Исследование моделей экосистем
Системой называют набор каких-либо объектов, которые взаимодействуют друг с другом по некоторым, не всегда нам известным, правилам. Уровень сложности систем может быть очень разным. Простейшие системы состоят из немногих элементов, простым образом взаимодействующих друг с другом. Система из двух космических тел, связанных взаимным притяжением, два электрических заряда, взаимодействующие по закону Кулона, большинство взаимодействий, изучаемых в курсе физики, относятся к достаточно простым системам. Но уже Солнечная система, в первом приближении состоящая из центральной звезды и девяти планет, связанных друг с другом гравитационными взаимодействиями, представляет собой уже весьма сложную систему, и расчет, например, движения в ней межпланетного корабля, — задача очень большой сложности. Только с использованием мощных вычислительных машин такая задача решается с удовлетворительной точностью.
Такие системы, как экосистемы, слишком сложны для современных математических методов и вычислительной техники. Условно их можно отнести к категории сложных систем, отличающихся от «простых» не только большим числом разнородных элементов, но и разнообразием структуры и характера связей между ними. Именно число и характер связей определяют не только уровень сложности, но и основные свойства системы. Например, число типов нервных клеток в мозге не так уж велико, оно измеряется, даже с учетом разнообразия клеток каждого типа, всего немногими десятками. Количество типов межнейронных контактов, синапсов, немногим более десятка. Все огромное богатство возможностей мозга зависит от числа нейронов и многообразия связей между ними. Это система, сложность которой превосходит современные возможности моделирования, если пытаться построить более или менее полную модель. В этом, собственно, и состоит проблема «искусственного интеллекта».
Не меньше сложность больших экосистем, состоящих из миллиардов особей десятков тысяч видов, связанных между собой пищевыми связями, изменениями общей среды, конкуренцией за убежища, свет и другие ресурсы, различными видами совместного использования ресурсов. Даже на первый взгляд не очень сложная система, такая как, например, еловый лес, при ближайшем знакомстве оказывается состоящей из множества видов и имеет сложную структуру изменяющихся во времени связей. Столь же или более сложны большие экономические системы, в которых взаимосвязаны люди, коллективы, промышленные, транспортные, энергетические, сельскохозяйственные компоненты, при разных культурах могущие иметь различный характер внутрисистемных связей.
Взаимодействие экономических систем с экологическими, иными словами, этносов со вмещающими ландшафтами, есть всегда взаимодействие двух сложных систем, составляющих вместе сверхсложную суперсистему. Конечно, термины «простая», «сложная», «сверхсложная» в применении к системам достаточно условны и не означают наличия ясных границ между ними. Применять их можно лишь как описательные характеристики, и используются эти термины только для того, чтобы яснее осознать, что адекватные объекту, то есть практически полно описывающие его состав и свойства, модели пока могут быть реализованы только для сравнительно простых систем. Отсюда следует, что адекватную модель экосистемы, а тем более социоэкосистемы, в обозримом будущем построить, скорее всего, не удастся.
Вместе с тем потребность в исследованиях систем как самостоятельных объектов по мере развития науки возрастала. Особенно острой была эта потребность в экологии, имеющей объектом исследований прежде всего экосистемы. Системные исследования нужны были и в экономике, и во многих естественных науках. Задолго до появления мощных ЭВМ (см. статью «Компьютерные технологии«) системы разной степени сложности, конечно, привлекали внимание ученых, но их исследования поневоле ограничивались качественным уровнем.
С появлением возможности количественного изучения многоэлементных систем с разнообразными связями системные исследования получили наконец базу для применения математических методов. Исследования Римского клуба, другие работы по глобальным моделям, позволяющие «просчитать» основные последствия различных возможных сценариев развития человечества, представляют собой наиболее, пожалуй, важные примеры применения расчетных методов в анализе сложных систем.
Применение ЭВМ, действительно, создало новые возможности в исследованиях сложных систем. Однако в этой области все еще имеются многочисленные ограничения. Часть из них связана с недостаточной для полного анализа сложных систем мощностью ЭВМ. Для того, чтобы составить обозримую систему уравнений, описывающих основные связи в реальной сложной системе, приходится заранее выделять наиболее существенные переменные, пренебрегая многими другими. Этот выбор никогда не может быть абсолютно надежен, поскольку он определяется не столько опытным путем, сколько интуицией исследователей. Тем не менее такое выделение существенных переменных позволяет получать достаточно убедительные, хотя и обобщенные результаты. Кроме того, обилие объектов и связей в природных системах настолько велико, что сбор достаточно полной первичной информации о них представляет собой весьма трудоемкую и дорогостоящую задачу, подчас просто невыполнимую.
Для разработки моделей, исследуемых на ЭВМ, была необходима формализация признаков и свойств систем. В связи с этим в 60-е годы стал интенсивно развиваться так называемый «системный подход», в рамках которого возник до сих пор не определивший своей принадлежности к конкретной науке (математике, информатике, методологии) раздел знаний, который можно назвать «системологией». Возникшее в ходе его развития более четкое представление о системах оказалось полезным не только в области математического моделирования систем, но и в их качественных исследованиях.
Рассмотрим некоторые основные свойства сложных систем, имея в виду условность термина «сложная». Один из основных признаков системы, заставляющий рассматривать ее как самостоятельный объект, заключается в том, что система всегда нечто большее, чем сумма составляющих ее элементов. Это объясняется тем, что наиболее важные свойства системы зависят от характера и числа связей между элементами, что и придает системе способность менять свое состояние во времени, иметь достаточно разнообразные реакции на внешние воздействия. Разнообразие связей означает, что есть связи разного «веса» или «силы»; кроме того, в системе возникают обратные связи с разным знаком действия — положительные и отрицательные. Элементы или подсистемы, связанные положительной обратной связью, склонны, если их не ограничивают другие связи, взаимно усиливать друг друга, создавая неустойчивость в системе. Например, повышение средней температуры на Земле ведет к таянию полярных и горных льдов, уменьшению альбедо и поглощению большего количества поступающей от Солнца энергии. Это вызывает дальнейшее повышение температуры, ускоренное сокращение площади ледников — отражателей лучистой энергии Солнца и т. д. Если бы не многочисленные другие факторы, влияющие на среднюю температуру поверхности планеты, Земля могла бы существовать только либо как «ледяная», отражающая почти все солнечное излучение, либо как раскаленная, наподобие Венеры, безжизненная планета.
Дополнительные связи, ограничивающие эту положительную обратную связь, создаются уровнем углекислого газа в атмосфере, облачностью, деятельностью растительного покрова, распределением водных и воздушных течений. Отрицательные обратные связи обеспечивают способность систем к стабилизации состояния. Поэтому численность хищника, отрицательно воздействуя на численность жертвы, стабилизирует ее и, значит, себя самое, хотя связь жертва-хищник имеет положительный знак: увеличение численности жертвы позволяет хищнику также увеличить численность. Сочетание положительных и отрицательных обратных связей в ряде случаев создает в системах колебательные режимы.
Качество элементов, разнообразие их характеристик, так же как разнообразие в системе связей между ними, создает многие дополнительные свойства сложных систем. С этим связана еще одна сторона систем — степень их централизованности или, наоборот, дискретности. Пример сильно централизованной системы — Солнечная система: сосредоточение основной части ее массы в центральном светиле, Солнце, определяет подчиненное, но очень устойчивое положение остальных элементов, планет. Высокой степенью дискретности обладают, например, экосистемы; их устойчивость к внешним воздействиям тем выше, чем больше число составляющих их видов, которые более или менее равноправны как элементы системы и могут до некоторых пределов заменять друг друга и поддерживать состояние экосистемы.
Еще одно важное свойство сложных систем — их способность изменяться, эволюционировать во времени в соответствии с условиями существования и под действием внутренних законов. Например, вид эволюционирует как система, причем система достаточно сложная, многоуровневая: ее элементами являются и отдельные особи, и популяции, и экологические типы, и многие другие составляющие вплоть до подвидов. Заметим кстати, что одна из известнейших статей Н. И. Вавилова, вышедшая в 30-е годы, называлась « Линнеевский вид как система»; это ясно говорит о возникновении потребности в исследовании систем задолго до появления современной системологии.
Эволюционируют, как мы видели выше, и экосистемы, и вся биосфера в целом. Эволюционирует человеческое общество, системы его взаимодействия с природными комплексами. Эволюционируют (по крайней мере, на первый взгляд это так и выглядит) даже технические Системы, например автомобили или самолеты. Правда, их «эволюция» есть результат эволюции представлений людей о том, каким должен и может быть автомобиль или самолет, так что это — отражение эволюции другой системы, а сами технические устройства с течением времени могут только разрушаться.
Знание основных свойств сложных систем позволяет достаточно уверенно выделять в них наиболее важные элементы и связи, существенные переменные, определяющие главные тенденции изменений сложных систем под разными воздействиями. Конечно, для того, чтобы выделить действительно существенные переменные, нужно достаточно хорошо знать структуру связей и элементы системы. Часто применяемый при этом прием — разделение сложной системы на более простые подсистемы, иногда нескольких уровней. Последовательно исследуя такие подсистемы, удается в качестве элементов сложной системы рассматривать обозримое количество обобщенных данных. Именно таким путем создавались и создаются глобальные модели.
Однако прогнозы состояния сложных систем, таких как суперсистема биосфера-человечество, нужны прежде всего для практических целей. Мало с помощью моделей выбрать оптимальный сценарий будущего развития. Необходимо разрабатывать программы управления такими компонентами суперсистемы, как тип экономики, численность людей в целом и по регионам, затраты на очистку среды, здравоохранение, охрану и восстановление природных экосистем и множество других. Ясно, что глобальные модели могут дать для таких программ только ориентировочные показатели, достижение которых желательно. Такие программы в принципе не могут быть четкими планами действий, поэтому в процессе их реализации необходим постоянный контроль за результатами тех или иных действий, их своевременная корректировка.