emergency
17:35 25-07-2019 "Порядок и хаос в развитии социальных систем: Синергетика и теория социальной самоорганизации"
Сабж это диссертация, написанная в 1999 году, то есть более поздняя чем работы Пригожина. Причем если Пригожин какбы только стоял у основания теории систем, насколько я понимаю, он скорее изучал так называемые "диспассивные структуры" то есть среды, которые способны самостоятельно организовываться.

То сабж - работа по одной из наук, которые возникли позже. В данном случае - по синергетике, науке, которая изучает не замкнутые системы, а динамические, получающие энергию извне и так же сливающие энергию в окружающий мир. Более того, системы склонные к разрушению и трансформации со временем. Фактически это частный случай диспассивных структур, то есть структуры которые возможно и способны к самоорганизации, но неспособны это сделать раз и навсегда в агрессивной внешней среде. И поэтому вынужденные придти к каким-то общим правилам, не зависимым от текущего состояния среды и независимо от твоего собственного состояния.

В первую очередь синергетика дает интересное определения порядка и хаоса. Утверждается, что состояние порядка это такое, в котором параметры системы не слишком сильно отклоняются от нормы.
Мне честно говоря свое определение нравится больше. Ну то есть, имхо, не важно насколько параметры отклонились от нормы. Если ты все равно можешь предсказать поведение системы после отклонения параметров - значит она в порядке. Важна имхо предсказуемость, а не величина колебаний.

Ну то есть величина колебаний тоже важна, но она во-первых показывает, какие параметры имеет смысл сравнивать. Если параметр не колеблется, то на его основе вообще нет смысла что-то считать. К примеру бесполезен параметр расстояния, но из него можно вывести полезный параметр скорости, так как скорость колеблется, а расстояние только увеличивается.
А если и скорость только увеличивается, то и она бесполезна. Но тогда из нее можно вывести полезный параметр ускорения и т.д.

Во-вторых, по величине колебаний можно смотреть, какие отклонения вообще считать, а какие нет. Грубо говоря, любое колебание меньше чем на 1% от среднего наверное вообще не важно, и им можно пренебречь при оценке хаотичности.

В-третьих, по изменениям размера среднего колебания можно отслеживать переход системы из одного состояния в другое. Особенно если на похожие величины изменились средние колебания сразу нескольких параметров. При этом совсем не очевидно, что с превышением средних параметров система свалилась в хаос, но скорее всего это значит, что она изменила свое состояние. И так же можно предположить, что в состоянии хаоса она была в процессе смены (а возможно и нет).

Короче в колебаниях я вижу полезный параметр, но не настолько прямолинейно, как пишет автор. С другой стороны, если в роли системы у нас искусственный механизм, то скорее всего он нам нужен работающим только в одном состоянии, и поэтому переход в другие означает что механизм сломался. Даже если это и предсказуемо, все равно - непорядок. Хаос.

Далее автор описывает преимущества синертегического взгляда над классическим. И пишет, что особенно в двадцатом веке многие политические течения пытались сформировать замкнутые системы, которые бы сопротивлялись изменениям (некоторые до сих пор пытаются см. стабильность, но работа писалась в 1999 так что вы поняли) и что эти течения оказались не состоятельными и значит имеет смысл работа над системами которые заведомо не замкнутые и открытые изменениям. То есть система должна меняться, это ок, в том числе должна меняться непредсказуемо, но при этом не должна разрушаться.
В этом смысле определение хаоса как выход системы за границы допустимых колебаний - тоже вполне рабочий.

Еще критика классической науки:
"- предметом науки является общее, повторяющееся, науки об индивидуальном не существует; случайность изгоняется из научных теорий, она считается второстепенным, побочным фактором, не имеющим принципиального значения

- развитие понимается как линейное, поступательное, без альтернатив; если и наблюдаются случайные альтернативы, то они поглощаются магистральным течением событий; отсюда — линейные модели управления системами (управляющее воздействие рождает желаемый результат).
"

Отдельно указывается, что наука в прошлом пыталась загнать процессу в предсказуемые рамки, а хотелось бы шагнуть дальше, и принять некоторую непредсказуемость процессов, не мешать им быть непредскауемыми. То есть делать механизмы, которые функционируют, даже когда система ведет себя так, как не ожидал создатель механизма. Это кстати очень близкие идеи с игровым дизайном, особенно в онлайн играх.

Новую картину мира автор называет "постклассической". Почему никто кроме меня не использует в этих случаях прекрасный термин "постмодерн"?

Читаю дальше. Здесь опять пойдет набор постов. Я постепенно сливаю свои заметки, пока иду по тексту.
Комментарии:
Aleosha
01:17 27-07-2019
Предсказуемость на самом деле зависит от величины колебаний, как ты их называешь.
emergency
01:45 27-07-2019
Почему?
Вот есть двое качелей. Одни сильно качаются. Другие слабо.
Одни более предсказуемы чем другие?
Aleosha
01:55 27-07-2019
Потому что есть такая штука как epsilon:
http://mathworld.wolfram.com/Epsilon.html
https://en.wikipedia.org/wiki/Epsilon

В реальном мире у тебя редко бывает что-то действительно дискретное.
Поэтому ты когда делаешь предсказание, так же вносишь некую погрешность, которую готов принять.
emergency
11:21 27-07-2019
эмм.... ну ок, предположим, вносишь ты погрешность предсказанием
и почему в результате качающиеся по большей амплитуде качели становятся менее предсказуемыми чем те, что качаются по меньшей?
Aleosha
12:39 27-07-2019
"Более предсказуемые" и "менее предсказуемые" зависят от того, какую погрешность ты готов принять.

Сравнивать "качели" (на самом деле функции) ты придумал, не я.
emergency
13:00 27-07-2019
Ну предположим я готов принять погрешность в 1% от среднего колебания.
Каким образом это делает систему, колебания которой больше - менее предсказуемой?

Я не понимаю, при чем тут вообще величина колебаний.
Для меня очевидно, что имеет значение стабильность, а не величина. Важно насколько стабильно система выдает повторяющиеся результаты, все остальное - важно только как вторичные параметры, влияющие на стабильность (если они вообще влияют на нее, что не факт).