На протяжении последних десятилетий все большее значение в социальном и политическом аспектах приобретают сетевые структуры , распространяющиеся в различных странах и регионах мира и разных сферах социума. В частности, они формируют основу гражданского общества как «совокупности цивилизационных структур и форм, воплощающихся в… функциях и действиях индивидов, социальных групп, ассоциаций, объединений» которые способны в интересах простых граждан осуществлять демократический «контроль… за функционированием органов государства, т.е. действий чиновников». Настоящая работа посвящена организационным принципам сетевых структур и реализует биополитический подход, сопоставляющий структуры человеческого социума и биосистемы.

На протяжении последних десятилетий все большее значение в социальном и политическом аспектах приобретают сетевые структуры , распространяющиеся в различных странах и регионах мира и разных сферах социума. В частности, они формируют основу гражданского общества как «совокупности цивилизационных структур и форм, воплощающихся в… функциях и действиях индивидов, социальных групп, ассоциаций, объединений» (Мотрошилова, 2009. С.29) которые способны в интересах простых граждан осуществлять демократический «контроль… за функционированием органов государства, т.е. действий чиновников» (Там же. С. 16). Настоящая работа посвящена организационным принципам сетевых структур и реализуетбиополитический подход , сопоставляющий структуры человеческого социума и биосистемы.

В литературе по сетевым структурам этот термин имеет не менее двух различающихся интерпретаций, которые условно можно назвать 1) широкое и 2) узкое значения этого термина.

ШИРОКАЯ ИНТЕРПРЕТАЦИЯ ТЕРМИНА «СЕТЕВАЯ СТРУКТУРА»

В широком смысле сеть определяется как любой «набор элементов, называемых вершинами или… узлами, со связями между ними, именуемыми ребрами» ( Newman , 2003. Р.2). Данное определение получило поддержку как в естественных , так и в гуманитарных науках . Примерами подобных сетей могут служить: любая организация, рассмотренная с точки зрения взаимосвязей (рёбер сети) между ее работниками или их группами (узлами сети); несколько коммерческих предприятий, связанных между собой контрактными отношениями; социальное движение, объединённое некоторой идеей (безразлично, централизованное или же децентрализованное) и многое другое.

В этом широком значении термин «сетевые структуры» употребляется и в приложении к разнообразным биосистемам, в частности, к изучению групп и сообществ животных ( Hill et al ., 2008; Wey et al ., 2008), например, стай рыб, групп летучих мышей, сурикатов, шимпанзе.

В предельно общем смысле сетевые структуры представляют собой междисциплинарное понятие, применимое к разнообразным системам – от звёздных скоплений и кристаллов до ансамблей элементарных частиц и технических устройств. Сетевые структуры в широком смысле могут состоять из одинаковых или разных узлов. Связи между узлами (ребра) могут быть идентичными или различаться по своей значимости или по иным критериям, быть направленными (как дорога с односторонним движением) или нет. Р азработан понятийный аппарат особой науки о сетях – network science . Она оперирует количественными характеристиками сетей (независимо от их конкретного «наполнения»).

Степень узла . Рэндом — сети и безмасштабные сети . Степень узла k в сети определяется как число соседних узлов, непосредственно контактирующих с ним. Количественной характеристикой целой сети является величина p , вероятность того, что произвольный узел сети имеет заданную степень k . Откладывают зависимость р от k . Можно также отобразить на графике интегрированную величину P – вероятность того, что степень узла превышает заданное значение.

Рэндом-сети создают по алгоритму «берем п узлов и с вероятностью р проводим соединительную прямую (ребро) между ними» ( Almaas et al ., 2012, P .9). Для таких сетей характерно нормальное (пуассоновское) распределение вероятностей для значений k . Они включают типовые узлы, чьи степени имеют максимальную вероятность (вершину гауссовой кривой).

Безмасштабные сети ( scale — free networks ) «растут путем добавления новых узлов, соединяемых ребрами с уже существующими узлами… Новый узел с бoльшей вероятностью присоединяется к узлу с бoльшим количеством связей» ( Ibid ., Р.9). Они характеризуются гиперболической зависимостью ( power law ) p от k : p ( k ) = a ? k g , где a — константа, а g < 0. Примеры таких сетей можно найти в Интернете, где новые пользователи предпочтительно вступают в связь с узлами, и так имеющими большее количество связей. Безмасштабные сети содержат малое число хабов ( hubs ) – узлов с многочисленными связями; численно преобладают узлы с небольшим числом связей.

Коэффициент кластеризации ( clustering coefficient , C ) узла в сети соответствует отношению реального числа ребер между его соседями и их потенциально возможного числа. Для узла i C i = E i /[ k i ( k i -1)/2], где E i реальное число ребер, k i – степень узла, а в знаменателе записано суммарное число потенциально возможных ребер между непосредственными соседями узла i .Если сеть включает в себя части с тесными связями между узлами, т.е. с высоким значением C , которые соединены лишь редкими связями между собой, то такая сеть отличается наличием локальных кластеров, или клик – «групп узлов, где каждый узел прямо связан со всеми остальными» ( Wey et al ., 2008, Р.338).

УЗКАЯ ИНТЕРПРЕТАЦИЯ ТЕРМИНА «СЕТЕВАЯ СТРУКТУРА»: ПРОТИВОПОСТАВЛЕНИЕ СЕТЕЙ ИЕРАРХИЯМ И РЫНКАМ (ИХ АНАЛОГАМ)

Узкое, понимание термина «сетевые структуры» используется в применении к человеческому социуму, начиная с 80-х годов прошлого века ( Powell , 1990; Castels , 1996; Kahler , 2009). Сетевая структура должна обладать

• Децентрализованностью. Это означает наличие в системе сразу многих центров активности – многих пейсмейкеров, лидеров, доминантов. Сети в узком смысле противопоставляются системам с единым центром (лидером, руководителем, пейсмейкером), которые обозначаются как иерархические структуры .
• Связностью ( connectivity ), под которой понимается взаимодействие типа кооперации между элементами сети. Сетевые структуры противопоставляют структурам с преобладанием конкуренции над кооперацией, которые обозначаются в литературе как рынки или их аналоги ( Powell , 1990; Kahler , 2009), квазирыночные структуры ( Oleskin , 2012).

Примером сетевой структуры в узком смысле служит хирама (от англ. High Intensity Research and Management Association) ( Олескин , 2007 , 2012 ). Речь идет о творческом коллективе (например, научной лаборатории). Его объеди­няет весьма широко сформулированная проблема, например, «Рост злокачественной опухоли (канцерогенез)» . Проблема дробится на несколько субпроблем, скажем:

• Цитологические аспекты роста опухоли (субпроблема связана с нарушением механизмов внутриклеточной регуляции, ведущим к канцерогенезу)
• Генетические аспекты (мутации, обусловливающие злокачественную трансформацию клеток – их малигнизацию)
• Иммунологические аспекты (роль иммунной системы организма в борьбе с канцерогенезом и в то же время – сбои в ее работе, способствующие беспрепятственному росту опухоли)

Каждый член коллектива может параллельно работать по нескольким подпроблемам. За каждой из подпроблем закреплен частичный творческий лидер . Часто в хираме есть также психологический лидер , призванный налаживать отношения в коллективе, смягчать конфликты, способствовать успешной работе по всем подпроблемам. Структура может включать такжелидера по внешним связям (внешнего лидера) , координирующего контакты с другими организациями.

Этнографические и антропологические данные указывают на то, что многие первобытные общества близки к сетевым организационным принципам. В одной и той же группе могло сосуществовать несколько лидеров, каждый из которых имел ограниченную компетенцию ( Maryanski , Turner , 1992). Например, шаман руководил только религиозными делами и обрядами и имел авторитет как врачеватель и заклинатель духов; его власть не распространялась на «светскую жизнь». У ряда первобытных племен имелся так называемый «headman», вождь, чьи полномочия фактически распространялись лишь на примирение спорящих и представление данной группы во время встреч нескольких групп.

Поставим общие вопросы, на которые постараемся ответить в оставшейся части статьи.

• Возможно ли применение этого математизированного категориального инструментария, разработанного для сетевых структур в широком смысле, к узкому толкованию сетей?
• Возможна ли экстраполяция использованной в гуманитарной литературе категории «сеть» на биосистемы?
• Возможно ли применение знаний о сетевых структурах в биосистемах к сетевым социально-технологическим проектам в человеческом обществе?

ПРИЛОЖИМОСТЬ УЗКОЙ ИНТЕРПРЕТАЦИИ ТЕРМИНА «СЕТЬ» К БИОСИСТЕМАМ: РОЛЬ ПОНЯТИЙНОГО ИНСТРУМЕНТАРИЯ NETWORK SCIENCE

В этом разделе статьи мы попытаемся переопределить сети в узком смысле ( sensu stricto ) с общесистемных позиций, с особым упором на их приложимость – в рамках сравнительного биополитического подхода – не только к социальным, но и к биологическим системам. Поскольку гуманитарии противопоставляют сетевые структуры sensu stricto иерархиям и рынкам, представляется логичным разобраться с двумя парами категорий: 1) сети—иерархии и 2) сети—рынки (или их аналоги).

Сетевые и иерархические структуры. На базе такого общесетевого параметра как степень узла ( k , node degree ) в литературе разработан критерий разграничения сетей и иерархий, точнее, мера иерархичности (или, наоборот, «сетёвости») данной системы. Этот критерий – централизацию ( degree centrality ) — интерпретируют как степень различия между максимальным ( k max ) и минимальным ( k min ) числом прямых связей (рёбер), исходящих из одного узла данной сети. Вычитаяk min из k max , получаем степень централизации ( С ). В иерархии большая часть связей сконцентрирована вокруг одного или немногих узлов, а в децентрализованной сети (сети в узком смысле) разница между числом связей у разных элементов сети мала, и степень централизации С близка к нулю.

Выше кратко рассмотрен параметр p — вероятность того, что произвольный узел сети имеет заданную степень k . Зависимостьp от k , представленная графически, позволяет дифференцировать рэндом-сети с пуассоновской (гауссовой) кривой p = f ( k ) и безмасштабные сети, которые характеризуются гиперболической кривой.

Гауссовы кривые с типовыми значениями степени узла k соответствуют сетям без иерархии, сетям sensu stricto . Это могут быть совершенно плоские сетевые структуры , близкие к идеалу анархического устройства человеческого социума, как его мыслил Петр Кропоткин (1918). В мире биосистем характерный пример представляют так называемые эквипотенциальные (безлидерные) стаи рыб.

Что касается безмасштабных сетей с гиперболической зависимостью p от k , то они делятся на два подтипа:

• Подлинная иерархия, когда среди влиятельных узлов выделен один центральный (босс, лидер, доминант), подчиняющий себе остальные узлы. Помимо бюрократий с «цепью команд» (по Файолю) в человеческом социуме, такие иерархии представлены в мире биосистем, например. их формируют многие низшие обезьяны, у которых особь-доминант имеет преимущественный доступ к пищевым ресурсам, укрытиям, самкам и др.
• Объемная сеть, в которой взаимодействуют несколько влиятельных узлов – частичных лидеров. Если в социуме примером служат хирамы, где частичное лидерство узаконено (см. выше), то в мире биосистем объемный характер носят сетевые структуры общественных насекомых, например, муравьев или пчел. В них иерархические функциональные группы (кланы) рабочих особей входят в состав неиерархической структуры следующего уровня – колонну (Захаров, 2005), где «командиры» кланов выступают как частичные лидеры.

Итак, гиперболический характер кривой распределения степеней узлов в сети не означает непременного наличия централизованной иерархии, ибо перед нами может быть объемная, но все же децентрализованная сеть с расщепленным лидерством.

В недавней работе ( Almaas et al ., 2012) подчеркивается разграничительный характер коэффициента кластеризации С (см. выше), который оказывается независимым от степени узла k для рэндом-сетей и объемных сетей, где сосуществуют несколько«хабов» (частичных лидеров) .

В то же время иерархиям свойственна обратно пропорциональная зависимость между С и величиной степени узлов ( Almaas et al ., 2012) . Правда, авторы цитированной работы понимают под иерархиями лишь один из их подтипов – так называемые модульные структуры. Они получаются, если к каждой вершине первоначального малого кластера тесно связанных узлов наращивают еще один такой же кластер; далее процесс повторяют ( Ibid . Р.10). Однако, есть и иерархии без модульной структуры, и тогда для них может не соблюдаться критерий гиперболической зависимости С от k .

Для децентрализованных сетей (сетей в узком смысле) характерна ненаправленность связей между узлами – эти связи являются двусторонними, что и соответствует равному, неиерархическому, статусу узлов в такой сети. Иерархиям свойственнынаправленные , асимметричные, связи между узлами. Индивид высокого ранга, скажем, в группе обезьян, доминирует над более низкоранговой особью, которая подчиняется. Так, доминант присваивает ресурсы, которые подчиненный отдает ему.

Сетевые и квазирыночные структуры. Р ыночные структуры – форма организации систем в человеческом обществе, в основе которой автономия элементов, обмен на эквивалентной основе и конкурентные отношения . Для некоторых биосистем также характерны в основном конкурентные (а не кооперативные) взаимоотношений между автономными единицами, что заставляет вспомнить о рынке в человеческом обществе.

В экологических терминах отношения между узлами в сети (скажем, особями в группе животных) могут быть позитивными (полезными) или негативными (вредными). Позитивные, или плюс -отношения между особями повышают их шансы на выживание и эффективность размножения, усиливают приспособляемость ( fitness ). Такие отношения обозначаются в экологии как кооперативные (мутуалистические), и системы, где они преобладают, могут быть обозначены обозначаются как сетевые структуры в строгом смысле, при дополнительном условии отсутствия централизованной иерархии в них. Хорошо известна симбиотическая структура, образуемая грибом и водорослью – лишайник.

Негативные, или минус -отношения снижают выживаемость, эффективность размножения, адаптивность. Если они преобладают в системе, перед нами в целом конкурентная, квазирыночная, структура.

Некоторые животные формируют скопления, где они продолжают в большой мере вести себя независимо и скорее конкурируют, чем кооперируют друг с другом. Так, насекомые типа луговых кобылок формируют огромные стаи, известные как саранча.

Интерес в плане разграничения сетей sensu stricto и (квази)рынков представляет коэффициент кластеризации С. Сетевые структуры часто формируют локальные кластеры («клики») с тесно связанными узлами и поэтому характеризуются высокими значениями С . Формирование локальных кластеров не характерно для рынков и их аналогов. Идеальный рынок Адама Смита отличался неограниченной конкуренцией между автономными агентами, чьи немногие связи были распределены равномерно по всей рыночной структуре и ограничивались сделками типа купли-продажи. Коэффициент кластеризации низок или даже стремится к нулю во многих рыночных структурах и их аналогах.

Таким образом, узкое понимание термина «сети», противопоставляющее их иерархическим и (квази)рыночным структурам, представляется распространимым на системы, не относящиеся к человеческому социуму, в частности, на разнообразные биосистемы.

«ОБРАТНАЯ ЭКСТРАПОЛЯЦИЯ»: ЗНАНИЯ О СЕТЯХ В БИОСИСТЕМАХ ОБОГАЩАЮТ НАШЕ ПОНИМАНИЕ СЕТЕВЫХ СТРУКТУР В СОЦИУМЕ

В работе «Сетевые структуры в биосистемах и человеческом социуме» (Олескин, 2012) мы рассматриваем организационные варианты сетевых структур в мире живого, в том числе клеточные, эквипотенци­альные, модульные, эусоциальные, нейронные и эгалитарные структуры. Поставим здесь вопрос о том, к акие организационные варианты сетевой организации могут быть плодотворно экстраполированы от биологических систем на человеческий социум? Приведем ряд примеров.

Нейронные сети. Данный вариант сетевой организации присущ структурам нервной системы, в особенности мозгу, а также их искусственным аналогам (перцептронам, сетям Хопфилда и Хэмминга и др.). Все эти сети являются объемными – сочетают в себе сетевой и иерархический принцип – и обладают рядом общих свойств: они способны к коллективному принятию решений, обучению, параллельной обработкой информации в разных элементах сети; отличаются ассоциативностью (нейронная сеть восстанавливает целый образ предмета по его фрагментам), адаптивностью и надёжностью (выход из строя части элементов компенсируется дублирующими связями).

Многие социально-технологические проекты, имеющие в виду создание сетевых структур, фактически руководствуются принципами нейронного организационного варианта. Урок в школе/вузе может проводиться по сетевым принципам (Олескин, 2007а), предполагающим формирование в составе класса полуавтономных команд, объединяемых той или иной целью. Преподаватель при этом может ориентироваться на нейронные сети как полезную организационную модель. Это способствует параллельной обработке информации творческими подгруппами в рамках сети, составленной из учеников класса или студентов группы. Сеть в целом ассоциативно строит образ целого решения поставленной задачи на базе фрагментов, предложенных каждой из творческих подгрупп. Доминантой в ходе самостоятельных работ школьников/студентов по «нейронному» сетевому сценарию должно быть самообучение как каждого индивида, так и на групповом уровне – уровне сети как коллективного «мозга».

Модульные сети присущи биосистемам, построенным из повторяющихся структурных единиц (модулей) . Так, у колониальных кишечнополостных каждый отдельный питающий полип (зооид) в составе колонии (кормуса) напоминает одиночный организм типа гидры: у него есть щупальца, ротовое отверстие для захвата пищи, децентрализованная сеть из нервных клеток. Весь комплекс зооидов расположен на общем стволе и его побочных ветвях. Поглощаемая полипом пищевая частица поступает далее в общую для всей колонии полость, находящую в ценосарке , который обеспечивает структурную связь элементов в масштабе целой структуры. Для модульных структур характерны следующие важные принципы (Марфенин, 2002):

• Принцип множественности частей в системе – наличия в ней однотипных элементов.
• Принцип слабого воздействия каждой части на целое.
• Принцип возрастания силы действия части пропорционально ее соответствию доминирующим в системе процессам.
• Принцип тождества программ функционирования всех элементов .
• Принцип периодической корректировки функционирования относительно независимых частей целого (принцип периодической обратной связи).

Террористические сети, например, аль-Каеда, в значительной мере следуют этим организационным принципам. Она построена на контактных управляющих воздействиях внутри групп (на « периодической корректировки функционирования частей» ) и имеет сегментарную структуру Характеризуясь высокой степенью кластеризации, аль-Каеда и подобные ей сети весьма чувствительны к удалению немногих контактных лиц, связывающих кластеры (аналоги модулей) между собой. Это уподобляется перерезанию столона (ветви), на которой находятся полипы, низведённые до роли органов целого модульного организма. Если не нужные целой колонии полипы могут рассасываться (Марфенин, 2002), то аль-Каеда готова жертвовать своими членами, используемыми как пушечное мясо в борьбе, например, с американцами в Афганистане, или в роли шахидов во время терактов.

Необходимо подчеркнуть, что антитеррористические структуры также могут создаваться с учетом модульного варианта сетевой организации.

Эгалитарные сети. Характерны для сообществ высших приматов — человекообразных обезьян, в особенности шимпанзе и бонобо (карликового шимпанзе). Объёмные сетевые структуры характерного для высших приматов эгалитарного типа отличаются подчёркиванием индивидуальности каждой входящей в их состав особи, а не её нивелированием (как, скажем, в эквипотенциальных стаях рыб). Неиерархические отношения возникают на базе индивидуализированных лояльных (дружеских) контактов, включающих стремление быть вместе, взаимопомощь (кооперацию). Такие отношения включают в себя взаимные ласки и чистки (груминг), игровое поведение, ритуалы приветствия, одаривание друг друга пищей, примирение ссорящихся. Эти отношения смягчают собой отношения доминирования-подчинения ( de Waal , 1996; Дерягина, Бутовская, 2004).

Аналогами данной модели объемной сетевой организации в человеческом социуме можно считать многие междисциплинарные научные творческие группы (сетевые лаборатории, центры), построенные по типу хирамы (см. выше). Сети научных энтузиастов, как и эгалитарные структуры человекообразных обезьян, у важют права и свободы индивидов-ученых, допускают известную степень иерархичности (с признанием заслуг и научных степеней/званий отдельных членов сетевой структуры), имеют р ыхлые связи между узлами сети и соблюдают право индивидов свободно вступать в сеть или покидать её (по аналогии с соединяющимися-распадающимися группами шимпанзе).

Учитывая рамки настоящей публикации, мы лишь кратко обозначим еще одну организационную модель – эусоциальную,характерную для общественных насекомых. Она имеет ряд типичных особенностей, но здесь мы выделим только одну: сценарий «пул мобилизуемых генералистов + проектная команда активных специалистов». Это означает, что структуры насекомых включают рабочих особей-специалистов, решающих важные в данный момент задачи (например, охрану тлей и сбор их выделений, см. Новгородова, 2003) наряду с менее специализированным пулом «генералистов», которые способны к мобилизации при необходимости (нашествие врагов, дефицит пищи и др.). Творческая сетевая структура (лаборатория). построенная по подобному сценарию – это клуб по интересам, где есть активные участники – частичные творческие лидеры проектов – и «группы поддержки». Реальный пример представляет базирующийся в Институте философии РАН Клуб инновационного развития (КИР).

Итак, не приравнивая человеческие социальные системы к биосоциальным системам других форм живого, мы можем констатировать, что знания, полученные при изучении сетевых структур в биосистемах, дает «пищу для ума» исследователям и практическим разработчикам социальных структур с научно-исследовательскими, педагогическими, политическими, военными (в том числе антитеррористическими) целями.

ЛИТЕРАТУРА

Дерягина М. А., Бутовская М. Л. Систематика и поведение приматов. М.: Энциклопедия российских деревень. 2004

Захаров А. А. Дифференциация функций и доминирование в развитие биосоциальности // Зоологический журнал. 2005. Т. 84. № 1. С.38-53.

Кропоткин П. А. Взаимная помощь как фактор эволюции. М. 1918.

Марфенин Н. Н. Нецентрализованная саморегуляция целостности колониальных полипов // Журн. общ. биол. 2002. Т.63. № 1. С.26–39.

Мотрошилова Н. В. О современном понятии гражданского общества. // Вопросы философии. 2009. № 6. С.12-32.

Новгородова Т. А. Внутривидовое разнообразие моделей поведения муравьев Formica cunicularia glauca при трофобиозе // Усп. соврем. биол. 2003. Т.123. № 3. С.229-233.

Олескин А. В. Биополитика. Политический потенциал современной биологии. М.: Научный мир. 2007.

Олескин А.В. Сетевые структуры в биосистемах и человеческом обществе. М.: URSS , 2012.

Almaas E., Vazquez A., Barabasi A.-L. Scale-free networks // Biological networks. World Scientific Publishing Co. Pte. Ltd.http://www.worldscibooks.com /lifesci/6459.html.

Castells M. The Rise of the Network Society . The Information Age: Economy, Society and Culture. Vol. I . Cambridge, MA; Oxford, UK: Blackwell. 1996.

de Waal F. B. M. Good-natured. The Origins of Right and Wrong in Humans and Other Animals. Cambridge, MA, L.: Harvard University Press. 1996.

Hill R. A., Bentley R. A., Dunbar R. I. M. Network scaling reveals consistent fractal pattern in hierarchical mammalian societies // Biol Lett. 2008. V. 4 (6). P.748–751.

Kahler M. Networked policies: agencies, power and governance // Networked Politics: Agency, Power, and Governance /M. Kahler, Ed.. San Diego: Univ. California. 2009. P.1-20.

Maryanski A., Turner J. H. The Social Cage. Human Nature and the Evolution of Society. Stanford (C А ).: Stanford University Press. 1992.

Newman M. E. J. The structure and function of complex networks // SIAM Review . 2003. V. 45. N 2 . P. 167–256 .

Oleskin A. V. Biopolitics. The Political Potential of the Life Sciences. Hauppage (NY): Nova Science Publishers. 2012.

Wey T., Blumstein D. T., Shen W., Jordan F. Social network analysis of animal behaviour: a promising tool for the study of sociality // Animal Behaviour. 2008. V. 75 . P. 333–344 .