9.6. Проблема закритої математики

На жаль, вдалий вибір і параметризація також не вичерпують усіх проблем, пов'язаних з ефективністю застосування ІАД. Прикладні програми, виконані у вигляді фірмових програмних продуктів, незважаючи на все їх розмаїття, представляють собою універсальні математичні інструменти. Більш того, експерт-аналітик, що використовує такий продукт має справу лише з вказівкою на застосовуваний математичний метод (наприклад, метод головних компонент) і самим загальним описом вхідних/вихідних даних і робочих параметрів. Самі алгоритми „зашиті” у виконавчий файл і не доступні виконавцю.

Таким чином, за суттю, експерт працює з закритою математикою, з деяким „чорним ящиком”, який повинен забезпечити вирішення певного класу задач, не допускаючи і не потребуючи якихось модифікацій.

Причин для такого підходу більше, чим достатньо. Це і комерційний захист дуже коштовної розробки, і забезпечення можливості роботи зі складною математикою предметним експертам, і специфіка ринку програмних продуктів. А недолік – один: універсальний інструмент в кожному конкретному випадку, зазвичай, програє у функціональній ефективності спеціалізованому засобу, орієнтованому на застосування саме в цій ситуації. При цьому виграш від застосування спеціалізованих алгоритмічних засобів у ряді ситуацій може виявитися достатньо істотним і досягати десятків відсотків.

Як приклад можна привести традиційну проблему в галузі статистичного прогнозування – задачу виділення систематичного тренда з його адитивної суміші з шумовою складовою. При наявності корельованих шумів відомі методи перевірки гіпотез, засновані, наприклад, на медіанному критерієві серій або на критерії висхідних і спадних серій, навіть при установці високого рівня значимості виявляють реально не існуючий тренд. Зазначимо, що задача поділу процесу на систематичну і випадкову складову до сьогодні відноситься до сфери високого математичного мистецтва і істотно залежить від „фізичної” природи кожної конкретної задачі.

Вихід з цього стану досить очевидний і наведений вище: необхідно уводити в структуру СППР експерта-аналітика з рівнем математичної підготовки, достатнім не тільки для уміння працювати з готовими програмними продуктами ІАД, але й здатного поступово формувати власну систему аналітичних досліджень з відкритою алгоритмікою, яка допускає модифікацію і адаптацію процедур аналізу і прогнозу з урахуванням конкретних ситуацій і особливостей.

Висновок

Новий і безумовно перспективний напрямок розвитку ІС різного призначення, ІАД, строго кажучи, є не цілком новим. Практично весь математичний інструментарій data mining існував і інтенсивно розвивався в рамках різних розділів прикладної математики і кібернетики достатньо давно: навіть порівняно молодим напрямкам типу нечітких множин або нейронних мереж уже „далеко за тридцять”. Таким чином, основою для виникнення ІАД, як самостійного наукового і прикладного напрямку, слугує не стільки новий інструментарій або методологічні інновації, скільки нова концептуальна платформа, яка дозволяє по новому глянути на природу наявних даних і отримати якісно нові, на перший погляд, неочікувані результати.

Прецедентів для створення наукового напрямку винятково на основі концептуальних, узагальнюючих положень цілком достатньо. Сюди можна віднести і кібернетику, і теорію систем, і, синергетику, яка набирає сили. І, звичайно, досить переконливим аргументом для обґрунтування нової галузі наукових досліджень є її гостро виражена практична спрямованість.

Треба відзначити, що розробка концепції ІАД далеко не завершена. Тут ми маємо випадок, коли практична значимість даного напрямку настільки велика, що його інтенсивна реалізація почалася до того, як був сформульований його науковий базис. Це й не дивно, враховуючи що робочі інструменти виявилися створеними задовго до того, як ІАД почав набувати власні теоретичні абриси.

9