Активность самоорганизующихся кибернетических систем не тождественна гомеостатическим формам стабилизации системы, которые являются ответом на воздействие внешней среды. Активность таких систем, будучи одним из факторов прогрессивного развития (саморазвитие), базируется на оптимальном сочетании стабилизирующих форм самоорганизации (с преобладанием отрицательных обратных связей) с целенаправленной трансформацией систем (на основе положительной обратной связи). Поэтому такая активность выступает как необходимое и существенное внутреннее свойство самоуправляемой и саморегулируемой системы, которое проявляется не только в относительной самостоятельности, независимости от изменения внешних условий, но и в преодолении возмущающих воздействий среды и в подчинении ее своим внутренним целям.
Проблема активности связана с проблемой внутренней целесообразности (целенаправленности) больших систем, ее решение предполагает знание внутренних механизмов технической и биологической целесообразности, а также целесообразности, присущей общественным системам. Источник активности и целенаправленности кибернетических систем заключен в их внутренней организованности. Важнейшим фактором целенаправленного поведения таких систем служит надежность структурно-информационных отношений, позволяющая системе успешно функционировать, соблюдать достоверность информации в процессах ее приема, переработки и накопления, что в свою очередь служит необходимым условием эффективного решения стоящих перед системой задач.
В теории самоорганизующихся систем важное значение имеет понятие «сложность». Само понятие системы включает аспект сложности: система объектов, имеющая структуру, и есть нечто сложное по отношению к объектам, являющимся ее элементами. Нередко сложность понимается только в структурном смысле, как показатель количества элементов и разнообразия связей между ними. При этом обычно не учитывается целостность системы в ее функциональном выражении на макроуровне. Такой односторонний подход порождает трудности методологического характера (возникающие, например, при сравнительном анализе мозга и машины). Эти трудности преодолеваются введением дополнительного критерия сложности — по степени функциональной эффективности систем. В этом случае сложность системы ставится в зависимость от сложности (трудности) решаемых ею задач.
Такой подход продуктивен и в общефилософском плане. Так, рассмотрение критериев прогресса функциональной сложности позволяет истолковать прогрессивное развитие той или иной системы с привлечением понятия активности.
На значение понятия сложности в кибернетических системах указывал еще Н. Винер «…Действительно существенные и активные явления жизни и обучения, — писал он, — начинаются лишь после того, как организм достигнет некоторой критической ступени сложности»[192]. Понятие сложности характеризует не только количественный аспект системы; оно выражает ее качественные особенности Кибернетическая система, достигшая некоторого критического уровня сложности, приобретает качественно новые черты, такие, как способность к самоорганизации, самообучению и самовоспроизведению.
При исследовании самоорганизации используются вероятностные представления, которые являются исходными в кибернетике. Основные идеи в теории автоматов были выдвинуты и обоснованы исходя из принципов вероятностной логики. В высокоорганизованных системах (биологических, социальных) оптимальное соотношение однозначно детерминированных и вероятностных процессов находит воплощение в сочетании, единстве централизованного управления и самоуправления частей, единстве иерархичности и автономности.
Недостаточность системного принципа при объяснении функциональных структур мозга ныне не вызывает сомнений Мозг характеризуется сочетанием упорядоченности (на уровне поведения) с определенным (функциональным) беспорядком при общей инвариантности структуры. Статистическая организация является существенным элементом самоорганизации функциональных структур мозга. Более того, это свойство характеризует любую самоорганизующуюся систему.