Основные понятия науки логики

Абстракция Аналогия Антиномия Аргументация Виды знаний Гипотеза Дедукция Дискретная математика Доказательство Доказуемость Законы логики Индукция Истинность Классификация Наблюдение Научный эксперимент Обобщение Определение

Опровержение Парадокс Паралогия Понятие Признак Семантика Силлогизм Софизм Софистика Способы познания Суждение Тавтология Теория Умозаключение Факт Формальный язык Формализм

Законы логики

Законы логики отражают наиболее важные закономерно­сти логического мышления, В алгебре высказываний законы логики записываются в виде формул, которые позволяют проводить эквивалентные преобразования логических выражений в соответствие с законами логики.

Закон тождества. Всякое высказывание тождественно са­мому себе: А = А.

Закон непротиворечия. Высказывание не может быть од­новременно истинным и ложным. Если высказывание А — истинно, то его отрицание не А должно быть ложным. Сле­довательно, логическое произведение высказывания и его отрицания должно быть ложно.

Закон исключенного третьего. Высказывание может быть либо истинным, либо ложным, третьего не дано. Это означа­ет, что результат логического сложения высказывания и его отрицания всегда принимает значение истина.

Закон двойного отрицания. Если дважды отрицать неко­торое высказывание, то в результате мы получим исходное высказывание.

Методы моделирования

Моделирование изучаемого объекта – неотъемлемый этап всякой целенаправленной деятельности. Сущность любой модели заключается в том, что она заменяет объект-оригинал с неизвестными или неопределенными свойствами неким объектом-заместителем, свойства которого известны или легко поддаются изучению.

Используемые при организации информационно-аналитической работы модели можно классифицировать по объекту моделирования, по их целевому назначению, а также по применяемым методам. Мы уже рассматривали различные объекты информационно-аналитической работы. В зависимости от целевого назначения можно выделить модели, предназначенные для выявления проблемных ситуаций, а также модели, ориентированные на оценку и прогнозирование их развития.

Для того чтобы модель отвечала своему назначению, необходимо чтобы она обладала определенными свойствами. Например, поскольку модель всегда есть упрощение и приближение к реальному объекту, она должна отвечать требованиям сходства и адекватности.

Существует богатый арсенал методов, которые можно использовать для изучения объектов финансовой безопасности. Среди них в силу качественной природы этих объектов важную роль играют экспертные методы. Они предполагают выявление и описание существенных характеристик исследуемого явления, процесса, проблемы и их взаимосвязей в результате индивидуальной или коллективной (“мозговой атаки”) экспертной оценки. Такая модель имеет свои “входы” и “выходы”, внутренние элементы и их взаимосвязи, которые часто неизвестны. Она может быть представлена в форме статичного описания объекта моделирования или в форме сценария.

Экспертные модели, как правило, являются предварительным этапом для построения компьютерных моделей с использованием математических методов. Среди них важное место в информационно-аналитической работе занимают методы, использующие теорию графов. Указанные методы структурно представляют элементы изучаемого объекта в виде вершин графа, а их взаимосвязи – в виде ребер, соединяющих вершины. Другая количественная и качественная информация об объекте и динамике его изменения и взаимодействия отражается в описании вершин, ребер, а также их направленности. Разновидностью графовых методов являются сетевые методы, среди которых выделяются, так называемые, сети Петри. Сетевой метод предусматривает документальное изложение событий или действий, которые должны произойти в определенные сроки. Иными словами, строится модель событий, отражающая их последовательность и взаимосвязь. Для решения задач моделирования используются методы выделения критического пути в графе. Сети Петри применяются для моделирования объектов, которые представляют собой сложные системы, действиям компонент которых присущи свойства совмещенности или параллелизма. Анализ с помощью сетей Петри может дать важную информацию о структуре и динамике моделируемой системы.

Для решения задач рационального распределения сил, средств и других ресурсов могут применяться методы линейного и динамического программирования. Методы теории игр и решений представляют собой область математики и статистики, имеющую дело со случаем и результатами процессов, которые обычно могут быть описаны как логический выбор решения. С помощью формул и стратегии этого метода можно изучить простые процессы принятия оперативных решений. Сложные, например, ветвящиеся процессы со многими возможными исходами для каждой ветви обычно рассматриваются как сеть мелких задач, решаемых методом динамического программирования. Методы имитационного моделирования с помощью аналитических и статистических зависимостей воспроизводят суть исследуемого явления без точного копирования. Они позволяют получить только общее решение задачи.

Практически в ходе компьютерного моделирования объектов, процессов и ситуаций в сфере обеспечения финансовой безопасности используется комбинация различных методов. В этом процессе можно выделить следующие основные этапы.

1. Определение объекта моделирования – установление границ, ограничений и измерителей функционирования объекта, подлежащего изучению.

2. Формулирование модели – переход от реального объекта к некоторой его логической схеме путем абстрагирования.

3. Подготовка данных – отбор информации, необходимой для построения модели и преставление ее в соответствующей форме.

4. Трансляция модели – описание модели на машинном языке.

5. Оценка адекватности – определение степени соответствия модели и объекта.

6. Планирование эксперимента – разработка операций, которые необходимо осуществить в процессе моделирования.

7. Моделирование – проведение эксперимента с разработанной моделью с целью получения необходимых данных и анализа их точности.

8. Интерпретация – построение выводов на основании полученных в результате моделирования данных.

9. Реализация – практическое использование результатов моделирования.

Когда мы приступаем к этапу 7, т.е. к моделированию, мы должны использовать методы измерения изучаемого объекта или явления. Некоторые объекты допускают количественные оценки, однако более часто в сфере финансовых расследований нам приходится иметь дело с объектами качественной природы. Поэтому информационно-аналитический работник должен знать и уметь применять разнообразные измерительные шкалы. Измерение – это операция, которая данному наблюдаемому состоянию объекта, процесса, явления ставит в соответствие определенное обозначение: число, номер или символ.

На практике используются различные алгоритмы измерения, которые принято называть шкалами. Основными применяемыми в информационно-аналитической работе шкалами являются: номинальная шкала, порядковая шкала, интервальная шкала, шкала отношений и абсолютная шкала.

Можно сказать, что чем сильнее шкала, в которой производятся измерения, тем больше сведений об изучаемом объекте, явлении, процессе дают измерения. Поэтому так естественно стремление каждого исследователя провести измерения в возможно более сильной шкале. Однако важно иметь в виду, что выбор шкалы измерения должен ориентироваться на объективные отношения, которым подчинена наблюдаемая величина, и лучше всего производить измерения в той шкале, которая максимально согласована с этими отношениями. Можно измерять и в шкале, более слабой, чем согласованная (это приведет к потере части полезной информации), но применять более сильную шкалу опасно: полученные данные на самом деле не будут иметь той силы, на которую ориентируется их обработка. Все рассмотренные выше измерительные шкалы основаны на справедливости отношения эквивалентности. Это означает, что два результата измерений в любой из шкал либо тождественны, либо различны. В действительности часто встречаются случаи, когда тождество или различие двух состояний или наблюдений нельзя утверждать с полной уверенностью. Особенно это характерно для выявления и анализа проблемных ситуаций в сфере финансовой безопасности, где описания событий обозначаются конструкциями естественного языка. Когда мы говорим, что «подозреваемый встретился в баре с высоким, молодым человеком, который в руках держал тяжелый сверток», то хотя объект назван (т.е. измерение состоялось), мы не может сказать, какого он роста и сколько ему лет, какого веса была его ноша. Почти каждое наше слово обозначает некоторое не вполне определенное множество. Это свойство естественного языка, природное и неотъемлемое, безусловно, полезное, но приводящее к затруднениям, когда сопровождающая его неопределенность мешает. Например, «куча» – это лишь метка нечетко определенного множества. Спор о том, сколько песчинок в «куче», эквивалентен спору о том, в каком возрасте человек становится «старым» или сколько волосинок должно у него выпасть, чтобы он был «лысым». Нечеткость или расплывчатость понятий является свойством не только естественного языка. Например, в математике с успехом применяются понятия «значительно больше» (символ ») и «приблизительно равно» (символ  или =), являющиеся типично расплывчатыми.

Высокая степень неопределенности, например, описания тщательно маскируемых преступных действий в финансовой сфере вынуждает использовать в информационно-аналитической работе методы теории расплывчатых множеств.

Метод связных информационных структур

Метод связных информационных структур обеспечивает формирование целостного представления проблемных ситуаций путем ассоциативного связывания разрозненной информации из различных баз данных [54, 55, 56]. Основным элементом такой синтетической конструкции является информационный объект (ИО). Конкретная совокупность ИО, может включать, например: событие, лицо (физическое и юридическое), предмет, адрес, телефон, транспорт, документ, проблема, связная информационная структура. Но обязательными ИО в данном преставлении являются событие и связная информационная структура (СИС). Событие - значимый исход (результат) действий, имеющий пространственно-временную и объектно-субъектно-предметную идентификацию в конкретной области деятельности. Минимальная конфигурация описания события включает: субъект, объект, предмет, локализация (место и время) (рис.3).

Связная информационная структура – это одно или совокупность событий, а также других информационных объектов, включенных в нее согласно цепочкам ассоциативных связей.

Рис.3. Структура события

Метод связных информационных структур используется для создания информационных систем нового поколения, которые являются основным средством организации ИАО ФР.

Федеральным законом РФ от 27 июля 2006 г. N 149-ФЗ «Об информации, информационных технологиях и о защите информации» дается следующее определение: «информационная система — совокупность содержащейся в базах данных информации и обеспечивающих ее обработку информационных технологий и технических средств».

Общую структуру информационной системы (ИС) можно рассматривать как совокупность подсистем независимо от сферы применения. Структура любой информационной системы может быть представлена совокупностью обеспечивающих подсистем (рис.4).

Рис. 4. Структура информационной системы

В любом случае основной задачей ИС является удовлетворение конкретных информационных потребностей. Поэтому основной задачей ИС в нашем случае является удовлетворение информационных потребностей пользователей в процессе обеспечения финансовых расследований.

Современные ИС немыслимы без использования баз данных и СУБД, поэтому термин «информационная система» на практике сливается по смыслу с термином «системы управления базами данных».

По характеру обработки данных ИС делятся на:

• информационно-справочные, или информационно-поисковые ИС, в которых нет сложных алгоритмов обработки данных, а целью системы является поиск и выдача информации в удобном виде;

• ИС поддержки принятия решений, или решающие ИС, в которых данные подвергаются обработке по сложным алгоритмам.

Актуальной проблемой является увеличение интеллектуальных, особенно, прогностических возможностей современных информационных систем, применяемых для поддержки эффективного управления сложными видами деятельности, например, экономической, научной, правоохранительной и др.

В настоящее время широко используются реляционный, объектовый и сетевой подходы (или их сочетания) к конструированию СУБД, на основе которых и создаются информационные системы. Однако, при прочих достоинствах все они обладают одним принципиально важным недостатком. Создаваемые на основе этих подходов базы или хранилища данных по своей сути – структурно жесткие и стационарные резервуары. Поэтому они адекватно не отражают и, следовательно, не выявляют фундаментальное свойство авторекурсии и транзитивного замыкания отношений событий, как проявление закономерностей исследуемого процесса или целенаправленной деятельности. Образно говоря, данные в современных СУБД – это во многом застывшие тени (или схемы) динамично развивающихся конфигураций событий.

В этой связи на базе метода СИС был разработан новый подход к модульному проектированию информационных систем, предназначенных для распознавания и типологизации проблемных ситуаций, возникающих в процессе целенаправленной деятельности, прогнозирования их развития и выдачи лицу, принимающему решения (ЛПР), обоснованных вариантов действий, способствующих достижению поставленных целей. Данный подход направлен на создание рекурсивных баз данных – LISE - с автогенерацией транзитивных конфигураций событий. В его основе - концепция органичного встраивания информационной системы в контур управления целенаправленными видами деятельности и применение метода связных информационных структур.

В процессе ввода и обработки информации рекурсивная СУБД обеспечивает образование и преобразование связных информационных структур, которые в любой момент времени отображают разбиение множества представленных в ней событий и других информационных объектов в соответствии с ассоциативными связями.

В рекурсивных СУБД реализуется следующий минимальный набор процедур поиска, аналитической обработки и визуализация СИС:

- локализация СИС;

- определение связности объектов СИС;

- выделение цепочек связи;

- построение дерева связей;

- выделение фрагментов связей заданной структуры;

- выделение наименьшего доминирующего множества;

- таксономия и кластерный анализ;

- визуализация СИС по технологии «телескоп» / «микроскоп»;

- географическая привязка и визуализация событий (с помощью географических систем);

- формирование временных рядов и марковских цепей событий;

- прогнозирование развития связных конфигураций событий.

Реализация изложенного метода конструирования рекурсивных СУБД позволяет создавать эффективные прогностические информационные системы в различных сферах деятельности таких, как: обеспечение финансовой безопасности, расследование сложных преступлений, выработка стратегий на финансовых рынках и др.