Анатолий Левенчук "Системное мышление 2024. Том 1"

Освоение нового мастерства идёт у человека не через «природную смекалку», а через «облагороженную образованием смекалку», через знания/модели/объяснения/теории/дисциплины о структуре мира, структуре проблем и задач, а также знания/объяснения/дисциплины о том, какие доступны инструменты (например, компьютеры как универсальные моделеры для системного моделирования самых разных объектов).

Всё то же самое относится и к AI. Изготовленные на заводе компьютеры для AI тупы, они могут выполнять только простейшие операции типа перемножения матриц. А вот после обучения на огромном объёме знаний, уже накопленных в письменном виде цивилизацией, в этих компьютерах появляется мастерство рассуждений на основе этих знаний, «большие языковые модели/large language models/LLMs», которые иначе называют «фундаментальными моделями/foundation models», имея в виду как раз их трансдисциплинарный характер. Это аналог «образования»: обучение мышлению и каким-то инженерным кругозорам. А потом такие фундаментальные модели легко или дообучать прикладным знаниям (finetune) или подключать к таким моделям прикладные знания в виде каких-то инструментов (скажем, подключать Wolfram Mathematica для решения математических задач).

Умение и навык, скилл – это отсылки к владению агентом мастерством исполнения работы по какому-то методу, опирающемуся на теорию/знание/объяснения/алгоритм/дисциплину, причём выполнение этого метода/способа работы поддержано каким-то инструментарием. Интеллект – это мастерство владения набором фундаментальных методов мышления, нужных для самого обсуждения методов в условиях, когда непонятно, какой метод применить (возможно, такого метода ещё нет – или нет знаний, или нет инструментария, их нужно ещё создать).

Интеллект::мастерство работает с прикладными методами (и тем самым их знаниями/дисциплинами/алгоритмами/теориями) как объектами своей работы. Можно сказать, что интеллект как мастерство фундаментального мышления как раз создаёт и дальше развивает прикладные методы, он как раз нужен для познания, для бесконечного роста знаний (эволюции знаний) и инструментария поддержки работы с этими бесконечно растущими знаниями. Больше знаний и поддерживающего эти знания инструментария – больше перевода всё самых разных проблем в задачи. Инфекционные болезни были проблемой, но вот знание о микробах и мыло в качестве инструментария с методом гигиенического мыться рук в существенной мере решили эти проблемы, борьба с инфекциями стала набором задач, а не проблемой: известно, что делать, надо только найти ресурсы, и дальше просто делать.

Интеллект в его врождённой части позволяет людям быть умней кошек и обезьян, а вот в полученной образованием/выученной его части – это полученная образованием машинка по получению прикладных дисциплин. Интеллект – это эволюционно полученный людьми инструмент познания, машинка по разработке способов решения проблем – превращения проблем, которые не решаются никаким известными методами в выполняемые/решаемые известными прикладными методами задачи. Это относится и к естественному интеллекту, и к искусственному, и к гибридному, и к коллективному.

Трансдисциплины/«фундаментальные дисциплины» – это и есть объяснения/теории/знания/модели/алгоритмы по поводу устройства мира. Они удобны для скоростного мышления о мире, удержания внимания на вычислениях/рассуждениях/мышлении о важном, сохранении ресурса мозга или компьютера от разбазаривания на мышление о неважном. А само это мышление по знаниям/алгоритмам трансдисциплин затем нужно для создания методов изменения мира к лучшему.

То, что занимает у очень смекалистого дикаря полжизни, у обученного фундаментальным дисциплинам человека может занять несколько часов, или даже несколько секунд – особенно, если учитывать, что знания/алгоритмы методов мышления включают в себя и знания по задействованию инструментария мышления (чаще всего это моделеры). И то же относится к компьютерам с AI, только у этих компьютеров нет биологических ограничений по скорости и объёму вычислений для одного агента, почему их и боятся примерно так же, как в голливудских фильмах боятся гениальных учёных-злодеев.

Интеллект – это мастерство беглого задействования целого стека/stack/стопки/слоёного пирога поддерживающих друг друга фундаментальных методов мышления. Этот набор методов мышления (опирающихся на задействование фундаментальных дисциплин и использование инструментария их поддержки) мы называем интеллект-стеком.

В фундаментальных методах мышления дисциплины/теории/знания будут только «алгоритмической» частью. Мы эти дисциплины/теории/знания смело будем считать ещё и «алгоритмами» (описаниями задействования метода в самых разных обстоятельствах/ситуациях – ровно как алгоритмы могут быть использованы для вычислений с самыми разными входными данными):

• Есть множество указаний на то, что конструктивная математика – это по факту переход от декларативных (объекты и отношения) описаний к описаниям через операции построения объектов. Это можно распространить на всю работу с понятиями (ментальными/математическими объектами).

• В компьютерной науке давно получены результаты, которые позволяют рассматривать самые разные виды представления алгоритмов, а не только «пошаговое выполнение императивных программ» (в том числе соответствие Curry-Howard[21 - https://en.wikipedia.org/wiki/Curry%E2%80%93Howard_correspondence (https://en.wikipedia.org/wiki/Curry%E2%80%93Howard_correspondence)] между императивным алгоритмом и набором логических высказываний). Мы достаточно широко трактуем этот результат.

• Надо рассматривать не знания сами по себе, а то, что с ними делает вычислитель – в данном случае это мастерство выполнения метода, использующего знания для вычислений (мышление) или даже изменения мира (мышление и задействование инструментов). В теории создателей (constructor theory)[22 - http://www.constructortheory.org/ (http://www.constructortheory.org/)] проводится обобщение понятия «алгоритм» на описание преобразований не только информации и сверхинформации (superinformation, в квантовых компьютерах, представленной не в битах, а кубитах), но и теоретически любых физических преобразований.

Методы мышления, как и любые другие методы, используют не только понятия из теорий/знаний/объяснений/алгоритмов/дисциплин (в том числе трансдисциплин), но и инструментарий, понимаемый как набор расширяющих возможности тела агента инструментов/аппаратуры/оборудования. В случае трансдисциплин мышления инструментарием обычно будет моделер (простейший из ручки-бумаги, или программа какого-то моделирования для компьютера), а расходным материалом к моделеру идёт кофе для человека-модельера и электроэнергия для компьютера, воплощающего модель. Другие инструменты в фундаментальных методах мышления интеллект-стека редки, хотя бывают. Например, в понятизации используется тело, там ищутся какие-то ощущения, которые потом надо будет перевести в мысль, роль исполнителя метода понятизации – «поэт».

Несмотря на практичный характер мышления, интеллекту больше нужно моделировать мир, то есть заниматься познанием/cognition/learning, созданием моделей, нежели непосредственно его менять в действии – но помним, что это модели, как раз нужные для изменения себя и мира к лучшему, причём интеллект принимает в случае затруднений решения о том, менять ли модель мира, модель себя, себя или мир – причём взаимозависимо.

В целом мышление как познание происходит в конечном итоге методом деятельных проб и ошибок, то есть не только высказыванием «умственных» догадок-объяснений и их умственной же критикой, а «активным зондированием» физического мира, деланием догадок и наблюдением результатов – получилось или нет. Это происходит даже по поводу того, где граница между самим агентом и окружением – чем можно просто командовать, на что можно существенно влиять, на что можно влиять несущественно, на что не удаётся пока влиять. Агент непрерывно что-то делает с окружающей средой, чтобы понимать границы своего влияния – и менять среду к лучшему (для себя ли, для своих генов, для популяции – это отдельный вопрос).

В случае перехода к прикладной инженерии (как изменению мира) методом «проб и ошибок» в старой и известной для этого агента или даже новой малоизвестной агенту предметной области, для изменения мира агент задействует изобилие самого разного инструментария и применяет самые разные исходные материалы: станки, химические реагенты, дрессированных животных, солнечный свет, воду в пруду, часы, балетный станок, квантовый компьютер, и т. д.

Есть некое лукавство в том, что мышление по фундаментальным методам – это чисто «ментальный акт». Ввод-вывод в вычислитель (например, мозг у людей) вполне материальны и требуют инструментария/оборудования (книгопечатание, электронные онлайн-курсы, мессенджеры для получения проблем и отправки решений), да и сам вычислитель вполне физический объект. Как любит напоминать Дэвид Дойч, математик и астрофизик – вполне себе физические объекты, «умственный труд» требует физичности трудящегося! В курсе мы используем понятие «создатель», который является обобщением компьютера, способного выполнять алгоритм вычисления на систему-создателя/constructor из constructor theory, который способен выполнять знания/алгоритм метод как «алгоритм изменения физического окружения»[23 - https://www.constructortheory.org/ (https://www.constructortheory.org/), https://www.youtube.com/watch?v=40CB12cj_aM (https://www.youtube.com/watch?v=40CB12cj_aM)].

Метод работы, выполняемый создателем включает знаниевую часть (которую программно-аппаратно реализует в создателе мастерство выполнения алгоритмов/объяснений/теорий метода) и аппаратную часть (мастерство в его поддержке телом агента можно тоже отнести к этой аппаратной части, а дальше идёт аппаратура инструментов как датчиков и актуаторов, а также «экзотела» как платформы для всех этих датчиков и актуаторов, то есть оборудование/аппаратура, которые помогают мастерству делать дополнительные вычисления и действия по измерениям в физическом мире и изменениям физического мира). Для универсальных создателей (интеллектуальных агентов) можно говорить не просто о вычислениях, а сразу о мышлении, а также рассматривать ситуации, когда в ходе выполнения метода создатель сначала строит дополнительную аппаратуру – инструментарий (раскрутка/bootstrapping).

Constructor theory даёт обобщение для понятий

• алгоритма (термин остаётся тем же) как описаний/теории/дисциплины,

• измерения (ввод, физическое взаимодействие для получения данных)

• изменения (обработка/processing в случае информации, в случае вещества – transformation)

• вывода (в случае создателей отдельно эта операция не рассматривается, включается в transformation)

Так что можно дальше обсуждать преобразования не только информации, но и физических объектов, а также понятие вычислителя/computer, реализующего «обработку информации по какому-то алгоритму»::метод расширять до понятия создателя/constructor, реализующего «преобразование физического мира по какому-то алгоритму»::метод.

Универсальный компьютер при наличии достаточных вычислительных ресурсов (памяти и времени) может принципиально выполнить любое вычисление, которое может выполнить машина Тьюринга (известная нам теория компьютинга), а вот универсальный создатель с учётом раскрутки/bootstrapping (например, начиная с выплавки металла из руды, получение чистого кремния для полупроводника из песка) принципиально при наличии достаточных ресурсов (памяти, времени, начального набора инструментов) может выполнить любое преобразование вещества – и «любое» понимается как в математике, речь тут идёт о теоретической возможности. Практическая же возможность будет ограничена ресурсами и рисками какой-нибудь катастрофы (скажем, прилетает астероид и уничтожает создателя, который имеет все необходимые ресурсы – и он не успевает закончить свою работу.

При этом особо подчёркивается, что по одному методу (алгоритм/теория/объяснения/знания и аппаратура/инструменты) создатель способен выполнить множество вычислений, оставаясь при этом неизменным – примерно так же, как молекула катализатора (простейший создатель) может выполнить множество актов катализа, оставаясь при этом неизменной.

Состав методов мышления интеллект-стека

Приведём краткое описание методов мышления интеллект-стека в обратном порядке их трансдисциплин (сами методы называются обычно по названию их дисциплин/теорий, редко какие методы называются по их инструментарию), снизу-вверх, чтобы было понятней, как объяснения/теории одних дисциплин пользуются понятиями, уже введёнными другими дисциплинами:

• Понятизация учит выделять фигуры из фона и делать их предметами рассмотрения. Роль агента, занимающегося понятизацией::метод – поэт, «дающий имена». Какие-то из этих объектов потом окажутся системами.

• Собранность учит удерживать во внимании «объекты», которые уже обсуждены в понятизации и даёт понятие о сознании. Роль тут «собранный», причём в случае человека – киборг, ибо вниманию голого мозга мы не верим, мы поддерживаем его хотя бы ручкой-бумагой, но лучше – компьютером. Не пишешь – не мыслишь.

• Семантика учит отделять физические объекты (ими занимается физика) от математических/абстрактных/ментальных/идеальных объектов (ими занимается математика), тем самым разделяя объекты в мире и объекты в их более и менее формальных описаниях. Но эти объекты уже могут быть удержаны во внимании и для их обозначения при мышлении (собранность уже показала, что всё надо записывать) вводятся знаки/символы (ими занимается семиотика, учение о знаках). То есть по факту современная семантика – это семиотика, учение о значении и смысле знаков, только дополненная тем, что отсылает к математике и физике, а не просто сосредотачивается только на знаках, как это делается в семиотике. Роль – семантик.

• Математика учит тому, какие бывают абстрактные объекты и их отношения, какое поведение абстрактных объектов. Но семантика уже сказала про их существование. Лучшие системные описания, конечно, основаны на математических представлениях. Математика непрерывно развивается, сегодня она предлагает интересные виды математических объектов, которые раньше не использовались. Роль задействующего математику как метод математического мышления – математик. Дальше эти новые хорошо изученные ментальные объекты окажутся в своём ментальном поведении похожи на реальное поведение физических объектов, и математические объекты будут использованы физиками.

• Физика учит поведению физических объектов, которые представлены математическими объектами. Семантика уже рассказала о том, что физические объекты представляются в мышлении ментальными/математическим объектами. Но в том числе в физике затрагиваются вопросы физико-математической теории информации: как именно математические объекты представляются в физическом мире («математик и астрофизик – физические объекты»). Именно в физике впервые вводятся понятия системы и многие другие понятия системного подхода. Роль – физик. Виталий Ванчурин дальше различает философов и физиков: физик даёт такие объяснения (ибо опирается на математические объекты), в которых можно затем что-то измерить и что-то посчитать-предсказать, тем самым проверив. Философ от этого свободен, поэтому физик сочинять ерунду особо не может, а вот философы – нет проблем, их рассуждения могут быть вообще никак не связаны с реальностью, сказочники среди философов могут быть, а среди физиков – нет. Привязка рассуждений к реальности – это для физиков главное.

• Теория понятий учит, что все объекты в каком-то смысле подобны друг другу, и это описывается типами/классами или прототипами. И о том, что об объектах мы можем судить по их отношениям друг с другом. Примеры часто встречающихся типов отношений – это классификация, специализация, композиция. Физика (и в ней теория информации) при этом уже сказала, как все эти описания представлены в физическом мире на носителях информации. Обычное мышление людей – это «образное» мышление, основанное на метафорах. По большому счёту, моделирование – это тоже метафора, метафоры нужны и для построения убедительной речи, и для этого нужно понимать, как работать с прототипами для обсуждаемых объектов. Но критика требует представлений об объектах и отношениях, чтобы потом с ними сработала онтология, алгоритмика, логика. Для этого нужно инсталлировать в мозг (или в программу AI) «машинку типов», чтобы она могла выполнять операции присвоения типа. Роль – типолог. Конечно, тип – это математический объект, а удерживать внимание на присвоенном типе нужно будет собранностью, для чего всё записывать.

• Онтология учит отвечать на вопрос, каким способом мы многоуровнево описываем/моделируем мир: как мы определяем важное и неважное (моделирование как создание «графов знаний», соответствующих понятиям и их отношениям из теории понятий), как мы используем графы знаний для рассуждений и объяснений. Мы разбираемся с многоуровневым мета-моделированием (описания как абстракции получаются не произвольно, но абстрагирование управляется абстракцией более высокого уровня). Формальные выраженные признанными математическими объектами (например, логическими предикатами) онтологии/графы знаний и выраженные текстами на естественном языке менее формальные онтики/frameworks задействуют понятия (используется теория понятий) и выражают свойства физического мира. Роль – онтолог.

• Алгоритмика – это естественная/экспериментальная наука/science, которая обсуждает способы проведения рассуждений с информационными моделями (то есть способы вычислений), которые нам уже известны из онтологии. Эти рассуждения/вычисления идут с объектами в разных по физической природе универсальных (все они соответствуют машине Тьюринга, это важнейший теоретический результат алгоритмики) вычислителях (мозг, электронный компьютер, квантовый компьютер, оптический компьютер). Роль – алгоритмист. Есть универсальные алгоритмы, которые могут быть обучены бесконечно близко аппроксимировать какие-то прикладные алгоритмы. Это и есть алгоритмы искусственного интеллекта, то есть алгоритмы, занимающиеся мышлением/познанием/learning/cognition!

• Логика говорит, какие есть способы рассуждений над моделями, чтобы результаты рассуждений (тоже модели) при правильных посылках и правильных правилах рассуждений как-то соответствовали реальному миру. Онтология для этого уже рассказала про то, как мы нарезали мир на объекты, описав эту нарезку какими-то моделями, так что рассуждения работают с моделями, а «работают» – это идут вычисления, мы об этом знаем из алгоритмики. Роль – логик. В принципе, современная «математическая логика» вроде бы часть математики, но мы используем более традиционное понимание логики, в существенной степени пересекающееся с включением вопросов семантики в логику и выходом в прагматизм, «принятию всерьёз» – нам важно, что непротиворечивые рассуждения должны быть положены в основу для действия, а противоречивые должны быть призывом задействовать интеллект и думать дальше, а не действовать, исходя из заведомо нелогичных рассуждений. Поэтому главный вопрос, который мы тут обсуждаем – «а чо такова?», то есть игнорирование ошибок типа «2*2=5». Если знаешь, что в рассуждениях заведомо есть ошибка, такое рассуждение нельзя класть основанием для действия! Нельзя быть нелогичным!

• Рациональность как фундаментальный метод говорит о том, что логичные рассуждения по моделям/теориям/объяснениям/знаниям нужны для действий, улучшающих мир. Поэтому нужны рассуждения по связи причин и следствий в конкретной ситуации, а для этого нужно с одной стороны добыть информацию о мире, для чего нужно определить, на что смотреть, потом посмотреть, потом принять решение о действии, в том числе о таком действии, посмотреть ли на что ещё, или деятелю/актёру уже можно принимать решение о действии по изменению мира в условиях неопределённости («на вас напал тигр: собирать дополнительную информацию и наблюдать, бежать или нападать, или есть какие-то другие опции – придумать и реализовать их?! У вас примерно три секунды на все размышления»). Теория решений будет ядром рациональности. Роль – разум.

• Исследования/познание как отдельный метод. Этот метод по факту – часть методов, опирающихся на «теорию познания»/эпистемологию, рациональность как «научное мышление» – это вторая часть эпистемологии. Эпистемология – это теория не любого метода познания, а такого, результаты которого отчуждаются (письменная культура науки! Изложение словами и формулами на формальных языках!) и коллективно проверяются. Она отличается от «теории познания»/гносеологии, включающей художественное и религиозное иррациональное «познание» мира в форме неотчуждаемых собственных ощущений. «Рациональные исследования»/«научное познание» говорит о том, каким образом рациональные агенты получают полезные теории/дисциплины/объяснения, которые они потом принимают всерьёз, то есть начинают действовать по ним в надежде «спастись» от неприятных сюрпризов, которых полна Вселенная. Мы делаем догадки о хорошей объяснительной (причинной) предсказывающей/порождающей модели/теории, а затем критикуем эту догадку на предмет непротиворечивых результатов рассуждений по этой модели и на предмет лучшего соответствия предсказаний этой модели с результатами эксперимента. Все нужные понятия для описания исследований уже известны из понятизации, собранности, математики, физики, семантики, онтологии, алгоритмики, логики, рациональности. Исследования как дисциплина/знание/теория/модель объясняет, как все они задействуются в ходе бесконечного познания. Роль – исследователь/учёный.

• Эстетика даёт критерии красоты (в исследованиях принято говорить об элегантности) в результатах мышления и прикладного труда. Эстетика рассказывает, какое влияние создаваемого инженерами/деятелями (в том числе художниками, артистами и прочими «людьми творческих профессий», а сейчас и AI) объекта не столько на его физическое окружение, как это обычно происходит с системами, сколько у других агентов вызывает изменения моделей модели себя, изменения затем физического «себя», изменение моделей мира и изменение уверенности/beliefs в надёжность этих моделей. Не факт, что современная эстетика обсуждает, например, эмоциональное воздействие каких-то продуктов труда и описаний только на агентов-людей. Нет, современная эстетика рассматривает и людей, и агентов с искусственным интеллектом, и искусственную жизнь. Роль – эстет.

• Этика говорит нам о том, чего нужно добиваться в жизни: какие цели приемлемо ставить агенту и какими средствами добиваться реализации этих целей. Должны ли люди умирать, или лучше бы их сделать бессмертными? Нормально, если люди меняют своё мировоззрение и убегают в другие общества, а их исходное общество тем самым умирает? Что лучше: убить и сжечь группу из заражённых смертельным вирусом людей и тем самым спасти человечество, или не убивать, потому как «не убий» это заповедь – и чёрт с ним, с человечеством, оно само как-то выживет? Для этических рассуждений об этом мы уже владеем пониманием, что такое рациональность и как устроены исследования. Современная этика многоуровнева, а для этого мы уже можем в более-менее полной мере задействовать понятия системного подхода из разных методов мышления интеллект-стека, чтобы рассуждать об агентах разных системных уровней, конфликтующих между собой в целях «спасения» объектов этих разных системных уровней, возможно, в ущерб «спасению» объектов других уровней. Для одних чёрт с ним с многомиллионной страной, зато все люди живы, а страны могут и исчезнут, а вот для других – страны должны выжить «любой ценой», даже если в них останется после тотального смертоубийства парочка человек в каждой выжившей из многих миллионов. Роль ищущего многоуровневую оптимизацию выживания объектов разных системных уровней при неминуемом их конфликте – совесть. А дальше, когда в агенте «говорит совесть» – это или «этическое кулибинство», когда агент ничего не знает о современной этике как фундаментальном методе мышления (со своей трансдисциплиной), или всё-таки это мышление цивилизованного и образованного агента (человека или компьютера с AI), который что-то знает о современной многоуровневой этике.

• Риторика говорит о том, как убедить какого-то человека совершить какие-то действия, или наоборот – убедить его не действовать. Начинаем с того, что вы должны иметь какую-то рациональную модель ситуации (полученную вами в ходе исследований). Далее вы объясняете вашу модель ситуации какому-то другому агенту, пытаясь его уговорить использовать эту модель для достижения каких-то ваших целей, а преследование его собственных целей пока отложить. Риторика учитывает этику, чтобы сладкими речами не подбивать агентов (животных, людей, роботов) на что-то плохое. Роль – ритор. Но ещё вы используете теорию понятий: сладкие речи задействуют метафоры и образы для работы с прототипами. Сладкие убедительные речи обращаются к вашему быстрому мышлению (S1 по Канеману) для интуитивного принятия решений (с возможными ошибками!) и привлечения внимания в коммуникации. А вот передача рациональных моделей/знаний требует, наоборот, отказа от быстрого мышления в пользу медленного мышления со строгими типами объектов и отношений, и дальше решения будут приниматься рациональные, на основе логических рассуждений и теории решений, а не на основе метафор и лежащей за метафорами интуиции. Ритор занимается как раз вот этим: переводом содержания между разными способами выражения знания, а также побуждением к действию на основе переданного знания.

• Методология рассказывает о методах/способах/практиках работы (труде/деятельности/культуре/инженерии), в которых агенты (люди, AI-агенты, предприятия) организовываются в команду (в случае предприятий – это «расширенное предприятие»/extended enterprise), занимают в ней какие-то роли в рамках разделения труда по «методам работы»/«видам труда»/практикам/культурам, а затем выполняют коллективные работы по изменению состояний каких-то объектов, удерживая свои роли, то есть каждый агент профессионализируется в каком-то методе работы. Главное, что изменение состояний объектов проходит не просто в ходе работы, но в ходе работы по методам/способам работы. Методы непрерывно эволюционируют, из них выбираются лучшие на сегодняшний момент. Риторика позволяет понять, как агенты договариваются. Роль, занимающегося методологией::метод – методолог. Как описать прикладной метод? Методология как раз даёт ответ на этот вопрос. Вы описываете методы создания ракеты или выращивания овса – и дальше уже это будет основой для принятия организационных решений по тому, как организовать такой инженерный проект, изменять и заменять методы, которыми ведутся работы в организации. Методология занимается методами работы, которые называются самыми разными терминами из длинного синонимического ряда: «вид труда»/«метод работы»/«способ работы/way of working»/практика/деятельность/культура/стиль/«вид инженерии» и даже «стратегия» оказывается именно методом работы, которого будет придерживаться какой-то агент в достижении своих целей.

• Инженерия (универсальная/трансдисциплинарная/фундаментальная, часто называемая системная инженерия) – это самый общий способ/метод создания новых и изменения старых систем так, чтобы мир изменился к лучшему. В фундаментальные методы мышления входит только самая общая инженерия как нормативный метода работы, используемый на всех уровнях организации систем – от неодушевлённых молекул и наночастиц до человечества в целом вместо со всей его материальной культурой, миллионы тонн вещества. А дальше уже в прикладных методах инженерия будет конкретизироваться для систем разных масштабов и разных их видов на каждом масштабе. Для рассуждений об инженерии задействуются все предыдущие уровни методов мышления интеллект-стека, особенно если учесть, что в качестве агентов действуют люди, люди и компьютеры, иногда люди с другими живыми существами (например, слепые с собаками-поводырями), и даже уже сами компьютеры без людей (смотри материалы по современной робототехнике). Роль выполняющего методы инженерии – инженер.

Каждый метод мышления интеллект-стека, основанный на фундаментальной/безмасштабной дисциплине/трансдисциплине/теории/знании помогает разобраться со следующим методом/культурой/способом/практикой мышления в стеке. Хотя это утверждение про стек методов мышления довольно условно: все эти фундаментальные методы мышления тесно переплетены в своих объяснениях/теории/знаниях друг с другом, да и инструментарий эти методы используют одни и те же (моделеры): что там что поддерживает не очень понятно.

Мы выбрали такой состав методов интеллект-стека и порядок методов в нём главным образом в методических целях: для облегчения понимания в ходе обучения сильному мышлению. Конечно, в ходе эволюции знаний этот набор методов мышления будет существенным образом меняться, а также будет предложено множество альтернативных вариантов интеллект-стека, которые будут конкурировать между собой. Тем не менее, наши курсы будут опираться на такой состав фундаментальных методов мышления и такой порядок этих методов в интеллект-стеке.

Интеллект-стек и системное мышление

?

На вершине стека фундаментальных методов мышления происходит тот самый «транс» переход: фундаментальные/трансдициплинарные методы интеллект-стека помогают в мышлении и действии прикладным инженерным методам изменения мира.

Системное мышление можно понимать как мыслительные приёмы нескольких методов интеллект-стека (дисциплин/теорий/объяснений/знаний, поддержанных инструментарием, прежде всего инструментарием моделирования в случае методов фундаментального мышления. Эти мыслительные приёмы системного мышления задействуют понятия «система», «системный уровень», «эмерджентность», «неустроенность» и другие понятия системного подхода. Можно было бы сказать не только «системное мышление», но и «онтологическое системное мышление», ибо системное мышление основано на трансдисциплине онтологии, и «методологическое системное мышление», ибо существенно задействуются положения трансдисциплины методологии, и «трудовое системное мышление», и «деятельностное системное мышление» и «инженерное системное мышление», «рациональное системное мышление», и так далее.

Системная инженерия – это инженерия, описания методов которой основаны на системном мышлении. Но можно было бы и просто сказать «инженерия», системности современного инженерного мышления это бы не убавило. Можно было бы добавить и в это название онтологию: «онтологическая системная инженерия», так иногда и говорят – ontology based systems engineering[24 - https://www.sciencedirect.com/science/article/abs/pii/S0166361518307887 (https://www.sciencedirect.com/science/article/abs/pii/S0166361518307887)]. Можно добавить и этику, «этическая системная инженерия». Можно рациональность, «рациональная системная инженерия».

Системное мышление как часть мышления интеллекта в целом (мышления по всем методам интеллект-стека во всей их полноте) не выключается в ходе работ прикладного метода/«вида труда»/деятельности/инженерии/практики/стратегии. Системное мышление – часть фундаментального мышления, которое будет задействовано всегда, когда в жизни будет встречаться что-то, что не описано в учебнике/регламенте/инструкции/стандарте прикладного метода и его дисциплины/теории/модели/знаний/объяснений, например, в учебнике менеджмента, учебнике медицины, учебнике правоприменения.

?

Само сопоставление содержания учебника (регламента, стандарта) по прикладному методу мышления с жизнью уже требует задействования фундаментального мышления. Скажем, в регламенте («учебнике для сотрудников») будет сказано «несовершеннолетним клиентам кредиты не выдаются». Чтобы разобраться с этой фразой, требуется крепко поразмыслить:

• Что такое «несовершеннолетний», если пришёл иностранец и в его стране принят другой возраст совершеннолетия – вы ущемляете его права?

• Что такое «клиент», если человек в середине оформления своего статуса клиента?

• Что такое «кредит» из десятка очень похоже выглядящих банковских продуктов, и часть из них «займы»?

• Что такое «выдача кредита» и в какой момент можно считать, что она произошла или не произошла?

• Это всё было переводом начальной фразы с тамильского: как убедиться, что перевод был точным?

?

А теперь попробуйте это объяснить даже не себе, а тупому компьютеру, которому нужно реализовать эту организационную норму/business rule[25 - https://ailev.livejournal.com/693597.html (https://ailev.livejournal.com/693597.html)]. Поручить программисту это объяснение не удастся, ибо это всё не вопросы информационных технологий, это вопросы не его специальности «программная инженерия»/software engineering.

И онтологическое мышление никуда не девается, когда идёт системное мышление, в самом системном мышлении есть и куски онтологии. Cкажем, каким образом мы считаем, что по-разному нарезанный на части объект – это и впрямь один и тот же объект – это традиционный вопрос онтологии. Скажем, ножницы из двух половинок и винтика на заводе и ножницы из ножевого блока и ручки в ходе их эксплуатации – это одни и те же ножницы, ибо эти два разных объекта занимают одно и то же место в пространстве-времени. Это мы явно упомянули принцип 4D экстенсионализма, вы должны его знать из курса «Моделирование и собранность». Напомним, что для курса «Системное мышление» качественное прохождение курса «Моделирование и собранность» – это обязательный пререквизит.

Собранность как управление вниманием не выключается, когда идёт онтологическое мышление, вы ведь всё записываете, а не просто «ментально собраны, всё запоминаете»! Эти все мышления (интеллект-стека и даже прикладные мышления прикладных видов мастерства) идут практически одновременно в тесном переплетении, и только наше (часто поддержанное компьютерами и хорошо натренированное) внимание может выделить в этом связном и непрерывном процессе мышления какого-то интеллекта те или иные моменты, связанные с разными частными видами мышления, проводимыми частными видами мастерства.

Этот одновременный учёт самых разных методов мышления как рассуждений с самыми разными объектами внимания довольно легко понять: когда вы смотрите на дерево, раскачивающееся под ветром, обсуждаете углы раскачки в зависимости от силы ветра, но это абсолютно не исключает того, что в этом дереве прямо в этот же момент по ходу рассуждения продолжает идти фотосинтез, в дупле этого дерева высиживает птенцов неведомая птичка. Нет, это всё присутствует в реальном мире. Просто когда ваше внимание сосредоточено на образе раскачивающегося под ветром дерева в целом, то можно подробно рассмотреть именно объект «раскачивающееся дерево в целом», но объекты других размеров, входящие в физический объект «раскачивающееся дерево в целом» и находящиеся в окружении этого физического объекта, не будут рассмотрены. Но они из жизни никуда не исчезают, просто будут временно (а иногда и навсегда) от вас скрыты. Временно скрыты, пока вы не обратите внимание именно на них. Навсегда скрыты, если ваше внимание так к ним и не обратится.

Но вот вы обратили внимание на фотосинтез, при этом и раскачивание дерева сильным ветром, и кто там у этого дерева в дупле – всё это вмиг потеряло значение, внимание переключено на фотосинтез и дальше мы удерживаем внимание на фотосинтезе, задействуем собранность. Но «исчезновение объектов в рассмотрении» исключительно работа нашего внимания, с деревом ничего не происходит! В жизни дерево существует во всей его полноте, никуда не девается ни фотосинтез, ни птичка, ни раскачивание под ветром. Просто нам удобно рассматривать и обсуждать всё это по очереди, а не всё сразу. И мы при этом деятельны: принимаем решение вообще рассмотреть это дерево (а не велосипед), может быть даже подойти к дереву, или просто воспроизвести его модель прямо «в голове», и ничего телом в этот момент не делать (не забывая при этом, что «думать/мыслить/рассуждать/вычислять» – это тоже работа тела, хоть человеческого, хоть робота).

Вот это рассуждение про выделение вниманием разных целых объектов одной камерой внимания, а другими камерами внимания отслеживание частей этих целых объектов для удобства рассмотрения сложных ситуаций, а потом надёжное удержание некоторое время во внимании именно этих целых объектов и их частей без блуждания камер внимания по другим объектам (использование собранности для работы с частями и целыми для этих частей) – оно типично для системного мышления, это самая суть подхода, для этого и было разработано системное мышление, хотя вы смело можете считать, что это некий синтез из понятизации (выделение объектов, их именование, чтобы потом различать и говорить о них) и собранности (удержание во внимании), физики (выделение частей в их изоляции от окружающего мира), теории понятий (отношение часть-целое), онтологии (понимание иерархии в отношениях часть-целое как основы для выделения системных уровней).

Вы выбираете правильный для решения ваших задач уровень рассмотрения частей-целых (масштаб крупности в длинах, масштаб времени в продолжительностях, «уровень организации», «эволюционный уровень», «техно-эволюционный уровень», «системный уровень» – для живых систем это, если грубо, молекулы, клетки, органы, организмы, популяции и примерно так же «по размерам» это будет нарезано вниманием для техно-систем). Дальше вы решаете на выбранном уровне рассмотрения частей-целых свои проблемы, направляя внимание выше или ниже по этим уровням в зависимости от того, над чем размышляете.

Если что-то обсуждено недостаточно подробно, то можно всегда вернуться и дообсудить (а для того, чтобы не терять внимания, всё записываем, а не размышляем только «внутри головы»). Обсуждаем части, не теряя из виду целого. Обсуждаем целое, не забывая о частях. Обсуждение задействует наше внимание к какому-то уровню частей целого объекта, и дальше уже частей этих частей. Сам объект остаётся в его натуральной целостности, а части и целые объекты на многих уровнях выделяются только вниманием. Внимание может работать и в обратном направлении: для каких-то частей целого объекта оно может быть направлено дальше «вверх» по системным уровням, то есть на целый объект. А затем и этот целый объект может быть объявлен частью, а внимание найдёт объемлющее целое ещё более высокого системного уровня.

Интеллект-стек как набор методов мышления нельзя считать классической системой из физики (методы – это поведение, системой можно было бы пробовать назвать сам мыслящий объект, то есть интеллект, хотя тут тоже есть нюансы), но работа внимания к отдельным методам мышления, а в самих методах интеллект-стека внимание к понятиям отдельных трансдисциплинам и поддерживающих их отдельным инструментам поддержки рассуждений по мыслительным приёмам этих трансдисциплин (главным образом моделеров) устроены похоже: из плотного неразрывного клубка понятий и их отношений мы вниманием выделяем, а затем удерживаем во внимании и подробно обсуждаем и отдельные методы мышления, а в них дисциплины и инструментарий, и дробим дальше вниманием методы на отдельные приёмы мышления, и даже отдельные части этих приёмов (при всей неопределённости разговора про «части операций/приёмов/процедур», хотя мы дальше в курсе расскажем, как пробовать разобраться в поведении/activity/behavor так, чтобы точнее проводить границы между разными поведениями).

Мышление неразрывно в его фундаментальных и прикладных методах, оно происходит в целом и прикладное, и общетрудовое/инженерное, и интуитивно-понятийное (понятизация занята этим), и алгоритмическое, и онтологическое, и методологическое, в нём присутствую все прикладные методы мышления и все фундаментальные методы мышления интеллект-стека.

Если мы размышляем о самом мышлении (интеллект-стек как раз для этого!), то мы выделяем силой нашего внимания в методах мышления какие-то части и какую-то часть времени думаем только о них – чтобы преодолеть сложность мышления, чтобы лучше понять, как устроено мышление, как ему научить. Какие-то выделяемые вниманием части полного мышления по знаниям самых разных методов мышления интеллект-стека, имеющие дело с понятиями «система», «системный уровень», «эмерджентность» и другими понятиями системного подхода – это и будет системное мышление. Для обучения этим частям из полного фундаментального мышления всего интеллект-стека и был создан курс системного мышления, который вы сейчас проходите.

Аналогично тому как рациональное, семантическое, логическое и т. д. мышления используют в своём составе приёмы системного мышления на базе понятий системного подхода, так и рациональное, семантическое, логическое, онтологическое и многие другие фундаментальные методы мышления задействованы в системном мышлении: понятия теорий/дисциплин фундаментальных методов мышления сильно переплетены друг с другом. Без освоения методов мышления полного интеллект-стека хорошо системно мыслить не станешь.

Одного курса системного мышления для того, чтобы системно мыслить, не хватит. Курс системного мышления даёт только один срез, одну выборку из всех знаний, нужных для полноценного усиления интеллекта. Студенты вузов получают двойки по курсу системного мышления часто не из-за незнания понятий системного подхода и неумения их использовать в мышлении о своих рабочих проектах, а из-за плохой подготовки в области семантики, теории понятий, онтологии, логики[26 - https://ailev.livejournal.com/1465753.html (https://ailev.livejournal.com/1465753.html)].

Например, рассмотрим такую дисциплину/теорию как семантика: типичная ошибка при её незнании – это неразличение понятия и термина для этого понятия. Стоит расслабиться – и в системном мышлении уже перепутано понятие «потребности» как психологической потребности пить-кушать-размножаться и «потребности» как интереса внешних проектных ролей к своим системам (надсистемам для целевой или системам создания в их цепочках). Слово-термин одно, словарные гнёзда разные, понятия разные – но это часто не отслеживается, термины и понятия не различаются, ибо знаний по семантике нет. В курсе системного мышления нет возможности подробно рассказывать о семантике, тут уже пользуются этими знаниями! Курсы, обучающие семантике, нужно пройти до курса системного мышления!

Например, курс «Моделирование и собранность» устроен примерно так же, как курс системного мышления: взяты какие-то знания/теории самых разных методов мышления интеллект-стека, но акценты проставлены другие: на семантике, теории понятий, онтологии, логике. Понятия системного мышления в курсе «Моделирование и собранность» затрагиваются, но на них нет акцента, нет подробности изложения. Поэтому только курса «Моделирование и собранность» тоже не хватит, чтобы усилить свой интеллект, равно как и только курса «Системное мышление» или только курса «Методология».

Ещё один пример: неумение агента работать с типами в мышлении. Способы этой работы с типами описываются знаниями из теории понятий, одной из трансдисциплин методов интеллект-стека. Если вы пишете, что «система X – это система отношений между покупателями и продавцами», то нельзя через три строчки писать, что «система X – это софтверная платформа», а ещё через три строчки писать, что «система X – это проект по предоставлению сервиса». Это ошибка того же вида, что написать «X – это огурец», через три строчки написать «X – это пушной зверёк», а ещё через три строчки написать «X – это система ценностей». Тип ошибки тут один и тот же, но для огурца и пушного зверька здравого смысла хватает заметить ошибку, а вот что «система отношений» это ни разу не «софтверная платформа», а «платформа» – это не «проект» – вот это уже для плохо тренированного в работе с типами человека не берущаяся задача. Если такое видишь в студенческом тексте, то чётко понимаешь, что понятия целевой системы как физического объекта в голове студента нет, а есть эдакое «облачко смыслов», не доведённое в мыслях до какой-то физической реализации.

Работа с типами касается ещё и возможности провести рассуждение об объектах из учебника на объектах из жизни. Если ты понимаешь, что у тебя тип «физическое тело» в учебнике физики летит по параболе, если его кинуть при наличии гравитации, то это рассуждение о типах. В жизни надо ещё будет сообразить, что кинутый мячик – это то самое физическое тело из учебника! Далее надо перейти к материалу учебника физики и взять оттуда, что полёт будет по параболе. Потом вернуться к мячику и выдать суждение, что «поскольку мячик – физическое тело, то он будет лететь по параболе», и даже прикинуть, какое место абстрактных объектов «парабола» и «траектория» вокруг мячика в реальном мире. Это рассуждение абсолютно такое же, как про какие-нибудь целевые системы. Если вы производите «системы бухгалтерского учёта», то надо ещё сообразить, что слово «система» тут – тип из теории/знаний системного подхода, обратиться к материалам нашего курса, затем найти эту систему в окружающем мире (что это за «система»? Это тип для набора правил учёта? Но вы их явно не производите, и они не похожи на системы из курса. Более того, в курсе явно сказано, что наборы правил и системы уравнений – это не те «системы», которые в системном подходе. Далее вопрос: это софт? Это отдел «бухгалтерия», который использует софт бухучёта? Это отдел, который использует софт и все те люди, которые вынуждены поставлять данные для отдела, который кормит этими данными софт? В какой момент времени можно сказать, что «мы выпустили систему бухгалтерского учёта»? Почему разные люди в предприятии не договорились, что же мы выпускаем?).

Это всё про операции с типами – если с этим не разобрались, то невозможно найти важные объекты внимания в жизни, о которых много чего будет известно сразу, как только вы отождествите их с объектами из нашего курса. Курс не даёт знаний о конкретных системах в конкретных проектах. Но курс даёт знания про все системы во всех проектах. Надо только уметь присвоить типы из курса объектам из реальной жизни, из вашего реального рабочего проекта.

Особо тут можно упомянуть плохое обращение с отглагольными существительными (мышление тут тоже может выступать примером). Мышление один раз может быть процессом (и в нашем курсе именно так), который реализуется вычислителем-интеллектом/«мыслительным мастерством», а второй раз у тех же людей иногда и в той же фразе – это часть мозга, синоним интеллекта, а не поведение этой части (а в нашем курсе это не так)! И то, что мышление как «глагол» и мышление как «существительное» могут путаться – это люди с плохим тренингом в теории понятий не замечают. У них будет всё очень, очень плохо с концепцией системы, ибо функции в концепции системы задаются как раз отглагольными существительными, и это поведения, а не вещи, и путаться в этом нельзя. Это всё вопросы, которые не затрагиваются курсом системного мышления, но рассматриваются в других курсах по усилению интеллекта, прежде всего в курсе «Моделирование и собранность».

Сюда же можно отнести суперобобщения/overgeneralizations, это тоже к работе с типами как онтологической уже работе. Вместо какого-то объекта очень плохо указывать его супер-супер-супер-тип/класс, очень высоко стоящий в классификаторе, и считать, что дальше всё берётся операцией наследования свойств типа. Например, вместо «тигра» везде говорить про «зверя» – а потом удивляться, почему другие люди подставляют в разговоре вместо зверя свою «мышь» (это же тоже зверь!), после чего фраза «мышь опасна для человека» для них является неожиданной и им невдомёк, откуда она берётся. А появляется такая фраза из-за того, что «тигра» нужно называть тигром, а не более общим классом «зверь». Не нужно обобщать чрезмерно, в лишних обобщениях часты ошибки! Если вы указали дрель как «оборудование» и дали характеристику «частота вращения», то это кажется нормальным. Но потом кто-то добавит такое «оборудование», как люк, и у люка появится характеристика «частота вращения»! Это ведь простое логическое следствие того, что «люк – это оборудование». Ибо вы думали о «дрели», а писали «оборудование»!

Ещё одно логическое препятствие для системного мышления как использования понятий системного подхода – это проблемы в отслеживании отношений «часть-целое» на нескольких уровнях. Эти уровни по отношению «часть-целое» называются системными, но иногда их же могут назвать эволюционными, структурными, сложности, или даже организационными уровнями. Отношения часть-целое (композиции, речь идёт о физических частях) как между мной-телом в целом и моей рукой как частью тела вдруг заменяется отношением классификации (моя рука – одна из четырёх конечностей человеческого тела, конечность тут – это уже класс! Рука классифицируется как конечность, она не часть конечности!), после чего палец на руке оказывается пальцем на какой-то конечности, причём уже не обязательно именно на руке – переход от «руки» к «конечности» изменил ситуацию! Система в результате представляется как состоящая из не-пойми-чего, а не физических частей.

Студенты легко складывают колбасу в штуках с яблоками в тоннах, не считая это ошибкой. Да, это не ошибки в системном мышлении, это ошибки в онтологии и логике как определении того, с какими объектами ведётся рассуждение и по каким правилам оно ведётся, системы ли эти объекты, или какие другие. Без онтологичности и логичности никакого системного мышления не будет. Если в решении дифференциального уравнения вы в арифметике посчитали 2*2=5, то ответ для всего решения уравнения будет неправильный, даже если нет ошибок в высшей математике в части дифференцирования!

Как семантика, теория понятий, онтология и логика лежат в основе системного мышления и поддерживают его, так и само системное мышление лежит в основе трудового/практического/деятельного/инженерного мышления и прикладных инженерных методов, например, мышление для классической «железной» инженерии, программной инженерии, агропромышленного производства, включая генную инженерию, образование и коучинг как «инженерию личности», менеджмент как инженерию предприятия и так далее, вплоть до общественной деятельности как прикладной культуры/практики/метода изменения общества.

Менеджер (инженер организации) без системного мышления – это плохой менеджер. Быстро меняющиеся прикладные деятельности все основаны на крепких навыках более фундаментальных методов мышления интеллект-стека: инженерии, методологии, риторике, этике и так далее до собранности и понятизации. Под работой каждым методом есть какие-то умения. Так, собранность – умение обратить на что-то внимание и удерживать это внимание, в том числе осознанность в том, на что именно обращено внимание и насколько хорошо оно удерживается – например, понимаете ли вы, сколько минут подряд вы читаете наш курс, а сколько минут подряд вы смотрите ленту в соцсетях. Понятизация – это умение облачить неясные ощущения о понятиях в словесную форму.

В сильном мышлении задействован весь интеллект-стек, а не только какая-то его часть. Это означает, что в сильном/универсальном/общем мышлении задействованы методы мышления всего интеллект-стека, а не только мыслительные приёмы, набранные из теории понятий, онтологии, логики, рациональности. В сильном мышлении задействованы не только мыслительные приёмы, связанные с системным подходом и известные вместе как «системное мышление». При этом сами методы интеллект-стека быстро эволюционируют. Например, существенно изменилась часть, связанная с семантикой: в связи с быстрым развитием современных систем AI появилось обучение представлениям (representations learning, главным образом векторным/распределённым/distributed[27 - https://deepai.org/machine-learning-glossary-and-terms/distributed-representation (https://deepai.org/machine-learning-glossary-and-terms/distributed-representation)], отвязанным/disentangled[28 - https://deepai.org/machine-learning-glossary-and-terms/disentangled-representation-learning (https://deepai.org/machine-learning-glossary-and-terms/disentangled-representation-learning)], непрерывным/continuous[29 - https://www.sciencedirect.com/science/article/pii/S2666651021000206 (https://www.sciencedirect.com/science/article/pii/S2666651021000206)]) как альтернатива семиотике (изучающей знаки как локальные/атомистические/дискретные представления).