as a miniaturized reincarnation, it helped a new generation to pave the path from the industrial era to the information era.

In the information age, however, technical principles of communication and control manifest themselves far beyond the thresholds of human perception in miniscule, electrical and optical signals, and have thus escaped from the realm of playful childhood experience. In contrast to the steam engine and the immediate comprehensibility of the functional principles underlying its operation, more recent cybernetic concepts are less accessible to early learning and study. This begs the question: What learning resources and playthings can cybernetics offer to young people in this day and age to learn its key principles, and to possibly help develop cybernetics further in the future?

In the past decade, there have been proposals and initiatives the within the American Society for Cybernetics (ASC) to develop an introductory course to cybernetics, referred to as "Cybernetics 101". For the most part, these initiatives are currently dormant. One important reason for this appears to be a dilemma between the ambition to create a general, one-fits-all curriculum on the one hand, and the large degree to which the promotion of cybernetics depended on particular individuals in the past.

This is a proposal for a presentation of an initiative that aims to develop a suitable and contemporary pedagogy for cybernetics and related learning materials for both individual as well as for organized learning. It is at this time a personal initiative, but this may change in the future. Analogously to Margaret Mead‘s (1968) call to the American Society for Cybernetics to apply cybernetics to itself ("cybernetics of cybernetics"), it aims to utilize cybernetic resources and accomplishments of the past in the pedagogy of cybernetics to perpetuate the discipline into the future in times of dwindling institutional support. It takes a hands-on, constructivist learning approach with a focus on applied computer-programming based exercises using low-cost hardware and free software.

Its primary goal is to introduce key first- and second-order cybernetic concepts developed since World War II in a way that is accessible for speculative interaction and digital experimentation, somewhat in the way the toy steam engine gave access to experimentation with self-regulation in mechanical systems. It is hope that this will help re-align the developments of cybernetics (as a philosophical field) and computing (as an engineering field) in some places.

The computing field, itself a spawn of cybernetics in some ways, recently experienced a proliferation of study and play resources for "makers" and young people to familiarize themselves with digital technology, programming and networking. Of these, the single-board low-cost computer Raspberry Pi, its open-source operating system Raspbian (a Debian-derived Linux) and the programming language Python 3 were chosen at the technical basis for this project.

The course is designed to enable both individual self-study as well as formal classes, and it fit the scope of a one-semester introductory undergraduate module. As a electronically enhanced textbook, it offers a coherent overarching narrative that is illustrated and substantiated by various demonstrations, anecdotes, short audio and video clips of cybernetic sources, and, first and foremost, hands-on exercises. Aiming to inspire an appreciation for the concerns and characteristics of cybernetics, the course design currently focuses on assumptions that set cybernetics apart form other fields in the systems research family, as well as from conventional natural science: Observer-dependence, non-determinability, circular causality, and self-organization.

The majority of the hands-on exercises takes the format of applied coding assignments. "Technical" approaches have more conventionally been associated with first-order cybernetics and utilitarian control systems. In this case, however, computer technology is taken as an output of past cybernetics to illustrate and inspire cybernetics and cyberneticians of the future. The hands-on exercises include: A programmable Turing Machine, a simple Wiener anti-aircraft predictor, a thermostat data logger, a Shannon mind reading machine, demonstrations of subjective participation in observation, various eigenwert and eigenbehaviour demonstrations based on recursive functions, a simulation of the Ebbinghaus "forgetting curve", and an implementation of Varela‘s autopoiesis cellular automata system.

The course has recently been delivered at the Institute of Media Science at Humboldt University in Berlin, and further deliveries are planned. The textbook and exercises are currently developed in German language and are scheduled to be published in a text book format soon. An extended version in English language is planned for the intermediate future. The proposed presentation will introduce the initiative and its underlying motivation, and offer a guided tour through key software exercises with short discussions of related cybernetic principles and ideas.

1. Mead, Margaret 1968. Cybernetics of cybernetics. In: Foerster H. von et al. (eds.) Purposive Systems. Proceedings of the First Annual Symposium of the American Society for Cybernetics. New York, NY: Spartan Books. 1-11.

Tatyana Medvedeva (Siberian State University of Transport, Novosibirsk) View of V. E. Lepskiy’s and S. A. Umpleby’s theories of cybernetics through the prism of intellectual traditions

Abstract.Understanding the differences between scientific approaches to cybernetics is difficult because of the very different histories and intellectual traditions in Russia and the US. This paper, first, describes the peculiarities of the Russian style of scientific thinking in comparison with the American approach. Second, it compares Vladimir E. Lepskiy‘s and Stuart A. Umpleby‘s theories of cybernetics looking at them through the prism of Russian and American intellectual traditions.

Keywords: intellectual traditions; first-order cybernetics; second-order cybernetics; third-order cybernetics

Characterizing the Russian intellectual tradition in comparison with the American intellectual tradition requires describing several points. Therearefundamentaldifferences. Among the most important differences, from our point of view, are the following:

1. Different interpretation of some fundamental concepts, for example, the definition of "development". "Development" has been interpreted in the West mostlyin terms of technology and science (a technocratic view of the term). Technologicalprogressisamainstreamidea. ButRussian civilization interprets "development" as transfiguration, self-perfection, vanquishing sinin people (a spiritual view of the problem).[Platonov, 2010]

2. The scientific implications of such a different understanding of fundamental ideas can be illustrated by the American and Russian development of the idea of I. P. Pavlov on the "conditioned reflex".Pavlov discovered a conditioned reflex while experimenting with animals as a physiologist. Later he learned that American psychologists were experimenting in the same way. He wrote about the difference between his work and the American work by noting that the practical American mind found that it is more important to know the external behavior of a man, than to guess about his internal state. The American science of behavior teaches us to act in the right (instrumentally successful) way. Russianpsychologyteachesusto make right (ethical) decisions.

3. Many Russian scientists often used different foundation for their process of thinking, they strove to build a better world, to include ethics and spirituality in scientific theories (N. A. Berdyaev, N. G. Chernyshevsky, and others). The first systematic critiques of classical rationalism as a scientific position were formulated in Russia. (Although rationalism led us to the gate of truth, it is fated not to open the gate. I. Odoevsky).

Russians feel a need to understand the world as a whole. Therefore, they emphasize different patterns in the world, society and nature than are emphasized in the Western intellectual tradition. For example, academician N. N. Moiseev stressesed that the formation of a global collective consciousness lays the foundation for the development of an information society. He wrote: "The notion of collective consciousness is a fundamental notion of civilization… Civilization itself could not emerge without development of a collective consciousness. This phenomenon emerges as an effect of the necessity and possibility of information exchange among individual consciousnesses, evolution of collective memory and organisation of collective efforts in decision making." [Moiseev, 2000] Western academics are more likely to speak about "shared beliefs and values" rather than a "collective consciousness."

4. Russians prefer a systematic approach and have a tendency to create general theories. Examples are such well-known names as N. I. Lobachevsky, D. I. Mendeleev, A. A. Bogdanov, N. F. Fedorov, V. I. Vernadsky, K. E. Tsiolkovsky and others.

Hence, Russian scientific thinking can be characterized by thesystems approach, a striving to create general theories, including a moral component in them,and acceptance of irrationality.

Understanding the differences in intellectual traditions leads us to a deeper understanding of the theories of cybernetics of V. Lepsky and S. Umpleby as representatives of these scientific traditions.Table 1 presents a description of the development of cybernetics, made by S. Umpleby.

Table 1. Three versions of cybernetics

In spite of the fact that the table is called "Three versions of cybernetics," Western scholars only single out cybernetics of the first and second orders. Cybernetics of the second order includes a biological and social version. It arose from "experimental epistemology." The goal was to understand the processes of cognition on the basis of neurophysiological experiments, as a result of which cyberneticians came to the conclusion that the observer can not be excluded from science.

Table 2. Description of V. E. Lepskiy's theory using S. A. Umpleby’s criteria

The Russian interpretation of second-order cybernetics is different from the Western concept of it. Table 2 presents a description of Lepskiy's theory using Umpleby's criteria.

The development of the conception of third-order cybernetics is based on Russian ideas: the activity approach, the typology of scientific rationality, the inclusion of the moral component, etc., are not well known in the West, which leads to some misunderstanding of concepts.

Briefly, the main differences between the theories of V. E. Lepskiy and S. A. Umpleby, from our point of view, arethe following:

– the American vision of second order cybernetics includes the biological and social versions; the development of cybernetics takes place within the framework of the paradigms of classical and non-classical rationality;

– the Russian vision of the second order cybernetics excludes from consideration the biological version, in fact, reducing second order cybernetics to the cybernetics of the individual subject (observer) and, indirectly, its values (through the choice of methods and means of studying the object), in contrast to the third-order cybernetics concept with its focus on the social (meta subject);

– Western scholars do not consider third-order cybernetics to be necessary, since the inclusion of an observer (subject) in the field of science, from their point of view, solves the problem of including social values and goals into consideration [Medvedeva, Umpleby, 2003];

– it seems that V. Lepskiy's theory of the third-order of cybernetics develops in the direction of typically Russian ideas: "noosphere", "collective consciousness", "co-evolution", etc., i.e. it is not just social cybernetics, but cybernetics of environments, and probably one can say cybernetics of nature.

The presented differences demonstrate the great potential forideas from Russian and Western scientists to enrich the further development of cybernetics and science in East and West.

1. Platonov O. A. Russian civilization. History and ideology of Russian people. – Moscow: Algorithm, 2010. – 944 p.

2. Lepskiy V. E. Evolution of cybernetics: philosophical and methodological analysis. -Kybernetes, 2017.

3. Umpleby S. A. A History of the Cybernetics Movement in the United States // Journal of the Washington Academy of Sciences, Vol. 91, No. 2, Summer 2005, pp. 54–66.

4. Moiseev N. N. The fate of civilization. The path of the mind. – M.: Languages of Russian Cultures, 2000. – 224 p.

5. Medvedeva T. A., Umpleby S. A. Adding a dimension to the philosophy of science with an illustration from economics. – Presented at the Socio-Cybernetics conference, Corfu, Greece, June 29 to July 5, 2003.

В. А. Лефеер(США) Рефлексия и музыка

На первый взгляд между рефлексией и музыкой нет связи. Рефлексия – это цепочка образов в нашем внутреннем мире: образ себя, образ себя у образа себя и т. д. Музыка – это набор звуков, которые вызывают у нас эмоции. Отношение частот двух звуков, генерируемых синхронно или последовательно, называется музыкальным интервалом. Уже в древности было обнаружено, что только некоторые интервалы приятны для человеческого уха. Например, 4/7 звучит хорошо, а 5/7 – плохо. Приятно звучащие интервалы были названы гармоническими. Их всего восемнадцать, они известны музыкантам многие столетия. Причины, почему одни интервалы приятны, а другие – нет, до сих пор недостаточно ясны. Термодинамическая модель рефлексии может помочь нам понять загадку музыкальных интервалов.

Сущность модели такова. Рефлексии соответствует цепочка абстрактных тепловых машин. Работы, выполняемые машинами, интерпретируются как эмоции. Первая машина в этой цепочке это субъект, вторая – его образ себя, третья – образ себя, который есть у образа себя и т. д. Модель основывается на двух первых законах термодинамики: законе сохранения энергии и законе неубывания энтропии. С помощью этой модели строятся диафантовы уравнения, и показывается, что корни этих уравнений совпадают с множеством гармонических интервалов. Особую роль играют квинта (2/3) и кварта (3/4). Именно от связи между ними зависит восприятие звучания всех других интервалов.

Таким образом, уподобляя работу нейронных сетей мозга работе цепочки тепловых машин, термодинамическая модель рефлексии объясняет привлекательность музыкальных интервалов.

Во втором издании моей книги "Что такое одушевленность?" подробно описывается термодинамическая модель и показывается связь рефлексии и музыки.

В. А. Бажанов, А. Г. Краева (Ульяновский государственный университет) Нейропсихологические предпосылки процессов саморефлексии субъекта познания в контексте трансдисциплинарного подхода

Аннотация. Предлагается гипотеза, согласно которой рефлексивные процессы были запущены на нейробиологическом уровне, что предопределило жизнестойкость человека и его способность к гибкой адаптации, предполагающие функционирование механизмов самодостраивания.

Ключевые слова: субъект познания, саморефлексия, самодостраивание, эффект Болдуина, когнитивный модуль, трансдисциплинарный подход, общество знания, рефлексивно-активные среды.

1. Анализ междисциплинарных, полидисциплинарных и трансдисциплинарных процессов в современной науке и культуре объективно показывает, что именно трансдисциплинарность во многом определяет новейшие тенденции развития современной науки и культуры. Она является основой для конвергенции фундаментальной науки и технологий, исследований когнитивных феноменов в целом. Это, в свою очередь, обусловливает необходимость реализации одной из генеральных программ современной науки и её составляющих в виде выработки методологической платформы формирования общества знания и, в частности, технонауки. Здесь происходит своего рода синтез научного и технического знания, который может быть осмыслен в аспекте выработки модели общенаучной рефлексии, выступающей в качестве катализатора интертеоретических обменных процессов, в явном виде учитывающих когнитивные процессы.

2. Специфика сложившейся сегодня интеллектуальной ситуации в российском обществе такова, что знания о рефлексивных процессах и четко оформленная рефлексивно-аналитическая позиция необходима в силу определяющих тенденций в социальном организме: всё увеличивающегося разрыва между наукой (интеллектуальной элитой в целом) и властными структурами, заметного снижения непосредственного участия социума в принятии решений, связанных со стратегическим управлением инновационными процессами, и, главное, отсутствия убежденности в его необходимости, понимания его смысла. Современное российское общество характеризуется «бессубъектностью» [Лепский В.Е., 2016, с. 18], что во многом вызвано резким возрастанием сложности процессов личностной идентичности субъектов российского общества.

3. В условиях мировых тенденций, связанных с формированием общества знания, промышленные и государственные структуры должны были бы способствовать когерентному характеру взаимодействия властной элиты, общества и научных учреждений. Это обеспечивается, прежде всего, формированием и функционированием рефлексивных технологий, неразрывно взаимосвязанных с проблемой формирования субъектности развития. Обоснование высокого статуса когнитологических, социальных и технологических инноваций высокого качества, направленных на осуществление системного инжиниринга знаний, создание когнитивных технологий, нацеленных на практическую ориентацию рефлексивных компонентов социального организма, выработки механизмов активизации научных исследований (R&D), выявление и анализ каналов коммуникации, обеспечивающих целостность стратегического управления и развития, – всё это подводит к возможностям определения параметров экспертных систем, функцией которых является повышение качества и перспективности нововведений, а также формирование интеллектуальной (включая, конечно, ее политическую составляющую) элиты российского развития.

4. В практическом плане основные направления исследования рефлексивных процессов связаны с разработкой новых технологий систем управления субъектами деятельности, со сменой доминанты «агрегации знаний в образовании на доминанту развития рефлексивных способностей, способных обеспечить реализацию робастных стратегий междисциплинарной интеграции и кооперации различных областей научного знания и образовательных систем.

5. Методологический интерфейс управления знаниями в рефлексивно-активных средах опираются на представления о сложности композиции субъекта познания и механизмах его сборки, а также реализации его активности, обусловленные такими его характеристиками как идентичность, рефлексивность, коммуникативность. Ныне они являются общепринятыми. Равно как и факты постоянного – с момента рождения и до последнего вдоха – развития и изменения характера его когнитивных способностей.

Развитие включает компоненты прогресса, усложнения этих способностей, так и их деградации, регресса. Первые несомненны при рождении ребенка, когда эволюция познавательного потенциала развертывается от нерефлексивной стадии, которая, в частности, характеризуется отсутствием ощущения собственной автономности, собственного Я, неразрывной слитности с окружающим миром, к стадии, в которой появляется возможность задуматься о смысле жизни, своем предназначении в ней и, главное, об особенностях собственного (само)сознания; вторые компоненты доминируют при угасании сознания и самосознания, гениально описанные Л. Н. Толстым на семидесяти страницах повести «Смерть Ивана Ильича».

6. Рефлексия, которая может быть свойственная субъекту (имея в виду именно возможность, которой не все и далеко не всегда пользуются), как известно, выражается в действии механизмов самопознания, самосознания, самоконтроля, самокритики и т. п. Эти качества в процессе эволюции человека и человеческого общества формировались постепенно и приобретали все более сложные личностные и надличностные формы [Бажанов, 1991, 2002]. Становление концепции энактивизма позволяет высветить еще одну особенность рефлексивной деятельности субъекта – его рефлексивно детерминируемое качество самодостраивания [Князева, 2014, с. 256–257], которое выражается в том, что человек на продвинутых стадиях развития строит свою среду и организует когнитивную нишу не просто как продолжение себя, свой Umwelt (субъективный мир), а в настоящее время как мир, в котором он осознает не только свое место и роль в генезисе нового, но и, в идеале, ответственность перед будущими поколениями, преднамеренно в некоторых случаях ограничивая масштаб и характер своей деятельности.

7. Каковы могут быть онтогенетические предпосылки возникновения и развития такого рода рефлексивных процессов?

Основа всего живого, в том числе и человека, как известно, определяется генофондом. Гены не только многообразны по своим формам и являются носителями консервативной информации, обеспечивающей воспроизводство системы, но и изменяют свою активность (подстраиваются) под влиянием опыта на протяжении всего цикла жизни системы. Эпигенетический ландшафт формируется посредством действия некоторых естественных «ограничителей», определяющих каналы (траектории) и динамику развития системы. Здесь действует эффект Болдуина: изменение поведения системы может вести к изменению естественных факторов отбора и, следовательно, к новым направлениям ее развития. Таким образом, каждая составляющая цепочки «гены – структуры – функции – опыт» находится в состоянии, по меньшей мере, двунаправленного взаимодействия: активность и состав генов зависят от характера окружающей среды (имея в виду и культуру), а окружающая среда постепенно изменяется в результате деятельности возрастающей массы носителей активности данного множества генов. Биологические факторы жизнедеятельности организма не просто тесно переплетены с социально-культурными факторами его существования, а оказываются взаимозависимыми.

Существуют и функционируют своего рода нейродинамические архетипы, которые образовались в процессе длительной эволюции живых организмов. Следует подчеркнуть, что механизмы действия этих систем являются универсальными для любых живых существ сколько-нибудь продвинутых по эволюционной лестнице. Речь идет о наличии некоторых базисных, «корневых» систем (core systems), которые являются врожденными структурами мозга, состоящими из отдельных автономных модулей и обеспечивающими самые необходимые функции живых организмов [Spelke, Kinzler, 2007].

Эти системы включают когнитивные модули (нейродинамические архетипы), которые призваны фиксировать объекты, попадающие в поле зрения организма; обеспечивать конкретные действия организма; быстро осознавать количество объектов – отсюда априорное «чувство числа» (number sense или numerosity), свойство субитации; обеспечивать ориентацию в пространстве; осуществлять коммуникацию с ближайшими партнерами и осознавать отличия «нас» от «других» («мы» versus «они»).

Нейропсихологи высказывают убеждение, что сколь угодно сложные виды материальной и духовной деятельности строятся на фундаменте этих достаточно простых систем (модулей). Полагаю, что для понимания механизмов этих модулей уместна аналогия с так называемой машиной Тьюринга, которая реализует алгоритмы и обеспечивает вычисление сколь угодной сложности путем последовательных пошаговых операций, когда каждая отдельная операция достаточно элементарна. При этом в пределах каждого нейронного когнитивного модуля действуют некоторые естественные, упомянутые выше «ограничители», определяющие его функции и роль в когнитивном процессе.

8. Когнитивный модуль, который функционирует в формате осуществления коммуникация с ближайшими партнерами и осознания отличия «нас» от «других» («мы» versus «они»), по-видимому, в конечном счете и обеспечивает процессы рефлексивного самообращения субъекта.

Дело в том, что запуск процессов саморефлексии возможен только в случае выделения субъекта в качестве отдельной единицы, которая как бы противостоит своему окружению и ощущает себя как самостоятельный, автономный источник деятельности, оперирующий знаниями, по терминологии И. С. Алексеева, не в «форме деятельности», синкретическими по своей природе, а знаниями, которые переводятся в «форму объекта», знаниями, полученными в результате сознательного «вычеканивания» субъективности [Алексеев, 1978, с. 219–230].

Вероятно, действие эффекта Болдуина в течение длительной эволюции человечества привело к доминанте именно тех популяций, в которых данный модуль был более развит и, главное, способен к дальнейшему развитию. Расширение этой популяции, благодаря наличию хотя бы зачатков саморефлексии оказавшейся более жизнестойкой и способной к гибкой адаптации, и запустило усиление рефлексивных процессов, которые во всё бо́льшей мере включали и продолжают включать механизмы самодостраивания. Таким образом, во взаимодействии биологического и социального имплицитно присутствует рефлексивный параметр, причем, если использовать подходящую в данном случае экономическую терминологию, в формате «расширенного воспроизводства», которое означает усложнение функций и возможностей самообращения субъекта познавательной деятельности.

Работа выполнена при поддержке грантов РГНФ: проект № 16-03-00117а «Социально-культурная революция в нейронауке: предпосылки и значение для логики, эпистемологии и философии науки» и проект № 16-03-487a «Когнитивные установки современного искусства в условиях становления феномена трансдисциплинарности: эпистемологический анализ».

1. Лепский В. Е. Аналитика сборки субъектов развития. – М.: «Когито-Центр», 2016. – 130 с.

2. Бажанов В. А. Наука как самопознающая система. Казань: Изд-во Казан. ун-та, 1991.

3. Князева Е. Н. Энактивизм: новая форма конструктивизма в эпистемологии. М. – СПб: Центр гуманитарных инициатив, 2014.

4. Spelke E.S., Kinzler K. D. Core knowledge // Developmental Science. 2007. Vol. 10, N 1. Pp. 89–96.

5. Алексеев И. С. Концепция дополнительности. Историко-методологический анализ. М.: Наука, 1978.

О. Е. Баксанский(Институт философии РАН, г. Москва) Современное конвергентное образование: роль и место рефлексивных процессов и технологий

Аннотация. В настоящей работе проанализирована методология развития конвергентных технологий, трансдисциплинарная интеграция и влияние на изменение научной картины мира и методологию биомедицины и технологий с анализом возможных отрицательных сторон этого процесса.

Ключевые слова: конвергентные технологии, рефлексивные процессы.

В настоящее время происходят кардинальные изменения в современной научной картине мира, которые настоятельно требует пересмотреть существующее мировоззрение и, прежде всего, его социально-гуманитарную гуманитарную составляющую.

Научное познание возникло из необходимости создать целостную картину окружающего мира. Именно из холистической концепции природы исходил родоначальник современной физики Исаак Ньютон, хотя дисциплинарная структура научного знания берет свое начало еще в Античности и продолжается вплоть до наших дней.

Однако изучение разноаспектной реальности привело к тому, что вместо целостной картины мира наука получила своеобразную мозаику с разной степенью полноты изученных и понятых явлений за счет вычленения модельных сегментов природы, доступных анализу. Желая познать мир более глубоко, выявить фундаментальные законы, лежащие в основе мироздания, человек был вынужден сегментировать природу, создать дисциплинарные границы.

Следствием этого явилась узкая специализация науки и образования, что, в свою очередь определило отраслевой принцип организации экономики и производства.

Последующее развитие цивилизации с необходимостью потребовало возникновения сначала интегрированных межотраслевых технологий, а в настоящее время – надотраслевых технологий, примерами которых являются информационные и нанотехнологии (манипулирование атомами).

Важнейшими чертами современного этапа развития научной сферы являются:

– переход к наноразмеру (технологии атомно-молекулярного конструирования);

– междисциплинарность научных исследований;

– сближение органического (живой природы) и неорганического (металлы, полупроводники и т. д.) миров.

Цивилизация прошла путь от макротехнологий (дом, машина), где измерения производились линейками или рулетками, через микротехнологий (полупроводники, интегральные схемы), где в качестве измерительных приборов уже использовались оптические методы, до нанотехнологий, где для измерений нужны уже рентгеновские установки, ибо оптические методы достигли границ своей применимости.

Можно сказать, что нанотехнологии представляют собой методологию современного научного познания, ее рабочий инструмент, ведущий к принципиальному стиранию междисциплинарных границ. Более того, это именно методология создания новых материалов, а не «одна из» множества других существующих технологий. Иными словами, если современная физика является сегодня методологией холистического понимания природы, математика – аппаратом (языком) этого понимания, то конвергентные технологии являются инструментом этого аппарата, с одной стороны, а, с другой, – основой промышленного производства и системы образования (философия образования).

Именно конвергентные технологии, являясь материальным плацдармом конвергентного подхода, исходя из нанотехнологической методологии, изменили парадигму познания с аналитической на синтетическую, породив современные промышленные технологии, обеспечившие стирание узких междисциплинарных границ.

Научная картина мира требует возвращения к натурфилософии (философии природы), с которой 300 лет назад начинал Ньютон, органично включающую в себя естественные и гуманитарные науки. И необходимым инструментом для решения данной задачи являются конвергентные NBICS-технологии.

При этом постоянно следует иметь в виду, что NBICS-конвергенция помимо позитивных аспектов может таить в себе и большое количество угроз и социально-экономических рисков. Определение ключевых факторов риска в значительной степени зависит от перспектив, которые открываются, и от области применения и приложения.

Конвергентные NBICS-технологии, давая человечеству шанс избежать ресурсного коллапса путём создания «природоподобной» технологической сферы, определяют, вместе с тем, принципиально новые угрозы и вызовы глобального характера.

Эти угрозы связаны с самим характером конвергентных NBICS- технологий, обеспечивающих возможность технологического воспроизведения систем и процессов живой природы. С точки зрения специальных применений это открывает перспективу целенаправленного вмешательства в жизнедеятельность природных объектов и, прежде всего, человека.

Конвергентные технологии открывают огромные потенциальные возможности и перспективы для человечества, но они же могут оказаться и ящиком Пандоры. Возможно, это лучший тест на разумность вида homosapiens.

В современной науке предметная активность субъекта достигла такого уровня, когда появились исключительные возможности созидания новой сферы материальной культуры на основе атомно- молекулярного конструирования искусственных, целенаправленно созданных человеком материальных вещественных образований с принципиально новыми, заданными свойствами. Современные нано- и биотехнологии размывают границы между практической и познавательной деятельностью, познание объекта становится возможным только в результате его предметно – деятельного преобразования. По сути, идет процесс формирования материальной культуры в совершенно новом качестве. Налицо тенденция замены узкой специализации междисциплинарностью, что в свою очередь ведет уже к трансдисциплинарной интеграции.

Платой за развитие техносферы цивилизации является истощение биологических ресурсов Земли. Человечество создало слишком мощные инструменты воздействия на природную среду обитания, что в значительной мере исчерпало естественные биологические инструменты восстановления.

Но человечество не в состоянии отказаться от благ и удобств цивилизации. Один из перспективных путей разрешения возникшего противоречия состоит в создании природоподобных технологий, являющихся важным путем развития биотехнологий.

Как показывает статистика исследования, общая масса созданной цивилизацией техносферы 30 триллионов тонн, что на порядок превышает общее количество органической массы, образованной всеми живыми организмами планеты, включая человека за всю историю его существования.

Порядка 60 % площади суши настолько активно задействовано в техногенной деятельности человека, что животному и растительному миру фактически не остается места.

С другой стороны, как показывают расчеты, для избегания дисбаланса биосферы необходимо использовать в цивилизационной деятельности не более 1 % всей биоты (исторически сложившаяся совокупность видов живых организмов, объединённых общей областью распространения). Сегодня же человечество потребляет на порядок больше – до 10 % биоты, что приводит к сокращению биоразнообразия, уменьшению количества видов.

Как следствие, происходит изменение климата, растет концентрация углекислого газа в атмосфере, растет парниковый эффект, из-за повышения средней температуры происходит таяние арктических льдов, что грозит затоплением значительных территорий, необходимых для антропогенной деятельности.

Анализ соответствующих технологий может осуществляться только междисциплинарным путем на стыке различных наук и их взаимодействия, если мы хотим понять принцип функционирования и устройства природных систем. Главные биологические процессы природы осуществляются на уровне сложных молекулярных конструкций, называемых молекулярными машинами, которые способны трансформировать энергию для реализации жизненных функций.

Работа выполнена при финансовой поддержке гранта РФФИ «Философия социоприродного взаимодействия в век конвергентных технологий»

1. Баксанский О. Е. Методологические основания модернизации современного образования// Философия и культура, 2012, № 9. С. 105–111.

2. Баксанский О. Е. Физики и математики: анализ основания взаимоотношения. – М., 2009.

3. Баксанский О. Е. Философия, образование и философия образования// Педагогика и просвещение, 2012, № 2. С. 6–19.

К. С. Безгин (Донецкий национальный университет, г. Винница, Украина) Эволюция управленческих взаимодействий

Аннотация. В статье рассмотрена эволюция природы управленческих взаимодействий, понятийно диффундирующей от классической «реактивной» трактовки, коннотируемой преимущественно в манипулятивной плоскости к постнеклассической «рефлексивной», конституирующей энактивацию рефлексивно-активных субъектов в процесс управления.

Ключевые слова: рефлексия, управленческие взаимодействия, субъект

Трансформация понятия «управленческие отношения» смещает его семантику от классического «реактивного», при котором «субъект управления воздействует на объект», к постнеклассическому «рефлексивному», постулирующему субъект-субъектные (полисубъектные) управленческие взаимодействия. Кроме этого, если классический тип научной рациональности трактовал «управление», как «воздействие субъекта управления на факторы и условия посредством выработанных им управленческих решений», то постнеклассический требует расширения когнитивного разнообразия, принимающего участие в исследовании проблемной ситуации и принятии решений для воздействия на нее через полисубъектное концептуальное (модельное) представление. Это предполагает выработку соответствующего управленческого инструментария, позволяющего учитывать влияние условий реальной ситуации на мышление и поведение ключевых субъектов процесса управления, как их закономерное следствие. В свою очередь управленческие взаимодействия, при которых производится учет ситуационных, когнитивных и поведенческих факторов для выработки соответствующих целей деятельности или определенного пространства решений организационной проблематики, относятся к категории рефлексивного управления. В дискурсе социального управления термин «рефлексивное управление» понимается, как правило, в двух аспектах:

1) искусство манипуляции индивидуальным и массовым сознанием;

2) метод социального контроля.

Проводя аналогии с рефлексивностью управленческих взаимодействий через анализ современных литературных источников, использующих понятие «манипуляция», можно сформулировать следующую интегральную трактовку, а именно: «формирование субъектом управления ситуации, ограничивающей пространство выбора (решений) контрсубъекта, которая предопределяет возможный поведенческий сценарий и конечный результат выбора». Данное обобщенное определение по своему смысловому объему совпадает с понятием «рефлексивное управление» в классической трактовке В. Лефевра [1]. Эффективное осуществление манипуляции и реализация рефлексивных управленческих взаимодействий базируются на знании общих поведенческих особенностей и когнитивных дисфункций, а также индивидуальных характеристик контрсубъекта. Искусственно формируя ситуацию, создающую у контрсубъекта иллюзию выбора, воздействующий субъект предопределяет в его картине мира возможные решения и через соответствующие информационные воздействия приводит его к необходимому образу действий.

В широком контексте понятие «манипуляция», как и понятие «рефлексивного взаимодействия» в первичном восприятии обывателя имеет негативный окрас. Тем не менее, в реальной жизни именно объект приложения этих технологий в большей степени характеризует их, как негативные или позитивные феномены. Комплексные междисциплинарные результаты исследования механизмов принятия решений и общих поведенческих реакций позволяют зафиксировать целый ряд когнитивных дисфункций, на которых и базируется большинство методов манипуляции, эксплуатирующих не сумевшую коэволюционировать когнитивную систему homosapiens с его динамично трансформировавшимся внешним окружением. Но современный руководитель, соответствующий высокому статусу морально-этического лидера, должен использовать рефлексивность во благо, а не во вред персоналу и организации, в целом. Формируя тип управленческих взаимодействий в паре «менеджер – подчиненный», базирующийся на схеме «выигрыш – выигрыш», идентифицируя условия, при которых личностный вектор интересов работника и вектор организационного развития совпадают, успешно маневрируя между эволюционно сформированными автоматизмами персонала, он должен апеллировать к их рациональности, постоянно расширяя рефлексивное поле принимаемых решений за счет наращивания когнитивной гетерогенности. Все это определяет рефлексивное управление, как методологию менеджмента современной организации и конституирует новый тип управленческих взаимодействий, нуждающийся в формировании приемов и технологий осуществляемых интеракций, в зависимости от ситуационного окружения и поведенческих особенностей задействованных в нем лиц. Будем полагать, что рефлексивное управление строится на учете ценностно-целевой топологии и поведенческой дисфункциональности субъектов для гармоничного включения их мыследеятельностного потенциала в процесс выработки пространства организационных целей (решений) и их достижения (реализации). Таким образом, ключевым отличием понятия «рефлексивное управление» в предлагаемой трактовке будет являться энактивация рефлексивно-активных субъектов в процесс выработки пространства решений, базирующийся на включение их когнитивного и аксиологического потенциала, с целью повышения качества и конгруэнтности принимаемых решений.

Научным обоснованием необходимости создания организационных рефелексивно-активных сред является масштабное исследование влияния открытости инновационной проблематики на возможность решения возникающих творческих задач, которое выявило, что в 75 % случаев специалистам из других сфер деятельности априори было известно решение, которое оказалось не доступным для закрытых исследовательских подразделений [2]. В этом контексте цитата А. Эйнштейна «наше мышление создает проблемы, которые невозможно решить с помощью мышления того же типа», подчеркивает, что нарастающая сложность и неопределенность окружающей среды вынуждают создавать управленческие технологии, в которых бы максимально использовались рефлексивные способности персонала организации. Поэтому сущность управления, представляемая классиком менеджмента Мэри Паркер Фоллетт, как умение добиться личных и организационных целей за счет усилий других людей, в современных условиях требует расширения за счет включения персонала, как человеко-размерных систем, сопоставимых по уровню когнитивного совершенства с субъектом управления, в процесс разработки моделей возникающих управленческих ситуаций. Все это актуализирует предположение, что не высокий уровень профессионализма и специализированных знаний определяет успешность решения поставленной задачи, а высокая степень когнитивной гетерогенности субъектов, принимающих участие в разработке управленческого решения, что подтверждает необходимость использования рефлексивного подхода к осуществлению управленческих взаимодействий.

Подобная конвергенция творческих усилий субъекта управления и управляемых субъектов позволит наполнить поле решений актуальными альтернативами и через нахождение конгруэнтных параметров порядка определить эффективные конфигурации функционирования и траектории развития организации. В процессе управленческого сотворчества между субъектами происходит рефлексивный обмен образами (посредством межсубъектной интериоризации проблемного поля и поля возможных решений), тонкая подстройка (посредством их соизмерения и соотнесения друг с другом), естественная коэволюция их когнитивных систем в направлении оптимального пространства возможных альтернатив. Кроме этого, интеграция управляющей и управляемой подсистем способствует выработке конгруэнтных управленческих решений за счет оптимального использования когнитивного потенциала участников. Дж. Гилфорд в своей концепции интеллекта вводит понятия конвергентного (нахождение единственного, лучшего решения) и дивергентного (множество решений одной проблемы) мышления, которые согласуются с особенностями рефлексивного управления. Управляемые субъекты, представляющие различные сферы деятельности, являются носителями конкретных компетенций и в своем многообразии соответствуют дивергентному типу мышления, что привносит в процесс принятия организационных решений широкий спектр альтернатив, нивелируя тем самым когнитивную ограниченность субъекта управления и реализуя на практике метафору «расширенного разума». В отличие от них субъекты управления, как носители целевых ориентиров, сфокусированы на мысленном сопоставлении имеющихся возможностей и возникающих идей, сужая и концентрируя идейное разнообразие, что является отличительной чертой конвергентного мышления. В отношении использования чисто конвергентного, реактивного, бесконтекстного управления, можно сказать словами Э. Морена: «Партикулярный, разделенный на отдельные области, механистичный и редукционный разум разрушает комплексность мира и представляет мир в раздробленных фрагментах, рассматривая проблемы фракционно, отдельно друг от друга; разделяя то, что объединено, превращая многогранное в одномерное» [3]. Поэтому концептуально различная направленность интеллектуальных процессов указанных субъектов способствует формированию исчерпывающего поля решений, что позволяет преодолеть «логические разрывы» возникающие в процессе управления.

Таким образом, инициацию управленческого взаимодействия в рамках рефлексивных структур предлагается осуществлять не через традиционные управленческие воздействия, посредством уже сформированных субъектом управления моделей и алгоритмов предполагаемой деятельности, а через информационные взаимодействия руководителя и подчиненных, являющиеся квинтэссенцией его рефлексивной компетенции и обнаруживаемых в формировании проблемного поля, аксиологических норм поведения, в либерально-демократическом стиле управления, поддержке и стимулировании рефлексивных процессов, развитии кроссфункциональных и трансинституциональных взаимодействий и т. д. Это будет способствовать преодолению ограниченности управления в схеме «субъект – объект» за счет расширения когнитивной гетерогенности субъектов, вовлекаемых в процессы управления и выработки пространства решений.

1. Лефевр В. А. Лекции по теории рефлексивных игр / В. А. Лефевр. – М.: Когито-Центр, 2009. – 218 с.

2. Lakhani К. R. The Value of Openness in Scientific Problem Solving / К. R. Lakhani [et al.]. – Boston: Harvard Business School Press, 2007. – 58 р.

3. Морен Э. К пропасти? / Э. Морен. – Пер. с франц. Г. Наумовой. – СПб.: Алетейя, 2011. – 136 с.

С. А. Березин (Сибирский институт управления – филиал РАНХ и ГС, г. Новосибирск) Пространство принятия решений: рефлексия, рекурсия, репрезентация

Аннотация. Рассмотрены несколько типов пространств принятия решений, так или иначе связанных с понятием рефлексии.

Ключевые слова: рефлексия, рекурсия, репрезентация, решение.

Естественным вступлением – к изложению данных тезисов является, по-видимому, отсылка к заметке В. А. Лефевра, которая, в свою очередь, рефлексирует знаменитую статью Е. Вигнера: «Мы можем всего лишь вообразить, что как математические структуры, так и метафизические конструкции связаны с архитипическим пластом нашего мышления, который неведомым нам сегодня путем коррелирован с объективными законами Универсума.» [1, c. 422]. В самом деле, использование математических моделей в управлении или в принятии решений (далее, для краткости, «ПР») и дало возможность обсуждать и развивать новые направления науки и ее приложений в разных областях человеческой деятельности.

Богатое содержание самой известной и простой, на первый взгляд, модели В. А. Лефевра трактуется психологом, например, следующим образом: «Его модель «готовности к биполярному выбору» связывает воедино субъективные и объективные аспекты активности. Изящная формула, неожиданное место в которой отводится оператору материальной импликации «→», в два шага связывает мир внутренний, субъективный Я, и мир внешний, объективный, по ту сторону Я. В этой формуле всего четыре символа: а1 – «давление среды», а2 – «образ давления среды», а3 – «интенции» и А – «готовность к биполярному выбору»:

А = (а3 → а2) → а1, (1)

где ai принимает значения 0 или 1.

В этой формуле «вполне наглядно выявлена связь между мирами по обе стороны Я, или, скажем так, идея отраженности внешних контактов индивидуума со средой во внутреннем пространстве его бытия: одно как бы свернуто в другом.» [2, с. 6]

Образно говоря, решение задается здесь тремя «координатами» в некотором «пространстве». В более наглядной интерпретации решение в процессе ПР само оказывается комбинацией частей, его составляющих, как, например, трактуется нечеткая операция «слияния» двух нечетких («расплывчатых») множеств – аналог классических теоретико-множественных операций пересечения и объединения:«…мы будем говорить, что решение – понимаемое как расплывчатое множество – является слиянием целей и ограничений. Таким образом, «слияние» приобретает смысл «пересечения» или «алгебраического произведения» в зависимости от интерпретации союза «И»…, кроме того, ему может быть приписано какое-либо другое конкретное значение, если возникает необходимость в специальной интерпретации союза «И»… Коротко обобщенное определение решения можно сформулировать следующим образом:

«Решение = Слияние целей и ограничений»… ([3, c.188]).

Здесь по-видимому стоит подчеркнуть, что в приведенном выше символическом равенстве «решение» также параметрически зависит от трех составляющих: целей, ограничений и способов их комбинации – слияний. Более того, «слияние», интерпретируемое классиками в приведенном выше фрагменте как пересечение множеств может быть интерпретировано в ходе решения иных задач и как их объединение.

Еще одна особенность, отмеченная в обзоре в статье [2, с.8], – трактовка рефлексивной цепочки как «многоэтажной степени», которая является, как известно, итерацией умножения, т. е. частным случаем схемы рекурсии. Эта схема играет важную роль в теории алгоритмов, например, показано, что «достаточно большой» класс рекурсивных функций, а именно, все примитивно рекурсивные 1-местные функции могут быть получены из двух простейших подстановками и применением операции «итерации общего вида»:

(f | h)(g), (2)

где f, g,h – функции одного аргумента из N в N, N = {0,1,2, …},

f – итерируемая функция, g— начальная функция, h— счетчик итераций.

Операция, задаваемая формулой (2), является простейшей рекурсивной схемой, частным случаем так называемой «примитивной рекурсии», тем не менее, ее достаточно для получения всех одноместных примитивно-рекурсивных функции из начальных 0, х, х+1. А это означает, в свою очередь, что любое рекурсивно-перечислимое множество может быть получено как множество значений такой функции, т. е. множество, полученное некоторым алгоритмом, может быть представлено в таком виде.

Таким образом, мы имеем, вообще говоря, представление любого алгоритмически перечислимого множества с помощью трех «координатных» функций (2), следовательно, если (2) есть результат некоторого «решения» в процессе ПР, то он получается комбинацией стандартных операций из трех фиксированных исходных «решений». Здесь необходимо также подчеркнуть, что представление в виде (2) позволяет вводить в рассмотрение динамический аспект, поскольку в него входят функции, заданные на натуральном ряде, а тот, в свою очередь, можно трактовать как ряд дискретных моментов времени. Например, формулой (2) иллюстрируется работа 3D-принтера.

Рассмотренные выше соображения относительно интерпретаций вариантов «заполнения» пространства решений имеют выход и за пределы круга естественных и гуманитарных наук, о чем уже давно ведется дискуссия в аспекте общекультурных проблем (прежде всего, с точки зрения учета «человеческого фактора»), в частности, среди специалистов по компьютерной графике и интерактивным изобразительным техникам, о чем свидетельствуют две приводимые ниже цитаты:

1. Лефевр В. А. Необъяснимая эффективность метафизических рассуждений при построении математических моделей // в кн. «Рефлексия», М.: Когито-Центр, 2003, с. 426.

2. Петровский В. А.Гауди в психологии (к 80-летию В. А. Лефевра) // Рефлексивные процессы и управление, Т.16, N 1–2, 2016 г., c.5-14.

3. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // в кн. «Вопросы анализа и процедуры принятия решений. Сборник переводов», М.: Мир, 1976, с. 172–191.

4. Березин С. А. Об алгебре одноместных примитивно-рекурсивных функций с операцией итерации общего вида // Кибернетика (Киев), N3, 1976 г., с. 12–19.

5. Garvey G., Laurel B., Tow R., Staveley J.Grids, Guys and Gals: Are you oppressed by the Cartesian Coordinate System? // SIGGRAPH' 95: Proceedings of the 22nd annual conference on computer graphics and interactive techniques. ACM, New York, NY, USA, 1995, pp 503–505.

В. И. Боршевич (Общественная палата при Президенте Республики Молдова, г. Кишинэу, Республика Молдова) Воля к совершенству и воля к заблуждению: рефлексивное восхождение и «биологическая гравитация» homo cyberneticus

Аннотация. Работа посвящена критическому рефлексивному анализу проблем информатизации и кибернетизации мирового сообщества. Показана несостоятельность традиционных концепций о безусловной пользе производства и распространения знаний на базе неограниченного доступа к информационным технологиям. Раскрыт конфликт между стремлением человека к совершенству и его биологическими инстинктами, который резко обостряется в процессе ускоряющейся кибернетизации. Утверждается, что на место традиционной антропологии Homo Sapiens приходит новая неизведанная антропология Homo Cyberneticus, которая характеризуется встречными процессами очеловечивания кибернетических систем и кибернетизацией человеческого поведения, мышления и мотивации. Показана, что воля к заблуждению сопутствует воле к совершенству, точно также, как воля к подчинению сопутствует воле к господству. Опасное обострение противоречия между этими противоположными устремлениями усугубляется с ускорением кибернетизации и информатизации мирового сообщества.

Ключевые слова: рефлексивное восхождение, рефлексивная слепота, воля к совершенству, воля к заблуждению, антропология Homo Ceberneticus.

"Совершенство" – это идеал, это цель, это "дальше некуда". "Заблудиться" – это либо потерять направление к цели, либо утратить всякое представление о ней. Но воля к совершенству и воля к заблуждению неразлучны. Заблудившись в поисках представлений о "совершенстве", человек теряет смысл своего существования. Но уверовав в какое-либо призрачное "совершенство" и не находя его в реальном мире, уверовавший неизбежно начинает ломать, переделывать и дополнять реальность в погоне за призрачной мечтой.

Обратимся к феномену кибернетизации. В своём стремлении к совершенству процесс интенсивного развития киборгов, оснащенных искусственным интеллектом, неизбежно сопровождается встречным процессом "кибернетизации человека". Причем не только с точки зрения "умных имплантов", но и сточки зрения радикального изменения его социального поведения. Последнее означает, что традиционная антропология Homo Sapiens с неизбежностью превращается в некую трудно постижимую "антропологию Homo Cyberneticus".

Образно говоря, куклы становятся все более похожими на людей, тогда как люди – на кукол, которых они лепят с помощью этих же самых кукол. Анимация и апофения политического и финансового Диснейленда все более перемещаются в киберпространство и оттуда начинают управлять миром людей, идей, вещей и этим же самым киберпространством.

В этой связи вполне уместно вспомнить, что знаменитый Френсис Фукуяма, автор нашумевшего "Конца истории", предрекавшего неминуемую победу глобализма как вершины исторического процесса, опирался на могучий тезис Гегеля, согласно которому мировой прогресс неизбежно завершится построением "совершенного" общества (под которым он подразумевал прусскую монархию, а его ученик Маркс – "коммунистическое общество"). Фундаментальная ошибка обоих мыслителей заключалась в том, что в различных культурах и субкультурах понятия "совершенства" весьма различны, и в неизбежном столкновении этих различных "совершенств" виноватым оказывается, как раз одно общее для них "несовершенство" – воля к власти, богатству, престижу и … заблуждению.

В погоне за призрачным "совершенством" – сверхприбылью, рынок торговли контрактами в настоящее время более, чем в 100(!) раз превысил рынок реальных активов, основ реальной экономики. Звезды журнала "Форбс", оперирующие десятками миллиардов долларов, для людей, оперирующих десятками триллионов (т. е. за пределами банковских балансов) кажутся "мелкими людишками". Так, миллиардер Трамп, самый богатый из всех президентов США, почувствовал это на собственной шкуре: его начали "загонять в стойло" и вынудили "загонять в стойло" других. Отметим, что появление такой мощной "надбанковской" власти стало возможным только благодаря современным информационным технологиям.

В свое время мудрый Константин Великий первым понял, что одного принципа "Хлеба и зрелищ!" для спасения Рима явно недостаточно, и что принцип "Горе побежденным!" должен быть дополнен инновационным оксюмороном "имперского христианства". Но римские императоры забыли о великом предупреждении Саллюстия Цезарю: "Любовь к деньгам разрушит Рим!". Веспасиановский принцип "Деньги не пахнут!" только усугубил положение. В конце концов, воля к ложному "совершенству" и воля к заблуждению обрушили Великий Град до того, как его разрушили орды отчаянных и алчных варваров-германцев, в состав которых входили мало известные тогда племена англов и саксов. Последние, в конце концов, и оказались истинными наследниками Римской Империи.

Ныне современные воины-"крестоносцы" Четвертого Рима все более превращаются в менял-"тамплиеров", утративших христианские ценности на пути к неминуемой гибели перед лицом возрождающихся ныне "варварских империй". Но тогдашние тамплиеры хотя бы поклонялись вполне материальному "золотому тельцу", тогда как нынешние – всего лишь призрачной, "оцифрованной мамоне". Так ныне "оцифрованная реальность" постепенно превращается в призрачную "дополненную реальность", поглощая жизненные ресурсы Homo Sapiens, неизбежно превращающегося в Homo Cyberneticus.

Предтечи, пророки, подвижники и создатели современной эпохи интернета (некоторые называют ее сейчас не менее как "новой политэкономической формацией") в состоянии полного "рефлексивного ослепления", порожденного слепой верой в бэконовскую максиму "Знание-Сила", глубоко заблуждались в своих визионерских и ослепительных видениях Будущего. А ведь элементарный взгляд с более высокой рефлексивной позиции подсказал бы им, что знание, как всякая сила, есть понятие внеаксиологическое – благостной или преступной эту силу делают только намерения ее обладателей. И чем более могуча эта сила, тем выше моральная ответственность ее создателей за последствия своего творения.

Но уроки великих моральных терзаний Эйнштейна и Бора ничему не научили новое поколение ученых и технологов. И потому последствия оказались далеко не только и не столь благостными. С одной стороны, интернет оказался заложником мощных геополитических сил, ведущих мировых банков и транснациональных корпораций, ареной невиданных по своему размаху информационных войн, тотальной слежки, манипуляций массовым сознанием, а также навязыванием разрушительных неолиберальных "принципов и ценностей", тотальным "пиаром", гипнотической потребительской рекламой и лавиной "фейковских" новостей.

С другой стороны, интернет стал поприщем невиданных "кибератак", разгула террористических организаций, человеконенавистнических идеологий, мифологий и суицидальных интернет-сообществ, а также мракобесия, оккультизма и невежества, обеспеченных технологиями самых продвинутых знаний. И это отнюдь не "эпифеноменон", не акциденция, сопутствующая благой интенции, и даже не феномен – это "новая феноменология духа", порожденная новой антропологией – антропологией Homo Cyberneticus.

Не меньшую озабоченность вызывает и стремительное развитие "дополненной реальности", когда реальная картина и звуки реального мира стали замещаться и скрещиваться с картинами и звуками виртуальной реальности, когда глубинные и неосознанные мании и фобии стали обретать четкие "электронные" и "оцифрованные" формы. Невиданные никогда ранее "интернет-крысоловы" с помощью неслыханных ранее "интернет-флейт" стали увлекать детей и молодое поколение Homo Internetus в "черную дыру" убивания времени и ювенального суицида. Вспомним разгул "дополненной реальности" внезапно выпорхнувших на белый свет "покемонов" и таинственную, зловещую интернет-игру "Синий Кит".

Почему дети так легко вступали и затем не могли вырваться из засасывающего и заколдованного водоворота этой страшной интернет-игры? Сама постановка такого вопроса оказалась неверной – они не "не могли", они не хотели, более того – они истово стремились в эту суицидальную воронку, поддаваясь садистским голосам "интернет-сирен". Последние последовательно отключали у них спасительную петлю рефлексивной обратной связи, чем вводили их в состояние "рефлексивной слепоты", а затем и полнейшего "рефлексивного ослепления". Более того, рано или поздно азарт Игры (а это отнюдь не интеллектуальная "Игра в бисер" Г. Хассе) достигал такого уровня, что автоматика их подсознания вызывала агрессивную психологическую защиту по отношению к любым источникам, могущим подорвать их проснувшуюся волю к подчинению и заблуждению. Игра постепенно превращалась в ослепляющую реальность, а реальность – в жалкую иллюзию существования. В конце концов, воля к подчинению (Э. Фромм) превращалась в смертоносную волю к заблуждению (вспомним знаменитое: "я сам обманываться рад…").

Но вот что особенно трагично – само выражение "мышеловка захлопнулась" здесь оказывается совершенно неуместным. В разрыв спасительной рефлексивной обратной связи ("Что я делаю?!") вклинивается самоубийственная рефлексивная обратная связь совсем другого рода ("Как мне выполнить очередное задание Ведущего?"). Ребенок не видит никакой "мышеловки". Его первоначальное ирациональное целеполагание по мере увлечения суицидальной игрой превращается в сугубо рациональное. У него воля к жизни и знанию совершенно однозначно в процессе Игры превращаются в волю к заблуждению и в волю к смерти. Реальная реальность (простите за тавтологию) с неизбежностью превращается для него сначала в пресловутую "дополненную реальность" (наполовину реальную/наполовину виртуальную), а затем целиком трансформируется в реальность виртуальную.

И вот что важно – монстры интернета при этом вовсе не захватывают несчастное существо и втягивают его в "черную дыру" монитора, как думают наблюдатели по эту сторону экрана. Наоборот, для захваченного Игрой ребенка, виртуальный мир интернета заполняет все окружающее его реальное пространство. Тогда как реальный мир для него начинает съеживаться до размеров испаряющейся "черной дыры", из которой перестают доноситься голоса родителей и близких, а также затихающие последними голоса разума и совести. Боль одиночества и невостребованности сменяются обретением нового смысла жизни – жизни в чужой Игре, подчинением Ведущему в этой Игре, твердой решимостью не сходить с пути этого ослепительного Заблуждения.

В случае "Синего Кита" отражается, как океан в капле воды, вся тревожная феноменология и проблематика нынешней интернет- цивилизации, отцы-основатели которой свято верили в просветительский тезис о том, что прогресс в области знаний и в новой "экономике знаний" автоматически приведет Homo Cyberneticus к вершинам счастья и совершенства. Но они забыли о том, что в глубинах нашего мозга продолжают неизменно противоборствовать как тяга к небесному рефлексивному восхождению (см. библейскую "лестницу Якова", "восьмеричный путь совершенства Будды" etc), так и биологическая "звериная гравитация", которую каждому из нас (и всем в совокупности) необходимо преодолевать ежедневно, ежечасно.

И поэтому всегда нужно помнить, что каждый добытый нами грамм знания, как в свое время каждый грамм радия, ложится на арену братоубийственной борьбы между Ангелом рефлексивного (духовного) восхождения, устремляющего нас к моральному совершенству, и Демоном нашего генетического начала, устремляющего нас в "черную дыру" биологической гравитации с ее фундаментальными рефлексами привыкания и сенсибилизации, а также условным рефлексом Павлова, анимацией и апофенией, которые прекрасно осваивают и формируют колдовскую символику киберпространства.

Великая русская культура изначально была основана на идее постоянного рефлексивного восхождения, одухотворенного идеями справедливости и человечности. Наверняка духовные муки Эйнштейна и Бора были навеяны именно ее величайшими представителями – Толстым и Достоевским. Ныне в мире все большее значение приобретают голоса сторонников и последователей Щедровицкого, Лефевра и Лепского, истинных основателей рефлексивного транснационального движения, рожденного в недрах этой могучей культуры.

1. Birshtein, B., Borsevici, V. (2002). Stratagems of Reflexive Control in Western and Oriental Cultures. International Interdisciplinary Scientific and Practical Journal ―Reflexive Processes and Control‖, vol 1, nr. 2. Moscow: "Kogito Center" Publishing House

2. Lepskiy, V.E. (2010) Reflexive and Active Environments of Innovative Development. – Moscow: "Kogito Center" Publishing House

В. В. Карюкин, Ф. С. Чаусов (Военный учебно-научный центр «Военно-Морская Академия», Санкт-Петербург) Рефлексивные игры противодействия

Аннотация. Рассматриваются рефлексивные игры при наличии признаков распознавания.

Ключевые слова: рефлексивные игры противодействия, признаки распознавания.

Задачи противодействия, рассматриваемые нами [1–3], характеризуются тем, что сначала делает выбор один из игроков, а второй игрок, чтобы не быть обреченным на поражение, должен разгадать выбор противника. Таковы, например, игра «нападение и оборона»[1], «игра в прятки»[4]. Изучение таких игр требует привлечения признаков распознавания стратегии противника. Данная задача требует привлечения теории рефлексивных игр [4].

Необходимые определения и обозначения. Рассмотрим игру, задаваемую матрицами:

где первая матрица есть матрица выигрышей игрока 𝒜, а вторая дает выигрыши игрока ℬ. Игрок 𝒜 выбирает строчку (𝑖 ∈ 1,2), игрок ℬ – столбец (𝑗 ∈ 1,2). После того как выбор сделан, игрок 𝒜 получает выигрыш 𝑎_𝑖𝑗, а игрок ℬ – выигрыш 𝑏_𝑖𝑗. Матрицы известны обоим игрокам. Данная игра является игрой с постоянной суммой 𝑎_𝑖𝑗 + 𝑏_𝑖𝑗 = 1, и ее равновесные смешанные стратегии одинаковы для обоих игроков . Здесь введены обозначения: 𝑥₁, 𝑥₂– вероятности с которыми игрок 𝒜 выбирает первую (𝐴₁) или вторую (𝐴₂) стратегию (первую или вторую строчку матрицы 𝐴); аналогично (𝑦₁𝑦₂) – распределение вероятностей на стратегиях 𝐵₁,𝐵₂ (столбцах матрицы 𝐵). Математическое ожидание выигрыша для игрока 𝒜 равно 0.5. Дополним описание данной игры допущением, что для каждой стратегии игроков известны признаки распознавания, известные обоим. Кроме того, для каждого такого признака существуют косвенные признаки, некоторые из которых носят рефлексивный характер. Будем считать, что скрытие косвенных признаков невозможно.

Приведем определения для признаков распознавания. Введем обобщенное обозначение S для некоторой стратегии игрока.

Признак α называется необходимым признаком для распознавания стратегии, если он принимает значение истина всякий раз, когда реализуется распознаваемая стратегия. В символах математической логики это отображается импликацией S → а и правилом вывода (распознавания) S,S → α/α: если противник выбрал стратегию S, то должен наблюдаться признак α.

Признак β называется достаточным признаком для распознавания стратегии, если из факта наблюдения признака β(логическая формула признака приняла значение истина) следует выбор стратегии S. В символах математической логики это отображается импликацией β → S и правилом вывода (распознавания) β/β → S/S: если наблюдается признак β, то противник выбрал стратегию S.

Признак γ является необходимым и достаточным для распознавания стратегии S, если утверждения γ и S одновременно истинны или одновременно ложны. С прикладной точки зрения наблюдение признака γ позволяет делать безошибочный прогноз о выборе противника.

Из факта наблюдения признака α не следует достоверное заключение о выборе стратегии. Следует лишь возможность реализации распознаваемой стратегии S, поскольку множество истинности признака а шире, чем множество истинности необходимого и достаточного признака у. Однако, из факта ложности признака α (наблюдается ā) следует, что стратегия S не будет реализована. Действительно, это следует из закона логики (S → а) → (а → S). Из факта отсутствия признака β не следует, что стратегия S не будет реализована, поскольку множество истинности достаточного признака уже, чем множество истинности признака γ.

Для игры 2×2, описанной выше, из изложенного следует: 1) если γ необходимый и достаточный признак для S, то γ есть необходимый и достаточный признак для; 2) если а необходимый признак для S, то ā есть достаточный признак для S¯; 3) Если β достаточный признак для S, то β¯ есть необходимый признак для S¯.

Пусть игра, описанная выше, такова что, игрок 𝒜 для распознавания стратегий противника использует разные признаки: для В₁ использует некоторый признак δ₁, а признак δ₂ – для стратегии В₂. Допустим, что данные признаки приводят к успешному распознаванию с одинаковой вероятностью θ. Использование признаков увеличивает математическое ожидание выигрыша, если вероятность θ > 0.5.

Если в игре 2×2: 1) игрок 𝒜 для распознавания стратегии В₁ использует только необходимый признак а₁; 2) достаточный признак α₂ реализуется в разных ситуациях с вероятностью θ; 3) вместе признаки дают необходимый и достаточный признак; 4) для распознавания стратегии В₂ используется признак α₁¯. Тогда: 1) если игрок ℬ использует равновесную стратегию, то математическое ожидание 𝜈_𝒜 выигрыша игрока 𝒜 равно , в этом случае вероятность выигрыша игрока 𝒜 больше равновесного при любом θ; 2) для любых смешанных стратегий игрока ℬ имеет место 𝜈_𝒜 ∈ [𝜃; 1], и величина 𝜈_𝒜 больше равновесного выигрыша при θ > 1/2. Следовательно, использование необходимого признака дает выигрыш больший, чем равновесный выигрыш 0.5 при θ > 0.5 для любых стратегий (у₁; у₂).

Если игроку 𝒜 известны оба необходимых признака: α₁ – для стратегии В₁ и признак β₁ для В₂ (𝛼₁𝛽₁ = 0), то он делает безошибочный прогноз при любом выборе противника.

При распознавании стратегии противника, игрок может обнаружить несоответствие между признаком, установленным ранее, и признаком, наблюдаемым в данный момент. Это может быть обусловлено следующими причинами: ошибками распознавания; управляющим воздействием противника, который демонстрирует противоположные значения некоторых элементарных признаков; неполнотой признака, если признак достаточный.

Устранить эту неопределенность, методами математической логики можно лишь при привлечении рефлексивных соображений [5], базирующихся на знании данной предметной области и(или) психологическом портрете противника.

Большое значение в принятии решения, основанном на использования признаков, дает уверенность в достоверности используемых признаков. Пусть признак K в результате n разыгрываний данной игры приводил к правильному распознаванию стратегии. Насколько можно быть уверенным в том, что в текущем разыгрывании данный признак приведет к успешному распознаванию. Другими словами, не является ли это игрой случая. Перед нами задача математической статистики, в которой нулевая гипотеза утверждает, что мы имеем дело со схемой независимых испытаний и наблюдаемые результаты носят случайный характер. Альтернативная гипотеза заключается в том, что из истинности данного признака K всегда следует правильное заключение. Определим достоверность признака как нижнюю границу вероятности того, что в следующем разыгрывании игры вероятность успешного распознавания выше, чем вероятность ошибки. Заметим, что достоверность характеризует следование: K ⟹ S, а не сам признак. Данная оценка вероятности равна:

. Для утверждения, носящего рефлексивный характер и вводимого в рассмотрение впервые, достоверность естественно положить равной 0.5. Если рассматривается цепочка таких рефлексивных следований длины p, то ее достоверность равна 0.5^p. Это, в частности, относится к рефлексивным рассуждениям, основанным на определении ранга рефлексии в конечных играх [4]. Однако, если ранг рефлексии установлен в результате длительных наблюдений за противником, то его значение также является признаком, который позволяет сделать правильный выбор. Все это говорит о необходимости включения рефлексивных рассуждений в теорию игр.

1. Карюкин В. В., Чаусов Ф. С. Ретроспективный рефлексивный логический анализ Нормандской десантной операции(6 июня 1944 г.). «Рефлексивные процессы и управление», 2017, в печати.

2. Карюкин В. В., Чаусов Ф. С. Математическая модель распознавания ранга рефлексии в ситуациях противодействия противнику. «Математическое моделирование», в печати.

3. Чаусов Ф. С. Рефлексивный подход в управленческой деятельности. – СПб.: СПбВМИ, 2008, 286 с.

4. Новиков Д.А, Чхартишвили А. Г.Рефлексивные игры. – М., СИНТЕГ, 2003, 203 с.

5. Лепский В. Е. Технологии управления в информационных войнах (от классики к постнеклассике) – М.: «Когито-Центр», 2016. – 160 с. http://www.reflexion.ru/Library/Lepskiy2016a.pdf

Е. Н. Князева (Национальный исследовательский университет «Высшая школа экономики», г. Москва) Биосемиотика Я. фон Икскюля как методологическая основа конструирования рефлексивно-активных сред

Аннотация. Основатель биосемиотики Я. фон Икскюль активно повлиял на развитие когнитивной науки и философии сознания и является ныне высоко цитируемым и популярным автором. Не только люди, но и животные живут в знаковой реальности. Их окружающая среда активна. Это мир смыслов— Umwelt, который активно строится живым существом и строит его самого.

Ключевые слова: рефлексивно-активная среда, биосемиотика, конструктивизм, функциональный круг, Якоб фон Икскюль.

Введенное биологом-теоретиком Якобом фон Икскюлем (1864–1944) уже более 100 лет назад понятие Umwelt, стало центральным в биосемиотике, начало развитию которой как междисциплинарному направлению исследований было положено этим ученым. Umwelt – это не просто окружающая среда организма, это не просто энвайронмент. Понятие Umwelt содержит в себе глубокие мировоззренческие смыслы и несет в себе мощный методологический заряд. Оно оказалось действенным не только внутри теоретической биологии и экологии (кстати, и сама экология сегодня может пониматься в расширенном виде, вплоть до экологической философии), попав в сопряжение с понятием экологической ниши, но и для развития кибернетики, общей теории систем, теории управления, обнаружив свою эвристичность для развития понятий отрицательной обратной связи, гомеостазиса