CC BY
64
ВЕСТ. МОСК. УН-ТА. СЕР. 7. ФИЛОСОФИЯ. 2007. № 2
ФИЛОСОФИЯ И ЭПИСТЕМОЛОГИЯ
И.Ю. Алексеева, Ю.Ю. Петрунин, A.B. Савельев
ФИЛОСОФИЯ МОДЕЛИРОВАНИЯ
КАК МЕТАМЕТОДОЛОГИЯ В НЕЙРОИНФОРМАЦИОННЫХ
ТЕХНОЛОГИЯХ И ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ*
Работы, посвященные нейроинформационным технологиям (НИТ)1, как и большинство работ по философии искусственного интеллекта (ИИ)2, изобилуют вопросами методологического плана, направленными на выяснение возможных способов построения нейроподобных и искусственно интеллектуальных систем. Однако, как показывают наши исследования3, существует большая зависимость методологии ИИ от решения соответствующих вопросов экзистенциального характера, т.е. от того, что именно исследовать, конструировать, моделировать и воспроизводить. И эти вопросы в подавляющем большинстве случаев являются не только определяющими сами вырабатываемые методологические принципы, но и в значительной степени определяют вид конечного результата продуктов, получаемых путем применения этих принципов. В свою очередь экзистенциальность указанных проблем, определяющих фундаментальность оснований ИИ, детерминируется их онтологическими основаниями, т.е. решением ряда вопросов существования—несуществования предмета изучения или тех или иных наших представлений о предмете изучения. С этой точки зрения можно говорить о метаметодологии, включающей постановку и решение экзистенциальных вопросов ИИ и их методо-онтологические основания и обоснования. В таком случае отношения методологии и метаметодологии напоминают отношения системы аксиом и соответствующих следствий, выведенных из них в дедуктивных системах. Такое представление воспринимается нами более адекватным, чем сведение онтологии методологических установок к более частному разделению на ме-тааксиоматический и мезоаксиоматический уровни, дедуктивно порождающие соответственно категориально-системную методо-логию4 и методологию информационных моделей5. Развитие мета-методологического познания реальности в ИИ способствует про-
* Работа выполнена при финансовой поддержке РФФИ (грант № 04-0680460).
грессированию растворения субъекта в дивергенции симулякров по Ж. Делезу. Именно применение и признание «тестов на интеллект» типа теста А. Тьюринга, «Укиё-Э» и др.6 способствуют сглаживанию граней между объектом и субъектом познания и усилению их взаимозависимости. Происходящие при этом процессы напоминают десакрализацию текстов, исследованную М. Фуко и Р. Бартом, когда в результате обработки текстов конструируется абстрактный субъект с приписываемой ему творческой силой, породившей текст: «Объект обозначает нас больше, чем мы его обозначаем» (Г. Башляр7). В свою очередь такое «растворение субъекта», воспринимающего ИИ как действительный ИИ и искусственные нейронные сети (ИНС) как действительные ИНС, позволяет создавать различные интерпретации. Именно попытки проводимой таким образом борьбы с многоосмысленностью и неоднозначностью создают условия существования отличающихся интерпретаций: «...привнося свою ситуацию в совершаемый мною акт чтения, я тем самым могу устранить многоосмысленность произведения (что обычно и происходит). Однако именно в силу того, что эта ситуация непрестанно меняется, она организует произведение, но отнюдь его не обнаруживает: с того момента, как я сам подчиняюсь требованиям символического кода, лежащего в основе произведения, иными словами, обнаруживаю готовность вписать свое прочтение в пространство, образованное символами, — с этого момента произведение оказывается не в силах воспротивиться тому смыслу, которым я его наделяю»8. В этом смысле задачи ИИ близки идеальному типу М. Вебера, не извлекаемому из эмпирической реальности, а конструируемому как теоретическая схема. Относительно этого М. Вебер писал: «Чем резче и однозначнее сконструированы идеальные типы, чем они, следовательно, более чужды миру, тем лучше они выполняют свое назначение как в терминологическом и классификационном, так и в эвристическом отношении»9. И это действительно оправданно, но в классической науке, здесь достаточно привести в качестве примера математику и ее стремящуюся к универсальности применимость. Однако в постнеклассической науке (и даже в будущей постпостнеклассической, так как в постнеклассической науке как раз это, на наш взгляд, делается недостаточно) с исследованием сложных саморазвивающихся и самоорганизующихся систем необходимо учитывать «растворение субъекта», повышение специализации его восприятия к конкретным задачам, в частности к восприятию ИИ как ИИ и нейросетей как нейросетей. Путь методологии ИИ в сторону веберовского идеального типа неэффективен, так как редукционизм объектно-понятийной сложности не может учесть неэквивалентность целого и частей и неизбежно
упускает «дефект массы» интегрированной субстанции. Сам М. Вебер по этому поводу сообщает, что «идеальные типы... быть может, так же мало встречаются в реальности, как физические реакции, которые вычислены только при допущении абсолютно пустого пространства»10. Ясно, что эти вопросы имеют непосредственную связь с адекватностью представления моделей ИИ, как онтологи-ческой11, так и эпистемологической12. Сказанное можно хорошо проследить на примере возникновения НИТ, происхождение которых как раз обязано попыткам движения в сторону от идеальных типов представления нейронных моделей. Усложнение описания сложных систем, увеличение его весовой функциональности, пусть даже и на относительно небольшую величину, в виде искусственного нейронного элемента Мак-Каллока—Питса привело к созданию и бурному развитию целого направления — нейрокомпьютеров. Тот же вклад внесли и Ходжкин с Хаксли, сконструировав систему дифференциальных уравнений, описывающих нервный импульс, принесших им Нобелевскую премию и явившихся шагом навстречу сложности биологического нейрона по сравнению с двоичной ячейкой (хотя сейчас уже схема Ходжки-на—Хаксли является более примитивной по отношению к современным представлениям нейрона13, чем двоичная ячейка к схеме Ходжкина—Хаксли). Однако, проанализировав ограничения, свойственные когнитивным моделям существующих НИТ14, можно сделать метаметодологические выводы о необходимости и возможной плодотворности присутствия бытия объекта в хайдег-геровском смысле в когнитивной схеме представления нейрона. Повышение онтологичности, существенности в существовании и, наоборот, существования в существенности, реализуемых в виде усложнения модели нейронного элемента и увеличения таким образом его весовой функциональности, его функциональной плотности15, может привести к новому витку усложнения возможно-решаемых задач и к повышению эффективности решения известно-решаемых задач. Таким образом, может реализоваться новая методология ИИ, направленная не на редукцию целого, не на количественное наращивание используемых элементов (как в структурном, так и в функциональном смысле, например в виде повышения частоты тактовых сигналов) или межэлементных связей, а на повышение сложности самих элементов когнитивных схем как инструмента познания сложного с помощью сложного. Такая метаметодология очень хорошо может быть проиллюстрирована словами С. Люпаско: «Реально существуют только системы систем, тогда как простая система (из простых элементов — прим. авторов) является всего лишь дидактической абстракцией»16. То же можно отнести к идее холона (Но1оп) А. Кестлера17:
4 ВМУ, философия, № 2
каждая система может быть и частью и целым одновременно, поскольку системам присуща способность взаимно организовывать себя, строиться одним на других и посредством других.
Креативность моделирования
Основой существующей методологии искусственного интеллекта (ИИ), так же как и методологии нейрокомпьютеров (НК), является моделирование. Сама формулировка проблемы ИИ и ее мотивация заключают в себе суть моделирования, т.е. попытку воспроизведения или имитации естественных свойств и функций человеческой деятельности с той или иной степенью жесткости требований адекватности. В подтверждение этого достаточно вспомнить постановку эпистемологической проблемы ИИ А. Эндрю: «Любая попытка создать интеллектуальную или думающую машину автоматически подразумевает самоотрицание... Пока разработка искусственного интеллекта не достигнет своей высшей цели — дублирования каждого аспекта человеческого интеллекта (что, по-видимому, неосуществимо в обозримом будущем), ему обязательно будет присуще такое самоотрицание»18. Помимо того, в качестве более сильного утверждения можно декларировать единственность моделирования как методологии ИИ. Даже отделившиеся и, казалось бы, самостоятельные направления ИИ, обладающие некоторой степенью самодостаточности, например, такие, как разработка и внешне-внутренняя интеллектуализация компьютерной техники, принятие решений и теория полезности, процессинг изображений и речи, обработка информации в специализированных средах (биомедицинские системы, компьютерная интерпретация конкретных технических задач, обработка «гуманитарной» информации в гуманитарных науках), базируются на ряде аксиом, непосредственно получаемых только методами моделирования явного или неявного, не говоря уж об основной парадигме ИИ19. Попытки перехода к новому поколению нейро-компьютерных задач также в основе своей имеет методы моделирования структуры и функций ближе к морфологическому субстрату — носителю биологических свойств, детерминирующих в том числе интеллектуальную деятельность. Хотя необходимо отметить, что, получив импульс к развитию именно путем прямого моделирования (нейронных элементов Мак-Каллока—Питса20, дифференциальных моделей Ходжкина—Хаксли, продолжения и уточнения этих работ в дифференциальных моделях Ю.Г. Анто-монова21, В.С. Маркина и др.22), нейрокомпьютинг также трансформировался в направление, обладающее некоторой степенью самодостаточности. Таким образом, мы можем наблюдать сильную явную связь с методологией моделирования на начальных стадиях развития ИИ, обеспечивающую прорыв в конкретных
предметных областях и стремление к отчуждению от связи с моделированием в дальнейшем за счет более глубокой разработки уже созданного при участии моделирования направления. Следовательно, можно говорить о содержании в некоторой степени креативности в методологии моделирования. Можно также заметить явную корреляцию успехов теоретических построений и практического использования результатов в случае глубокого и всестороннего изучения объектов исследования и их моделирования. Сказанное относится, например, к теории управления газотурбинными двигателями (ГТД), такое успешное прогрессирова-ние которой обязано исключительно детальному изучению объекта управления, построению и отработки его многопараметрических математических и имитационных моделей. В настоящее время специалисты в области ГТД занялись нейрокомпьютерными разработками, к сожалению, совершенно не обращая внимания на объект изучения, в отличие от своих предыдущих высоконаучных работ, в результате чего это приводит к рождению как терминологических, так и тем более феноменологических «монстров» типа «нейро-ГТД», «нейросветофоры»23 и т.д.
Таким образом, можно предположить, что аксиомы представляют собой модели природных явлений, в дальнейшем их использование дает построение той или иной дедуктивной системы24. Переход от одной модели к другой (М1, М2...МП), даже в случае если исторически не сложилось их общепринятое применение, дает потенциально новую систему логических следствий, базирующихся на основе исходной модели (аксиомы) (рис. 1). В качестве примера можно привести аксиоматическую теорию мно-
Применения модели
Моделирование
жеств, где это свойство моделей эксплуатировалось целенаправленно с большим успехом, однако так и не было осознанно, что новая система аксиом фактически является новой моделью реальности. Шаг к этому был сделан после осознания Тарским
механизма смены базовых аксиом и овладения целенаправленным управлением этим механизмом, а также при переходе к рассмотрению бесконечнозначных логик Я. Лукасевича. Таким образом, поиск и реконструкция основополагающей аксиомы или системы аксиом являются чрезвычайно важной методологической задачей, поскольку только четко очерченные и определенные основные аксиомы могут дать возможность построения новой базовой системы аксиом, т.е. модели реальности. Базовая система аксиом неявно выражена в исходных разработках, т.е. при существовании дедуктивно-следственной части истоки ее могут быть утеряны.
Это, однако, не означает отход от начальных парадигмальных установок, поскольку существование части связывается причинно-следственными отношениями, хотя и часть причинно-следственных цепочек может быть утрачена. В этом случае восстановление системы базовых аксиом должно проводиться по неполным данным, что приводит к снижению точности восстановления и к получению приближенных решений (рис. 2). Тем не менее это не
Утраченные (—) и восстановленные (........) связи
и базовая модель М (система моделей)
Рис. 2
умаляет необходимости проведения подобных методологических процедур, поскольку только таким образом можно сконструировать новую базовую систему (систему моделей) и, следовательно, построить новую дедуктивную схему. Вопрос эпистемологической эффективности новых построений является очень сложным с точки зрения прогностического плана, поскольку об эффективности применения можно говорить лишь на конечных шагах дедуктивного дерева решений, в результате чего об эффективности на стадиях выбора новой базовой модели можно судить лишь интуитивно по каким-либо самим качествам исходной существующей модели, изменяя их целенаправленно в какую-либо сторону. Выбор же новой модели без какой-либо связи с существующей ставит вопрос об эпистемологической эффективности в
совершенно неконтролируемое положение. Поэтому преемственность и историзм в конструировании новой базовой системы аксиом также имеет большое значение и в какой-то мере позволяет уменьшить число возможных ошибок и неоправданных с точки зрения эффективности применения построений новых дедуктивных систем следствий.
В отношении нейрокомпьютинга указанная аксиоматическая система может быть реконструирована без особых проблем с высокой степенью точности как раз ввиду того, что связи с базовыми аксиомами сохраняются довольно четко до настоящего времени. Кроме того, этому, по всей вероятности, способствовали значительное абстрагирование в смысле идеального типа М. Вебе-ра25 и относительная новизна самого нейрокомпьютинга. Поскольку и нейрокомпьютинг возник как соединение имитационного моделирования с вычислительной математикой в попытке реализации идеологии исследования сложных систем (каким, по мнению нейрокомпьютерщиков, и являются нейронные конгломераты), то в него как раз перешли основные базовые установки системного подхода. Это относится прежде всего к определению системы, коих дано уже более нескольких десятков26. В то же время именно та специфическая черта, которая отделила нейро-компьютинг от системного подхода, как раз и связана с формулированием индивидно-специфических особенностей именно его базовой модели и ничьей более27. Именно выбор функционального базиса, определенного Мак-Каллоком—Питсом около 60 лет назад своим предложением представления формального нейрона, и определяет практически все дедуктивные построения до сегодняшнего времени. Выбор данного класса функционалов определяет также способ объединения элементов в систему, порождая «нейросетевой» принцип в том виде, в каком его сейчас представ-ляют28. Связи между нейронными элементами вовсе не так произвольны, как это предполагают нейрокомпьютерщики, поскольку и конфигурацию их, и качественно-количественное наполнение, а также функциональные роли и аксиологию довольно жестко задают сущностные характеристики базовой модели элемента, т.е. формального нейрона Мак-Каллока—Питса. Вместе с этим, вытекая из базовой модели, сконструировано и представление о функционировании нейронной сети как нейронной — универсального аппроксиматора, работающего по методу наименьших квадратов (МНК)29. Класс нейронных функционалов представляет собой не что иное, как класс базисных функций, аппроксимирующих входные сигналы. Таким образом, можно наблюдать, как способ представления основной базовой модели (аксиомы) достаточно жестко детерминирует представления о функционировании нейросетей, фактически задавая главную па-
радигму. Необходимо отметить также, что при этом явным и неявным образом происходит довольно интересный феномен обратного моделирования, далеко не тривиальный с эпистемологической точки зрения30. Х.-Г. Гадамер так писал о творческом процессе: «...вследствие которого интерпретатор должен пробегать на своем герменевтическом пути творческий путь в обратном направлении по отношению к тому размышлению, которое было осуществлено внутри него»31. Необходимо заметить, что, по всей видимости, не только должен, но и физически не может этого не делать даже при всем своем желании. В его власти остается только возможность варьирования степени углубления в «обратное направление». Представления о механизмах работы нейронной сети, а следовательно, и о ее функциональном назначении как универсального аппроксиматора, работающего по методу МНК, проецируются на восприятие работы реальной биологической нейронной сети и соответственно мозга. Подобно этому понятие фрактала, первоначально сконструированное как модель реальности, начинает применяться к видению самой реальности как фрактально сконструированной. Здесь также можно видеть креативно-методологическое применение моделирования на начальном этапе познавания и последующее отчуждение от него по мере разработки и применения созданных моделей. Прямым моделированием являются попытки копирования (морфологического или функционального) живой нервной ткани в техническом устройстве, программе, алгоритме, системе уравнений и т.д.32, а обратным моделированием — размещение этих устройств, программ, алгоритмов и систем уравнений на месте представлений о живой ткани в сознании исследователя. Интересно, что при этом огромная ответственность ложится именно на представление базовой модели (системы моделей, аксиом), и в то же время формулирование базовой модели уже само по себе предопределяет возможность и неизбежность ее переформулирования. Таким образом, источник неединственности представлений лежит не в объекте моделирования, а в самом факте моделирования как таковом. Именно поэтому можно утверждать, что генеративность неединственности является имманентным свойством любого моделирования, что также можно расценить как его креативные свойства.
Герменевтические круги и герменевтические спирали моделирования
Помимо того что моделирование проявляет креативные свойства, можно отметить также его феноменологичностъ — самокреативность, т.е. моделирование как становящееся или являющееся. Наиболее близко к методологическому приложению идей Э. Гуссерля
и М. Хайдеггера к современной научной ментальности подошел Э. Морен. «Мы видим, что здесь возникает нечто вроде туманной генетической спирали "концепции мира" в том смысле, в котором этот термин означает одновременно и принципы организации мыслительной деятельности (парадигма, эпистема — "ер181еше"), и саму организацию теории, и предпринимаемая мной работа... будет состоять в том, чтобы прослеживать и развивать идею этого генезиса во всей его порождающей силе и производительности — т.е. метод». Эти слова являются, по сути дела, декларацией оснований философской методологии, составляющей главную суть фундаментального труда Э. Морена «Метод»33. Сам Морен поясняет34, что «Метод» интегрировал четыре интеллектуальных направления, как бы условно соответствующих странам света:
— западную диалогическую традицию соединения противоположностей от Гераклита и Николая Кузанского до Б. Паскаля, Г.В.Ф. Гегеля, К. Маркса, Т. Адорно, К.Г. Юнга и далее К. Гёделя и С. Люпаско;
— теорию систем, информацию, кибернетику и синергетику (К. Шеннон, фон Л. Берталанфи, Х. Матурана, А. Атлан, фон Фёрстер, Дж. Форрестер, фон Х. Форестер, И. Пригожин);
— философию науки — К. Поппер, П. Фейерабенд, Т. Кун, Э. Гуссерль, М. Хайдеггер;
— новую эпистемологию — экологизацию, субъективизацию, социализацию и культурологизацию мышления, познания, рациональности, интеллекта.
Имея в виду приведенные выше слова Э. Морена о спирали развития, необходимо отметить, что, весьма плодотворно продолжая гегелевскую традицию, Морен рассматривает применение к современной научной ментальности лишь первого спирального витка. И хотя Э. Морен пишет: «Постигнуть цикличность — это, следовательно, открыть возможность метода, который, заставляя взаимодействовать отсылающие друг на друга термины, стал бы продуцировать в ходе этих процессов и обменов сложное знание, несущее в себе свою собственную рефлексивность... мы смутно предвидим возможность превращения порочного круга в действенный цикл, становящийся рефлексивным и генерирующим сложное мышление»35, — развертывания этого цикла в спираль на современном уровне развития познания, такого, какое осуществил Гегель для соответствующего ему уровня, не произошло. Тем не менее использование гегелевской методологии триадности диалектической логики (особенно в части отрицания отрицания) очевидно. Идея тетралогической петли, объясняющей, по Морену, возникновение организации, упорядоченности, сложных систем, интеллекта и рациональности, в действительности представ-
ляет применение гегелевской универсальной триады (тезис—антитезис—синтез), развертывающейся на конкретном фоне, представляющем у Морена дополнение до тетрады (в случае организации таким тетрадическим фоном является беспорядок). У Гегеля роль обычно не упоминаемого в составе триады четвертого компонента играет Абсолют в триадическом представлении стадий развития Абсолюта, Абсолютного начала в стадиях первой триады (бытие—ничто—становление) и т.д., где четвертым компонентом последующей по уровням вложенности триады является любой из компонентов предыдущей триады. Таким образом, тетралогическое представление становления, по Морену, является вырванным фрагментом непрерывного целостного бесконечно-самовложенного представления процесса развития по Гегелю. По сути дела методология Морена акцентуировала те свойства гегелевской системы, которые получили возможность развития и применения под действием стимулирования их возникновением методологии ИИ. Тот самый рекурсивный круг, который, по словам Морена, должен «превратиться из порочного в действенную спираль» с замыканием сопряженных понятий или понятий самих на себя, по всей видимости, явился порождением той стадии самопознания, о которой говорил Гегель в «Феноменологии духа» («путь странствия души» через различные стадии, порождаемые индивидом, который видит недостаточность своих текущих состояний сознания, т.е. трансцедентальных в кантов-ском смысле предпосылок, которые и являются мотивом к дальнейшему самопознаванию36). Именно эта стадия самопознания, выразившаяся в устремленности в настоящее время к концентрированному изучению интеллекта с помощью его же самого, явилась предпосылками акцентирования внимания на рекурсивных отношениях («организация организации», «сложность сложности», «природа природы», «открытость открытости» или «экспликация экспликаций» К. Гирца37 и т.д. — от рекурсии односложных понятий к многосложной рекурсии: «природа сложности и сложность природы», «отношения дополнительности и дополнительность отношений», «трансформация беспорядка и беспорядок трансформаций» и т. д.). Необходимо отметить, что такая ситуация не только создается на абстрактно-понятийном уровне, но она является отражением и в то же время продуцированием совершенно реальной бытийной ситуации. Вполне явственно можно наблюдать тотальное мореновское моделирование моделирования подобно реферированию реферирования (если применить рекурсивные отношения Морена к понятию моделирования). Особенно отчетливо это заметно в моделировании интеллекта: ИИ сменяется нейронными сетями и нейромоделиро-ванием. Однако, конструируя таким образом модели моделей,
искусственные нейронные сети (ИНС) являются далеко не прямым моделированием38, а по крайней мере вторичным моделированием, воспроизводя не сам объект, а наши представления об объекте, т.е. его модели, выражающиеся на данном этапе в модели формального нейрона Мак Каллока—Питса. Однако уже сейчас в море научной информации начинают появляться не просто обзоры и дайджесты рефератов, а обзоры и дайджесты обзоров и дайджестов рефератов. Так и в ИИ переход к нейроин-формационным технологиям и методологии нейромоделирования уже перестает устраивать запросы исследователей интеллекта человека и начинается переход к ИИ, но уже ИИ нейросетей, т.е. можно наблюдать третичное моделирование (моделирование моделирования моделирования) или как раз то самое гегелевское развертывание по спирали рекурсивного герменевтического круга, проявления которого в применениях Морена прослеживаются лишь в виде мечтаний. Вместе с тем Гегель утверждал, что движение по спирали от тезиса к антитезису и затем к синтезу, становящемуся тезисом, и далее к антитезису и синтезу и т.д. неизбежно приводит к росту рациональности, что также наблюдается в развитии как ИИ самого по себе (от сильной постановки задач к слабому ИИ39), так и в нейромоделировании, смысл которого также сужается к частно-вычислительным задачам, реализующим, как правило, аппроксимацию эмпирических данных по МНК40.
Необходимость рассмотрения бесконечно-само-вложенного моделирования в задачах исследования таких сложнейших объектов, как организация нейроинформационных процессов высшей нервной деятельности, интеллекта и рациональности, просматривается в методологии Морена при рассмотрении существа как машины (следуя традициям Декарта—Ламетри, Дж. Фон Неймана и Н. Винера) и одновременно, наоборот, машины как существа, а также социальных мегамашин Л. Мамфорда («Когда Карно говорит о своей машине, он говорит о мире, метеорах, морях и звездах, он говорит о человеческих группах, об обращении знаков»41). Именно потому искусственная машина, ИИ, не может рассматриваться как идеальная модель для всех машин, так как является порождением социальных мегамашин, т.е. одним из звеньев возможности в цепочке моделирования, использующих многократность моделей моделей... до него и являясь порождающей моделью для последующих, способствуя их приведению к бытию или существованию прежде всего тем, что, появляясь и проявляясь, т.е. приходя к физическому существованию, переходит в ранг социальных мегамашин, присоединяясь к ним и трансформируясь в них42. Поэтому приведение к бытию или к существованию в хайдеггеровском смысле поэзиса применимо не
только к производству, генезису, но и к моделированию моделирования как порождающему, в том числе и свою многократную само-вложенность. С этой точки зрения само-вложенность моделирования можно интерпретировать и как развертывающийся во времени герменевтический круг Ф. Шлейермахера со стадиями пред-понимания, т.е. как своего рода герменевтическую спираль. В таком смысле моделирование как метод может одновременно выступать еще и как язык и текст («Бытие, которое может быть понято, есть язык», по Х.-Г. Гадамеру). Уже имеющиеся интерпретации текста, основанные на культурных традициях, и составляют пред-моделирование для последующего моделирования моделирования. Тогда моделирование моделирования является интерпретацией текста, при том как каждая интерпретация определена предшествующими интерпретациями как традицией, которая определяется всеми существующими и возникшими интерпретациями, так и последующие моделирования создают традиции моделирования. «Разматывая герменевтический клубок интерпретаций», можно попытаться ответить для моделирования на вопрос М. Хайдеггера: «Позволяет ли онтология онтологически себя обосновывать или она и для этого требует онтического фундамента, и какое сущее должно взять на себя функции фундирова-ния?»43. Именно необходимость «себя обосновывать» является целью и одновременно мотивом существования и продолжения цепочки само-вложенности моделирования и превращает его герменевтический круг в продуцирующую спираль. Тем не менее Х.-Г. Гадамер отмечает, что «интерпретатор не в состоянии полностью воплотить идеал собственного неучастия»44, так как в интерпретацию необходимо включать «горизонт истолкования» самого интерпретатора, т.е. его представления, знания, понятия и внутренний мир. Э. Морен в этом смысле предлагает вводить антропосоциологический синтез с естественными науками: «Компьютер убедительно демонстрирует нам, что, по меньшей мере, неоспоримые духовные качества зависят от физических организационных преимуществ, которые могут проявляться, не нуждаясь в биологической организации (хотя они и родились только благодаря биологической эволюции, продуктами которой являются разумные живые существа, создатели искусственных машин)»45. Однако, на наш взгляд, моделирование как методология уже имманентно включает присутствие интерпретатора с его культурно-социальной традицией и это доказывается экзистенциально самим фактом существования именно моделирования как метода, а не чего-либо другого. Иное дело, что компьютер, ИИ, искусственные нейросети являются наиболее продуцирующими средства-ми46, способствующими продолжению цепочки само-вложенности моделирования, автоматически осуществляя, таким образом, тот
самый антропосоциологический синтез одновременно с невозможностью его неосуществления. Другими словами, как говорил Дж. Ke^ «Во всей физической науке нет ни одной вещи, которая была бы вещью»47.
ПРИМЕЧЛНИЯ
1 Ortiz J.J. Using a multi-state recurrent neural network to optimize loading patterns in BWRs//Annals of Nuclear Energy. May 2004. Vol. 31. Issue 7. P. 789—804.
2 Geneste L. Books review//Engineering Applications of Artificial Intelligence. 2004. Vol. 17. Issue 6. P. 687—688; Пempyнuн Ю.Ю., Савельев A.B. Феноменология нейроинформатизации и искусственный интел-лект//http://neirophil.narod.ru. 2004.
3 Савельев A.B. Философия методологии нейромоделирования: смысл и перспективы//Философия науки. 2003. № 1(16). С. 46—59.
4 http://newasp.omskreg.ru/tdis
5 www.ic.omskreg.ru/~cognitiv
6 Aлeкceeвa И.Ю., Пempyнuн Ю.Ю., Савельев A.B. Анализ отражения нативного абсурдизма понятия искусственного интеллекта в нейронных сетях и нeйpoкoмпьютингe//Maтepиaлы XIV международной конференции ICNC-05 по нейрокибернетике. Pocтoв-нa-Дoнy, 2005. Т. 2. С. 3—6.
7 См.: Бaшляp Г. ^вый рационализм. M., 1987.
8 Бapm Р. Kpmrcra и истина//3арубежная эстетика и теория литературы XIX—XX вв. Трактаты, статьи, эссе. M., 1987. С. 372—373.
9 Weber M. Wirtschaft und Gesselschaft. Koln; Berlin, 1964. НЪЪ. 2. S. 15, 10.
10 Ibid.
11 Aлeкceeвa И.Ю., Пempyнuн Ю.Ю., Савельев A.B. Скрытый эписте-мологизм в стратегиях искусственного интеллекта и нейрокомпьюте-poв//Maтepиaлы Всероссийской междисциплинарной конференции «Философия искусственного интеллекта». 2005. C. 243—246.
12 См.: Мексеева И.Ю. Эпистемологическое содержание компьютерной революции. Автореф. дис. ... докт. филос. наук. M., 1998; Савельев A.B. K вопросу эпистемологической адекватности нейрокомпьютеров//Фило-софия науки. 2000. № 1(7). С. 85—91.
13 См.: Савельев A.B. Heйpoкoмпьютepы в изoбpeтeниях//Heйpoкoм-пьютеры: разработка и применение. M., 2004. № 2—3. С. 33—49.
14 См.: Савельев A.B. Самоорганизационное нейроуправление на реверберационных нeйpoпpoцeccaх//Heйpoинфopмaтикa. M., 2006.
15 См.: Савельев A.B. Heйpoкoмпьютepы в изобретениях.
16 Lupzsco S. L'Énergie et la Matiè re vivante. Antagonisme constructeur et logique de l'nétérogè ne. P., 1962 (rd. 1974). P. 186.
17 Koestler А. The Ghost in Machine. L., 1967.
18 Эндpю A. Искусственный интеллект. M., 1985. С. 18.
19 См.: Aлeкceeвa И.Ю. Человеческое знание и его компьютерный образ. M., 1993.
20 McCulloch W.S, Pitts W.H. Bull. Math. Biophys. 1943. V. 5. P. 115—133.
21 См.: Антомонов Ю.Г. Моделирование биологических систем. Киев,
1977.
22 Маркин B.C., Пастушенко В.Ф., Чизмаджев В.А. Теория возбудимых сред. М., 1984. С. 158.
23 Нейрокомпьютеры в авиации (самолеты). Кн. 14. М., 2004.
24 См.: Савельев А.В. Философия методологии нейромоделирования: смысл и перспективы//Философия науки. 2003. № 1(16). С. 46—59.
25 Weber M. Wirtschaft und Gesselschaft.
26 См.: Клир Дж. Системология. Автоматизация решения системных задач. М., 1990.
27 Савельев А.В. На пути к общей теории нейросетей. К вопросу о сложности//Нейрокомпьютеры: разработка и применение. М., 2006. № 3.
28 Хайкин С. Нейронные сети. М.; СПб.; Киев, 2006.
29 Там же.
30 См.: Петрунин Ю.Ю. Изучение методов интеллектуального анализа данных при подготовке управленцев//Вестн. Моск. ун-та. Сер. 21. Управление (государство и общество). 2004. № 3. С. 99—119.
31 Гадамер Х.-Г. Истина и метод. Основы философской герменевтики. М., 1988. С. 586.
32 См.: Петрунин Ю.Ю. Философские проблемы моделирования человеческого разума//Человеческая реальность: проблемы теории. М., 1999.
33 Морен Э. Метод. Природа природы. М., 2005. С. 113.
34 Morin E. Mes demons. P., 1998.
35 Ibid. P. 41.
36 См.: Гегель Г.В.Ф. Феноменология духа. М., 1978.
37 Geertz C. The Interpretation of Cultures. N. Y., 1973.
38 См.: Савельев А.В. Онтологическое расширение теории функциональных систем//Журнал проблем эволюции открытых систем. Алматы, 2005. № 2(8). С. 101—110.
39 См.: Алексеева И.Ю., Петрунин Ю.Ю., Савельев А.В. Герменевтическое дополнение к вопросу о природе виртуальных реальностей//Мате-риалы Всероссийской междисциплинарной конференции. Философия искусственного интеллекта. 2005. С. 85—88.
40 См.: Савельев А.В. Internet и нейрокомпьютеры как социотехноло-гические стратегии искусственного мира//Философские науки. 2004. № 6. С. 100—113.
41 Serres M. Bolzmann et Bergson//Hermes IV/La Ed. De Munit. 1977.
42 См.: Савельев А.В. Метафорическая онтология нейрокомпьютер-ных технологий как социотехнологической стратегии//В материалах IV Российского философского конгресса. М., 2005. Т. 1. С. 740—742.
43 Хайдеггер М. Бытие и время. М., 2003. С. 486.
44 Гадамер Х.-Г. Указ. соч. М., 1988. С. 461.
45 Морен Э. Указ. соч. С. 331.
46 Алексеева И.Ю., Петрунин Ю.Ю., Савельев А.В. Анализ отражения нативного абсурдизма понятия искусственного интеллекта в нейронных сетях и нейрокомпьютинге//Материалы XIV международной конференции ICNC-05 по нейрокибернетике. С. 3—5.
47 Keys J. Only Two Can Play This Game. Cambridge, 1971.
