• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Новости

5 октября в закрытом формате состоялся Третий научно-исследовательский семинар команды Проекта

Треугольник Фреге, четырехугольник Пирса, DDI подход, репрезентации и интерсубъективность научного исследования в репортаже о прошедшем Третьем методологическом семинаре Команды Проекта разработки и использования компьютерных симуляций в науке, промышленности и бизнесе

5 октября в закрытом формате состоялся Третий научно-исследовательский семинар команды Проекта

К 5 октября через серию обсуждений и исследований рабочая группа Проекта подошла к фундаментальным основам изучения природы моделирования и компьютерных симуляций. По этой причине возникла острая потребность в выявлении теоретических основ и методологического инструментария для раскрытия оснований моделирования.

Семинар вызвался вести аспирант философского факультета МГУ им. М.В. Ломоносова и исследователь Проекта - Михаил Волошин, который с самого старта Проекта проявил мотивацию к решению обозначенной проблематики с помощью собственных разработок в этой нетривиальной исследовательской области.

Треугольник Фреге

Доклад начался с разбора концепции знака по Фреге – иначе известной, как семантический треугольник Фреге.

В работах Фреге «Смысл и значение» (Über Sinn und Bedeutung, 1892), «Функция и понятие» (Funktion und Begriff, 1891), «Понятие и предмет» (Über Begriff und Gegenstand, 1892), «Мысль» (Der Gedanke, 1918) закладывается фундамент для логики предикатов, которая станет активно применяться в современное время, особенно в тех областях, где традиционная аристотелевская логика силлогизмов менее эффективна.

Как и многие гениальные открытия, треугольник Фреге был открыт случайно и не был изначально целью автора.

 

                      Рисунок 1. Треугольник Фреге.

Отсюда начинается интересный ход рассуждений Михаила Волошина, который должен будет привести к пониманию эпистемологических оснований моделей, применяемых в науке, и специфике компьютерных симуляций, которые используются как в науке, так и при решении инженерно-промышленных и бизнес-задач.

Фреге дополняет двухчастную модель знака (означающее-означаемое) третьим элементом — смыслом знака. Здесь Михаил Волошин просматривает аналитический инструментарий для разбора компьютерных симуляций как сложный механизм генерирования новых знаний об исследуемой целевой системе (англ. target system).

Четырехугольник Пирса

Далее был разобран четырехугольник Пирса. Здесь, знак (репрезентамент) – есть нечто, что замещает кого-либо или что-либо в каком–либо отношении или под каким-либо именем. Пирс дополняет треугольник Фреге четвертым элементом — интерпретатором: знак является знаком чего-то только в контексте его использования некоторым субъектом. Знаки не составляют некий класс предметов между прочих. Всё может быть знаком.

Соответственно, если мы принимаем модель за знак, то все может быть моделью.

 

 

              Рисунок 2. Четырехугольник Пирса.

 

Три главных подхода

Существует общепринятая классификация разнообразных подходов к философскому исследованию научного моделирования: их подразделяют на синтаксический подход (модель — интерпретация теории, представленной формальным исчислением), семантический (модель определяется как структура на множестве, а теория есть иерархия таких моделей) и прагматический подход (модель — автономный уровень в структуре научного знания, опосредующий теоретическое и эмпирическое содержание знания, но не сводимый к ним). Предпочтение при построении общей методологии разработки и использования симуляций Михаил Волошин отдает прагматической парадигме.

 

Сторонники прагматического подхода выделяют промежуточный эпистемологический уровень между традиционными теоретическим и эмпирическим уровнями. Каждый из этих уровней может «жить своей жизнью», и промежуточный модельный — тоже. Модели автономны от теории и опыта, поскольку конструируются с привлечением частичных элементов того и другого, но выбор этих элементов — а, возможно, и каких-до дополнительных соображений, например, эстетических — этот выбор зависит от намерений субъекта, который создает и использует модель. Модель является моделью целевой системы лишь для кого-то, кто намерен ее так использовать. (Morrison M. Models as autonomous agents // Models as mediators: perspectives on natural and social science. Eds. Morrison M., Morgan M. – NY: Cambridge University Press, 1999. – pp. 38-65).

 

Соответственно, значимой функцией моделей — на это указывала еще Мэри Хессе в 60-х — является коммуникативная функция: модель должна обеспечивать интерсубъективность научного знания; то есть быть понятной для тех, кто ее использует, и для тех, кто хочет использовать ее результаты. Тогда способы репрезентации результатов моделирования обретают особое значение. (Hesse M. Models and analogies in science. – University of Notre Dame Press, 1970)

 

Одна из специфических черт компьютерных симуляций — в том, что они предоставляют нам новые способы репрезентации процесса и результата моделирования (визуальные, например).

 

DDI-подход

Существует подход к анализу симуляций, сформулированный Хьюзом и известный как DDI-подход (denotation, demonstration, interpretation).

Процесс научного познания с помощью моделей подразделяется на три этапа:

1) выбор некой системы в качестве модели для другой (denotation, обозначение),

2) работа с симуляцией (demonstration, демонстрация или доказательство),

3) перенос результатов симуляции обратно на целевую систему (interpretation, интерпретация).

 

                 Рисунок 3. DDI-подход.

 

Любопытно, что научный субъект — значимый участник всех трех этих этапов, что согласуется с прагматическим подходом в целом. (Hughes R.I.G. The Ising model, computer simulation, and universal physics // Models as mediators: perspectives on natural and social science. Eds. Morrison M., Morgan M. – NY: Cambridge University Press, 1999. – pp. 97-145)

Эпистемическая непрозрачность

Некоторые философы (например, Пол Хамфрис) указывают на специфические вопросы, возникающие при использовании компьютерных симуляций и отличающие их от других видов моделирования.

Ключевой из них – «эпистемическая непрозрачность» (epistemic opacity) процесса симуляции: ученый, использующий компьютерную модель, часто не знает в точности, какого именно рода вычислительные процессы происходят в компьютере.

В связи с этим был даже предложен проект «не-антропоцентричной эпистемологии» симуляций, включающий в себя компьютеры как равноправных акторов в процессе моделирования. (Humphreys P. The philosophical novelty of computer simulation methods // Synthese. – Vol. 169 (3), 2009. – pp. 615-626.)

Михаил Волошин предложил свою критику этого рассуждения: знание, недоступное одному ученому, может быть доступно другому, и можно говорить о распределенности этого знания в научном сообществе в целом. Поэтому хотя непрозрачность существует для индивидуального субъекта, «коллективный» субъект научной деятельности обладает механизмами для ее преодоления. Это в очередной раз указывает на принципиально интерсубъективный характер симуляций.