우리가 직면한 중요한 문제를 해결하려면 애초에 문제를 일으켰던 사고 수준에 머물면 안 됩니다. ——아인슈타인

외부에서 보면 시스템에는 행동이 있습니다. 내부에서 시스템에는 구조가 있습니다.

우리는 문제의 크기가 커짐에 따라 계산 노력이 어떻게 증가할지 추정할 수 있을 뿐입니다. 경험에 따르면 어느 정도 단순화할 수 없는 한 계산 수의 증가는 적어도 방정식 수 증가의 제곱에 해당합니다. 이것이 바로 "계산의 제곱법칙"입니다.

사람들은 항상 공식적인 방법을 적용하기 전에 비공식적인 방법을 통해 복잡한 기계 시스템을 단순화합니다.

뉴턴의 연구는 더욱 발전했습니다. 그는 태양의 고유한 질량으로 인해 각 행성과 태양이 다른 시스템과 별개인 하나의 시스템으로 볼 수 있다는 점에 주목했습니다. 이렇게 분리된 시스템에는 단 두 개의 개체만 남습니다. 시스템을 상호작용하지 않는 여러 하위 시스템으로 분해하는 기술은 모든 성숙한 학문 분야에 매우 중요하며 시스템 이론가에게도 똑같이 중요합니다. 이 분해의 중요성을 이해하려면 "계산의 제곱 법칙"을 생각해 보십시오.

이러한 단순화 중에서 뉴턴과 그의 동시대인들은 일반적으로 가정 단순화에 대해 더 잘 인식하고 더 관심을 가졌습니다. 오늘날 뉴턴 계산을 가르치는 물리학 교수들은 그렇지 않습니다. 그러므로 오늘날의 학생들은 왜 뉴턴의 행성 궤도 계산이 인류의 가장 위대한 업적 중 하나인지 이해하기 어렵습니다.

뉴턴이 천재였던 것은 그의 두뇌에 슈퍼컴퓨팅 능력이 있어서가 아니라, 일반 사람들의 두뇌가 세상을 어느 정도 이해할 수 있도록 단순화하고 이상화할 수 있었기 때문입니다. 과거의 성공과 실패에 대한 단순화된 방법을 연구함으로써 인류 지식의 진보가 천재성에 너무 의존하지 않기를 바랍니다.

이러한 물리학자에는 Gibbs, Boltzmann 및 Maxwell이 포함됩니다. 그들은 특정 측정 가능한 특성(예: 압력, 온도 및 부피)을 갖는 가스의 거동을 설명하는 일련의 관찰 법칙(예: Wave-Eyer의 법칙)을 물려받았습니다. 그들은 가스가 분자로 구성되어 있다고 믿었지만 이러한 믿음이 관측된 가스 특성과 어떻게 관련되는지 설명할 필요가 있었습니다. 그들이 하는 일은 이러한 흥미로운 관찰된 특성이 분자 중 하나의 특성이 아니라 분자의 일부 평균 특성이라고 가정하는 것입니다.

유기체 내부 및 외부 환경과의 상호작용에 대한 상대적으로 정확한 법칙을 얻으려면 유기체가 상당한 구조와 양을 가져야 함을 다시 한 번 알 수 있습니다. 그렇지 않으면 상호 작용하는 입자의 수가 너무 적어서 "법칙"이 매우 부정확해집니다.

통계적 방법의 적용 범위는 무엇입니까? 기계 역학의 적용 범위와 어떤 관계가 있습니까? 통계역학은 "무질서한 복잡성"에 직면한다는 말이 있습니다. 즉, 시스템 자체는 매우 복잡하지만 그 동작은 충분한 무작위성을 나타내므로 통계 연구를 수행하기에 충분한 규칙성을 가지고 있습니다.

오늘날 사회에서 기계 기술은 기계 역학의 영감을 활용하여 상호 관련된 구성 요소를 줄여 복잡성을 줄입니다. 반면에 관리 기술은 군중을 구조화되지 않은 그룹의 단순히 상호 교환 가능한 단위로 간주하고 평균을 취하여 단순화하는 통계 역학의 성과로부터 이익을 얻습니다.

작은 숫자와 큰 숫자 사이의 시스템의 경우 두 가지 고전적인 방법 모두 치명적인 결함이 있습니다. 한편, 계산의 제곱 법칙은 중간 숫자 시스템을 분석적으로 풀 수 없다는 점을 지적하는 반면, N의 제곱근 법칙은 평균값에서 너무 많은 것을 기대하지 말라고 경고합니다.

일반 시스템의 대부분의 법칙과 마찬가지로 우리는 민속에서도 숫자의 법칙의 형태를 찾습니다. 우리의 일상 경험으로 전환하면(우리 둘 다 그러한 시스템에 익숙하지만 그 성능에 무력함) 중간 숫자의 법칙은 머피의 법칙이 됩니다. 일어날 수 있는 일은 일어날 것입니다.

사물의 부분이나 특성을 분석할 때 우리는 명백한 독립성을 과장하고 조합의 본질적인 완전성과 개별성을 (적어도 일정 기간 동안) 무시하는 경향이 있습니다. 우리는 몸을 장기로 분해하고, 골격을 뼈로 분해합니다. 심리학도 비슷한 방식으로 가르쳐지는데, 주관적으로 마음을 구성 요소로 나누지만 판단이나 지식, 용기나 부드러움, 사랑이나 두려움은 독립적으로 존재하지 않고 가장 복잡한 전체의 일부라는 것을 우리는 잘 알고 있습니다. 또는 허수 계수.

생물학과 사회과학은 물리학만큼 "성공"하지 못합니다. 왜냐하면 그들이 얻는 것은 분할될 수 없기 때문입니다. 해부학자들은 어느 정도 성공을 거두었지만 우리는 누군가가 분해되었을 때 무엇을 하는지에는 관심이 없습니다. 사회학자들의 주된 관심은 숫자 체계의 속성을 지닌 '인류', 즉 체계가 분해되거나 추상화되거나 평균화되면 존재하지 않는 속성을 갖는 '인류'에 있기 때문에 훨씬 덜 성공했습니다. 행동과학자들이 평균을 통해 '개인'을 이해하려고 하면 그 개인의 특성이 널리 퍼질 것이다. 연구를 위해 개인을 격리하려고 하면 연구 대상과 다른 사람 또는 세계의 다른 부분과의 연결도 끊어집니다. 개인은 더 이상 인간이 아닌 실험실의 인공물이 됩니다.

즉, 과학은 본질적으로 단순화에 관한 것입니다. 그러나 환원주의자들은 아직 모든 현상을 물리적, 화학적 원시로 환원하는 데 성공하지 못했다는 점을 지적해야 합니다. 그들이 성공할 수 있는지 여부는 과학적인 질문이 아니라 순전히 철학적인 질문입니다.

실제 상황이 우리에게 전진을 요구한다면 단순하고 투박한 비유에 그치지 말고 이를 정확하고 명확하며 예측 가능한 모델로 다듬어야 합니다.

"참여자-관찰자"가 되려면 먼저 참가자가 되어야 하며, 이를 위해서는 최소한 현지 언어를 배워야 합니다. 실제로 다양한 비언어적 의사소통 방법을 배우는 것이 주로 포함됩니다. 마찬가지로 특정 업무 하위문화에 통합되기 위해서는 먼저 해당 하위문화의 사고방식과 의사소통 방식을 배워야 합니다.

사고 유형 체계를 개발할 때 가장 위험한 실수는 하나의 사고 패턴이 다른 사고 패턴보다 더 "현실적"이라고 가정하는 것입니다.

일부 과학자들은 여러 분야의 사고 패턴에 적응할 수도 있습니다. 그들은 어떻게 했나요? 이에 관해 질문을 받을 때마다 그들은 과학에는 고유한 통일성이 있다는 믿음을 표현했습니다. 그들도 사고 방식은 하나뿐이지만 출발점은 매우 높습니다. 이 사고 방식을 가진 사람들은 표현 형태는 종종 다르지만 서로 다른 분야의 사고 방식은 매우 유사하다고 믿습니다.

추론의 힘은 추론이 우리의 상상력을 안내하기 위해 규칙을 사용하는 방식에 있는 것이 아니라, 경험의 제약과 전통적인 규칙으로부터 우리를 해방시키는 데 있습니다.

귀납법을 통한 일반화의 힘은 우리가 관찰되지 않은 상황에 대해 특정한 결론을 도출하기 위해 일반 규칙을 사용할 수 있다는 것입니다. 이는 장군들이 한 주제에서 다른 주제로 이동할 수 있는 이유이기도 합니다. 모든 성공은 2차 순서에 대한 사람들의 신뢰를 높일 것입니다.

물론, 학문 간의 모든 도약이 성공할 수는 없기 때문에 믿음이 필요합니다. 왜? 유도가 항상 효과적일 수는 없기 때문입니다. 그런데 왜 우리는 더 조심하지 않는 걸까요? 더 많은 증거를 기다리지 않겠습니까? 그 이유는 지식이 폭발적으로 늘어나고, 우리의 두뇌는 계산의 제곱법칙에 의해 제한되기 때문입니다.

그러나 그것은 교사들이 직면하는 영원한 역설과 같습니다. 사실과 차트를 가르치거나 진실을 가르치는 것입니다. 모델을 가르치기 위해 교사는 구체적인 다이어그램을 사용하고 전혀 볼 수 없는 것을 명확하게 설명해야 합니다. 학생들은 나중에 그것이 자신이 배운 것과는 다르다는 것을 깨닫기 위해 무언가를 "배워야" 합니다. 그러나 그때쯤 그는 사물의 본질을 파악하고 진실에 가까워지기 시작했다. 그들은 끊임없이 수정하고 진실에 가까워지는 데 평생을 보낼 것입니다.

법률에 여러 조건이 포함되어 있으면 각 조건이 법률의 범위를 제한하기 때문에 언제 사용해야 하는지 기억하기 어려울 수 있습니다. 법에 있는 조건이 적을수록 법은 더 일반적입니다. 조건을 추가하거나 용어 정의를 변경하시겠습니까? 그러한 문제에 직면하면 우리는 대개 용어를 재정의하기로 결정합니다.

많은 일반 시스템 법칙은 정의, 측정 방법, 탐구 도구, 특히 기억하기 쉬운 부정적인 형태 등 다양한 방식으로 표현됩니다.

모든 일반법은 적어도 두 가지 특정 상황에 적용되어야 합니다.

일반법에는 최소한 두 가지 예외가 있어야 합니다.

결합의 법칙: 전체는 부분의 합보다 크다.

분해의 법칙, 즉 부분이 전체의 부분보다 크다는 것입니다.

시스템 이론(원래는 현재의 과잉 전문화 문제를 극복하려는 시도)은 수백 가지 학문 전문 분야 중 하나가 되었습니다. 게다가 시스템 과학은 컴퓨터 기술, 사이버네틱스, 자동화, 시스템 공학을 중심으로 시스템 사고를 또 하나의 기술(실제로는 궁극의 기술)로 만들어 인간과 사회를 더욱 '거대한 기계'처럼 만드는 것처럼 보인다.

사고에 대한 일반 시스템 방법의 기여는 일반 시스템 학자들이 새로운 과정을 다루는 방법에 완전히 반영될 수 있습니다.

시스템은 무엇입니까? 시인들은 모두 시스템이 세계관이라는 것을 알고 있습니다.

이것이 바로 "바나나 원리"입니다. 경험적 사고 방식은 언제 멈춰야 할지 알려주지 않습니다.

사람들은 완전히 받아들일 수 있지만 전혀 말이 되지 않는 진술을 말하거나 쓸 수 있습니다. 의미 없는 문장을 연구하면 그 문장을 의미있게 말하는 방법을 더 잘 이해할 수 있습니다. 예외는 규칙을 증명하는 것이 아니라 규칙을 이해하는 방법을 가르쳐주기 때문입니다.

인간이 만든 시스템에 대한 사람들의 불만의 대부분은 이러한 시스템 설계의 "목적", 즉 시스템이 "정확히" 무엇인지에 대한 불일치에서 비롯됩니다. 물론 대답은 시스템에 "목적"이 없다는 것입니다. "목적"은 관계이지 "가질" 수 있는 것이 아니기 때문입니다.

양쪽 모두 옳지만 모두가 절대적인 진술을 사용하기 때문에 문제가 있는 것 같습니다. "창발" 속성은 시스템과 관찰자 사이의 관계가 아니라 시스템이 소유한 어떤 "사물"인 것 같습니다. 관찰자가 정확한 예측을 할 수 없거나 하지 않을 때 이러한 속성이 "나타납니다". 우리는 한 관찰자에게는 "긴급"하고 다른 관찰자에게는 "예측 가능"하게 보이는 사물의 예를 종종 발견합니다.

전반적인. 사실, 임의의 시스템을 찾기는 어렵습니다. 왜냐하면 일단 생각하면 다소 임의적이지 않게 되기 때문입니다.

관찰자를 무시하는 가장 인기 있는 방법은 이 설명 방법을 선택하는 방법에 대해 한마디도 하지 않고 시스템(소위 "수학적 시스템")의 수학적 설명으로 직접 뛰어드는 것입니다.

집합의 구성원이 "아무것도 아닌" 한, 우리의 추론은 엄격하게 내용 독립적입니다. 즉, 순전히 수학적 설명입니다.

수학자들은 일반적으로 어떤 연결이 이루어지더라도 불건전한 논증은 결코 확립될 수 없다고 가정합니다.

집합 사용의 첫 번째 즐거운 특성은 관찰자 개념의 정교화입니다. 관찰자가 하는 일은 관찰이다. 이러한 관찰은 생리적 기관의 느낌일 수도 있고, 측정 장비의 판독일 수도 있고, 이 둘이 결합된 것일 수도 있습니다. 관찰은 이 관찰자가 이 유형의 가능한 모든 관찰을 포함하는 집합에서 요소를 선택하는 것으로 표현될 수 있습니다.

"관찰자" 모델에서 우리는 항상 다음 사항을 상기해야 합니다. 이 모델에는 얼마나 많은 컴퓨팅 성능이 필요합니까? 그러나 우리의 "관찰자"가 모든 관찰(너덜너덜하고 초라한 요소)을 "정확하게" 할 수 있어야 한다는 요구는 없습니다. 왜냐하면 이러한 요소는 정의되지 않은 원본 요소이고 이를 사용할 때 "정확"은 의미가 없기 때문입니다.

우리는 관찰이 올바른지 여부를 알 수 없을 수도 있습니다. 그러나 "정확성"에 대한 상징적 표현 없이는 관찰자와 그들의 관찰에 대한 심층적인 논의가 있을 수 없습니다. 따라서 여기에는 일관성의 개념이 도입되었습니다. 즉, 한 관찰 결과 집합이 다른 집합과 일치하는지 여부입니다. 분명히 링컨이 지적했듯이 상징의 일관성은 관찰자가 관찰에 어떻게 이름을 붙이느냐에 달려 있지 않습니다.

ㅋㅋㅋ

슈퍼슈퍼 관찰자의 개념은 "가능한 모든" 관찰을 포함한다는 점에서 "사실"의 개념과 매우 유사합니다. 즉, 우리가 '사실'이라고 부르는 것은 일부 사람들이 '신'이라고 부르는 것과 매우 가깝습니다.

하트의 여왕 오르골

속담처럼, "모든 것을 본다"는 것은 "모든 것을 이해한다"는 것을 의미하지 않습니다. 이해한다는 것은 어떤 세부 사항을 무시할 수 있는지 아는 것을 의미하기 때문입니다. 우리의 "학습"은 "동일한" 상황이 반복되는 것을 보는 것입니다. 이것을 우리는 '상태'라고 부르는데, 이런 상황이 반복되면 관찰자는 이를 다시 인지할 수 있다.

너무 많은 상태를 구별하는 것은 앞에서 불충분한 일반화라고 언급한 것입니다.

보편적 관찰자의 법칙, 즉 눈-뇌 법칙은 다음과 같습니다. 어느 정도는 지적 능력이 관찰력의 부족을 보완할 수 있습니다. 대칭성을 바탕으로 우리는 즉시 뇌-눈의 법칙을 도출할 수 있습니다. 관찰은 어느 정도 지적 능력의 부족을 보완할 수 있습니다.

원래 속성과 보조 속성은 구별됩니다. 전자는 물질에 본질적인 것이고, 후자는 특정 원래 속성을 소유한 대상과 인간 또는 동물 관찰자의 감각 기관 사이의 상호 작용의 산물입니다.

마찬가지로, 관찰이 기존 이론과 일치해야 한다는 가정은 과학 연구에 보수주의를 도입합니다. 관찰이 기존 이론과 일치하지 않으면 "오류"로 간주되어 폐기될 가능성이 높습니다.

"상태는 반복될 때 인식될 수 있는 상황입니다." 그러나 여러 상태를 하나의 '상태'로 결합하지 않으면 어떤 상태도 반복되지 않습니다. 그러므로 학습하기 위해서는 상태의 일부 잠재적인 차이를 포기하고 모든 세부 사항을 학습할 가능성을 포기해야 합니다. 또는 반죽 반죽 법칙으로 쓸 수도 있습니다. 우리가 무언가를 배우고 싶다면 모든 것을 배울 생각을 해서는 안 됩니다.

함수 기호는 일반적인 시스템 사고에서 특히 중요합니다. 왜냐하면 시스템의 행동 특성을 정확하게 설명할 수 없을 때 이를 사용하여 시스템 지식의 일부를 나타낼 수 있기 때문입니다.

그렇다면 과학자들은 이런 종류의 분해를 할 때 어떤 실수를 저지르나요? 이 질문에 대한 대답은 크게 두 가지입니다. 1. 특정 단계에서는 함수 관계에서 뭔가를 생략할 수 있으며, 이로 인해 좋은 근사 법칙을 얻을 수는 있지만 더 분해하면 오류가 발생할 수 있습니다. 불완전한 오류라고 할 수 있습니다. 2. 관찰이 완료되더라도 관찰자의 제한된 능력(관찰자의 제한된 인내심 포함)으로 인해 또는 "실제" 상황이 지속적인 분해를 허용하지 않기 때문에 분해 과정은 결국 중단됩니다.

물리학 연구의 모든 성공은 관찰의 가장 중요한 대상을 현명하게 선택하는 것과 일부 특징에 대한 뇌의 자발적인 추상화에 달려 있습니다. 이러한 특성은 매력적이지만, 현재 과학은 연구가 유용한 결과를 산출할 만큼 충분히 발전하지 않았습니다.

우리는 슈퍼 관찰자의 관점에서 문제를 바라보고 있기 때문에 다른 관찰자들에게 관찰을 확장시키거나, 관찰의 세분성을 높이거나, 기억력을 향상시키도록 할 수 있지만, 그들은 이러한 선택을 하는 데 필요한 정보를 갖고 있지 않습니다.

우리는 불완전함으로 인해 분해 전략이 실패하는 것을 보았습니다. 사실, 우리는 이 아이디어를 거꾸로 뒤집어 완전성에 대한 직관적인 정의로 사용할 수 있습니다. 즉, 동형론 중에서 어떻게 선택하든, 얼마나 많은 훌륭한 관점으로 분해하든, 우리는 새로운 본질을 발견하지 못할 것입니다. 또한 완전성은 근사치일 뿐이며, 귀납적 믿음의 도약에 기초하기 때문에 정확하다고 보장할 수 없다는 것도 알 수 있습니다. 불완전성에서 발생하는 환원주의적 오류는 우리 모두가 어떤 형태로든 경험했기 때문에 허용됩니다.

그러나 단순화가 실패하는 두 번째 이유는 일부 사람들이 받아들이기 더 어려운데, 이는 보완성의 문제입니다. 물리학자들은 단순화 전략을 적용하는 능력이 더욱 발전했기 때문에 이러한 적합성과 예측 가능성의 문제에 처음으로 직면했습니다. 또한 일부 과학자(또는 스스로를 과학자라고 부르는 사람들)는 일반적으로 완전한 관점에서 너무 멀리 떨어져 있기 때문에 자신의 분해가 때때로 잘못되는 것에 놀라지 않습니다. 물리학이 "상보성"(환원주의의 독특한 모델)을 제안하지 않았다면 아마도 아무도 그 개념을 받아들이지 않았을 것입니다.

상보성 개념의 핵심은 완전히 독립적이지는 않지만 서로 환원될 수 없는 두 가지 관점이라는 점이다.

축소는 이해를 달성하는 한 가지 방법일 뿐이며, 다른 방법도 많이 있습니다. 세상의 작은 부분을 더 자세히 살펴보는 것을 멈추고 과학 자체를 더 자세히 살펴보기 시작하면 환원주의가 현실에서는 결코 실현되지 않은 이상임을 발견하게 됩니다. 환원주의는 과학적 신념일 뿐이다. 그것은 믿음임에 틀림없습니다. 왜냐하면 어느 누구도 관찰 세트의 최종 축소 상태를 본 적이 없기 때문입니다.

잡역부는 앞으로의 일이 과거의 일과 비슷할 것이라는 것을 어떻게 알 수 있습니까? 이것은 우리가 이전에 접했던 믿음일 뿐입니다. 어쩌면 이름을 붙여야 할 수도 있겠네요 경험적 공리: 미래는 과거와 같을 것이다. 왜냐하면 과거에는 미래도 과거와 같을 것이기 때문이다.

이 수준에서 과학과 시는 매우 유사합니다. 시인은 비유로 시작하여 자신의 연인이 어떻게 장미와 같고, 새벽이 어떻게 안아줄 수 있는 여신과 같은지를 자세히 설명한다. 과학자는 완전한 관점에서 시작한 다음 수정하고 단순화하여 최종적으로 원래 기능을 다른 기능으로 축소합니다. 시인과 마찬가지로 최종 환원은 알려진 것으로 가정하므로 정의할 필요가 없습니다.

은유는 우리가 한 사물의 특정 특성을 이해하고(또는 이해한다고 생각하고) 이를 다른 사물로 옮기는 경우에만 작동할 수 있습니다.

우리는 '부분'이나 '사물'이라는 은유를 사용하는데, 이는 물리적 공간에 대한 경험, 특히 '경계'에 대한 경험과 밀접한 관련이 있습니다.

그럼에도 불구하고 우리는 실질적인 경계가 있는 시스템을 다룰 때 추론에 어려움을 겪습니다. 과거의 경험이나 전임자의 경험을 바탕으로 경계를 선택하기 때문에 문제가 자주 발생합니다. 이러한 경험은 대부분의 경우 매우 효과적이기 때문에 유효하지 않은 경우 그 영향력을 제거하기가 어렵습니다.

여기서 문제는 "경계"가 무한히 얇지 않을 수도 있고 시스템과 환경 모두에 속할 수도 있다는 것입니다. 이런 경계는 분리가 아니라 연결이다.

기억력이 제한된 관찰자의 경우 속성에는 사고 기능이 있습니다. 우리는 일부 속성이 다른 속성보다 더 "자연스럽다"고 생각할 수도 있지만 이는 단순히 우리가 그런 방식으로 관찰하는 데 더 익숙하다는 것을 의미합니다.

우리의 작업 환경이 점점 더 낯설어짐에 ​​따라, 유전되고 학습된 지각 능력은 점점 더 비효율적이 될 것입니다.

불변의 법칙: 주어진 속성에 대해 변경되지 않은 채로 유지하는 변환이 있고 변경하는 변환이 있습니다.

분할이 속성을 설명하는 경우 이는 상태가 일정할 때 이 속성이 시간이 지나도 변경되지 않음을 의미합니다.

관계는 속성에 대한 우리의 직관적인 이해를 따라야 하며 두 번째 속성은 대칭입니다.

"우정"이 특정 시스템에서 대칭 관계라고 하더라도 우리는 여전히 이 시스템을 전이성의 필요성, 즉 세 번째 조건으로 인해 "친구" 하위 시스템으로 나눌 수 없습니다.

과학자나 시인처럼 그들이 추구하는 것은 '진리'에 접근하는 것이고, 이 접근은 결코 완성될 수 없다.

누적된 문제에는 두 가지 상황이 포함됩니다. 첫 번째 경우는 현재의 과학으로 해결할 수 있지만 시도가 없거나 부적절한 이해로 인해 아직 해결되지 않았습니다. 두 번째 경우에는 현재 도구로는 충분하지 않습니다. 이것이 바로 일반체계이론 운동이 실제로 관심을 두고 있는 부분이다.

강력한 연결 형성의 법칙: 평균적으로 시스템 연결의 견고성은 평균 수준 이상입니다.

이 특정 형식을 사용하는 것은 시스템이 완벽한 시스템임을 명백히 밝히기 위한 것이 아니라 단순히 시스템의 상호의존적 특성에 주의를 끌기 위한 것입니다.

일부 시스템 이론가들은 행동에 대한 이해를 설명하려면 해당 행동을 나타내는 시스템을 구축해야 한다고 믿기 때문에 시뮬레이션을 궁극적인 도구로 봅니다. 시스템 내부는 더 이상 완전히 숨겨져 있지 않고 완전히 노출되어 있습니다. 이것은 블랙 박스가 아닌 흰색 박스입니다.

시스템 모델러는 자신의 본능을 극복하기 위해 열심히 노력해야 합니다.

분할을 통해 시스템에서 "속성"을 분해하는 방법을 살펴보았습니다. 제품 공간은 이를 체계적으로 다시 조립하는 방법을 보여줍니다. 각 분해가 실제 분할인 경우 제품 공간은 모든 원래 가능성을 포함해야 합니다. 이 경우 모든 것이 제자리에 있어야 하며 모든 사람이 제자리에 있어야 합니다.

평면의 점은 서로 다른 시간에 있는 한 시스템의 상태(소위 "통시적 관점")가 아니라 동시에 서로 다른 시스템의 상태("동시적 관점")를 나타냅니다. 이 방법은 두 관점 모두에 잘 작동하며 한 시스템의 연속적인 관찰을 유사한 시스템의 여러 개별 관찰로 대체하거나 그 반대로 대체하는 일반적인 과학적 방법에 해당합니다.

수학자가 아닌 평범한 사람들은 n차원 공간에 대한 이야기를 들으면 경외감을 느끼고, 수학자들이 초사고력을 가지고 있다고 생각하는 경우가 많습니다. 사실, 수학자들은 추정 능력에서만 특별합니다. 그들은 n차원 공간을 "볼" 수 없으며 관련된 차원 수에 관계없이 동일한 수학적 연산을 계속 적용할 뿐입니다. 2차원 공간의 한 점은 두 개의 숫자로 지정되고, 3차원 공간의 한 점은 세 개의 숫자로 지정됩니다. 따라서 외삽을 통해 7차원 공간의 "점"은 7개의 숫자로 지정됩니다. 1차원 객체(선분)는 2차원 객체(평면)를 두 부분으로 분할합니다. 2차원 객체(평면)는 3차원 객체(고체)를 두 부분으로 분할합니다. 따라서 외삽을 통해 6차원 물체가 7차원 물체를 두 부분으로 분할합니다.

상태 공간에서의 행동에 대한 경험적 규칙, 즉 통시적 규칙은 다음과 같습니다. 동작 선이 에서 교차하는 경우 다음 중 하나를 수행합니다. 1. 시스템은 국가에 의해 결정되지 않습니다. 어느 하나: 2. 당신이 보는 것은 투영, 불완전한 견해입니다.

동시성 법칙: 상태 공간에서 동시에 같은 위치에 두 개의 시스템이 있으면 공간의 차원이 너무 낮다는 것, 즉 뷰가 불완전하다는 것을 의미합니다.

우리는 3까지 세는 규칙을 제안합니다: 도구를 남용하는 세 가지 방법을 생각할 수 없다면 도구 사용법을 모르는 것입니다. 이 규칙을 고수하면 낙관주의자, 과장자, 기타 모든 종류의 완벽주의자들의 광신주의로부터 우리를 보호할 수 있지만, 무엇보다도 우리 자신에게서는 보호됩니다.

시간 척도를 모르고 계단 함수와 느린 상승 곡선에 대해 이야기하는 것은 기술적으로 말도 안되는 일입니다. 시간 척도는 절대적인 의미가 없으며 다른 시간 척도와 비교할 때만 의미가 있습니다.

과학은 과정, 즉 사물을 볼 수 있는 각도를 탐구하여 변하지 않는 법칙을 만들어내는 과정으로 볼 수 있습니다. 그러므로 과학 법칙은 세상이 어떻게 보이는지(내가 발견한 방법)를 기술하거나, 세상을 보는 방법(내가 발견한 방법)을 규정합니다. 우리는 실제로 둘 사이의 차이점을 알 수 없습니다.

물리학 및 화학 실험실이 이상적인 폐쇄 환경을 구축해야 하는 이유는 무엇입니까? 목적은 연구를 위해 특정 지위를 갖는 시스템을 만드는 것입니다. 그들은 왜 특정 상태의 시스템을 연구하는 것을 좋아합니까? 특정 상태의 시스템 동작은 간단하기 때문입니다. 시스템에서 일어나는 모든 일은 서로 분리된 행동 라인으로 표현될 수 있습니다.

그러나 관찰자가 이러한 모든 문제를 고려하고 완벽함의 벽 내에서 시스템을 성공적으로 격리한다면 행동 라인이 여전히 엉킬 수 있으며, 그 시점에서 그는 "무작위성"을 본다고 말할 것입니다. 그러나 관찰자들은 숨겨진 개방성, 즉 "새는 벽"과 무작위성을 구별할 수 있는 확실한 방법이 없습니다.

일반적인 동작 측면에서 시스템을 설명하는 것과 예상치 못했지만 중요한 동작 측면에서 시스템을 설명하는 것은 닫힌 시스템에서 우리가 좋아하는 단일 동작 라인을 복원하는 데 익숙한 두 가지 방법입니다.

그제서야 우리는 진화에 대한 질문을 던졌습니다. "사물은 어떻게 오늘날과 같이 발전했는가? 왜 영원히 같은 상태로 머물 수 없는가?"

모든 일반 시스템 사고는 문제 중 하나에서 시작하여 강제로 다른 문제로 전환될 때까지 탐구를 시작해야 합니다. 우리는 결코 끝까지 도달할 것을 바랄 수도 없고, 시도하지도 않을 것입니다. 우리의 목표는 스핑크스의 퍼즐을 푸는 것이 아니라 사고력을 향상시키는 것입니다.

안정성이란 시스템이 견딜 수 있는 변화의 한계뿐만 아니라 시스템이 견딜 수 있는 교란의 정도도 의미합니다. 따라서 안정성을 언급할 때 시스템의 허용 가능한 동작과 환경의 예상 동작이라는 두 가지 의미를 포함합니다.

이 주장은 과학자들이 거의 폐쇄된 시스템을 연구하는 데에는 충분하지만, 실험실의 개방성을 피할 수 없는 사람들에게는 이는 순전히 오해의 소지가 있습니다. 특히 주의를 잘못된 방향으로 유도하여 시스템과 환경 사이의 관계로 보기보다는 시스템 "내부"의 안정성을 찾게 만들 수 있습니다. 자연이 대체할 수 없는 자원을 보존하기를 원할 때, 사람들이 실제로 생태계를 파괴하기 전까지는 아무것도 할 수 없습니다. 아직 '작은 교란'에 대한 정확한 정의는 없습니다.

순환 논증: 현재의 과학적 목표와 방법의 공식화는 문화적 아이디어에 기초하고 있으며 이를 명확히 할 필요가 있습니다. 좀 더 중요한 문화 제도를 그 고유한 상황에서 분리하여 카테고리별로 분류하고, 반복되는 발생이 전조나 기능적으로 관련된 것으로 이어질 때까지 실천할 수 있다면, 우리가 연구하는 문화 제도는 근본적이고 불변하는 것이라고 볼 수 있습니다. 독특함으로 이어지는 것은 부차적이며 변경 가능합니다.

시스템이 살아남는 이유는 무엇입니까? 장기적으로 보면 생존하지 못하는 시스템은 더 이상 존재하지 않으며 우리는 이에 대해 생각하지 않기 때문입니다. 우리가 자주 보는 시스템은 과거의 모든 시스템 중에서 최고의 "생존자"로 선택된 시스템입니다.

"지속성"은 시스템이 연구할 가치가 있기 위해 존재해야 하는 기간을 의미합니다.

유사점과 차이점을 식별하기 위해 프로그래밍 방식의 접근 방식을 채택하면 "동일성"의 개념을 명확히 할 수 있습니다. 이 필드는 "패턴 인식", 특히 시각적 이미지의 경우 "이미지 처리"라고도 합니다.

"차이는 사이버네틱스의 가장 기본적인 개념이다." 일반 시스템 사고에서도 마찬가지이다. 이것이 가장 어려운 개념이기도 함을 우리는 항상 기억해야 한다.

컴퓨터 내에서 하드웨어는 '자연의 법칙'을 나타내며, 시뮬레이션이 구현되는 단계이기도 합니다. 시뮬레이션은 이 하드웨어에 '의존'하지만, 핵심은 무대 관리가 아니라 드라마입니다.

효과의 법칙: 구조의 작은 변화는 행동의 작은 변화로 이어지는 경우가 많습니다. 또는 우리말로는: 화이트박스의 작은 변화가 블랙박스의 작은 변화로 이어지는 경우가 많습니다. 반면에: 행동의 작은 변화는 종종 구조의 작은 변화로 인해 발생합니다.

오래된 자동차 규칙: 1. 잘 규제하는 시스템에는 적응적인 변화가 필요하지 않습니다. 2. 시스템은 적응형 변경을 통해 조건부 작업을 단순화할 수 있습니다.