Особенности использования новейших информационных технологий в современной социологии

     Модели  организаций. К настоящему моменту времени наибольшее применение компьютерная социология получила в Computational Organization Theory (теории организаций). Hа основе парадигмы Мulti-Agent-Based Social Simulations моделируют, например, поведение индивидов в организациях. Выявлены закономерности организаций, поведения и сознания членов организаций. Существуют успешные прогнозы функционирования организаций, результаты компьютерного моделирования используются в практике управления организациями. С результатами данного направления исследований знакомит журнал Computational and Mathematical Organization Theory. Компьютерные модели организаций используются в коммерческих компьютерных системах DSS (поддержки принятия управленческих решений), с основами которых можно ознакомиться в журнале Decision Support Systems или в Internet. В настоящее время многие крупнейшие компании мира используют эти системы.

     "Нейронные  сети" можно представить как множество нелинейно-взаимосвязанных и параллельно функционирующих нейронов, которые можно содержательно интерпретировать как индивидов, группы, организации, страны или регионы мира, непосредственно ненаблюдаемые социальные "факторы" и т.д., каждый из которых имеет определенный уровень активации. В литературе, посвященной использованию "нейронных" сетей в социальных науках, приводятся описания и примеры прогнозов явлений, процессов и систем, например, моделирование религиозной веры. Процесс обучения "нейронных" сетей хорошо имитирует процессы адаптации и оптимизации в сложных социальных системах. "Нейронные" сети позволяют описывать, моделировать и прогнозировать эмпирические данные: количественные, качественные и данные смешанной природы, часть из которых количественные, а часть качественные.

     Компьютерное  моделирование социальных систем с  помощью клеточных автоматов, дало следующие методологические результаты. Во-первых, небольшое количество логических детерминистских законов, примененных к множеству взаимосвязанных элементов, порождают сложную, хаотическую и непредсказуемую пространственную и количественную динамику согласованного коллективного поведения. Принципиально не существует аналитической формулы, с помощью которой можно было бы предсказать, за сколько временных "шагов" неточный автомат достигнет финального состояния, какую он будет иметь пространственную конфигурацию и т.д. Единственный метод изучения поведения клеточного автомата компьютерная реализация автомата от начального до финального состояния. Во-вторых, наблюдая за пространственными и количественными закономерностями динамики множества элементов, практически невозможно выявить простые логические детерминистские законы, которые лежат в основе функционирования автомата. В-третьих, некоторые пространственные конфигурации элементов не могут быть порождены в процессе функционирования клеточного автомата, а могут быть только изначально заданы. В-четвертых, существуют правила, которые независимо от начального состояния автомата приводят к определенным, например, устойчивым, структурам. Эти результаты имеют фундаментальное значение для социологии, поскольку они накладывают определенные методологические ограничения на принципы и методы познания законов строения и функционирования поведения индивидов и функционирования социальных систем с её последующим состоянием, с помощью параметра самоорганизации может обуславливать сложную и хаотическую динамику системы при некоторых численных значениях параметра самоорганизации. В частности, простой детерминистский закон может порождать хаотичную последовательность кризисов в социальных системах. Иными словами, за кажущейся хаотичной и непредсказуемой повторяемостью социальных кризисов может лежать один простой детерминистский закон [5, c. 134].

     Компьютерные  модели самоорганизованной критичности показывают следующее. В социальных системах, находящихся в состоянии самоорганизованной критичности, наблюдается слабая зависимость между всеми элементами социальной системы. При этом социальные системы функционируют около границ оптимального функционирования. При незначительных внешних и (или) внутренних воздействиях система уходит из зоны оптимума, и в ней может неожиданно возникнуть лавинообразный процесс, захватывающий все или большее количество элементов системы. Данные результаты хорошо объясняют и прогнозируют возникновение массовых волнений, забастовок, революций, распада государств и т.д.

     Содержательные  результаты, полученные с помощью  компьютерных моделей детерминированного хаоса и самоорганизованной критичности, которые основаны на теории самоорганизации, одном из разделов общей теории систем, показывают, что закономерности динамики сложных социальных систем похожи на закономерности динамики природных систем. Здесь проявляется онтологический принцип "Разные причины – похожие следствия", который имеет большое теоретическое и эмпирическое значение для социологии. Кроме того, полученные результаты показывают, что дистанцирование социологов от достижений в области общей теории систем, естественных и технических наук вряд ли плодотворно.

     Теоретические проблемы. Практика показала, что трудно, иногда невозможно разработать функционирующую компьютерную модель на основе какой-либо классической социологической теории. Анализ проблемы показал, что классические социологические теории и теоретические понятия социологии часто не отвечают критерию конструктивности, принятому в компьютационной социологии. В них используются понятия, трудно поддающиеся операционализации, а также нечеткие и неопределенные термины, смысл которых меняется в ходе рассуждения, понятия с эмоциональным содержанием. Часто отсутствует связь между принципами, законами и эмпирическими фактами, существует пренебрежение критерием точной эмпирической проверки теории, гипотез и прогнозов и т.д. Для решения данной проблемы в компьютационной социологии используют гибридные компьютерные модели, в которых одновременно применяются отдельные элементы классических социологических теоретических моделей, эмпирических моделей и моделей из других областей знания, что приводит к терминологической мультипарадигмальности компьютационной социологии.

     Методологические  проблемы компьютационной социологии – это известные проблемы компьютерного имитационного моделирования  и социального компьютерного моделирования. В частности, это проблема выбора адекватного языка программирования и моделирования, оптимальных алгоритмов, быстрого построения и тестирования модели, оптимизации проведения имитационных экспериментов, интерпретации полученных содержательных результатов, особенно в случае, когда эмпирическая проверка результатов моделирования затруднена или невозможна по принципиальным соображениям.

     Компьютационная социология уделяет значительное внимание проблеме, в какой мере результаты имитационного моделирования соответствуют действительным механизмам изучаемого социального явления, в частности, являются ли получаемые результаты копией действительности, правдоподобной гипотезой или компьютерным артефактом. В рамках данной проблемы рассматриваются философские, теоретические, методологические, эмпирические и другие аспекты, в частности, критерии позитивизма, реализма, конвенционализма, интерпретивизма, выдвигаются новые критерии, что способствует более корректной интерпретации получаемых результатов. Практика имитационного моделирования, например, показывает, что, вероятно, не существует "лучшей" модели, удовлетворяющей множеству различных критериев, пригодной для решения предельно широкого круга задач социологии. Для каждого класса задач необходимо применять различные модели. Перспективным подходом при разработке компьютерных социологических моделей также является параллельное программирование, которое в отличие от традиционных языков последовательного программирования позволяет значительно ускорить время вычислении и дает другие преимущества для проведения имитационных компьютерных экспериментов, особенно с моделями "нейронных" сетей, клеточными автоматами и другими компьютерными моделями, требующими параллельных асинхронных вычислений. Разрабатываются так называемые социологические, например, социокультурные алгоритмы [5, c. 135].

     Другой  методологической проблемой является проблема синтеза компьютерных моделей, например, проблема диффузии и социальных сетей для имитационного моделирования  динамики этих сетей. Проблемой также является сравнение результатов, получаемых с помощью различных компьютерных моделей, например, моделей военных конфликтов GeoSim и FEARLUS, клеточных автоматов, "нейронных" сетей и генетических алгоритмов, что необходимо для более обоснованного подтверждения содержательных результатов. Перспективы в решении в решении данных проблем специалисты связывают с разработкой систем искусственного социального интеллекта и с развитием социологической теории.

     Эмпирические  проблемы. В эмпирической социологии множество исследований являются описательными, не вскрывают причинно-следственных отношений. Так вопросы анкет или интервью в опросах общественного мнения отражают, как правило, следствия (субъективные отношения), а не причины и механизмы. Не все важные количественные параметры и/или логические и эвристические правила, необходимые для разработки компьютерных моделей, можно эмпирически выявить и измерить. Многие эмпирические исследования недостаточно стандартизированы. Их трудно повторять, сосредоточиваясь на изучении небольшого количества фундаментальных социальных факторов, взаимодействий, явлений, процессов и т.д., что препятствует выявлению закономерностей социальных процессов  и явлений, что, в частности, необходимо для построения компьютерных моделей.

     Компьютеры. Использование имитационных компьютерных моделей в социологии показало, что большинство социальных систем являются сложными. Здесь речь идёт о не количестве элементов и связей в социальной системе и сложности её прогнозирования, а о более принципиальном вопросе. Сложность выражается в том, что социальную систему можно описать только с помощью столь же сложного описания, а более простые описания неполны и в силу этого неадекватны.  Иными словами, минимальное количество параметров в компьютерной модели для описания сложных социальных систем может быть равно количеству параметров самой социальной системы. В этой связи возникают проблемы увеличения быстродействия компьютеров для проведения имитационного моделирования сложных социальных систем в приемлемое время. Прогресс в решении данной проблемы специалисты связывают с разработкой систем Artificial Social Intelligence (искусственный социальный интеллект). В этой компьютерной системе общество, организации, индивиды представлены как интеллектуальные «агенты», обладающие знаниями, эмоциями и способные к самообучению. Системами искусственного интеллекта оснащаются традиционные компьютерные модели социальных сетей, клеточных автоматов, «нейронных сетей».

     Для разработки систем ASI предполагается использовать содержательные результаты, полученные в рамках компьютационной социологии, новые языки программирования искусственного интеллекта, параллельное программирование, новые алгоритмы, предназначенные для эмоциональных вычислений, использование суперкомпьютера Cray, использование нейрокомпьютеров или специальных нейронных плат, которые представляют собой многопроцессорные компьютеры [5, c. 136]. При этом каждый процессор может работать параллельно и независимо от других процессоров, что даёт значительное увеличение производительности по сравнению с традиционными компьютерами последовательной обработки данных и позволяет эффективно реализовывать модели Multi-Agent-Based Social Simulation  для компьютерной имитации Artificial Societies (искусственных обществ), состоящих из интеллектуальных «агентов» [5, c. 137]. 
 
 
 
 
 

     3.2. Программы обработки данных 
 
 

     В настоящее время к статистическому  программному обеспечению принято  относить пакеты программ статистического  анализа общего и специального назначения, пакеты программ табулирования, пакеты программ редактирования, пакеты программ управления данными, пакеты программ для выборочных обследований, а также многие графические пакеты, пакеты эконометрического моделирования и прогнозирования, имитационного моделирования, распознания изображений и т.д.

     Появление персонального компьютера третьего поколения послужило базой для  создания сложных пакетов программ статистического анализа, и в  настоящее время существует около тысячи статистических пакетов, универсальных или ориентированных на использование в каких-либо специальных областях, и число их продолжает расти.

     Конструкция пакетов статистического анализа  зависит в значительной степени  от типа используемого персонального  компьютера, его конфигурации, оперативной системы, а также от уровня подготовки пользователя пакета в области программирования для персонального компьютера [6, c. 17].

     Основным  требованием, предъявляемым к организации  решения задач экономики и  управления, научных, социологических  и других задач, является минимизация  ресурсов, потребляемых для достижения поставленной цели. В зависимости  от характера задачи на объём потребляемых ресурсов оказывают влияние временные и стоимостные ограничения. Соблюдению этих ограничений может в значительной степени способствовать использование персонального компьютера на всех или отдельных этапах решения задачи.

     Эффективность  автоматизации решения задачи может  проявляться как в сокращении расходов на обработку информации (прямая эффективность), так и в улучшении  функционирования управляемого объекта (косвенная эффективность) за счёт таких  факторов, как повышение достоверности  и сокращение времени обработки информации, что позволяет более обоснованные и качественные решения. Применение персонального компьютера является предпосылкой реализации принципа новых задач, развития новых способов исследования, проникновения в сущность социально-экономических процессов, и это оказывает влияние на оценку важности критериев выбора между ручными способами обработки данных и способами и использованием персонального компьютера.

     При обработке статистических данных обычно используются одинаковые или в значительной степени сходные по своей мощности и разнообразию технические средства, программное обеспечение и режимы обработки данных  [6, c. 25]. Подключение к мощным базовым персональным компьютерам с развитыми операционными системами  разнообразных периферийных устройств, включая средства дистанционной передачи данных, оптические считывающие/записывающие устройства, графические дисплеи, графопостроители, средства вывода на микрофильм, позволяет обрабатывать данные в пакетном и интерактивном режимах с прямым доступом к рабочим и постоянным файлам и выводом результатов на различные носители в соответствии с разнообразными требованиями пользователей, а также создаёт предпосылки для реализации интегрированных систем обработки статистических данных.