Вместо триз (СИ)

25) Именно тут матлогика и используется, но несколько ограниченно. Основная проблема, которая не даст мышлению использовать матлогику для моделирования в полном объёме - это несоответствие и недостаточность её синтакса для нашей семантики. Семантика тех моделей, что мы строим, принципиально больше используемого в матлогике синтаксиса. Мало того, мы и в обычном языке для многих подсистем, моделирующих реально происходящие процессы - названий не найдём. Лексический запас любых естественных языков весьма ограничен, по причине их происхождения и целей первоначального использования. От языков не требовалось "передать мысль", от них требовалось "уговорить сородича сделать то-то и то-то", а большая часть мыслей обходилась без слов. Это уже много позже мы стали пытаться и даже иногда удачно растолковывать сородичам, как и почему мы на это конкретное дело хотим их подвигнуть. А искусственные языки оказались ещё более ограничены решением узкоспециализированных задач.

Вторая проблема - наличие фактора случайности и нечеткая логика процессов (а как иначе представить "высказывание А для объекта N более-менее верно"? А классическое нечеткое отрицание "Да нет, наверно"?). Поэтому в нашем графе, который мы собираем из кусочков, связи будут рисоваться "разным нажимом" - от "жирной сплошной" до "пунктирной волосяной" линии. Иначе не получится.

Третья проблема - запутанная причинность. Нет, вообще-то, причинность имеет одно направление, которое совпадает со "стрелой времени", но, во-первых, мыслящие существа умудряются виртуально замыкать её в кольца, строя модели и замыслы, а, во-вторых, иной раз сложно определить, что же перед нами - причина и следствие или же два разнесённых по времени следствия неизвестной нам причины. Если нельзя детально разобрать механизм этих событий, то придётся просто инициировать то событие, в котором мы подозреваем причину и посмотреть - произойдёт ли то, что мы считаем следствием? Если, конечно, это возможно. А иногда можно пронаблюдать настоящий эффект нелокальности (и не только с элементарными частицами), когда причинность - налицо, а связь отследить не удаётся. Впрочем, скорее всего, это говорит просто о крайнем несовершенстве наших представлений о материи. Почему я говорю не о "представлениях о пространстве-времени"? Да потому что пространство и время - идеальные, придуманные категории, больше говорящие о нашем восприятии и мышлении, чем о материи, которую в этих категориях представляют. Я недавно на спор заморочилась и вчерне построила картину мира без этих двух категорий (пространство и время), используя более интуитивно понятные: объект, состояние, изменение, количество (число), конечность (сосчитываемость), бесконечность, наименьшее-неделимое. Интересная, кстати, картинка получилась, не скажу, что она чем-то лучше имеющейся, но - факт - она возможна и даже временами удобнее для построения моделей.

Так что стоит учесть этот случай, и когда модель "не вытанцовывается" в одних категориях - перевести в другие.

Есть и четвёртая проблема - причинно-следственная связь обычно выглядит как сеть, сплетённая из неровной кудели. У каждого события много причин, из которых одни более значимы, другие - менее, при этом оно инициирует собой опять же много следствий, в результате причинно-следственные связи выглядят как волокна разной толщины, а события - как узлы на них. И нередко после узла какое-нибудь волокно "толстеет", "обрывается" либо "разделяется на многочисленные волоски". Можно, конечно, "отодвинуться" и огрубить картинку, что в этих случаях рассудок делает автоматически, но тут мы сразу же рискуем вляпаться в какую-нибудь "нелокальность", из тех, которые от незнания причин. Как вляпались - включаем зум и возвращаемся к "запутанной кудели", только на небольшом участке, а не модели в целом.

26) Но вот модель построена. Что с ней делать? Проверять, то есть, действовать в соответствии с ней и смотреть результаты. Пока прогнозы совпадают с реальностью, можно считать её верной, но не стоит забывать о том, что, скорее всего, она неправильно отражает реальность. В мелочах или в чем-то принципиально важном. Помните - "нет верных теорий, есть только пока неопровергнутые". Ведь даже неверные теории могут на определённом ограниченном участке реальности давать почти правильные прогнозы. Это как sin(x) почти равен x при x близком к 0. Часто ошибки модели вскрываются именно при выходе за ту область, по которой мы строили эту модель. Поэтому надо постараться (если это не сопряжено с риском недопустимых проё... неприятностей) при обкатке модели осторожно выходить из "зоны первоначальных данных", на которых строилась модель, и отодвигаться от неё всё дальше и дальше. И, если возникают отклонения от расчётного, ставить модель в очередь на пересмотр.