Новости Библиотека Учёные Ссылки Карта сайта О проекте


Пользовательский поиск





предыдущая главасодержаниеследующая глава

Ум - хорошо, а...

Нередко можно услышать, что мы живем в век кибернетики. И действительно, наше время отмечено победоносным шествием электронно-вычислительных машин. Их количество и качество сейчас служат одним из главных показателей научно-технического развития разных стран. Они проникают во все отрасли исследований и практической деятельности человека. ЭВМ нужны врачу и машиностроителю, биологу и экономисту, строителю и химику. Они помогают творцам новой техники проделывать сложнейшие расчеты. Современный электронный "мозг" в состоянии даже конструировать по заранее заданной программе.

Однако кибернетика не только облегчает процессы научного и технического творчества. Она меняет сам подход искателя к проблеме, за разрешение которой он борется. Ведь изобрести какую-либо сложную машину в одиночку невозможно. Взять хотя бы какой-нибудь современный самолет. Над его конструкцией трудилось великое множество людей, а плоды их труда - тысячи патентов. Изобретательство становится делом коллективным, и кибернетика помогает объединить усилия всех, кто работает над данной проблемой, наилучшим образом. Образуется как бы "коллективный мозг", которому под силу решать самые трудные задачи. Об этом и рассказывает в своем интервью один из виднейших советских ученых, лауреат Ленинской премии, Герой Социалистического Труда директор Института кибернетики АН УССР В. М. Глушков.

Эффект автоматизации мыслительных процессов определяется прежде всего огромной скоростью и точностью работы современных электронных цифровых машин. Именно благодаря преимуществу в скорости машина выполняет соответствующую работу лучше, чем человек, составивший для нее программу. Например, при игре в шахматы машина просматривает в единицу времени гораздо большее число вариантов, чем человек, и может регулярно обыгрывать составителя введенной в нее шахматной программы. Возникающий подобным образом эффект кажущегося интеллектуального превосходства машины над человеком дает возможность в той или иной сфере умственной деятельности резко поднять производительность труда.

Ум - хорошо, а...
Ум - хорошо, а...

Взять хотя бы математику Процесс научного творчества здесь многогранен. Он включает введение новых

понятий, постановку новых проблем, доказательство теорем, построение примеров и контрпримеров и т. д. Поиски доказательств или опровержение теорем занимают львиную долю времени каждого математика - нередко десятки лет упорного труда на одну-единственную теорему. Доказательство и построение новых теорем, обобщающих совокупность факта, основанное на автоматизации, дает возможность решать их с быстротой, которая "невооруженному" человеческому уму просто недоступна. И тут на арену выступает кибернетика.

Что нового приносит кибернетик как ученый? Ведь он не просто математик, а скорее исследователь, глобально вторгающийся в промышленность, в биологию во все отрасли хозяйства и науки.

Кибернетика, как и математика, имеет свой собственный предмет исследования. Помимо этого, она дополняет метод математики, потому что метод математики - это метод формульно-аналитического описания, метод же кибернетики - это фактически метод математического моделирования в широком плане.

Математика создавала средства моделирования: возможности формулами описывать процессы, которые мы полностью наблюдать не можем, теоретически создавать условия, которых мы не можем видеть, и делать какие-то предсказания. Так, скажем, в свое время на основе математики развилась теоретическая астрономия.

Кибернетика сильно расширила понятие моделирования и включила понятие математической модели, которая уже не описывается простыми математическими средствами, а представляется сложными алгоритмами Поэтому в отличие от классической математики она охватила практически все науки.

Если угодно, это некоторая новая философия творческого процесса. Потому что раньше считалось, если вы не можете что либо описать математическими формулами, то предполагалось, что вы находитесь в области наблюдений, либо пребываете на этапе экспериментов. Теперь же появляется возможность создавать какую-то теорию на уровне математического моделирования, используя электронно-вычислительные машины и описывая явления, хотя классическая математика эту теорию настоящей математической моделью еще не считает.

Коренное отличие нового метода с точки зрения самого научного творчества состоит прежде всего в том, что большие модели, такие, как действительно глубокое изучение процессов в обществе и в биологии, как правило, невозможно делать в одиночку. Потому что сложные математические программы, сложные математические модели, по существу, требуют коллективного творчества. И этот дух коллективизма теперь существенно отличается от духа коллективизма, который раньше был у молодых математиков и физиков. Было же так - и я сам тому свидетель.

Есть идея, и разные люди пытаются решить ее с разных концов. Полученными результатами они обмениваются на коллективном семинаре: При кибернетических же исследованиях требуется новая форма организации коллектива, при которой только коллектив в целом знает проблему целиком и пути ее решения. В нем нет человека, который мог бы охватить ее в полной мере, сам повторить и проверить все этапы работы.

Возникает по-настоящему коллективный разум, который надо суметь правильно организовать. Причем вопросы организации научных коллективов приобретают первостепенную роль.

Вот, например, каким образом можно организовать коллективы для решения проблем прогнозирования науки. Прежде считали так: надо собрать небольшой коллектив людей, они изучат патенты или еще какую-нибудь информацию, поспорят друг с другом и в конце концов придут к мнению, что вычислительные машины через двадцать лет будут такими-то, авиация будет такой-то и т. д. Но, оказывается, хорошее на современном уровне предсказание сделать таким образом нельзя. Чтобы оно было правильным, нужно объединить мнение многих тысяч людей. Причем не механически - это можно было бы сделать и старыми средствами: задать всем им один и тот же вопрос, а потом механически сложить мнения, усреднить их и сказать: "Вот так думает в среднем весь коллектив", - а по-новому, с учетом достижений кибернетики.

Кибернетическая модель - нечто совсем другое. Она дает возможность получить новое качество, которым не владеет ни один из членов коллектива. Как это делается?

Во-первых, объединение мнений людей происходит в вычислительной машине. Предположим, спрашивается, можно или нельзя сделать ЭВМ, подобную мозгу, и когда она будет сделана. Вопрос этот направляется не всем ученым, а только тем, кто обладает достаточными данными для ответа на него. Но они не просто пытаются угадать дату, а ставят условия, от которых она зависит. Они могут сказать: если будет решена проблема, допустим, создания ферритовой памяти с такими-то характеристиками и будет выполнено еще несколько других условий, если будут совершены такие-то предполагаемые открытия, пока что существующие в форме гипотез, то такой мозг можно будет сделать через пять лет.

Проблемы, касающиеся путей осуществления этих условий, отправляют затем другим ученым, которые, быть может, с первыми никогда и не встречались. Они, в свою очередь, выставляют некоторые новые условия. Наконец, мы получаем такие цепочки, которые никогда, возможно, не смогли бы появиться, если бы все эти люди, скажем, собравшись вместе, дискутировали, как это практиковалось в старых формах обмена информацией. Собранные мнения закладывают в вычислительную машину, и она находит кратчайший путь решения проблемы.

Так осуществляется планирование по-новому, так происходит соединение идей воедино. Причем может оказаться, что у одного участника поиска была оригинальная мысль, но не хватало исходных данных для ее осуществления. А другой, не связанный с ним ученый, наоборот, знал, как эти данные можно получить, но не предполагал, что они для кого-то интересны. Машина же замыкает эту цепь отдельных идей и дает новое качество. Никто в одиночку не знал искомого кратчайшего пути, а вместе, оказывается, знали.

В чем здесь принципиальное отличие? В том, что сами формы организации научного творчества тоже становятся наукой. Без нее организовать работу коллектива в области кибернетического исследования по-настоящему нельзя.

Кстати, и до настоящего времени иногда вопрос об организации в науке подменяют импровизацией. А она здесь особенно вредна. Например, можно быть хорошим научным организатором, интуитивно чувствовать цепочки взаимосвязей, организовать людей, но не уметь находить наилучших решений больших задач.

В поисках действительно наилучшего пути нужно и организацию строить так, чтобы можно было наилучшим образом учитывать мнения коллектива и делать выводы из коллективного мнения при помощи научной обработки. Практически надо создавать коллективный мозг. Но этому нужно учиться. И для кибернетики это очень важно.

Однако вернемся к тому, что отличает кибернетиков от прочих ученых. Во-первых, от них требуется более широкий кругозор, потому что, пока специализация еще не очень четко сложилась, им приходится, скажем, сегодня заниматься моделированием завода, завтра - моделированием биологического процесса, послезавтра - еще чего-нибудь и т. д. Поэтому достаточно широкий кругозор кибернетикам пока крайне необходим. Вероятно, сугубо специальных знаний в разных областях им не требуется, но какие-то основы нужно достаточно твердо знать, чтобы верно выбрать направление поиска, суметь проштудировать специальную литературу и организовать исследовательский коллектив, в котором работали бы специалисты данного профиля.

Во-вторых, кибернетика выходит к проблеме гражданственности. Скажем, операции на сердце затрагивают очень серьезные морально-этические аспекты жизни. Не менее остро стоит проблема использования атомной энергии. К ним каждая из наук подходит со своей одной стороны. А кибернетика встречается сразу со сложным комплексом проблем специальности, этики, социологии. И здесь уже недостаточно холодного научного рационального ума. Нужна еще и гражданственность, помогающая правильно почувствовать проблему.

Ведь наука начинается тогда, когда в каждом отдельном случае сформулирован критерий "что такое хорошо и что такое плохо". А уж затем те научные методы, о которых я говорил, помогут найти наилучшие пути.

В формулировке самих критериев, как правило, абстрактная наука в полной мере помочь не может. Понятие "что такое хорошо и что такое плохо" для общества намного сложнее простой суммы материальных благ. И чтобы проникнуться им, а затем сформулировать верные критерии везде, где это потребуется, нужно жить интересами общества.

Это сложный и очень важный вопрос для развития кибернетики. Но он также важен и для ученых-кибернетиков, и для их будущих помощников, оканчивающих сейчас школу или учащихся в институтах.

Мы очень ценим тех, кто уже в вузе по-настоящему берется за научную работу. Часто можно услышать такие слова: "Вот получу диплом, тогда смогу заняться наукой всерьез". Но ведь от получения диплома сам человек не сильно меняется. По мере образования эрудиция, конечно, расширяется, но сила мышления, как правило, не увеличивается. Вернее, увеличивается в какой-то мере, потому что для решения того или иного вопроса исследователь сможет привлечь свои знания из какой-то другой области, например, решить арифметическую задачу с помощью алгебры. Если, конечно, это разрешается условиями задачи. Правда, если, допустим, будут поставлены условия, что для решения одной и той же задачи академику и школьнику нельзя пользоваться никакими другими знаниями, кроме школьных, то у них будут равные возможности. Об этом надо всегда помнить тем, кто еще за партой решил посвятить себя науке. То есть для того, чтобы взяться за решение какого-то круга проблем, не надо ждать, пока станешь академиком, а стоит постоянно думать над этими проблемами, решать их, соревнуясь с академиками, но теми средствами, которые имеются в вашем распоряжении, не забывая об ограничениях, связанных с недостаточной еще вашей эрудицией. Эрудиция же и кругозор все время должны пополняться, расти.

Хочется предостеречь молодых исследователей еще вот от чего.

Ученому очень важно быть скромным перед самим собой. Иной скромен потому, что чувствует, что вести себя иначе просто неприлично, в глубине же души сам себя считает гением; думает, раз он решил задачу, с которой не справился профессор, то ему уже и море по колено и можно сбавить темпы своего образования. Это самая страшная вещь.

Да, человек может и обязан, если он собирается стать настоящим ученым, уже в молодом возрасте при имеющихся еще ограничениях соревноваться с любым светилом в какой угодно отрасли науки. Но он должен уметь делать правильные выводы из своих побед, если они есть. Никогда не следует считать, что он уже схватил бога за бороду и все знает. Никогда нельзя прекращать работу над собой, над изучением науки. Никогда не стоит зазнаваться не только внешне, но и внутренне.

Конечно, в некоторых современных областях науки, в абстрактной математике, например, можно иметь сравнительно узкое образование и сделать интересное открытие, если природа наградила вас незаурядной способностью к логическим выкладкам. Но в кибернетике, как правило, человек, который постоянно не совершенствует свою работоспособность, не чувствует, когда остается наедине с самим собой, что он в действительности еще очень мало знает и мало сделал, - такой человек сделает очень мало.

Нужно дерзать и вместе с тем уметь быть скромным.

предыдущая главасодержаниеследующая глава




Rambler s Top100 Рейтинг@Mail.ru
© Злыгостев Алексей Сергеевич, 2001-2017
При копировании материалов активная ссылка обязательна:
http://nplit.ru 'NPLit.ru: Библиотека юного исследователя'