CC BY
32
УДК 631.151 Доктор экон. наук Н.П. ИЛЬИН
(СПбГАУ, ilnik10@hotmail.com)
СТРАТЕГИЧЕСКОЕ УПРАВЛЕНИЕ В ЭКОНОМИКЕ С ИСПОЛЬЗОВАНИЕМ ЭЛЕМЕНТОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Универсальный, алгоритм, гештальт, многомерное, шкалирование
Экономика каждой страны все в большей степени превращается в элемент мирового хозяйства и критически зависит от событий, происходящих в других субъектах мирового рынка. Рациональное стратегическое управление рыночными субъектами в каждой отдельной стране требует учета огромного количества взаимосвязанных и взаимозависимых параметров, которое в комплексе не способны охватить обычное человеческое сознание.
Экономические теории, разработанные различными научными школами и отдельными исследователями, не обеспечивают необходимой эффективности принимаемых стратегических решений. Предлагаемые различными исследователями подходы учитывают только отдельные, каждая теория свой набор основополагающих характеристик рыночного пространства, которые необходимо принимать в расчет. Однако не учитываемые характеристики рынка зачастую могут оказывать решающее воздействие на конечный результат управления. Поэтому разработанные стратегии часто приводят к прямо противоположным результатам, дискредитируя экономическую науку в целом. В сложившихся условиях возникла настоятельная потребность в использовании новых подходов с целью повышения эффективности принимаемых стратегических решений, обеспечивающих более устойчивое развитие экономических систем как отдельных предприятий и отраслей, так и государства в целом.
Поставленная задача может быть решена только с привлечением элементов интеллектуальных систем, которые активно разрабатываются в мире в последние годы. Однако необходимо отметить, что амбициозные планы по созданию систем искусственного интеллекта до настоящего времени в большей своей части остаются нереализованными. Наиболее продвинутым направлением в этой сфере остаются экспертные системы.
В качестве экспертной системы выступает компьютерная программа, которая в определенной степени может заменить эксперта при разрешении проблемной ситуации. Разработанные в 1970-х годах современные экспертные системы получили коммерческое применение в конце прошлого века.
Экспертные системы разрабатываются как модели поведения экспертов в определенной предметной области на основе использования процедур логического вывода и принятия решений. Экспертные системы включают базы знаний в виде совокупности фактов и правил логического вывода в данной предметной области. В рамках экспертной системы проводится анализ возникшей ситуации и выдается спектр возможных решений проявившейся проблемы.
Очевидно, что экспертная система не может обеспечить существенное повышение эффективности принимаемых в экономике стратегических решений и прогнозных оценок. Это обусловлено теми трудностями в принятии обоснованных стратегических решений, которые связаны с невозможностью учета всех особенностей складывающейся экономической ситуации.
С целью более эффективного использования элементов искусственного интеллекта в стратегическом управлении необходимо оценить характеристики интеллекта человека. При этом продуктивным представляется использование "принципов бессилия"— определение границ возможностей интеллекта. Необходимо исследовать ограничения, присущие интеллекту человека, что может быть более продуктивным, чем подчеркивание и констатация его безграничных возможностей.
Кроме того, изучение интеллектуальной деятельности человека необходимо проводить с учетом свойств инструментария, который должен эмулировать такую деятельность. В качестве такого инструментария выступают средства вычислительной техники. Указанный инструментарий диктует необходимость изучения интеллекта человека в операциональном аспекте, который может быть реализован с использованием информационных технологий.
В контексте проводимого рассмотрения наиболее существенным является свойство естественного интеллекта, связанное с возможностью фиксирования в оперативной памяти человека одномоментно порядка семи элементов (так называемое «магическое психологическое число 7±2»). С этим свойством интеллекта связана еще одна его особенность — интеграция информации при восприятии завершается за 5-10 секунд. Именно за этот отрезок времени в сознании человека происходит построение из одномоментно фиксируемых элементов действительности модель той или иной предметной области. Именно этим ограничивается область возможной сложности рассматриваемого человеческим сознанием явления. Многие проявившиеся в последнее время задачи, по мере стремительного научно - технического прогресса, настоятельно требуют расширения границ рассмотрения. В частности, запросы экономики являются одним из таких направлений. Исходя из сказанного, предлагается использовать алгоритм работы с информацией, основанный на принципах функционирования естественного интеллекта, но с расширенным числом одномоментно рассматриваемых параметров исследуемой предметной области.
Отметим, что интеллект человека может последовательно включать в проводимое исследование любой предметной области какое угодно число элементов, но структуризация будет проводиться также последовательно и поэтому, как показывает практика, недостаточно адекватно.
Характеристики и особенности интеллекта, сложившиеся в процессе эволюции, определяют принципы построения модели конкретной предметной области. Проводя анализ любой предметной области, исследователь формирует в своем сознании систему или гештальт из 7±2 основных понятий как некий «каркас понимания». Особенностью этой системы является то, что любое из входящих в нее понятий не может существовать обособленно. Каждое понятие может быть идентифицировано только как проекции этого понятия на все остальные понятия. Под проекцией одного понятия на другое следует понимать степень связи или воздействия одного процесса, выражаемого данным понятием, на другое понятие. Система понятий предметной области формируется по определенному универсальному алгоритму. При этом учитываются еще и дополнительные параметры, в частности, удобство для речевого аппарата человека принимаемого определения.
Рациональным представляется включение большего количества элементов в модель гештальта и проведение логических операций без выхода в область естественного языка. При этом структуризация предметной области будет осуществляться не таким образом, как при меньшем числе элементов в гештальте и возможно выявление новых связей и зависимостей, которые не могут быть установлены в рамках гештальта с меньшим числом элементов.
Основными особенностями интеллекта человека, которые проистекают из его ограниченности, являются: инерционность; процесс выборочного забывания; «люфт» выделяемых понятий; учет аксиом «по умолчанию»; функционирование в соответствии с универсальным алгоритмом [1].
Инерционность сознания трактуется как выход за область известного за счет определенной устойчивости понятий. Инерция сознания проявляется в распространении не скорректированных представлений на соседний по месту или времени элемент действительности. Коррекция может быть не проведена на временном интервале от 1/16 до 2 секунд. С другой стороны, однообразная информация может быть идентифицирована и обработана как изменяющаяся через временной интервал в 2 секунды. Происходит как
бы активное сканирование и интеллект человека можно уподобить вычислительной системе конвейерного типа с квантованным временем перемены набора обрабатывающих операций.
Важным свойством человеческого сознания, проистекающим из его ограниченности и уравновешивающим свойство инерции, является позитивный процесс забывания, в том числе и оперативное забывание.
Процесс выборочного забывания, "забывания по шаблону", обеспечивает деактуализацию (маскирование) определенных связей между понятиями, которые не отвечают шаблону. В качестве шаблона выступают некоторые общие принципы, реализуемые аксиомами по умолчанию и проецируемые на конкретные связи между понятиями. В результате деактуализации в двух направлениях - вовнутрь, когда все находящееся внутри контура считается принадлежащим одному понятию, и наружу, когда деактуализация касается связей между различными понятиями- контурами, происходит свертка знания и построение некоторых сверхзнаков на основе новых структур, образуемых контурами. (Под деактуализацией понимается временное снижение весов определенных связей между понятиями).
Важное свойство интеллекта человека, связанное с его инерционностью и позитивным свойством оперативного забывания, характеризуется понятием "люфт". Под люфтом в данном случае понимается то обстоятельство, что любое понятие в поле знания представляет собой не точку, а некоторую область или зону вариации.
Диапазон люфта - это расстояние между соседними понятиями в поле знания или область возможных толкований и интерпретаций данного понятия, при которых последнее еще распознаваемо. Чем сложнее понятие (чем больше у него различаемых параметров, а, следовательно, больше возможных связей с другими понятиями), тем шире диапазон люфта и больше "расстояние" между понятиями в данном поле знания. Следовательно, "расстояние" между понятиями в поле знания является функцией от числа различаемых параметров элементов поля знания.
В любом познавательном акте присутствуют аксиомы по умолчанию (по аналогии с программированием), обеспечивающие связность поля знания и преемственность его преобразований. Аксиомы по умолчанию могут маскироваться явными аксиомами, однако, когда действие их не перекрыто явными аксиомами, они достраивают "каркас" строгости постановочной части решаемой задачи. Системы аксиом создают своеобразную "плоскость аксиом" и как бы искривляют предыдущее знание в соответствии с новыми представлениями. Размер "плоскости аксиом" определяется широтой аналогий и связанного с ним радиуса действия логических построений.
Метрика поля знания определяет меру "жесткости" той или иной аксиомы и смысл процедуры обмена указанной жесткости на определенное количество менее "жестких" аксиом. Она же определяет полноту и непротиворечивость системы аксиом. При этом аксиомы представляют собой метаограничения, налагаемые на поле знания. Системы аксиом образуют семантически связанные комплексы, причем алгоритм организации таких комплексов унифицирован для различных предметных областей и парадигм. Аксиомы по умолчанию выступают как элемент бессознательного и как инерционные построения в наиболее важных и часто повторяющихся случаях.
Принципы построения систем аксиом по умолчанию аналогичны принципам построения систем явных аксиом. Те и другие аксиомы образуют взаимосвязанные и уточняющие системы. Аксиомы по умолчанию являются наиболее фундаментальными допущениями, причем в простейшем больше их доля, что делает простейшее самым сложным для осознания и моделирования.
Системы аксиом, определяющие конкретную предметную область, задают поле возможных целей, достижение которых может обеспечить управление в этой предметной области. Причем формирование возможных целей управления в любой
предметной области обеспечивается также универсальным образом.
Ограниченность интеллекта приводит к необходимости организации обработки им информации по универсальному алгоритму, базирующемуся на "функциональном шаблоне". Единообразие определяется особенностями строения центральной нервной системы человека в виде нейронной сети.
Использование функционального шаблона заключается в реализации процедур, не зависящих от вида обрабатываемой информации. В соответствии с таким алгоритмом в любой информации, определяемой тем или иным контекстом рассмотрения, выделяются порядка семи элементов - понятий. Указанные элементы выделяются в соответствии с системой аксиом по умолчанию, обеспечивающей наибольшее расстояние между элементами в конкретном поле знания. Все остальные элементы, с использованием процедуры оперативного забывания, относятся к группе того или иного ранее выделенного элемента поля знания. Затем, с использованием базовых процедур -инерционность сознания; позитивный процесс выборочного забывания; «люфт» выделяемых понятий; учет аксиом «по умолчанию» - осуществляет процесс получения нового знания.
Все выделенные выше функции интеллекта человека допускают достаточно простую алгоритмизацию. Однако при моделировании процесса получения нового знания необходимо учитывать то обстоятельство, что многие характеристики интеллекта определяются особенностями его субстрата и могут быть эмулированы только путем значительной "перекодировки идей".
Для построения модели гештальта с расширенным числом входящих в него элементов используем модифицированную процедуру многомерного шкалирования [2]. Под многомерным шкалированием понимается метод анализа данных с помощью расположения точек, соответствующих шкалируемым объектам, в пространстве меньшей размерности, чем исходное пространство признаков объектов. Метод часто используется для разработки и проверки гипотез при поиске скрытых переменных, объясняющих полученные результаты.
Многомерное шкалирование основывается на принципах геометрического представления исследуемого множества. При этом задается координатное пространство, каждая ось которого, в нашем рассмотрении, соответствует одному из разработанных направлений экономической теории (монетарная теория, теория общего равновесия и т.д.). Одной из целей проводимого моделирования является построение общего для различных экономических подходов координатного пространства, в рамках которого определяется вклад конкретного управляющего воздействия на конечный интегральный результат стратегического управления. Каждый параметр указанных теоретических направлений представляется точкой в этом общем координатном пространстве, а величины проекций этих точек на оси соответствуют определенным управляющим воздействиям (соответствующим «передаточным функциям»). Чем больше величина проекций, тем большее значение имеет данное управляющее воздействие на достижение определенного результата. Мера сходства между двумя управляющими воздействиями обратно пропорциональна расстоянию между точками, соответствующими их применению в рамках определенной экономической теории. Чем ближе эти точки друг к другу, тем выше мера сходства между соответствующими им управляющими воздействиями (и ниже мера различия); далеким точкам соответствует низкая мера сходства. Чтобы точным образом измерить близости, необходимо ввести метрику в исследуемом координатном пространстве.
Обычно в процессе многомерного шкалирования используется обобщённая мера расстояний Минковского:
1г
V 1=1
где г - размерность пространства; djk - расстояние между точками, соответствующими j-му и ^му управляющим воздействиям; Xjt, Xkt - величины проекций j-й и ^й точек на ^ю ось.
Часто используется евклидова метрика (р=2):
Может быть использована также метрика доминирования, если определенное управляющее воздействие оказывается преобладающе эффективным:
Имеющийся в распоряжении исследователя большой статистический материал по параметрам функционирования различных экономических систем позволяет провести построение предложенной модели и на ее основе сформировать различные прогнозные оценки по возможным вариантам развития сложившейся экономической ситуации в различных секторах и субъектах рынка.
В качестве своеобразных «понятий» в контексте проводимого исследования могут рассматриваться социально-экономические результаты той или иной структуры управляющих воздействий в рамках определенной экономической теории. Используя алгоритмы обработки информации естественным интеллектом, но к полученному расширенному числу одномоментно учитываемых экономических параметров, могут быть выявлены скрытые параметры и синергетические эффекты, что позволит повысить эффективность процедур стратегического управления.
Необходимо отметить, что проведение моделирования позволяет выявить некую структуру исследуемого множества возможных последствий определенного набора управляющих воздействий, что снижает размерность решаемой задачи стратегического управления, устраняя необходимость прямого перебора всех возможных вариантов воздействия.
Снижение сложности задачи стратегического управления приобретает особенно существенное значение при увеличении числа элементов в гештальте.
Огромный рост скорости вычислений, демонстрируемый все новыми поколениями вычислительных систем, не снижает актуальности разработки эффективных алгоритмов. Именно сложность алгоритма определяет то увеличение размера задачи, которое можно достичь с ростом скорости вычислительной системы. В первую очередь это касается задач прогнозирования и стратегического управления.
Для оценки алгоритмов существует много критериев. Наибольшее значение имеет порядок роста необходимого для решения задачи времени. Время, затрачиваемое алгоритмом, как функция размера задачи, называется временной сложностью этого алгоритма. Временная сложность — это число единиц времени, требуемого для обработки входа размера п. Рост этой сложности в пределе при увеличении размера задачи называется асимптотической временной сложностью. Именно асимптотическая сложность алгоритма определяет размер задач, которые можно решить этим алгоритмом. В качестве размера задачи выступает, например, в случае задачи о графах, число ребер данного графа.
Задачи прогнозирования и стратегического управления часто реализуются алгоритмами, имеющими временную сложность вида 2П. Это методы нелинейного программирования. При увеличении быстродействия вычислительной системы в десять раз размер задачи, которую можно решить, увеличивается только на три единицы. Эффект применения более действенного алгоритма будет более существенным. Если в качестве основы для сравнения взять 1 мин, то, заменяя алгоритм, имеющий временную сложность
д.= тах х — х
и
2П на алгоритм с временной сложностью п2, можно решить задачу, большую в 125 раз [3]. Путем рациональной структуризации исследуемой предметной области в рамках итерационного процесса можно добиться возможности применения более простых математических моделей для обеспечения достаточно эффективных процедур прогнозирования и стратегического управления.
Таким образом, проведенное исследование продемонстрировало необходимость использования при стратегическом управлении в экономике элементов систем искусственного интеллекта. Предложены подходы, нивелирующие ограниченность естественного интеллекта при поиске оптимальных (рациональных) решений в процессе разработки эффективных стратегических решений и прогнозных оценок. Рассмотрена возможность снижения вычислительной сложности формируемых в рамках предложенных моделей процедур эффективного стратегического управления.
Л и т е р а т у р а
1. Ильин Н.П. Алгоритмизация творческого процесса получения нового знания// Информационные технологии. 2006. - №4. - С.28 - 35.
2. Толстова Ю.Н. Основы многомерного шкалирования. — М.: КДУ, 2006. — 160 с.
3. Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов. — М: Мир, 1979. —536 с.
УДК 631.1(470.23) Канд. пед. наук А.А. КАГАНОВИЧ
(СПбГАУ, sly-fx@bk.ru)
МЕТОДОЛОГИЯ МОДЕЛИРОВАНИЯ РЕГИОНАЛЬНОГО АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА С УЧЁТОМ РАЗМЕЩЕНИЯ И СПЕЦИАЛИЗАЦИИ ХОЗЯЙСТВУЮЩИХ АГРОСУБЪЕКТОВ В РЫНОЧНОЙ
И ПРИРОДНОЙ СРЕДЕ РЕГИОНА
Моделирование, территориально-хозяйственный комплекс АПК, природно-климатические условия, специализация, кластер, рыночная среда, регион
Управление агропромышленным комплексом экономики субъекта Российской Федерации в современных социально-экономических условиях не представляется возможным без достижения оптимальности агроспециализации с территориальными природно-климатическими и рыночными условиями.
В научных исследованиях и официальных материалах существует одинаковый вывод о том, что основные задачи развития пространственного размещения и специализации аграрного сектора - выявить возможные и эффективные пути экономического и социального развития аграрного производства отдельных регионов, экономических районов и других территориальных звеньев единого агропромышленного комплекса страны на длительный период; объективно оценить их потенциальные сырьевые и производственные ресурсы; определить наиболее приемлемые с народно-хозяйственной точки зрения методы их освоения и использования.
Достижение оптимальности размещения аграрного сектора народно-хозяйственного регионального комплекса с территориальными природно-климатическими и рыночными условиями, должно прежде всего совершенствовать саму агротерриториальную региональную структуру. При этом фактор территориально-специализированной оптимальности должен способствовать обеспечению эффективной региональной отраслевой рациональности и повышению сбыта производимой и перерабатываемой
