В современном мире люди всё чаще познают окружающую реальность не напрямую, через личный опыт, а с помощью разных посредников — книг, фильмов, научных моделей, новостных сюжетов, постов в соцсетях. Такие посредники называют медиаторами, они становятся промежуточным звеном между субъектом и объективной реальностью. Они формируют наше представление о мире, хотя сами по себе — это не реальность, а её упрощённое или интерпретированное отражение. Поэтому сегодня особенно важно понимать, как устроены эти посредники, как они «моделируют» реальность и как влияют на наше восприятие и мышление. Обобщенно их можно назвать духовными объектами.

В.И.Вернадский обнаружил и установил новый научный факт - человечество, взятое в целом, становится мощной геологической силой [1]. Именно этот факт лег в основу выдвинутой им гипотезы, что эволюция биосферы движется в направлении ноосферы, которая является новым геологическим явлением на нашей планете [1] и основное, что происходит в этом случае – это преобразование биосферы, включая и человека, как ее части. Сущность преобразования заключается в производстве материальных и духовных объектов. Отсюда можно сделать следующий вывод, что 1) ноосфера – это наша действительность, и 2) основной функцией ноосферы является преобразование, т.е. производство такого рода объектов.

Изучать действительность, т.е. ноосферу, можно только с помощью ее упрощения и построения на этой основе тех или иных моделей. С этой целью введем понятие ноосферного пространства – своего рода упрощенную модель ноосферы, которую будем трактовать как глобальную среду взаимодействия когнитивных, культурных, технологических и материальных систем, т.е. тех же материальных и духовных объектов.

Материальные объекты конструируются в ответ на потребности материального характера – таких как удовлетворение первичных жизненных потребностей в еде, жилище, тепле и т.п., так и вторичных, которые сводятся, в основном, к повышению комфорта жизни.

Духовные объекты конструируются в ответ на потребности духовного характера – таких как стремление к осознанию себя, своего места в жизни и обществе, познанию тайн природы.

Это взаимосвязанные потребности, они имеют сложный характер взаимодействия и непосредственно или опосредованно влияют на производство объектов материального и духовного характера, осуществляя тем самым обратную связь и усложняя нашу модель.

С другой стороны, нынешняя человеческая деятельность – это создание не только и не столько материальных объектов, сколько сложных систем, существующих на стыке физической реальности и информационного пространства (можно вспомнить тот же ИИ!), поэтому их можно назвать квазифизическими объектами (КФО). В условиях современного научного знания интерес к исследованию таких систем только усиливается. В связи с этим можно предложить следующую классификацию таких объектов:

1. Материальные (физические) или простые объекты
2. Квазифизические (информационные) или сложные объекты
3. Духовные или очень сложные объекты

Такая классификация отражает, с одной стороны, сложность изучения таких объектов, а, с другой – появление задач, стоящих перед человечеством на его очередном витке развития.

 Одним из перспективных направлений анализа такого рода систем, становится изучение КФО, подчеркивая тем самым их нефизическую суть — феноменов, которые обладают частичными характеристиками материальных объектов, но при этом их онтологический статус во многом определяется информационными процессами и моделями, сопровождающими их существование в культурно-научной картине мира.

Как описывать такие объекты, тем более с позиций формализации – это значительная проблема. Ее решение позволить идти дальше – моделировать и на основе построенных моделей изучать такого рода объекты.

КФО в ноосферном пространстве — это концептуальные структуры, которые связывают материальные и нематериальные аспекты существования и представляют собой идеи, символы, ментальные конструкции, которые, хотя и не обладают физической формой, могут быть представлены или моделированы с использованием подходов из науки, философии и технологий. Они обладают следующими отличительными характеристиками:

1. Нематериальность: Эти объекты существуют не в физическом пространстве, а в области идей, знаний или восприятия (например, культурные артефакты, символы, коллективные ментальные модели).
2. Информационная природа: Они часто определяются через информацию, которая может быть передана, обработана или воспринята (например, алгоритмы, культурные традиции, языки).
3. Влияние на физическую реальность: Несмотря на нематериальность, такие объекты оказывают прямое влияние на материальные процессы, например, через управление социальными структурами или воздействие технологий.

Особую значимость проблематика КФО приобретает в контексте осмысления ноосферного пространства, в котором реальность конструируется не только на уровне эмпирического опыта, но и через многоступенчатую систему информационных репрезентаций, цифровых симулякров и научных моделей, превращающих КФО в важные элементы когнитивного ландшафта современности.

Актуальность данной статьи обусловлена необходимостью комплексного подхода к изучению информационных моделей как медиаторов, формирующих представления о КФО, а также изучения их роли в процессах познания, научного прогнозирования и социального конструирования реальности.

Методология. Исследование опирается на комплексный междисциплинарный подход, включающий методы системного анализа, теории познания, моделирования сложных систем и информационных технологий.

Научная новизна. В работе предлагается концептуальная модель, описывающая КФО как особый класс феноменов, существующих на стыке физического, информационного и символического измерений, что позволяет расширить представления о природе современной реальности в ноосферном пространстве.

Наши научные представления о природе, включая законы, теории и научные картины мира носят преимущественно модельный характер – они суть модельные конструкты [2,3]. Об этом хорошо высказался в свое время выдающийся ученый Н.Винер: «Цель и результат научного исследования добиться понимания и контроля над некоторой частью Вселенной. Ни одна из частей Вселенной не является настолько простой, чтобы ее можно было понять и управлять ею без абстракции. Абстракция –это замена рассматриваемой части вселенной, некоторой ее моделью, моделью схожей, но более простой структуры. Таким образом, построение моделей формальных, или идеальных «мысленных», с одной стороны, и моделей материальных с другой, по необходимости занимает центральное место в процедуре любого научного исследования» [4]. Т.е., любое научное исследование сводится к построению модели процесса, безотносительно того, в рамках каких наук строятся эти модели – гуманитарных, включая общественные или естественных. И те, и другие имеют дело с моделями исследуемой действительности, хотя и представленными в разном виде, и в этом смысле гуманитарные науки принципиально не отличаются от естественных наук. Ценность моделирования заключается в том, что оно вносит в любое исследование возможность проведения измерений, экспериментирования, в том числе мысленного или имитации, что позволяет разрабатывать новые методы на его основе. Другими словами, можно сказать, что, всякая наука непосредственно имеет дело со специальными моделями той или иной реальности.

Однако моделирование КФО сталкивается с рядом проблем, из которых основными, по сути, являются две: как описывать эти объекты и какой метод для их моделирования выбрать. При этом, очевидно, что выбор или создание метода должен учитывать или опираться на его описание, представление. Возможно даже, что именно описание диктует выбор метода моделирования или подсказывает, дает направление поиска такого метода.

 В настоящее время отсутствуют внятные схемы описания КФО, поэтому и отсутствуют соответствующие им методы моделирования. При этом, на выбор метода влияют и другие факторы, такие как цель описания (физическое моделирование, информационное, когнитивное и т.д.), уровень абстракции, доступные данные.

Конечно, для моделирования КФО можно использовать различные подходы, например, использовать графы для описания взаимосвязей между объектами (например, модели социальных сетей), т.е. использовать информационное моделирование, или те же математические модели такие как, например, динамические системы для изучения эволюции идей, а также системы управления для анализа взаимодействия между людьми и "объектами" в ноосфере или, например, компьютерные модели для изучения поведения коллективного разума, а также для изучения взаимодействия между квазифизическими и физическими объектами. Можно также использовать когнитивные и философские модели, такие как, например, модели, основанные на теории информации, когнитивных процессах и философии сознания или феноменологические модели для анализа того, как эти объекты воспринимаются субъектами.

Но эти подходы «подстраивают под себя» КФО, и это при том, что в настоящее время отсутствует единое понимание в его отношении и адекватного описания. Поэтому первостепенным для выбора адекватного метода мы считаем разработку единообразного подхода к описанию КФО.

Изучение любых объектов начинается с изучения его структуры – это начальный и обязательный этап решения любой проблемы или задачи, предварительное описание ее структуры [5]. И роли не играет, какой это объект - материальный или духовный.

Пока у нас нет возможности описывать духовные объекты, кроме как представлять их в «общем», распространенном для этого виде: книги, статьи, учения и т.п., но у нас есть возможность частичного описания – когда вычленяется какой-то аспект духовного объекта и мы можем произвести его описание, в виде информационного (квазифизического) объекта, например, программы и т.п. Это некоторые промежуточные описания назовем квазифизическими или информационными. Основное их назначение – приблизиться к описанию сути духовного объекта, получить его описание для какой-то части, пусть и приближенное, пока на данном этапе развития производительных сил и возможностей науки.

Анализ исследований и публикаций.

Концепция ноосферы и её интерпретации. Термин «ноосфера» был введён В.И. Вернадским, который рассматривал её как качественно новую стадию эволюции биосферы, в которой определяющую роль начинают играть разумная деятельность человека и информационные потоки [1, 6, 7]. Современные интерпретации ноосферы [8, 9, 10 и др.] подчеркивают её медийно-информационный характер: это глобальная когнитивная сеть, в которой знания циркулируют, трансформируются и задают формы социального бытия. Важно, что ноосфера сегодня всё чаще рассматривается не только как среда, но и как активный агент, задающий правила конструирования реальности.

Понятие КФО можно отнести к тем сущностям, которые:

• С одной стороны, имеют материальную привязку (например, они могут быть частью научных теорий — тёмная материя, квантовые флуктуации и т.д.).

• С другой стороны, существуют преимущественно в форме информационных моделей, прогнозов, символических конструкций.

Подобные феномены активно исследуются в работах по спекулятивному реализму [11], теоретической онтологии [12, 13] и философии науки [14, 15].

Информационные модели как медиаторы познания. Концепция медиаторов активно развивалась в рамках актерно-сетевой теории [16], где знание конструируется в сети взаимодействующих акторов, включая не только людей, но и технические системы, тексты, базы данных. Современная информационная философия [17] дополняет это понимание, вводя термин инфосфера как всеобъемлющую среду, в которой модели не просто описывают реальность, но и сами становятся элементами реальности.

Нужно отметить, что в любом случае предварительно необходимо получить, описать структуру проблемы, задачи или объекта как начальный и обязательный этап исследования. Этот этап, связанный с определением структуры (проблемы, задачи или объекта) с содержательной точки зрения хорошо описан М.Вертгеймером [18], А.Ф.Лосевым [5] и М.Бунге [19, 20]. Ясно, что этот этап всегда предшествует какой-либо дальнейшей математизации или формализации, которая служит для однозначного понимания, детализации, уменьшения неопределенности и, кроме того, он необходим для построения модели изучаемого объекта или процесса. На важность этого этапа указано в [21-23], кроме того, в [21] была предложена процедура (по сути, алгоритм) позволяющий систематизировать и тем самым облегчить проведение подобной процедуры.

Структурное описание сложных систем предпринято в [24], однако в них присутствует специфика задач управления сложными объектами. В работах [25, 26] предприняты попытки разработки формализованного аппарата структурного анализа сложных систем, однако, опять - таки с точки зрения задач управления. В то же время, в этих работах отмечено, что аппарат структурного моделирования должен основываться на возможностях синтаксической формализации структурных описаний, другими словами, должен основываться на синтаксических моделях структур сложных систем без конкретизации специфики аспекта описания.

В работе [27], посвященной в значительной степени рассмотрению понятию нечеткости сложных систем, отмечено, что сложные системы имеют, как правило, дискретные состояния. Это важный вывод, так как фактически позволяет связать эти состояния со структурой объекта.

В работе [28] рассмотрены основы сложных динамических систем и их модели. Отмечено, что неопределенность и нечеткость усложняет их решение. В качестве решения предлагаются нечеткие когнитивные карты. В то же время упускается из виду, что для успешного применения тех же карт необходима предварительная структуризация проблемы, другими словами, ее дискретизация и означивание, которая позволит перейти к ее описанию и дельнейшему использованию тех же когнитивных карт.

В работе [29] автор рассматривает формализацию как метод логики и отмечает, что формализация – это вид знакового моделирования, с помощью которого суть исследуемого объекта передается знаком. В результате такой замены существенные стороны смысловой части выражаются на основе знаков. Однако автор не упоминает о том, что означивание возможно только в результате дискретизации состояний сложного объекта.

Объединяя идеи Вернадского, Латура, Флориди и др., можно утверждать, что КФО в ноосферном пространстве — это особая категория сущего, существующая одновременно в материальной, информационной и символической формах. Их познание и использование невозможно без изучения моделирующих систем, которые выступают ключевыми медиаторами между человеком и этими объектами.

М.Бунге предпринял попытку формализации сложного, трудно определимого объекта – понятия парадигмы и дать ей строгое определение на основе конструктивного подхода к ее определению. Согласно М.Бунге, парадигма включает пять компонент [8, 9]:

П = <В, Н, Р, A, М>,                (1)

где В (body) - основа фонового знания, включающего философские принципы, научные концепции, данные, сведения; H (hypotheses) - множество особых субстантивных гипотез; Р (problematics) - проблематика как множество чисто познавательных проблем; A (aim) - познавательная цель; М (methodics) - вся совокупность релевантных процедур. Эти компоненты составляют парадигму и определяют ее характеристики. Иными словами, парадигма является одновременно совокупностью теоретических знаний, предположений и их методологических следствий [19, 20]. Фактически М.Бунге ввел в оборот некую новую сущность – КФО, о котором будет идти речь далее, и у которого наряду с измеримыми свойствами могут быть и неизмеримые (или только неизмеримые), но отличные друг от друга. А, с другой стороны, он ввел дискретность или структурность в определение парадигмы, придал определению парадигмы синтаксическую формализацию и означил ее компоненты, приписав им тем самым некоторую условную шкалу наименований. Пример М.Бунге как раз и дает образец такого КФО, объекта чаще всего нефизического, ментального, духовного мира, где компоненты – не всегда измеримые сущности, с указанными выше свойствами.

Ценность подхода, предложенного М.Бунге, на наш взгляд, как раз в том и состоит, что он позволяет в какой-то степени отождествить описание не только парадигмы, но и ряда других трудно формализуемых задач или объектов, с неким формализмом, позволяющим сузить рамки задачи и описать ее, точнее, означить ее, отграничить от остальных предметов, т.е. фактически дискретизовать ее в рамках некоторой шкалы наименований и получить своеобразную квазифическую описательную модель исследуемого явления, что позволяет приблизиться к канонам исследовательских процедур вообще и открыть в дальнейшем путь к измерениям, что значительно повышает ценность проводимого исследования. Тем самым он описал структуру проблемы, если отвлечься от ее содержательной трактовки, в виде, близком к синтактической формализации, вследствие чего предложенный М.Бунге формализм можно распространить и для описания других сложных, трудно формализуемых объектов.

Таким образом, новизна предлагаемого подхода заключается в расширении подхода М.Бунге на случай описания сложных объектов нефизической природы за счет обобщения и привлечения синтаксической формализации структурного описания. Это может: 1) помочь исследователям более точно определить область их исследования; 2) конкретизировать объект и предмет своего изучения, структурировать его характеристики и на этой основе выдвинуть гипотезы и ставить задачи исследования; 3) лучше понимать, какие знания и предположения лежат в основе исследуемого объекта и как они связаны между собой, а также для формулировки проблематики и цели исследования; 4) выбрать релевантные процедуры и методы моделирования для достижения поставленной цели при анализе данных.

Цель статьи и метод исследования

Выявить ключевые особенности существования КФО в ноосферном пространстве, а также охарактеризовать информационные модели, обеспечивающие их репрезентацию и интеграцию в современную познавательную практику, а также осветить результаты по разработке метода дискретизации и означивания для описания сложных, трудно формализуемых КФО, которые встречаются в социальных, экологических, экономических и т.п. системах. В основе метода лежит подход М.Бунге, который предлагается обобщить в виде некоторого формализма к описанию сложных, трудно описываемых объектов, явлений и процессов, которые встречаются в упомянутых системах.

Источниками информации для этой цели являются научные труды ведущих украинских и зарубежных ученых, а также результаты эмпирических исследований авторов. Методами исследования являются общенаучные методы познания (анализ, синтез, обобщение, научная дедукция и индукция, аналогия, моделирование), а также специальные метода анализа: гипотетико-дедуктивный, логический, структурный.

Изложение основного материала исследования и полученных результатов.

Один из главных постулатов или законов нашего познания гласит – любой объект, реальный или воображаемый, может быть представлен в виде списка его свойств или характеризующих его признаков.

Практически для описания любой проблемы или задачи, любого объекта как в гуманитарных науках, так и естественных может быть использован этот постулат. Фактически это есть первый шаг в представлении объекта, понимании проблемы, а затем и ее решении. Как указывал академик А.Д.Закревский [30], "распознавая некоторый объект, по­лезно составить его описание в пространстве некоторых признаков...Простота такого способа соответствует его универсальности. Действительно, в терминах признаков можно описывать и болезни человека, изучаемые меди­циной, и химические соединения, и неисправности технических устройств, и залежи полезных ископаемых, и многое другое". И далее он подчеркивает: "Следует, однако, помнить: «беспорядоч­ное выдвижение различных признаков не позволит опре­делить различия предметов», как утверждали древние философы. Выбор подходящей системы признаков для описания некоторого класса объектов — далеко не прос­тая задача. … При составлении эффективной системы признаков следует избегать двух крайностей: избыточности и недо­статочности набора признаков. В первом случае важ­ные показатели будут скрыты в массе второстепенных или малозначимых (в своеобразном информационном шуме). Во втором — не выявятся критерии для одно­значного опознания конкретных объектов".

Таким образом, изучение любого объекта или явления начинается с его предварительного описания. В случае физических объектов такое описание включает только физические характеристики, т.е. те, которые мы можем точно измерить. Физический мир, отраженный в естественных науках — это, прежде всего, физические объекты биосферы и геосферы. В настоящее время — это все больше мир объектов техносферы, т.е. мир вещей. Физический мир представлен физическими объектами, как правило, имеющими реальные физические измерения (такими, как, например, кристаллы, которые имеют три пространственных измерения и ряд других – например, вес, и т.п.). Это суть физические понятия и объекты.

Естествознание изучает физические объекты и их свойства, т. е. бессознательную физическую материю во всех ее формах. Конечно, некоторые научные дисциплины, традиционно классифицируемые как естественные науки, например, медицина и биология, занимаются и ментальными, сознательными процессами, как и науки о человеке. Но с точки зрения «естественных наук» они изучают именно физиологию человека. Можно изучать большинство функций тела совершенно независимо от того, что происходит в сознании человека, обитающего в этом теле. В этом случае изучение происходит с выделением явных показателей, характеризующих изучаемый объект. Примером этого типа исследований могут служить исследования на основе моделей Machine Learning, например, связывающие изменения показателей общего и биохимического анализа крови с патологическими процессами, происходящими в печени [31].

Однако, когда медицинские работники занимаются исследованием желаний и предпочтений пациента, как это происходит, например, при изучении психосоматических расстройств [32], которые в настоящее время невозможно понять чисто физически, с привлечением ясных и физически измеримых показателей, характеризующих пациента – то это уже не связано с "чистым" естествознанием, как это обычно понимают. Как правило, исследования психосоматических расстройств и т.п. заболеваний связано с использованием неявных показателей, которые не могут быть точно определены или измерены и в силу этого подвергаются той же критике, что и все остальные гуманитарные науки: отсутствие убедительных доказательств и строгих законов, которые могут давать точные прогнозы и/или методы лечения.

В то же время нужно отметить, что в среде, созданной человеком, т.е. ноосфере, появились трудно описываемые объекты, которые отсутствовали и отсутствуют в живой природе, но которые, тем не менее, влияют на нее, пусть и опосредованно. Это искусственно сконструированные объекты – та же компьютерная программа, коммуникации, экономические модели и системы, другие подобные примеры – и они же, по сути, представляют собой объекты ноосферы, которые мы изучаем. С одной стороны, мы их осмысливаем, т.е. подходим к ним методологически, а, с другой стороны, мы их как бы «обнаруживаем», «открываем» в новом мире действительности, ментальном мире. «Обнаружение» здесь сродни конструированию таких объектов.

Эти объекты, как правило, представляют собой не физический мир, а мир ментальных сущностей, продуктов человеческого сознания, объектов ноосферы, они являются сложными разноплановыми системами, и для их познания прежде всего необходимо выбрать принципы их исследования. Какие же принципы исследования должны быть положены в основу изучения таких объектов?

1. Принцип системности. Сложные явления можно изучать только если они оказываются в определенном смысле изолированными, представленными в виде некоторой системы.
2. Принцип целостности. Подсказку в этом направлении дают работы А.И.Вернадского в области изучения биосферы. Он исследовал биосферу и ее объекты с позиций целостности – только так можно было учесть все нюансы объекта исследования, не расчленяя их, а видя их целостность. В качестве примера можно привести исследование почвы – это целостный объект и его так и нужно исследовать, как целостный. Аналогично высказывается А.Зиновьев [33, с.6]: «Все упомянутые подразделения моих исследований образуют единое целое с точки зрения способа понимания соответствующих объектов (скажем — с точки зрения «поворота мозгов»).
3. Принцип дополнительности. Сложное явление характеризуется не только, и не столько физическими свойствами, но чаще ментальными, нефизическими свойствами. Поэтому для его описания необходимо дополнительно привлекать соответствующие признаки или свойства.
4. Принцип вертикальной интеграции знаний (ВИЗ). Применение этого принципа, впервые предложенного И.Г.Ханиным [34], позволяет не ограничиваться только узконаправленными областями науки, но смотреть на задачу шире, привлекая, при необходимости весь спектр наук, включая философию, в какой-то степени – это некоторый аналог принципа целостности.
5. Принцип разумной достаточности. Это означает, что, исходя из анализа задачи и целей исследования, описываются все те факторы, которые могут оказать влияние на задачу. А уже в этом ландшафте отбираются или выделяются детерминанты, т.е. те факторы, которые, по мнению исследователя и с обоснованием, являются решающими в оказании влияния или определяющих свойства данного понятия.
6. Принцип дискретности (структурности) и означивания. Для сложного явления получить чисто аналитический вид чрезвычайно затруднительно и вряд ли имеет смысл. Но описание в дискретном виде (не путать с числовым видом), позволяющим формализовать, пусть и в простейшем виде, описание объекта (или структуры) – необходимо, так как такой вид вносит ясность в изучаемое явление, оно как бы «означивает», именует его.
7. Принцип изучения любых явлений, предложенный В.И.Вернадским - Наблюдение, Гипотеза, Теория, Прогноз.

Например, предмет различных дисциплин в общественных науках кажется одинаково разрозненным: социальные взаимодействия, обмены товарами/деньгами, прошлое, тексты и концепции/идеи и пр. Объединяющим началом этих разрозненных, казалось бы, объектов является тот факт, что в данном случае изучается особый тип сущностей, которые по своей сути представляют мир ментальных явлений [36] и тем самым отличаются от типов сущностей, изучаемых естественными науками. Тем не менее, такой мир сущностей, на наш взгляд, должен изучаться по образу физики, но на основе квазифизического подхода.  Такой мир сущностей можно назвать, и мы в дальнейшем будем называть квазифизическим. Заметим, что все гуманитарные и общественные науки относятся к квазифизическому миру.  Введение его в наше рассмотрение дополняет и расширяет наше обычное представление о мире как о мире чисто физическом. При этом, сложность явлений, встречаемых в квазифизическом мире связана с большим числом трудно определяемых переменных, взаимосвязи между которыми установить непросто.

Подобно тому, как при исследовании физического мира оперируют с физическими объектами, исследование квазифизического мира должно сопровождаться исследованием КФО. Их особенностью и главным отличием от физических объектов является тот факт, что они представляют из себя специально сконструированные объекты. Поэтому, для лучшего понимания дальнейшего изложения перейдем к точному определению КФО – это объект, обладающий как физическими, так и нефизическими, или только нефизическими свойствами.

Как пример КФО можно привести компьютерную программу, которая имеет не только ряд физических свойств (таких как длина кода, количество строк, объем занимаемой памяти компьютера и т.д.), но и набор нефизических свойств (таких как читабельность кода, эффективность выполнения программного кода, информативность результатов выполнения, универсальность кода и т.д.). Эти свойства фактически структурируют объекты нефизического мира, которые имеют, как правило, ментальный характер и вносят в них какую-то раздельность, которая позволяет их различать. Понятно, что в ряде случаев они могут оцениваться, в том числе, и с помощью экспертных оценок или других методов и такой подход расширяет познавательные возможности введенного понятия – КФО. Главное – мы можем привнести в описание объекта те факторы, которые оказывают влияние на решение задачи, даже в случае, если факторы оказываются неизмеримыми в принятом смысле.

Т.е. построению модели любого вида (описательной, функциональной, импликативной и т.д.) обязательно должен предшествовать этап структурного моделирования, фактически это начальная попытка формализации или этап моделирования начальной постановки задачи, то, что в настоящий момент остается пока что исключительно прерогативой человека. Тем самым мы как бы «означиваем», переводим в знаковую конструкцию описываемую проблему и превращаем ее в информацию, которую можно передать или над которой можно размышлять. Это то же самое, что и при построении признакового пространства в Data Mining и Big Data. Особенно важно это в гуманитарных науках. Фактически, с помощью такой структуризации мы преодолеваем, пусть и не во всем, разрыв между гуманитарными и естественными науками, осуществляем коммуникацию между ними, в определенной степени формализуем ее, подготавливает почву для единого описания сложных объектов, получаем возможности для измерения и вследствие этого применения математических методов и таким образом сближаем естественные и гуманитарные науки на этой основе.

Естественно, что и подход к исследованию таких объектов в этом случае должен быть квазифизическим, т.е. таким, который учитывает особенности такого рода объектов при их исследовании [34].

Еще одним примером КФО является научная коммуникация (НК). Такого рода объект можно рассмотреть непосредственно как физический, то есть исследовать само явление коммуникации как физической связи между коммуникаторами с описанием ее в виде явных показателей, таких как сигнал, приемо-передающая среда, помехи и т.д., а можно рассматривать как специально сконструированный КФО с включением в описание неявных показателей, таких как наличие похожих, но не одинаковых тезаурусов, наличие общего языка, диалоговый характер коммуникации и т.д.

В случае рассмотрения НК как физического объекта, существуют множество теорий, научных статей, монографий и т.д. [37- 40]. При таком подходе устанавливаются конкретные параметры и конкретные закономерности, то есть используются подход исследования, присущий естественным наукам.

 Однако при таком подходе упускаются важные детали, потому как исследуются только сопровождающие этот физический объект явления, без изучения лежащей в его основе сущности. А такой, более глубокий анализ, на наш взгляд, возможен только при применении более широкого подхода, чем подход, присущий исключительно естественным или гуманитарным наукам - подход, который объединял бы в себе их черты, и который, вследствие этого, выше мы назвали квазифизическим. Здесь отметим только, что попытка представить такой подход предпринята нами в работе [41]. Введение КФО есть, по сути, определенная формализация идей, изложенных в [8] и названных физической метафизикой, а также того, что К.Маркс назвал превращенными формами сознания [35].

Для лучшего понимания приведем ряд примеров из различных предметных областей, в которых основную роль играет понятие КФО.

1. Психосоматические заболевания в медицине – изучение и исследование психосоматических расстройств и т.п. заболеваний связано с использованием составляющих, которые не могут быть точно определены или измерены, но тем не менее на их основе даются прогнозы и предлагаются методы лечения.
2. Компьютерная программа: выше уже были отмечены ее как физические, так и нефизические свойства, последние, могут оцениваться, например, с помощью экспертных оценок.
3. Коммуникация: точно также ее можно рассматривать как объект с включением в описание составляющих, имеющих нефизический характер – выше они также были описаны.
4. Социальные институты: Государства, рынки, правовые системы — это конструкции, существующие благодаря коллективным представлениям
5. Цифровые сущности: Виртуальные аватары, блокчейны, искусственный интеллект — примеры современных КФО.
6. Коллективное сознание: Идеи, разделяемые обществом, такие как религиозные убеждения или научные парадигмы
7. Культурные символы: Гербы, национальные гимны или логотипы компаний.
8. Оценка экономического состояния предприятия – объект, в описание которого включены составляющие, имеющие нефизический характер – финансовое положение, условия на Рынке, наличие Конкурентов и др.

Все это примеры КФО. Обобщая, КФО можно представить в следующем виде:

            КФО = <Явление, Физические свойства, Нефизические свойства>, (2)

Главное, что мы получаем при таком способе – это описание составляющих структуры этого объекта, ведь согласно А.Ф.Лосеву [5] «структура – это самое главное, так как без нее нет никакой раздельности, и в этом случае предмету изучения нельзя приписать никаких свойств и, следовательно, изучать нечего». А эти свойства могут иметь как физический, так и нефизический характер, характеризующие предмет изучения. Хотя сам выбор этих составляющих представляет собой определенную, иногда даже значительную, проблему. Например, какие составляющие стоит включать в описание, а какие – нет, может помочь здравый смысл или опыт, а также применение вышеуказанных принципов исследования сложных объектов. Фактически, этот этап связан с начальным этапом познания, о котором упоминает В.И.Вернадский [43].  

 Познание в этом случае движется от неопределенности к определенности тех же самых составляющих, имеющих нефизический характер, т.е. в сторону их изучения и придания им большей определенности, в том числе, с помощью создания новых инструментов, позволяющих измерять эти составляющие, в том числе, например, и с помощью экспертных оценок.

Если исключить из описания (2) составляющие, имеющие нефизический характер, то мы придём к исследованию физического мира, где есть конкретное явление и конкретные постоянные или переменные, с помощью которых можно получить строгие законы, которые могут давать точные прогнозы.

Таким образом, наблюдаем ряд фактов, когда для самых различных сложных объектов исследования после выполнения первого этапа познания можно получить единообразное их описание в виде (2). Такой подход назовем квазифизическим и он может быть успешно применен на самом начальном этапе изучения сложных, трудно формализуемых объектов.

В экономике, например, использование только бухгалтерских критериев успешности функционирования компании является недостаточным, так как такая оценка не способна дать полное представление об экономическом состоянии предприятии, так же, как и другие оценки по отдельным сторонам деятельности предприятия. Для этого нужна некая целостная, обобщенная оценка, которая увязывала бы процессы, происходящие на предприятии с более общими процессами, присутствующими хотя бы на данном рынке и от которых зависит увеличение стоимости бизнеса. Для этого вышеуказанного случая 8 можно составить такое описание проблемы:

R = <П₁, П₂, П₃, П₄, П₅, П₆, П₇, П₈, П₉>, где R – оценка экономического состояния компании, П_i – составляющие.

К составляющим, описывающим такие процессы, можно, на наш взгляд, отнести следующие:

П₁ - уровень организационной зрелости предприятия;

П₂ - финансовое положение (финансовая устойчивость);

П₃ - наличие перспективного Продукта;

П₄ - отношения с Поставщиками и Потребителями;

П₅ - наличие Конкурентов;

П₆ - условия на Рынке;

П₇ - добавленная стоимость (EVA - Economic Value Added — экономическая добавленная стоимость).

С помощью этих составляющих можно «сконструировать» искусственный объект, представляющий из себя описание такого сложного, трудно формализуемого объекта как экономическое состояние предприятия в «координатах» выбранных составляющих, имеющих нефизические свойства. Если эти составляющие получат возможность для их оценки, то тогда у нас появляется инструмент для более объективной оценки R экономического состояния предприятия – она, например, может представлять собой точку в многомерном пространстве П₁ – П₇.

Такой подход дает нам возможность формализовать описание экономического состояния предприятий и их дальнейшую классификацию для целей оценки бизнеса с помощью формальных методов, таких как, например, объединяемых общим понятием интеллектуальная обработка данных (Data Mining) [44-46] а также использовать другие формальные методы для сравнения состояний, в которых находятся различные предприятия (или подразделения одного и того же предприятия) с целью поиска наилучших из них в смысле фактора EVA или поиска наилучшей стратегии перехода предприятия из состояния с «меньшим» значением EVA в состояние с более «высоким» значением EVA, что является положительным фактором для акционеров в рамках управления стоимостью компании.

Другими словами, обобщенная оценка R предприятия дает нам возможность указать направление дальнейшего развития предприятия. Инструментом же для достижения более «лучшего» состояния может служить, например, использование целевого подхода [47-49] или методы решения многокритериальных задач выбора показателей оценки эффективности различных управленческих решений [50] или методы когнитивных моделей [51].

Подводя итог определению квазифизического объекта, можно сказать, что КФО — это сущности, которые:

• Локализованы в реальном физическом мире, но их существование не фиксируется напрямую.
• Функционируют в научной и культурной картине мира за счёт информационных моделей.
• Обладают гибридным статусом: они одновременно результат теоретического конструирования и объект потенциального эмпирического обнаружения.

Информационные модели, выступая в роли медиаторов, выполняют несколько ключевых функций:

• Репрезентативная — представляют КФО в удобной для анализа форме.
• Прогностическая — позволяют строить сценарии поведения объекта в будущем.
• Интерпретационная — задают язык и параметры, в которых объект можно мыслить.
• Конститутивная — в некоторых случаях модель не просто описывает, а буквально создает объект (как в случае с виртуальными личностями или финансовыми дериватами).

Нужно отметить, что средой существования КФО является ноосферное пространство и в рамках ноосферной парадигмы КФО становятся:

• Узлами когнитивной сети — их существование поддерживается коллективными интеллектуальными усилиями.
• Элементами информационного обмена — каждый новый научный текст или технологическая модель частично трансформирует их статус.
• Маркерами границ знания — через КФО ноосфера «прощупывает» пределы познаваемого.

Информационные модели КФО оказывают значительное влияние на восприятие реальности, одновременно они имеют эффект обратной связи: не только описывают реальность для ученых, но и становятся частью массового сознания через медиа, образовательные программы, научно-популярные проекты. В результате:

• Реальность мыслится через призму медиированных концептов.
• Границы между материальным, символическим и виртуальным размываются.
• Общество начинает адаптироваться к этим «объектам», даже если их физическое существование не доказано.

Рассмотрим пример. Модель репутации как квазифизического объекта.

1. Описание объекта:

• Составные элементы: Отзывы пользователей, упоминания в СМИ, результаты опросов клиентов, рейтинг в социальных сетях.
• Факторы влияния: Маркетинговые кампании, инциденты (например, скандалы), успехи в отрасли.
• Влияние: Привлечение клиентов, рыночная стоимость, партнерские отношения.

2. Моделирование репутации:

a. Математическая модель:

• Весовая система: Присвоение каждому источнику информации веса в зависимости от его авторитетности (например, рейтинг доверия к конкретным СМИ или блогерам).
• Формула репутации:

c. Машинное обучение:

• Обучение модели классификации (например, Random Forest или BERT) для анализа текстов и определения эмоционального тона (позитивный, нейтральный, негативный).
• Использование временных рядов для изучения изменений репутации во времени.

d. Агентно-ориентированное моделирование:

• Создание виртуальной среды, где агенты (пользователи, СМИ, конкуренты) взаимодействуют, формируя репутацию компании.

Пример применения модели:

Представим, что компания хочет понять, как её репутация изменилась после запуска новой рекламной кампании.

1. Данные:
   • Сбор упоминаний о компании из социальных сетей, СМИ и форумов.
   • Анализ эмоционального тона этих упоминаний с помощью BERT.
2. Анализ:
   • Построение временного ряда упоминаний и их эмоционального распределения.
   • Выявление резких изменений, связанных с событиями (например, скандал или успешное мероприятие).
3. Результат:
   • Оценка того, насколько эффективно рекламная кампания улучшила репутацию.
   • Рекомендации по дальнейшим действиям на основе выявленных трендов.

Этот подход может быть адаптирован к другим квазифизическим объектам, например, к моделированию культурных явлений, трендов или даже моральных принципов, влияющих на поведение в обществе.

Для исследования квазифизических объектов отлично подходит такой инструмент как Дата Майнинг и вот почему. Структура КФО – это скелет признакового пространства, по сути. Этот скелет нужно наполнить и/или дополнить выборкой в виде таблицы «Объект – Свойство» и можно проводить исследование такого объекта.

Выводы и перспективы дальнейших исследований.

Сложные, трудно формализуемые объекты – это такие объекты, для которых трудно или невозможно построить точную и полную математическую модель, отражающую все их свойства, поведение и взаимодействие. Такие объекты часто встречаются в областях, связанных с человеческой деятельностью и изучаемых в социологии, психологии, экономике, политологии, экологии и т.д.

Однако без предварительного соответствующего их описания, построение модели для них становится невозможным. Более того, усугубляет положение отсутствие подходов к формализованному описанию объектов нефизической природы, которые чаще всего встречаются при изучении процессов, происходящих в социуме. Поэтому разработка методов для указанного описания таких объектов является актуальной задачей. В работе рассмотрены результаты исследования по разработке метода дискретизации и означивания для описания трудно формализуемых объектов нефизической природы на основе обобщения и привлечения синтаксической формализации структурного описания, который позволяет устранить этот пробел.

Рассмотренное выше представление о методе дискретизации и означивания к описанию сложных, трудно формализуемых объектов, которыми являются КФО, позволяет перейти к моделированию соответствующих процессов, связанных с развитием многих явлений, имеющих место в мире социума, который можно назвать квазифизическим.

Пока просматриваются следующие пути решения подобного рода задач, представленных в виде квазифизических объектов.

1. Метод когнитивных карт.
2. Методы Data Mining.
3. Методы имитационного моделирования.
4. Методы системного анализа.
5. Методы идентификационно-структурного анализа.

Одним из важных преимуществ предлагаемого подхода является возможность моделирования сложных, трудно формализуемых объектов или систем, разбивая их на более простые составляющие элементы или уровни абстракции.

Этот метод обеспечивает несколько преимуществ:

1. Позволяет анализировать систему на более мелких уровнях и исследовать ее взаимодействие с окружающей средой.
2. Делает модель более точной и удобной для вычислений.
3. Обеспечивает возможность анализировать поведение системы в различных условиях и предсказывать ее будущее состояние.
4. Может быть использован для обучения и симуляции различных сценариев и стратегий.

Практическое применение:

1. Управление социальными процессами:
   • Анализ влияния коллективных убеждений на поведение общества (например, изучение трендов в социальных медиа).
2. Инновации в технологиях:
   • Разработка виртуальных агентов, которые взаимодействуют с людьми в цифровой среде.
3. Изучение культурного наследия:
   • Сохранение нематериальных ценностей через цифровизацию и моделирование культурных объектов.
4. Этика и философия ИИ:
   • Анализ квазифизических аспектов искусственного интеллекта и их влияния на общество.

Этот метод позволяет нам лучше понимать и управлять сложными системами, которые в противном случае были бы трудны для анализа и моделирования.

Моделирование на основе дискретизации и означивания способствует пониманию и интерпретации сложных, трудно формализуемых объектов, а также их управлению и оптимизации.

КФО в ноосферном пространстве представляют собой пример сложных гибридных сущностей, существующих на стыке науки, культуры и информационных технологий. Их изучение требует отказа от классической дихотомии «объект — модель» и перехода к процессуальной онтологии, где реальность понимается как динамическая сеть репрезентаций, в которой модели не просто отражают мир, но и создают его. Исследование таких объектов открывает перспективы для переосмысления границ научного знания, роли технологий в формировании реальности и новых форм интеллектуальной деятельности в условиях цифровой эпохи.

КФО в ноосферном пространстве становятся ключевыми элементами новых научных парадигм, особенно в контексте анализа данных. Их описание требует сочетания философских подходов и вычислительных методов. Модель Бунге позволяет придать им системный статус, а методы Data Mining — реализовать их операционализацию в практических задачах.

Перспективы дальнейших исследований. В качестве следующего шага предполагается использование указанного подхода в рамках анализа данных на основе методов Data Mining.

 

Список литературы

1. В. И. Вернадский Несколько слов о ноосфере "Успехи современной биологии" (1944 год, No. 18, вып. 2, стр. 113- 120).
2. Глинский Б.А. Моделирование как метод научного исследования. М., 1965.
3. Неуймин Я.Г. Модели в науке и технике: История, теория, практика. Л.: Наука, Ленингр. отд-ние, 1984. С.49
4. Розенблют А., Винер Н. Роль моделей в науке // Неуймин Я.Г. Модели в науке и технике: История, теория, практика. Л.: Наука, Ленингр. отд-ние, 1984. С. 171. (Статья была опубликована в т. 12, № 4 «Philosophy of Science» за 1945 г. Перевод Ю. А. Асеева.)
5. А.Ф.Лосев Дерзание духа. – М.: ИПЛ, 1988. – 364 с.
6. Вернадский В.И. Биосфера и ноосфера. — М.: Наука, 1989
7. Г.НАУМОВ. НООСФЕРА В ПРОШЛОМ И БУДУЩЕМ Наука и жизнь №9, 2004 (https://nkj.ru/archive/articles/1876/ )
8. Мамардашвили М.К. Классический и неклассический идеалы рациональности // Вопросы философии. — 1984. — №6.
9. Моисеев Н. Н. Человек и ноосфера © Издательство «Молодая гвардия», 1990 г.
10. Семёнов В.М. Ноосфера и основы ее развития М.: Спутник+, 2007. — 51 с.
11. Meillassoux Q. After Finitude: An Essay on the Necessity of Contingency. — Continuum, 2008.
12. Bryant, L. R. (2014). Onto-cartography: An ontology of machines and media. Edinburgh University Press Floridi L. The Philosophy of Information. — Oxford University Press, 2011.
13. Harman, G. (2018). Object-oriented ontology: A new theory of everything.
14. Heisenberg, W. (1958). Physics and philosophy: The revolution in modern science.
15. Prigogine, I. (1997). The end of certainty: Time, chaos, and the new laws of nature. Free Press.
16. Latour, B. (2012). An inquiry into modes of existence: An anthropology of the moderns. Harvard University Press
17. Floridi L. The Philosophy of Information. — Oxford University Press, 2011.
18. Вертгеймер М. Продуктивное мышление. М., 1987
19. Bunge M. Finding Philosophy in Social Science. — New Haven; London: Yale University Press, 1996.
20. Разработка и апробация метода теоретической истории, под редакцией Н.С.Розова. – Новосибирск: Наука, 2001., с.24-25.
21. Shevchenko G.Y., Bilozubenko, V.S., Marchenko, О.А. The formation of the corporate scientific environment. ISSN 1560-4926. Наука та наукознавство 2022, № 2 (116), с.12-24
22. Шапиро Д. И. К человеко-машинным методам решения одного класса задач. Вопросы кибернетики. Теория и практика ситуационного управления. 1977. № 18. C. 82-88.
23. Чораян О. Г. Концепция вероятности и размытости в работе мозга. Ростов-на-Дону: Изд-во РГУ, 1987. 156 c.
24. Поспелов Д. А. Ситуационное управление: теория и практика - М.: Наука, 1986-288 с.
25. Щербань А.Б. Классификация задач идентификационно-структурного анализа/ А.Б.Щербань // Известия высших учебных заведений. Поволжский регион. Технические науки.-2010.- №2.-С.14-23
26. Щербань А. Б. Структурно - синтаксический подход к поиску альтернатив управления сложными системами [текст]/ А.Ф. Зубков, А.Б. Щербань, И.А.Семенов// Научно - технические ведомости СПбГПУ. Сер. Информатика, телекоммуникации, управление. - №3(101). - 2010. - с. 45 – 49
27. Structure of Complex Systems Author(s): R. J. Nelson Source: PSA: Proceedings of the Biennial Meeting of the Philosophy of Science Association, Vol. 1976, Volume Two: Symposia and Invited Papers (1976), pp. 523-542Published by: The University of Chicago Press on behalf of the Philosophy of Science Association Stable URL: http://www.jstor.org/stable/192400
28. Groumpos P. P. A Critical Overview of Modelling and Simulating Methods for Complex Dynamic Systems. SNE Simulation Notes Europe. 2017. Т. 27, вип. 4. C. 213-223. DOI: 10.11128/sne.27.on.10398.
29. Конверський А. Є. Логіка. Київ: ВПЦ "Київський університет", 2017,С. 391.
30. Закревский А.Д. Логика распознавания. Мн.: Наука и техника, 1988, 118 с.
31. Шевченко Г.Я., Шумейко А.А., Чорненко М.В. Персонализированные медицинские веб-сервисы. Материалы Міжнародной науково-практичной конференція «Інформаційні технології та комп’ютерне моделювання», ІваноФранківськ, 17-18 травня 2020 г.
32. Обидина Ю.С. Взаимодействие естественных и гуманитарных наук: миф, методология и онтология. Духовная сфера общества, 14, 2017, С.79-88.
33. Зиновьев А.Л. Фактор понимания, М.: Алгоритм, Эксмо, 2006. — 528 с.
34. Ханин И.Г. Вопросы Ноосферного развития экономики и познания, Днепр, 2018. С. 319.
35. К. Маркс. Доход и его источники. Вульгарная политическая экономия. Приложение [к работе «Теории прибавочной стоимости»]. К. Маркс, Ф. Энгельс, Собр. соч., изд. 2, т. 26, ч. 3, с. 526
36. Поляков М.В. Ноосферный подход к развитию познания и хозяйства (лекции) / М.В. Поляков. – Днепропетровск: Новая Идеология, 2017. – 120с.
37. Выдрин О.В. Научная коммуникация: к методологии исследования // Вестник ЧелГУ. 2009. №42. URL: https://cyberleninka.ru/article/n/nauchnaya-kommunikatsiya-k-metodologii-issledovaniya (дата обращения: 17.08.2020).
38. Руди А.Ш. Формы и особенности научных коммуникаций. Манускрипт. 2016. № 4 (2). C.136-138.
39. Савченко А.П. Открытое информационное пространство научной коммуникации как фактор развития экономики знаний в России. Государственные и муниципальное управление. Ученые записки СКАГС. 2017. № 1. C.129-135.
40. Широканова А.А. Новая роль и формы научной коммуникации в информационную эпоху. Социология. 2013. № 1. C.103-116.
41. Шевченко Г.Я., Белозубенко В.С. Структурная модель научной коммуникации ISSN 1560-4926. Наука та наукознавство 2019. No 4 (106)
42. М.К. Мамардашвили Опыт физической метафизики, С-Петербург, 2012, с.116.
43. Вернадский В. И. Биосфера и ноосфера – Москва: Айрис-пресс, 2004, С.576.
44. Валерий Артемьев. Что такое business intelligence? Открытые системы, 2003, № 4.
45. Thomsen, OLAP Solutions: Building Multidimensional Information Systems. Wiley Computer Publishing, 1997.
46. Kimbal, The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. John Willey & Sons, 1996.
47. Друкер Питер Эффективное управление. Экономические задачи и оптимальные ре-шения. М: Издательско-торговый дом "ГРАНД", "ФАИР-ПРЕСС", 1998.
48. Акофф Р., Эмери Ф. О целеустремленных системах. М.: Сов.Радио, 1974.
49. Кононенко П. И. Стратегическое программно-целевое управление производственно-хозяйственной системой. М.: Издательство: ИТК Дашков и К., 2003.
50. Изотова Т.Г. Оценка эффективности деятельности хозяйствующего субъекта в системе принятия управленческих решений. Диссертация на соискание ученой степени кандидата экономических наук. Московский государственный университет геодезии и картографии, Москва, 2006
51. Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам/Пер, с англ. А.М. Раппопорта, СИ. Травкина. Под ред. А.И. Теймана. - М.: Наука. Гл. ред. физ.-мат. лит., 1986. - 496 с.