1.4 Нечеткие системы

Научная методология требует логической строгости, но проблемы доказательства предпосылок и гипотез, остаются открытыми. Причины этого, по-видимому, заключаются в том, что предпосылки и гипотезы, так же как и аксиомы в математики сами по себе не логичны. Эти проблемы решаются в настоящее время благодаря опыту и интуиции выдающихся ученых и специалистов.

Наука и техника полностью отвергают субъективизм, но, как правило, новые открытия и изобретения рождаются в результате деятельности правого полушария человека, основанной на субъективных мыслях, а объективизация и логическое обоснования всего лишь вторичные средства для передачи идей другому человеку. Более того, даже в процессе объективизации необычайно полезно проявление субъективности. Например, с точки зрения обработки нечеткостей даже в теории вероятностей, которую часто противопоставляют теории нечетких систем, нельзя получить выдающихся результатов, пока экспериментатор не исследует в полной мере исходные данные, не оценит общую структуру проблемы, не исключит сомнительные данные или не примет других субъективных решений. Не говоря уже о том, что установить гипотезы и предпосылки нельзя иначе, как полагаясь на субъективное мнение.

Вопрос о том, как обрабатывать нечеткости, перекликается с вопросом о том, как ввести субъективизм в науку и технику. И здесь не обойтись без нечетких множеств. Это математический метод, созданный для того, чтобы представлять смысловые неточности слов человека, это уникальный метод с точки зрения представления возможностей математически обрабатывать субъективные данные.

Возможность математически представлять и логически обрабатывать смысл слов означает, что появились новые средства, которые позволяют удовлетворить трем необходимым требованиям реализации человеко-машинных систем. Первое - можно ожидать, что благодаря этим средствам искусственный интеллект сможет понимать нечеткости и глубинный смысл естественного языка и в будущем его общение с человеком будет более естественным. Второе - можно будет представить в виде нечетких тезисов крайне нечеткие макрознания, как здравый смысл, если сузить специальную область. Все это повысит практическую ценность искусственного интеллекта. Третье - представление нечетких мыслей - наиболее трудное для реализации. Мысли, возникающие в правом полушарии человека, нельзя назвать совсем четкими. Однако, если прикладная область ограниченна, они могут пригодиться как качественные логические отношения между макрознаниями, поэтому в какой-то степени возможны логические выводы, присущие человеку.

Выходные данные, получаемые нечеткими системами, разумеется, будут нечеткими. По- видимому, найдутся люди, которые окажутся в тупике из-за нечетких ответов системы, помогающей принятию решений; затруднения вызовут ответы о макрознаниях. Что касается макрознаний, то они по своей сути являются нечеткими, проблемными, поэтому нечеткость ответов о таких знаниях вполне естественна. Нечеткие ответы будут стимулировать работу правого полушария, что повысит эффективность человеко-машинной системы.

Теория нечетких множеств находит применение и в теории принятия решений. Во многих областях возникают сложные проблемы, от правильного решения которых, в итоге, может зависеть благополучие и здоровье людей. Обоснованное решение на возникающие проблемы можно получить при помощи специального раздела прикладной алгебры и математической логики - "Теория принятия решений", в рамках которой рассматриваются различные способы принятия решений. Выбор способа обуславливается условиями конкретной задачи. Прикладная направленность теории обширна, стоит отметить, что в настоящее время особую актуальность приобретают системы, предназначенные для поддержки процесса принятия решения, в частности, советующие и экспертные системы.

Условно можно выделить два класса объектов, с которыми приходится сталкиваться специалистам при принятии решений: простые и сложные. Простые объекты всегда можно представить адекватными математическими моделями, которые рассматриваются в классической математике, построенной на основе четких (обычных) множеств. Однако в большинстве случаев свести нахождения решения к классическим методам не удается.

Сложные объекты имеют следующие отличительные особенности:

- не все цели выбора и условия, влияющие на этот выбор, могут быть выражены в виде количественных отношений;

- отсутствует либо является сложным формализованное описание объекта;

- значительная часть информации, необходимая для математического описания объектов, существует в виде представлений и пожеланий специалистов, работающих в этой области.

В этом случае, при нахождении решений необходимо применять подходы, отличные от классических, и пригодные при оценки фактора нечеткости и неопределенности.