Евгений Вениаминович Луценко
350044, г. Краснодар, ул. Калинина, д. 13
Evgeny V. Lutsenko
13, ul. Kalinina, Krasnodar, 350044
Никита Сергеевич Головин
г. Нови-Сад, ул. Доситеева, д. 8; e-mail:
Nikita S. Golovin
8, ul. Dositejeva, Novi Sad
Изложены основы объединенной системно-синергетической теории информации, значительно превосходящей по концепциям и практическому применению классические подходы. Эта теория — результат формального синтеза двух передовых российских научных школ: синергетической теории, которая описывает информацию через призму динамических процессов самоорганизации, и системной теории, определяющей информацию через структурно-иерархические и эмерджентные свойства систем. В отличие от классической теории, которая рассматривает информацию как меру разнообразия в множестве несвязанных элементов, предложенный подход вводит понятие «системы», где ключевую роль играют взаимосвязи между элементами. Это позволяет количественно измерять такие ранее сугубо качественные понятия, как сложность и эмерджентность. Основным результатом теории является формулировка универсального информационного вариационного принципа, который постулирует, что развитие любых открытых систем — от физических и биологических до экономических и социальных — происходит таким образом, чтобы максимизировать скорость приращения информации. Этот принцип предлагается рассматривать как одну из ключевых закономерностей эволюции, определяющих направление развития систем в сторону усложнения и упорядочивания. Теория предлагает конкретную метрику для измерения системности и сложности, такую как коэффициент эмерджентности, который показывает, во сколько раз информационная емкость системы превышает информационную емкость простого набора ее элементов. В данной работе предложен подход к преодолению ряда ограничений классической теории информации и сформулирована плодотворная программа для будущих исследований, понимания и моделирования сложных систем, описан единый механизм для широкого спектра явлений. Практические применения теории включают разработку новых методов анализа больших данных, создание более адаптивных и самообучающихся систем искусственного интеллекта, а также прогнозирование развития рынков и социальных сетей. Таким образом, предложенная теория закладывает основы для создания единой науки о сложности, объединяя мнения ученых из различных областей.
The article outlines the conceptual foundations of a unified system-synergetic theory of information, which represents a significant step forward compared to classical approaches. This theory is the result of a formal synthesis of two leading Russian scientific schools: the synergetic theory of information, which describes information through the prism of dynamic self-organization processes, and the systems theory of information, which defines information through the structural-hierarchical and emergent properties of systems. Unlike classical theory, which views information as a measure of diversity within a set of unrelated elements, the proposed approach introduces the concept of a «system», where interconnections between elements play a pivotal role. This allows for the quantitative measurement of such previously purely qualitative concepts as complexity and emergence. The central result of the theory is the formulation of the universal information variational principle. This principle postulates that the development of any open system — from physical and biological to economic and social — occurs in such a way as to maximize the rate of information increment. It is proposed that this principle be viewed as one of the key regularities of evolution, determining the direction of system development toward increasing complexity and order. The theory offers specific metrics for measuring systemicity and complexity, such as the coefficient of emergence, which indicates how many times the information capacity of a system exceeds the information capacity of a simple set of its elements. In conclusion, this work offers an approach to overcoming a number of limitations inherent in classical information theory and formulates a fruitful program for future research. It opens new horizons for understanding and modeling complex systems by offering a unified explanatory mechanism for a wide range of phenomena. Practical applications of the theory include the development of new methods for big data analysis, the creation of more adaptive and self-learning artificial intelligence systems, and the forecasting of market and social network development. Thus, the proposed theory lays the foundations for the creation of a unified science of complexity, uniting the efforts of scientists from various fields.
The authors declare that there are no conflicts of interest present.