Особенности эвристической деятельности

Эвристические методы и моделирование присущи только человеку и отличают его от искусственных интеллектуальных (мыслящих) систем. В настоящее время к сфере человеческой деятельности относят:

• постановку задачи;
• выбор методов её решений и построение (разработка) моделей и алгоритмов, выдвижение гипотез и предположений;
• осмысление результатов и принятие решений.

Стоит отметить, что важной особенностью именно человеческой деятельности является наличие в ней элемента случайности: необъяснимые поступки и сумасбродные решения часто лежат в основе оригинальных и неожиданных идей.

Однако с развитием вычислительной техники выполнение всё большего числа функций берут на себя автоматические системы, при этом выполняя работу быстрее и эффективнее человека. Задача человека как homo sapiens, прежде всего, совершенствоваться в эвристических процедурах, а не в выполнении алгоритмизированных операций, чтобы впоследствии не оказаться вытесненным «разумной» техникой.

Результаты эвристической деятельности

В науке и технике выделяют следующие результаты эвристической (творческой) деятельности:

• открытие, то есть установление ранее неизвестных объективных закономерностей, свойств и явлений материального мира с обязательным экспериментальным подтверждением. Открытие, в основном, является продуктом научной деятельности, но решающим и революционным образом определяет развитие техники. На открытие существует приоритет (право первенства), но нет права собственности на использование;
• изобретение, то есть новое и обладающее существенными отличиями техническое решение задачи, которое не является очевидным следствием известных решений. Изобретение относится к объектам интеллектуальной собственности и на него распространяется авторское право (монопольное право собственности на использование). Содержание изобретения публикуется. Изобретателю выдается патент, свидетельствующий о его праве и приоритете на изобретение (в России ранее вместо патента выдавали авторское свидетельство). Авторское право может быть уступлено (продано). Изобретение может быть использовано в коммерческих целях только с разрешения патентообладателя на основе лицензионного договора;
• рационализаторское предложение, то есть предложение по улучшению конструкции реального изделия или процесса его изготовления, не содержащее существенно новых решений (с недостаточно существенными отличиями) и с незначительной эффективностью. Часто в качестве рацпредложения оформляют применение решения, неизвестного на данном предприятии, но известного в других местах (но следует быть осторожным с возможным нарушением авторских прав). Понятие рацпредложения существует всего в нескольких странах как способ поощрения изобретательства и вовлечения в него широкого круга работников предприятия;
• ноу-хау (know-how, «знаю, как <сделать>»). Под этим термином обычно подразумевают техническую, организационную или коммерческую информацию, составляющую секрет производства (любого) и имеющую коммерческую ценность (ноу-хау не относится к государственным секретам). В отличие от патента на изобретение, на ноу-хау существует только право на защиту имущественных интересов в случае их незаконного получения и использования.

 

Этапы прогнозирования

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования. Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Можно выделить следующие пять этапов в процессе прогнозирования.

1. Сбор данных
2. Редукция или уплотнение данных
3. Построение модели и ее оценка
4. Экстраполяция выбранной модели (фактический прогноз)
5. Оценка полученного прогноза

Этап 1, сбор данных, предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.
Этап 2, редукция или уплотнение данных, часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования.
Этап 3, построение модели и ее оценка, состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются.
Этап 4, экстраполяция выбранной модели, предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.
Этап 5, оценка полученного прогноза, состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями. Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.

Можно выделить следующие основные этапы прогнозирования.

1-й этап (постановочный) включает в себя определение конечных прикладных целей прогнозирования; набора факторов и показателей (переменных), описание взаимосвязей между которыми нас интересует; роли этих факторов и показателей – какие из них, в рамках поставленной конкретной задачи, можно считать входными (т.е. полностью или частично регулируемыми или хотя бы легко поддающимися регистрации и прогнозу; подобные факторы несут смысловую нагрузку объясняющих в модели), а какие – выходными (эти факторы обычно трудно поддаются непосредственному прогнозу; их значения формируются как бы в процессе функционирования моделируемой системы, а сами факторы несут смысловую нагрузку объясняемых).

2-й этап (априорный, предмодельный) состоит в предшествующем построению модели анализе содержательной сущности изучаемого процесса или явления, формировании и формализации имеющейся априорной информации об этом явлении в виде ряда гипотез и исходных допущений (последние должны быть подкреплены теоретическими рассуждениями о механизме изучаемого явления или, если возможно, экспериментальной проверкой).

3-й этап (информационно-статистический) заключается в сборе необходимой статистической информации, т.е. регистрации значений участвующих в анализе факторов и показателей на различных временных и (или) пространственных тактах функционирования моделируемой системы.

4-й этап (спецификация модели) включает в себя непосредственный вывод (опирающийся на принятые на 2-м этапе гипотезы и исходные допущения) общего вида модельных соотношений, связывающих между собой интересующие нас входные и выходные переменные. Говоря об общем виде модельных соотношений, мы имеем в виду то обстоятельство, что на данном этапе будет определена лишь структура модели, ее символическая аналитическая запись, в которой наряду с известными числовыми значениями (представленными в основном исходными статистическими данными) будут присутствовать величины, содержательный смысл которых определен, а числовые значения – нет (их обычно называют параметрами модели, неизвестные значения которых подлежат статистическому оцениванию).

5-й этап (исследование идентифицируемости и идентификация модели) состоит в проведении статистического анализа модели с целью «настройки» значений ее неизвестных параметров на те исходные статистические данные, которыми мы располагаем. При реализации этого этапа «прогнозист» должен сначала ответить на вопрос, возможно ли в принципе однозначно восстановить значения неизвестных параметров модели по имеющимся исходным статистическим данным при принятой на 4-м этапе структуре (способе спецификации) модели. Это составляет так называемую проблему идентифицируемости модели. А затем, после положительного ответа на этот вопрос, необходимо решить уже проблему идентификации модели, т.е. предложить и реализовать математически корректную процедуру оценивания неизвестных значений параметров модели по имеющимся исходным статистическим данным. Если проблема идентифицируемости решается отрицательно, то возвращаются к 4-у этапу и вносят необходимые коррективы в решение задачи спецификации модели.

6-й этап (верификация модели) заключается в использовании различных процедур сопоставления модельных заключений, оценок, следствий и выводов с действительностью. Этот этап называют также этапом статистического анализа точности и адекватности модели. При пессимистическом характере результатов этого этапа необходимо возвратиться к этапу 4, а иногда и к этапу 1. Если же этап верификации модели дает положительные результаты, то модель может быть непосредственно использована для построения прогноза в соответствии с описанной выше общей схемой (10).