2.10. Системная неопределенность и реализация целевой функции

Сложную человеко-машинную систему и процессы, происхо­дящие в ней, можно рассматривать (моделировать) как ГДС и описать ее состояние с помощью уравнения замкнутой ГДС, матричная форма записи которого в соответствиис выражением (1.7) имеет вид

где Y — матрица состояний системы; <р — матрица гиперпотенциа­лов, соответствующая данному состоянию системы.

В силу многозначности внутрисистемных взаимодействий, что особенно характерно для человеко-машинных систем, можно утверж­дать, что в (2.30) матрице состояний Y соответствуют гиперпотепциа-лы ф, которые, в свою очередь, определяют это состояние. Иначе гово­ря, односторонний математический детерминизм, ставящий Y и <р в прямую, однонаправленную причинно-следственную зависимость, уже недостаточен для понимания глубинной сути процессов, происходящих в системе (2.3(3): стандартный матанализ (нахождение решения урав­нения) соответствует реальной практике сложных систем только для одной (во времени и пространстве) точки процесса системной реализа­ции. Уравнение вида (2.36) —этой моментальная фотография, застыв­ший срез непрерывного, динамического процесса, в котором, как пра­вило, находятся реально действующие человеко-машинные системы.

Вместо однонаправленного детерминизма формальной логики в че­ловеко-машинных системах действуют многозначные соотношения принципа диалектической взаимообусловленности, позволяющие рас­сматривать причину и следствие (в данном случае У и ф) во взаимо-обусловливающей связи, когда причина и следствие (в зависимости от выбранного базиса, точки зрения) могут меняться местами в ходе ис­следуемого процесса.

Системный анализ взаимосвязи У и ф позволяет прогнозировать поведение системы и предсказывать ее состояние не только в конкрет-

ный момент времени /„, по и в ближайшей окрестности (А/„ — времен­ной радиус этой окрестности с центром в точке /„).

Указанная прогностическая задача сводится к системному анализу на основе ГДС-методпки поведения системы пила

где (Y -|- А У), (ф -|- Аф) — сложные внутрисистемные компонент ис­следуемой ГДС, полученные за счет введения приращений А У и Аф, обусловленных взаимным влиянием изменяющихся во временном ин­тервале А/_л исходных Y и ф; R (S) — системорегулнрующий ресурс, накладывающий ограничения на ход процессов системной реализации, происходящих за время А/„.

В какой-то мере прогноз будущего состояния системы, описанной уравнением (2.36), можно осуществить путем оценки возможных ин­тервалов ее изменений, если Y и ф считать за исходные данные и, варьи­руя их в пределах ДУ и Аф, определять степень обусловленности си­стемы (2.36) по известным алгоритмам [19, 27]. Ограниченность такой оценки очевидна: ц пей в принципе пет учета человеческого фамора (субъекта деятельности в системе деятельности), что зачастую являет­ся решающим моментом в процессах управления поведения (следова­тельно, и определением состояния) исследуемой ГДС; нет учета системы целей, что также существенно влияет на ход процессов системного раз­вития (учет расхождения целей и его влияния на траекторию целевых процессов). Иначе говоря, формализованно-логический подход, осно­ванный на методах чистой (классической) математики, эффективно ра­ботает только с условными математическими конструкциями, подчи­няющимися исходным требованиям, в границах которых конструкции математика являются правомочными (для заданного класса объектов). В подавляющем большинстве случаев такие границы являются непри­емлемыми для реалию существующих оГп.окгов, процессе)» и япме ний, что особенно хорошо видно в случае человеко-машинных систем. В этих системах человек — это объект, наиболее нсиоддпкнщшея опи­санию средствами классической математики. Соединяться (в рамках ис­следования человеко-машинных систем) классическая математика и системный подход могут, давая максимально полезный эффект, по сле­дующей схеме: анализ цели, формулировка задачи, построение моде и и, выбор и определение общей стратегии исследования — это функции и задачи системного подхода; математическое описание системной моде­ли, реализация (на уровне числовых оценок) расчетов отдельных ас­пектов системного исследования в соответствии с заданной crpaie-гией — функции классических математических методов.

Учет человеческого фактора (требования принципа гомппоптрпчмл) и анализ целевых процессов особенно важны на практике, когда урав­нениями типа (2.36) описывается поведение человеко-машинных си­стем, в которых человек играет роль оператора и является основным фактором, определяющим ход системного развития (постановка целей и контроль за их реализацией в челопеко-машипных системах, как пра­вило, остаются за человеком). Рассмотрим некоторые особенности

ГДС-анализа таких систем на примере учета одного из системно-целе­вых аспектов — целевой системной неопределенности, которую следу* ет понимать либо как полное отсутствие цели, либо как наличие боль­шого числа равновероятных , но различных целей для ГДС в определенг ный момент времени. При этом в качестве ГДС может быть принята как человеко-машинная система, так и отдельный человек (оператор), рассматриваемый как объект системно-целевого анализа.

В пределах формально-логических возможностей уравнения (2.36) такую неопределенность можно сопоставить'с наличием бесконечно большого числа решений основного уравнения ГДС, представленного выражением (2.36), если при этом используется полная матрица вза­имодействий, что является необходимостью для реализации всесто­роннего описания исследуемой системы. Полная (вырожденная) матри­ца взаимодействий, как это следует из основных свойств ГДС, имеет определитель, равный нулю, что и приводит к появлению бесконечно большого числа решений в (2.3fi) [271.

Переходя от абстрактно-математического исследования ГДС к ее реальному прообразу (человеко-машинной системе), можно сказать, что наличие неопределенности приводит к нарушению синхронности, требуемой адекватности (по отношению к исходным данным) и детер­минированности в поведении оператора. Такая неопределенность (осо­бенно при ограничении временных и управляющих ресурсов) сильно затрудняет, а иногда делает невозможной, реализацию оптимальной целевой функции (принятия и осуществления правильного решения в условиях многозначной неопределенности). Наличие многозначной не­определенности равносильно отсутствию информационной однозначнос­ти в рассматриваемый (часто очень короткий) момент времени, что де­лает невозможной оценку ситуации, на основе которой человек плани­рует свою деятельность и принимает решение. В лучшем случае в такой ситуации человек, сохраняя самообладание, четко осознает свое бес­силие и, по крайней мере, не делает необдуманных поступков, пони­мая их последствия. Например, в практике летных испытаний сущест­вует выработанное эмпирически правило, которое помогало иногда в экстремальных ситуациях: если не знаешь точно (понимай —одно­значно!), что делать в случае нарушений процессов функционирования в самолетных системах, не делай ничего!

Из сопоставления с закономерностями целевых процессов, изло­женных в данной главе, правомочность, заключенная в этом правиле, очевидна: человек, выключая себя из системных процессов, уменьшает расхождение целей, которое может возникнуть при его неверном пове­дении, а снятие неопределенности происходит за счет перехода управ­ляемого процесса самореализации собственной цели системы, к кото­рой ГДС (самолет), если в ней нет обширных структурных нарушений, обязательно придет, что и приводит к самоустранению функциональ­ных нарушений.

Конечно, такое правило продиктовано беспомощностью человека в особо сложных условиях. Еще хуже, если вместо бездеятельности, че­ловек (оператор) приступит к выполнению операций, продиктованных не четким пониманием обстановки, а возникшим в экстремальной си-

туации паникой, растерянностью, неконтролируемым пепрочеказу' емым собственным поиедсмисм. Состояние челопокп птакие моменты огпГ сано в [131.

Оптимальным поведением в такой ситуации можно считать сня­тие неопределенности, что, выражаясь системно-математизированным языком, можно реализовать такими способами:

1. выбором базисного элемента [12, 151;

2. применением регуляризационных методов [251;

3. стохастическим подходом [27];

4. изменением iiojiihhm алмкпутегп [15, 20|,

5. алгоритмической перестройкой [30].

Перечисленные способы не единственные. Существует множество других как в математическом, так и в информационном вариантах ме­тодов устранения неопределенностей, показанных, например, в [25, 271.

Раскроем содержание перечисленных способов, излагая кратко их суть в соответствии с приведенной пьипе нумерацией (порядком следо­вания) этих способов.

1. Выбор базисного элемента — это определение точки отсчета, от­ носительно которой определяется конкретное значение гиперкомплекс­ ного потенциала. В матрице взаимодействии основного уравнения ГДС это равносильно вычеркиванию строки и столбца базового элемента ГДС. Такой выбор приводит к тому, что исходная система уравнений (2.36), описывающая поведение ГДС, становится жестко определенной, имеющей только одно решение, системой уравнений. Иллюстрируя л'О примером поведения оператора (простейший вариант — выражение (2.36) описывает собственно оператора), можно сказать, чго наличие одного решения (вместо бесконечного числа решений) равносильно од­ нозначному определению информации и снятию неопределенности в оценке ситуации, что уже позволяет принять однозначное решение.

2. Бесконечное число решений в (2.36) можно рассматривать как не­ корректно поставленную задачу, для решения которой удобно приме­ нять регуляризационные методы. Суть этих методов заключается в том, что на основании исходной, некорректно поставленной задачи состав­ ляется функционал, минимизация которого даег едино шейное реше­ ние, обладающее максимальной устойчивостью. Нахождение устойчи­ вого решения хорошо согласуется с физической сущностью протека­ ния различных процессов и со свойством ГДС стремиться к реализации собственной целевой функции, что равносильно нахождению ГДС в со­ стоянии максимальной устойчивости. В любом, даже бесконечном, на­ боре решений только одно обладает максимальной устойчивостью. Единственность этого решения приводит к снятию многозначной не­ определенности. Такой подход удобен, когда нет критериев по выбору базисного элемента и (или) нет возможностей на обоснование и реализа­ цию этого выбора.

3. Стохастический подход представляет собой последовательный пе- ребор в произвольном порядке всего имеющегося числа вариантов о последующим вероятным анализом этого перебора и прогнозированием хода деятельности на основе этого анализа. Такой подход может быть для оператора единственным выходом, например в условиях непред-

виденной критической ситуации, для оценки которой (выбор базисного элемента) у оператора нет данных (информационная недостаточность) и нет критериальных возможностей по составлению и регуляризации минимизирующего функционала. В этом методе неопределенно велика степень риска, и метод хорош только тогда, когда любые действия опе­ратора более желательны для реализации целевой функции, чем без­действие. Несмотря на серьезные недостатки этого метода (метод гаран­тирует рано или поздно проигрыш, гибель тому, кто положил его в ос­нову своей стратегии), он пока еще имеет очень широкое применение на практике в различных отраслях человеческой деятельности. По ме­ре роста сложности систем и существенных последствий для случаев непредвиденного системного поведения этот метод становится в принци­пе непригодным (не по своим формально-логическим возможностям, а с позиций общечеловеческой системы ценностей).

4. Изменение полноты замкнутости, как и реализация каждого из перечисленных методов, может происходить различными способами, на­ пример дополнением системы уравнений до уровня однозначной опреде­ ленности. На практике, в пашем примере с оператором, это может быть реализовано путем внешнего (определяющего) воздействия на иссле­ дуемую ГДС. Такое воздействие диктует и тем самым определяет (слу­ чаи, приведенные па рис. 2.7) вследствие снятия неопределенности по­ ведение оператора в конкретных условиях. Этот подход часто реа­ лизуется, например, в условиях космических полетов, когда, в силу неопределенности ситуаций, степень неоднозначности может быть очень велика и для ее снятия используются команды из наземного Центра управления полетами. Слабые места этого подхода очевидны: метод мо­ жет быть реализован только на уровне неавтономных, осуществляемых в малой окрестности полетах, при наличии достаточно большого вре­ мени, необходимого для прохождения управляющих воздействий по всему регулирующему контуру системы управления.

5. Алгоритмическая перестройка представляет собой сознательное разрушение ГДС-модели данной структуры деятельности и замену ее другой моделью, уравнение которой имеет единственное решение. В нашем примере с оператором (оператор как ГДС-модель) это равносиль­ но разрушению имеющегося стереотипа поведения и сознательному формированию новой установки в поведении, соответствующей кон­ кретной обстановке. Возможность алгоритмической перестройки явля­ ется неотъемлемым свойством сложных саморегулирующихся систем, моделировать которые удобно средствами ГДС-подхода. Реализация данного метода затруднена на практике, так как требует наличия у опе­ ратора нестандартного мышления и высокого уровня творческого потен­ циала. Целенаправленное развитие этих способностей должно быть обязательной частью программы подготовки операторов (летчиков, космонавтов, диспетчеров и т. д.).

Как видно из раскрытия содержания перечисленных методов, все они могут быть реализованы (представлены) в легко алгоритмизируемой форме, в виде последовательности математических операций. Возмож­ность алгоритмизации позволяет применить для их реализации на практике ЭВМ, работающую как в режиме одного из рассмотренных

методой, так н и oiiiiimiujiuiiuiiiiom режиме (но псему миочмппу мпо дов), позволяющему выбран, машинным способом оптимальную стра­тегию поведения.

Такая машинная программа, реализованная в диалоговом режиме (оператор—ЭВА\), в форме, удобной для непосредственного общения (например, дисплейного представления со звуковым сопровождением). может служить электронным советчиком для оператора в критических ситуациях. Здесь же можно предусмотреть ситуацию, когда, в случае разрыва диалога (смерть, потеря сознания, уход оператора с поста), ЭВМ брала бы па себя исполнительные функции но роа.пппцни приня­того (рассчитанного по модели) решения.

Рассмотренный системно-математический аспект в принятии пра­вильного решении в случае системной неопределенности (для снятия этой неопределенности) является необходимым, но недостаточным условием, определяющим поведением исследуемой системы (оператора) в конкретной ситуации. Даже само понятие оптимальности, так жокак и реализация этого процесса на практике, существенным образом кор­ректируются путем воздействия па процесс управления регулятивным потенциалом системы ценностей, которая заложена (содержатся) в самом операторе и зачастую может увести процесс далеко в сторону от его физико-технического оптимума.

Роль системы ценностей и ее место в деятелыюстно-целевых про­цессах освещены в параграфе 2.11.