КИБЕРНЕТИКА БИОЛОГИЧЕСКАЯ
— направление кибернетики, изучающее общие законы хранения, переработки и передачи информации в биологических системах. К. б. использует моделирование и изучает методы анализа и управления биол. системами. К. б. не подменяет других биол. наук, т. к. занимается преимущественно матем. обработкой, построением моделей, переработкой информации, а не непосредственным получением данных. Традиционными методами исследования биол. систем, описанием и управлением ими занимается биология. Но по мере своего развития биол. науки все больше нуждаются в методах кибернетики, поскольку принцип символьного выражения сведений в виде моделей позволяет не только уточнить качественные и количественные представления о системе, но и получить новые данные. К. б. использует методы автоматов теории, алгоритмов теории, систем общей теории, теории сложных систем управления, а также теории автомат, регулирования и управления (теории устойчивости, инвариантности, теории оптим. управления, информации теории, операций исследования и др.).
Живая природа сложна и разнообразна, поэтому К. б. подразделяют на несколько направлений, изучающих различные биол. системы и их частные ф-ции: на мед., физиол. и психол. кибернетику, нейрокибернетику и бионику. Кибернетика медицинская занимается гл. о. созданием статистических моделей заболеваний и использованием их для диагностики, прогнозирования и лечения, а также изучает процессы управления в медицине и здравоохранении. Физиологическая кибернетика изучает и моделирует ф-ции клеток, органов и систем в условиях нормы и патологии с перспективой использования моделей для медицины. Нейрокибернетика моделирует процессы переработки информации в нервной системе — от нейрона до организма в целом. Психологическая кибернетика моделирует психические ф-ции на базе изучения целостного поведения человека. Бионика является связующим звеном между К. б. и кибернетикой технической и изучает возможности использования моделей биол. процессов в технике. По мере накопления в биол. науках количественной информации выделяются новые направления К. б.
При составлении количественных моделей в первую очередь формулируют цель моделирования; после этого переходят к составлению гипотезы, представляющей качественное описание системы, и выбору типа модели, матем. методов и тех. средств для ее выражения в зависимости от цели, количества и качества информации. Последний этап - это создание модели и ее исследование с целью идентификации с системой-объектом. Матем. модель биол. системы, дающую достаточно хорошее совпадение с результатами 
экспериментальных испытаний при расширении внешних условий, можно назвать теорией работы данной системы (см. Биологических систем математическое моделирование).
В зависимости от целей моделирования модели должны с различной степенью точности отражать структуру и функции системы (всей системы или ее частей). Для познания и управления она должна быть более детальной, чем для создания устр-в, заменяющих систему, когда можно ограничиться моделированием отношений «входы — выходы» (см. «Черный ящику), не претендуя на воспроизведение внутр. структуры и частных ф-ций. Ряд особенностей биол. систем определяет требования к модели и ограничивает возможности моделирования. Все биол. системы очень сложны, поэтому в большинстве случаев возможны только вероятностные, а не точные модели; методы классической математики применимы в К. б. только для моделирования частных ф-ций и то с ограниченной степенью точности. Виол, системы составляют сложную иерархию. Модель каждой из систем может охватывать разное число смежных уровней «сверху» и «снизу». Напр., организм можно моделировать «снизу» — с уровня молекул, клеток или органов и учитывать влияние «сверху» таких систем, как популяция, биогеоценоз или даже всей биосферы. Чем большее число смежных уровней включено в модель, тем она точнее и тем большее число качеств системы-объекта она отображает. На каждом структурном уровне биол. системы (клетка, организм, популяция) можно условно выделить рабочие и управляющие подсистемы. Между ними циркулируют потоки не только материальных частиц, но и информации, выражаемой ее энергетическим кодом. При моделировании обязательно отражение как материально-энерг., так и информационно-моделирующих свойств систем. Функции биол. систем, их подсистем и элементов представляют сочетание дискретных и непрерывных процессов, поэтому и для их моделирования нужно использовать сочетание дискретных и непрерывных методов.
Высшим атрибутивным свойством биол. систем является способность к самоорганизации, выражающаяся в изменении функций и изменении структуры за счет появления новых связей при одинаковом к-ве элементов, или в изменении структуры за счет изменения числа элементов и связей между ними и образовании новых уровней. Качество самоорганизации обычно локализовано на различных уровнях структур (изменения в ДНК при мутациях и рекомбинациях, условные связи в нейронах коры головного мозга, творчество отдельных людей в обществе). Для моделирования этого качества необходимо «начать построение» модели с соответствующего уровня, что связано с большими тех. трудностями и пока практически невозможно.
Биология не располагает ни об одной из своих сложных систем, необходимыми к-вом и качеством информации, которые позволили бы
уже сейчас создать модели с высокой степенью идентичности их поведения. Для получения такой информации необходимы экспериментальные исследования на новом тех. уровне, а для обработки результатов этих исследований — широкое использование вычислительной техники.
Учитывая недостаток информации и трудности ее получения, создают в К. б. эвристические модели, в которых воспроизводятся гипотезы о структуре и функциях системы с использованием имеющейся информации и восполнением недостатка ее за счет предположений. Эвристические модели полезны для проверки гипотез, для планирования экспериментов и для управления системой.
По характеру блок-схемы модели можно условно поделить на феноменологические и структурные. В феноменологических, или функциональных, моделях отражены временные и причинно-следственные отношения между дискретными явлениями, характеризующими функцию биол. системы без учета ее структуры. Возможны модели разной сложности: модели, отражающие зависимости дискретных входов и выходов целой системы, рассматриваемой как «черный ящик», и иерархические модели, в которых представлены не только общие для системы выходы и входы, но и дискретные ф-ции внутренних подсистем, которые при интеграции определяют целостное поведение. Детализация функций, выделение нескольких уровней, расчленение энерг. и информационных потоков, привязка к внутр. структурным элементам, введение вероятностных оценок и обратных связей хотя и очень усложняет модели этого типа, но приближает к раскрытию сущности системы. Структурные модели строятся на базе внутр. структуры системы и отражают один или несколько иерархических уровней (элементы, подсистемы и связи). К структуре «привязываются» непрерывные и дискретные изменения частных ф-ций, из которых рассчитываются суммарные ф-ции системы как целого. Модель представляет собой плоскую или пространственную сеть, отражающую рабочие и управляющие элементы системы. Структурные модели лучше приспособлены для выражения сущности систем, однако сложность расчетов не позволяет начинать моделирование с низких структурных уровней и заставляет ограничиваться отражением отдельных подсистем и частных ф-ций. Кроме типичных феноменологических и структурных моделей возможны и смешанные модели, в которых отдельные подсистемы или их определенный уровень выражаются по первому, а другие — по второму типу. Выбор зависит от специфики системы. В качестве тех. средств для создания моделей используют ЭЦВМ, поскольку они позволяют перерабатывать большой объем информации, хотя программирование на них трудоемко. Некоторые частные ф-ции и отдельные подсистемы можно моделировать на аналоговых вычислительных машинах.
Отдельной областью К. б. является организация и проведение экспериментов по снятию статистических и динамических характеристик биол. объектов. До начала проведения таких экспериментов осуществляется постановка задачи (определяют орган или функциональный акт, подлежащий изучению; устанавливают протяженность опыта и граничные условия). Это предполагает формулирование некоторой гипотезы, выразимой в качественных понятиях. После постановки задачи переходят к построению функциональной схемы объекта (перечисляют все входы и выходы; на основании гипотезы из их числа выделяют существенные). Следующий этап — планирование эксперимента (определяют контролируемые входы, выделяют стабилизируемые и изменяемые параметры, режим нагрузок, места и частоту замеров). Для успешного проведения экспериментов очень важно правильно подобрать комплекс измерительной аппаратуры. После этого проводят серию пробных опытов, во время которых отрабатывается методика и определяется применимость сделанных допущений. Закончив предварительную подготовку, приступают к проведению осн. серии опытов для получения характеристик. Матем. обработку результатов осуществляют на ЭЦВМ, вводя в нее данные с помощью аналого-цифрового преобразователя.
Общие принципы управления биол. системами с применением методов кибернетики состоят в следующем. Определение цели управления, выраженной моделями исходного, промежуточных и конечного состояний системы. Цели устанавливает человек, а количественные динамические модели одного из типов записываются в памяти ЭЦВМ или выражаются аналоговой моделью, напр., статистические модели заболеваний (структурная модель «внутренней сферы» организма или модель психики). Эти модели позволяют прогнозировать естественные изменения системы при разных исходных состояниях. Перечисление средств управления с программами их воздействия на элементы системы. Например, перечень лекарств с указанием механизма действия в виде изменения характеристик органов. Составление алгоритма управления. Расчет по модели изменения системы во времени при разных управляющих воздействиях и выбор оптим. стратегии и тактики управления для достижения цели. Принятие решения и уточнение программы управления. Напр., выбор метода лечения по критериям эффективности в зависимости от исходного состояния больного и программа последовательности применения средств. Контроль выполнения программы управления, предусматривающий систему обратных связей, оценку состояния системы на промежуточных стадиях и коррекцию управляющих воздействий в зависимости от эффекта управления. Это очень важный момент, т. к. возможны только вероятностные модели биол. систем, не позволяющие однозначно предусмотреть ее реакцию на управление.
Управление биол. системами возможно в клинической медицине: диагностика и прогнозирование развития болезни, выбор и проведение лечения вплоть до автомат, управления жизненными ф-циями при острых патологических состояниях; в физиологии — планирование и проведение эксперимента; в психологии — программированное обучение или даже воспитание.
Лит.: Парин В. В., Баевский Р. М. Введение в медицинскую кибернетику. М.- Прага, 1966; Амосов Н. М. Моделирование сложных систем. К., 1968; Анохин П. К. Принципиальные во просы общей теории функциональных систем. М., 1971 [библиогр. с. 58—61]; Эшби У. Р. Конструкция мозга. Пер. с англ. М., 1964 [библиогр. с. 404— 407]; Рашевски Н. Некоторые медицинские аспекты математической биологии. Пер. с англ. М., 1966 [библиогр. с. 236—241]. Н. М. Амосов.
