Очевидно, что более простые объекты нашего мира удовлетворяют более простым системам аксиом, следствия из которых математиками изучены более полно. Поэтому естественные науки “низших” уровней оказываются более математизированными.
Опыт развития современного естествознания показывает, что на определенном этапе развития естественно научных дисциплин неизбежно происходит их математизация, результатом которой является создание логически стройных формализованных теорий и дальнейшее ускоренное развитие дисциплины.
Приближенный характер естественнонаучных знаний.
Несмотря на то, что естественные науки часто называют точными, практически любое конкретное утверждение в них носит приближенный характер. Причиной этого является не тольконесовершенство измерительных приборов, но и ряд принципиальных ограничений на точность измерений, установленных современной физикой. Кроме того, практически все реально наблюдаемые явления столь сложны и содержат такое множество процессов между взаимодействующими объектами, что их исчерпывающее описание оказывается не только технически невозможным, но и практически бессмысленным (человеческое сознание способно воспринять лишь весьма ограниченный объем информации). На практике исследуемая система сознательно упрощается путем ее замены моделью, учитывающей только самые важные элементы и процессы. По мере развития теории модели усложняются, постепенно приближаясь к реальности.
Основные этапы развития естествознания могут быть выделены, исходя из различных соображений. По мнению автора, в качестве основного критерия следует рассматривать доминирующий среди естествоиспытателей подход к построению их теорий. При этом оказывается возможным выделение трех основных этапов.
Естествознание древнего мира. Завершенного деления на дисциплины не существовало, создаваемые концепции в своем большинстве носили мировоззренческий характер. Экспериментальный метод познания в принципе допускался, но роль решающего критерия истинности эксперименту не отводилась. Верные наблюдения и гениальные обобщающие догадки сосуществовали с умозрительными и часто ошибочными построениями.
Классический период развития естествознания берет свое начало с экспериментальных работ Галилея (18 век) и длится до начала нашего столетия. Характеризуется четким разделением наук на традиционные области и даже несколько гипертрофированной ролью эксперимента в их развитии (“понять- значит измерить”). Эксперимент рассматривается не только как критерий истинности, но и как основной инструмент познания. Вера в истинность экспериментально добытых результатов столь велика, что их начинают распространять на новые области и проблемы, где соответствующей проверки не производилось. При обнаружении расхождений так создаваемых концепций с реально наблюдаемыми явлениями неизбежно возникало недоумение, граничащее с попытками отрицания самой возможности познания окружающего мира.
Современное естествознание характеризуется лавинообразным накоплением нового фактического материала и возникновением множества новых дисциплин на стыках традиционных. Резкое удорожание науки, особенно экспериментальной. Как следствие - возрастание роли теоретических исследований, направляющих работу экспериментаторов в области, где обнаружение новых явлений более вероятно. формулировка новых эвристических требований к создаваемым теориям: красоты, простоты, внутренней непротиворечивости, экспериментальной проверяемости, соответствия (преемственности). Роль эксперимента, как критерия истинности знания, сохраняется, но признается , что само понятие истинности не имеет абсолютного характера: утверждения, истинные при определенных условиях, при выходе за границы, в рамках которых проводилась экспериментальная проверка, могут оказаться приближенными и даже ложными. Современное естествознание утратило присущую классическим знаниям простоту и наглядность. Это произошло главным образом из-за того, что интересы современных исследователей из традиционных для классической науки областей переместились туда, где обычный “житейский” опыт и знания об объектах и происходящих с ними явлениях в большинстве случаев отсутствуют.
После триумфа классической механики Ньютона химия в лице Лавуазье, положившего начало систематическому применению весов, встала на количественный путь, а вслед за ней и другие естественные науки. “Таково первое основание, по которому физик не может обойтись без математики; она дает ему единственный язык, на котором он в состоянии изъясняться (А.Пуанкаре.Цит.соч. - С.220)”.
Дифференциальное и интегральное исчисление хорошо подходит для описания изменения скоростей движений, а вероятностные методы - для необратимости и создания нового. Все можно описать количественно, и тем не менее, остается проблемой отношение математики к реальности. По мнению одних методологов, чистая математика и логика используют доказательства, но не дают нам никакой информации о мире ( почему Пуанкаре считал, что законы природы конвенциональны), а только разрабатывают средства его описания. Однако, еще Аристотель писал, что число есть промежуточное между частным предметом и идеей, а Галилей полагал, что Книга Природы написана языком математики.
Не имея непосредственного отношения к реальности, математика не только описывает эту реальность, но и позволяет, как в уравнениях Максвелла, делать новые интересные и неожиданные выводы о реальности из теории, которая представлена в математической форме. Как же объяснить непостижимую истинность математики и ее пригодность для естествознания? Может все дело в том, что “ механизм математического творчества, например, не отличается существенно от механизма какого бы то ни было иного творчества”( А.Пуанкаре.Цит.соч.-С.285)? Или более пригодны более сложные, системные объяснения?
По мнению некоторых методологов, законы природы не сводятся к написанным на бумаге математическим соотношениям. Их надо понимать как любой вид организованности идеальных прообразов вещей, или пси-функций. Есть три вида организованности: простейший - числовые соотношения; более сложный - ритмика 1-го порядка, изучаемая математической теорией групп; самый сложный - ритмика 2-го порядка - “слово”. Два первых вида организованности наполняют Вселенную мерой и гармонией, третий - смыслом. В рамках этого объяснения математика занимает свое особое место в познании.
Работа над любой математической моделью начинается со сбора и анализа фактического материала. Определяются цели моделирования. Выделяются главные черты изучаемого объекта или явления. Вводятся формализованные характеристики. Принимаются правила работы с ними. В результате возникает математический объект, который и называется математической моделью. Разрабатываются методы математического анализа модели, которыми она исследуется. Полученные результаты математического моделирования интерпретируются в рамках исходного фактического материала, что позволяет оценить степень адекватности модели. Результаты моделирования не должны противоречить выделенным ранее ключевым экспериментальным фактам. Одновременно, модель не может объяснить все стороны изучаемого объекта или явления.
Хорошая модель, кроме объяснения известных, должна давать возможность предсказывать новые свойства. Математическое моделирование широко используется там, где экспериментальные исследования трудоемки и дорогостоящи, или вообще невозможны (например, в изучении социальных явлений).
Кроме задачи о прогнозе, математическое моделирование помогает классифицировать и систематизировать фактический материал, увидеть существующие связи в мозаике фактов. Это вытекает из того, что модель является специфическим -ярким и выразительным языком, предназначенным для описания для описания изучаемого объекта или явления.
Мир математических моделей разнообразен. Существуют различные схемы их классификации. Однако, каждая модель конкретна и предназначена для описания достаточно узкого круга объектов и явлений. Модели сильно отличаются друг от друга не только предметными областями, но математической терминологией, а также математическими методами их исследования.
Предпочтение отдается более простым моделям. Отметим, что “простота” (иногда в ущерб точности)-один из принципов, о котором всегда нужно помнить при разработке математической модели.
Математические модели нейронных систем
Изучение нейронных систем - одно из самых романтических направлений научных исследований, поскольку нейронные системы присущи как человеку, так и животным. Самая совершенная интеллектуальная система - человеческий мозг. Никакой компьютер в настоящее время не может воспроизвести ее феномен. Более того, даже поведение таких относительно простых организмов, как кальмары, в настоящее время в полной мере невозможно смоделировать на компьютере. Законы функционирования отдельных элементов нервной системы в целом не плохо изучены. Однако, законы функционирования ассоциаций нельзя свести законам поведения отдельных элементов. На самом деле об эффектах, обусловленных коллективным поведением нейронных популяций, известно мало. Понятны некоторые самые общие принципы. Например, нейронные системы способны адаптироваться к меняющимся условиям, т.е. им не нужны жесткие программы. Одновременно, последние, хотя бы в форме рефлексов, присутствуют в нервной системе. Экспериментальное изучение эффектов коллективного поведения нейронных систем затруднено. Эти системы слишком сложно устроены. Так в мозге человека и животных каждый нейрон находится под воздействием тысяч других нейронов и, соответственно, влияет на тысячи нейронов. Всего же по современным оценкам в мозге порядка миллиарда нейронов. Огромное значение имеет математическое моделирование, как метод косвенного исследования. Оно помогает понять, какие процессы могут происходить в нейронных популяциях. Затем уже можно пытаться обнаружить соответствующие явления экспериментально. Модели различаются в зависимости от целей моделирования. Некоторые модели достаточно адекватно в деталях описывают поведение отдельных нейронов и помогают понять закономерности их функционирования. Они же являются базовыми для моделей малых нейронных популяций. Для описания больших популяций используют упрощенные модели нейронов. Упор делается на изучение эффектов коллективного поведения. Результаты моделирования используются как в нейрофизиологии, так и в технике. Уже сейчас выпускаются нейронные платы. Пока их возможности невелики. Они используются, например, в обработке изображений, а также при решении некоторых экономических задач. Следует отметить, что сейчас все задачи, которые можно решить с помощью нейронных плат, в принципе можно решить и с помощью обычного компьютера. Однако, нейронные платы увеличивают быстродействие. Перспективным считается направление, связанное с использованием нейронной техники для проведения вычислений. Ряд вычислений на нейроподобных системах может проводиться нетрадиционным способом -путем имитации явлений.