Общность мышления по мере усложнения систем

 

В июне 2014 года INCOSE (International Council on Systems Engineering, Международный совет по системной инженерии[95] выпустила публичный документ System Engineering Vision 2025[96], в котором описала в том числе и рейтинг систем по их сложности для инженерии.

 

 

Самые простые системы – это системы с механическими и электрическими элементами (mechanical and electrical elements), вроде велосипеда, насоса или холодильника. Более сложные – это в которых можно найти электронику, и контроллеры с программным обеспечением, управляющие логикой работы каких-то элементов системы (electronic, isolated islands of software), например, стиральная машина или современный автомобиль с двигателем внутреннего сгорания. Но вот уже реактивный самолёт или космический корабль с трудом попадает в эту категорию: логика их работы уже полностью определяется программным обеспечением, поэтому такие системы называют программоёмкими (software-intensive). Это граница применения классической инженерии, все учебники системной инженерии, все стандарты по факту описывают практики создания именно таких систем.

Но человечество не останавливается на создании только таких систем, для которых есть хорошо разработанные методологии. Нет, есть и более сложные системы, и относительно новый класс таких систем – это сетеёмкие (network-intensive). Сеть – это обычно какой-то набор узлов и связей между узлами, и поток чего-то по этим узлам. По сети интернет бегут потоки данных, по водопроводной сети – вода, по сети датчиков – данные. Сетеёмкие системы сложнее программоёмких, потому как обычно для сложных сетей в каждом конкретном месте сети неизвестны все остальные узлы, и неизвестны все связи. Более того, каждый момент времени ситуация может меняться, поэтому программы управления потоками для такой сети должны учитывать эти изменения. Это крайне сложно делать: сеть по факту имеет меняющуюся на ходу структуру, и её нельзя спроектировать и реализовать, для неё можно только сформулировать общие Принципы, определить структуру узлов и виды связей – и дальше опять мы оказываемся в мире сложностности с сельскохозяйственными метафорами садовника и лесника. Сетеёмкие системы сегодня – фронтир системной инженерии.

Ещё более сложные системы – это предпринятия, т.е. предприятия и другие системы с организационным надзором, в том числе децентрализованным (enterprise, organizational governance (decentralized)). Governance рекомендуем переводить как «поднадзорность», а не «управление»: governance означает, что подназорный субъект не выскальзывает из-под надзора, а продолжает выполнять свои обязательства исполнять поручения полномочного менеджера предпринятия. Созданием таких организационных систем занимаются не системные инженеры, а инженеры предприятий (которые, впрочем, с удовольствием пользуются учебниками и стандартами системного подхода и системной инженерии, равно как и менеджерскими учебниками, стандартами и публичными документами). В состав этих систем входят люди, поэтому в силу самопринадлежности людей предпринятия мы сразу говорим о нём как о системе систем. Но на этом уровне хотя бы есть поднадзорность/governance, то есть существуют стейкхолдеры, полномочные выдавать общие распоряжения по использованию ресурсов.

Самый сложный вид систем – это системы систем. С ними не может быть гарантии, что они все по степени автономности управляемые, как на предыдущем уровне предпринятия (где известны полномочия людей по распоряжению ресурсами организации). Нет, тут могут быть и подтверждённые, и сотрудничающие, и виртуальные системы систем. Инженерия систем систем сейчас бурно развивается, хотя в ней нельзя указать каких-то надёжно работающих методов. То же самое относится к построению всевозможных бизнес-эко-систем[97]. Это пока больше искусство.

А ещё в этой классификации присутствуют только инженерные системы, которые делают люди. Тут не указаны природные системы, которые могут быть сложными или простыми в зависимости от того, какие функции от них ожидают стейкхолдеры и что они хотят сделать с этими природными системами, включая их в состав своих систем, используя их как разработчики в ходе проектирования и изготовления, или даже используя их как пользователи в ходе эксплуатации. Интуитивно понятно, что сложность биологических систем очень и очень высока. Недаром системный подход как способ мыслительной работы со сложностью сначала использовался главным образом для разбирательства с биологическими и природными системами.

 

Сложность и меры сложности

 

Понятие сложности интенсивно разрабатывалось не только в рамках системных исследований (т.е. исследований по развитию системного подхода), но и во многих других дисциплинах. Окончательного согласия по тому, что такое сложность нет, и не предвидится. Так, Seth Lloyd собрал различные определения для мер сложности[98]. Все эти определения он отнёс к попыткам ответа на три вопроса:

1. Как трудно описать систему? Обычно это измеряется в битах, затрачиваемых на представление описания. Мерами сложности тут будут информация, энтропия, алгоритмическая сложность или алгоритмическое содержание информации, максимальная длина описания, информация Фишера (Fisher), энтропия Рени (Rényi), длина кода (беспрефиксного, Хаффмана, Шэннона-Фано, корректирующего ошибки, Хамминга), информация Чернова, размерность, фрактальная размерность, сложность Lempel-Ziv.

2. Как трудно создать систему? Сложность как трудность создания измеряется во времени, энергии, долларах и т. д. Меры сложности тут вычислительная сложность, временна́я вычислительная сложность, пространственная вычислительная сложность, основанная на информации сложность, логическая глубина (depth), термодинамическая глубина, цена, шифрованность (crypticity).

3. Какая степень организованности? Тут может быть два варианта:

а) «результирующая сложность» (effective complexity), трудность описания организационной структуры, неважно корпоративной, химической, клеточной. Приведём их по-английски: Metric Entropy; Fractal Dimension; Excess Entropy; Stochastic Complexity; Sophistication; Effective Measure Complexity; True Measure Complexity; Topological epsilon-machine size; Conditional Information; Conditional Algorithmic Information Content; Schema length; Ideal Complexity; Hierarchical Complexity; Tree subgraph diversity; Homogeneous Complexity; Grammatical Complexity.

б) количество информации, которой нужно обмениваться между частями системы из-за такой организационной структуры: Algorithmic Mutual Information; Channel Capacity; Correlation; Stored Information; Organization.

Есть и понятия, которые не являются понятиями сложности, но очень близки: Long – Range Order; Self – Organization; Complex Adaptive Systems; Edge of Chaos. Есть и совсем альтернативные меры сложности (например, основанные на скорости описания оцениваемых объектов, а не объёме этого описания[99]).

Ситуация с понятием «сложность» очень характерна для системного подхода: употребляемые в нём слова кажутся вполне «бытовыми» и имеющими ясные и интуитивно понятные с детства значения. Но нет, слова эти вдруг оказываются терминами, за которыми скрываются очень сложные и противоречивые понятия, с этими понятиями работают самые разные логические или количественные модели, проводятся количественные измерения самых разных их характеристик.

В рамках настоящей книги мы будем считать сложной систему из достаточно большого количества элементов, настолько большого, чтобы в одной голове не получалось оценить все связи и взаимодействия. Если в системе пятьсот человек, этого вполне достаточно, чтобы в одной голове не получилось оценить все связи и взаимодействия этих людей. Это сложная система. В одной голове так же трудно удержать все связи и взаимодействия в системе смартфона, в системе атомной электростанции, многих других инженерных системах. Для наших целей обучения системному мышлению такого неформального понимания сложности вполне достаточно, но вы должны помнить, что кроме этого неформального понимания есть и другие, формальные понимания сложности, есть множество теорий сложности, из которых пришли эти формальные понимания.

Системное мышление не даёт никаких «объективных ответов» на вопросы о системах. Эти ответы всегда зависят от того, какой стейкхолдер спрашивает, и какой стейкхолдер даёт ответ. В системном мышлении нет никакого алгоритма, приводящего к правильному ответу, нет последовательности шагов, гарантирующих какой-то приемлемый результат этого мышления. Системное мышление сложно, его долго осваивать – этим оно напоминает какую-то «необъективную высшую математику». Системное мышление даже не трудится давать точные определения своим понятиям: разные стейкхолдеры норовят приспособить эти понятия для своих самых разных потребностей. Но понятия системного мышления позволяют компактно и просто описывать сложный мир!