CC BY
75
ВЕСТН. МОСК. УН-ТА. СЕР. 7. ФИЛОСОФИЯ. 2014. № 4
ОНТОЛОГИЯ И ТЕОРИЯ ПОЗНАНИЯ
З.А. Сокулер*
ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ КАК ПРОБЛЕМА ДЛЯ ЭПИСТЕМОЛОГИИ
Компьютерное моделирование (вычислительный эксперимент) становится все более важной составляющей современной научной практики. Эпистемология не может обойти вниманием это явление. В англоязычной философской литературе ведутся дискуссии о том, создает ли компьютерное моделирование принципиально новую эпистемологическую ситуацию или нет. В статье рассматриваются аргументы «за» и «против». Мы хотим сказать, что даже если компьютерное моделирование не создает принципиально новые, а только усиливает и до того имевшие место черты научной практики, все равно оно ставит перед эпистемологией новую серьезную задачу. В постмодернистских терминах: она должна меняться от «эпистемологии присутствия» к «эпистемологии отсутствия» (данности, очевидности, непосредственного объекта исследования).
Ключевые слова: эксперимент, компьютеризация, компьютерное моделирование, философия науки, эпистемология, теория, моделирование, обоснование, визуализация, репрезентативизм, познание и реальность.
Z.A. S o k u l e r. A computing experiment as a problem for epistemology
The computer simulation (computing experiment) is becoming more and more important feature of the contemporary scientific activity. The Epistemology can not ignore this fact. There is a lot of discussion in the recent English speaking philosophical literature, whether the computer simulation creates a new episte-mological situation or not. This paper surveys «pro» and «contra» arguments.
We want to say that even if the computer simulation does not create a new epistemological situation, it intensifies some existing and epistemologically problematic features of scientific activities so dramatically, that it means a new challenge for epistemology. In postmodernist terms: such challenge must develop from «epistemology of presence» to «epistemology of absence» (of direct evidence, of the direct investigated object).
Key words: experiment, computerization, computer simulation, philosophy of science, epistemology, theory, modeling, justification, visualization, represen-tativism, cognition and reality.
* Сокулер Зинаида Александровна — доктор философских наук, профессор кафедры онтологии и теории познания философского факультета МГУ имени М.В. Ломоносова, тел.: 8 (495) 939-14-21; e-mail: zasokuler@mail.ru
1. Третий путь познания?
Конец XX — начало XXI в. ознаменовались появлением и все более широким распространением нового научного метода — компьютерного эксперимента (computer simulation); иногда используют такие термины, как «компьютерное моделирование», «вычислительный эксперимент», «численный эксперимент». Терминология не вполне устоялась, поэтому мы позволим себе употреблять эти выражения как синонимы. Разумеется, компьютерные вычисления при извлечении определенного результата из эксперимента применяются уже достаточно давно. Новым в данном случае является то, что работа компьютера по определенной программе прямо называется экспериментом, причем такой эксперимент подчас объявляется более удобным, более информативным, чем эксперимент в привычном смысле. «В настоящее время с интенсивным развитием компьютерных технологий особое значение приобретает математическое моделирование различных физических процессов. В задачах тепло- и массообмена численный эксперимент приобрел сейчас важность сравнимую с важностью эксперимента натурного» [А.А. Аникеев и др., 2009, с. 1] — так начинается одно современное учебное пособие. В другой работе [С.К. Бетяев, 2006] отмечается, что «для ученых и инженеров численный расчет стал обыденным и мощным оружием наступления на непознанное» [там же, с. 26]. Говоря о решении проблемы турбулентности, ее автор пишет, что «современные хаотисты... добывают результаты с помощью компьютерных экспериментов» и выражает уверенность в том, что рано или поздно «проблема турбулентности решится коллективно с помощью численных методов» [там же, с.27]. Обсуждая оптимистические прогнозы увеличения мощностей вычислительных машин, С.К. Бетяев в примечании замечает: «Если такой прогноз сбудется, то аэродинамические трубы превратятся в музейные экспонаты» [там же, с. 66], т.е. он вполне готов допустить, что в недалеком будущем вычислительный эксперимент будет более удобным и надежным источником данных, чем реальный, материальный эксперимент в аэродинамической трубе.
Такое отношение к экспериментам не является исключением: сейчас все чаще говорится о том, что при математическом моделировании во многих случаях придется заменять натурные эксперименты вследствие того, что они являются либо невыполнимыми, либо слишком дорогостоящими.
В осеннем семестре 2013/2014 учебного года среди межфакультетских лекционных курсов в МГУ имени М.В. Ломоносова был предложен курс А.Н. Боголюбова, Н.А. Тихонова, Д.Д. Соколова под названием: «Математическое моделирование — третий путь
познания», который должен служить «введением в широкий круг проблем современного математического моделирования. Его целью является ознакомление студентов с основными принципами построения и исследования линейных и нелинейных математических моделей явлений и процессов самой различной природы — физических, химических, биологических, экономических и т. д.» (из Аннотации, размещенной на сайте межфакультетских лекционных курсов). Само название этого курса претендует на то, что построение математических моделей является способом не представления, а изучения физических явлений. Разумеется, эпистемология не может пройти мимо этих тенденций.
Вообще моделирование рассматривается как определенный способ теоретического представления объекта или процесса. Модель может служить для объяснения конкретного явления. В то же время модель несет в себе некоторый элемент условности: не утверждается, что сущность явления ровно такова, просто для определенных целей, возможно, удобно, продуктивно представлять эту сущность именно таким образом. А пределы применимости подобных моделей, как считается, должны быть установлены в экспериментах.
Вообще говоря, большинство экспериментов, включая мысленные, можно описать как экспериментирование с моделью: скажем, эксперименты в аэродинамической трубе чаще всего проводятся с моделями летательных аппаратов или моделями их отдельных частей. Решусь утверждать, что любой природный процесс, протекающий в контролируемых экспериментальных условиях, является моделью процесса, протекающего в естественных условиях. В таком случае естественно встает вопрос: в чем же состоит особенность вычислительного эксперимента, делающая его достойным особого внимания эпистемолога?
В современной англоязычной литературе ведется оживленная полемика по этому вопросу. Находятся убежденные сторонники как положительного [P. Humphreys; E. Winsberg, 1999, E. Winsberg, 2006; W. Parker, 2008], так и отрицательного [Л. Frigg, J. Reiss, 2009; M. Morgan, 2000] ответа на подобный вопрос. Прежде чем обратиться к аргументации сторон, попробуем более подробно описать вычислительный эксперимент (ВЭ), или компьютерное моделирование (КМ).
2. Этапы построения компьютерной модели
Возможно, у читателей появилась мысль, что ВЭ — это технически более сложная форма мысленного эксперимента — явления не нового и в эпистемологии уже давно обсуждаемого. Однако такое представление неверно. Мы попытаемся показать это, исполь-
зуя в качестве путеводной нити статью Э. Винсберга [E. Winsberg, 1999]. В то же время надо иметь в виду, что КМ представляет собой набор разнообразных практик и наше краткое изложение никак не может учесть специфику каждой.
КМ обычно применяется в случаях, когда исследователей интересует некоторое сложное явление, но при этом:
— с одной стороны, для описания всех процессов, составляющих данное явление, имеются обоснованные и признанные теории;
— с другой стороны, результирующее явление настолько сложно, сочетания процессов порождает такие нелинейные эффекты1, что явление в целом остается непонятным (или не вполне понятным).
Таким образом, имеется некоторая система физических объектов; предполагается, что каждый из них по отдельности ведет себя в соответствии с известными законами физики; но знание этих законов не позволяет объяснить или предсказать протекание данного явления как целого.
Согласно распространенным представлениям, если имеется теоретическое знание (в виде совокупности теорий или законов), то его использование для предсказания или описания конкретного явления представляет собой чисто дедуктивную процедуру. Эта процедура, как обычно считается, не привносит ничего нового и является нетворческой и вообще второстепенной для понимания отношений между теоретическим знанием и реальностью. Однако Винсберг подчеркивает, что, создавая компьютерную модель определенного явления, исследователи стремятся получить новое знание об этом явлении, не содержащееся в наличной системе физических законов. Построение модели отдельного сложного явления существенно отличается от извлечения более частных дедуктивных выводов из общих утверждений, принятых в качестве аксиом. Построение модели представляет собой сложную и творческую процедуру преобразований исходной теоретической системы и введения большого числа дополнительных предположений.
Является ли эта черта характерной только для КМ? Представляется, что это не так, однако развитие КМ сделало моделирование более распространенной и более «заметной» практикой. Тем самым КМ заставляет эпистемологов увидеть то, что имело место и раньше, но до поры до времени игнорировалось, поскольку доминировали иные представления о научном знании. КМ привлекает внимание к тому обстоятельству, что нет прямого и однозначного пути от развитой естественно-научной теории к предсказаниям или описаниям единичных явлений. Эпистемология КМ создает «новую оптику», в которой привычные представления теряют кажу-
1 Когда результирующие даже очень близких начальных условий могут различаться критически.
щуюся очевидность и проблематизируются. Она показывает, что существует принципиальный «зазор» между теорией и реальными явлениями и заполняется этот зазор сложными техниками моделирования. Отсюда следует, что, во-первых, неуспех предсказания еще не является основанием для отказа от теории, ибо «виновной» может оказаться не сама теория, а построенная на ее основе модель конкретного явления2, а во-вторых, деятельность по построению моделей, обеспечивающих переход от системы теоретических законов к интересным явлениям природы, заслуживает особого внимания эпистемологов.
По-видимому, основания для отказа от теории представляют собой комплекс разнородных факторов, куда помимо эмпирической адекватности входят соображения удобства, привычности, количества разработанных на базе данной теории моделей, вычислительных программ и т.п. Сравнительный вес каждого из факторов вряд ли можно определить из общих эпистемологических соображений, хотя, как нам кажется, соображения удобства и задействованности в моделях и программах становятся все более весомыми.
Отмечая, что теория сама по себе мало определенного говорит о реальности, Винсберг описывает процесс конкретизации утверждений теории, состоящий в построении модели интересующего явления. Оно может быть представлено, например, как гармонический осциллятор, как поток несжимаемой невязкой жидкости и т.п. Затем осуществляется задание параметров модели, ее начальных и граничных условий. Все это необходимо для того, чтобы общая и абстрактная модель была приближена к определенному классу явлений.
Таким образом, построение модели принципиально отличается от извлечения дедуктивных выводов из системы теоретических законов. Информация, содержащаяся в дедуктивных следствиях, предопределена аксиомами, тогда как при построении модели имеется свобода выбора. Она касается не только выбора модельного представления, но подчас и того, какой набор законов будет задействован при ее построении (например, законы сохранения в той или иной форме будут присутствовать наверняка, а законы, описывающие, скажем, химические реакции между частицами, могут приниматься или не приниматься во внимание). Еще больше степеней свободы и, соответственно, возможностей для проб и ошибок открывает процесс задания констант и условий. Как отмечает Винсберг, этот этап построения модели зачастую превращается в «изощренное балансирование между аккуратностью и разреши-
2 Как и успех может не быть основанием для веры в ее истинность: «Согласие теории с опытом еще не свидетельствует об ее окончательной истинности. Такое согласие обнаруживается в случае, когда ошибки теории и опыта скомпенсированы» [С.К. Бетяев, 2006, с. 45].
мостью» [ibid., p. 108]. С одной стороны, нехорошо, если модель значительно отклоняется от имеющихся данных об интересующем явлении; но, с другой стороны, нельзя допустить, чтобы из-за стремления к точности воспроизведения данного явления модель окажется настолько сложной, что образующие ее уравнения будут не решаемыми.
Несмотря на искусное балансирование между разнонаправленными императивами, в значительном числе случаев результирующая система уравнений, описывающая динамику данного интересующего исследователей явления, оказывается не решаемой. Так бывает обычно при построении нелинейных моделей. При этом надо отметить, что нас окружают по большей части процессы, описываемые нелинейными уравнениями: движения масс воздуха и жидкости, включая смену погоды, грозы, тайфуны и цунами, а также сопротивление воздуха, испытываемое движущимися автомобилями, самолетами и ракетами, процессы распространения тепла и многое другое описывается с помощью уравнений Навье-Стокса, которые «могут быть решены в общем виде лишь в некоторых случаях и при ряде допущений. Общего аналитического решения системы этих уравнения пока не получено» [А.А. Аникеев и др., 2009, с. 25].
Поэтому с большой вероятностью надо ожидать, что построенная модель интересующего исследователей явления (т.е. определенная система уравнений) окажется не решаемой. Она все еще не может быть использована для описания, объяснения или предсказания реально наблюдаемых явлений. До недавнего времени в подобных случаях искали приближенные решения для уравнений, образующих модель. Но с наступлением эры компьютеров развиваются иные подходы. Речь идет о построении алгоритмов, работая по которым компьютер выдавал бы результаты, достаточно близкие решениям соответствующих систем уравнений. И вот тут мы, наконец, непосредственно подходим к теме ВЭ. Прежде всего, созданные уравнения подвергаются дальнейшим преобразованиям, диктуемым требованиями алгоритмизации процесса, а также возможностями современных компьютеров. Один из наиболее широко используемых приемов состоит в том, что на исследуемую область «накладывается сетка», которая разбивает ее на конечную (хотя порой и чрезвычайно большую) совокупность интервалов или объемов. А затем производится вычисление всех значений для узлов этой сетки одного за другим.
Мощности современных компьютеров позволяют проводить расчеты такого рода, однако и их возможности не беспредельны, потому что речь идет о миллионах вычислений. Исследователь и на этом этапе должен выбрать оптимальную стратегию в условиях двух разнонаправленных императивов:
— если сделать размер ячейки сетки слишком мелким, то может получиться алгоритм, превышающий возможности не только современных ЭВМ, но даже тех, появления которых можно ожидать в обозримом будущем;
— если же укрупнить размер ячейки сетки, то есть риск пропустить значительные скачки в протекании моделируемого процесса.
Поэтому разработка алгоритма сопровождается дальнейшей серией креативных модификаций построенной математической модели, т.е. системы уравнений. Они упрощаются, какие-то параметры элиминируются, а для компенсации что-то, наоборот, добавляется (математическое соотношение, позволяющее приблизительно схватить определенное физическое соотношение). Например, в случае распространения ударной волны в воздухе происходит скачкообразное изменение давления. Моделирование такого скачка создает большие проблемы, так как имеющиеся алгоритмы при приближении к точке разрыва начинают выдавать нежелательные значения. Для исправления ситуации вводится так называемая «искусственная вязкость». Ей не приписывается никакого физического значения, это чисто технический прием, посредством которого скачок давления «размазывается» в полосу, и алгоритму становится легче работать. Или если есть основания полагать, что в течении жидкости или воздуха имеются турбулентные вихри, которые мельче ячеек построенной сетки, то для компенсации в уравнения вводят члены, которые как бы предполагают в жидкости наличие некоторых крупных вихрей (эти примеры взяты из: [E. Winsberg, 2006, p. 1—19]). Подобные модификации не имеют физического или математического обоснования, они носят явный ad hoc характер и подбираются методом проб и ошибок.
Иногда строится разномасштабная сетка: там, где, как предполагается, процессы протекают достаточно гладко, размер ячеек сетки делается более крупным, а там, где есть основания ожидать резких скачков в протекании процесса, — более мелким. Это существенно снижает затраты машинного времени. Однако надо отметить, что решения относительно устройства сетки принимаются исходя из качественной оценки поведения уравнений, которые, не будем забывать, решения в общем виде не имеют. Это означает, что оценки такого рода являются пробными и погрешимыми.
3. Обоснование
Наше описание процессов, ведущих к построению алгоритма, может показаться тенденциозным, поскольку в нем выпячиваются моменты ad hoc исправления модели, направленные на то, чтобы сделать ее вычислимой, моменты выбора и принятия решения соз-
дателями модели. Тут нам могут указать, что ни один из описанных шагов — введение параметров, упрощений, замена одних соотношений на другие, выбор размера ячейки сетки в окрестностях определенных значений параметров и переменных — не является произвольным, а многократно проверяется и перепроверяется на предмет того, насколько результаты, которые в итоге подобных решений будет выдавать создаваемый алгоритм, соответствуют наблюдаемому в реальности, а также на то, что вводимые параметры и упрощения тоже, в конечном счете, основаны на практике.
Разумеется, это так. Однако надо учесть, что появление ВЭ связано с тем, что многие важные для нашего существования явления недоступны прямому наблюдению. И потому возможность прямого сопоставления того, что получается в итоге принятых решений, с тем, что дают обычные эксперименты, принципиально ограничена.
Помимо этого, в дело вступает еще один фактор, который, насколько мы можем судить, играет не последнюю роль в современных формах исследовательской деятельности, но пока еще не замечается эпистемологией, — экономический. В самом деле, вся та большая и сложная работа, которую мы пытались описать выше, не проделывается заново и с чистого листа для каждого нового случая. Существуют пакеты профессиональных программ, разработанные для многих специальных типов задач и проблем. Они могут быть основаны на разных теоретических моделях и разных приемах построения алгоритмов.
Возможна конкуренция пакетов программ (и заключенных в них предположений, допущений и пр.). В конкуренции идей, подходов, методов постпозитивистская философия видела условие и мощный импульс для развития науки. Но особенность описываемой ситуации в том, что разработка пакетов программ является весьма затратным делом (то же самое, разумеется, можно сказать и о прочих продуктах современной науки). А затраты должны окупаться, что в значительной мере зависит от маркетинговой стратегии компании, профинансировавшей разработку данных пакетов программ. Потому имеет место не вполне научная, а в достаточной мере рыночная конкуренция. Если некоторый программный пакет «хорошо раскручен», то работа с ним превращается в головоломку в смысле Куна: неуспех в работе считается свидетельством слабости пользователя, а не программы. К тому же, приобретая опыт работы именно с этим пакетом программ, т.е. научившись добиваться с их помощью нужных результатов, специалисты уже не заинтересованы в том, чтобы приобретать и осваивать другие типы программ.
Такова современная познавательная ситуация, в которой финансовые и прагматические соображения (относительно технической реализуемости или финансовой оправданности проведения
определенного эксперимента) стали вполне внутренними факторами существования науки, внося свои коррективы в классическое представление о том, как гипотезы и допущения проверяются на опыте.
4. Аналогии и различия между обычным и вычислительным
экспериментом
Сейчас мы подошли в нашем рассуждении к моменту, когда созданный алгоритм запускается в ЭВМ. Работа вычислительного устройства и будет представлять собой «вычислительный эксперимент», а результат, таким образом, станет результатом эксперимента, только особого рода. Очевидно, что ВЭ представляет собой «симулякр» эксперимента в обычном смысле. Вместо того чтобы, например, заставить лопасти вертолета вращаться и перемещаться с определенной скоростью, вызывая вихри в воздушном потоке определенной скорости и плотности, движущемся под некоторым углом к плоскости вращения лопастей, и наблюдать процессы, возникающие при этом, современный исследователь может ввести нужные параметры и начальные условия в компьютер, оснащенный соответствующим программным обеспечением, и через некоторое количество часов получить числовые значения сил, действующих на разные точки лопасти в последовательные моменты.
Таким путем исследователь рассчитывает узнать нечто новое, то, чего он не знал раньше и что невозможно чисто дедуктивно извлечь из совокупности имеющихся физических законов, — в данном случае, какие конкретно нагрузки испытывают разные части лопасти вертолета. От ВЭ ожидают прибавления имеющегося знания.
В литературе идет оживленная дискуссия, одни участники которой оспаривают правомерность уподобления ВЭ и эксперимента, а другие настаивают на том, что ВЭ является именно экспериментом и источником приращения знаний.
Так, Ф. Гуала [F. Guala, 2002, p. 59-74] или М. Морган [M. Morgan, 2003, p. 216-235] настаивают на принципиальном различии между компьютерным и реальным, «материальным», экспериментами. Даже если, говорит Мэри Морган, вычислительный эксперимент и может дать новую информацию, только реальный эксперимент может дать информацию, способную поставить исследователя в тупик. А с эпистемологической точки зрения, полагает она, важным является именно последнее.
Традиционно эксперимент понимается как материальное вмешательство в природный процесс. Из эксперимента извлекаются выводы, которые могут быть перенесены на природные процессы, являющиеся объектом изучения. Обоснованность подобного пере-
носа заключений от одной системы объектов на другие зависит от ряда условий. М. Морган утверждает, что перенос вывода гораздо надежнее, когда объект экспериментирования и изучаемый природный объект «сделаны из того же материала».
В случае КМ, даже принимая во внимание, что сам компьютер есть материальный объект и в нем протекают физические процессы, которые тоже должны контролироваться, это нельзя считать экспериментом, утверждает Морган, поскольку исследуемый процесс (например, тайфун) и его компьютерная модель «сделаны из разного материала». Это различие проявляется в том, что при построении КМ вместо реального контроля экспериментатора над факторами, вносящими свой вклад в процесс, вводятся упрощающие допущения. Различие является принципиальным, потому что в первом случае речь идет о реальном вмешательстве в процесс, а во втором — упрощающие допущения зачастую включают в построенную модель то, что реально неосуществимо. Поэтому Морган склонна видеть в КМ аналогию мысленных экспериментов, а не подобие материальных лабораторных экспериментов. И если в компьютерном эксперименте определенным образом задаются или варьируются значения переменных и параметров, то Морган видит тут аналогию с принимаемыми при мысленном эксперименте допущениями: «предположим, что... и посмотрим, что должно получаться».
Позиция Морган кажется понятной и естественной. Но тем более интересно посмотреть на возражения, которые адресуют ей защитники нередуцируемой специфики КМ как полноправного материального эксперимента. У. Паркер [W. Parker, 2008] обращает внимание на то, насколько устарелым является представление, будто в нормальном научном эксперименте экспериментальная установка и моделируемый в ней природный объект «сделаны из одного и того же материала». Он напоминает о том, что эксперименты по воздействию некоторых соединений на живой организм ставят на крысах, а потом переносят выводы на людей; упоминает он и об экспериментах в аэродинамических трубах. На первый взгляд, его примеры кажутся совсем не убедительными. Кто-то захотел бы сказать, что организмы крысы и человека как раз «сделаны из одного и того же материала», т.е. из живых клеток, и только поэтому возможен перенос выводов. Однако на такое возражение можно ответить контрвозражением, что организмы человека и крысы имеют достаточно различий, у них разная температура, состав крови, желудочного сока и пр. Что касается примера с аэродинамическими трубами, то неспециалист, опять-таки, возразил бы, что в таких экспериментах модель и моделируемый объект «сделаны из одного и того же материала»: в аэродинамической
трубе — воздух, и в атмосфере тоже. Однако характер движения воздуха в аэродинамической трубе, где модель летательного аппарата закреплена, а воздух движется с большой скоростью, и характер движения воздуха в атмосфере, где движется летательный аппарат, достаточно различаются. Отечественный исследователь С.К. Бетя-ев даже замечает в связи с этим, что «имитировать атмосферную турбулентность в трубе практически невозможно» [С.К. Бетяев, 2006, с. 40]3.
Поэтому приводимые Паркером примеры не так плохи, как могло бы показаться с первого взгляда. Они действительно показывают, наколько относительно понятие о том, что модель «сделана из того же материала», что и моделируемый объект. Ибо если в приведенных примерах модель и моделируемый объект в каком-то аспекте действительно «сделаны из одного и того же материала», то этот аспект как раз не делает перенос результата (с модельного объекта на моделируемый) обоснованным! В обоих случаях требуются другие основания для такого переноса.
Как нам представляется, использование одних объектов как моделей для других, достаточно от них отличающихся, составляет характерную черту экспериментального метода с самого его возникновения. Достаточно примеров тому можно найти у Галилея, который обсуждает вопрос о гладкости или шероховатости поверхности Луны на примере зеркала, лужицы воды и шероховатой стены, а падение камня к поверхности Земли — на примере падения камня к подножию мачты плывущего корабля [З.А. Сокулер, 2012, с. 319-346].
Но даже если модель и моделируемый объект «сделаны из одного и того же материала», это не является гарантией надежности переноса заключений от модели на моделируемый объект. Например, Б. Латур показывает, что перенос возбудителя сибирской язвы из природной среды в лабораторию Пастера способствует тому, что этот микроб попадает в условия, в которых он никогда не был ранее, и это обстоятельство оказалось столь существенным, что потребовало от фермеров при переносе результатов лабораторных исследований (вакцинации животных против сибирской язвы) воспроизведения на фермах некоторых черт лаборатории [Б. Латур, 2002].
Таким образом, фраза о «сделанном из одного и того же» остается чистой метафорой, которую экспериментальный метод современной науки позволяет наполнять самым разным содержанием. От экспериментального представителя изучаемого явления требу-
3 «В специально созданных малотурбулентных трубах уровень пульсаций в набегающем потоке значительно снижен, но об удовлетворительном моделировании атмосферных возмущений говорить еще рано», — замечает он далее [там же].
ется сходство с последним в определенных, интересующих исследователя характеристиках. Поэтому степень близости того и другого может варьироваться в достаточно больших пределах. На этом фоне утверждения защитников ВЭ уже не выглядят как простое желание любой ценой привлечь внимание к своей проблематике. Представляется, что они проливают свет на реальные тенденции и проблемы экспериментального метода.
Защитники этой идеи подчеркивают значение самой материальности процесса, происходящего в реальном времени в ходе ВЭ с материальным объектом, ЭВМ. ВЭ требует контроля над состоянием и условиями работы ЭВМ, от которой можно ожидать разного рода сбоев. Ее функционирование зависит от температуры и влажности в помещении, электромагнитного фона, вибраций подставки и пр. Сами возможности проведения того или иного ВЭ зависят от возможностей имеющихся ЭВМ, их мощности. Их работа далеко превосходит возможности человеческого интеллекта: «Вычисления, входящие в КМ, настолько сложны и осуществляются настолько быстро, что ни один человек, и даже группа людей не в состоянии воспроизвести или понять происходящие процессы» [P. Humphreys, p. 5]. Отсюда должно быть понятно, насколько ВЭ отличается от мысленного эксперимента. П. Хамфри особенно подчеркивает, что работа ЭВМ по соответствующему алгоритму есть особый физический процесс, протекающий во времени и скрытый от глаз и контроля исследователей. Это создает эписте-мическую непрозрачность, которая отличает КМ и делает его особым объектом эпистемологических размышлений.
5. Возвращаясь к вопросу об обосновании
Э. Винсберг подчеркивает, что компьютерные модели в определенной степени независимы от физических теорий, от которых отталкивается их построение. Особые техники преобразования исходных уравнений, приемы их упрощения и другие приемы, используемые при построении алгоритмов, надежность работы ЭВМ — все это требует отдельного обоснования.
Разумеется, существуют практики проверки и критерии надежности тех или иных методов. Это и воспроизводимость результатов, и соответствие результатов, полученных с помощью разных методик или на разных вычислительных устройствах, и соответствие этих результатов данным, полученным в реальных экспериментах. Такое сопоставление, конечно, производится — там, где это возможно. Однако ВЭ широко практикуется именно в тех сферах и ситуациях, где реальный эксперимент или вообще невозможен, или слишком дорог и затруднителен. В этих случаях результаты ВЭ играют роль эмпирических данных.
Итак, там где возможно, результаты ВЭ сопоставляются с эмпирическими данными в обычном смысле. Но и данные эксперимента в обычном смысле могут критиковаться и пересматриваться, как это показала постпозитивистская философия науки. Они и теоретически нагружены, и зависят от используемого оборудования и методик. Поэтому сопоставление данных ВЭ с имеющимися эмпирическими данными может стать основанием как для пересмотра каких-то параметров построенной вычислительной модели, так и для критики методик и результатов реальных экспериментов. Таким образом, обсуждая вопрос об обосновании приемов КМ, надо иметь в виду, что классическая иерархическая модель знания как здания, надстраивающегося над твердым фундаментом установленных фактов, давно уже показала свою несостоятельность. Отношения между теорией и эмпирическим базисом скорее следует описывать в терминах «заключения союзов» и «привлечения сторонников для усиления своей позиции» [Б. Латур, 2013] . А сейчас, с появлением ВЭ, уже можно говорить о поисках союзов и привлечении союзников в условиях, когда есть по меньшей мере три стороны: представляющая определенную теорию, представляющая результаты ВЭ и представляющая результаты эксперимента в традиционном смысле. Причем за каждой из сторон стоят еще и другие союзы и интересы. Стратегии поиска и достижения подобных союзов, возможно, станут предметом исследований социальной эпистемологии в недалеком будущем.
6. Визуализация
Эта тема связана с особенностями представления результатов КМ. Кипы бумаги, на которых распечатаны миллионы числовых значений, были бы не слишком удобны для человеческого восприятия. Возможности современных компьютеров позволяют придать этим результатам другую, гораздо более удобную форму. Если, например, строится модель того, как меняется давление внутри грозового фронта, то в результате на экране компьютера появится красивая и яркая картинка, на которой изменения давления будут представлены, скажем, нарастанием интенсивности или сменой оттенков синего цвета (впрочем, выбор цвета будет зависеть от вкуса разработчиков модели). «Визуализация — это наиболее эффективное средство выделения характерных черт сложных динамических множеств данных... Соответственно, визуализация играет решающую роль в принятии и в анализе результатов компьютерного моделирования» [Е. Ш1тЬвщ, 1999, р. 121]. В связи с этим Э. Винсберг обращает внимание на возрастающую роль компетентного наблюдателя, который должен усмотреть сходство между
некоторыми классами изображений или заметить характерные черты протекания некоторого процесса.
Визуализация является важным аспектом КМ. На экранах современных исследователей, в специализированных и более популярных изданиях воцарились яркие и наглядные картинки. Вы воочию можете увидеть, как пульсирует плазма внутри далекой звезды, как нарастает давление в сердцевине смерча, как срываются турбулентные вихри воздуха с крыльев самолета и многое, многое другое. Картинки настолько ярки и подробны, что можно забыть об их происхождении: они появились не в окуляре замечательного оптического устройства, а построены в результате работы компьютера и обусловлены как имеющимися теоретическими знаниями, так и возможностями ЭВМ, техниками программирования, решениями о выборе начальных и граничных условий, о выборе сетки, и т.д., вплоть до выбора цветов, которыми будут представлены давление, температура, скорость и прочие интересующие исследователей параметры явления.
Картинки на экранах компьютеров — это не репрезентации, а симулякры (в том смысле этого слова, которое придал ему Ж. Де-лёз). Сами процессы недоступны прямому наблюдению и вовсе не имеют облика, столь удобного для человеческого восприятия. Но возможности современных компьютеров придают им такой милый вид, и они оказываются сродни красочной реальности, создаваемой в разнообразных компьютерных играх.
Что же может изречь по данному поводу эпистемолог? В последние десятилетия было много написано о том, как виртуальная реальность подменяет действительность в сознании современного человека4. Однако исследователи, которые строят компьютерные
4 «Мы становимся сегодня свидетелями нового феномена — виртуализации сознания, когда человек перестает ощущать себя "реальным" — физически и экзистенциально. Он перенесен "душой и телом" в виртуальность, мир, который остается конструкцией сознания и высоких технологий, но постепенно девальвирует ценности физически реального бытия. Отсутствие в мире объектов (в аксиологическом отношении) и перенос в мир виртуальных образов меняет сущность индивида: он в меньшей степени связан с социальной ответственностью, заботой о Другом, моральными требованиями и т.д. Реальные отношения (социальные, бытовые) становятся второстепенными, малозначительными, играют вспомогательную роль. Виртуализация сознания охватывает сегодня не только геймеров, но и других представителей молодежных виртуальных сообществ, которые "живут в Сети", виртуально любят, виртуально женятся и расстаются и даже виртуально хоронят себя. Виртуальность привлекает тем, что человек чувствует здесь свободу действий, "безграничные" возможности, поэтому столь сильной оказывается привязанность к этому особому миру. Если в эпоху индустриализма можно было говорить о том, что человек стал продолжением машины, то в век информатизации можно уверенно констатировать, что он становится и продолжением или частью своего компьютера» [Л.В. Баева, 2013, с. 83].
модели и имеют дело с проблемами их применения, вряд ли становятся жертвами таких иллюзий. Они вынуждены помнить о допущениях и условностях, которые применяют в своей работе. Но наглядные результаты ВЭ распространяются далее по сетям, описываемым, например, Б. Латуром [Б. Латур, 2013, гл. 5, 6]. Они поступают в журналы и учебники, становятся частью принятых в культуре представлений об окружающем мире, проникают даже в рекламу, они воздействуют на политиков, принимающих решения (относительно финансирования дальнейших разработок или выделения средств на укрощение тайфунов, цунами, космических катаклизмов и пр.), они производят впечатление на спонсоров научных и технических разработок, и т.д.
Поэтому такие красочные, а часто еще и изменяющиеся во времени симулякры репрезентаций реальности, несомненно, играют и будут играть роль в нашей жизни. Они распространяются в социуме от людей, знающих сильные и слабые стороны таких симу-лякров, к тем, кто этого не знает и будет принимать их за репрезентации и на их основе определять свои действия. Да и для самих исследователей и разработчиков результаты ВЭ во многом служат ориентирами, основаниями для принятия решений по поводу направлений дальнейших исследований, оценки информации, полученной из других источников, и источником новых знаний о природных процессах.
И тем самым мы действительно оказываемся в новой познавательной ситуации. Чтобы осознать ее, нужна и новая эпистемология, для которой мы не можем подобрать лучшего названия, нежели «эпистемология отсутствия».
7. Заключение: эпистемология отсутствия
Одной из ведущих тем философии постмодерна является преодоление так называемой «метафизики присутствия», для которой главный объект метафизики, как бы он ни понимался, мыслится непосредственно присутствующим и постигаемым в созерцании того или иного рода. Однако вопрос о созерцании затрагивает не только метафизику, но и эпистемологию. А объектом созерцания может быть только нечто данное. Классическая эпистемология вполне может быть названа «эпистемологией присутствия». Представления о данном и о фундаментальности непосредственного созерцания в эпистемологии второй половины ХХ в. подверглись сокрушительной критике. А современная эпистемология заслуживает названия «эпистемологии отсутствия». Она признает, что объект познания не присутствует «собственной персоной» во многих видах познавательной деятельности.
В современной литературе нередко можно встретить утверждение, что научное знание правильнее было бы понимать по модели «знания как» . Можно предложить дальнейшую конкретизацию для такого утверждения: во многих случаях речь идет о знании того, как извлекать из симулякров, при отсутствии самого интересующего объекта, утверждения и образы, которые в дальнейшем могут становиться основой успешных действий.
СПИСОК ЛИТЕРАТУРЫ
Аникеев А.А., Молчанов А.М., Янышев Д.С. Основы вычислительного теплообмена и гидродинамики. М., 2009.
Баева Л.В. Электронная культура: опыт философского анализа // Вопросы философии. 2013. № 5.
Бетяев С.К. Пролегомены к метагидродинамике. М.; Ижевск, 2006.
Латур Б. Дайте мне лабораторию, и я переверну мир // Логос. 2002. № 5-6 (36).
Латур Б. Наука в действии: следуя за учеными и инженерами внутри общества. СПб., 2013.
Сокулер З.А. Полемические стратегии в «Диалоге о двух главнейших системах мира» Галилео Галилея // Полемическая культура и структура научного текста в Средние века и раннее Новое время. М., 2012.
Frigg R., Reiss J. The philosophy of simulation: hot new issues or same old stew? // Synthese. 2009. N 169.
Humphreys P. The philosophical novelty of the computer simulation methods. / http://www.romanfrigg.org/Links/MS1/Synthese_MS1_Humphreys.pdf
Guala F. Models, simulations, and experiments // Model-based reasoning: Science, technology, values / Ed. by L. Magnani, N. Nersessian. N.Y., 2002.
Grune-Yanoff T., Weirich P. The philosophy and epistemology of simulation: A Review // Simulation and gaming. SAGE publ., 2011.
Morgan M. Experiments without material intervention: Model experiments, virtual experiments and virtually experiments // The philosophy of scientific experimentation / Ed. by H. Radder. Pittsburgh, 2003.
Morrison M. Models, measurement and computer simulation: The changing face of experimentation // Philosophical Studies: An International Journal for Philosophy in the Analytic Tradition. 2009. Vol. 143. N 1.
Parker W. Does matter really matter: Computer simulation, experiments and materiality // Synthese. 2008. / http://www.romanfrigg.org/Links/MS1/Synthese_ MS1_ParkerWpdf
Winsberg E. Sanctioning models: The epistemology of simulation // Science in Context. 1999. N 12(2).
Winsberg E. Simulated experiments: Methodology for a virtual world // Philosophy of Science. 2003. Vol. 70.
Winsberg E. Models of success versus the success of models // Synthese. 2006. N 152.
