Личностный потенциал. Структура и диагностика
Шрифт:
В настоящее время эти разработки привлекают внимание не только ученых, но и специалистов военного ведомства США в связи с поисками новых подходов к анализу и разрешению различных типов конфликтов и прежде всего международных (военных и политических), с поисками теоретических и методических основ ведения информационных войн.
Моделирование с помощью мультиагентных систем и клеточных автоматов
Эти два класса моделей вместе входят в одну большую область, получившую название «искусственная жизнь» (Artificial Life).
Модели автономных агентов позволяют реализовать самоорганизующиеся конфигурации в различных ситуациях активности индивидуального или коллективного субъекта при восприятии, мышлении, поведении. Каждый агент наделяется возможностью
В моделях клеточных автоматов ( Bossomaier, Green, 1998; Wolfram, 2002) популяции рассматриваются как массивы взаимодействующих между собой клеток, каждая из которых действует строго по определенным правилам, заданию которых, как и в предыдущем случае, уделяется особое внимание. Массивы – это чаще всего n-мерные прямоугольные решетки (n=1, 2, 3), но могут быть и шестиугольные соты и т. п.
Задать клеточный автомат – значит:
• Описать состояние каждой клетки. Состояние в общем виде задается многомерным вектором. Например, если мы хотим описать поведение электората как клеточный автомат, то можно задавать состояния людей как «клеток» электората, двумерным вектором: политической ориентацией и избирательной активностью.
• Для каждой клетки указать ее соседей, то есть множество других клеток автомата, состояние которых влияет на состояние этой клетки. Чаще всего (однако не всегда) таковой окрестностью является геометрическая окрестность.
• Для каждой клетки задается набор правил перехода из одного состояния в другое в зависимости от текущих состояний – как своего, так и своих соседей.
Наиболее известный пример клеточного автомата, вошедший практически во все учебники и монографии, так или иначе затрагивающие эту тему, – игра Конвея «Жизнь». На двумерной решетке каждая клетка является живой или мертвой (два возможных состояния). Окрестностью клетки являются восемь смежных клеток. Если не менее трех клеток из окрестности мертвой клетки живы – клетка оживает, если более 5 клеток из окрестности живой клетки живы – клетка умирает (от тесноты) ( Coveney, Highfield, 1995).
Эта несложная схема, тем не менее, является прототипом более сложных структур. Однозначные правила функционирования способствуют образованию определенных паттернов, законов динамики конфигурации даже при случайном задании начальных состояний клеток. Эти законы начинают проявляться через небольшое число шагов. Исследования показали ( Wolfram, 2002), что даже в одномерных автоматах процессы самоорганизации напоминают биологические и социальные структуры. Эволюция возможна по одному из четырех сценариев: смерть, конфигурация стабилизируется или изменяется с фиксированным периодом, за фиксированное время расширяется неограниченно, наконец. расширяется и уменьшается хаотически.
С помощью клеточных автоматов были построены самые разнообразные модели сложных систем от движения жидкости по законам Навье – Стокса до распространения установок в общественном сознании под воздействием внешних социальных факторов. По аналогии с уравнениями физики, описывающими диффузию в материальных
Наиболее очевидное использование клеточных автоматов и мультиагентных систем лежит в направлении, когда в качестве единиц (агентов или клеток) выбираются люди, функционирующие и взаимодействующие между собой и с окружающим миром по определенным правилам. Однако в качестве таких единиц можно рассматривать какие-то компоненты личности как целостной системы, например ценности, установки, мотивы, характеристики и т. д., задавать правила динамики и смотреть возможные сценарии развития человека в соответствии с этими правилами.
Исследования динамики временных рядов
Для описания и операционального представления личности в динамическом аспекте целесообразно, построив временной ряд, использовать последовательность произведенных измерений для какого-либо показателя, то есть анализируя непосредственно функцию зависимости от времени Y j =F(t j ). Пример использования методов анализа временн'oго ряда можно найти в работе ( Clayton, Frey, 1996, 1997). В работах проводились серии экспериментов на запоминание, строились временные ряды, содержащие частоты правильных и неправильных ответов во времени. Условия экспериментов варьировались по степени сложности задач. Для работы с данными применялся разнообразный арсенал методов – спектральный анализ, автокорреляционный анализ, вычисление экспонент Ляпунова, энтропии, сопоставляются данные по временным разверткам и фазовые кривые. Для верификации используется метод суррогатных данных ( Abarbanel, 1996; Handbook of Chaos control, 2008).
В работе Шульберга и Готлиба ( Schulberg, Gottlieb, 2002) с помощью анализа динамических рядов изучались паттерны микроколебаний осознания эмоциональной сферы в зависимости от личностных характеристик и наличия нервных расстройств. В ходе эксперимента испытуемые с помощью компьютерной мыши управляли курсором для фиксации своих эмоций на графической шкале, один из полюсов которой был отмечен словом печаль, а другой – счастье. Продолжительность эксперимента занимала 2,5 минуты, программа «считывала» координату положения курсора на оси каждые 0,11 сек. Полученный в результате временн'oй ряд динамики эмоционального настроя включал 1364 измерения. Результаты показали, что у испытуемых, имеющих высокие баллы по шкалам стремления к удовольствию и гипомании, микродинамика осознания эмоционального фона математически гораздо сложнее по сравнению с общей выборкой, а у испытуемых, имеющих высокие баллы по шкале отсутствия эмоций, наоборот, микродинамика эмоций более простая.
В работе Йерагани и сотрудников ( Yeragani, Pohl, Mallavarapu, Balon, 2003) также показано, что у людей, страдающих депрессией, хаотический компонент в динамике настроений существенно меньше проявляется. В исследовании ( Burton, Heath, Weller, Sharpe, 2010) специальные показатели, характеризующие структуру динамического процесса, рассчитывались для EEG сигналов и сравнивались у здоровых испытуемых (контрольная группа) и пациентов, имеющих различные расстройства сознания. Было доказано, что в контрольной группе энтропия (показатели присутствия хаотической компоненты – Pincus, 1991, 1994) значимо выше. Этот результат авторы интерпретируют как свидетельство того, что именно сознание делает поведение человека непредсказуемым и поддающимся описанию только с определенной долей приближения.