Страница 3 из 213
Разделение кибернетических систем на непрерывные и дискретные является до известной степени условным. Оно определяется глубиной проникновения в предмет, требуемой точностью его изучения, а иногда и удобством использования для целей изучения системы того или иного математического аппарата. Так, например, хорошо известно, что свет имеет дискретную, квантовую природу. Тем не менее, такие параметры, как величина светового потока, уровень освещенности и др. принято обычно характеризовать непрерывными величинами поскольку, постольку обеспечена возможность достаточно плавного их изменения. Другой пример — обычный проволочный реостат. Хотя величина его сопротивления меняется скачкообразно, при достаточной малости этих скачков оказывается возможным и удобным считать изменение непрерывным.
Обратные примеры еще более многочисленны. Так, выделительная функция почки на обычном (неквантовом) уровне изучения является непрерывной величиной. Однако во многих случаях довольствуются пятибалльной характеристикой этой функции, рассматривая ее тем самым как дискретную величину. Более того, при любом фактическом вычислении значения непрерывных параметров приходится ограничиваться определенной точностью вычислений. А это означает, что соответствующая величина рассматривается как дискретная.
Последний пример показывает, что дискретный способ представления величин является универсальным способом, ибо имея в виду недостижимость абсолютной точности измерений, любые непрерывные величины сводятся в конечном счете к дискретным. Обратное сведение для дискретных величин, принимающих небольшое число различных значений, не может привести к удовлетворительным (с точки зрения точности представления) результатам и поэтому на практике не употребляется. Таким образом, дискретный способ представления величины является в определённом смысле более общим, чем непрерывный.
Разделение кибернетических систем на непрерывные и дискретные имеет большое значение с точки зрения используемого для их изучения математического аппарата. Для непрерывных систем таким аппаратом является обычно теория систем обыкновенных дифференциальных уравнений, для дискретных систем — алгоритмов теория и автоматов теория . Ещё одной базовой математической теорией, используемой как в случае дискретных, так и в случае непрерывных систем (и развивающейся соответственно в двух аспектах), является информации теория .
Сложность кибернетических систем определяется двумя факторами. Первый фактор — это так называемая размерность системы, т. е. общее число параметров, характеризующих состояния всех её элементов. Второй фактор — сложность структуры системы, определяющаяся общим числом связей между ее элементами и их разнообразием. Простая совокупность большого числа не связанных между собой элементов с повторяющимися от элемента к элементу простыми связями, ещё не составляет сложной системы. Сложные (большие) кибернетические системы — это системы с описаниями, не сводящимися к описанию одного элемента и указанию общего числа таких (однотипных) элементов.
При изучении сложных кибернетических систем, помимо обычного разбиения системы на элементы, используется метод укрупнённого представления систем в виде совокупности отдельных блоков, каждый из которых является отдельной системой. При изучении систем большой сложности употребляется целая иерархия подобных блочных описаний: на верхнем уровне такой иерархии вся система рассматривается как один блок, на нижнем уровне в качестве составляющих системы блоков выступают отдельные элементы системы.
Необходимо подчеркнуть, что само понятие элемента системы является до известной степени условным, зависящим от ставящихся при изучении системы целей и от глубины проникновения в предмет. Так, при феноменологическом подходе изучения мозга, когда предметом изучения является не строение мозга, а выполняемые им функции, мозг может рассматриваться как один элемент, хотя и характеризуемый достаточно большим числом параметров. Обычный подход заключается в том, что в качестве составляющих мозг элементов выступают отдельные нейроны. При переходе на клеточный или молекулярный уровень каждый нейрон может, в свою очередь, рассматриваться как сложная кибернетическая система и т.д.
Если обмен сигналами между элементами системы полностью замыкается в ее пределах, то система называется изолированной или замкнутой. Рассматриваемая как один элемент, такая система не имеет ни входных, ни выходных сигналов. Открытые системы в общем случае имеют как входные, так и выходные каналы, по которым они обмениваются сигналами с внешней средой. Предполагается, что всякая открытая кибернетическая система снабжена рецепторами (датчиками), воспринимающими сигналы из внешней среды и предающими их внутрь системы. В случае, когда в качестве рассматриваемой кибернетической системы выступает человек, такими рецепторами являются различные органы чувств (зрение, слух, осязание и др.). Выходные сигналы системы передаются во внешнюю среду через посредство эффекторов (исполнительных механизмов), в качестве которых в рассматриваемом случае выступают органы речи, мимика, руки и др.
Поскольку каждая система сигналов, независимо от того, формируется она разумными существами или объектами и процессами неживой природы, несет в себе ту или иную информацию, то всякая открытая кибернетическая система, равно как и элементы любой системы (открытой или замкнутой), может рассматриваться как преобразователь информации. При этом понятие информации рассматривается в очень общем смысле, близком к физическому понятию энтропии (см. Информация в кибернетике).
Кибернетический подход к изучению объектов различной природы. Рассмотрение различных объектов живой и неживой природы как преобразователей информации или как систем, состоящих из элементарных преобразователей информации, составляет сущность так называемого кибернетического подхода к изучению этих объектов. Этот подход (равно как и подход со стороны др. фундаментальных наук — механики, химии и тому подобное) требует определенного уровня абстракции. Так, при кибернетическом подходе к изучению мозга как системы нейронов обычно отвлекаются от их размеров, формы, химического строения и др. Предметом изучения становятся состояния нейронов (возбужденное или нет), вырабатываемые ими сигналы, связи между нейронами и законы изменения их состояний.
Простейшие преобразователи информации могут осуществлять преобразование информации лишь одного определённого вида. Так, например, исправный дверной звонок при нажатии кнопки (рецептора) отвечает всегда одним и тем же действием — звонком или гудением зуммера. Однако, как правило, сложные кибернетические системы обладают способностью накапливать информацию в той или иной форме и в зависимости от этого менять выполняемые ими действия (преобразование информации). По аналогии с человеческим мозгом подобное свойство кибернетических систем называют иногда памятью.
«Запоминание» информации в кибернетических системах может производиться двумя основными способами — либо за счет изменения состояний элементов системы, либо за счет изменения структуры системы (возможен, разумеется, смешанный вариант). Между этими двумя видами «памяти» по существу нет принципиальных различий. В большинстве случаев это различие зависит лишь от принятого подхода к описанию системы. Например, одна из современных теорий объясняет долговременную память человека изменениями проводимости синаптических контактов, т. е. связей между отдельными составляющими мозг нейронами. Если в качестве элементов, составляющих мозг, рассматриваются лишь сами нейроны, то изменение синаптических контактов следует рассматривать как изменение структуры мозга. Если же наряду с нейронами в число составляющих мозг элементов включить и все синаптические контакты (независимо от степени их проводимости), то рассматриваемое явление сведется к изменению состояния элементов при неизменной структуре системы.