- •Оглавление
- •Предисловие
- •Введение
- •§ 1.1. Предварительные замечания
- •§ 1.2. Роль системных представлений в практической деятельности
- •§ 1.3. Внутренняя системность познавательных процессов
- •§ 1.4. Системность как всеобщее свойство материи
- •§ 1.5. Краткий очерк истории развития системных представлений
- •Заключение
- •Литература
- •Упражнения
- •§ 2.1. Широкое толкование понятия модели
- •§ 2.2. Моделирование – неотъемлемый этап всякой целенаправленной деятельности
- •§ 2.3. Способы воплощения моделЕй
- •Insight озарение
- •§ 2.4. Условия реализации свойств моделей
- •§ 2.5. Соответствие между моделью и действительностью: различия
- •InherencEингерентность
- •§ 2.6. Соответствие между моделью и действительностью: сходство
- •§ 2.7. О динамике моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 3.1. Множественность моделей систем
- •§ 3.2. Первое определение системы
- •Inputs входы (системы)
- •§ 3.3. Модель “черного ящика”
- •§ 3.4. Модель состава системы
- •§ 3.5. Модель структуры системы
- •§ 3.6. Второе определение системы. Структурная схема системы
- •§ 3.7. Динамические модели систем
- •Vertex вершина (графа)
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 4.1. Искусственные системы и естественные объекты
- •§ 4.2. Обобщение понятия системы. Искусственные и естественные системы
- •§ 4.3. Различные классификации систем
- •Variable переменная
- •§ 4.4. О больших и сложных системах
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 5.1. Информация как свойство материи
- •§ 5.2. Сигналы в системах
- •Information
- •Interference
- •§ 5.3. Случайный процесс – математическая модель сигналов
- •§ 5.4. Математические модели реализаций случайных процессов
- •§ 5.5. О некоторых свойствах непрерывных сигналов
- •§ 5.6. Энтропия
- •Independent независимый
- •§ 5.7. Количество информации
- •Interaction взаимодействие
- •§ 5.8. Об основных результатах теории информации
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 6.1. Эксперимент и модель
- •§ 6.2. Измерительные шкалы
- •Interval
- •§ 6.3. Расплывчатое описание ситуаций
- •§ 6.4. Вероятностное описание ситуаций. Статистические измерения
- •§ 6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 7.1. Многообразие задач выбора
- •§ 7.2. Критериальный язык описания выбора
- •§ 7.3. Описание выбора на языке бинарных отношений
- •§ 7.4. Язык функций выбора
- •§ 7.5. Групповой выбор
- •Voting голосование
- •§ 7.6. Выбор в условиях неопределенности
- •§ 7.7. О выборе в условиях статистической неопределенности
- •§ 7.8. Выбор при расплывчатой неопределенности
- •§ 7.9. Достоинства и недостатки идеи оптимальности
- •§ 7.10. Экспертные методы выбора
- •§ 7.11. Человеко-машинные системы и выбор
- •§ 7.12. Выбор и отбор
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 8.1. Анализ и синтез в системных исследованиях
- •§ 8.2. Модели систем как основания декомпозиции
- •§ 8.3. Алгоритмизация процесса декомпозиции
- •Ignorance незнание, невежество
- •§ 8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •§ 8.5. Виды агрегирования
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 9.1. Что такое системный анализ
- •§ 9.2. Формулирование проблемы
- •§ 9.3. Выявление целей
- •§ 9.4. Формирование критериев
- •Values ценности
- •§ 9.5. Генерирование альтернатив
- •§ 9.6. Алгоритмы проведения системного анализа
- •§ 9.7. Претворение в жизнь результатов системных Исследований
- •Implementation внедрение (результатов)
- •§ 9.8. О специфике социальных систем
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
- •Contents
- •Оглавление
§ 7.11. Человеко-машинные системы и выбор
Основной причиной возникновения системного анализа является необходимость разрешения сложных проблем, управления сложными системами. Многие существенные особенности преодоления сложности можно проследить и на примере конкретного этапа, представляющего собой хотя и важную, но лишь составную часть управления, – этапа выбора (принятия решения).
Как бы ни понималась сложность (см. § 4.4), простота понимается одинаково: простым является случай, когда посторонняя помощь не требуется. В сложных случаях, особенно если принимающий решение сталкивается со сложностью в отягчающих условиях дефицита времени или других экстремальных обстоятельств, ему требуется квалифицированная помощь в оценке возможных альтернатив.
Помощь экспертов неоценима; каждый военачальник имеет штаб, ректор вуза или директор НИИ – ученый совет, министр – коллегию; в отдельных случаях образуют разовую группу экспертов для рассмотрения конкретной ситуации (см. § 7.10).
Однако существуют естественные пределы человеческих способностей при восприятии и обработке информации. Работу экспертов лимитируют не только межличностные отношения (см. § 7.10), но и внутренние психологические и физиологические причины. Оказывается, человек одновременно может оперировать лишь с небольшим числом операндов (понятий, идей, моделей, альтернатив и т.д.) – психологи, говоря о пределе возможностей, иногда называют это законом “семь плюс – минус два”. Кроме того, столкнувшись, например, с многокритериальной задачей, эксперт часто проявляет непостоянство, неуверенность, нелогичность, стремление к резкому упрощению задачи. Наконец, в ряде случаев играет роль и низкое быстродействие нервной и мышечной системы человека.
SELECTION
отбор
REPEATED,
ITERATED
повторный
DECISION –
FEEDBACK
SYSTEM
система,
адаптивная по решениям
DECISION – SUPPORT
SYSTEM
система
поддержки решений
ELITE
GROUP
элитная
группа
Создание
человеко-машинных систем является
основным направлением кибернетизации
общества. Типы таких систем различаются
“пропорцией участия” в них человека.
Среди
типов повторного выбора важное значение
имеет селекция, направленная на создание
элитных групп. Оказывается, что повышение
качества элитной группы требует
соблюдения специальных и неочевидных
условий, иначе оно может и ухудшаться
со временем.
“Вычислительная машина очень хороша при быстрой работе, проводимой однозначным образом над полностью представленными данными. Вычислительная машина не может сравниться с человеческим существом при обработке еще не выкристаллизовавшихся данных. Если назвать это интуицией, то я не сказал бы, что интуиция недоступна вычислительной машине, но у нее она меньше, а экономически невыгодно заставлять машину делать то, что человек делает намного лучше”.
Вряд ли возможно, да и не стоит создавать одну универсальную систему на все случаи жизни. На практике идут по пути создания человеко-машинных систем, называемых проблемно-ориентированными. Даже в сравнительно конкретной сфере принятия решений наблюдается разветвление типов систем по типам задач выбора. К настоящему моменту существует несколько самостоятельных направлений этого развития.
ПАКЕТЫ ПРИКЛАДНЫХ ПРОГРАММ ДЛЯ ВЫБОРА
К первому относятся программы и пакеты программ для решения конкретных хорошо определенных задач выбора. Примером может служить математическое обеспечение ЭВМ для статистической обработки данных (т.е. выбора в условиях стохастической неопределенности; см. § 7.7). В дополнение к стандартному математическому обеспечению ЭВМ в ряде коллективов созданы пакеты прикладных программ статистики (например, в Москве [1], Ташкенте [18], Вильнюсе [30], Тарту [35], Киеве [8], Ленинграде [3], Новосибирске [19], Харькове [32] и др.). Некоторые пакеты прикладных программ основаны на идеях, позволяющих расширить классические постановки статистических задач [19; 32]; в этом отношении, например, интересны методы “машинного” обнаружения закономерностей, развиваемые новосибирской школой [16]. К этому же направлению относятся системы программного обеспечения оптимизационных задач; современные базы данных и пр.
БАЗЫ ЗНАНИЙ, ЭКСПЕРТНЫЕ СИСТЕМЫ
Второе направление – создание баз знаний и экспертных систем. В настоящее время это, пожалуй, главный путь движения к “искусственному интеллекту”. Приведем высказывания наиболее активных сторонников такого мнения:
“А есть ли еще что-нибудь в искусственном интеллекте, кроме экспертных систем?” Действительно, экспертная система определяется как “воплощение в ЭВМ компоненты опыта эксперта, основанной на знании в такой форме, что машина может дать интеллектуальный совет или принять интеллектуальное решение относительно выполняемой функции. Желательно дополнительное свойство (которое многие считают главным) – способность системы по требованию объяснять ход своих рассуждений понятным для пользователя образом” [42].
Такие поистине интеллектуальные свойства экспертных систем реализуются благодаря двум их особенностям:
1) наличию полученных от человека (эксперта) знаний в определенной предметной области в форме набора фактов (предметное знание) и эвристических приемов (эмпирических правил), вводимых в машинную базу данных и базу знаний. Например, наиболее употребительный формат правила в базе знаний – это формат “ЕСЛИ <условие>, ТО <действие>“. При этом <действие> может быть и действием по изменению содержимого базы данных;
2) в отличие от программных систем прошлых поколений машина оперирует не только с “данными”, но и с понятиями, выраженными в терминах естественного языка, а также со знаниями о классах объектов, обозначенных этими терминами, и отношениями между ними. Это достигается созданием специальных программ; в последние годы разработан специальный язык Пролог, операндами которого служат как элементы данных, так и правила-операторы.
Экспертные системы имеют широкие перспективы: известны их многочисленные практические реализации в разнообразных предметных областях. Некоторые важные принципы организации экспертных систем, учитывающие расплывчатость терминов естественного языка, были заложены Д.А. Поспеловым еще в системах ситуационного управления [28]; примеры решения ряда практических задач, в которых используются эти принципы, см., например, в [41].
Если первое направление ориентировано на полную автоматизацию хорошо формализованных задач, а второе – на создание систем, накапливающих опыт экспертов и, по существу, впоследствии заменяющих самих экспертов, то в третьем современном направлении развития человеко-машинных систем выбора делается основной акцент на участие самого лица, принимающего решения, в попытках формализовать задачу выбора, в самостоятельном сравнении и оценивании с помощью ЭВМ различных альтернатив разными способами.
СИСТЕМЫ ПОДДЕРЖКИ РЕШЕНИЙ
Это третье направление представлено системами “интерактивной оценки решений” [6] и особенно “системами поддержки решений” (DSS – Decision Support Systems). Разработка систем поддержки решений ведется, в частности, в рамках интернационального проекта, осуществляемого учеными ряда стран под эгидой Международного Института Прикладного Системного Анализа в Лаксенбурге (Австрия) [48]. Идеология этого подхода хорошо выражена Хатри [47]. Рассматривая случай, когда системный аналитик помогает лицу, принимающему решение, сформировать однокритериальную задачу оценки альтернатив (см. § 7.2), он пишет:
“Без сомнения, работа принимающих решения была бы легче, если бы можно было использовать пусть приблизительную, но единственную меру эффективности. Однако я настаиваю на том, что такие процедуры ставят аналитика в положение, когда он неоднократно делает суждения о назначении коэффициентов, которые по существу, по праву должны назначаться в процессе политического вынесения решений, а не самим аналитиком. Эти назначения коэффициентов закопаны в процедурах, используемых аналитиком, и редко известны принимающему решения или понятны ему. Такие трюки в перспективе ведут к дискредитации системного анализа и к заметному уклонению от того, что является его главным предназначением: представлять принимающим решения альтернативные пути достижения целей, оценивать и показывать все основные взаимосвязи между затратами и эффективностями для этих альтернатив”.
Системы поддержки решений ориентированы не на автоматизацию функций лица, принимающего решения, а на предоставление ему помощи в поиске хорошего решения. Поэтому в таких системах особое внимание уделяется диалогу и его “дружественности” лицу, принимающему решения. Конечно, в математическое и программное обеспечение систем поддержки решений входят и формализованные процедуры, которые лицо, принимающее решения, может использовать в любой нужной ему степени.
Подведем итог Выбор в реальных ситуациях требует выполнения ряда операций, одни из которых более эффективно выполняет человек, а другие – машина. Эффективное объединение их достоинств воплощается в создании человеко-машинных систем. Поэтому наряду с созданием чисто машинных программ и пакетов для полностью автоматического решения задач в последние годы развиваются экспертные системы и системы поддержки решений. |
Summary Decision making in real-life situations demands the execution of certain operations; some of these are fulfilled more effectively by man, others by machine. It is a self-evident idea to combine the advantages of each into a man-machine system. The results are the creation of specialized program systems for the fully automated solution of problems and, more recently, the development of such man-machine systems as expert systems and decision support systems. |