ь  не  меньше
количества разнообразия (по нашей тер-минологии - ОЭ),  чем  управляемая
система [ 24 ]. Закон Эшби прав относительно требуемой ОЭ, но для эффек-
тивного управления требуется ещ„ ОНГ. Кроме того, некоторые термины тре-
буют уточнения. Большинство систем в мире не являются управляемыми и уп-
равляющими в кибернетическом смысле. Неясно, в какой мере термин "разно-
образие" совпадает с терминами "неопредел„нность" и "энтропия". Эти тер-
мины близки, но не синонимы. Последние два зависят от введенной в систе-
му информации (или ОНГ), разнообразие от ОНГ зависит меньше.
   Закон Эшби является частным случаем более общего закона  инфодинамики
по управляемости систем, сформу-лированного следующим образом.
   Любая система может быть управляемой только  в  той  мере,  насколько
сумма первоначальной и введенной управляющей системой  ОНГ  компенсирует
е„ ОЭм и в полной мере система становится управляемой только в том  слу-
чае, если общая ОНГ равняется ОЭм системы, т.е. ОНГн + ОНГу = ОЭм.
   Степень управляемости системы можно оценить по показателю:
   У = ОНГн + ОНГу
   ОЭм
   где:	ОНГн - первоначальная ОНГ в системе, ОНГу - введенная  управляю-
щей системой ОНГ, ОЭм - максимальная ОЭ управляемой системы.
   Поскольку в реальных сложных системах ОЭ велика и приближается к бес-
конечности, то полное управление реаль-ными системами представляет невы-
полнимую задачу. Кибер-нетика  в  настоящее  время  может  количественно
справиться с относительно простыми, созданными человеком  системами  или
упрощенными моделями реальных систем. Современные ЭВМ  способны  обрабо-
тать информацию 1010 - 1015 бит/с. Однако ОЭ и ОНГ сложных систем намно-
го выше, особенно если учитывать их изменчивость во  времени.  Формально
оценено, что молекула содержит ОНГ около 1011  бит,  органы  человека  -
около 1023 бит. Для сложных систем ОЭ может приобрести колоссальную  ве-
личину. Например, в качестве системы раcсматривают работу  диспетчерской
службы боль-шого международного аэропорта, куда в сутки  поступает  1000
запросов приземления [ 1 ]. Выход системы - да или нет. 1000
   Количество ОЭ составляет log2 22 = 21000 ~ 10300  бит.  Эта  величина
намного выше всех запасов ОНГ во всей вселенной,  что  составляет  около
10122 бит. Последняя цифра получена следующим образом: Возраст вселенной
~ 1017 c, масса е„ ~ 1058 г. В структуре массы 1 г. можно обработать ин-
формацию максимально ~ 2 . 1047 бит / г . с., отсюда приближенно:
   ОНГвсел = 2 . 1047 . 1017 . 1058 = 10122 бит.
   Следовательно формально не хватает от ОНГ всей вселенной, чтобы  сде-
лать аэропорт управляемым. В дейст-вительности этой задачей  справляется
диспетчерский состав из 20 человек. Дело в том, что огромная ОЭ ~  10300
бит была кажущейся. Диспетчерская система аэропорта является  само-орга-
низующейся иерархического типа, т.е. содержит внут-реннюю ОНГ. Она  спо-
собна разделить систему во временные ряды окружающей среды и строить ал-
горитмы минимальной длины для е„ моделирования. Говоря простым языком, в
систему аэропорта ввели дополнительную координату - время, и распредели-
ли посадки-запросы по отрезкам времени -  например  по  минутам.  В  ре-
зультате на каждую минуту попала в среднем 0,5  -  2  запроса,  которыми
легко было управлять.
   Из примера с аэропортом можно сделать ряд выводов:
   1. Реально существующие системы, обладающие формально  большой  слож-
ностью (разнообразием, большим ОЭ, неопредел„нностью), содержат часто  и
большое ко-личество ОНГ (внутреннюю структуру), которая резко  уменьшает
требуемую для их управления ОНГ. Особенно много т.н. скрытую ОНГ  содер-
жат искусственно созданные человеком системы. В случае аэропорта к  этим
относятся ранее известные расписания пол„та и технические ха-рактеристи-
ки самол„тов, техническая оснащенность аэропорта и др.
   2. Все системы имеют иерархическую структуру и это следует  использо-
вать при проектировании управляющих структур. Управляющие или  поисковые
воздействия на более высоком уровне имеют более высокую эффективность  и
влияют на большое количество систем. Можно элиминировать большие области
поиского поля и тем самым упростить процессы выбора и управления.
   Несмотря на эвристические и др. методы упрощения  модели  многих  ре-
ально существующих систем остаются слишком сложными, чтобы  ими  до  сих
пор удавалось пол-ностью управлять при  помощи  количественных  методов.
Это не значит, что кибернетика не занимается сложными системами.  Наобо-
рот, кибернетики стараются найти воз-можности управления над  всеми  су-
ществующими в мире сверхсложными системами, в  том  числе  и  над  самим
уни-версумом. Нет областей в мире  или  обществе,  где  кибер-нетики  не
предлагали бы новые модели систем и методы их применения. Часто ОЭ и ОНГ
моделей намного меньше, чем в реальных системах. А создание  гомоморфной
модели явля-ется наиболее существенным этапом на пути к управлению  сис-
темой. Перечисляем только некоторые наиболее широко развивающиеся облас-
ти.
   1.	Системы экономического развития, фирмы,  отрасли,  государственные
системы экономического плани-рования.
   2.	Глобальные системы развития народонаселения и экосистемы  (Римский
клуб и его наследники).
   3.	Демографические системы исследования социал-поли-тических  тенден-
ций развития.
   4.	Системы  автоматизации  производства,  роботизации,  автоматизации
проектирования сложных комплексов.
   5.	Системы коммуникации и  связи.  Многофункциональ-ные  компьютерные
сети, инфокомбайны. Интернет.
   6.	Научные, теоретические и экспериментальные системы. Вычислительные
эксперименты. Системы научно-тех-нической информации.
   7.	Медицинские системы диагностики, моделирования.  Компьютерная  то-
мография.
   8.	Системы искусственного интеллекта. Экспертные системы.  Лингвисти-
ческие системы и восприятия образов.
   9.	Системы компьютерного обучения. Интерактивные  программы  усвоения
междисциплинарных направле-ний. Электронные тренажеры.
   10.	Системы, содержащие конфликтные ситуации,  дело-вые  или  военные
игры, статистические игры с при-родой.
   11.	Прогнозы систем будущего, начиная с прогнозов погоды и климата до
прогноза развития человечества и универсума на много тысяч  и  миллионов
лет впер„д.
   Во всех перечисленных областях  в  последние  десятилетия  достигнуты
большие успехи. Успехи осно-вываются в первую очередь на разработке нам-
ного более совершенных математических моделей, которые отражают  зависи-
мости между большим количеством факторов. Ком-пьютерная  обработка  да„т
возможность разработать и про-анализировать намного более сложные  моде-
ли, в т.ч. кон-цептуальные [ 121 ]. В результате получены модели, распо-
ло-женные намного ближе к реальной действительности, и расширены области
их дейсвия. Быстрый рост методов моделирования, техники обработки инфор-
мации и прог-раммирования дали возможность резко усовершенствовать мето-
ды управления. Это мы особенно ясно наблюдаем в областях управления эко-
номическими организациями, ста-тистическими ведомствами, системами авто-
матизации производства, коммуникации, искуcственного интеллекта и обуче-
ния.
   Одновременно все отч„тливее выявляется неполнота  и  неопредел„нность
многих основных моделей реальных систем [ 118 ]. Несмотря  на  многофак-
торность, модели дают сов-падающие с реальными объектами данные только в
ог-раниченной области. Отсутствие показателей ОЭ и ОНГ  ограничивает  их
использование в целях управления. Пов-торяется история с  прогнозами  на
первой половине 20 века. Предполагалось, что развитие науки,  техники  и
энергетики решают все проблемы человечества и наступает эпоха  всеобщего
благоденствия. Очень скоро, уже на второй половине 20 века  стало  ясно,
что далеко не все надежды оптимистов исполняются. Наука, техника и энер-
гетика сти-хийно развиваются, но планировать, предсказать направление их
развития очень трудно. Если некоторые вопросы выясняются,  то  возникает
сразу намного больше новых вопросов и проблем. Методы получения  атомной
энергии впервые начали применять в военных целях. Новые лекарства  (нап-
ример антибиотики) становятся неэф-фективными при появлении новых  видов
болезней и вирусов. Новые полимеры не так  уж  деш„вые  и  влияют  часто
вредно на здоровье людей.
   Точно с такими же переоценками мы встречаемся на второй  половине  20
века при рассмотрении достижений информатики и кибернетики.  Распростра-
няются взгляды, как-будто человечество имеет мощные средства для переда-
чи и обработки информации и все проблемы оптимального уп-равления  реша-
ются, после чего человечество  ид„т  навстречу  обществу  благоденствия.
Фактически огромное увеличение потоков информации и дезинформации больше
затрудняет, чем облегчает определение оптимальных направлений  и  вообще
усложняется все управление функционированием систем. То, что внешне  по-
хоже на информацию, в большой части представляет  собой  полуправду  или
субъективное, одностороннее мнение отдельных личностей, фирм или органи-
заций. Хорошо, если эти личности честно  хотят,  не  ошибаясь,  передать
правдоподобную информацию. Во многих случаях переда„тся намеренно однос-
торонняя информация с целью получения какой-то личной выгоды или  введе-
ния в заблуждения конкурентов. В условиях ограниченности вре-мени стано-
виться вс„ труднее проверить, отсеять не-существенную информацию, точнее
шум, от существенного и принять правильное решение. Тем более, что окру-
жающая среда и сам развивающийся субъект находятся в процессе  непрерыв-
ного изменения. В результате этого управляемость процессов в обществе не
увеличивается, часто уменьшается. Судьба человечества  может  стать  все
более непредсказуемым и зависимым от многих случайных факторов. Развитие
человечества может пойти в сторону гибели.
   Причиной таких отрицательных тенденций является иллюзорность обилия и
полноты  информации  и  инфор-мированности  (ОНГ).  В   действительности
большинство пере-даваемых "сообщений" ничего  общего  с  информацией  не
имеет. Они, как говорится, являются только "шумом", который только меша-
ет процессам передачи настоящей информации. В настоящее время измеряется
в передаваемых сообщениях формальное количество информации по битам. При
этом часто отвлекаются от смыслового содержания ин-формации, от е„  цен-
ности для получателя, от е„ эф-фективности и от существенности для  цели
системы, е„ принимающей. Поэтому очень трудно оценить начальную ОЭ  сис-
темы, е„ рост по времени и количество ОНГ, вводимой управляющей системой
в ходе управления. В результате этого часто невозможно  определять  сте-
пень управляемости сис-темы, которая выражается отношением
   ОНГмин .
   ОЭмакс
   Система является полностью управляемой,  если  степень  управляемости
равняется 1,0, т.е. если количество OНГмин системы равно количеству  OЭ-
макс. . OЭмакс показывает максимально возможную ОЭ системы без  внутрен-
них связей между е„ элементами. OНГмин показывает минимально  воз-можную
ОНГ, учитывая наличие разных комбинаций связей, структуры и  управляющих
воздействий (OНГн + OНГу). Выполнение условия OНГмин = OЭмакс не вызыва-
ет принципиальных трудностей в случае управления срав-нительно  простыми
искусственно созданными системами, в которых OЭмакс небольшая,  также  в
случае достаточно упрощ„нных моделей сложных  систем.  Следовательно  не
вызывает принципиальных трудностей и над„жное управ-ление такими  систе-
мами. Требуется только техническое ре-шение вопроса, в частности,  опре-
деление типа задач управ-ления. Выбирают оптимальный вариант из ряда  по
повышаю-щей сложности: стабилизация, выполнение программы, сле-жение или
оптимизация.
   Проблема резко усложняется  при  необходимости  уп-равления  сложными
системами, в которых ОЭ > 1010 бит. Эти  системы  находятся  в  процессе
непрерывного изменения и развития. Поэтому, для обеспечения  полной  уп-
равляемости, необходимо в эти системы ввести соответствующее на OЭф  ко-
личество ОНГ через каждый период времени, за который система существенно
изменяется. Продолжительность пери-ода зависит от скорости  изменений  в
системе. Современные технические средства не в состоянии обеспечить  по-
ток такого огромного количества ОНГ в реальную систему, который ликвиди-
ровал бы всю е„ ОЭф и дал бы возможность составить полную схему управле-
ния системой. Даже в том случае, если удалось бы организовать управление
одной сложной системой, применяя все имеющиеся управляющие системы,  это
не спасло бы положение. В мире в непрерыв-ном изменении и развитии нахо-
дится огромное количество сложных систем и они  составляют  между  собой
бесчисленные комбинации. Если говорят,  что  управляют  такими  сложными
системами, как государственные, экономические,  научные  и  т.д.,  то  в
действительности управляют только их упро-щ„нными моделями.
   Для любой сложной системы можно составлять упрощ„нную модель, при по-
мощи которой обеспечивается частичная управляемость. Однако,  управление
упрощ„нными моделями далеко не всегда да„т право говорить о  полном  уп-
равлении реальными сложными системами. Упрощ„нные  модели  не  учитывают
всех влияющих факторов, целевых критериев, ограничений и они  не  всегда
дают возможность в широкой  области  прогнозировать  поведение  системы.
Бо-лее того, упрощ„нные модели могут создать иллюзию, как будто процессы
полностью управляемые. В действительности размерность  реальной  системы
может быть намного больше модельного и неуправляемых факторов много, что
уве-личивает неопредел„нность в  функционировании  системы  и  случайных
элементов в е„ поведении.
   Именно интуитивная недооценка ОЭ систем и пере-оценка наличия  в  них
ОНГ является главным источником ошибок при разработке  схем  управления,
контроля и раз-вития сложных систем, многочисленных недоразумений и  ог-
ромных дополнительных материальных затрат. Часто люди считают  вымышлен-
ные, сильно упрощ„нные модели  изо-морфными  по  сравнению  с  реальными
объектами. В каждом государстве законодательство в известной мере  явля-
ется моделью организации его. Чем старше государство,  тем  совер-шеннее
е„ законодательство, тем ближе оно отражает  действи-тельные  нужды  для
прогрессивного развития государства. Тем меньше в законах останется  не-
определ„нных пробелов, часто используемых во вред обществу. Каждый чело-
век имеет свое мировоззрение (модель о мире) и  самосознание  (модель  о
самом себе). Беда в том, что модели только более или менее  приближаются
к реальной действительности и соот-ветственно  человек  только  по  мере
имеющейся у него ОНГ может определить сво„ место в  развивающемся  мире.
Чем ближе модели совпадают с действительностью,  тем  более  эф-фективно
человек может управлять своими действиями и действиями других.
   Таким образом, самым ответственным этапом при составлении системы уп-
равления любой сложной системой является составление е„ оптимальной  мо-
дели. Если удастся составить модель, которая соответствует влияниям всех
су-щественных факторов на объективную систему  и  е„  реакци-ям  относи-
тельно достижения целей системы, то можно надеяться на над„жную  е„  уп-
равляемость. Конечно, модель должна быть достаточно проста (ОЭ < ОЭпред)
чтобы современными техническими средствами обеспечить тре-буемую ОНГ.  К
сожалению до сих пор недостаточно общих теоретических основ для  модели-
рования сложных систем. Создание моделей выполняют в лучшем  случае  эв-
рис-тическими методами, часто на интуитивном уровне, без оценки ОЭ и ОНГ
систем. С этим связана неэффективность работы управляющих и  управляемых
систем или даже беспорядочность  и  неорганизованность  в  их  работе  и
структуре.
   Новые возможности для повышения эффективности  управляющих  систем  и
для улучшения управляемости слож-ных систем открываются  при  применении
методов инфо-динамики. Инфодинамика использует для управления  системами
рядом с новыми и все ранее известные методы обработки информации.  К  их
числу относятся также эврис-тические методы, методы  случайного  поиска,
методы сто-хастического (статистического) моделирования, методы оп-реде-
ления условных вероятностей (в т.ч. метод  Байеса),  теории  информации,
программирования, алгоритмов, игр и др. Однако,  инфодинамика  дополняет
применение всех этих методов обобщающими принципами.  Решающее  значение
имеет принцип определения ОЭ и ОНГ управляющих и управляемых систем и их
элементов. Это да„т возможность выяснить изменение этих  показателей  во
времени и потоки эффективной информации в системе,  также  выяснить  су-
щест-венные и несущественные факторы и соответствующие необ-ходимые  уп-
равляющие воздействия. В итоге открываются новые возможности для  разра-
ботки оптимальных систем управления.
   Процесс разработки последних (с уч„том принципов инфодинамики)  можно
разделить на следующие этапы.
   1.	Исследование управляемой системы и окружающей е„ среды.  Определе-
ние внутренней структуры, связи между элементами. Устанавливают  пределы
системы, ограничения на функционирование, внешние условия и влияющие  на
систему факторы. Отдельно определяют цели,  задачи  и  целевые  критерии
системы. Особенное внимание уделяют на  наличие  внутренних,  автономных
или локальных систем управления.  Имеются  ли  иерархические  структуры,
внут-ренние обратные связи? Для всех зависимостей между входами и  выхо-
дами определяют статистические, веро-ятностные  характеристики.  Для  их
определения  используют  всю  существующую  априорную  и   апостериорную
ин-формацию.
   2.	Определение неопредел„нности, предельного раз-нообразия  управляе-
мой системы (ОЭ). Одновременно оп-ределяется  неопредел„нность  влияющих
на систему факторов: состав исходных  или  входных  материалов,  неопре-
дел„н-ность цели и проектов, колебания  условий  окружающей  среды,  не-
над„жность (ресурс) деталей, работоспособность людей и т.д.
   3.	Оптимизация модели управляемой системы.  Вы-яснение  вероятностных
зависимостей целевой функции системы от всех существенно влияющих на не„
факторов. Отсев несущественных факторов.  Сложность  модели  не  долж-на
превышать технические возможности реально доступной управляющей  системы
(по ресурсам финансирования).
   4.	Выяснение альтернативных вариантов управляющих схем.  Какие  цели,
задачи и допустимые затраты на управ-ление? Требуются ли  стратегическое
или тактическое уп-равление? Достаточно ли стабилизация системы  или  е„
программное управление, регулирование, слежение или опти-мизация.  Функ-
ционально-затратный анализ эффективности управления. Уч„т функции риска,
а также технологических, эстетических и экономических ограничений.
   5.	Составление модели для определения эффективности управляющих  сис-
тем. Установление критериев эффек-тивности управления. Методы уч„та  су-
щественных факторов. Модели игровых или конфликтных ситуаций.  Стратегия
статистических игр без эксперимента или с экспериментом.
   6.	Прогноз эффективности вариантов управления. Сравнение ОЭ и ОНГ от-
носительно выполнения критериев эффективности  управления.  Расч„т  пре-
дельных возможностей управления. Эффективность автоматизации управления.
Методы управления операциями. Сетевые модели, динами-ческое программиро-
вание. Исследование и планирование операций. Матрица переходных  вероят-
ностей, марковские процессы.
   7.	Оптимизация и выбор наиболее эффективной системы управления.  При-
нятие решений в условиях неопредел„нности при помощи ОЭ и ОНГ.  Примене-
ние многошаговых про-цессов принятия решения. Критерии качества управле-
ния. Решение ответственной проблемы руководства - принимать  ли  решение
на основе того, что уже известно, или пред-варительно разработать и реа-
лизовать программу сбора дополнительной  информации,  которая,  конечно,
потребует определ„нных затрат. Отсюда возникают понятия стоимости и цены
полной и неполной информации, как функции не-определ„нности.  Управление
- это в первую очере