Единство умственного и физического труда

Изобретательство – это процесс преодоления научно-технических противоречий специфичными методами устранения психологических барьеров. Многие известные методы поиска технических решений (самых известных в мире более 30) в основном направлены на стимулирование мозговой деятельности изобретателя. Некоторые из них предполагают применение информационных технологий, а также прямого (с использованием математических методов) или косвенного (применением только эвристических приемов) поиска оригинальных (пионерных) и патентоспособных на мировом уровне новизны технических решений,

Мы в дальнейшем не будем применять испорченный термин «инженерный» как синоним слова «творческий». В русском языке за почти 100 лет многие слова стали чисто предметными, вещественными, например «инженер по продажам», и сознательно процессные смыслы были удалены, например, в таких словах «новация», «инновация» и пр.

Любая творческая задача является творческой (ingenium - инженерной), для решения которой необходима изобретательность, эвристический склад ума и вместе с тем высокая расчетливость в сопоставлениях отношений. Слово «инженер» должно употребляется со временем не как специальность, а как указание на творческий характер научно-технических задач и их оригинальных (патентоспособных на мировом уровне новизны), рациональных и оптимальных технических решений.

Под задачей Д. Пойа (см. РЛ – рекомендуемая литература) понимает следующее: «Задача предполагает необходимость сознательного поиска соответствующего средства для достижения ясно видимой, но непосредственно недоступной цели. Решение задачи означает нахождение этого средства». Очевидно, что там, где нет трудностей в поиске стратегий и результатов решения, то там нет и самой задачи.

Решение - это процесс, хотя часто, из-за двойственности смысла, это слово понимается и как результат.

На входе процесса, в нашем случае статистического моделирования и поиска технических решений по результатам полученных моделей в виде биотехнических закономерностей, находится матрица исходных данных. При однофакторном моделировании - статистическая выборка в виде табличной модели (в простейшем случае с двумя столбцами цифр) и еще обязательно эвристическая модель представлений, гипотез, идей и мыслей о структуре (каркасе) взаимодействий между переменными (столбцами или строками матрицы). В более сложных случаях учитываются связи даже между отдельными значениями переменных (взаимная связность при отсутствии независимости между факторами), то есть между клетками матрицы данных.

Первое требование понятно всем, так как если нет количественных данных, то существует только постановка задачи моделирования и необходимо собрать эти количественные данные, то есть сформировать матрицу данных. Конечно же, здесь возникает множество вариантов стратегий: во-первых, воспользоваться таблицами данных других исследователей; во-вторых, собрать то, что имеется и возможно иметь в данной информационной среде; в-третьих, провести планирование эксперимента по сбору данных (в инженерной экологии и природопользовании используются текущие или прошлые данные без планирования экспериментов); в-четвертых, взять на производстве управленческие и технологические данные в динамике за многие года.

Вот тут-то и подключается второе требование - наличие содержательного описания матрицы данных. Без этого данные превращаются просто в организованное по каким-то отличительным признакам множество чисел. Поэтому смысловые коды-отображения всегда, хотя бы на минимальном уровне (констатация фактов), должны быть в публикациях, отчетах и других информационных документах.

Эти эвристические модели, представленные в текстовой форме на естественном языке, могут быть и неточными, даже иногда ложно объясненными самими авторами результаты своих наблюдений.

В истории науки немало примеров, когда матрицы данных объяснялись другими гораздо позже их создателей. Ныне такая же ситуация сложилась в отраслях науки, когда огромные массивы количественных данных приводились и ныне приводятся только в табличных формах.

Таким образом, процесс сбора качественной и количественной информации зависит от постановки задачи, уровня компетентности исследователя и других факторов. Если стратегия моделирования основывается на «чужих» данных, то учитывается их достоверность и полнота. Если она предусматривает проведение экспериментов, то вначале необходима максимально полная проработка концептуальной модели, то есть необходимо уделить внимание вначале эвристике.

Данные несут знания (если, конечно, нет сомнений в достоверности самих данных). Вот это свойство эвристичности, например, количественных данных, представленных в табличной форме, необходимо использовать как важнейший ресурс, в частности, в процессе пояснения и идентификации идентифицируемой математической модели.

Известно, что в природе явления и процессы носят всегда статистический (вероятностный), а не детерминистский (однозначно меняющийся во времени) характер. Эта статистика, как и колебания атомов относительно самих себя внутри твердого какого-то тела, имеет изменчивый характер. Чем больше «температура», то есть уровень эвристической напряженности, в процессе моделирования по хаотичности сведений, то тем больше колеблются элементы информации (фреймы, порции и пр.) по росту изменчивости количественных знаний и по силе взаимосвязей между факторами.