Управлять результативностью достигаемых целей и затратами их достижения, то есть управлять эффективностью работы разума можно посредством нескольких способов. Эти способы логически вытекают из повышения эффективности обработки цифровых пакетов информации и методов их регистрации.

Способы обработки информации должны воплощаться в определенных методах, отвечающих требованиям универсальности и простоты. Требование универсальности обусловлено необходимостью использования методов для обработки любой информации при любых условиях. Это определяет наличие одинаковых входных данных для методов, то есть цифровой информации, которая имеет единую природу: совокупность нулей и единиц. Кроме того, методы обработки информации должны позволять выявлять зависимости бесконечной сложности. Это возможно благодаря единой природе всех зависимостей: их можно разложить на множество простых зависимостей благодаря элементарным операциям, которые будут заложены в основу предлагаемых методов.

Требование простоты необходимо для эффективной работы разумной системы, состоящей, главным образом, в ее высокой скорости и экономичном расходе энергии. Рецепторная информация в разуме делится на два функциональных типа. Первый тип – это рецепторная информация, которая напрямую свидетельствует о достижении цели разума, то есть восприятие этой информации при любых условиях рассматривается как достижение цели. Второй тип – это рецепторная информация, которая не имеет прямого отношения к целям разума, а лишь свидетельствует о событиях в окружающей среде и состоянии системы разума. Рецепторная информация второго типа сама по себе для разума бесполезна. Она лишь выступает инструментом повышения вероятности достижения целей разума и снижения затрат их достижения. Если разум функционирует в такой внешней среде, в которой и без рецепторной информации второго типа можно эффективно достигать поставленные задачи, то целесообразно будет вовсе от нее отказаться. В природе такой отказ выражается в виде атрофии органов чувств у живых существ. Однако без информации второго типа невозможно принятие эффективных решений во всем многообразии возможных внешних сред. Таким образом, необходимо обрабатывать информации обоих типов согласно приведенным ниже методам.

Цифровые пакеты информации (ЦПИ) можно преобразовывать шестью способами: математическое преобразование, игнорирование, описание ЦПИ в качестве множества, регистрация ЦПИ в атрибутной статистике и статистике без атрибутов, сравнение ЦПИ, выявление законов и закономерностей (зависимостей). Оценка выявленных законов и закономерностей на основе индукции и дедукции посредством расчета рейтинга позволит завершить цикл обработки и регистрации информации, выполняя задачи разума: достижение поставленных целей посредством повышения вероятности их достижения при минимуме затрат.

ЦПИ – совокупность нулей и единиц, ограниченная определенным их количеством. Цифровой поток информации в силу своей бесконечности не может быть обработан и зарегистрирован непосредственно, то есть без деления на ЦПИ. Ведь бесконечные объемы информации требуют бесконечных вычислительных мощностей для обработки и бесконечный объем памяти для регистрации. Деление потока информации на пакеты может происходить, как естественно, когда поток информации из внешней среды прекращается, так и алгоритмически, когда часть информации из общего потока выделяется в самостоятельный пакет по определенным признакам, описанным в алгоритме. ЦПИ может сформироваться и от внутренних микросхем системы. Признаки алгоритмического деления цифрового потока информации:

— автоматическое деление по длине (объему занимаемой памяти);

— автоматическое деление по времени восприятия;

— адаптивное деление по длине и по времени.

Цифровой поток информации, при отсутствии каких-либо обоснованных инструкций по критериям деления на пакеты, должен иметь автоматический вариант деления. В качестве таких вариантов выступают автоматическое деление либо по длине, либо по времени. Деление по длине выделяет из цифрового потока пакеты информации, занимающие определенный объем памяти, который по умолчанию запрограммирован в разуме. В делении по времени в качестве критерия деления выступает период восприятия ЦПИ. Адаптивное деление по времени и по длине используется в следующих случаях:

— ресурсы времени разума находятся в дефиците, что проявляется в том, что разум не успевает своевременно принимать решения. В этом случае необходимо увеличить время восприятия пакета;

— ресурсы памяти разума находятся в дефиците, что требует сокращения объема ЦПИ;

— автоматические параметры деления потока сопровождаются неудачными попытками выполнить цели разума. Это дает основание предположить на основе индукции, что в этом виновны неоптимальные параметры деления потока на ЦПИ, а на основе дедукции, что любой будущий ЦПИ с данными параметрами деления приведет к неудаче. В этом случае необходимо изменить параметры деления. В природе для разума живых существ более важным параметром является параметр времени, так как он определяет выживаемость индивида. Время всегда находится в дефиците. Память как правило не находится в дефиците, поэтому и управление ею лишь косвенное: она экономится для экономии времени и энергии на обработку информации, которая хранится в памяти. Поэтому более предпочтительно уменьшать время регистрации, чтобы за меньшее время разум успел принять решение и реализовать его на практике в виде действия. Однако для этого необходимо иметь соответствующие вычислительные мощности и запасы энергии для поддержания их работоспособности, что не всегда имеет место.

Тем не менее, нельзя сокращать время восприятия ЦПИ до бесконечности, даже если есть такая возможность. Эта операция автоматически ведет к сокращению занимаемой пакетом информации памяти, что ведет к сокращению количества теоретически возможных пакетов, которые отличаются друг от друга. Это приведет к примитивной статистике данных и снизит возможности по выявлению в них законов и закономерностей, а значит, по принятию разумных решений. В результате разуму придется объединять соседние пакеты данных в единый код, то есть бороться с собственными действиями. Поэтому нужно отказаться от первоначального действия по сокращению времени восприятия ЦПИ.

В случае если информация воспринимается одновременно от множества рецепторов, объединенных в единый орган чувств, то необходимо фиксировать информацию в дискретный момент времени. Дискретизация – это процесс разбиения сигнала (информации) по времени. Заданный промежуток времени при дискретизации, через который регистрируется сигнал (информация) называется дискретным. Это приведет к тому, что каждый рецептор будет воспринимать один ЦПИ строго определенного размера. Такой метод регистрации наиболее предпочтителен, так как сравнение информации в разные моменты времени не составит труда, ввиду того, что все пакеты информации одинакового размера. ЦПИ могут формироваться и от микросхем разумной системы как результат обработки рецепторной информации или другой внутренней информации.

Первый способ преобразования (математическое преобразование) подразумевает выполнение с ЦПИ четырех элементарных операций: деление, умножение, вычитание, сложение. В качестве первого операнда этих операций, естественно, выступает данный ЦПИ, который представляет собой число в двоичной системе счисления. В качестве второго операнда выступает другой ЦПИ. В качестве критериев отбора второго ЦПИ выступает совпадение определенного атрибута или атрибутов у обоих ЦПИ: кода, который выражает источник получения пакета, его размеры, время получения, скорость передачи данных, сопутствующие события (другие ЦПИ, полученные в тот же момент времени или непосредственно до или после данного момента). Смысл математического преобразования состоит в получении новой информации об исследуемых ЦПИ, то есть в получении атрибутов данных пакетов. Благодаря атрибутам повышается вероятность нахождения законов и закономерностей между двумя и более ЦПИ. На математическом преобразовании основано нахождение абсолютных и относительных приращений в числовых рядах. Благодаря этому можно находить формулы функций и статистические зависимости, которые на основе индукции и дедукции позволяют с более высокой вероятностью, чем в статистике без атрибутов, прогнозировать будущие значения членов числового ряда (ЦПИ).

Второй способ преобразования: игнорирование подразумевает исключение ЦПИ или его части из анализируемых данных. Существует два вида игнорирования: полная ликвидация информации и округление. Игнорирование осуществляется для экономии затрат и как защитная мера. Экономия затрат достигается благодаря тому, что проигнорированная информация не нуждается в дальнейшей обработке, регистрации, поэтому на нее не нужно тратить время, энергию, память и вычислительные мощности. Защитная функция игнорирования заключается в том, что данный ЦПИ, в случае отказа его игнорировать, может нанести ущерб разуму. Ущерб может быть как физическим, так и целеполагающим. Физический ущерб заключается в том, что данный ЦПИ может привести к действиям или операциям вычислительной системы разума, которые приведут к физическому ущербу (негативному воздействию), чрезмерным тратам времени, энергии, и даже к общему снижению эффективности работы разума. Целеполагающий ущерб заключается в том, что данный ЦПИ может привести к действиям или операциям вычислительной системы разума, которые приведут к восприятию других ЦПИ, которые приведут к физическому ущербу. Игнорирование происходит на основе: источника получения информации; размера пакета; содержания пакета (его двоичного кода); адаптивной реакции разума при нехватке ресурсов.

В математике округление трактуется как математическая операция, позволяющая уменьшить количество знаков в числе за счет замены числа его приближенным значением с определенной точностью. Это определение не отражает всех функций округления, поэтому нуждается в корректировке. Округление не обязательно сокращает количество знаков в числе: может произойти сокращение знаков отличных от нуля при неизменном количестве общего числа знаков. Например, число 529 можно округлить до числа 500. Количество общих знаков осталось прежним (3 знака), а количество знаков отличных от нуля сократилось с трех до одного. Таким образом, число 529 оказалось представленным в виде 5 10². При большом количестве знаков (разрядов), описывающих число, округление позволит значительно сократить объем памяти для запоминания округленных чисел и соответственно, повысить скорость (снизить время) обработки такой информации. Метод округления эффективен и при описании бесконечно малых величин. В этом случае также происходит преобразование числа в вид произведения, где вторым операндом выступает число 10 в отрицательной степени.

При округлении необходимо определить шаг квантования, то есть минимальную величину, на которую теоретически могут отличаться две величины, а также пограничный процент, определяющий в какую сторону нужно округлять число: в сторону увеличения или уменьшения. Отношение значения округляемой величины и шага квантования редко представляет собой целое число. Дробная часть этого отношения представляет собой определенный процент от величины шага квантования. Превышение дробной части этого отношения над величиной пограничного процента или их равенство означает, что округляемая величина будет округлена в сторону увеличения, иначе в сторону уменьшения. Если дробной части этого отношения вообще не существует, то округляемая величина будет округлена до значения, равного ее отношению и шага квантования.

Третий способ преобразования: описание ЦПИ в качестве множества выполняет следующие функции:

— экономия затрат из-за сокращения объема данных, так как описание множества – процесс преобразования членов множества, состоящий в игнорировании информации об отдельных членах множества и ее замене на информацию, полученную по определенному алгоритму. Информация о множестве может включать данные об отдельных членах множества (с максимальной и минимальной величиной), количестве членов множества, диапазоне значений членов множества, среднем значении членов множества, определенных атрибутах членов множества;

— получение информации, которая обладает повышенной вероятностью идентификации, а значит, полезностью. Благодаря сокращению объема данных сокращается количество разрядов ЦПИ, что приводит к вышеописанному результату. Под полезностью информации подразумеваются вероятности ее применения в достижении целей разума и ее возможного использования во всем множестве данных, которые оправдывают затраты разума на обработку информации и регистрацию.

Выделение нескольких ЦПИ для описания их в качестве множества происходит на основе совпадения у данных ЦПИ определенного атрибута, например, их длины, времени восприятия, значения какого-либо параметра, величины членов множеств. Описание в качестве нового более экономичного (краткого) множества уже существующего множества может происходить на основе выборки и нахождения средних значений среди установленного количества членов исходного множества. При выборке регистрируются только те члены исходного множества, номера соседних членов которых отличаются на шаг квантования, например 1-ый, 6-ой, 11-ый, 16-ый при шаге квантования равного пяти. При нахождении средних значений строго определенное количество членов исходного множества, например, пять, объединяются для нахождения среднего арифметического значения. То есть, первые пять членов, затем члены с шестого по десятый и так далее. Если количество членов меньше установленного количества (когда исходное множество уже закончилось, и новых членов нет), то есть в предлагаемом примере меньше пяти, то эти члены просто игнорируются без расчета среднего значения. Полученные средние значения становятся членами нового множества, то есть среднее значение первых пяти членов исходного множества – это первый член нового краткого множества, среднее значение членов с шестого по десятый исходного множества – это второй член нового краткого множества и так далее.

Четвертый способ: регистрация ЦПИ в обычной статистике (без атрибутов) не позволяет установить причинно-следственную связь между данной статистикой и прочей информацией, которую обрабатывает разум. В этом смысле статистика без атрибутов является замкнутой информацией, не имеющей связи с другими данными, и поэтому не обладающая какой-либо ценностью. Чтобы избежать этого недостатка необходимо либо регистрировать атрибуты, либо регистрировать данные в обычной статистике, но при этом переменная, данные которой регистрирует статистика без атрибутов, должна быть атрибутом в другой статистике. Регистрация ЦПИ в атрибутной статистике выполняет следующие функции:

— получение статистических данных о ЦПИ, что позволяет делать выводы об их будущих характеристиках на основе дедукции и индукции;

— получение данных об атрибутах ЦПИ, в качестве которых выступают другие ЦПИ, определенные в качестве атрибута на основе определенного алгоритма, например на основе предлагаемых методов обработки информации. Информация об атрибутах позволяет определять причинно-следственную связь между множеством ЦПИ и действиями, посредством индукции и дедукции.

Атрибутная статистика, помимо значений той переменной, которую она регистрирует, должна регистрировать коды ее атрибутов. Атрибут – сопутствующая информация, связанная с определенным исходным кодом (переменной), которая была определена в качестве таковой на основе определенного алгоритма, состоящего в присвоении информации статуса атрибута по отношению к определенному коду (переменной) на основе соответствия какой-нибудь характеристики у кода и атрибута определенному закону. Это необходимо для того, чтобы данные статистики могли быть использованы для установления причинно-следственной связи. Причем в целях экономии затрат, атрибутная статистика должна содержать данные о видах атрибутов, но не об их величинах. Регистрация величин должна происходить в случае определения целесообразности такой операции в целях решения задач разума. Целесообразность определяется важностью цели или результирующей важностью множества целей.

При регистрации данных в статистике большое значение имеет не только установление ценза, на основании которого множество значений объединяются в единую статистику, но и выявление этого ценза. При регистрации ЦПИ различной длины и содержания, определение общего признака (ценза) предстает достаточно серьезной проблемой. Постулаты сравнения гласят, что сравнивать можно только однородные объекты, данные за одинаковый период времени, то есть стандартизированные данные. В реальности эти постулаты невыполнимы, так как являются идеализированными. Сделать все ЦПИ одной длины невозможно, так как они формируются не только от органов чувств, но и от внутренних микросхем разумной системы. Например, множества графического характера по определению не могут совпадать размерами, если только искусственно не разбить графический объект на несколько стандартных частей. Но такая операция приведет к искажению данных.

С точки зрения теории вероятностей сравнение должно быть возможным между абсолютно любыми ЦПИ. Если не будет выполнено это условие, то полезность данных, то есть вероятность их использования, как теоретическая, так и для выполнения целей разума будет низкой. А хранение и обработка бесполезных данных не имеет смысла и даже вредна для разума, так как поглощает время и энергию, но не приносит никаких результатов. Кроме того, сравнение должно быть не только абсолютным, когда один ЦПИ полностью совпадает с другим ЦПИ, но и частичным, когда лишь определенная часть ЦПИ совпадает с частью другого ЦПИ. Это позволит повысить помехоустойчивость информации и вероятность ее идентификации, что повысить ее полезность. Теоретическая возможность выполнения вышеописанных задач существует, что требует ее конкретизации.

Пятый способ: сравнение ЦПИ выступает в следующих видах: сравнение отдельных значений переменных; сравнение множеств значений.

При сравнении отдельных значений переменных важностью обладает та величина отклонения, которая допустима между сравниваемыми значениями, при которой эти значения считаются тождественными. Эта величина может выражаться шагом квантования и величиной округления.

При сравнении с использованием шага квантования две величины считаются одинаковыми (тождественными), если модуль их разницы меньше величины, которую выражает шаг квантования. При сравнении с округлением две величины считаются тождественными, если тождественны их значения, округленные по одному из способов округления, который выбран в алгоритме вычислений.

При сравнении множеств значений, помимо требований, описанных для сравнений отдельных значений, необходимо определить порядок выбора для сравнения номеров членов сравниваемых множеств. Порядок выбора номеров может быть: последовательный; округленный; масштабный; по величине. При последовательном порядке первый член исходного множества (первого множества) сравнивается соответственно с первым членом множества сравнения (второго множества) и так далее. При округленном порядке с номерами членов множеств происходит округление, как и с их значениями, что было описано выше. При масштабном порядке первый член исходного множества сравнивается с членом множества сравнения, номер которого равняется произведению номера члена исходного множества на величину масштаба. При сравнении по величине, номера членов множеств не играют значений, а сопоставление происходит со всеми подряд членами множества сравнения до момента совпадения значения члена исходного множества со значением члена множества сравнения.

Важно отметить, что сравнение должно происходить сначала по тем методам, которые предполагают использование информации с низкой точностью для обеспечения высокой вероятности отождествления и низких затрат времени и энергии. И только после этого этапа можно использовать более точные методы сравнения.

Шестой способ: выявление законов и закономерностей является этапом обработки информации, который состоит в осуществлении действий, направленных на объединение определенных переменных для составления их многомерной (совместной) статистики и на достижение определенных значений характеристик зависимостей. Зависимость представляет собой статистику, регистрирующую в определенный период времени данные не менее двух переменных: статистику исходной переменной (функции) и ее атрибута (аргумента). Причем, если при обычной статистике значения переменной фиксируются вне зависимости от значений других переменных, то при наличии зависимости определенное значение аргумента отождествляется с определенным значением функции (совместное выполнение условий наблюдения значений функции и аргумента). То есть функция принимает определенное значение только при конкретном значении аргумента (в математике такая статистика называется двухмерной, а при наличии множества аргументов и функций многомерной).

Важнейшим принципом методов обработки информации в разуме, их регистрации и выявления законов и закономерностей является, то, что при своем совместном использовании, когда результаты одного метода являются входными данными для деятельности другого метода, они позволяют получить высокоэффективный результат координации физической системы разума с внешней средой. Каждый из методов в отдельности не дает такого результата, однако никакого дополнительного (синергетического) эффекта здесь нет. Каждый метод выполняет свою функцию, что приводит к достижению искомого результата: выполнение целей разума.

Все вышеописанные способы (методы) обработки информации требуют управления для соответствия своего использования целям разума, что и определит их эффективность. Формировать частный алгоритм управления для каждого метода нецелесообразно, так как, во-первых, это приведет к формированию множества алгоритмов, требующих времени, энергии и других ресурсов, что приведет к снижению скорости и общей эффективности функционирования разума. Во-вторых, возможное появление других методов автоматически потребует формирования нового алгоритма управления этими методами. В-третьих, все методы обработки информации имеют единый объект управления: информацию, которую можно оценить по единым параметрам, на основе которых и будет осуществлено управление. Управление объектом состоит в оценке его параметров и формировании действий по приведению в соответствие фактических параметров с планируемыми (требуемыми).

Учитывая вышеописанные недостатки частных алгоритмов, а также наличие теоретической возможности формирования универсального алгоритма управления методами обработки информации, автор пришел к выводу, что наличие универсального алгоритма является безусловным требованием любой развитой разумной системы. В связи с этим следующим этапом работы по совершенствованию работы разумных систем является разработка универсального алгоритма управления методами обработки информации.