CC BY
25Брындин Е.Г.
руководитель общественного движения «Нравственная Россия», директор Исследовательского центра
«Естествоинформатика», г. Новосибирск
bryndin15@yandex.ru
ФОРМИРОВАНИЕ АНСАМБЛЕЙ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ
ПРИНЯТИЯ РЕШЕНИЙ
Ключевые слова: ансамбли интеллектуальных агентов, качество принятия решений, критерии предпочтительности, ресурсно-временное ранжирование, мера и норма качества.
Введение
Система принятия решений предназначена для многокритериальных решений в сложной информационной среде. Результаты принимаемых решений оцениваются не по одному, а по совокупности многих критериев, рассматриваемых одновременно. Информационная сложность определяется необходимостью учета большого объема данных, обработка которых без помощи современной вычислительной техники практически невыполнима. В этих условиях число возможных решений, как правило, весьма велико, и выбор наилучшего из них требует всестороннего анализа, оптимизации и ранжирования. Принципиальным моментом является выбор совокупности критериев, на основе которых будут выбирать и сопоставлять возможные решения.
Для анализа и выработок предложений используются разные методы: интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и методы искусственного интеллекта.
Система принятия решений представляет собой комплекс программных инструментальных средств анализа данных, моделирования, прогнозирования и принятия управленческих решений.
Система принятия решений позволяет выбрать верное решение из максимально возможных вариантов.
Существуют специализированные системы принятия решений.
Интеград Аналитика - это программная платформа визуализации данных, позволяющая обрабатывать и обобщать информацию из разнородных автоматизированных систем.
Форсайт. Аналитическая платформа - это программный комплекс для интеллектуального анализа данных, позволяющий эффективно визуализировать информацию для обеспечения принятия бизнес-решений на основе надёжных данных.
Microsoft Power BI - это программа бизнес-аналитики, предоставляющая аналитические сведения для принятия быстрых и обоснованных решений руководителями.
Contour BI - компьютерная программа бизнес-аналитики для сбора, хранения, анализа статистических данных и подготовки бизнес-отчётности.
Business Scanner - это облачное решение для аналитики бизнеса в продажах, финансовом управлении, розничной торговле и маркетинге.
Visary BI - импортонезависимая система продвинутой аналитики для многомерного анализа и визуализации больших данных для принятия обоснованных и стратегически важных управленческих решений.
Аналитическая платформа Visiology - это система бизнес-аналитики для создания визуальных представлений больших массивов данных в интуитивно понятном виде, позволяющая более точно анализировать информацию о бизнесе.
QlikView - это аналитическое решение для быстрой разработки высокоинтерактивных аналитических приложений и панелей мониторинга, обеспечивающих представление информации по деловым задачам.
Loginom - это аналитическая low-code платформа, обеспечивающая интеграцию, очистку и анализ данных для принятия более эффективных управленческих решений.
Domo - это облачное аналитическое программное решение для управления бизнесом, к которому можно подключить множество разнородных источников данных, включая электронные таблицы, базы данных, социальные сети и любое существующее облачное или локальное программное решение.
Система BIPLANE24 - это аналитический инструмент для бизнеса, позволяющий управлять бизнес-отчётностью и контролировать выполнение ключевых показателей эффективности для среднего или крупного предприятия.
Информационно-аналитическая система Криста BI - это инструмент для задач бизнес-аналитики, формирования отчётности и комплексного мониторинга ключевых показателей эффективности бизнес-процессов.
Капитан Аналитика - это онлайн-сервис для сбора и визуализации данных о бизнесе из разрозненных источников.
Tableau Public - это бесплатное программное обеспечение BI, которое позволяет подключаться к электронной таблице или файлу и создавать интерактивные визуализации данных.
Yandex DataLens - онлайн-сервис для аналитики и визуализации бизнес-данных из различных источников.
Looker - это аналитическая платформа, объединяющий бизнес-данные и бизнес-команду, позволяя каждому специалисту исследовать и понимать данные для поддержки принятия эффективных решений.
В статье предлагается подход к созданию универсальных систем принятия решений на основе ансамблей интеллектуальных агентов путем совмещения множества функционалов1.
1. Структурная и функциональная иерархия интеллектуальных агентов в ансамбле
По структурной иерархии интеллектуальные агенты принятия решений имеют пользовательский интерфейс, базы данных и инструменты масштабного моделирования.
Принцип работы строится на четырех последовательностях:
1. Интеллектуальное определение среды, в условиях которой принимается решение;
2. Проектирование и проработка возможных альтернатив;
3. Выведение алгоритма действий;
4. Адаптация выбранного решения к определенным условиям.
По такому принципу выстраиваются все управленческие решения.
По функциональности интеллектуальные агенты подразделяются на категории ориентирования:
1. Документационная направленность - считывают и обрабатывают данные с документов различного формата и содержания;
2. Модельная направленность - генерация решений на основе ситуационных, аналитических, финансовых, имитационных и других бизнес-моделей;
3. Направленность на базы данных - в основу принятия решений ложатся цифровые хранилища информации конкретной компании;
4. Направленность на базы знаний - решение принимается на основе выполнения аналогичных задач, с учетом закономерностей, зависимостей и установленных правил;
5. Коммуникативная направленность - используются для обеспечения взаимодействия нескольких интеллектуальных агентов, работающих над одной задачей.
Источниками ансамбля являются факторы и процессы, касающиеся деятельности определенного объекта. Учитывается опыт сотрудников в предметной области. На выходе получается аналитика данных и имитационная модель событий, необходимые для принятия взвешенного решения в сложившейся ситуации, с учетом всех первостепенных и второстепенных факторов.
Функциональные интеллектуальные агенты работают с операционными системами и базами данных предприятия, что обеспечивает быструю интеграцию ансамбля и построение оптимальных моделей. Ансамбль функционирует на одной платформе.
Тематические интеллектуальные агенты ориентированы на определенный круг задач, что упрощает процессы аналитики и обработки данных, повышает производительность.
Интеллектуальные агенты с унифицированной обработкой информации обеспечивают консолидацию информации на уровне многих задач.
Интеллектуальные агенты с многоуровневым хранилищем данных и настраиваемым доступом имеют единый и стандартизированный источник получения данных. Корпоративная модель принятия решений получает возможность расширения объемов хранилища разнородными данными. Стандартизация позволяет не согласовывать синхронизацию всех областей базы данных.
Интеллектуальные агенты, ориентированные на знания, предоставляют специализированные решения проблем, основанные на фактах.
Корпоративные интеллектуальные агенты ансамбля непосредственно участвуют в разработке решения. Выдвинутое ансамблем решение пользователь может доработать, усовершенствовать, а затем отправить обратно ансамблю для проверки. После этого решение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение.
1 Cm.: Bryndin E. Digital technologies of the industry 4.0. // Computer Science Advances: Research and Applications. 2019; Bryndin E. System retraining to professional competences of cognitive robots on basis of communicative associative logic of technological thinking // International Robotics Automation Journal. 2019. - Vol. 5, N 3. - P. 112-119; Bryndin E. Collaboration of Intelligent Interoperable Agents via Smart Interface // International Journal on Data Science and Technology. 2019. - Vol. 5, N 4. - P. 66-72; Bryndin E. Development of Artificial Intelligence by Ensembles of Virtual Agents on Technological Platforms // COJ Technical & Scientific Research. 2020. - Vol. 2, N 4. - P. 1-8; Bryndin E. Formation of Technological Cognitive Reason with Artificial Intelligence in Virtual Space // Britain International of Exact Sciences Journal. 2020. - Vol. 2, N 2. - P. 450-461; Bryndin E. Formation and Management of Industry 5.0 by Systems with Artificial Intelligence and Technological Singularity // American Journal of Mechanical and Industrial Engineering. 2020. - Vol. 5, N 2. - P. 2430; Bryndin E. Communicative-associative development of smart artificial intelligence by criteria with the help of ensembles of diversified agents // International Journal of Intelligent Information Systems. 2020. - Vol. 9, N 4. - P. 24-34.
Модельно-ориентированные ансамбли интеллектуальных агентов, основанные на коммуникациях, поддерживают работу двух и более пользователей, занимающихся общей задачей. Они обрабатывают неструктурированную информацию, заключенной в различных электронных форматах.
Ансамбли стратегического управления и принятия решений позволяют осуществлять динамическое моделирование процессов. При использовании методов динамического моделирования деятельность интеллектуальных агентов описывается в виде математической модели, в которой все задачи и процессы представляются как система взаимосвязанных вычисляемых показателей.
Для обеспечения деятельности ансамблей интеллектуальных агентов требуется сформировать некоторое множество альтернатив:
R = {Aj, Sj},
где A - альтернатива, представляемая в форме набора управляющих воздействий;
j - уровень предпочтения (ранг) альтернативы;
S - описание альтернативы, пояснение, почему именно ей отдаётся предпочтение перед следующими за ней в кортеже предпочтений.
Применение ансамбля интеллектуальных агентов для решения указанной задачи определяется следующими этапами его функционирования:
1. Задание пользователем цели действий и формирование ограничений.
Ограничения, формирующие границы области допустимых решений задачи, могут быть заданы вышестоящим органом управления, обусловливаться обстановкой или формироваться непосредственно оператором.
2. Формирование множества альтернатив Aj, заключающееся в последовательном задании целевой функции и поиске некоторых её параметров, определяющих стратегию применения управляемых средств и распределения их ресурсов в рамках установленных ограничений. Восприимчивость ансамблей к процессам самоорганизации позволяет использовать внутренние резервы при управлении ими, т. е. достигать намеченного состояния или структуры без прямого влияния со стороны субъекта управления. Параметры такого управления: правила управления, качество решений и риски.
3. Ранжирование альтернатив и формирование пояснений к ним. Последнее является важным этапом применения ансамблей, так как пояснения по предпочтительности альтернатив не только помогают пользователю в выборе, но и повышают уровень доверия к результатам работы ансамбля интеллектуальных агентов.
При реализации этого цикла есть потребность в формализации данных и структурировании задачи формирования альтернатив. Чтобы сформировать набор управленческих альтернатив, необходимо сначала структурировать процесс управления, потом формализовать условия его протекания, и только потом использовать математический аппарат для оптимизации поведения управляемой системы. Это достаточно сложные процессы, для реализации которых необходимо предусмотреть в составе ансамблей соответствующие программные и технические средства.
Программные инструменты ансамблей принятия решений предназначены для формализованного описания ситуации: описания критериев выбора, формирования альтернатив, выбор решений по заранее определённому методу.
В основе программных продуктов принятия решений в управлении лежат формальные методы, разрабатываемые в рамках теории игр и теории оптимизации. Методы выбора альтернативы, предоставляемые предпринимателям, руководителям, аналитикам и консультантам в таком программном обеспечении весьма разнообразны - от анализа сценариев, затрат и выгод, до отслеживания консенсуса и предыдущих решений.
Пользователи данных систем и сервисов могут извлекать или вводить соответствующие данные для анализа, чтобы поддержать принятие решений на местах в распределённых командах, работа которых производится в разных местах.
Возможность администрирования позволяет осуществлять настройку и управление функциональностью системы, а также управление учётными записями и правами доступа к системе.
Возможность импорта и/или экспорта данных в продукте позволяет загрузить данные из наиболее популярных файловых форматов или выгрузить рабочие данные в файл для дальнейшего использования в другом ПО.
Возможность многопользовательского доступа в программную систему обеспечивает одновременную работу нескольких пользователей на одной базе данных под собственными учётными записями. Пользователи в этом случае могут иметь отличающиеся права доступа к данным и функциям программного обеспечения.
Часто при использовании современного делового программного обеспечения возникает потребность автоматической передачи данных из одного ПО в другое. Для обеспечения такого и подобных сопряжений программные системы оснащаются специальными прикладными программными интерфейсами API. С помощью таких API любые компетентные программисты смогут связать два программных продукта между собой для автоматического обмена информацией.
Наличие у продукта функций подготовки отчётности и/или аналитики позволяет получать систематизированные и визуализированные данные из системы для последующего анализа и принятия решений на основе данных.
Программный продукт ансамблей принятия решений должен:
• Обеспечить анализ сценариев;
• Иметь встроенные инструменты для сбора обратной связи;
• Анализировать и визуализировать входные данные;
• Формировать множество критериев выбора, множество альтернатив и помогать производить выбор решения;
• Позволять делиться возможными вариантами и итоговыми решениями с внутренними и внешними заинтересованными сторонами.
Основным функционалом систем принятия решений является:
• Информационный поиск;
• Интеллектуальная аналитика данных;
• Ситуационный анализ;
• Имитационное и когнитивное моделирование;
• Построение логических цепочек на основе прецедентов.
Средства и методы выявления рисков и анализа проблем должны обеспечивать контроль функционирования управляемой системы в штатном режиме и анализ возможных рисков и угроз, требующих принятия решения.
Одной из важнейших функций программного обеспечения ансамблей является прогнозирование развития обстановки и оценки возможных результатов принимаемых решений.
Ансамбль интеллектуальных агентов вырабатывает решения по следующей процедуре. На основе комбинаций целевых критериев ансамбль нарабатывает совокупность решений. Из этих решений по критериям предпочтений он выбирает предварительные решения. Затем по критерию полезности из них он выбирает результирующее решение.
Качественное решение утверждается после нескольких циклов выработки ансамблем результирующих решений по различным входным параметрам пользователя.
3. Синергетическая самоорганизация больших ансамблей интеллектуальных агентов
по закону золотого сечения
Золотое сечение - это универсальное проявление структурной гармонии. Научные исследования и практика показывают, что для обеспечения системной и структурной устойчивости и синергии систем в технике необходимо установить между основными показателями системы соотношения, соответствующие золотой пропорции. Закон золотого сечения является объективным законом. Технология золотого сечения служит механизмом самоорганизации больших ансамблей интеллектуальных агентов.
Самоорганизация - это образование пространственной, временной, информационной или функциональной организации, структуры (точнее, стремление к организованности, к образованию новой структуры) за счет внутренних ресурсов системы в результате целеполагающих взаимодействий с окружением системы. Речь идет об информационном взаимодействии с внешней средой. В последние десятилетия появились методы и алгоритмы, позволяющие работать с большими информационными потоками.
Они имеют значение в современной теории систем, диагностике их качественных состояний, в синергетике как теории самоорганизации, кооперативного действия, возникновения новых качеств, целостности.
Процесс самоорганизации ансамблей интеллектуальных агентов осуществляется по закону структурной гармонии системы: «Обобщенные золотые сечения суть инварианты, на основе и посредством которых в процессе самоорганизации системы обретают гармоничное строение, стационарный режим существования, структурно-функциональную устойчивость»1. Гармоничное состояние системы не является единственным, и для одной и той же системы может существовать бесконечное количество гармоничных состояний, соответствующих золотым пропорциям. Организация системы предполагает определенное согласование состояний и деятельности ее подсистем и составляющих элементов. Способность к самоорганизации основывается как на множественности элементов системы и разветвлен-ности связей между ними, способствующих возникновению целостности, так и на наличии гибкого взаимодействия между элементами по типу обратных связей. Отрицательные обратные связи (ОС) обеспечивают стабильность функций системы, постоянство ее параметров, устойчивость к внешним воздействиям. Положительные ОС играют роль усилителей процессов и имеют особое значение для развития, накопления изменений. Наличие отрицательных и положительных ОС приводит к возможности развития по закону золотого сечения с использованием внешних и внутренних взаимосвязей.
Ансамбль интеллектуальных агентов имеет множество взаимосвязей через беспроводные и мобильные сети между компетентными агентами. Для того чтобы сделать эти связи эффективными, наладить оптимальный режим взаимодействия, необходима функциональная организационная структура. Она упорядочивает связи, распределяет полномочия, устанавливает круг агентов, принимающих решения, и агентов, их исполняющих. Ансамбль интеллектуальных агентов характеризуется высокой многовариантностью, это обусловлено разнообразием внешних условий, в которых функционируют интеллектуальные агенты. Высокая многовариантность больших ансамблей интеллектуальных агентов с умными гибридными компетенциями требует их эффективной самоорганизации, опосредованной ког-
1 Cm.: Bryndin E. Technology Self-organizing Ensembles of Intelligent Agents with Collective Synergetic Interaction. Automation, Control and Intelligent Systems. 2020. - Vol. 8, N 4. - P. 29-37; Bryndin E. Formation of International Ethical Digital Environment with Smart Artificial Intelligence // Automation, Control and Intelligent Systems2021. - Vol. 9, N 1. - P. 27-38; Bryndin E. Implementation of Competencies by Smart Ethical Artificial Intelligence in Different Environments // Software Engineering. 2021. - Vol. 8, N 4. - P. 24-33; Bryndin E. Functional and Harmonious Self-Organization of Large Intellectual Agent Ensembles with Smart Hybrid Competencies // American Journal of Software Engineering and Applications. 2021. - Vol. 10, N 1. - P. 1-10; Bryndin E. Formation and creative manifestation of functional ensembles of intellectual agents based on live information in various spheres of life activity // Big Data and Computing Visions. 2021. - Vol. 1, N 4. - P. 206-215; Bryndin E. Formation of Platform Economy of Necessary Needs Based on Energy Economic Equivalent // Frontiers. 2021. - Vol. 1, N 4. - P. 65-71; Bryndin E. Modeling of creative and professional activities by ensembles of intellectual agents based on live information // International Journal of Artificial Intelligence and Mechatronics. 2022. - Vol. 10, N 4. - P. 44-50; Bryndin E. International Activities on the Digital Platform with Artificial Intelligence in Virtual Space // Journal of Sensor Networks and Data Communications. 2022. - Vol. 2, N 1. - P. 1-4.
нитивными пределами, связанные с объемом, который человек может эффективно осваивать и использовать, с количеством адресатов, с которыми он может взаимодействовать, с организацией работы в сетях. Процессы самоорганизации ансамбля осуществляются на основе сотрудничества интеллектуальных агентов с умными гибридными компетенциями с адаптивной гибкой инфраструктурой. В момент самоорганизации ансамбля происходит качественный переход, интеллектуальные агенты начинают функционировать как единое целое, наступает организационная устойчивость.
Принципиальный шаг в описании таких систем был сделан датским ученым, много лет работавшим в Америке, Пером Баком в теории самоорганизованной критичности1. Этот термин подчеркивает, что система самоорганизуется в критическое состояние, в котором ее динамика приобретает масштабную инвариантность в коллективном взаимодействии в той сети, которая складывается в результате самоорганизации.
Устойчивое распределение положительных и отрицательных ответов взаимодействующих связей по закону золотого сечения определяет критическое значение интеллектуальных агентов ансамбля. Ансамбль, имеющий количество необходимых интеллектуальных агентов равное или более критического значения, способен на самореализацию и получение необходимого результата. Определение критических значений ансамблей интеллектуальных агентов по реализации различных наборов функций и компетенций поможет созданию универсального большого ансамбля с умным искусственным интеллектом. Для реализации и сопровождения больших ансамблей интеллектуальных агентов с синергетической функциональной самоорганизацией требуются мощные суперкомпьютеры2.
Заключение
Ансамбли интеллектуальных агентов принятия решений являются важным инструментом информационных технологий для практических задач в различных областях знаний. Синергетическое использование ансамблей интеллектуальных агентов позволяет найти множество решений проблем, возникающих в различных сферах деятельности. Продуманные решения, опирающиеся на ансамбли интеллектуальных агентов, адекватные действия, квалифицированное исполнение, как результат приводят к успеху.
1 Buck P. How nature works: The theory of self-organized criticality. 2013. - 276 p.
2 Bryndin E. Supercomputer BEG with Artificial Intelligence of Optimal Resource Use and Management by Continuous Processing of Large Programs // International Journal of Research in Engineering. 2019. - Vol. 1, N 2. - P. 9-14.
