УДК: 141.3
https://doi.org/10.25198/2077-7175-2025-3-141
EDN: XYTOHM


просмотр

РЕАЛЬНОСТЬ АЛГОРИТМА – ИНТЕНЦИОНАЛЬНОСТЬ И ИНСТРУМЕНТАЛЬНОСТЬ

В. Е. Кукель
Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия
e-mail: lac.kenon@gmail.com

Аннотация. Данная статья представляет философский анализ алгоритмов через синтез концепций интенциональности Эдмунда Гуссерля и инструментальности Мартина Хайдеггера, раскрывая их онтологический статус как феноменов, связывающих сознание и практическую деятельность. Автор предлагает синтетическую модель, объединяющую три ключевых аспекта: инструментальную природу алгоритмов, которые «исчезают» в процессе использования, фокусируя внимание на результате (Хайдеггер); их интенциональную сущность как продуктов направленности сознания, конституирующих объекты через формализацию (Гуссерль); и концепцию контингентности Квентина Мейясу, с помощью которой можно трактовать алгоритмы как временные стабилизации принципиально нестабильной реальности.

В работе исследуется двойственная роль алгоритмов: как операциональных инструментов, организующих деятельность через функциональную предзаданность, и как структур, задающих познаваемые границы реальности. Критика корреляционизма Мейясу стала основой для переосмысления алгоритмической рациональности в контексте радикальной открытости бытия, где формализация сталкивается с принципиальной непредсказуемостью. На примере стохастических алгоритмов (метод Монте-Карло, генетические алгоритмы), эмерджентных свойств нейросетей и феномена «черного ящика» демонстрируется диалектика между запланированной функциональностью и спонтанными проявлениями контингентности. Алгоритмы предстают как парадоксальное единство: с одной стороны, они выступают «прозрачными» инструментами технической рациональности, с другой – проявляют «неконтролируемую материальность», обнажая пределы формализации и детерминизма.

Теоретическая значимость исследования заключается в разработке комплексного подхода, трактующего алгоритм как: 1) принцип реализации научного метода, 2) посредник между субъектом и объектом, 3) операционализацию рациональности цифровой эпохи. Эти результаты представляются важными в контексте современных дискуссий о природе искусственного интеллекта и машинного обучения, подчеркивая необхо-димость интеграции философской рефлексии в анализ технологических систем. Работа также предлагает новый взгляд на алгоритмическую рациональность как динамический процесс, балансирующий между порядком и хаосом, что актуально для понимания эпистемологических вызовов XXI века. В рамках объектно-ориентированной онтологии демонстрируется, как алгоритмы связывают сознание и практическую деятельность, формируя типы взаимодействия с реальностью. Особое внимание уделяется роли случайности в современных вычислительных системах, которая, вопреки традиционным представлениям, становится необходимым элементом эффективности, подтверждая тезис Мейясу о контингентности как о свойстве бытия.

Результаты исследования предполагают, что алгоритм функционирует не только как технический инструмент, но и как практика рациональности. Для этого алгоритм рассматривается как феномен, синтезирующий инструментальность (М. Хайдеггер) и интенциональность (Э. Гуссерль) в рамках объектно-ориентированной онтологии (Г. Харман, К. Мейясу). Методологически работа опирается на феноменологический подход Гуссерля, герменевтику Хайдеггера и интуиционистско-конструктивистскую традицию в основаниях математики (Я. Брауэр, А. Гейтинг, А. Марков).

Ключевые слова: алгоритм, реальность алгоритма, интенциональность и инструментальность, контингентность, Гуссерль, Хайдеггер, Харман, Мейясу.

Благодарности. Исследование выполнено за счет гранта Российского научного фонда № 24–28-01014, https://rscf.ru/project/24-28-01014/.

Для цитирования: Кукель В. Е. Реальность алгоритма – интенциональность и инструментальность // Интеллект. Инновации. Инвестиции. – 2025. – № 3. – С. 141–148. – https://doi.org/10.25198/2077-7175-2025-3-141.


Литература

  1. Брауэр Л. Э. Я. Интуиционизм и формализм / перевод С. Л. Катречко // Метафизика. Век XXI. Вып. 4 – М.: Бином, 2011. – С. 149–163.
  2. Гейтинг А. Интуиционизм : введение / Пер. с англ. В. А. Янкова. – М.: Мир, 1965. – 202 с.
  3. Гуссерль Э. Идея феноменологии. Пять лекций. – СПб.: Гуманитарная академия, 2018. – 110 с.
  4. Клини С. К. Введение в метаматематику. – М.: Либроком, 2009. – 526 с.
  5. Колмогоров А. Н. О принципе tertium non datur // Математический сборник. – 1925. Т. 32, № 4. – С. 646– 667.
  6. Кутырев В. А. Спекулятивный реализм как философия фактичности начала конца человеческого (мира). (Размышление над книгой: Квентин Мейясу. После конечности. Эссе о необходимости контингентности. Екатеринбург – Москва. 2015) // Философия и культура. – 2018. – № 10. – С. 8–17. – https://doi.org/10.7256/2454-0757.2018.10.27939. – EDN: YNRHVB.
  7. Ладов В. А., Эннс И. А. Аналитическое определение числа, парадокс Рассела и теория типов // Вестник Томского государственного университета. Философия. Социология. Политология. – 2012. – № 2(18). – С. 13– 20. – EDN: OYHZGD.
  8. Марков А. А. Теория алгорифмов. – М. – Л.: Академия наук СССР, 1954. – 376 с.
  9. Мейясу K. После конечности: Эссе о необходимости контингентности. – 1-е изд. – Екатеринбург: Каби¬нетный ученый, 2015. – 196 с.
  10. Серкова В. А. Феноменология культуры : монография. – 1-е изд. – СПб.: Изд-во Политехнического ун- та, 2010. – 137 с. – EDN: QOLPZN.
  11. Тульчинский Г. Л. Рациональность и инорациональность ответственности // Рациональность и культура. К юбилею Владимира Натановича Поруса. – СПб.: Алетейя, 2013. – С. 121–136.
  12. Хайдеггер М. Бытие и время. – М.: Ад Маргинем, 1997. – 452 с.
  13. Харман Г. О замещающей причинности // Новое литературное обозрение. – 2012. – № 2 (114). – С. 75– 90. – EDN: OXZOTJ.
  14. Харман Г. Ужас феноменологии: Лавкрафт и Гуссерль // Логос. – 2019. – Т. 29, № 5 (132). – С. 177–202. – https://doi.org/10.22394/0869-5377-2019-5-177-200. – EDN: YXWWXP.
  15. Целищев В. В. Тезис Черча : монография. – Новосибирск: Параллель, 2008. – 172 с. – EDN: QJVZCB.
  16. Alaghi A., Qian W., Hayes J. (2018) The Promise and Challenge of Stochastic Computing. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. Vol. 37. No. 8. – pp. 1515–1531. (In Eng.).
  17. Katsnelson M., Vanchurin V. (2021) Emergent Quantumness in Neural Networks. Foundations of Physics. Vol. 51. No. 94. – pp. 1–20. (In Eng.).
  18. Kubaychuk O., Sai D. (2024) Randomized algorithms in systems without coordination and centralization. Collection «Information Technology and Security». – Vol. 12. No. 1. – pp. 80–90. – https://doi.org/10.20535/2411-1031.2024.12.1.306274. (In Eng.).
  19. Marcus G. (2018) Deep Learning: A Critical Appraisa. ArXiv. – https://doi.org/10/48550/arXiv.1801.00631. (In Eng.).
  20. Niederreiter H. (2006) Probability and computing: randomized algorithms and probabilistic analysis. Mathematics of Computation. – No. 75. – pp. 1595–1597. (In Eng.).
  21. Singh V., Dubey S., Ahmad E. (2024) Visualizing Algorithms in the Field of Education: A Comprehensive Review. International Journal for Research in Applied Science and Engineering Technology. – Vol. 12. No. 2. – pp. 1670–1675. – https://doi.org/10.22214/ijraset.2024.58613. (In Eng.).
Error