Г. Саймон (Simon, 1969), впервые отказавшись от традиционного «техноцентрического» понимания процесса достижения оптимальности деятельности только как отыскания наилучшего способа действия, предложил термин «удовлетворительное решение», описывающий процесс решения задачи как поиск приемлемой для субъекта альтернативы, удовлетворяющей его субъективным критериям. Продолжая линию, М. Месарович (Mesarovic, 1973) на основе противопоставления двух принципов принятия решения (оптимальности и удовлетворительности) выделил два соответствующих класса задач, решаемых человеком в реальных ситуациях: 1) задачи оптимизации и 2) задачи нахождения удовлетворительных решений. Задаче нахождения удовлетворительных решений соответствует «принцип удовлетворительности»: будучи подвержен нежелательным воздействиям среды, субъект осуществляет регуляцию своей деятельности (процесса решения) таким образом, что его основные характеристики остаются в удовлетворительном диапазоне до тех пор, пока продолжаются возмущения. Отличие модели нахождения удовлетворительных решений от традиционной модели оптимизации состоит в ориентации субъекта на регуляцию неопределенности и поддержание некоторого удовлетворительного состояния жизнедеятельности. Если принцип оптимизации описывает максимизацию функции полезности (эффективность решения, точность, безошибочность) на множестве альтернатив, то принцип удовлетворительности заключается в сохранении характеристик жизнедеятельности в удовлетворительном диапазоне за счет снижения неопределенности.

Необходимость двойственного подхода в семиотических системах имеет важное методологическое значение, выходящее за рамки чисто логических построений.

Указывая на возможность трактовать язык как отображение соответствующей вещественной (или информационной) системы (в аспекте лингвистического определения системы М.Д. Месаровича), Е. 3. Майминас склонен рассматривать факт неполноты формализованных языков как теоретическую основу двойственного подхода к системам вообще. Этот факт, как пишет Е. 3. Майминас, объясняет неполноту обособленного описания любой системы, входящей в иерархию систем.

Рассмотрим с этой точки зрения проблему машинного моделирования интеллектуальных и психических процессов. Прежде всего ясно, что реализация указанных процессов в виде системы математических программ (сколь угодно сложной) не выводит нас за рамки машинных языков. Моделируемые функции воплощены в структуре машины, описание которой с самого начала ограничено конструкторским замыслом.

Между тем человеческое мышление и психика имеют социальную природу, генетически не сводимую к структурным свойствам отдельных индивидов. И это значит, что явления мышления и психики нельзя описать полностью на языке биохимических реакций, протекающих в коре головного мозга, а тем более на языке машинных программ, каким бы богатым ни был этот язык.

Однако машина отнюдь не изолирована от остального мира и функции, которые она реализует, выражают свойства отношений между машиной и остальным миром (в частности, человеком). Как и в случае с человеческим мышлением, эти свойства не сводимы к структурным свойствам машины, и в этом смысле фактор неполноты по-прежнему имеет место.

Особенность ситуации заключается в том, что функции искусственного интеллекта формируются в среде, существенно отличной от той, которая обусловила формирование человеческого мышления. Поэтому и природа искусственного интеллекта должна быть другой. Как бы далеко мы ни продвинулись в моделировании человеческого мышления и психики, в определенном смысле мы обречены на непредвиденный конечный результат. Мы никогда не получим точной копии естественного интеллекта. Зато нет никаких гарантий, что фактически реализованные функции в системе типа человек – машина по своим проявлениям не окажутся для нас несколько неожиданными.