Язык как инструмент са
Представление объекта на всех этапах СА связано с носителем информации - языком. Описание объектов реализуется с помощью языков науки, позволяющих строить теоретический об раз объекта и его многоуровневое представление в соответствии с принципами описания систем. Их можно разделить на два больших класса - естественный язык, на котором происходит содержательное описание объекта, и формализованные языки, с помощью которых осуществляется формальное представление системы. Вообще говоря, это деление условно, так как формальные элементы имеются и в естественном языке. Просто в первом преобладают свойства, которые играют все меньшую и меньшую роль по мере формализации языка. Нас интересуют языки, на которых происходит содержательное и формальное описание систем.
Выше мы кратко останавливались на характеристике естественного и формального языков. Дадим классификацию языков, как некоторых знаковых систем, отражающих смысл. Для каждого языка можно выделить класс структур, несущих смысл, называемых семафоронтами. Семафоронтами являются слова, предложения, тексты, серии текстов. Каждому семафоронту соответствует архетип объектов или явлений, которые он описывает, т.е. некоторый смысл. По соотношению структуры и смысла семафоронтов можно выделить несколько типов языков.
1. В языках первого типа смысл не связывается со структурой. Просто каждому семафоронту приписывается определенный смысл, не зависящий от смысла входящих в него частей. Каждый текст рассматривается целиком, как один
большой иероглиф. Пример - язык дорожных знаков. Каждый знак - это целая фраза. Язык первого типа неудобен для понимания, т.к. невозможно предсказать смысл любого нового текста.
2. В языке второго типа смысл семафоронта однозначно определяется по смыслу входящих в него элементарных семафоронтов - слов или морфем. Смысл элементарных семафоронтов жестко зафиксирован. Такая семантическая структура характерна для машинных языков. Языки второго типа дают возможность понимать новые тексты, но они очень громоздки, из-за того, что нельзя менять смысл слов.
3. Языки третьего типа более гибкие. В них также, как в языках второго типа, смысл фразы сводится к смыслу входящих в нее слов, но смысл слова не зафиксирован жестко. Он конкретизируется в контексте - в зависимости от окружающих его слов, т.е. в определенной знаковой ситуации. Его можно представить как обобщенный архетип, который деформируется, если слово рассматривается в определенной знаковой ситуации. Например, слово "лук" ни с чем не ассоциируется, пока не ясна знаковая ситуация: текст ли это из кулинарной книги или сообщение о соревнованиях по стрельбе из лука. На самом деле общий архетип есть - это стрелка лука, но мы о нем забыли. Другой пример - "Он вошел в комнату в пальто в клетку." Семантика данной фразы определяется скрытой, неявной информацией о значениях слов, образующих друг для друга контекст. Для оперирования с данной фразой в какой-то базе знаний необходимо всю скрытую смысловую информацию представить явно.
4. Существует еще один тип языков. В их текстах может быть несколько параллельных смысловых структур. Например, в стихах помимо словесной структуры есть структура рифмы, ритма. Наша речь имеет по крайней мере две структуры словесную и интонационную. Тексты таких языков похожи на реальные системы, - и те и другие имеют целый класс возможных представлений (моделей).
Языки третьего и четвертого типа, в свою очередь, можно раэделить, построив семантическую шкалу языков, т.е. классификацию языков по строгости смыслового содержания. На од ном конце шкалы будут находиться наиболее полиморфные, мягкие языки, например, язык формальной живописи. На другом предельно жесткие языки, такие, как языки программирования, где каждому знаку соответствует совершенно однозначный смысл. Языки описания слабоструктурированных объектов занимают на семантической шкале некоторое промежуточное положение.
Язык содержательного описания системы - естественный язык, содержащий понятийную структуру данной отрасли науки и соответствующие ей логические формы. Это мягкий, метафоричный язык, в котором сочетаются дедуктивные и индуктивные механизмы заключений и выводов и где интуитивное начало имеет значительный вес. Далее следует язык формальной схемы, структурирующий и упорядочивающий содержательное описание. Он строит жесткий каркас описания, однозначно фиксирующий основные отношения в системе. Содержательная интерпретация исследуемых процессов на языке формальной схемы вносит большую определенность и конкретность в описание функционирования объекта. Замыкают ряд языков описания слабо структурированных объектов формальные языки моделирования, фиксирующие в явной форме механизм жизнедеятельности и количественные показатели состояния и функционирования системы.
На каждом из перечисленных языков строится многоуровневое описание системы.
Выше были перечислены проблемы практического проведения СА. Проблема количественного выражения целей системы будет рассмотрена вы разделе «ПРИНЯТИЕ РЕШЕНИЙ». Рассмотрим остальные проблемы.
Проблемы 1 и 2 СА связаны с выделением объекта управления из внешней среды, его структуризацией и построением моделей объекта. Структуризация системы начинается с ее локализации, установления границ. Для этого определяют полный набор элементов, в той или иной степени связанных с постав ленной задачей, и делят их на два класса - входящих в исследуемую систему и ее внешнюю среду. Определение элементов системы и среды, как уже отмечалось, зависит от цели исследования. При решении одних задач система связана с одними элементами, а при иных задачах - с другими.
Структуризация рассматриваемой системы заключается в разбиении ее на подсистемы в соответствии с поставленной задачей. Совокупность функций, выполняемых подсистемами, обеспечивает выполнение функций системы в целом. Система состоит из выделенных подсистем и не содержит ничего, кроме них. Во внешней среде локализуют системы, которым подчинена исследуемая и находящиеся с ней во взаимодействии по горизонтальным связям. Выявляются все существенные связи между исследуемой системой и системами из внешней среды.
Разработка математической модели является заключительным этапом в процедуре последовательной формализации описания системы. Что такое модель? В наиболее общем виде ответ звучит так. Модель - это некоторая абстракция, которая за меняет в процессе исследования оригинал. В такое широкое определение попадает очень большой класс абстрактных объектов, начиная с мысленных образов реальности и кончая собственно математическими моделями. Наиболее мощным средством СА являются математические модели. Каждый элемент системы, каждый ее вход и выход описывается с помощью тех или иных характеризующих их параметров. Затем устанавливают виды зависимостей между введенными параметрами. Формальная запись этих зависимостей и дает математическую модель. Поскольку СА исследует проблемы с качественными параметрами, то в процессе построения модели обязательно используется информация, получаемая от экспертов.
Можно выделить два основных подхода к моделированию.
1. АКСИОМАТИЧЕСКИЙ. Объект рассматривается как представитель определенного класса объектов. Строится концепция, определяющая структуру и механизм его
функционирования. Дополнительная информация уточняет принятую модель, но в рамках существующей концепции.
2. ИНФОРМАЦИОННЫЙ. Модель выступает как заместитель конкретного объекта, где связи между параметрами объекта выявлены на основе обработки имеющейся экспериментальной информации. Это один из признаков классификации математических моделей. Информационное направление связано с построением многофакторных регрессионных моделей. Однако в этих моделях не отражаются реальная структура и механизм функционирования объекта. Объект рассматривается как "черный ящик" с входом и выходом. Неустойчивость коэффициентов регрессии ставит под сомнение прогностическую ценность таких моделей для сложных систем с большим числом параметров описания и функционирования. Вместе с тем, с помощью статистических методов реализуется связь между аксиоматическими и информационными моделями. Например, балансовые модели экономики основаны на показателях и нормативах, значение которых может быть получено только путем статистической обработки громадных массивов информации.
С точки зрения прогнозирования последствий принимаемых решений важной является классификация моделей на статические и динамические. В статических моделях отсутствует параметр времени. Эти модели описывают не процесс, а только некоторые между параметрами системы, зафиксированные на определенный момент. В динамических моделях параметр времени присутствует в явном виде. Вследствие этого появляется возможность отразить процесс функционирования и развития объекта.
По способу описания исследуемых процессов модели можно разделить на два широких класса - аналитические и семантические. В аналитических моделях процессы функционирования представлены традиционными математическими структурами. В виде алгебраических выражений, систем алгебраических и дифференциальных уравнений и систем ограничений на переменные. Но такие модели не в состоянии отразить индивидуальные, качественные свойства объектов. Семантические модели основаны на формализации естественно-языковых описаний и могут отражать всевозможные смысловые отношения в системе. Семантические и аналитические модели всегда дополняют друг друга при описании сложных объектов.
По форме отражения причинно-следственных связей все математические модели можно разделить на детерминированные и стохастические. К первым относятся модели, в которых реальные процессы отражаются в виде строгих каузальных отношений. Каждому набору исходных данных детерминированная модель ставит в соответствие единственное значение выходных результатов. В стохастических моделях при одних и тех же входных данных рассчитывается ряд возможных, взаимоисключающих выходных результатов, каждому из которых присваивается определенная вероятность появления.
Очередная проблема СА - это выбор и получение необходимой информации на каждом этапе анализа.
Реализация ЛПР схемы СА требует, в информационном аспекте, организации процесса поиска и получения информации, позволяющей устранить ряд неопределенностей, возникающих в процессе целенаправленной управленческой деятельности. Можно выделить множество неопределенностей, характерных для процесса принятия решений (СА) и охватывающих все основные фазы деятельности ЛПР .
К первой группе относятся неопределенности, связанные с построением гипотезы о состоянии объекта управления и внешней среды. Это неопределенности значений параметров, характеризующих существенные для органа управления свойства и отношения между элементами объекта.
Ко второй группе неопределенностей, встречающихся при ПР, относятся неопределенности выбора показателей качества решения, т.е. критериев, и схемы сведения векторного критерия качества к скалярному. Непосредственная формальная оценка по многим критериям возможна только в случае явного доминирования одного критерия. Во всех остальных случаях выбор метода сведения векторного критерия к скалярному является сложной неформальной проблемой. Также сложна проблема перехода от содержательного, качественного описания целей к множеству конкретных показателей или критериев, допускающих количественную оценку.
Третью группу составляют неопределенности, связанные с прогнозом последствий принимаемых решений. Формально выделяется три источника неопределенности: выбор модели функционирования объекта, оценка будущих состояний внешней среды, учет влияния не формализуемых факторов.
Все описанные неопределенности необходимо постараться свести к минимуму. Средством для этого служат информационные процессы в системе ПР. Поэтому рассмотрим различные представления информации в системах с учетом
многообразия ролей, в которых она может выступать.
По современным воззрениям, информация может быть представлена рядом аспектов, таких как :
- семантический, т.е. отражающий смысловое содержание или значение информации;
- прагматический, отражающий ценность информации для объекта, как самоуправляемой системы;
- семиотический, рассматривающий способы обозначения информации в определенной знаковой системе;
- коммуникативный, отражающий информационную связь в системе;
- теоретико - отражательнный, рассматривающий роль информации в процессах отображения;
- гносеологический, представляющий информацию как средство познания;
- каузальный, отражающий роль информации в причинно-следственных отношениях;
- синтаксический или количественный, как форма измерения информации, и некоторые другие.
Все перечисленные аспекты информации существенны для управления сложными объектами, поскольку в той или иной мере находят отражение в структуре исходной информации для управления. В общем случае эта информация должна содержать:
цели и задачи управления, содержание и форму управленческой информации, требования к ее достоверности;
информацию о механизме функционирования и развития объекта
(теоретическое описание, закономерности, формальное представление);
информацию о текущем состоянии объекта;
информацию о ретроспективе развития объекта и основных тенденциях;
информацию о факторах и условиях, определяющих функционирование и направление развития объекта.
Конкретная форма и содержание этой информации определяются, с одной стороны, требованиями к управлению, а с другой - природой объекта управления и состоянием знаний о нем.
СА, с точки зрения информационного процесса принятия решений (ПР), заключается в упорядочении альтернативных решений за счет использования сочетания материальных и информационных ресурсов, обеспечивающих осуществление
разных видов эксперимента. К таким видам эксперимента относятся :
1) натурный эксперимент, для проведения которого требуются материальные ресурсы;
2) модельный эксперимент, заключающийся в использовании различного вида моделей;
3) экспертный эксперимент, использующий экспертные оценки для принятия решений.
Последние два вида эксперимента представляют собой процесс расхода информационного ресурса. Соответственно, сами модели объекта управления и процесса ПР (математические, логические, вербальные и т.д.) и эксперты служат информационным ресурсом данного конкретного ППР.
Итак, источники информации (ИИ) типа моделей и экспертов служат информационным ресурсом при устранении неопределенности на множестве альтернатив. Снижение риска ошибки ЛПР при выборе альтернативы обеспечивается снижением уровня неопределенности. Дополнительная информация, снижающая неопределенность, является продуктом источников информации. Она может быть получена одним из трех видов эксперимента : натурным, модельным или экспертным. Идеальным случаем была бы возможность получать информацию ото всех имеющихся ИИ, используя различные функции источников. Тогда снижать неопределенность можно до предела, определяемого принципиальной невозможностью получить требуемую информацию. Однако, учитывая ограничение на время сбора и обработки информации (оперативные требования), все множество полезных ИИ, применить не удается. Следовательно, встает задача выбора подмножества ИИ из заданного множества и функций этих источников, обеспечивающих минимальную остаточную неопределенность ситуации в результате их использования . Под ситуацией здесь понимается множество альтернатив и их характеристики для каждого из раскрытых выше видов неопределенности, возникающих при СА.
Введем основные определения.
Под управлением конкретным источником (измерительным прибором, моделью, экспертом) будем понимать задание (запрос) на формирование информации определенного содержания.
О1. Вариант управления источником - это задание на формирование значения конкретной выходной переменной плюс процесс функционирования ИИ при данном задании.
Например, "передвижной станции контроля качества воздуха (ПСК) N 1, являющейся ИИ, измерить концентрацию фенола в зоне N 2".
Формализация понятия ИИ должна предусматривать оценки времени и стоимости использования источника при данном функциональном применении. Это следует из необходимости учета временных и стоимостных ограничений при анализе стратегий получения информации. Поскольку информация используется для изменения "меры возможности" значений параметров ситуации, модель ИИ должна приводить оценки правдоподобия формируемых значений переменных.
Характеристики времени, стоимости получения информации и ее правдоподобия, в общем случае, ситуативны, т.е. зависят от условий среды, в которой функционирует источник, что должно быть отражено в модели ИИ. Это относится к экспертному и натурному эксперименту. Модель M ИИ, отражающая вышеописанные свойства источника, может быть представлена следующим образом:
M = < U, G, Фq > ,
где U - множество управлений или запросов, определяющих содержание выходной информации ИИ, где каждый элемент множества соответствует конкретному варианту управления;
G - условия среды, в которой функционирует ИИ, где G могут запрещать формирование информации; Фq - векторное отображение,
Фq: U x G ---> (Q, Tии, Cии, Оп) ,
Фq = (Фq1, Фq2, Фq3, Фq4 ) ,
где Q - множество выходных переменных ИИ или видов сообщений; Tии - множество отрезков времени, соответствующих вариантам управления между моментами поступления запроса и получения информации; Cии множество значений стоимости получения различных видов сообщений; Оп - правдоподобие выходной информации различного вида.
О2. Алгоритм управления источниками - это последовательно-параллельный способ объединения вариантов управления ИИ, позволяющий формировать на некотором временном интервале совокупность сообщений различных видов для устранения неопределенности конкретной ситуации. Например, "ПСК N 1 измерить концентрацию фенола в зоне N2, затем в зоне N4. ПСК N 3 измерить концентрацию аммиака
в зоне N6, концентрацию формальдегида в зоне N9. " Все проведенные измерения образуют алгоритм управления ИИ. Необходимо сформировать алгоритм, или набор алгоритмов, образующих стратегию, минимизирующую остаточную неопределенность ситуации.
Остаточная неопределенность ситуации, служит критерием выбора ИИ и их функций. Она является функцией применяемого алгоритма управления ИИ. При решении задачи выбора ИИ должны выполняться ограничения на время получения информации и ее стоимость.
Оценка параметров модели выбора ИИ требует решения следующих задач:
- формирование допустимых алгоритмов управления ИИ;
- оценка остаточной неопределенности, времени, стоимости алгоритма управления ИИ.
Решение этих задач требует разработки моделей формирования и оценки алгоритмов управления ИИ. После выбора ИИ осуществляется сбор информации и пересчет значений неопределенности. При решении первой задачи исходное множество вариантов управления должно удовлетворять следующим условиям.
Информация, вырабатываемая при данном варианте управления ИИ, должна существенно влиять на неопределенность ситуации. Нечеткость понятия "существенно" требует восстановления функции принадлежности нечеткому множеству существенных связей.
2. Время и стоимость получения информации, характеризующие вариант управления, не должны превышать Tдоп. и Cдоп.
3. Информация ИИ должна обладать достаточной точностью.
4. Должна быть обеспечена физическая и юридическая возможность управления источником.
Приведенные условия называются условиями управляемости ИИ.
Для решения первой задачи необходимо разработать процедуру формирования всевозможных алгоритмов управления ИИ, удовлетворяющих условиям управляемости.
Проверка условия (1) связана с построением структуры, устанавливающей отношение US "влияния" информации ИИ на H(Ai). Синтез подобной структуры, названной семантической моделью процесса устранения неопределенности (СМ ПУН), является первым этапом решения задачи оценки остаточной неопределенности ситуации.
На втором этапе требуется параметризация данной структуры, в зависимости от принятого уточнения понятия "неопределенность". Таким образом, можно говорить об инструментальной концепции выбора ИИ, которая включает разделы: 1) синтез СМ и ПМ ПУН; 2) разработка процедур формирования допустимых алгоритмов управления ИИ и оценки их временных и стоимостных характеристик; 3) методы решения задачи оптимизации стратегии управления ИИ. Мы ограничимся рассмотрением задачи синтеза семантической модели.
Синтез СМ ПУН.
Прежде чем описывать процедуру синтеза СМ ПУН, рассмотрим правила построения абстрактных семантических моделей /8 /, для задания которых используется специальный
семантический язык. Семантику языка L, на котором сформулировано интересующее понятие, могут отображать другой язык L' и правила перевода с L на L'. Толкования понятий на L' не должны иметь омонимии и полисемии. Разрешающая способность языка L' должна быть ограничена, т.к. этот язык служит не для усовершенствования L, а для его описания. Язык с такими свойствами определяется как семантический язык. Отличительная его черта - хорошо развитая семантика и весьма ограниченный круг грамматических правил. Грамматика такого языка может быть в простейшем случае задана структурно-лингвистическим трафаретом (СЛТ), на основе которого формируется высказывание.
СЛТ может отображать семантическую модель, которая ставит в соответствие целям системы ресурсы для их достижения. Модель высказываний на языке L', описывающая элементы L, определяется как семантическая модель.
В СМ ПУН для задания языка L целей используется целевой глагол "устранить", который объединяется с названиями неопределенностей из множества { Hi }. После определения понятий L необходимо сформировать L', указав его алфавит и правила перевода L ---> L', в соответствии с которыми и конструируются семантические модели. С точки зрения соответствия между понятиями из L и L', интерпретация отношения US "применяемости" ИИ для параметра Ai следующая. Понятие языка L "Устранить Hi" имеет связь (соответствие) с понятием языка L' " Устранить неопределенность Qjk ", т.е. снижение неопределенности Hi эквивалентно по смыслу снижению неопределенности выходного сообщения ИИ с номером k при j - ом варианте управления. Алфавит L' может включать не только выходные переменные ИИ. Выходные переменные эквивалентны " информационным ресурсам ", которые содержат источники для устранения Hi. Это нижний семантический предел языка L'. Помимо { Qj } могут существовать другие переменные или признаки описания среды, имеющие связь с Ai. Другими словами, между понятиями L и данными признаками может быть установлено соответствие в смысле СЛТ, т.е. понятие " Устранить неопределенность признака Bl " включается в алфавит языка L'.
Если признак Bl информативен (существует US) для Ai, а вариант управления Vjk информативен для Bl, то считается, что Vjk информативен для Ai, но при воздействии через Bl. Однако, тот же вариант управления может и непосредственно влиять на неопределенность Hi. Связь признаков и вариантов управления отражается путем их соединения дугами при построении семантического графа. Ориентация дуг графа соответствует направлению движения информации.
Например, для снятия неопределенности виновника загрязнения воздушной среды может быть использован семантический граф следующего вида (рис. 2).
Рис. 2