Интеллектуальный кризис современного российского общества.

), исключительности занимаемой должности (получение политической ренты) и др. Так, к профессиям, ориентированным на поиск ренты, относится право. Замечено, что наибольший спрос на получение юридического образования существует в странах с менее качественными институтами – население и бизнес больше нуждаются в консультационных услугах адвокатов. Во всех случаях, когда интеллектуальный капитал стремится участвовать не в создании частных или общественных благ, а в присвоении ренты, работая в госструктурах, получая выгодные госзаказы и пр., он тормозит инновационное развитие общества. Тем не менее, ориентация молодых людей и их родителей на получение рентного дохода (за должность, связанную с распределением ресурсов или возможностей заниматься определенной деятельностью) вполне рациональна. Такое поведение можно объяснить недостаточным развитием экономики – простой, слабо диверсифицированной, с неглубоким разделением труда и пр. В такой экономике самыми крупными, широко известными компаниями, привлекательными для молодых специалистов с точки зрения надежности рабочих мест, возможности сделать карьеру, получение более высокой зарплаты обычно являются сырьевые компании, торговые сети и банки. Именно здесь лучше всего бывают защищены права собственности, осуществляются дорогие проекты. Однако «с улицы» на работу в эти компании обычно не берут. Что касается малого и среднего бизнеса, то он представлен в таких странах некапиталоемкими компаниями, поставляющими населению товары и услуги: магазины, общественное питание, турагентства и др. «Белыми воротничками» в них являются именно юристы – наряду с экономистами и менеджерами. Рабочих мест довольно много, карьеру толковому юристу сделать не очень сложно - несложно изменить специализацию. Инженеру или ученому сменить специализацию было бы гораздо сложнее. Выше уже говорилось, что государственное регулирование может быть одной из сфер неэффективного использования интеллектуального капитала – опасность такого рода существует в первую очередь в странах с высокой коррупционной составляющей. Так, интеллектуальный капитал чиновников высокого ранга в ряде случаев может мало влиять на инновационное развитие общества. Напр., чиновник отвечает за реализацию определенных мер в рамках программы реформирования некоторой сферы общества. Выясняется, что его деятельность ограничена рамками политических рентоориентированных интересов правящей элиты (интересы могут быть связаны с сохранением и упрочением власти в своих руках). В результате содержание реформ изменится, сама она окажется неэффективной, инновационного развития общества не произойдет. Неэффективно использоваться может и интеллектуальный капитал топ-менеджеров, если они имеют специфические интересы, противоречащие национальному интересу – инновационному развитию общества. Решить эту проблему может только политическая. При управлении накоплением интеллектуального капитала важно учитывать и то обстоятельство, что эффективность его использования в одной области зависит от его уровня интеллектуального капитала в другой области. Напр., эффективность труда хирурга, прошедшего повышение квалификации в одной из лучших западных клиник и приехавшего на родину, будет зависеть от используемых оборудования, материалов, лекарств, от качества труда, образованности анестезиологов, медсестер и пр. Эффективность влияния интеллектуального капитала на инновационное развитие общества может происходить лишь в рамках сетевой структуры, определенной географической локализации, потому что все факторы производства и всей жизни общества в целом в инновационной экономике являются комплементарными по отношению друг к другу. Высокий уровень развития (технологический, интеллектуальный, духовный и пр.) лишь одного из звеньев будет отторгнут другими как «чужой» и поэтому «опасный». Определенную проблему для накопления интеллектуального капитала и инновационного развития общества представляет собой и повышение квалификации и профессиональной подготовки взрослых людей.Глава 3. Роль развития разума в военно-политической сфере обществаСовременный мир практически пронизан понятием искусственного интеллекта (далее — ИИ), которое иногда уместно (но в большинстве случаев «не к месту») используется в повседневном лексиконе, средствах массовой информации, в экономике, промышленности, научной сфере. Применительно к последней возникает существенная неопределенность, связанная со смешением дефиниций системного анализа, исследования операций, принятия решений, компьютерного моделирования, экспертных систем, нечеткой логики, автоматизации, когнитивных технологий, теорий информации, управления, принятия решений и многих других областей. Не обошла эта тенденция стороной и военное дело — привычными (но от этого не более определенными) стали термины «интеллектуальный боеприпас», «роботизированная военная система с элементами искусственного интеллекта» и т.п. В этой связи вполне объяснимо желание разобраться с существом понятия искусственного интеллекта, отделить эту понятийную область от других сходных областей и на этой основе попытаться определить перспективные сферы применения искусственного интеллекта в системе обороны страны. Для этого вначале необходимо, хотя бы в самых общих чертах, провести обзор истории ИИ  — становления и развития предметной области, применяемых методов, сфер практического приложения. В соответствии с работой [1] первоначальный период «предпосылок к появлению ИИ» (1943–1955 гг.) во многом определился благодаря статье [2], в которой приводилась модель искусственных нейронов, а также работе А.  Тьюринга в журнале «ComputingMachineryandIntelligence», в которой описан одноименный тест, принципы машинного обучения, генетические алгоритмы и процесс обучения с подкреплением. Период «раннего энтузиазма» (1956–1966 гг.) характеризовался тем, что впервые был использован термин «искусственный интеллект» (Дж.Маккарти, Дартмутский семинар, 1956 г.). Область ИИ ограничена моделированием творчества, самосовершенствования, использования естественного языка и, самое главное, создания компьютерных систем, действующих автономно в сложной, изменяющейся среде. Созданы программы, в которых моделировались процедуры решения задач человеком — логических рассуждений (LogicTheorist), «общего решателя задач» (GeneralProblemSolver), автоматического доказательства геометрических теорем (GeometryTheoremProver), доказательства алгебраических теорем (АЛПЕВ ЛОМИ, СССР), игры в шашки, шахматы и др. Кроме того, описана компьютерная система AdviceTaker, в которую предложено было включить «общие знания о мире» (базу знаний). Разработаны основы эвристического программирования и дальнейшее развитие получили нейронные сети на основе понятия «персептронов» (в СССР — алгоритм «Кора» и др.). Успехи этого периода так обнадеживали, что один из «столпов ИИ» Г. Саймон утверждал, что к 1985 году ЭВМ с эвристическими программами будут широко применяться в управлении промышленностью и экономикой, а психологические и социологические теории достигнут такого же уровня, как и современные теоретические представления химии и биологии. Период «столкновения с реальностью» (1966–1973 гг.) характеризовался неразрешимостью проблем доказательства теорем, основанных не на единицах, а на десятках аксиом, машинного перевода текстов (особенно советских статей про космос), применения нейронных сетей для решения реальных задач и др. Причинами этого были небольшой объем знаний о предметной области в программах ИИ, использование только формальных синтаксических манипуляций, трудность представления в терминах ИИ (например, нейронных сетей) реальных проблем. Кроме того, в программы закладывались в основном процедуры проверки различных комбинаций возможных шагов, что действенно для небольшого числа вариантов. При их значительном количестве вычислительные сложности росли не полиномиально, а экспоненциально, что приводило к «комбинаторному взрыву» (например, мог потребоваться учет всех возможных позиций в шахматах числом 10120). С 1973 до середины 80 гг. длился период «систем, основанный на знаниях». Тогда активно стали использоваться содержательные знания, выраженные в основном правилами «если ... то ...» (полученные из опыта, учебников, от специалистов и т.п.), а также степени неопределенности этих знаний (определяемые, например, коэффициентами уверенности). Такими знаниями «обладала» программа установления структуры молекул на основе данных масс-спектрометрии «Dendral», диагностики инфекционных заболеваний кровеносной системы «Mycin», экспертная система на языке РЕФАЛ (СССР) и др. Следующий период, продолжающийся и в настоящее время, характеризуется превращением ИИ в науку. Это связано, во-первых, с тем, что современные методы ИИ основываются на строгих теоремах и надежных экспериментальных данных (например, распознавание речи с применением строго обоснованных «скрытых марковских моделей»). Во-вторых, данные методы широко используются в реальных практических приложениях: – распознавание образов нейросетями («техническое зрение» роботов); – анализ скрытых закономерностей генетическими алгоритмами (маркетинговые исследования, менеджмент, бизнес-анализ); – нечеткое управление техническими системами (автоматические регуляторы движениями поездов метрополитена, работы котельной, функционирования бытовой техники); – поиск информации в Интернете интеллектуальными агентами («ботами») и др. В-третьих, постепенно произошел переход от концепции «думать, как человек», в соответствии с которой моделировались мыслительные процессы, к «делать, как человек», т.е. разумно вести себя в различных ситуациях. В четвертых, как и у любой науки, у ИИ обозначились свои границы и пределы достижений, и в настоящее время пришло понимание того, что невозможно в принципе создать универсальный решатель задач, доказатель теорем (например, гипотезы Пуанкаре, великой теоремы Ферма и т.п.).В указанные выше периоды создавались системы ИИ, в основе которых были положены [1]: а) схема «стимул-реакция»; б) модель среды. Отличие от первых в том, что такие системы способны отслеживать ту часть внешней среды, которая воспринимается ими в данный момент, т.е. использовать информацию о том, как среда изменяется независимо от системы и как её действия влияют на среду (функция адаптации); в) цель. В таких системах используется не только информация о среде, но и о желаемых результатах функционирования; г) полезность, т.е. множество целей, в том числе противоречивых, конфликтующих; д) функция обучения, благодаря которой, используя первоначальные знания системы, ИИ со временем становятся всё более компетентными. Следует отметить, что в указанных основах систем ИИ можно заметить признаки понятий автоматизации, системного анализа и др. (особенно в а–г). Поэтому важнейшим результатом настоящего периода является то, что ИИ все-таки дистанцировался, или вернее сказать — выделился из таких традиционных областей «обоснования рациональной деятельности», как системный анализ (дисциплина, занимающаяся проблемами принятия решений в условиях, когда выбор альтернативы требует анализа сложной информации различной физической природы, Н.Н. Моисеев), исследование операций (методы количественного обоснования решений, Е.С.Вентцель), теория принятия решений (выбора одной из нескольких альтернатив, сужение множества альтернатив решений, и, прежде всего, автоматизации. Именно с автоматизацией и связано большинство неопределенностей, пересечений понятийного аппарата ИИ. Существует огромное количество определений понятия автоматизации, анализ которых не является целью данной работы. В большинстве этих определений основным её отличительным признаком является возможность выполнять какие-либо функции при минимальном участии (в пределе — без участия) человека. К сожалению, этот признак вполне применим не только к автоматизации, но и системному анализу, теории принятия решений и т.п., а также и к искусственному интеллекту (призванному заменить собой человека, хотя бы его интеллект). Поэтому дополнительно необходимы и другие признаки. Очевидно, что понятие автоматизации очень широкое, и в определенной степени включает в себя и системный анализ, и исследование операций, и теорию принятия решений, управления и другие формальные методы. При этом самой автоматизации недоступны ситуации, которые не предусмотрены алгоритмом и не описаны с помощью формальных методов. Это и может быть положено в основу формулирования понятия автоматизации, как алгоритмизированного процесса (не обязательно на ЭВМ) поддержки принятия решений (в том числе управления) в ограниченном числе формализованных ситуаций. С учетом этого искусственный интеллект можно определить как способность информационных (не обязательно компьютерных, в будущем может и биоинформационных) систем принимать рациональные решения в неограниченном числе разнообразных ситуаций [3]. Определяющим здесь является возможность самостоятельно принимать решения без участия человека в любых ситуациях. Это значительно шире, чем просто поддерживать решения, учитывать предпочтения лица, принимающего решения, выбирать цели на основе программы, разработанной человеком, и в которой эти цели уже описаны и классифицированы.ЗаключениеНа наш взгляд, можно преодолеть отставание как в технологическом, так и интеллектуальном планах – и довольно быстро, если речь идет о нашей стране, - с помощью накопления интеллектуального капитала за счет государственных расходов на образование – качественное, бесплатное, доступное для всех. В традициях западного, прежде всего американского общества, прослеживается тенденция одновременно наращивать как предложение интеллектуального капитала (за счет улучшения качества образования), так и стимулирования спроса на интеллектуальный капитал со стороны бизнеса (путем проведения соответствующих институциональных реформ, стимулирующих инвестиции в технологии). Эта технократичная, прагматичная, либеральная позиция, несомненно, правильна с точки зрения economix – правил максимизации прибыли частного бизнеса. Однако в российской действительности есть другая традиция: на первое месте ставить не одновременность обеспечения спроса и предложения интеллектуального капитала ради экономического роста (читай: прибыли бизнеса), а гуманитарную ценность. Эта ценность - интерес к жизни, радость творчества, дерзновение - во всяком случае, не удовлетворение интересов бизнеса в увеличении прибыли, а крупного бизнеса – в увеличении прибыли и власти. Институциональные реформы нужны нашему обществу, но еще больше людям (не только интеллектуальной элите) нужно чувствовать свою сопричастность с совершенствованием мира, в том, чтобы быть сотворцами мира.Такова традиционная ценность, поддерживаемая россиянами. Этой ценностью стоит гордиться - несмотря на ее иррациональность и утопичность. Хотя какая иррациональность и утопичность могут быть в желании получать глубинное внутреннее удовлетворение от своей деятельности?Тогда не будет возникать вопроса по поводу причины, почему по тестам PISA российские школьники в 2000 году занимали невысокое 27 место, а в 2012 – еще более низкое 34-е: во всем виновата бедность? Ведь именно ссылкой на бедность объяснил почетный профессор педагогики университета Аризоны Д. Берлинер, выступая в институте образования НИУ ВШЭ, различия в результатах прохождения тестов PISA американскими и финскими школьниками. В США в целом тесты решают так же не слишком успешно, как в России: дети из средних семей со средним уровнем доходов высоко мотивированы и показывают очень высокие результаты, а из бедных семей – очень низкие. За чертой бедности в США живут около 24% школьников – это довольно много. Дети из Финляндии пишут тесты очень хорошо. За чертой бедности в этой стране находятся только 4% школьников. По Берлинеру невысокие результаты российских школьников по тестам PISA объясняются тем, что в России все плохо с социальным положением, с социальной политикой государства. Тут стоит сделать два замечания. Во-первых, в России много талантливых педагогов, которые обеспечивают очень высокий уровень знаний у школьников из семей с любым достатком. Видимо, в США такие талантливые энтузиасты встречаются редко, иначе почетный профессор знал бы о них и их вкладе в интеллектуальный капитал общества. Возможно, эта искренняя преданность своей профессии просто неуместна в американской модели устройства общества. Во-вторых, социальное положение, социальная политика государства относятся лишь к одной из сфер жизни людей. Эту сферу нужно рассматривать во взаимодействии со всеми другими – прежде всего экономической и институциональной. Хотя в вопросе, «Во всем виновата бедность?», содержится что-то, от чего не отмахнуться.Список использованных источниковАйдаркин Е.К. Пахомов Н.В., Шаклеин  А.Ф. и др. Некоторые вопросы использования методов искусственного интеллекта в системах обеспечения боевой деятельности военнослужащих низовых подразделений // Известия РАРАН. 2017. № 4 (99). С. 47–52.Кравцов Д.О., Преображенский Ю.П. Методика оптимального управления социально-экономической системой на основе механизмов адаптации / Вестник Воронежского института высоких технологий. 2008. № 3. С. 133-134. Лисицкий Д.С., Преображенский Ю.П. Построение имитационной модели социально-экономической системы // Вестник Воронежского института высоких технологий. 2008. № 3. С. 135-136. Мишина Е.А. Корпоративная культура как фактор социально- экономической жизни // Вестник Воронежского института высоких технологий. 2018. № 4(27). С. 109-114.Мотрошилова Н.В. Отечественная философия 50–80-х годов XX в. и западная мысль. М.: Академический проект, 2012; (Философия России второй половины ХХ века); Пружинин Б.И., Щедрина Т.Г. (ред.). Эпистемологический стиль в русской интеллектуальной культуре XIX– XX веков: От личности к традиции. М.: Политическая энциклопедия, 2013; Лекторский В.А. (ред.). Проблемы и дискуссии в философии России второй половины ХХ в.: современный взгляд. М.: Политическая энциклопедия, 2014; Пущаев Ю.В. Об одной попытке «спасти Просвещение» («Статья трех авторов» в свете современной ситуации) // Вопросы философии. 2015. № 4. С. 117–130; Порус В.Н. Так что же такое “гносеология культуры”? (размышления над книгой М.А. Розова «Гносеология культуры») // Вопросы философии. 2017. № 4. С. 105– 115Павлова М.Ю., Преображенский А.П. Проблемы адаптации специалистов // Современные исследования социальных проблем. 2012. № 4 (12). С. 70-73. Плотникова Л.В. Роль и перспективы применения современных информационных технологий в образовательной деятельности // Вестник Воронежского института высоких технологий. 2013. № 10. С. 238-240.Пружинин Б.И., Антоновский А.Ю., Воронина Н.Н., Грифцова И.И., Дорожкин А.М., Касавин И.Т., Масланов Е.В., Невважай И.Д., Пирожкова С.В., Соколова Т.Д., Сорина Г.В., Столярова О.Е., Щедрина Т.Г., Юдин Б.Г. Коммуникации в науке: эпистемологические, социокультурные, инфраструктурные аспекты. Материалы «круглого стола» // Вопросы философии. 2017. № 11. С. 23–53Пружинин Б.И., Автономова Н.С., Артемьева Т.В., Кантор В.К., Михайлов И.А., Пастернак Е.В., Порус В.Н., Разумовский И.С., Рыскельдиева Л.Т., Смирнов А.В., Щедрина Т.Г., Янцен В.В. Методологические проблемы публикации философских текстов. Материалы конференции – “круглого стола” Участники: // Вопросы философии. 2016. № 3. С. 5–50Пегат А. Нечеткое моделирование и управление. — М. Изд. Бином. 2011.Рассел С., Норвиг П. Искусственный интеллект: современный подход. Пер. с англ. — М.: Издательский дом «Вильямс». 2006Суровцев В.А. Аналитическая философия и феноменология // Шпет Г.Г. / Comprehensio. Вторые Шпетовские чтения. Томск, 1997. С. 145–162Торнгейт У. Истина о важном и интересном // Топосы философии Наталии Автономовой. К юбилею / Отв. ред.-сост. Б.И. Пружинин, Т.Г. Щедрина. М.: Политическая энциклопедия, 2015. С. 495Шишкина Ю.М., Болучевская О.А. Вопросы государственного управления // Современные исследования социальных проблем. 2011. Т. 6. № 2. С. 241-242. McCulloch W.S. and Pitts W. A logical calculusof the ideas immanent in nervous activity. Bulletin of Mathematical Biophisics, 5, 1943.