Назад

Мультимасштабний аналіз: усі рівні важливі

Автор: HR-менеджер

Мультимасштабний аналіз

Ми вже писали про те, що наш партнерський коледж DevEducation і провідний американський дослідницький центр складних систем NECSI зі штаб-квартирою у Бостоні, США, також стали партнерами. Нагадаємо, що угода про партнерство передбачає, серед інших, наступні види дій:

  • – взаємні відвідування партнерів академічними й технічними фахівцями;
  • – обмін освітніми програмами, матеріалами, дослідженнями, публікаціями та академічною інформацією;
  • – організація спільних досліджень і публікацій;
  • – спільна організація конференцій, семінарів та інших академічних і освітніх заходів;
  • – спільне проведення технологічних тренінгів та адміністративних програм.

Ми як компанія, яка приймає готові айті-кадри від DevEducation, дуже раді такому партнерству з одним зі світових лідерів в галузі нових знань. Тим паче, що у компанії WizardsDev також активно застосовують розробки NECSI. Президент NECSI, всесвітньо відомий вчений Янір Бар Ям, у листопаді виступив на конференції, організованій WizardsDev спільно з DevEducation, і говорив про складні системи та взаємозв’язок частин у них:

До вашої уваги – черговий корисний текст від нашого партнера NECSI – про багатомасштабний аналіз.

Складні системні науки змінюють наше уявлення про науку та її роль у суспільстві. Це виходить за рамки традиційного підходу, який полягає в тому, щоб зосередитися на частинах системи, інтегрувати мережу відносин всередині та між системами. Ці відносини породжують «емерджентну» («виникаючу») поведінку, яку ми спостерігаємо в усіх фізичних, біологічних, соціальних, економічних і технологічних системах. Такий підхід дозволяє дослідникам вирішувати питання, які колись вважалися недоступними науці, зокрема поведінка людини, соціальні взаємодії та наслідки політики й рішень нашого суспільства.

Одним зі способів подивитися на систему в цілісності є мультимасштабний аналіз, який збирає важливу інформацію з великих даних.

Зміна хвороби на здоров’я і економічної нестабільності на зростання є одними зі складних завдань, з якими ми стикаємося сьогодні. Як ми можемо обернути величезну кількість даних, які стають все більш доступними, до вирішення цих нагальних проблем? Дані містять багато подробиць, але, зазвичай, не містять тегів для керівництва про те, які частини інформації важливі для визначення успішних втручань у процес. Питання, на які ми повинні відповісти після такого аналізу, стосуються властивостей складних систем – фізіології людини, глобальної економіки. Вирішення питань про такі системи вимагає розплутування заплутаних залежностей та безлічі причин і наслідків поведінки, а також визнання того, що поведінка варіюється від масштабу до мікроскопічного й глобального.

Наприклад, війна може інтерпретуватися як зіткнення складних адаптивних систем, для опису якої використовується парадигма нелінійності. В умовах складних конфліктів і гібридної війни класичний аналіз бойових можливостей збройних сил, що ґрунтується на оцінці вогневих можливостей з’єднань великого масштабу, виявляється недостатнім та має бути доповнений оцінкою складності як самих збройних сил, так і операційного середовища в цілому. Аналіз ускладнюється тим, що масштаб і складність не є незалежними параметрами.

Або приклад з іншої області. Мультимасштабні карти – це динамічні карти, які відображають дані по-різному в різних діапазонах масштабів. Вони відрізняються від статичних карт, які створені для перегляду й виведення в одному масштабі. Ви можете наближати й віддаляти карту, але мультимасштабні карти створюються таким чином, щоб забезпечити візуальну цілісність і ефективно донести інформацію до користувача. Тобто багатомасштабні карти – це найбільш ефективний спосіб майже безперервного відображення даних в різних масштабах.

Ключ до вирішення цих питань – зосередитися на тому, як поведінка в різних масштабах взаємопов’язана, і як залежності всередині системи призводять до великомасштабних моделей поведінки, які можна охарактеризувати безпосередньо, не відображаючи всі складні деталі. Підхід заснований на розумінні того, як агрегувати поведінку компонентів для виявлення більш масштабних поводжень. У цій структурі сама інформація має масштаб, де інформація більшого масштабу – це найважливіша інформація, яку необхідно знати, а інформація з тоншим масштабом важлива лише для надання подробиць за необхідності. Цей аналіз зосереджує увагу на інформації, що характеризує, як вплинути на поведінку системи в найбільших масштабах. Конкретні причини й наслідки, які необхідно вивчити, – це ж лише деякі з них, які лежать в основі поведінки системи на всіх рівнях.

Таким чином, мультимасштабний аналіз – це, насправді, величезне спрощення в порівнянні з поширенням традиційних підходів. І, у разі правильного застосування, результат являє собою чітке керівництво про те, як втручатися й вирішувати основні проблеми, щоб отримати результат, який виправдовує прикладені зусилля. Успішні приклади демонструють, що його можна застосувати до широкого кола наукових питань і проблем реального світу, хоча багато аспектів того, як діяти в більш загальному плані, ще належить розробити.

Цей підхід доповнює багато інших стратегій, корисних для складних систем, включаючи не тільки великі дані, але й мережеві моделі, агентні моделі, теорію ігор, системну динаміку, машинне навчання, стохастичне моделювання, пов’язані диференціальні рівняння та інші структури, в яких відправною точкою є конкретна репрезентативна структура. За своїм духом він ближче до фракталів і хаосу у своїй увазі до ролі ваг, але, як і у випадку з іншими підходами, він не приймає їх конкретних репрезентативних стратегій. У мультимасштабному аналізі стратегія полягає у тому, щоб описати поведінку найбільшого масштабу з мінімальним, але в точному поданні, і кожна з різних репрезентативних стратегій або їх комбінацій може використовуватися за потреби.