Информация и управление

Понятие управления

Будем понимать под управлением некоторой системой процесс формирования ее целесообразного (эффективного) поведения. Управление может быть внешним (со стороны другой системы) либо внутренним (самоуправление). Основные постулаты управления:

Существуют разные виды управления. Основные из них: для управляемой системы – гомеостатическое, развивающее; для управляющей системы (регулятора) – программное, адаптивное, рефлексивное (Дружинин В.В., Конторов Д.С. "Проблемы системологии", 1976.) .

При гомеостатическом управлении управляемая система характеризуется некоторыми устойчивыми (стабильными) состояниями, а ощутимое отклонение от них через подсистему отрицательной обратной связи вызывает стабилизирующее управление от адаптивного регулятора. Гомеостаз как "консервативный" императив самоорганизующегося поведения характерен для многих классов управляемых систем, прежде всего биологических, кибернетических, интеллектуальных, социальных. Предпосылки гомеостаза есть и в неорганической природе (принцип Ле-Шателье–Брауна). В отличие от гомеостатического развивающее управление имеет целью не сохранение, а изменение состояний управляемой системы, которая, тем не менее, в процессе развития должна самосохраняться, быть динамически устойчивой.

Программное (командное) управление предполагает однонаправленность графа управлений – от регулятора к управляемой системе; при этом регулятор следует заданной цели управления, несмотря на внутренние конфликты в управляемой системе. При адаптивном управлении граф управлений двунаправленный: управляемая система через обратную связь управляет регулятивными управлениями, корректируя через регулятор первоначальную цель управления и, соответственно, команды, что позволяет сгладить или даже устранить внутренние противоречия в управляемой системе.

Рефлексивное управление состоит в передаче от регулятора управляемой системе мотивов для принятия ею решений согласно цели управления, т.е. при рефлексивном управлении регулятор стимулирует желательные решения, а не навязывает их, как при программном управлении. Иными словами, это управление не связано с прямой передачей команд: управляющая система передает лишь стимулы управляемой системе, которая, в свою очередь, принимает решение и вырабатывает управляющие команды с помощью собственного регулятора. Обратная связь используется для информирования управляющей системы о степени выполнения цели (замысла) управления. Рефлексивное управление косвенно объединяет принципы программного и адаптивного управления.

При любом виде управления требуется априорная информация о ситуации, от объема которой (информации), в основном, и зависит качество управления. Адаптивное управление предъявляет минимальные требования к объему априорной информации; гораздо более ценной для адаптивного управления является текущая (оперативная) информация о ситуации.

Любая управляемая система имеет управляющие входы и управляемые выходы. Управляющая система имеет управляющие выходы, связанные со входами управляемой системы. Команды управления, поступающие от регулятора, далее будем называть просто управлениями, а результаты выполнения команд, возникающие на управляемых выходах, назовем реакциями. Кроме регулирующих управлений, на управляемую систему поступают возмущающие воздействия (возмущения) от среды. Управления, возмущения и реакции характеризуются своими разнообразиями.

Закон необходимого разнообразия управлений

Чтобы понять роль информации в управлении, полагаем достаточным рассмотреть один из видов управления для каждой из указанных систем. В качестве примера рассмотрим гомеостатическое адаптивное управление.

Для гомеостатического управления закрытой (замкнутой, изолированной) системой известен закон необходимого разнообразия управлений, обоснованный У.Р. Эшби (Эшби У.Р. "Введение в кибернетику", 1959.) : минимизировать разнообразие реакций на выходах управляемой системы при постоянном разнообразии ее возмущений можно, максимизируя разнообразие управлений (команд). Если разнообразие возмущений изменяется, то стабилизировать разнообразие реакций можно, изменяя разнообразие управлений пропорционально изменению разнообразия возмущений (разнообразие возмущений по терминологии Эшби "парируется" разнообразием управлений).

Пример 1. Минимизацию разнообразия реакций системы покажем на следующих примерах. Если мы управляем изготовлением вещества, оно должно обладать небольшим числом конкретных свойств (согласно стандарту), прибор (устройство, машина) должен выполнять заданное по стандарту небольшое число функций, теория (способ, метод) должна дать правдоподобное решение, как правило, одной проблемы, выкристаллизованной из многих аномальных опытных данных. Но кто должен реализовывать ограничение разнообразия реакций системы вплоть до необходимого минимума? Очевидно, регулятор – решатель задач. И чем сложнее задача, тем сложнее должен быть регулятор. Это может создать значительные трудности для регулятора, т.к. разнообразие его управлений ограничено его же интеллектом (естественным или искусственным). Основным источником трудностей оказывается разнообразие возмущений, против которого направлена стабилизирующая ("парирующая") функция интеллекта регулятора.

Эшби обосновал свой закон как кибернетический, но поскольку управление есть также и информационный процесс, то данный закон значим и для философии информации.

Закон необходимого разнообразия регламентирует нижнюю (минимально необходимую) величину разнообразия управлений при произвольной верхней (максимально возможной) величине разнообразия управлений (Максимально возможное разнообразие определяется как комбинаторная мера (см. В.Б. Гухман. "Прикладная философия информации", 2012 ).) . Значит, эффективность двух систем, однотипных по разнообразиям возмущений и реакций, но отличающихся разнообразием управлений, может быть одинакова, если обе системы удовлетворяют закону необходимого разнообразия. В результате часто встречаются сравнительно простые кибернетические системы (особенно, искусственные), обладающие при малом разнообразии управлений не меньшей эффективностью, чем их более сложные аналоги. В сложных системах требуемая эффективность достигается за счет большого числа малоэффективных по информационной ценности управлений, в то время как оптимальные системы используют минимум необходимых управлений при максимальной информационной ценности каждого из них. Следовательно, систему с избыточным разнообразием управлений можно упростить без потери эффективности (при неукоснительном удовлетворении закону Эшби), если только эта избыточность не служит надежности, живучести, безопасности системы (например, биологической, технической, военной).

Пример 2. Коллизии неоптимальности (даже при формальном выполнении закона необходимого разнообразия) свойственны некоторым бюрократическим системам с излишними или неадекватными (например, "своекорыстными") управлениями, приводящими к снижению эффективности системы. Такие системы нуждаются в оптимизации сразу по двум направлениям – минимизации необходимого разнообразия управлений с одновременным повышением их эффективности.

Из закона необходимого разнообразия следует, что при ограниченном разнообразии управлений регулятора (например, из-за его недостаточного интеллекта) сложные объекты, существенно превышающие по разнообразию возмущений разнообразие управлений, просто "неподъемны" для управления. С другой стороны, ограниченный человеческий разум с пространственно малым мозгом, ничтожной оперативной памятью, ограниченными долговременной памятью и быстродействием (скорость распространения электрохимических сигналов в нервных волокнах не превышает 100–150 м/с), наконец, с жизнью-мгновением берется за сложнейшие задачи (полные исходные данные к которым содержат необозримое число переменных и констант) и решает их, приводя мировую динамику к элементарным формулам типа F = ma, E = mc², "жизнь – способ существования белковых тел", "государство – это Я!" и т.п.

Не противоречит ли сказанное закону Эшби? Полагаем, что нет – при одном условии: неограниченный рост разнообразия возмущений управляемой системы при постоянстве разнообразия управлений и реакций допустим, если система способна ограничивать разнообразие возмущений до значения, удовлетворяющего закону необходимого разнообразия.

Ограничение разнообразия возмущений. Принцип простоты

Для ограничения разнообразия возмущений используются их коррелированность, повторяемость, репрезентативность.

Приведем пример ограничения разнообразия возмущений за счет их коррелированности.

Пример 3. Если возмущения представить в виде взаимосвязанных требований со стороны социума к власти, то было бы непростительной ошибкой с ее стороны реагировать на каждое требование индивидуально в режиме "пожарной команды". Согласно закону необходимого разнообразия либо не хватит "пожарных" управлений, либо число реакций превысит контролируемый гомеостатический порог стабильности системы. Гораздо вернее ограничить огромное исходное разнообразие требований путем их анализа с целью выявления коррелированных требований с последующим объединением их в небольшое разнообразие некоррелированных комплексов требований, поддающихся адекватному парированию реальным числом властных управлений (в том числе путем устранения недостатков как скрытых причин возмущений) в рамках закона необходимого разнообразия – гаранта стабильности гомеостатической системы – государства. Вопрос только в экстрагировании некоррелированных возмущений. Но это и есть самое трудное в управлении.

Другой пример: коррелированность суждений в математическом доказательстве позволяет регулятору – математику ограничить разнообразие своих управлений исходными посылками и методом доказательства.

Повторяемость возмущений означает, что все они относятся к некоторому базовому множеству, численность которого относительно невелика. Это позволяет регулятору существенно упростить свою структуру, сведя разнообразие возмущений к разнообразию базового множества.

Пример 4. Двоичный код как базовое множество имеет всего два значения (0 и 1). 64-разрядный регистр компьютера, воспринимая по входу числовые векторы нулей и единиц, способен реализовать 2⁶⁴(приблизительно 10²⁰) целых чисел. В принципе можно представить 64-разрядный компьютер, в котором каждому из 10²⁰ возможных целых чисел будет предоставлен свой регистр. Но эта чудовищно неоптимальная машина не нужна, т.к. повторяемость возмущений (на уровне букв, а не слов и фраз) позволяет сократить число регистров с 10²⁰ до одного.

Ранжирование возмущений по репрезентативности (представительности), характеризующей вклад того или иного возмущения системы в ее реакции, позволяет отсечь несущественные возмущения до необходимого согласно закону Эшби минимума репрезентативных возмущений. Для этого, например, в прикладной математике используются методы факторного, компонентного, дисперсионного, регрессионного, кластерного анализа.

Гомеостаз в природе чрезвычайно распространен в виде функций стабилизации процессов и демпфирования (гашения) отклонений, свойств устойчивости, стационарности, равновесия, консерватизма. Генезис столь распространенной формы существования вещей проистекает, по-видимому, из реликтового свойства "самости" каждой вещи как неравновесной диссипативной системы и опосредованного проявления некоего закона сохранения диссипативных систем. Это свойство проявляется в непрерывном противодействии самоорганизующегося (информационно-синергетического) начала каждой вещи разрушительным термодинамическим (энтропийным) процессам. На уровне живой природы самость организма проявляется через инстинкты выживания, самосохранения.

Для поддержания гомеостаза каждая вещь обладает ограниченными ресурсами на фоне практически неограниченных ресурсов своей среды обитания – Универсума. Ограниченное разнообразие вещи не идет ни в какое сравнение с практически безграничным разнообразием Универсума. В этих условиях вещи при взаимодействии со средой, возмущающей вещь своим разнообразием, "ничего не остается" как перекодировать разнообразие среды в собственное разнообразие, для чего потребуется укрупнение (группирование, кластеризация) информационных блоков, т.е. ограничение, упрощение внешней информации. Иначе среда не будет познана, предсказана, "парирована" (Введенное Эшби понятие парирования здесь использовано в том смысле, что среда в общем случае безразлична, а в худшем – враждебна вещи.) . В актах познания методологическими приемами ограничения разнообразия возмущающих переменных являются "бритва Оккама", метод Декарта, сигнатура Кастлера, формулы законов природы. В практике конструирования подобное ограничение осуществляется стандартизацией и унификацией, двоичным кодированием информации в информационных системах, наукоемкими информационными технологиями с простым интерфейсом.

Вопрос сохранения самости вещи упирается в ее возможность (искусство) оптимального ограничения внешней информации, сводящееся к умению сохранить существенное для себя при группировании возмущений среды. Отсюда цель ограничения разнообразия возмущений открытой системой – найти оптимальную простоту в сложности, чтобы парировать сложность, или на языке философии информации – оптимально перекодировать разнообразие среды в собственное ограниченное разнообразие с целью парирования среды. Назовем подобный принцип ограничения разнообразия принципом простоты. Для человека проявление принципа простоты проистекает из преодоления мучительного противоречия между бесконечной информативностью мира и бесконечностью желаний человека познать его на фоне объективной конечности жизненных ресурсов человека. По-видимому, принцип простоты как следствие закона необходимого разнообразия является одной из важных закономерностей символической деятельности человека, его методов познания и философствования.

Информационное управление. Парадокс управления

Введение понятия информации в научный обиход (через незаслуженно замалчиваемую кибернетику) обязано ее функционально-командной (управленческой) форме. Основной постулат кибернетики сводился к тому, что информация (в форме команд) инициирует любое управление (в машине, организме, обществе). При этом полагалось, что энергетика команд может быть малой – значительно меньшей, чем энергетика управляемой системы – организма, машины, технологического процесса, предприятия и др. Малые порции энергии носителя информации управляют большими порциями энергии и физической материи. Продолжим эту мысль: чем меньше потребная энергетика управления по сравнению с энергоресурсом управляемой системы при неизменном качестве управления, тем управление эффективнее. Следовательно, затраты энергии на оптимальное (по эффективности) управление сводятся к некоторому минимуму, обеспечивающему, тем не менее, передачу управлений (команд от регулятора к системе) с нужным качеством (информативностью). Если от энергии как частной меры физического ресурса управления (энергия – мера движения и взаимодействия всех форм физической материи) перейти к общему понятию ресурса управления, то с учетом изложенного оптимальной следует считать систему управления, требующую минимума такого ресурса при заданной информативности управлений. Условно назовем такое управление информационным.

С другой стороны, качественная система управления по своим функциональным возможностям должна быть достаточно сложной, чтобы адекватно управлять всеми возможными состояниями объекта (согласно закону необходимого разнообразия). Но сложность требует ресурсных затрат (энергии, вещества, информации, финансов и др.). Условно назовем такое управление информационно-материально-энергетическим.

Налицо парадокс управления: для достижения эффективного управления ресурсные затраты на него (ресурс управления) надо одновременно уменьшать и увеличивать. Это свидетельствует о скрытом ресурсном оптимуме между информационным и информационно-материально-энергетическим управлениями. Только господством последнего можно объяснить незавидную судьбу автоматизации управления в нашей стране: огромные ресурсные затраты на внедрение АСУ превысили ресурсный оптимум и, соответственно, не окупились достигнутой материально-энергетической эффективностью. Совершенно упускалось из виду, что информация (в том числе, информация управления) и, соответственно, Hi-Tech – это не столько физическая материя и ее энергия, сколько нечто большее, не подвластное только материально-энергетическим ресурсным затратам. Культура управления, как и высокие технологии – это, прежде всего, знание и информационное управление.

Оптимальное управление

Согласно системному анализу эффективность любой физической системы имеет предел, обусловленный ее ресурсными (материально-энергетическими) ограничениями, налагающими запрет на безудержный рост сложности (информационного разнообразия) системы. Познающему субъекту тоже свойственны подобные ограничения – по мере усложнения его тезауруса (базы знаний) когнитивная эффективность ресурсов познания, увеличиваясь, все равно достигает асимптотического предела. Значит, структурно-функциональная сложность материальной системы имеет оптимум, соответствующий максимуму отношения "эффективность/ресурсные затраты". Свыше данного оптимума усложнение системы нецелесообразно, даже если возможно.

Пример 5. Стабильная кибернетическая система согласно закону необходимого разнообразия должна иметь определенный минимум сложности для самоорганизации и обеспечения жизнеспособности. Слишком простая система не способна адекватно реагировать на многообразие возмущающих воздействий внешней среды. В то же время увеличение сложности сверх некоторого порога увеличивает вероятность отказа системы, если последняя не предпринимает мер по ресурсному обеспечению возросшей сложности. Для поддержания ее живучести при отказах требуется введение резервных цепей, узлов, агрегатов, взаимосвязанных через сложную систему саморегулирования, т.е. дальнейшее усложнение. Так, растения, животные и человек, несмотря на болезни, раны и даже клиническую смерть, выкарабкиваются снова и снова за счет включения внутреннего горячего резерва в экстремальных ситуациях. При этом нельзя считать, что резервирование всегда полезно для сложной системы. Занимая некоторую физическую часть системы, резерв отнимает часть ее энергетического и информационного ресурсов и иногда вступает в неожиданные и конфликтные взаимодействия с основным (активным) ресурсом системы. В технических системах известны неспровоцированные срабатывания аварийных агрегатов, сбои и внутренние конфликты переусложненных аппаратно-программных средств компьютеров и т.д. Аналогичные проблемы свойственны биологическим системам (например, мозгу при психической перегрузке), крупным популяциям, сложным организационным системам. Сложная сверх меры система становится внутренне противоречивой (конфликтной) и как бы "пожирает саму себя", уплатив слишком высокую цену за свою эффективность – вот в чем проблема, во многом давшая начало современной теории конфликтных ситуаций (Дружинин В.В., Конторов Д.С., Конторов М.С. "Введение в теорию конфликта", 1989; Саати Т. "Математические модели конфликтных ситуаций", 1977.). При этом стоимость каждого дополнительного грана эффективности для развитой системы непропорционально выше, чем для неразвитой. Следовательно, есть предел сложности, выше которого реальность стабильного существования физической системы так же сомнительна, как и при ее недостаточной сложности. Жизнеспособная система, приблизившись по сложности к этому пределу, если и развивается дальше, то только не в сторону усложнения своей морфологии. Возможно, поэтому многие виды жизни на Земле или не эволюционируют в течение десятков тысячелетий, или их эволюция протекает очень медленно, или они вымирают, превысив допустимую (по плате, стоимости) сложность. Возможно, по той же причине развитие мозга высших животных и человека давно уже идет не по морфологическому пути (предел достигнут), а по информационному и функциональному (накопление и генерация новых знаний и умений, личностная и популяционная интеллектуализация).

Если информационному разнообразию приписать значение n (мощность множества различимых состояний системы), то информативность системы (как некий функционал от log n, присутствующий в информационных мерах – энтропии и количестве информации) при n → ∞ тоже стремится к бесконечности, хотя и медленно, но монотонно. Иными словами, в отличие от конечной материально-энергетической и когнитивной эффективности развивающейся системы, ее информативность не имеет предела. Это еще один довод в пользу внематериальной, внеэнергетической природы информации.

Нет ли противоречия между ограниченной когнитивной эффективностью (познавательной способностью) субъекта и его неограниченной информативностью? Ведь знание – тоже информация, пусть и в наиболее ценной форме. Полагаем, что противоречия нет. Знание, как прекрасная Афродита, появляется из "информационного моря", как мышление из "болота эрудиции". Известный эффект возрастного ограничения скорости восприятия знаний человеком в значительной мере ограничивает когнитивную эффективность развивающегося мозга, в то время как наша долговременная память способна воспринимать огромные объемы информации, подчас не используемые сознанием, но хранимые в недрах подсознания. Образно говоря, информация (в широком смысле) "наполняет сосуд" памяти данными, но не обязательно "зажигает факел" знания в "сосуде".

Пример 6. Ограниченный по памяти и быстродействию компьютер не имеет принципиальных информационных ограничений по сложности решаемых задач – заложенные в него программы без ощутимых затрат энергии сгенерируют недостающую ему информацию. Также не существует весомых теоретических ограничений на информативность естественного и искусственного интеллектов. И тем не менее, в интеллектуальных системах имеет смысл добиваться максимума отношения "информативность/ресурсные затраты", ибо каждый лишний бит (сверх некоторого оптимума), материализованный в чипах памяти или регистрах процессора, дается слишком дорогой ценой (в буквальном и переносном смыслах "цены").

Пример 7. Памятуя о мало- и внеэнергетических информационных процессах с их несущественными (если угодно, несуществующими) ресурсными затратами, можно полагать, что информационная эффективность систем, характеризуемая отношением "информативность/ресурсные затраты", потенциально бесконечна (Потенциальная бесконечность может быть обусловлена не только стремлением информативности (числителя) к бесконечности, но и стремлением ресурсных затрат (знаменателя) к нулю) . Дело "за малым" – реализовать подобные процессы, тем более что прецеденты имеются, в частности, в когнитивной сфере деятельности интеллектуальных систем.

Приведенные примеры указывают на оптимальность информационного управления как альтернативы традиционному информационно-материально-энергетическому управлению с его проблематичной оптимальностью. У простейших систем с конечным относительно малым разнообразием управлений энергозатратное управление еще допустимо, чего нельзя сказать о сложных системах естественной и искусственной природы. Физически это может быть объяснено объективным возрастанием внутренних шумов развивающейся системы с ростом ее сложности и, соответственно, ростом энергозатрат. Рост шумов "загрубляет" спектрально-энергетическую чувствительность приемников информации. У высших (сверхсложных) систем шумы, если не принять специальных мер, могут вообще исключить связь как таковую, особенно при приеме субпороговых сигналов, доступных малошумящим системам. Такими специальными мерами могут быть чисто информационные управления, инициируемые особыми состояниями системы, далекими от "шумящей" энергетики традиционных управлений.

Пример 8. Внутренние шумы у человека как сложной системы существенно загрубляют чувствительность его биоприемников. Достаточно сравнить эту чувствительность (по мощности и частотному спектру воспринимаемых сигналов) у насекомых, рептилий, птиц и далее по восходящей – вплоть до человека, чтобы убедиться в этом. Если предположить, что человек как регулятор оптимален (а на этом настаивают все антропоцентрические учения), то все его высшие управления, направленные вовне и внутрь себя (в том числе, на познание и самопознание), должны быть чисто информационными. Высшие формы познания и самопознания требуют погружения человека в информацию и только в нее при минимальных затратах физиологического ресурса. Найдут ли распространение в XXI веке такие информационные процессы, известные скорее в эзотерических, восточных культурах, а также в отдельных феноменальных проявлениях человеческой психики, сказать трудно.

Важно понять, что в современном мире глобальной информатизации и глобальных телекоммуникаций, где человек вправе пользоваться любой доступной ему информацией и информационно не зависеть от диктата власти и СМИ, традиционные доказательные, внушающие, воспитательные, обучающие функции культуры (условно назовем их насильственными функциями) "бьют мимо цели" и требуют все бoльших ресурсных затрат, достойных лучшего применения. Это значит, что от навязывания (пропаганды) субъективных и ангажированных культурных ценностей, от воспитательных т.н. "мероприятий", наконец, от традиционного дидактизма в обучении требуется переход к социально-психологическим технологиям взаимопонимания культур, взаимо- и самовоспитания, взаимо- и самопознания, взаимо- и самообучения в благоприятной информационной среде.

Так как найти упомянутый ресурсный оптимум управления? Начнем с того, что, на наш взгляд, фундаментальную значимость закона необходимого разнообразия для управления не следует преувеличивать. Этот закон выведен только для гомеостатического управления в кибернетических системах. Гомеостатическое управление состояниями и процессами, хоть и распространено, однако уступает по сложности многим алгоритмам управления, встречающимся в биологических, кибернетических, интеллектуальных и социальных системах. В этих алгоритмах, связанных не с сохранением, а с изменением состояний и процессов, закон необходимого разнообразия в лучшем случае соограничивает управления наравне с другими ресурсными ограничениями (по энергетике, информативности тезауруса, запаздыванию, стоимости, живучести и т.п.), а в худшем случае излишен, если ни прямо, ни косвенно не связан с критерием эффективности управления.

Можно ли считать необходимое разнообразие управлений, постулируемое законом Эшби, достаточным для гомеостатического управления? На наш взгляд, нельзя – необходимое разнообразие управлений достаточно, если разнообразие реальных возмущений от среды обитания объекта не превысит ожидаемого разнообразия возмущений. Но необходимое разнообразие управлений априорно, ибо зависит только от ожидаемого разнообразия возмущений (воздействий среды на систему). Значит, достаточное разнообразие достижимо только в адаптивном регуляторе, в котором ресурс разнообразия управлений хоть и закладывается априори с учетом ожидаемого разнообразия возмущений, но адаптивно изменяется с учетом их реального (текущего) разнообразия. И если требуемый ресурс разнообразия управлений не превышает возможностей адаптивного регулятора, необходимое разнообразие управлений достаточно. А если превышает? В таком случае адаптация будет неполной – среда недостаточно "парируется" (по Эшби), регулятор надо усложнять, увеличивая ресурс разнообразия управлений.

Целеполагание любого управления оптимально: либо требуется максимизировать эффективность при заданных ресурсных ограничениях, либо минимизировать ресурсные затраты при заданной эффективности. Говоря математическим языком, управление решает экстремальную задачу относительно некоторой целевой функции при заданных ограничениях. Методы решения таких задач известны (математическое программирование, теория систем). Они показали, что увеличение сложности регулятора сверх некоторого оптимального значения не приводит к росту эффективности регулятора (Выше мы пришли к аналогичному выводу на основе рассуждений в духе "здравого смысла", а не строгой математики. Заметим, тем не менее, что математика – "дитя" логики, а корни логики – в здравом смысле.). Значит, недостаточное разнообразие управлений вредно не меньше, чем и его излишняя избыточность, приводящая к "дороговизне" немотивированно переусложненного регулятора.

Эффективность регулятора в наибольшей степени обусловлена информативностью его управлений. Тогда проблема "эффективность – сложность" регулятора" сводится к проблеме "информативность – сложность", и оптимум разнообразия управлений ищется в области их максимальной информативности: управление оптимально, если выбрано такое разнообразие команд, при котором потенциально достижим максимум информативности управления на единицу ресурсных затрат (информационно-ресурсный принцип оптимального управления). Данный принцип означает невозможность ни убавить, ни прибавить разнообразие команд относительно оптимального значения.

Если разнообразие команд меньше оптимального, тем более, меньше требуемого по закону необходимого разнообразия, регулятор недостаточно чувствителен к возмущениям управляемой системы со стороны среды и информативность управления будет низкой. Значит, принцип оптимального управления может включать в себя закон необходимого разнообразия в качестве ограничения. Если же разнообразие команд больше оптимального, ресурсные затраты будут неоправданно велики для регулятора, в то время как информативность управления не растет.

Из информационно-ресурсного принципа оптимального управления следует, что хороший регулятор отличается от плохого оптимальным разнообразием своего командного языка. Но разве мало примеров, что при одинаковом уровне оптимальности разнообразия команд одни регуляторы эффективны, а другие нет? Дело в том, что информационный оптимум управления возможен (достижим), он целеполагается, но не как точка в системе координат "информативность – сложность", а как область значений разнообразия команд. Именно в этом смысле надо понимать его принципиальную достижимость. И суть здесь в том, что каждая из потенциально возможных команд управления не равновозможна, а разновозможна в использовании. Равновозможность – лишь гипотетический частный случай разновозможности команд. Команды разновозможны, ибо их ценность зависит от ситуации управления, области применения (производственной, бытовой, образовательной, литературной, научной и т.п.). Разновозможны элементарные команды (микрокоманды) и их комбинации (макрокоманды, макросы). В этом смысле управления по ценности должны быть адекватны ситуации, сложившейся для объекта управления в его среде обитания.

Информационно-ресурсный принцип оптимального управления созвучен критериям эстетического качества как "сообщения возможно большего числа представлений в возможно меньшее время" (Гемстергейс, XVIII в.) и когнитивно-психологического напряжения как "отношения меры порядка к сложности усилий понимания" (Г. Биркгофф, ХХ в.); принципам "наименьшей затраты сил" Р. Авенариуса, "экономии мышления" Э. Маха, "селективной ценности информации" М. Эйгена и "минимума диссипации" Н.Н. Моисеева. Биологический организм тоже "стремится обеспечить максимум взаимной информации между стимулами и реакциями (Голицын Г.А., Петров В.М. "Информация – поведение – творчество", 1991.) .