Пол Хамфрис, приняв к сведению корректное замечание Хартмана о роли времени, формулирует новое определение компьютерных симуляций. Для этого он вводит следующие термины: теоретический шаблон, вычислительный шаблон, вычислительная модель. Теоретический шаблон представляет собой разновидность наиболее общих математических описаний, которые выражают конкретную научную теорию. Вычислительный шаблон может возникнуть из теоретического шаблона, выраженного через конкретные величины (например, если речь про функцию силы, то она должна быть выражена либо силой тяжести, либо электростатической, либо магнитной, либо любой другой силой), которые поддаются вычислениям.
Хамфрис формулирует понятие вычислительной модели из характеристик рассмотренных им шаблонов. Эту формулировку он выражает через шесть компонентов, которые все, находясь во взаимной зависимости, конструируют вычислительную модель [Humphreys, 2004, p. 102-104]:
Уравнения или набор уравнений вместе с соответствующими типами граничных или начальных условий (дифференциальные, интегральные, разностные, итерационные уравнения), а также другие формальные математические аппараты. Такие синтаксические объекты обеспечивают базовую вычислительную форму модели.
Конструкционные ожидания.
Коррекция.
Интерпретация.
Обоснование шаблона.
Выходные репрезентации (таблицы, графики, диаграммы и т.д.).
Хамфрис также вводит термин базовой симуляции (англ. core simulation), разбирая определение Хартмана в той части, которая касается темпоральных свойств динамических моделей. Для того чтобы симуляция в том или ином конкретном случае находилась в корректном соответствии с наблюдаемой в реальности системой, нет необходимости создавать симуляции всех процессов, которые являются причинами фиксируемых в реальности явлений. Так, в качестве примера Хамфрис приводит симуляцию движения планеты. В этом случае достаточно последовательных вычислений состояния планеты (положения и скорости) через дискретные промежутки времени с использованием математических уравнений, которые составляют кинематическую модель орбитального движения (базовая симуляция). То есть работа симуляции в этом случае заключается в последовательной шаг за шагом смене значений положения и скорости планеты. Такой динамический процесс смены состояний вычислительной модели Хамфрис называет темпоральной частью вычислительного процесса базовой симуляции. Эта темпоральная часть целиком зависит от системы, которая производит вычисления. В нашем случае это цифровые и аналоговые компьютеры.
В итоге Хамфрис формулирует следующее определение:
Система S обеспечивает базовую симуляцию объекта или процесса B в том случае, если S представляет собой конкретное вычислительное устройство, которое посредством темпорального процесса создает решения для вычислительной модели, корректно выражающей B, динамически или статически. Кроме того, если вычислительная модель, используемая S, правильно представляет структуру реальной системы R, то S обеспечивает базовую симуляцию системы R относительно B [ibid., p. 110].
Хамфрис через конкретную характеристику компьютерных симуляций попытался продемонстрировать их обособленность от вычислительных, математических или других абстрактных моделей. Компьютерные симуляции, по Хамфрису, стали сложными многофакторными «экспериментальными устройствами» над динамическими моделями. Тем самым, точка зрения Хамфриса сумела стать привлекательной для философов, сумевших обнаружить признаки новизны феномена симуляций для философии науки в части эписте- мических и онтологических исследований.
Глубокий рефлексивный анализ симуляций был сделан Райн- бергером [Rheinberger, 2018] через концепцию транспозиции, которая характеризует собой переход экспериментальных следов (англ. traces) в данные из графематического пространства в репрезентативное. Такой переход осуществляется в науке обычно через связывание следов посредством моделей, в результате чего данные фиксируют себя в репрезентативном пространстве. Главный посыл Райнбергера заключается том, что компьютерные симуляции в отличие от моделей могут генерировать новые экспериментальные следы, которые в результате становятся данными. Получается, что в этом случае можно сформулировать следующее определение:
Компьютерная симуляция - это реализованный на базе программно-аппаратного комплекса набор вычислительных моделей, создающих специфическую среду, которая самогенерирует новые экспериментальные данные, тем самым обеспечивая условия для проведения экспериментов над базовыми математическими и научными теоретическими моделями, сопровождающих конкретный традиционный эксперимент (натурный, лабораторный, мысленный).
Компьютерная симуляция как эксперимент
В явном виде вопрос о месте компьютерных симуляций на «методологической карте» науки был сформулирован еще в 1996 г. Питером Галисоном и состоял в том, являются ли симуляции скорее теоретическими или экспериментальными практиками [Galison 1996, 120]. При этом эпистемологи обращали внимание на то, что ученые склонны использовать применительно к компьютерным симуляциям понятие «эксперимент» в повседневной деятельности. Так, хотя Эрик Винсберг призывает быть осторожными и не делать из этого прямых выводов о том, что симуляция и есть эксперимент [Winsberg, 2010, p. 29], он признает, что языковая интуиция ставит определенные вопросы:
Почему [ученый] часто называет то, что он делает, проведением «вычислительных экспериментов»? Почему он называет то, что он получает, «данными»? Почему практика симуляции столь очевидно во многих отношениях напоминает экспериментальную практику? Должны ли мы отвергнуть это как всего лишь произвольную метафору? [ibid., p. 52]
Из той же интуиции исходит и Франческо Гуала:
Заметим, что повседневный научный дискурс часто относится к экспериментам, моделям и симуляциям как к образцам одного и того же типа деятельности... Почему ученые переходят от разговора об «экспериментах» к разговору о «моделях» и «симуляциях»? [Guala, 2002, p. 60]
При этом повседневный научный дискурс способен указать на определенные направления поиска:
Это различие определенно нагружено эпистемическими коннотациями: предполагается, что симуляции в некотором смысле менее плодотворны, чем настоящие эксперименты... Их результаты часто оцениваются как «всего лишь» симуляции, которые не следует путать с «настоящими вещами» [ibid., p. 62].
Гуала предлагает сместить фокус с эпистемологии на онтологию симуляций.
Различие лежит в типе отношения, лежащего между, с одной стороны, экспериментом и его целевой системой, и с другой стороны, симуляцией и ее целевой системой. В первом случае соответствие присутствует на «глубинном», «материальном» уровне, тогда как во втором - признается только «абстрактное» и «формальное» сходство [ibid., p. 66-67].
Таким образом, в случае эксперимента мы более убеждены в его познавательной силе, поскольку экспериментальная установка сделана - по крайней мере, в имеющих значение аспектах - из того же материала, тогда как к симуляции такое требование не предъявляется и сходство может состоять исключительно в отношениях между элементами. С этой точки зрения, например, экономические исследования в лаборатории - посадить людей играть в игру, имитирующую микроэкономические отношения - является экспериментом, так как онтология релевантного материала, а именно люди, одна и та же. Компьютерные модели, с другой стороны, являются очевидными симуляциями, так как онтологически это лишь электронное устройство.
Еще один вариант онтологического подхода к определению симуляции и эксперимента предложен Мэри Морган [Morgan, 2003]. Она начинает с противопоставления двух крайних ситуаций: «чистый» лабораторный эксперимент и «чистое» математическое моделирование. Существует как минимум три основания различать эти практики:
Способ контроля. В эксперименте контроль над ситуацией достигается путем материального вмешательства, тогда как в математической модели ситуация конструируется искусственно путем введения тех или иных допущений.
Производство выводов. Выводы из эксперимента основаны на наблюдении результатов вмешательства; для математической модели требуется лишь дедукция выводов из заданных предпосылок. Морган особо подчеркивает тот момент, что если в математической модели нам известны все предпосылки и результат моделирования немножко предсказуем, то в эксперименте «результат, который мы ожидаем найти, не присутствует с необходимостью в экспериментальной установке... Возможности материального мира таковы, что эксперименты в этой области могут удивить нас, тогда как математические модели не должны» [Morgan, 2003, p. 220].
3. Распространение выводов на материальный мир. Морган полагает, что выводы из материальной экспериментальной практики распространяются на материальные ситуации этого же или похожего типа; выводы из математической модели, хотя и могут быть распространены на реальный мир, предполагают, что система, к которой они приложимы, также носит математический характер. Следует признать это различение довольно расплывчатым, особенно в контексте дальнейшего обсуждения.
Компьютерные симуляции, по мнению Морган, располагаются где-то между этими крайними точками. Она определяет их следующим образом: «Это эксперименты, использующие математическую модель как экспериментальный инструмент, а не эксперименты на математической модели» [ibid., p. 223]. Как и Гуала, она использует для компьютерных симуляций термин «гибридные эксперименты», однако подразделяет их на два типа: «virtually an experiment» и «virtual experiment». В обоих случаях перед нами пример конструирования некоторого виртуального аналога материального объекта и производство выводов на основе виртуального взаимодействия с ним. Однако ключевой момент - характер этого конструирования. В первом случае в качестве основы виртуального объекта используется реальный материальный объект, и его свойства воспроизводятся с максимально возможной точностью; Морган характеризует этот объект как «полуматериальный». Во втором случае используется модель объекта, основанная на ряде идеализированных допущений и представляющая собой абстрактную структуру. Ни тот, ни другой эксперимент не является однозначно «лабораторным» или «чисто математическим», однако понятно, что первый случай гораздо ближе к материальным лабораторным практикам, а второй - к математическому моделированию; и оба используют компьютер в качестве посредника.
Поскольку в «virtually experiments» в качестве входных данных используется материальный объект, Морган называет такие компьютерные симуляции «почти материальными» [ibid., p. 233]. В этом смысле режим репрезентации позволяет ученым отнестись к ним со степенью доверия, практически аналогичной лабораторным экспериментам.
Еще более радикальную позицию относительно материальности компьютерных симуляций занимает Уэнди Паркер. Она утверждает, что симуляции материальны в буквальном смысле, поскольку экспериментальная установка в случае компьютерной симуляции - не виртуальная среда, созданная компьютером, а сам компьютер. На самом деле, оспаривать материальность компьютера не собирались ни Гуала, ни Морган; однако для Паркер это принципиальный момент: «Эпистемология компьютерной симуляции должна уделять внимание этой материальности, иначе она обедняется, если не совсем запутывается» [Parker, 2009, p. 491]. Путаница происходит оттого, что из материальности/нематериальности компьютерной симуляции делается вывод об их эпистемологическом статусе, тогда как этот статус в отношении материальности совершенно одинаков. «Именно наблюдение за поведением материальной физической системы - программируемого цифрового компьютера - обусловливает результаты компьютерных экспериментов» [ibid., p. 495].
Успешность выводов в отношении эксперимента зависит от степени релевантности тех свойств, которые моделируются в эксперименте. Но это верно как в отношении компьютерных симуляций, так и в отношении лабораторных экспериментов. «Для обоих типов экспериментов оправданность выводов о целевых системах зависит от того, имеются ли у ученых достаточные основания полагать, что релевантные сходства - материальные, формальные или комбинированные - присутствуют между экспериментальной и целевой системой» [ibid.]. Соответственно, между этими экспериментами нет разницы ни с точки зрения онтологии, ни с точки зрения эпистемологии; Паркер приводит ряд метеорологических примеров, в которых ученые больше доверяют результатам компьютерной симуляции, чем лабораторным данным.
Вышеописанные варианты сопоставления экспериментов и компьютерных симуляций основаны на общей идее, которая получила название «аргумент материальности» [Duran, 2013, p. 40]. Идея аргумента материальности в том, что эпистемическая ценность симуляций прямо связана с онтологией происходящих процессов: если симуляции материальны в том же смысле, что и эксперименты, мы должны приписать им не меньшую эпистемическую ценность (Паркер); если же существует «зазор», то компьютерные симуляции заслуживают меньшего доверия (Гуала, Морган).
Статус самих экспериментов при этом рассматривается как нечто само собой разумеющееся. Однако аргумент материальности работает и в противоположную сторону: можно подвергнуть критическому анализу онтологию самих материальных экспериментов, попытаться «понизить» их статус - вместо того, чтобы пытаться дотянуть компьютерные симуляции до этого статуса. Так поступает, например, Маргарет Моррисон, аргументируя, что и эксперименты, и компьютерные симуляции являются прежде всего способами искусственного вмешательства в мир: построения в нем моделей [Morrison, 2009]. И в том, и в другом случае существуют сходные трудности в том, чтобы добиться соответствия результатов измерения действительности. Измерения могут быть прецизионными (precise), т.е. стабильно воспроизводимыми в условиях имеющейся модели (этот параметр характеризует то, насколько хороша наша исследовательская установка); но они также должны быть точными (accurate) в смысле соответствия результата измерения действительному процессу, который исследуется. В силу своей «искусственности» и «модельности» (model-shaped) экспериментальные практики страдают от невозможности произвести прямой переход от прецизионности используемой модели к ее точности (одно не гарантирует другое); однако ровно по тем же онтологическим причинам ровно те же эпистемологические «страдания» испытывают и компьютерные симуляции.