Личностный потенциал. Структура и диагностика

Коллектив авторов

Актуальной задачей является определение момента выхода из хаотического режима и переход в регулярный и обратно. Необходимо учитывать, что то или иное регулярное состояние может быть достигнуто при определенных значениях управляющих параметров, которые определяются на более высоком системном уровне.

Существуют различные способы преодоления хаотических режимов. Так, в медицине были открыты принципиально новые методы стабилизации работы сердца при появлении аритмий и фибрилляций ( Лоскутов, 1998). Сердечная мышца рассматривается как возбудимая система, в которой все элементы обладают идентичными свойствами.Если некоторую область возбудимой среды начать периодически возмущать, то в этой области возникнет источник концентрически расходящихся волн возбуждения, подобно концентрическим кругам на воде от брошенного камня. Каждый такой элемент способен находиться в одном из трех состояний – покоя, возбуждения и состоянии рефрактерности (релаксации), которое наступает после возбуждения – каждому элементу требуется определенный перерыв, во время которого он восстанавливает свою способность к возбуждению. Из состояния покоя элемент

может перейти в возбужденное состояние, в котором будет находиться определенное время. Затем он переходит в состояние рефрактерности и только потом вновь в состояние покоя. Таким образом, переход в возбужденное состояние оказывается возможным лишь из состояния покоя. В результате волна возбуждения распространяется упорядоченно, однако при частой подаче импульсов (или при большом периоде рефрактерности) часть элементов может оказаться блокированными.

Источник возбуждения называют ведущим центром, или пейсмекером. Если в возбудимой среде существуют несколько пейсмекеров, то они начинают конкурировать между собой: пейсмекер меньшей частоты генерации с течением времени подавляется пейсмекером большей частоты. В идеальной ситуации через определенное время во всей среде останется только один пейсмекер. Однако в зависимости от частоты поступления импульсов и времени рефрактерности может возникать сложное поведение среды (хаотическая динамика). Еще один возможный источник возбуждения в возбудимых средах – спиральные волны (это «вращающиеся» спирали, имеющие одинаковую частоту) – представляют собой главный тип элементарных самоподдерживающихся устойчивых структур в однородных возбудимых средах. Они всегда сосуществуют между собой, но способны гасить ведущий центр.

Медики связывают аритмию с появлением в сердечной мышце нескольких источников возбуждения, взаимодействие которых приводит к нарушению ритмичных сокращений, а фибрилляцию – с большим числом различных по характеру возмущений, в том числе спиральных, которые могут вращаться в противоположных направлениях. Традиционный способ преодоления состояния фибрилляции – подача короткого электрического импульса высокого напряжения и большой силы тока. Исходя из теории нелинейных динамических систем, можно обойтись существенно более мягкими средствами: подобрать фазу и частоту внешнего воздействия таким образом, что волны начнут двигаться навстречу друг другу и при наложении аннигилируют.

Если предположить подобную схему применительно к человеку, где возмущение связано с усилением какого-либо мотива, а элементы системы – различные личностные структуры – могут каким-то образом на данное возмущение реагировать (положительно, отрицательно или индифферентно), то можно прогнозировать динамику совместного сосуществования конкурирующих мотивов: устойчивое вытеснение всех одним (точечный аттрактор) или хаотическое поведение (финальное множество является странным аттрактором). Для того чтобы преодолеть личностный кризис, вовсе необязательно принимать кардинальные меры, заниматься «шоковой терапией»: необходимо «воздействовать» мотивом «нужной частоты». Возможно, интуитивно люди так или иначе делают что-то подобное (выражение «клин клином вышибают» тому свидетельство). Основная проблема при этом – операционализировать понятие частоты колебания мотива (потребностей), и это задача будущих исследований. Необходим анализ феноменологии, иллюстрирующей данные принципы. Так, можно привести примеры очень быстрой смены человеком ценностной ориентации, или готовности отказаться от чего-то, что было крайне значимым ранее. Можно предположить, что эти две идеи конкурировали друг с другом и их можно «выводить из игры» какими-то дополнительными внешними (не очень сильными, но очень точными) воздействиями.

Методология заимствования моделей

Наиболее целесообразным здесь является использование уже известных и хорошо изученных моделей, например из физики, и переопределение переменных, управляющих параметров в соответствии с изучаемым процессом ( Abraham, Abraham, Shaw, 1990; Милованов, 2005). Достаточно часто, для того чтобы адекватно описать сложное пространственно-временное поведение распределенных сред с громадным числом степеней свободы (каковыми являются, например, мотивационные структуры), необходимо небольшое число нелинейных дифференциальных уравнений. Если далее удастся (хотя бы частично, с определенной степенью допущений) написать в явном виде эти уравнения, отражающие зависимость показателей, характеризующих состояние системы, от времени, то решение (поведение переменных и зависимость этого поведения от управляющих параметров) можно восстановить (по аналогии с тем, что уже известно в физике) и интерпретировать полученные результаты в терминах, соответствующих исследуемой социальной реальности, в допустимых пределах делая прогноз финального поведения. При этом важным является не количественное, а качественное исследование полученной системы, выявление ее характерных черт. Содержательная интерпретация применения модели заключается в приведении топологически неизоморфных структур фазового портрета в соответствие анализируемым процессам или объектам. В некоторых случаях вообще оказывается достаточным только выявление области устойчивости положений равновесия ( Милованов, 2005). При этом, конечно же, недопустимо безусловное копирование модели без учета различий в изучаемых системах. Электроны, атомы и неживые тела всегда отличаются от биологических клеток и, тем более, индивидов, обладающих сознанием. Однако какие-то аналогии при достаточном обосновании вполне допустимы.

Второй (эмпирический) подход – от частного к общему – строится на основе эмпирических данных: решаются уравнения, отражающие эмпирические зависимости между переменными. Полученные решения интерпретируются и объясняются с точки зрения имеющихся теорий (или строятся новые) ( Петренко, Митина, 1997; Митина, Петренко, 1999; Mitina, Abraham, Petrenko2002; Abraham, Mitina, Petrenko,2001; Guastello, 1995; 2002).

Корректное

применение методологии синергетики для изучения феноменологии социальных и гуманитарных наук не допускает безусловного переноса моделей без учета различий в исследуемых системах, предполагает обязательную их адаптацию. Следует также помнить, что, прежде чем применять нелинейные модели, следует попробовать традиционные «линеаризованные» схемы. Если они работают, то не следует отказываться от них.

В качестве примера рассмотрим ситуацию изучения поведения колебательных систем. Идея того, что энергия, движущая структуру психического, питающая волю, чувства и действия, влияющая на отношения, интересы и возможности, подчиняется принципу энантиодромии, что дословно означает «возвращающиеся колебания маятника», принадлежит Юнгу (1994). Эго может увеличить поток энергии в сторону одной из крайностей, но в конечном итоге, индивид, сознательно или бессознательно, должен вернуться обратно: напряжение – расслабление, открытие – закрытие, оценка – решение. Находясь в динамическом равновесии, психика движется как прогрессивно (внешняя адаптация), так и регрессивно (внутренняя адаптация) ( Hampden-Turner, 1981). Внутригрупповое взаимодействие или функционирование отдельных индивидов, психические процессы которых (на разных уровнях от психофизиологии до ценностных отношений) являются колебательными режимами, очевидно, также определяет колебательные системы уже на уровне социума.

В психотерапии нашла применение известная модель Лотки – Вольтерра, возникшая в биологии для описания совместного обитания в одном водоеме двух популяций – жертв и хищников, задаваемая системой обыкновенных дифференциальных уравнений. В самом простом виде это выглядит так:

x’=ax – bxy —скорость изменения численности популяции жертв,

y’=cxy – dy —скорость изменения численности популяции хищников, где a, b, cи d – положительные константы.

Оценка управляющих параметров, полученных в результате анализа модели (например, сопоставления эмпирических данных с моделью при нелинейной регрессии) дает возможность реально влиять на процесс (см. подробнее Митина, Петренко, 2002).

Эта же модель позволяет описывать процесс формирования иерархии мотивов, потребностей, удовлетворяющих их актов и намерений, смысловой сферы, причем охватить достаточно широкий спектр психологических теорий – от бихевиоризма до гуманистических теорий. При формировании мотивационно-потребностной сферы роль «жертв» играют базисные потребности более низкого порядка, создающие первичное напряжение, «питающее» потребности более высокого порядка ( Петренко, Митина, 2002). Американский исследователь Г. Сабелли ( Sabelli, 2001, 2002) выделил специальные хаотические режимы, свойственные живым и социальным системам, называя их байосом («byos» по аналогии с «chaos»). Строго говоря, байос задается разностным уравнением Y j+1 =Y j + sin Y jпри достаточно больших . Внешне график уравнения байоса похож на график логистического уравнения и описываемые им процессы при соответствующих значениях управляющего параметра по-прежнему удовлетворяют условиям детерминированного хаоса (апериодичны, чувствительны к начальным условиям, неустойчивы); на шкале в направлении от детерминированных процессов к стохастическим они занимают положение, соответствующее самым ранним симптомам возникновения детерминированного хаоса. Выделяются эпизодические паттерны с явно выраженным началом и окончанием, существует конечное число аттракторов и низкий процент рекурсий, распределение является ассиметричным. Образно говоря, если синонимом хаоса является непредсказуемость, то синонимом байоса является новизна.

Интеллектуальные нейронные сети

Интеллектуальные нейронные сети (ИНС) стали использовать в 40-х гг. XX века применительно к задачам, связанным с вычислительными и информационными технологиями. Ведущую роль здесь сыграли американские математики, предложившие заимствовать принципы организации и функционирования биологических нейронных сетей для решения задач, связанных с анализом и обработкой информации в электронных вычислительных системах (У. Маккалох, Д. Хебб, Ф. Розенблатт, М. Минский, Дж. Хопфилд) ( Джейн, Мао, Моиуддин, 1997; Круглов, Борисов, 2001; Bar-Yam, 2003). Термин «интеллектуальная нейронная сеть» получил официальное признание в середине 1950-х гг. Термин «интеллектуальная» используется, чтобы отличить компьютерные нейронные сети от биологических. Таким образом, под ИНС подразумеваются алгоритмы, построенные по аналогии с представлениями середины прошлого века о процессах взаимодействия нейронов в человеческом мозге и реализующие распределенные и параллельные системы получения, передачи и обработки сигналов, адаптирующиеся в ходе своего функционирования. За более чем полвека ИНС получили широкое распространение в области задач искусственного интеллекта. Они широко используются в экономике для предсказания, например, ситуаций на финансовом рынке; в медицине для диагностики различных болезней; в экологии для контроля окружающей среды; в политологии и социологии для предсказания результатов политических выборов, кризисных ситуаций в общественном сознании; для решения задач, связанных с распознаванием визуальных и звуковых образов; для моделирования принятия решений в проблемных ситуациях и др. ( Горбань, Дунин-Барковский, Кирдини др., 1998; см. также URL:.