Катакомбаархив текстов
текстов

От неопределенности к регламенту через мультисимметрии

Методики · 24.05.2026 · 19587 знаков

Прогнозирование и аналитика Бюрократия и организацииМетодология и философияКультура и этикаГосударство и власть

Модели будущего в мире, который не обязан соответствовать нашим ожиданиям

Введение. Парадокс, с которого всё начинается

Представьте, что вы руководите стратегическим планированием крупного государства, корпорации или исследовательского фонда. Перед вами стоит задача: принять решения, последствия которых проявятся через 20, 30, 50 лет. Куда направить инвестиции в образование? Как выстраивать отношения с соседними культурами? На какие технологии ставить?

Вы не можете обойтись без модели. Но вы также не можете не понимать, что любая модель будущего заведомо ошибочна. История полна примеров: в 1970-х никто не предсказал распад СССР; в 2005-м ни одна экономическая модель не заложила в себя глобальный финансовый кризис 2008-го; в 2019-м модели не учитывали пандемию как системный фактор. Модели будущего врут — и будут врать. Но без них решения принимать невозможно.

Возникает парадокс: как строить модели, которые мы заранее считаем неадекватными, и как использовать их результаты, не впадая ни в догматизм, ни в паралич решений?

В этой статье я хочу описать подход, который складывается на пересечении нескольких дисциплин — философии науки, теории сложных систем, стратегического управления и инженерного проектирования. Ключевое понятие, вокруг которого всё вращается, — мультисимметрия. Но прежде чем дойти до неё, нужно честно описать саму проблему.

1. Неопределённость, которую нельзя свести к риску

В классическом управлении мы привыкли работать с риском: мы знаем возможные сценарии, можем оценить их вероятности и посчитать математическое ожидание. Страхование, финансовые деривативы, управление запасами — всё это работает в парадигме риска.

Но когда мы говорим о будущем через 50 лет, мы сталкиваемся с чем-то принципиально иным. Экономист Фрэнк Найт ещё в 1921 году провёл важное различие: риск — это когда вероятности известны; неопределённость — это когда неизвестны даже сами возможные исходы, не говоря об их вероятностях.

В условиях высокой онтологической неопределённости:

Мы не знаем, какие игроки появятся на сцене (в 1990-м никто не закладывал в геополитические модели rise of China как доминирующий фактор XXI века).

Мы не знаем, какие технологии станут прорывными (интернет, смартфоны, большие языковые модели — все они возникли как «случайности» относительно моделей предыдущего десятилетия).

Мы не знаем, какие ценности будут доминировать (смена этических парадигм вокруг гендера, экологии, приватности за последние 30 лет не была предсказана ни одной социологической моделью).

В таких условиях классическая модель, которая выдаёт «наиболее вероятный сценарий» или «оптимальное решение», — это опасная иллюзия. Она создаёт ложное чувство контроля и подталкивает к жёстким, необратимым решениям, которые ломаются при первом же столкновении с непредвиденным.

Ключевой сдвиг, который нужно совершить: модель будущего должна не предсказывать , а структурировать готовность . Её вывод не «делай X», а «поддержи резерв в узлах Y и Z, чтобы при любом из реализовавшихся сценариев система могла адекватно отреагировать».

2. Мультисимметрия: когда сложное допускает множество равноправных прочтений

Представьте, что вы смотрите на сложную систему — скажем, на современное общество. Вы можете разложить её на части множеством способов:

По экономическому признаку (классы, доходные группы).

По культурному (языки, религии, цивилизационные коды).

По технологическому (уровень цифровизации, доступ к ИИ).

По демографическому (возрастные когорты, урбанизация).

По политическому (типы режимов, уровень свободы).

Каждое из этих членений законно. Более того — ни одно из них не является привилегированным. Общество, рассмотренное через экономическую оптику, и то же общество, рассмотренное через культурную, — это не «более истинное» и «менее истинное» описание, а две равноправные проекции одной сложной целостности.

Вот эту ситуацию — когда сложная система допускает множество способов рассечения, каждый из которых порождает внутренне непротиворечивую и онтологически полноценную картину — мы и будем называть мультисимметрией.

Чем мультисимметрия отличается от кластеризации

Это принципиальное различие, которое часто упускают. Кластеризация группирует элементы по однородности — «похожее с похожим». Мультисимметрия выявляет идентичность целостностей — когда внешне различные подсистемы оказываются функционально, структурно или онтологически неразличимы относительно выбранной оси оценки.

Самый наглядный пример — Парето-фронт в многокритериальной оптимизации. У вас есть множество решений, каждое из которых по-разному распределяет ресурсы. Решение А: 70% бюджета в R&D, 30% в маркетинг. Решение Б: 40% в R&D, 60% в маркетинг. Решение В: 55/45. Внутри они радикально различны по составу. Но как целостности они идентичны по критерию неулучшаемости: ни одно из них нельзя улучшить по одному параметру, не ухудшив по другому. Это и есть множество симметрии — разные содержания, одна онтологическая позиция.

Подобные структуры встречаются повсюду:

В физике: разные системы (жидкость, магнит, сплав) имеют идентичные критические экспоненты в точке фазового перехода (универсальность).

В биологии: крыло птицы, крыло летучей мыши и крыло насекомого — разные субстраты, но идентичная аэродинамическая функция (конвергентная эволюция).

В информатике: машина Тьюринга, лямбда-исчисление и рекурсивные функции — разные формализмы, но одна вычислительная мощность.

Мультисимметрия — это способ, которым реальность допускает множественные, но равноправные прочтения. И именно это свойство делает её мощной опорой для моделирования в условиях неопределённости.

3. Мультисимметрия как дополнительная точка опоры модели

Возвращаясь к нашему парадоксу: модель заведомо несовершенна, но без неё нельзя. Мультисимметрия даёт ответ на вопрос «как строить такую модель, чтобы её несовершенство было контролируемым».

Принцип 1: Модель структурирует резервы, а не решения

Вместо того чтобы выдавать единственный «правильный» сценарий, модель выявляет множество Парето-оптимальных траекторий и показывает, какие резервы необходимо поддерживать, чтобы система могла реализовать любую из них при прояснении обстановки.

Это аналог реальных опционов в финансах: вы не покупаете актив сегодня, вы покупаете право купить его завтра по заранее оговорённой цене. В терминах моделирования: вы не фиксируете траекторию, вы фиксируете точки бифуркации и обеспечиваете в них достаточный резерв ресурсов, компетенций и институциональной гибкости.

Принцип 2: Модель множественна

Поскольку реальность допускает множество равноправных осей членения, адекватная модель будущего — это не одна модель, а семейство моделей, построенных разными разнородными группами экспертов. Экономисты, культурологи, технологи, демографы — каждый строит свою проекцию. Истина не в консенсусе (который обычно оказывается наименьшим общим знаменателем), а в интерференции перспектив: там, где разные модели дают согласованные выводы, проявляются структурные инварианты; там, где радикально расходятся — слепые пятна.

Принцип 3: Модель не отменяется, а герменевтически перерабатывается

Когда новая версия модели противоречит старой, это не значит, что старая была «неверной». Чаще всего она была адекватна в своей оболочке, в своей системе допущений. Правильная процедура — извлечь инвариант из старой модели и включить его в новую как частный случай (это аналог принципа соответствия Бора в физике: новая теория должна включать старую как предельный случай).

В науке развитие часто идёт по спирали: то, что было отвергнуто как «ересь» двадцать лет назад, возвращается как открытие сегодня. Адекватно всё — нужно только найти ключик доступа к адекватности через оболочку ереси.

Принцип 4: Паспорт эффективности, а не иллюзия точности

Система, оптимизированная на 100%, хрупка: у неё нет резерва на адаптацию. Система с паспортом эффективности 80% имеет 20% запаса на ошибку, эмерджентность и адаптацию. Модель должна явно указывать свой паспорт: в какой области она работает, где её границы применимости, какой резерв заложен на непредвиденное.

Принцип 5: Ответственность — свойство надсистемы, а не индивида

Вопрос «кто виноват в ошибке модели» — это симптом больной надсистемы. В здоровой надсистеме ошибки моделей абсорбируются резервами, а не становятся поводом для поиска козла отпущения. Тот, кто не успел уклониться от ответственности, оказывается виноватым только в системе, где резервов недостаточно.

4. Проблемы, которые это порождает

Элегантность принципов не должна вводить в заблуждение. Их реализация сталкивается с рядом серьёзных проблем, которые нужно честно назвать.

Проблема 1: Релятивизм осей

Если реальность допускает бесконечно много осей членения, как избежать релятивизма? Любое утверждение можно обосновать, выбрав «подходящую» ось. Модель рискует превратиться в каталог равноправных перспектив без возможности выбора между ними.

Проблема 2: Бесконечная нестабильность

Если модель постоянно уточняется, пересматривается и дополняется новыми осями, она теряет предсказательную силу. Решения, принятые на основе модели версии 1.0, могут быть отменены версией 2.0, которая сама будет отменена версией 3.0. Возникает паралич решений или — что хуже — игнорирование модели как «вечно меняющейся».

Проблема 3: Ограниченная компетенция разработчиков

Разработчики модели знают о её несовершенствах — но в рамках своей собственной парадигмы. Экономисты, строящие модель геополитики, увидят, что модель плохо учитывает культурные факторы, и добавят культурные индексы. Но они могут не увидеть, что сама рамка «геополитика как игра государств» устарела — реальность движется к сетевой войне негосударственных акторов (корпораций, хактивистов, религиозных движений). Это слепое пятно не закрывается в рамках их собственной парадигмы.

Проблема 4: Эпистемическая амнезия

Когда модель радикально меняется каждые несколько лет, накопленные знания могут теряться. Новая команда разработчиков, считающая старую модель «устаревшей», может заново открыть то, что уже было известно. Развитие по спирали превращается в бег по кругу.

Проблема 5: Институциональная инерция

Модель образования, заложенная на 30 лет вперёд, институционализируется: учебные планы, учителя, инфраструктура, нормативные акты. Когда через 10 лет новая версия модели показывает, что изначальные допущения были неверны (например, рутинный кодинг автоматизируется ИИ, и нужны навыки системного мышления), радикальная смена системы образования невозможна без коллапса. Модель устарела, но продолжает использоваться.

Проблема 6: Размывание ответственности

Если модель заведомо несовершенна и будет заменена, кто несёт ответственность за решения, принятые на её основе? Если модель геополитики рекомендовала санкции против страны X, а следующая версия модели показала, что санкций не требовалось, — кто компенсирует ущерб? Разработчики говорят: «Мы предупреждали, что модель несовершенна». Пользователи говорят: «Мы действовали на основе лучшей доступной модели». Пострадавшие говорят: «Кто-то должен ответить».

5. Технологические решения

Ни одно из этих противоречий не фатально, но каждое требует технологического — а не философского — решения. Вот как они могут быть закрыты.

Решение 1: Множественность + метауровневая увязка

Вместо поиска единственной «правильной» оси мы сознательно берём множество осей сразу и связываем их на метауровне. Это требует отдельной технологии — технологии связывания разных аттракторных пространств (вопрос, требующий специальной проработки, но принципиально разрешимый через функториальные мосты и инварианты, сохраняющиеся при переходе между членениями).

Множественность связанных вариантов членения в одной модели — это уже само по себе точка опоры на метауровне. Модель становится не «снимком реальности», а семейством проекций, и истинность переносится с уровня отдельных членений на уровень инвариантов, сохраняющихся при переходе между ними.

Решение 2: Институциональная эпистемология

Парадокс самоприменимости (наблюдатель сам находится внутри моделируемой системы) и проблема верификации онтологического статуса снимаются не теоретически, а процедурно:

Конкурирующие разнородные группы разработчиков работают параллельно в разных парадигмах, обеспечивая интерсубъективную валидацию.

Красные команды из внешних дисциплин атакуют не параметры моделей, а их онтологические основания — это закрывает слепые пятна разработчиков.

Регламенты работы экспертных групп формализуют процедуры разногласия, ротации, перекрёстной проверки — чтобы групповое мышление не подменяло эпистемическую эргодичность.

Это аналог научного peer-review, но перенесённый в область стратегического моделирования и усиленный осознанной состязательностью.

Решение 3: Преемственность через реестр инвариантов

Чтобы избежать эпистемической амнезии, ведётся реестр инвариантов — утверждений, которые сохранялись во всех версиях модели. Например: «Культурные конфликты всегда имеют экономический субстрат». Эти инварианты становятся жёсткими ограничениями для будущих версий.

Отдельно ведётся реестр отвергнутых знаний с аннотацией «оболочка ереси» — чтобы не терять материал, который сегодня кажется неадекватным, но завтра может быть переосмыслен. Наука развивается по спирали — и это свойство должно быть встроено в саму инфраструктуру моделирования.

Решение 4: Модульная архитектура

Чтобы справиться с институциональной инерцией, модель разделяется на стабильное ядро (то, что институционализируется — например, базовые принципы образования) и гибкую периферию (то, что может меняться каждые несколько лет без коллапса системы — например, конкретные учебные курсы).

Изменения в периферии не требуют перестройки ядра. Это прямо соответствует биологической стратегии: геном стабилен, фенотип гибок.

Решение 5: Контролируемая избыточность и coarse-to-fine

На проблему вычислительной сложности и риска переобучения на одну ось есть два инженерных ответа:

Контролируемая избыточность: осей берётся заведомо больше, чем мы можем интерпретировать — например, в два раза. Невозможность интерпретировать всё сразу — это не баг, а ресурс для будущих итераций. Избыточность защищает от переобучения.

Пошаговое сужение (coarse-to-fine): мы не пытаемся сразу проанализировать всё пространство возможных осей. Мы начинаем с широкого обзора, отсекаем заведомо нерелевантное по эвристикам, итеративно углубляемся в оставшееся.

Решение 6: O(N²) проверка идентичности

Проверка того, что элементы действительно принадлежат одному множеству симметрии, делается «каждый с каждым». Это дорого вычислительно, но иначе опасно: накопление ошибок в идентификации симметрии ведёт к системному дрейфу и потере адекватности всей модели.

На практике можно использовать статистический контроль качества: проверять не все пары, а репрезентативную выборку, и при выявлении нарушений транзитивности углубляться в проблемный участок.

Решение 7: Протокол каузального долга

Проблема размытия ответственности решается введением явного протокола каузального долга. Любое решение, принятое на основе модели, сопровождается декларацией:

модель, на основе которой оно принято (версия, паспорт эффективности);

известные границы её применимости;

идентифицированные слепые пятна;

резервы, заложенные на случай ошибки модели;

оператор (физическое лицо или орган), берущий на себя ответственность за компенсацию ущерба, если модель окажется неадекватной.

Это не снимает неопределённость — она принципиально неснимаема. Но это делает её явной, распределённой и абсорбируемой резервами надсистемы.

6. Итог: модель как живой организм

Если суммировать всё сказанное, мы приходим к принципиально иному образу модели будущего. Это не статуя — не окончательная истина, высеченная в камне и требующая поклонения или отвержения. Это живой организм, который:

Растёт — накапливает знания и новые оси членения.

Линяет — сбрасывает устаревшие компоненты без коллапса целого.

Эволюционирует — адаптируется к новой реальности через гибкую периферию при стабильном ядре.

Размножается — порождает специализированные версии для разных контекстов и аудиторий.

Умирает — депрецируется, когда исчерпывает эвристическую силу, но не выбрасывается, а сохраняется в реестре инвариантов.

Мультисимметрия в этой картине играет роль иммунной системы. Она не даёт модели застыть в одной проекции, не позволяет догматизировать одну ось как «истинную» и обеспечивает постоянную эпистемическую эргодичность — способность рассматривать альтернативные траектории.

В мире, который не обязан соответствовать нашим ожиданиям, такая модель — это не инструмент предсказания, а инструмент сохранения способности действовать при любом развитии событий. И, возможно, это самое честное, что мы можем себе позволить, берясь за планирование будущего.

Автор выражает благодарность разработчикам Qwen за продуктивную интеллектуальную работу, в ходе которой были выявлены и проработаны ключевые концепты данной статьи.

← ко всем текстам