Эволюция в мире компьютерных симуляций и их применение в изучении экономических процессов

Размещено на http://www.allbest.ru/

Эволюция в мире компьютерных симуляций и их применение в изучении экономических процессов

В данной статье описываются компьютерные симуляции как новый инструмент в изучении многочисленного класса явлений в различных областях экономических наук. Эти симуляции выступают основным механизмом моделирования в эволюционной системе идей и концепций, которые противостоят неоклассике как исследовательской парадигме. Методологическая значимость данного приема заключается в том, что он позволяет адаптировать к современному языку непростые методологические проблемы в экономических науках.

Компьютерные симуляции применяют в исследовании таких явлений, которые в результате необъяснимого взаимодействия элементов обращаются непосредственно к исходным характеристикам этих элементов. Ранее знания добывались эмпирическим и теоретическим методами. На данный же момент существует радикально новый способ получения знаний с помощью упомянутого нами инструмента, такого как компьютерные симуляции.

Впервые компьютерными симуляциями с анализом их исследования и последующем применением в управленческой деятельности заинтересовались такие ученые, как: Дж. Бенкс, Н. Гилберт, Д. Тополевский, Г. Шелер и другие.

Цель данной работы состоит в разъяснении методологического и эпистемологического значения компьютерных симуляций как совершенно нового инструмента для исследования явлений. Возможности, открывающиеся для достижения ряда проблем в управленческой деятельности предприятия. Компьютерные симуляции -- это вид деловой игры, в которой моделируются максимально схожие с условиями конкретной компании бизнес-процессы. Это помогает участникам обобщить имеющиеся знания и навыки и научиться их применять в деятельности предприятия.

Агентно-ориентированные модели -- специализированный класс вычислимых моделей, который основан на индивидуальном поведении множественного числа агентов, создаваемых для компьютерных симуляций. Немудрено, что для выявления закономерностей между наблюдаемыми фактами наиболее подходящим способом получения характеризующих данных об объекте является эмпирический метод исследования явлений. Но даже в этом случае полученные данным методом закономерности могут оказаться весьма устойчивыми, в независимости от того, какой был использован критерий устойчивости. Однако вопрос о происхождении механизмом, заложенных в основе наблюдаемых зависимостей и условий их возникновения остается открыт. Решение этого вопроса подразумевает получение некого другого знания, знания о происхождении объектов, архитектуры их обитания и других аспектов. Здесь и пересекаются основные методы в получении научных знаний, а именно эмпирический и теоретический и формирование выводов с помощью дедукции, и индукции. Эмпирически установленные закономерности зачастую не универсальны, но и универсальность дедуктивных выводов так же не совершенна. [4]

На стыке 20-х и 30-х годов 20-го века сторонники дедуктивного подхода при исследовании экономического периода отстаивали позиции перед набирающим ход эмпиризмом. Эмпиризм стал набирать обороты в связи с развитием эконометрического и экономико-статистического аппарата. Одним из заметных сторонников теоретики и дедуктивного метода был Милтон Фридман. В противовес эмпиризму Фридман утверждал, что сложность феномена цикла не является достаточным оправданием и нельзя отказываться от дедуктивного и теоретического подхода, поскольку только лишь теоретика способна выявить стохастические зависимости. Так же контраргументом противников было главное понятие экономической теории и ее статистический характер не соответствующий задачам анализа циклических процессов.

Главным в аргументации сторонников теоретики и дедукции отстаивалось утверждение о том, что вследствие действий экономических агентов проявляются экономические процессы, и только агенты способны вызывать случайные зависимости. Однако слабым звеном в их суждениях являлось то, что даже имея надежные знания о поведении индивидов сложно делать заключения о свойствах экономики в целом. Именно поэтому Фридманом подвергалась сомнению содержательная сторона макроэкономики. Он утверждал, что установленные статистическим методом макроэкономические зависимости не могут быть случайными и потому не могут содержать достоверных знаний. Прогнозирование Фридман и вовсе не выделял как научную цель, пытаясь отслоить понятие прогноза от привязанного к нему понятия «количественности».[5]

В свое время один из лидеров в анализе симуляций писал, что компьютерные симуляции порождены правилами, которые подвержены строгой спецификации и не являются следствием непосредственных измерений реального мира.

Симуляционное моделирование в отличие дедукции и индукции работает интуитивно, в то время как индуктивный метод используют для определения взаимосвязей данных, а дедуктивный для следствий из предпосылок. Важнейшую роль с точки зрения теории познания играет тот факт, что компьютерные симуляции дают возможность для экспериментов в области общественных наук. Речь о том, что такие области как например рынок, отрасль или «искусственное общество» можно перенести на искусственную модель и изменяя исходные условия и параметры поведения отдельных элементов системы изучать изменение ее свойств или их совокупности. При выявлении характеристик тех или иных элементов системы и правил их взаимодействий агент может использовать как теоретическое представление, так и эмпирические данные. Последние могут так же применяться при оценке получаемых выводов и результатов. В процессе симуляции объекта, система действует по определенному алгоритму и демонстрирует определенные свойства. Симуляция может предоставить исследователю вести наблюдение и фиксацию поведения исследуемого объекта либо плюс к тому еще и обеспечить проверку теории, если в ней есть необходимость. Моделирование искусственных систем дает возможность реализовывать новые методы и методологии научного познания. Относительно экономических наук, появление компьютерных симуляций стало означать притязание на разрыв микроуровня от макро в анализе, а также их радикально статистический характер. Насколько это имеет под собой научное обоснование, является предметом особого интереса. [2]

Гибкость методологий Томаса Лоусона произрастает из специфичного видения объектов научного анализа, характерного для трансцедентального реализма, в частности открытого характера социальных систем, нетранзитивности социальной реальности, структурированности. Последнее означает кроме воспринимаемых событий наличие не просматриваемой структуры и механизмов в социальной реальности, лежащих в основе наблюдаемых явлений. Нетранзитивность подразумевает сложность в установлении простых связей между элементами системы, так как в наблюдаемом событии нет той самой структуры и механизмов в доступном виде. Открытость означает неопределенность, связанную с действием человеческого фактора в общественной системе. Принципы, по которым он принимает те или иные решения не могут быть полностью детерминированы.

В открытых или почти открытых системах одна и та же причина способна вызвать различные действия, в то время как разные причины могут породить одно следствие. Отсюда появилось представление об установленных не универсальных зависимостях, обусловленных местом и временем. Сложной задачей с точки зрения критического реализма является выявление и изучение механизмов и структур, руководящих процессом событий, наблюдаемых в этих системах. Так как ни дедуктивный, ни индуктивный способы не способны справиться с такой задачей. Поэтому сторонники критического реализма призывают отказаться в пользу абдукции от индукции и дедукции, как способов рассуждений. Так же в их представлении эксперимент является важным этапом познания социальной реальности, так как он позволяет найти скрытые процессы в ходе непосредственного наблюдения. Здесь и есть та точка пересечения компьютерного моделирования и целей научного исследования, которые определяет критический реализм. Не совсем правильно рассматривать критический реализм как отправную точку для исследований. Поскольку подходы в решении различного рода проблем использующие аналитику, компьютерные симуляции, а также методологические проблемы в каждой науке свои. Отсюда возникает понятие эмерджентности, явление при котором происходит переход от одного уровня к другому в многоуровневых экономических структурах с появлением новых свойств. [1]

В компьютерном симулировании обычно рассматривают нижний и верхний уровни как в экономике микро и макроуровни. Ограниченная только двумя уровнями, задача становится более узконаправленной в отличие от задачи поставленной критическим реализмом. Более того, компьютерные симуляции помогают лишь в принятии решений при исследовании структур, осуществляя взаимодействие агентов, но не исследуя их сами. Ограничивая исследование рамками конкретного объекта как правило выбирают случайный процесс, который заменяет внутренние процессы не имеющие большой важности и внешние процессы, которые не входят в круг интересов.

Резюмируя итоги статьи, хочется сказать о том, что компьютерные симуляции на данный момент завоевывают все большее внимание при исследовании большого класса явлений, относящихся к различным экономическим показателям. Они являются основным инструментом моделирования в эволюционной теории, которая противостоит неоклассике как исследовательская парадигма. [3]

Компьютерные симуляции могут рассматриваться как третий путь получения научного знания и способ рассуждений, наряду с эмпирическим и теоретическим, индукцией и дедукцией.

Однако важное методологическое значение этого приема состоит прежде всего в том, что он позволяет «переложить» сложные методологические проблемы экономической науки, прежде всего проблему соотношения микро и макроуровней, на современный язык, тем самым не только открывает новую перспективу их рассмотрения, но и позволяет определить наиболее сложные моменты на пути их решения. [6]

компьютерный моделирование симуляция

Список литературы

1.Лоусон Т. Современная «экономическая теория» в свете реализма // Вопросы экономики.

2.Фридмен М. Контрреволюция науки. -- М.: Фонд «Либеральная миссия», 2007. -- C.

3.Нечаевский А. История развития компьютерного имитационного моделирования. Электронный журнал «Системный анализ в науке и образовании» 2013, №2 URL.

4.Кривощекова М.В. Метод компьютерных симуляций как интерактивная форма обучения. Статья. [Электронный ресурс].

5.Кюнтцель С. Эволюционное моделирование и критический реализм: [Электронный ресурс] // Экономический портал, 2009 URL: http://institutiones.com/theories/1165-evolyucionnoemodelirovanie.html

6.Майер Р. Компьютерное моделирование: [Электронный ресурс] // Компьютерное моделирование: моделирование как метод научного познания. Компьютерные модели и их виды.

Размещено на Allbest.ru