Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Когнитивные методы и технологии управления экономикой в условиях неопределенности. Учебно-методическое пособие
.pdf
4.1. Семантический толковый словарь
4,5
4
3,5
3
2,5
2
1,5
1
0,5
0
0 1 2 3 4 5 6
Рис. 4.1. График распределения ключевых слов, входящих
в определения термина любовь
Из графика видно, что ядро CЯИ термина любовь состоит из одного слова — чувство, т. е., по существу, практически
отсутствует. Это вполне объяснимо, так как понятие любовь
не имеет единого однозначного толкования и понимания у людей, оно не имеет ядра истинности, что и отражено на рис. 4.1.
Кроме того, использование такого подхода тем более очевидно, что существует весьма заметное по объему множество терминов, которые вообще не имеют определения [43]. Так, не существует определений для таких терминов, как:
• цвета — синий, красный, зеленый и т. д.;
• вкусовые ощущения — кислый, соленый, сладкий и т. д.
Таких примеров можно привести достаточно много, и они
естественным образом будут возникать практически всегда
при создании общества знаний.
Все, что связано с использованием информации, отличается
от использования материальных объектов. Если у некоторого субъекта имеется материальный объект, то, передавая (или
продавая) его кому-либо, субъект лишается возможности владения им. Однако если у субъекта имеется информация, то при
91
Глава 4. Кейсы по применению КМТ
передаче ее кому-либо он у себя всегда оставляет эту информацию в виде копии. В этом уникальность информации как товара. Ее практически невозможно лишиться в процессе товарно-денежного обмена.
Но, к сожалению, в процессе обмена можно исказить ее семантический смысл. И этот процесс происходит, как правило,
незаметно непосредственно для самих пользователей. Поэтому
постоянная проверка семантики по уровню 0,38 должна присутствовать в системе общества знаний постоянно.
Резонно вообще поставить вопрос о существовании целых
разделов, зон, отраслей в области знаний, для которых термины будут удовлетворять условию принадлежности к группе
относительно истинных. Пользователь всегда будет знать, информацией с какой достоверностью он пользуется и каков результат этого использования: ведь пользователь, хочет он этого
или не хочет, поневоле также вносит коррекцию в семантику
терминов, а это в свою очередь тоже должно быть отслежено.
Таким видится решение задачи оценки «кондиционности»
терминов, где роль критерия играет уровень 0,38 для энтропии
СЯИ. Ведь термины, которые вводятся, хранятся, перерабатываются и генерируются внутри СТС, должны быть только кондиционными, иначе эта система будет неэффективна или просто саморазвалится [45].
Без непременного выполнения проверки соответствия уровню 0,38 как стержневого принципа станет невозможной реализация процессов развития и экспансии всей системы БТ. Другими словами, именно уровень 0,38 должен играть ключевую
роль в формировании системы СТС в интересах общества, основанного на знаниях.
СТС представляет собой расположенные в алфавитном порядке СЯИЗ, полученные методом онлайн-голосования без
ограничения количества и квалификации участников. СТС
предназначен для интеллектуальной унификации терминов
и определений, входящих в базу информации как хранилища семантической структуры русского языка [43], и создается
с целью создания единой системы ведения терминов и определений широкого профиля.
92
4.1. Семантический толковый словарь
Сбор, модерация и классифика-
4.1.3. Краткое описание СТС
Объектом интеллектуальной унификации являются термины и определения, полученные из сети «Интернет», входящие
в СТС и используемые в различных областях человеческой деятельности теоретически без ограничений.
В системе предлагается выделить следующие функциональные подсистемы СТС (рис. 4.2):
Пользователи СТС
ция терминов и определений
Хранилище данных о терминах
и определений
Рис. 4.2. Блок-схема функциональных подсистем СТС
1) подсистема сбора, обработки и загрузки данных (терминов и определений), которая предназначена для реализации
процессов сбора данных из разных источников;
2) подсистема семантического анализа терминов и определений [3, 44];
3) подсистема хранения данных, которая предназначена для
хранения семантических ядер терминов;
4) подсистема формирования и визуализации отчетности.
Генератор выходных форм
и отчетов
93
Глава 4. Кейсы по применению КМТ
Научно-методическое обеспечение системы включает задачи анализа устойчивости распределения семантической структуры терминов и определений и выявления предположительной области существования новых знаний в рамках заданного
научного направления, которые являются неотъемлемой частью системы СТС и выполняются при проведении мероприятий научного характера, т. е. специально организованных научных исследований.
Основой научно-методического обеспечения должны быть
алгоритмы и методики семантического анализа текстов по тематике заданного направления [45].
4.1.4. Научная новизна и прикладная значимость проекта СТС
Система СТС создается и функционирует на принципах
краудсорсинга, где каждый конечный пользователь не только
получает доступ к СТС, включающему унифицированные термины и определения из различных областей знаний (юриспруденция, экономика, финансы, технологии и т. д.), но и сам непосредственно активно участвует в формировании семантики
этих терминов и определений.
Данная проблема существует как внутри любой языковой
системы, так и для межязыковых обменов. Предлагаемая система позволяет не только оценивать, но и минимизировать
различия в толковании терминов и определений.
Новизна предлагаемого подхода состоит в том, что для унификации терминов и определений используется система анализа энтропии распределения величины разброса параметров
истинности. Эта система имитирует когнитивные процессы
мозговой деятельности человека и основана на индуктивно-дедуктивном представлении этих процессов.
Если величина разброса мала, то это говорит о стабильности
семантического ядра истинности понимания термина, и здесь
есть возможность дальнейшей минимизации этого разброса.
Если же величина разброса велика, то это может указывать
на наличие процесса зарождения нового термина или нового
94
4.1. Семантический толковый словарь
направления в толковании термина. Устранение неоднозначности понимания термина в этом случае невозможно, но возможна минимизация этой неоднозначности. При этом можно
искусственно ускорить этот процесс и таким образом сформировать новое толкование термина или даже на этой основе
сформировать предполагаемую область возможного существования нового знания.
Есть еще одно подтверждение в пользу необходимости создания толкового словаря нового, цифрового типа для более эффективного упорядочения информационного пространства.
Конструктивной основой такого подхода является семантика некоторого термина с максимальной истинностью [45].
Уже сейчас можно предвидеть те научно-технические проблемы, которые со всей очевидностью возникнут уже в самом
начале разработки — это проблемы организации целенаправленного поиска, агрегации, анализа потоков информации и используемых терминов на самом высоком семантическом уровне.
Для решения всего предполагаемого комплекса задач потребуются специальные технологии, но появятся и такие задачи,
облик которых сейчас трудно предвидеть, и их придется разрабатывать непосредственно в процессе создания СТС.
Из вышесказанного следует, что сложнейшая по масштабному замыслу задача создания СТС не может не содержать диктуемых внутренней логикой перманентного развития противоборствующих и противоречащих друг другу тенденций как в алгоритмах своего построения, так и в реализуемых решениях. Поэтому в основу методов функционирования системы должен быть
положен как понятный по сути, так и универсальный по применимости такой стержневой критерий, который позволял бы
взаимно согласовать и увязывать эти жесткие, но необходимые
требования. Таким понятным и универсальным стержневым
критерием построения СТС является критерий на соответствие
уровня энтропии CЯИ термина величине 0,38.
Поэтому вполне можно утверждать, что в процессе использования термина необходимо знать динамику его эволюции,
чтобы понимать, как его правильно использовать и что от него
можно ожидать.
95
Глава 4. Кейсы по применению КМТ
Процесс генерации НЗ начинается с момента, когда формируется семантическое ядро истинности [46]. Его наличие есть
необходимое условие формирования НЗ.
Данный подход может оказаться весьма полезным при формировании алгоритмов одного из самых главных блоков современных интеллектуальных роботов — классифицирующего
автомата. И здесь функция распределения чувства истинности
на множестве аргументов, подтверждающих истинность, может служить функцией принадлежности, заданной как распределение истинности на множестве аргументов, представляющей собой отдельную задачу классификации знаний по признаку истинности.
Отсюда следует, что основная идея предлагаемого подхода
состоит в доказательстве того, что для унификации терминов
и определений необходимо использовать интеллектуальную
систему анализа энтропии распределения величины разброса
параметров истинности. Эта система должна имитировать когнитивные процессы мозговой деятельности человека.
Если величина разброса параметров истинности мала,
то это говорит о стабильности семантического ядра термина, и здесь есть возможность минимизации этого разброса.
Если же величина разброса велика, то это может служить подсказкой в наличии процесса зарождения нового термина или
нового направления в толковании термина. Устранение неоднозначности понимания термина в этом случае невозможно,
но возможна минимизация этой неоднозначности. При этом
можно искусственно ускорить этот процесс и таким образом
сформировать новое толкование термина или даже на этой основе сформировать предполагаемую область возможного существования нового знания.
Данный подход позволяет также ранжировать существующие инновационные направления с точки зрения их перспективности или неперспективности.
96
4.2. Превентивный режим готовности предприятий
4.2. Превентивный режим готовности предприятий
4.2.1. Энтропийная оценка неопределенности внешней
среды
Наличие факторов неопределенности в экономике обычно
приводит к усложнению процессов формирования управленческих решений, которые решаются по стандартному классическому пути нахождения способов уменьшения влияния факторов и (или) компенсации этого влияния.
Казалось бы, это очень правильно, логично и не подлежит
сомнению. Однако здесь кстати вспомнить слова А. Эйнштейна, которые звучат с оттенком некоторого предостережения:
«Если законы математики опираются на реальность, они являются неопределенными. А коль скоро они точны, они не отражают реальность».
Данная формулировка вынуждает поставить вопрос: до каких пор неопределенность может расти и есть ли предел этому
росту? Если есть, какими причинами он обусловлен?
Как мы выяснили из предыдущих глав, такой предел существует. При приближении к нему процесс принятия решения
от методов управления на основе компьютерных программ,
требующих наличия достоверных актуализированных данных, смещается в сторону методов управления, формируемых
на основе процессов мышления, реализуемых в головном мозгу человека. В условиях минимального наличия достоверных
данных, когда математические модельные методы уже перестают работать, мозг человека все еще способен принимать разумные решения [46].
Вместе с тем если провести анализ характера поведения
различных ЭО в условиях неопределенности, то можно выявить, что они имеют много общего.
Во-первых, ЭО в условиях неопределенности начинает сдерживать динамику развития, как бы «притормаживая» свое
движение. Это вполне объяснимо: менеджмент не знает, что
произойдет в ближайшем будущем, поэтому вопрос о том, какую стратегию движения выбрать, часто становится неразрешимой задачей. В таком случае самое разумное — это занять
97
Глава 4. Кейсы по применению КМТ
выжидательную позицию и дождаться, пока закончится период неопределенности, когда наступит определенность и появится понимание происходящего, и только после его окончания
принимать обоснованные решения. Такой подход мы наблюдаем в поведении ЭО повсеместно [36].
Но, во-вторых, здесь, как продолжение сказанному выше,
выявляется еще одно чрезвычайно важное обстоятельство.
В условиях минимальной динамики развития система должна
выбрать такие параметры состояния своих возможностей, чтобы в любой момент после снятия влияния факторов неопределенности быть готовой к быстрому переключению («скачку»)
на любую из максимально возможного набора будущих траекторий. Этот режим можно сравнить с пружиной, которая сначала сжимается, а потом резко разжимается в том направлении, которое становится наиболее предпочтительным.
В экономической науке ощущается заметный рост в поисках новых методов управления в условиях неопределенности.
И если ставить вопрос о выборе метода управления, то естественно, что этот выбор должен быть со всей очевидностью связан с вопросом о выборе метода измерения неопределенности.
В качестве объекта для выбора метода измерения неопределенности можно рассмотреть базу данных ЭО в качестве информационной модели внутреннего состояния, обусловленного
факторами неопределенности внешней среды [37].
Энтропийный параметр неопределенности H(t) внешней
по отношению к ЭО среды, представляется функцией результата взаимодействия двух конкурирующих тенденций: одна
из них способствует уменьшению энтропии и увеличению процессов концентрации элементов, создания новых связей между
элементами системы, а другая, наоборот, способствует увеличению энтропии за счет процессов рассеяния, разрыва связей
между элементами. В результате «соревновательного» взаимодействия данных потоков формируется внутреннее состояние,
энтропийный показатель которого может быть соотнесен с понятием «неопределенность».
Использование энтропии в экономических моделях есть довольно часто наблюдаемое и распространенное явление. Выбор
98
4.2. Превентивный режим готовности предприятий
dt
tt
()
()
λρ
данного показателя обусловлен прежде всего тем, что позволяет связать неопределенность состояния системы с параметрами
ее структуры, которая определяется вероятностями нахождения элементов структуры в заданном состоянии.
Такой подход был исследован и применен авторами А. К. Айламазян и Е. В. Стась в работе [5], где была впервые рассмотрена
модель П. Ферхюльста (или уравнение Бернулли 2-го рода), связывающая три параметра — энтропию H(t), интенсивность вход-
ного потока (λ(t) и интенсивность выходного потока ρ(t):
Новизна и оригинальность данного подхода состоит в том,
что в качестве переменной впервые была использована именно величина энтропии как меры неопределенности. Объектом
моделирования послужил документальный информационный
поток (ДИП), в котором присутствуют входное и выходное
множество документов. Исследования, проведенные авторами
в [6], показали правомерность такого подхода к моделированию динамики величины энтропии и подтвердили теоретические предположения о динамике поведении ДИП.
Применительно к нашей задаче оценки неопределенности
внешней среды такой подход также может быть предложен,
поскольку здесь выполняются подобные общесистемные требования. Мы по аналогии будем рассматривать базу данных
(БД) ЭО как некоторую информационную внутреннюю модель
реальной внешней среды. БД, как и реальная внешняя среда,
живет в условиях воздействия двух потоков — входного и выходного, которые в результате своего взаимодействия формируют внутреннее состояние, часть которого можно выделить
как соотносящуюся с понятием неопределенности.
Если согласиться с таким допущением, то для полноты описания остается решить, что мы примем за входной поток, а что
за выходной.
Примем, что входным воздействиями для БД являются приращения затрат на управление ∆P
представлены как операционные расходы.
dH t
Ht tH
=
() ()−()()
опр
(4.1)
.
(t), которые в отчетности
99
Глава 4. Кейсы по применению КМТ
dt
Ht
()
()
Выходным потоком будут служить результаты управления
ЭО. Таким результатом служит приращение объема выручки
∆Выр(t) [37].
Тогда уравнение П. Ферхюльста будет выглядеть следую-
щем образом:
Показатели ∆P
dH t
=
(t) и ∆Выр(t) наиболее полно отражают
опр
(∆P
(t) – Н (t) ∆Выр(t). (16)
опр
сущность исследуемого состояния системы. При этом соотношение величин ∆P
(t) и ∆Выр(t) определяет не только эффек-
опр
тивность управления ЭО, но и величину неопределенности
этого управления. Если, к примеру, величина ∆P
(t) растет,
опр
а ∆Выр(t) остается неизменной, то это говорит о низком каче-
стве управления, а низкое качество управления напрямую
связано с высоким уровнем неопределенности внешней среды,
которая всегда присутствует и которая не позволяет получить
большую величину ∆Выр(t) при небольших ∆P
опр
(t) .
Именно на такие ситуации реагирует величина энтропийно-
го показателя H(t), и в связи с этим данный показатель может
быть выбран в качестве меры неопределенности внешней среды.
В качестве «внутренней модели внешнего мира», необходимость введения которой показана М. Уонемом [82] в главе 3,
предлагается использовать уравнение П. Ферхюльста.
В качестве примера оценки уровня неопределенности внешней среды была выбрана компания Adidas, которая является
лидером на рынке спортивных товаров и услуг. Для анализа
неопределенности были осуществлены следующие шаги [37]:
1) сбор данных на основании годовой финансовой отчетно-
сти за период с 2007 по 2016 г.;
2) сортировка данных;
3) вычисление финансово-экономических показателей за пе-
риод и средних значений;
4) выборка данных по показателям: выручка и операцион-
ные расходы предприятия;
5) расчет величины энтропии H(t).
Рассмотрим полученные результаты на рис. 4.3.
100
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]