Инфодинамика, Обобщённая энтропия и негэнтропия

Первоначально эти механизмы работали на интуитивном уровне. На уровне человека и общества в настоящее время такие механизмы оценки скорости изменений систем существуют даже в под-сознании. Каждый человек, имея связи с другим человеком, старается выяснить прежде всего не его случайные свойства, а перспективы его развития в будущем, эффективность его действий и увеличение ОНГ. Изменения ОНГ являются наи-более важным свойством, необходимым для каждой разви-вающей системы в борьбе за существование. Можно сфор-мулировать общий тезис:
      Чем более развит организм, тем более он стремится получить информацию об изменениях ОНГ в инте-ресующих его объектах, прогнозировать скорость и на-правление изменений в будущем.
      Механизм этого в сознании человека ещё не полностью выяснен. Известно, что человек при оценке любой системы старается выяснить не только её вещественные и энерге-тическиее свойства, но и вероятности изменения и развития системы и, более того, использования этих изменений для выполнения своих целей. Для человека важно оценить пра-вильно эффективность действия других систем и людей и эффективность их использования для проведения в жизнь своих задач. Если вероятность достижения своих целей при функционировании наблюдаемой системы равна нулю, то ОЭ её приближается к бесконечности. Если вероятность этого приближается к единице, то ОЭ системы относительно цели человека приближается к нулю. Следовательно, в сознании человека существуют косвенные механизмы получения об-общенной информации о системах, об ОЭ, ОНГ и об их изменениях по времени. Очевидно, что эти показатели так жизненно важны для человека, что в процессе эволюции воз-никли интуитивные методы для их оценки. Важность опре-деления ОЭ и ОНГ для человека заключается в том, что из этих показателей можно обратно получить вероятности достижения цели, из них получить оценки полезности (П) действия и решений по формуле:
      П = f (Ц . Р)
      где: P - вероятность и неопределённость достижения цели, Ц - cтоимость цели.
      Оценка полезности необходима при принятии решений и при выборе между альтернативными вариантами в условиях риска.
      Однако, интуиция не является достаточным и надёжным средством для оценки ОЭ и ОНГ в сложных системах современного мира, особенно в системах человеческого об-щества и культуры. Слишком много имеются влияющих на систему факторов, из которых необходимо отсеивать не-существенные и оценивать много вероятностных зависи-мостей. Вся информация должна быть обработана в короткое время, так как для измерения скорости требуется повторное определение ОЭ и ОНГ и направления их изменения. В этих условиях необходимым становятся математические методы определения ОЭ и ОНГ с использованием новых алгоритмов, программ и компьютеров. Наибольший эффект дают методы совместной работы специалиста и компьютера, причём ис-пользуются априорная информация науки и вычислительный потенциал компьютера.
      Повсеместным, но дифференцированным процессом является старение накопленной информации. Фактически во время старения информации происходит уменьшение ОНГ и увеличение ОЭ моделей систем-объектов информации от-носительно целей общества. Например, если книга была написана о применении компьютеров, то стареет не интерес к компьютерам или их перспективам. Стареет информация (ОЭ, ОНГ) о компьютерах в данной книге. Там приведены устаревшие марки, программы и технические данные. Умень-шается интерес к такой информации со стороны общества. Таким образом старение информации можно измерить путём определения ОЭ и ОНГ относительно критерии цели об-щества. В общем: информация стареет или потеряет ценность, если её получение не представляет интерес для получателя информации, т.е. не повышается ОНГ получателя-потре-бителя. Одновременно со старением уменьшаются также эффективность, качество и содержательность информации.
      11. ОПТИМИЗАЦИЯ ПРОЦЕССОВ УПРАВЛЕНИЯ СИСТЕМАМИ
      Управляемые системы, тем более системы, которые имеют в своем составе специальный управляющий орган, должны обладать повышенным содержанием ОНГ. Они в своем развитии находятся на более высокой ступени по сравнению с другими, в т.ч. и с упорядоченными и орга-низованными. Каждый акт управления, т.е. принятие реше-ния, связан с выбором [ 53, 60 - 62 ]. Для осуществления оптимального выбора требуется достаточное количество информации [ 63 - 68 ]. Этими вопросами давно занимается кибернетика и основное положение по управлению сфор-мулировал Эшби в виде ограничения - закона необходимого разнообразия [ 23 ]. По этому закону для обеспечения эффективного управления управляющая система должна иметь не меньше количества разнообразия (по нашей тер-минологии - ОЭ), чем управляемая система [ 24 ]. Закон Эшби прав относительно требуемой ОЭ, но для эффективного управления требуется ещё ОНГ. Кроме того, некоторые термины требуют уточнения. Большинство систем в мире не являются управляемыми и управляющими в кибернетическом смысле. Неясно, в какой мере термин "разнообразие" совпадает с терминами "неопределённость" и "энтропия". Эти термины близки, но не синонимы. Последние два зависят от введенной в систему 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 её ОЭм и в полной мере система становится управляемой только в том случае, 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 управляющей системой ОНГ, ОЭм - максимальная ОЭ управляемой системы.
      Поскольку в реальных сложных системах ОЭ велика и приближается к бесконечности, то полное управление реаль-ными системами представляет невыполнимую задачу. Кибер-нетика в настоящее время может количественно справиться с относительно простыми, созданными человеком системами или упрощенными моделями реальных систем. Современные ЭВМ способны обработать информацию 1010 - 1015 бит/с. Однако ОЭ и ОНГ сложных систем намного 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 величину. 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 её ~ 1058 г. В структуре массы 1 г. можно обработать информацию максимально ~ 2 . 1047 бит / г . с., отсюда приближенно:
      ОНГвсел = 2 . 1047 . 1017 . 1058 = 10122 бит.
      Следовательно формально не хватает от ОНГ всей вселенной, чтобы сделать 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-организующейся иерархического типа, т.е. содержит внут-реннюю ОНГ. Она способна разделить систему во временные ряды окружающей среды и строить алгоритмы минимальной длины для её моделирования. Говоря простым языком, в систему аэропорта ввели дополнительную координату - время, и распределили посадки-запросы по отрезкам времени - например по минутам. В результате 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 сложностью (разнообразием, большим ОЭ, неопределённостью), содержат часто и большое ко-личество ОНГ (внутреннюю структуру), которая резко уменьшает требуемую для их управления ОНГ. Особенно много т.н. скрытую ОНГ содержат искусственно созданные человеком системы. В случае аэропорта к этим относятся ранее известные расписания полёта и технические ха-рактеристики самолётов, техническая оснащенность аэропорта и др.
      2. Все системы имеют иерархическую структуру и это следует использовать 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 реально 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. Наоборот, кибернетики стараются найти воз-можности управления над всеми существующими 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 системой. Перечисляем только некоторые наиболее широко развивающиеся области.
      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 тенденций 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 томография.
      8. Системы искусственного интеллекта. Экспертные системы. Лингвистические 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 вперёд.
      Во всех перечисленных областях в последние десятилетия достигнуты большие успехи. Успехи осно-вываются в первую очередь на разработке намного более совершенных математических моделей, которые отражают зависимости между большим количеством факторов. Ком-пьютерная обработка даёт возможность разработать и про-анализировать намного более сложные модели, в т.ч. кон-цептуальные [ 121 ]. В результате получены модели, располо-женные намного ближе к реальной действительности, и расширены области их дейсвия. Быстрый рост методов моделирования, техники обработки информации и прог-раммирования дали возможность резко усовершенствовать методы управления. Это мы особенно ясно наблюдаем в областях управления экономическими организациями, ста-тистическими ведомствами, системами автоматизации производства, коммуникации, искуcственного интеллекта и обучения.
      Одновременно все отчётливее выявляется неполнота и неопределённость многих основных моделей реальных систем [ 118 ]. Несмотря на многофакторность, 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 энергетика 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 (например антибиотики) становятся неэф-фективными при появлении новых видов болезней и вирусов. Новые полимеры не так уж дешёвые 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. Распространяются взгляды, как-будто человечество имеет мощные средства для передачи и обработки информации и все проблемы оптимального уп-равления решаются, после чего человечество идёт 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 похоже на информацию, в большой части представляет собой полуправду или субъективное, одностороннее мнение отдельных личностей, фирм или организаций. Хорошо, если эти личности честно хотят, не ошибаясь, передать правдоподобную информацию. Во многих случаях передаётся намеренно односторонняя информация с целью получения какой-то личной выгоды или введения в заблуждения конкурентов. В условиях ограниченности вре-мени становиться всё труднее проверить, отсеять не-существенную информацию, точнее шум, от существенного и принять правильное решение. Тем более, что окружающая среда и сам развивающийся субъект находятся в процессе непрерывного 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 мешает 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 её ценности для получателя, от её эф-фективности и от существенности для цели системы, её принимающей. Поэтому очень трудно оценить начальную ОЭ системы, её рост по времени и количество ОНГ, вводимой управляющей системой в ходе управления. В результате этого часто невозможно определять степень 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 OЭмакс. . OЭмакс показывает максимально возможную ОЭ системы без внутренних связей между её элементами. OНГмин показывает минимально воз-можную ОНГ, учитывая наличие разных комбинаций связей, структуры и управляющих воздействий (OНГн + OНГу). Выполнение условия OНГмин = OЭмакс не вызывает принципиальных трудностей в случае управления срав-нительно простыми искусственно созданными системами, в которых OЭмакс небольшая, также в случае достаточно упрощённых моделей сложных систем. Следовательно не вызывает принципиальных трудностей и надёжное управ-ление такими системами. Требуется только техническое ре-шение вопроса, в частности, определение 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 управляемости, необходимо в эти системы ввести соответствующее на OЭф количество 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 поток такого огромного количества ОНГ в реальную систему, который ликвидировал бы всю её ОЭф и дал бы возможность составить полную схему управления 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 находится 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-щёнными моделями.
      Для любой сложной системы можно составлять упрощённую модель, при помощи которой обеспечивается частичная управляемость. Однако, управление упрощёнными моделями далеко не всегда даёт право говорить о полном управлении реальными сложными системами. Упрощённые модели не учитывают всех влияющих факторов, целевых критериев, ограничений и они не всегда дают возможность в широкой области прогнозировать поведение системы. Бо-лее того, упрощённые 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 неопределённость в функционировании системы и случайных элементов в её 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 огромных дополнительных материальных затрат. Часто люди считают вымышленные, сильно упрощённые модели изо-морфными по сравнению с реальными объектами. В каждом государстве законодательство в известной мере является моделью организации его. Чем старше государство, тем совер-шеннее её законодательство, тем ближе оно отражает действи-тельные нужды для прогрессивного развития государства. Тем меньше в законах останется неопределённых пробелов, часто используемых во вред обществу. Каждый человек 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 своё 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 управления любой сложной системой является составление её оптимальной модели. Если удастся составить модель, которая соответствует влияниям всех су-щественных факторов на объективную систему и её реакци-ям относительно достижения целей системы, то можно надеяться на надёжную её управляемость. 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 моделирования сложных систем. Создание моделей выполняют в лучшем случае эврис-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-ределения 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 даёт возможность выяснить изменение этих показателей во времени и потоки эффективной информации в системе, также выяснить сущест-венные и несущественные факторы и соответствующие необ-ходимые управляющие воздействия. В итоге открываются новые возможности для разработки оптимальных систем управления.
      Процесс разработки последних (с учётом принципов инфодинамики) можно разделить на следующие этапы.
      1. Исследование управляемой системы и окружающей её среды. Определение 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 выходами определяют статистические, веро-ятностные характеристики. Для их определения используют всю существующую априорную и апостериорную ин-формацию.
      2. Определение неопределённости, предельного раз-нообразия управляемой системы (ОЭ). Одновременно оп-ределяется неопределённость влияющих на систему факторов: состав исходных или входных материалов, неопределён-ность цели и проектов, колебания условий окружающей среды, ненадёжность (ресурс) деталей, работоспособность людей и т.д.
      3. Оптимизация модели управляемой системы. Вы-яснение вероятностных зависимостей целевой функции системы от всех существенно влияющих на неё 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 её программное управление, регулирование, слежение или опти-мизация. Функционально-затратный анализ эффективности управления. Учёт функции риска, а также технологических, эстетических и экономических ограничений.
      5. Составление модели для определения эффективности управляющих систем. Установление критериев эффек-тивности управления. Методы учёта существенных факторов. Модели игровых или конфликтных ситуаций. Стратегия статистических игр без эксперимента или с экспериментом.
      6. Прогноз эффективности вариантов управления. Сравнение ОЭ и ОНГ относительно выполнения критериев эффективности управления. Расчёт предельных возможностей управления. Эффективность автоматизации управления. Методы управления операциями. Сетевые модели, динами-ческое программирование. Исследование и планирование операций. Матрица переходных вероятностей, марковские процессы.
      7. Оптимизация и выбор наиболее эффективной системы управления. Принятие решений в условиях неопределённости при помощи ОЭ и ОНГ. Применение многошаговых про-цессов принятия решения. Критерии качества управления. Решение ответственной проблемы руководства - принимать ли решение на основе того, что уже известно, или пред-варительно разработать и реализовать программу сбора дополнительной информации, которая, конечно, потребует определённых затрат. Отсюда возникают понятия стоимости и цены полной и неполной информации, как функции не-определённости. Управление - это в первую очередь приня-тие решений, а оптимальность решения зависит от количества и качества полученной информации. В итоге большое значение приобретает определение качества или эффек-тивности информации. Их критерий Эп определяют по формуле: оэ
      Эп = Дп = Ф . Ц = 2 . Ц Зп Зп Зп
      где: Дп - выгода, прибыль, полезность, которую получает система от полученной информации; Зп - затраты, необходимые для приобретения системой системой или управляющей системой необходимой информациии; Ц - прибыль от полученной информации в денежных единицах; Ф - вероятность получения прибыли Дп.
      Максимально целесообразные затраты можно рассчитать по неравенству:
      Эп = Дп > 1 или Зпмакс ? Дп Зп
      т.е. затраты на информацию не должны превышать получаемую от их приобретения доход. В противном случае приобретение новой информации не обосновано и решение следует принимать без её. Для корректности расчётов в случае исследования фактической ОЭ объединённой управ-ляемой и управляющей системы необходимо учесть и ОЭ управляющей части (ОЭус):
      ОЭф = ОЭс + ОЭус - ОНГс - ОНГус
      ОЭоб ОНГоб
      8. Проектирование структуры системы управления. В случае сложных и иерархических структур системы целе-сообразно соответственно строить также и их управление. Конкретизируются общие потоки информации по наиболее существенным направлениям. Уточняются их количество и качество, пропускную способность каналов связи, элементы автоматического регулирования, элементы сравнения, уси-ления, измерения и исполнения.
      Принципы инфодинамики и методы определения ба-лансов ОЭ и ОНГ могут намного улучшить эффективность управления такими сложными системами, как государст-венные, экономические, образовательские, медицинские и др. организации. Крайне разнообразные мнения высказаны уже по основным вопросам: необходимо ли вообще управление со стороны государства или дать человеку самому решать, что делать. Либералы утверждают, что необходимо человеку оставлять полную свободу. В то же время теоретические исследования и практический опыт показывают большие преимущества иерархической системы управления. По воп-росам свободы, необходимо исходить из данных определения инфопотоков и изменения ОЭ или ОНГ в элементах разного иерархического уровня.
      В кибернетике разработаны подробные математические основы для оптимизации процессов управления [ 23, 60, 62 ]. В них предусмотрены всевозможные этапы и варианты управления, встречающиеся в реальной жизни [ 68 - 71 ].
      1. Одноэтапные или одношаговые и многошаговые задачи принятия решения.
      2. Принятие решений в условиях неопределённости. Понятие об исследовании операций.
      3. Критерии качества управления.
      4. Ограничения, накладываемые на процесс управления.
      5. Структура и модели объекта управления.
      6. Динамические задачи оптимизации управления.
      7. Задачи линейного программирования.
      8. Игры как модель конфликтных ситуаций. Функции потерь.
      9. Структура статистических игр. Игры с природой. Игры без эксперимента и с экспериментом.
      10. Применение байесовской стратегии, байесовского прин-ципа. Функция риска. Применение байесовского прин-ципа целесообразно лишь в тех случаях, когда апри-орное распределение вероятностей известно достаточно точно.
      На первый взгляд может казаться, что действительно разработаны формулы для принятия оптимальных решений по управлению любых систем. Однако, анализ ОНГ методов управления и ОЭ многих управляемых систем показывает, что ОНГ значительно меньше ОЭ. ОЭф после введения ОНГ останется большой и система далека от полной управ-ляемости. Получение численных результатов при приме-нении ранее известных формул и методик весьма за-труднительно. Неопределённость, нехватка данных тем боль-ше, чем сложнее управляемая система. Применение упро-щённых формул, при выведении которых не учтены все факторы, размерности и разброс данных, могут вызывать иллюзию о решении проблемы. Избежать подобных ошибок помогают методы определения ОЭ и ОНГ управляющей и управляемой системы, а также баланса и скорости изменения этих показателей.
      12. ПРОЦЕССЫ ИНФООБРАБОТКИ
      В ЭКОНОМИКЕ, НАУКЕ
      И КУЛЬТУРЕ
      Сложные системы, связанные с организованной и умст-венной деятельностью людей, подчиняются таким же прин-ципам инфодинамики, как и более простые системы. Вся экономика, наука, техника, культура, социальная сфера и др., состоят только из разного рода систем, реальных или их моделей в сознании [ 110 ]. Все продукты мысленной и твор-ческой деятельности людей и их организации, например лите-ратурные, научные и художественные произведения, фило-софские и религиозные взгляды, являются моделями реаль-ной действительности. Однако, эти модели также сущест-вуют реально в обществе в виде систем, состоящих в боль-шей части из ОНГ, но с некоторой долей также из матери-ального и энергетического носителя (структуры в мозгу, в библиотеках, эквивалентные на ОНГ масса и энергия и др.).
      Несмотря на подчинение общим принципам инфосистем, общественные системы обладают рядом особенностей, из которых наиболее существенные следующие:
      1. Все такие системы содержат в качестве элементов людей. А по закону Марфи "Все системы, деятельность кото-рых основывается на доверие к людям, ненадёжны". Такой, высказанный в виде юмора "закон" содержит долю истины. Человек является очень сложной, многокритериальной сис-темой. Хотя для повышения своей надёжности он имеет ряд механизмов, он может предпринимать далеко не всегда опти-мальные, часто непредсказуемые решения и действия. При-чиной этого является недостаточная самокритичность чело-века. Он обычно думает, что он знает если не всё, то дос-таточно много, чтобы принимать решения по управлению сложными системами, например собой или организациями людей. На самом деле эти системы имеют намного больше ОЭ, чем человек обладает ОНГ по данному вопросу. Резуль-татом является неуправляемость, непредсказуемость поведе-ния системы и невыполнение цели. Человек обычно не приз-нает свои ошибки, перекладывает вину на других. Неосознан-ный дефицит информации порождает у людей взрыв эмоций, переживаний, волнений, стресса, что сильно мешает им эф-фективно обработать информацию и объективно оценить все возможные альтернативные варианты при выборе и уп-равлении. В состоянии стресса может вообще прекратиться инфообработка или, наоборот, усилиться. Эмоциональное сос-тояние имеет очень много вариантов, соответственно и под-сознательных методов инфообработки: страх, гнев, вражда, дружба, радость, тоска и др.