По образу и подобию

Понадобилось несколько страниц, чтобы в самых общих, сверхупрощенных чертах изложить принципы работы со статистико-вероятностной моделью перекрытия. А сколько же времени нужно было на создание всех ее вариантов! Много. Одни расчеты отняли у двух человек около месяца. Но зато вместо одного длинного летнего дня Волгу перекрыли за половину его — за девять с половиной часов после начала засыпки. Высвободилось не только время. Гидростроители были по старой привычке запасливы и приняли меры на случай, если работы затянутся. И пришлось им увозить от прорана полторы тысячи бетонных пирамид, которые так и не понадобились!

Надо, разумеется, помнить, что статистико-вероятностное моделирование — только метод. Об этом напоминает прежде всего сам Чавчанидзе. Он говорит:

«…Для того чтобы применить его к расчету каменной наброски, нам понадобилось много данных: и вес, и объем камней, и траектории их полета и перекатывания под водой. Статистико-вероятностное моделирование только тогда помогает создать модель случайного процесса, когда опытом выявлены факты и цифры, хотя бы в общих чертах описывающие этот процесс».

Естественное условие — чтобы заменить при испытании собой объект, модель должна учитывать хотя бы часть его реальных свойств. Но когда это условие удается соблюсти, статистико-вероятностное моделирование проявляет удивительные «проницающие» способности. Разлагая каждое явление на элементарные акты, оно воспроизводит как бы причинно-следственную цепочку событий, а учет случайностей обеспечивает объективность отражения моделью прототипа.

Случайные процессы в нашем мире распространены необычайно широко — от недр звезд до ядра живой клетки. Все цепные процессы являются в основе вероятностными. Значит, статистико-вероятностное моделирование применимо не только при расчете атомного взрыва, но и для предсказания хода полимеризации в химическом резервуаре. К числу цепных процессов относится расширение раковых опухолей в организме. Быть может, один из ключей к раку (а сейчас уже нет сомнений, что это проблема о многих замкáх) — создание его статистико-вероятностной модели.

Но отдельные примеры, даже самые яркие, не в силах передать широту возможностей этого метода моделирования.

В предварительный список областей его применения попали в числе прочих наук химия и физика, биология и геология, биохимия и военное дело…

Особенно интересно использование вероятностной модели производственного процесса не только для изучения производства, но и для управления им. В. В. Чавчанидзе мечтает о создании машины такого моделирования, которая после получения информации о производстве, сама строила бы и хранила в себе его модель, изменяя ее в соответствии с изменениями, скажем, цеха или комбината.

Что будет материалом для такой модели? Скорее всего, числа, формулы, уравнения. Но очень вероятно и участие электромоделирующего устройства нового типа. Последовательность производственных процессов будет повторена в цепочке уравнений, соответствующих элементарным актам этих процессов; следует, конечно, предусмотреть, чтобы при создании в себе такой модели самомоделирующая машина стремилась к соблюдению условий, ведущих к максимальному выпуску продукции. Если в машину поступает больше информации, чем она в состоянии переработать в разумные сроки, включается особое устройство, усредняющее эту информацию, учитывающее лишь средние ее значения и их-то и передающее в модель.

Когда такая самомоделирующая машина будет создана, она, с помощью сравнительно простых программ для каждого отдельного случая, окажется способна моделировать огромное количество процессов, а значит, и управлять ими. Мы с вами уже видели, что модель все чаще становится не только предметом изучения взамен объекта, но и средством для управления им. Логическим завершением этого торжества модели в технике должно, по-видимому, стать появление самомоделирующей машины.

Высказываются подозрения, что уже существует — в природе — масса таких «самомоделирующих машин». Вершина их иерархии — человеческий мозг.

Не применяет ли и он принцип статистико-вероятностного моделирования?

Каждый из нас знает, что случайно встреченного старого, давно не виденного знакомого часто бывает трудно узнать. А когда он назовет себя, все в нем кажется таким близким, что только удивляешься, как не узнал его с первого взгляда. Почему так? Ведь память по первому сигналу услужливо извлекла массу сведений и примéт, бережно хранившихся в ней. Значит, дело не в том, что друг был забыт. Просто вероятность его появления после долгой разлуки была так мала, что все сведения о человеке были отправлены в «долгий ящик». А как мозг рассчитал вероятность появления этого человека?

Или вспомните простейший случай. Чьи-то руки закрыли сзади глаза и явно измененный голос спрашивает: «Кто? Скажи, кто?»

Вы отвечаете, называя имена в порядке вероятности того, что именно их обладатель учинил эту шутку.