Рекурсивная сложность техносоциальных систем как фактор разрастания социальных рисков
Орлов Д.Е.

Статья рекомендована Н.И. Кузнецовой 28.07.2014 г.

Аннотация

В статье рассматривается проблема непрогнозируемого разрастания современных сложных систем (финансовых рынков, социальных сетей интернета и др.), показывается нерелевантность традиционных инструментов социального и кибернетического их описания. Опираясь на положения системной теории Н. Лумана, автор предлагает переориентировать исследовательский фокус на поиск рекурсивных моделей сложных техносоциальных объектов.

Ключевые слова: техносоциальные системы, социальные риски, социальные сети, рекурсивные модели.

Исследовательский интерес программистов и социологов все больше привлекают «непокорные» техносоциальные системы, которые непрогнозируемо разрастаются, а их динамика не поддается описанию традиционными средствами моделирования. Такое поведение характерно, к примеру, для современных финансовых рынков и социальных сетей интернета. Динамика разрастания этих и подобных им объектов характеризуется свойством аутопоэзиса, при котором в объекте замыкается рекурсивная петля – безостановочный процесс примыкания последующей операции к предшествующей. При этом объект сам (из себя) надстраивает этажи собственной сложности, опираясь на свой же структурный ресурс [1]. В таких случаях отклик системы на заданное воздействие трудно предсказать, а в сколько-нибудь отдаленной перспективе возможности прогнозирования будущего таких систем практически сводятся к нулю [2]. Непрозрачность поведения подобных систем провоцирует многочисленные социальные риски.

Сложный объект обычно характеризуется наличием сетевой структуры. К метафоре ризоматической сети обращается, к примеру, теоретик постмодерна Ж. Делез [3]. Однако в контексте исследования современных сложных систем наиболее продуктивными представляются результаты, полученные парижской школой объект-центричной социологии (Б. Латур, М. Каллон, К. Кнорр-Цетин) [1].

Б. Латур использует понятие сети при исследовании науки как особой системы убеждений людей [4]. В науке имеет место конкуренция сетей убеждений. Сеть в понимании Латура – это растущий и трансформирующийся объект, который выстраивается, сталкивается с другими сетями, побеждает или проваливается. Главное в победе сети – это затвердевание определенного утверждения, превращение его в «черный ящик». Латур – признанный автор акторно-сетевой теории (Actor-Network Theory – ANT) и один из лидеров целого направления современной социологии – наука, техника и общество (Science, Technology and Society – STS). Сеть убеждения в науке, узлами которой являются люди, вещи, тексты и т.д., также может быть отнесена к техносоциальным системам наподобие интернета и финансового рынка. Латур утверждает: вещи способны давать отпор теоретику, стремящемуся описать взаимодействия классическими средствами по формуле Э. Дюркгейма – «социальное объясняется через социальное» [5]. Теоретик неизбежно сталкивается с непокорностью объекта, которую нельзя понять и объяснить одними только социальными причинами. Дело в том, что вещи (объекты) вписаны в социальные отношения, наряду с людьми, как самостоятельные акторы.

К. Кнорр-Цетин и У. Брюггер одними из первых обратили внимание на то, что взаимодействие людей и объектов (программного оборудования, финансовых потоков, средств осуществления транзакций и т.д.) фондового рынка существенно искажается, когда описывается традиционными инструментами социологии. Этот тип разрастающейся связи – трейдеры-объекты, как оказалось, нельзя адекватно отобразить, принимая в расчет одни лишь социальные причины, придавая тем самым социальному фактору исключительное и всеобъемлющее значение [6]. Авторы «Рынка как объекта привязанности» тщательно анализируют взаимодействие трейдеров через биржевые компьютерные терминалы, посредством которых осуществляются сделки. В качестве эмпирической базы исследования был выбран торговый зал Швейцарского банка (Swiss Bank). Применительно к теме настоящей статьи важно выделить, по меньшей мере, три вывода по итогам исследования.

1. Рынок как объект ни одним игроком не может быть понят во всей полноте, он непрерывно разворачивает свою структуру.

2. Субъект (трейдер) вовлекается в объект (рынок) и не располагает управляющим уровнем. Он не столько управляет объектом, сколько встраивается в него – стремится своими действиями «продавить» рынок.

3. «Продавливая» рынок, трейдеры антропоморфизируют его, приписывая всей системе, в которую они вовлечены, свойства живого человекоразмерного объекта, который всегда недостаточен, незавершен и всегда находится в процессе становления. При этом с точки зрения невовлеченного стороннего наблюдателя трейдеры, казалось бы, выполняют вполне определенную задачу: необходимо заработать максимум для инвестора, получить максимальный бонус, устранить последствия неудачных сделок и т. д.

Пространственные границы рынка размыты и эфемерны. Сделка может быть заключена в любой точке земного шара, а время, в течение которого перенаправляются денежные потоки, измеряется секундами. При этом, с одной стороны, фиксируется деформация ценностных установок участников торгов, с другой – провоцируются глобальные социальные риски, в значительной степени затрагивающие экономику и благополучие целых государств. Еще одно важное обстоятельство, отмеченное исследователями, – сопротивление рынка попыткам описать его по схеме Input/Output – предсказуемого выхода в ответ на заданный вход. Таким образом, классические инструменты моделирования поведения данного и подобных ему объектов оказываются в лучшем случае малоэффективными. Попытаемся ответить на вопрос, почему так происходит?

В недрах классической науки в XVII–XVIII вв. сформировался принцип линейной причинности. Линейная причинность предполагает, что взаимная игра причин и следствий строго определена. Наука на этом этапе стремится к целостному объяснению мира, которое включает природу, человека и общество. П. Лаплас, утверждая детерминированность мира, писал: «Мы должны рассматривать настоящее состояние вселенной как следствие ее предшествующего состояния и как причину последующего» [7, с. 9]. Это положение по сей день сохраняет силу в отношении простых систем, для которых «достаточно полагать, что суммарные свойства их частей исчерпывающе определяют свойства целого» [8, с. 37]. Сам по себе принцип детерминизма не отрицает существования сложных объектов. Однако сложность (или усложнение) рассматривается в ее агрегативном значении, когда, зная внутреннюю схему объекта и принцип его работы, можно его разобрать и собрать заново, можно гарантировать его поведение (Output) в зависимости от тех или иных способов воздействия на него (Input).

В середине XX в. возникает новая парадигма исследования, стремящаяся, так же как и классическая наука XVII–XVIII вв., к целостному и согласованному объяснению мира. Речь идет о системном подходе. В отличие от классического естествознания, системный подход включает в рассмотрение объекты, в которых присутствует обратная связь. Первые попытки построения общей теории систем осуществляются приблизительно в одно время с появлением кибернетики Н. Винера и относятся к 1940–1950-м годам. Кибернетика не является вариантом общей теории систем, однако общесистемный и кибернетический способы описания объектов имеют много общих черт. В первую очередь это нацеленность на согласованное (в пределе – формализованное) описание систем различной природы.

Помимо кибернетики, в середине XX столетия появляются общая теория систем Л. фон Берталанфи, теория социальных систем Т. Парсонса и др. близкие им концепции. Однако именно кибернетика получила наибольшую известность как всеобщая теория управления. На основе положений кибернетики, базирующихся на развитом математическом аппарате (теория графов, теория автоматов, математическая логика, теория информации), стало возможным построение прикладных математических моделей. В кибернетике и общей теории систем рождается представление об эмерджентности – особом целостном качестве объекта-системы, не сводимом и не выводимом из составляющих его элементов. Кибернетика успешно применяется в задачах описания искусственных машин. Тем не менее неразрешимой проблемой для нее остается описание сложных социальных и техносоциальных систем, которые в большинстве случаев не позволяют применить к себе понятийную конструкцию Input/Output. Кибернетика Винера определяла ценностный ресурс информации как возможность расширения управления. Отсюда известное выражение: «Кто обладает информацией, тот управляет миром». Э. Морен показывает ряд недостатков кибернетики 1950–1960-х годов, среди которых особо выделяет недостижимость антропосоциальной сложности в рамках этой теории. Появившись как образ «антропосоциальной мегамашины», кибернетика пыталась описать сознание и общество в терминах искусственной машины. «Кибернетика обрела свою форму, – пишет Морен, – в контексте господствовавших в то время способов мышления и действия, а не просто доминировала над ними. После того как в своем понятии машины кибернетика вышла за пределы редукционизма, который разлагал целое на его элементы, она развернула такой редукционизм, который сводит все живые или природные существа-машины к модели искусственной машины… У кибернетики отсутствует фундамент. Ей не хватает принципа сложности» [9, с. 306].

С указанными недостатками, по-видимому, связаны трудности кибернетического подхода в описании социальных систем. Эти трудности выражаются в несоответствии кибернетической модели моделируемому объекту. Модель должна включать то существенное, что встроено в моделируемый объект, т.е. быть адекватной объекту. Нетрудно заметить, что иррелевантными природе объекта могут быть не только кибернетические, но и экономические модели. Например, ряд моделей прогнозирования рыночной ситуации базируется на предположении о рациональном поведении участников рынка. Однако жизнь людей не сводится лишь к удовлетворению экономических интересов, и их поведение далеко не всегда рационально. Н. Талеб, рассматривая подходы к моделированию экономических систем, утверждает, что в ортодоксальной экономической теории рациональность превратилась в «смирительную рубашку» [10]. Идеи максимизации и оптимизации экономических интересов, которые легли в основу большинства моделей рынка, не оправдали себя на практике. Такая оптимизация является ярким примером «стерильного моделирования».

Исследуя динамику рынка, Б. Мандельброт приводит в качестве примера американский экономический кризис 1987 г., когда в день пика обвала цен 27 октября ценовые котировки скакали, «как безумные», и стоимость американской экономики уменьшалась на 100 млн. долларов в секунду в течение самого критического часа торгов [11, с. 155]. Мандельброт указывает, что очень сложно определить фатальную пусковую причину обвала цен. Рынок – объект с турбулентной динамикой. Он демонстрирует пример системы, в которой, наряду с обратной связью, присутствует особенный механизм, не схватываемый привычными понятиями сети, обратной связи и входа/выхода.

Таким образом, механизмы развития/эволюции техносоциальных объектов не описываются средствами классического детерминистского анализа. Во-первых, они характеризуются выстраиванием собственных уровней сложности. Во-вторых, они непрозрачны для наблюдателя, желающего найти в них целостный причинно-следственный механизм. В-третьих, они способны к взрывной, турбулентной активности. Возможно, именно здесь результаты, полученные Х. фон Фёрстером, могут дать толчок к поиску новых путей описания сложности. Х. фон Фёрстер разрабатывал проблему поведения «нетривиальной машины», которая способна подключать собственное состояние при ответе на внешнее воздействие [12]. В «кибернетике 2-го порядка» фон Фёрстера ключевым становится понятие рекурсии. Система, в которой запущен рекурсивный процесс, обладает собственным типом детерминации. Она отвечает на внешние воздействия (или игнорирует их) в соответствии с собственной динамикой. Для такой системы характерна сложная (не лапласовская) причинность. Дальнейшее развитие идеи рекурсии выразилось в концепции аутопоэзиса, нашедшей отражение в работах чилийских нейробиологов У. Матураны и Ф. Варелы, а также в системной теории немецкого социолога Н. Лумана.

Луман рассматривает систему не как совокупность элементов и отношений, а как единство, образуемое и поддерживаемое за счет рекурсивного присоединения операций [13]. Предложенный Луманом теоретический аппарат, с нашей точки зрения, весьма продуктивен для поиска возможностей моделирования сложных аутопоэзных объектов. В теории Лумана коммуникация рекурсивно присоединяется к коммуникации, однако это (конкретное) продолжение коммуникации вовсе не гарантировано предшествующими присоединениями. Оно всегда несет в себе неопределенность (по определению Лумана – осуществляется в соответствии с принципом двойной контингенции). Слово «контингентность» (contingency) близко по значению к русскому слову «случайность», но не совпадает с ним: оно накладывает запрет как на невозможное, так и на гарантированное событие будущего. Аналогично на финансовом рынке сделка присоединяется к сделке. В теории Лумана граница системы не определяется вещественно, а проходит по контуру операций. Рынок также не имеет строго выраженных физических границ. Его границы определяются операционально – системой сделок по покупке и продаже. Этот ряд сопоставлений можно продолжить. Однако необходимо выделить ключевое понятие, используемое Луманом, – аутопоэзис (т.е. самостроительство) систем. Понятие аутопоэзиса вначале разрабатывалось в биологии и применялось для различения живой клетки и неживых систем [14]. Система, в которой запущена рекурсивная петля, достигнув определенного уровня сложности, начинает выстраивать свои операции в соответствии с собственной динамикой. Сложность финансового рынка и интернет-коммуникаций позволяет сделать предположение о самозапуске аутопоэзиса в этих системах [2, 15].

Одним из инструментов описания сложности рекурсивных оперативно замкнутых систем могут стать фрактальные структуры Б. Мандельброта [11]. Фрактал – это рекурсивная структура, в чем-то подобная схеме нетривиальной машины и механизму присоединения операций в операционально замкнутой системе. В рамках этого математического направления, возможно, удастся разработать мощные инструменты прикладной математики, которые обеспечат продвижение в описании сложных объектов.

Однако между фракталом и динамикой аутопоэзной системы есть различие. Фрактал строится из базовой формулы, базового порождающего правила. «Предложенный Н. Луманом подход, – пишет Е.Н. Ивахненко, – не приемлет метафор возврата к первоначалу, поиска естественных констант или установление apriori в раскрытии сложности самовозрастающих (аутопойезис) биологических объектов, социального порядка, коммуникативных приращений» [2, с. 93]. Луман также говорит о бесперспективности попыток четкой фиксации будущего состояния аутопоэзной системы. Для такой системы характерна динамика эволюционного дрейфа и отсутствие линейной причинности. При этом вводимое им понятие двойной контингенции как некоторого горизонта возможностей представляется достаточно продуктивным для моделирования [16].

Таким образом, современные социальные теории отвечают на запрос на новые модели описания техносоциальных объектов. Усложнение, эволюция и, как итог, запуск аутопоэзиса в этих объектах смещают фокус их моделирования с захвата управляющего уровня на коммуникативное включение в рекурсивную динамику. Новые исследовательские стратегии и модели должны указывать способы выявления социальных рисков, провоцируемых рекурсивно разрастающейся сложностью, и находить адекватные способы блокировки наиболее опасных для общества последствий такого разрастания.

Литература

1. Ивахненко Е.Н. Аутопойезис информационных объектов // Информационное общество. 2009. № 1. С. 34–41.

2. Ивахненко Е.Н. Социология встречается со сложностью // Вестник РГГУ. Серия «Философские науки. Религиоведение». 2013. № 11. С. 90–101.

3. Делёз Ж., Гваттари Ф. Тысяча плато. Капитализм и шизофрения. М.: Астрель, 2010.

4. Латур Б. Наука в действии. СПб.: Изд-во Европ. ун-та в С.-Петербурге, 2013.

5. Латур Б. Когда вещи дают сдачи: возможный вклад «исследований науки» в общественные науки // Вестник МГУ. Сер. «Философия». 2003. № 3. С. 9–34.

6. Кнорр-Цетин К., Брюггер У. Рынок как объект привязанности: исследование постсоциальных отношений на финансовых рынках // Социология вещей. Сб. статей. М.: Издательский дом «Территория будущего», 2006. С. 309–341.

7. Лаплас П. Опыт философии теории вероятностей: Пер. с фр. М.: Книжный дом «Либроком», 2011.

8. Степин В.С. Исторические типы научной рациональности в их отношении к проблеме сложности // Синергетическая парадигма. Синергетика инновационной сложности. М.: Прогресс-Традиция, 2011.

9. Морен Э. Метод. Природа природы. М.: «Канон+», 2013.

10. Талеб Н. Черный лебедь. Под знаком непредсказуемости. М.: КоЛибри, 2009.

11. Мандельброт Б., Хадсон Р. (Не)послушные рынки. Фрактальная революция в финансах. М.: Вильямс, 2006.

12. Foerster H. von. Cybernetics of Cybernetics. Urbana Illinois: University of Illinois Press (Biological Computer Laboratory), 1974a.

13. Луман Н. Введение в системную теорию. М.: Логос, 2007.

14. Матурана У., Варела Ф. Древо познания. М.: Прогресс-традиция, 2001.

15. Лавренчук Е.А. Аутопойезис социальных сетей интернет-коммуникаций // Вестник РГГУ. Серия «Философия. Социология». 2009. № 12. С. 48–56.

16. Ивахненко Е.Н., Аттаева Л.И. Изменение стратегий осмысления сложного: от метафизики и целерациональности к коммуникативной контингентности // Известия Смоленского государственного университета. 2011. № 4. С. 353–366.

____________________________

ОРЛОВ Дмитрий Евгеньевич

Аспирант кафедры социальной философии философского факультета Российского государственного гуманитарного университета