Определение границ модели

Определение границ модели

Определение границ модели или исследования – это один из самых сложных вопросов как моделирования, так и любого исследования. И предельный вопрос заключается в том, как с первого раза, а не методом проб и ошибок, понять – что и в каком виде включать в модель или в исследование? Особенно сложно ответить на этот вопрос тогда, когда модель для такого рода объектов, как целевой объект-прототип, создается или впервые, или опыт создания моделей подобного рода небольшой, или и того хуже – устоявшийся негативный.

Ясно, что в описанной ситуации невозможно создание какого-то универсального детерминированного регламента, на основе которого можно было бы аргументированно определить границы любой модели или границы любого исследования. На этом этапе проектирования можно опереться лишь на экспертные оценки. А вот уже для получения наиболее надежных экспертных оценок могут и должны быть разработаны необходимые регламенты.

Здесь я в общих чертах опишу только некоторые технологии и регламенты определения границ моделей и оценки того, насколько полно они исполнены.

1           «Поляна»

Этот регламент ориентирован, в первую очередь, на применение одним экспертом. В основе этого регламента лежит технология, похожая на широко известный эвристический метод – «морфологический ящик».

Согласно этому регламенту, эксперт формирует таблицу, в которой по одной оси записываются аспекты (составляющие модели), а по другой – задачи.  Затем в каждой ячейке таблицы проставляется оценка в соответствии с, так называемым, принципом пропорциональности.

Согласно принципу пропорциональности оценок, всё исходное множество оценок делится на три группы. Первая группа (наивысшие оценки) составляет примерно 10% от общего количества оценок, вторая группа (самые низкие оценки) – тоже примерно 10%, а все остальные оценки – это оставшиеся 80%, которые делятся внутри группы по тому же принципу 10-80-10. И так до тех пор, пока не будут распределены все оценки. Пропорции могут быть изменены, в зависимости от конкретики регламента.

Важнейшей спецификой этого подхода является то, что оценки расставляются так, чтобы принцип пропорциональности выполнялся одновременно, как по столбцам, так и по строкам.

Вариант такой таблицы приведен на следующей иллюстрации.

 
Определение границ модели
 
Каждая задача в приведенной таблице имеет оценку важности (градиент зеленого).

На основании оценок в ячейках и на основании оценки важности задач формируется интегральная оценка выполнения регламента пользователем, которая (оценка) отражает то, в какой степени интегральная оценка отличается от максимально возможной для этой таблицы. Полученная оценка является хорошим основанием для принятия решения о качестве решения задачи определения границ модели или исследования.

Необходимо сразу отметить, что описанный подход, являясь достаточно простым по своей сути, весьма непрост в реализации, и действительно заставляет проектировщика модели выложиться максимально, что и требуется на этапе концептуального проектирования. При этом, будучи вынужденным рассматривать каждый возможный аспект модели и их различные группировки с разных сторон, увязывая их с задачами и между собой, проектировщик волей-неволей максимально глубоко, насколько он вообще способен, продумывает вопросы целесообразности включения в модель тех или иных аспектов. Но если проектировщик не сможет или не захочет выполнять задачу качественно, это сразу скажется на автоматически рассчитываемом значении интегрального показателя качества выполнения регламента.

В заключении необходимо отметить следующее: эффективность описанного здесь метода базируется на том, что необходимость выполнения заданного регламента, да еще и при наличии формализованной автоматической оценки качества его исполнения, противопоставляется подсознательному естественному стремлению любого человека к экономии энергии, и в первую очередь – когнитивной. Эта экономия провоцирует закончить работу, постоянно соблазняя проектировщика различными «отговорками». А такой регламент как раз и стимулирует выполнить работу до конца – максимально качественно.

 2           Групповая экспертная оценка

 Если имеется возможность привлечения группы экспертов для решения задачи определения границы модели или исследования, то сама технология решения задачи может быть намного более простой, чем описанная выше «Поляна», поскольку нет необходимости стимулировать работу отдельного исполнителя – члены группы (если группа подобрана правильно) сами будут друг друга стимулировать вполне достаточно.

В качестве основы технологии получения групповой оценки может быть использована одна из множества  известных технологий экспертных оценок. При этом каждый эксперт может дать свои оценки необходимости включения тех или иных аспектов из общего списка, который формируется экспертами же.

Расстановка оценок экспертами осуществляется также на основе метода пропорциональных оценок.

Оценкой качества выполнения регламента является в таком случае комплексная величина, которая включает оценку пропорциональности конечных оценок и их согласованности (например, дисперсию), а также уровень компетенций экспертов по каждому потенциальному элементу модели.

Процесс формирования оптимального набора элементов, включаемых в модель, итерационен. Эксперты от итерации к итерации могут развивать множество элементов модели, корректировать свои оценки.

Несмотря на высокую распространенность такого рода групповых экспертных методов, они имеют ряд недостатков, ключевым из которых является достаточно всё-таки слабый механизм стимуляции экспертов к максимально качественному выполнению своей работы. Если экспертная группа сформирована так, что не все необходимые роли в ней реализуются, группа может не найти в себе силы для того, чтобы максимально качественно решить задачу.

 

3        Экспертная игра

 

Технологии применения экспертных игр для решения сложных задач анализа в условиях высокой неопределенности известны давно, однако, в силу сложности их реализации, широкого распространения они не получили. Тем не менее, сегодня в России активно работает несколько групп экспертов, которые достаточно интенсивно применяют игровые технологии как для прогнозирования, так и для синтеза решений.

Анализ известных подходов, которые применяются сегодня для экспертно-игровых исследований показывает, что практически все они базируются на организации процесса коллективного мышления через его регламентацию и технологизацию. При этом есть и такие подходы, которые ориентированы на коллективную «накачку интегратора», который, в свою очередь, в итоге, и синтезирует решение.

Однако ни один из таких подходов, к сожалению, не может быть эффективно использован для решения задачи определения границ модели или исследования в силу того, что ни один из них не позволяет получить формализованную оценку качества его исполнения.

В связи с тем, что известные подходы не применимы, разработан регламент специализированной игры, результатом которой является обоснованное подмножество из определенного множества, где множество – это все потенциально возможные элементы модели, а подмножество – это те из них, которые необходимо включать в модель.

Технологически игра представляет собой многопользовательскую компьютерную игру, в которой игроки делают ставки некоторой игровой валютой. Выигрыш каждого игрока рассчитывается по сложному алгоритму, детали которого обширны и требуют отдельного рассмотрения, но в целом логика этого алгоритма направлена, в первую очередь, на достижение следующего:

·       Максимизация вероятности выявления наиболее компактного и при этом наиболее значимого подмножества элементов, включаемых в модель.

·       Стимуляция экспертной группы находить нетривиальные решения вместо достижения «серенького компромисса».

·       Возможность получения формализованной оценки качества исполнения регламента.

Охота на черных лебедей

Охота на черных лебедей

Начну с самого конца. 

Ответ очень простой – для того,чтобы быть готовым к неожиданностям

Ответ не менее простой: быть готовым к неожиданностям, это означает – иметь достаточные резервы ( в широком смысле) для того, чтобы в нужный момент с их помощью мы могли бы и преодолеть негативные последствия возможных ситуаций, и воспользоваться теми дополнительными возможностями, которые эти ситуации нам дают.

А для того чтобы ответить на этот вопрос, необходимо понимать, скажем так, – структуру возможной ситуации/обстановки. Другими словами – надо понимать то, в каком соотношении в определенные моменты будут какие-то важные для нас характеристики обстановки, ситуации, объекта, или, как это иногда называется  – параметры порядка.

Это уже несколько сложнее. Необходимо построить модель объекта исследования настолько адекватную, чтобы она позволит нам прогнозировать то, как будет меняться со временем и в зависимости от различных внешних факторов соотношение интересующих нас параметров. Причем, не стоит бояться слова “модель”, поскольку модель – это далеко не всегда есть нечто монструозно-математическое. Иногда достаточно чтобы группа экспертов изобразила несколько графиков, наложив их друг на друга, … и сразу многое становится ясно. Хороший пример – волны Кондратьева в экономике. Другой пример – соотношение эволюции потенциала систем управления и эволюции требований к ним, как результата научно-технологического прогресса и усугубления разделения труда. 

А иногда достаточно таблицу “нарисовать”.

Можно и детальнее! 

И в разных прикладных и предметных областях на этот счет есть свои подходы и “волшебные палочки”. 

Если взять, например, системы управления, то там имеется достаточно простой и надежный подход, который, зачастую, может эффективно проецироваться и на другие области (в некоторой их части) – экономику , социологию, военную и политические сферы, и т.д.. Суть его в  том, чтобы описать эволюцию типового объекта, соответствующего объекту исследования. Если речь идет о системе управления, то это эволюция типовой   системы управления. 

Замечу, существует множество вариантов описания эволюции систем управления, однако у всех тех, которые прошли через мои руки, есть одна и та же проблема – “литературность”. А для того, чтобы сформировать модель, необходимо описать эволюцию системы управления, как систему же ключевых характеристик исследуемой системы управления и их эволюцию, в том числе и взаимообусловленную(но не обязательно). 

Затем необходимо определить место конкретной исследуемой системы управления в ракурсе эволюции типовой системы управления, а для этого есть специальная технология – технология идентификация неоднозначных состояний. 

Затем остается лишь исследовать, какие состояния – те, которых у неё еще не было – ждут исследуемую систему управления в будущем. Эти состояния и будут самыми  “черно-лебеде-генными”. 

Описанный подход называется “дедуктивным” (от общего-к частному), и о нем на Катакомбе написано уже достаточно много.

Однако, кроме выделенных выше состояний, есть еще группа состояний, характеризуемых высокочастотной и высокоамплитудной сменяемостью направлений эволюции некоторых характеристик и/или их кортежей (совокупностей). Для выявления таких состояний тоже существует специальный инструмент. Особый интерес к таким состояниям очевиден – если системе управления “по пять раз на дню” менять задачу на прямопротивоположную, то в этой системе, так же как и у практически любого человека развивается, так называемая “выученная беспомощность”. А вот тогда и жди “сюрпризов”.

Замечу, решение задачи предсказания “черных лебедей” здесь несколько “выворачивается” – мы не просто пытаемся вычислить этих “черных лебедей”, а анализируем то, какие ситуации могут их продуцировать или в каких ситуациях их появление наиболее вероятно. Более того – мы не пытаемся определить конкретные характеристики этих “черных лебедей”, поскольку это почти не имеет практической перспективы, а поступаем стратегически – готовимся к определенному классу ситуаций за счет управления резервами.

Как видите, в целом всё достаточно просто. Необходимо лишь следующее:

Но самое главное: необходимо иметь соответствующую – достаточно “взрослую”-  задачу.

Если все делать грамотно и добросовестно, то будет следующее:

Вам показать ?                               

"И кто вообще это придумал - назвать птицу, которая в два раза меньше лебедя и к тому же имеющую совершенно другой окрас - черным лебедем? Эдак и утку можно, в итоге, назвать “ пестрый малый лебедь с короткой шеей”. А человека - “большой лебедь без перьев, шеи и крыльев”. Что-то в консерватории ( в таксономии ) надо поправить! Или в тех, кто ее криво использует."

- Кибернетик -

Выборы в США через призму призм

Выборы в США через призму призм

Ситуация с выборами в США сегодня всё интереснее и интереснее. Но всё, что видно наружу – это «спектакль», а то, что в реальности – «конспирология». Это более-менее стандартный ракурс наблюдения за такого рода процессами.  Конвенциональная трактовка. Или консенсусная.

Но есть еще и другой ракурс: инструментально – методический.

Речь идет о том, что, будучи поставленными перед проблемой анализа в условиях высокой неопределенности и в стремлении к этой проблеме подходить как можно более системно, базируясь на научной точке зрения, мы всегда ищем новые инструменты анализа и проверяем гипотезы, связанные с используемыми инструментами. При этом сам результат анализа или прогноза эволюции обстановки для нас не так уж и важен, а важно то, насколько хорошо отрабатывает тот или иной исследуемый нами инструмент анализа и, соответственно, прогноза.

Используя ситуацию с выборами в США, я в качестве иллюстрации такого подхода делаю следующее предположение:

В США сегодня столкнулись несколько различных концепций существования этой организованности

1.      Грабеж. Согласно этому подходу, США должны приложить всё возможные усилия для того, чтобы сохранить своё положение в мире, как гегемона. При этом, используя печатный станок и военный потенциал, США и дальше будет грабить мир, а в условиях необходимости им выбираться из кризиса, грабить будут еще больше.

У этой концепции есть проблемы. Основная заключается в том, что если вдруг не удастся удержать позицию гегемона, то США просто рухнет. Потому что сил на то чтобы удержать себя изнутри – не останется. И рухнет США куда ниже, чем, например Мексика. Там уже какой-нибудь центральной Африкой будет попахивать.

2.      Собственные силы. Если риск не удержать позицию гегемона велик, то следует  оставшийся потенциал, чтобы его не растранжирить в борьбе за гегемонию, направить на внутреннее развитие.

У этой концепции тоже есть масса проблем, но главная – баланс. Соотношение возможностей технологий, бизнеса и т.п. и платежеспособности населения таково, что США, будучи изолированными от мира, не смогут поддержать даже текущий уровень жизни. А уровень образования и культурная специфика не дают основания даже для того, чтобы в США перенести производства, например из Тайваня. И даже с переносом из Германии возникли проблемы. За копейки в США сейчас никто упахиваться, как нищий китаец, не хочет. Когда жрать нечего будет – будут пахать ? Возможно. Но есть проблема оружия у населения.

3.      Исход.  Раз ничего не получается, то бросить этот проект (США) пусть там дальше происходит всё, что угодно, а элиты и т.п. найдут себе новое место и начнут там другой проект обустройства мирка вокруг себя.

Главная проблема такого варианта – где найти новое место? Если методом исключения, то: Африка – нет, Азия (включая юго-восточную) – нет, Латинская Америка  … ну может быть, Европа … а почему бы и нет ? Но если это Европа и даже Южная Америка, то надо оттуда сначала вычистить туземные “элиты”, да и самих туземцев заодно.  

4.      Хаос. Устроить в мире эпический хаос, чтобы под шумок решить свои проблемы.

Ключевая проблема такого варианта – вероятность ядерной войны. Или биологической. Или климатической. Или еще какой-то. Или всех сразу.

 

И если посмотреть на все эти варианты, то становится очевидно, что в некоторой степени они могут быть взаимодополняющими. Замечу, что здесь нет необходимости формировать систему независимых вариантов, а лишь систему внутренне непротиворечивых.

Таким образом мы формируем систему аттракторов, к которым (мы делаем такое предположение) тяготеет объект исследования.

Затем мы «нанизываем» наблюдаемое на эту систему аттракторов. То есть всё, что мы наблюдаем (события, факты, комментарии и т.п.)  мы соотносим (выражая численно) с каждым описанным вариантом развития обстановки.

И со временем мы начинаем видеть, в пользу каких вариантов говорит нам наблюдаемое.

В результате мы получаем неплохую основу для интерпретации происходящего, построения гипотез как более общего, да и более операционалистского характера. Ну и конечно же на  этой основе развиваем саму систему аттракторов.

Это прекрасный способ организации аналитической работы (один из способов), а дальнейшие детали его каждый сможет проработать и сам, и практически каждый может организовать его применение у себя на худой конец и вручную. А если есть возможность еще и обустроить всё это в виде баз данных, знаний, экспертной системы и т.п., так это вообще – почти бомба.

Почему почти?

А потому что во всём этом подходе есть место для «магии». И магия заключается в том, что при наличии знаний в определенном разделе математики (которому, кстати, учат в приличных ВУЗах) относительно легко решается задача учета взаимовлияния фактов (того, что мы наблюдаем и вносим в систему) и гипотез (это наши аттракторы).  И тогда решение аналитической задачи становится намного более качественными и требует намного меньше информации. А иногда и гипотез.

Вывод?

А простой! Если знать как, то подавляющее большинство, казалось бы, сложнейших задач аналитики можно относительно легко решить на базе достаточно простых (при наличии соответствующих инструментов) подходов.

Но и тут есть своя проблема. Для этого надо иметь специалистов, которые отучились в приличных ВУЗах, дающих действительно необходимый фундамент для решения такого рода задач. Кейс-образование такого фундамента никогда не даст. Кейс-образование в аналитике – это своего рода ПТУ, в сравнении с университетом. А для создания инструментов иногда даже университетского образования не хватает.

А в США скорее всего  победит та сила, которая будет содержательно  (а не по форме) наиболее связана с той парадигмой, которую выберут США. Или конец им всем.

- Кибернетик -