Математическая индукция – работает в тех сферах, где количественные изменения не приводят к качественным скачкам. А вот что пишет создатель «технического мозга» Антонов В.М. [2]: Реальный физический мир, и в том числе технический, можно воспринимать интуитивно в целом, а можно – через дробление его на элементы, то есть логически. Пройдя по второму пути, логицисты предложили в качестве элементов – параметры, которые можно понимать как физические величины внешнего по отношению к человеку пространства, имеющие размерности, например масса в килограммах, расстояние в метрах, время в секундах. С появлением параметров мир стал, образно говоря, угловатым: его начали изображать в виде трёхмерного или даже многомерного гранёного пространства, а ситуации – в форме многомерного вектора в том же пространстве. Человек перестал доверять своим глазам, своим ушам и прочим органам чувств: всё вокруг он стал измерять с помощью приборов. Тогда и возникла наука математического моделирования, увязывающая состояния или процессы с параметрами. Выявление параметрических зависимостей в науке и технике приняло в двадцатом столетии почти стихийный характер: математизировалось всё вокруг; логика торжествовала. Но пришло время, и этот научный подход исчерпал себя; не помогло ему даже появление такого мощного научного инструмента, как электронная вычислительная машина. Кажется, наоборот, эти машины ускорили завершение математизации физического мира. Самым трудным моментом в математическом моделировании оказалось выявление логических зависимостей, формализовать которые человеку практически не удаётся. Можно уловить связь состояния или процесса с одним параметром, труднее — с двумя, еще труднее — с тремя, а если число параметров превышает десяток, то решать такие задачи человеку оказывается не под силу. Усложняет дело и то, что в мире кроме параметров есть еще признаки и факторы, не имеющие размерностей: их математика сторонилась всегда. А когда появилась необходимость использовать для принятия решений ещё и образы, зрительные, слуховые и иные, то логика оказалась в еще большем затруднительном положении. Уклоняясь от решения сложных практических задач, наука математического моделирования постепенно сошла на искусство доказательств: логика стала работать сама на себя. Даже тогда, когда было осознано, что многопараметрическую, многопризна33 ковую, многофакторную и образную информации можно перерабатывать только такими способами, какими оперирует живой мозг