Эпистемологические основы

ЭПИСТЕМОЛОГИЧЕСКИЕ ОСНОВЫ НООСФЕРНОЙ ПАРАДИГМЫ УПРАВЛЕНИЯ ОРГСИСТЕМАМИ В СВЕТЕ ЗАДАЧ ЭКОНОМИКО-ЭКОЛОГИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

В.Лозовский

 

1         ПАРАДИГМЫ ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ

1.1       Исходные положения

Одной из важнейших прикладных задач для общества является прогнозирование. Наличие достаточно полного и точного краткосрочного и долгосрочного прогноза состояния экономико-экологических систем и протекающих в них процессов позволило бы обществу предвидеть нежелательные ситуации, своевременно обнаруживать негативные тенденции и принимать решения по управлению организационными системами, которые – нам сейчас не до оптимальности – были бы, как минимум, рациональны. На этом пути возможны следующие альтернативы.

Простейшим методом прогнозирования является непосредственный прогноз. При этом исследователь наблюдает за состоянием некоторого объекта, точнее, за динамикой важнейших его параметров: например, концентрацией загрязнений, количеством выпадающих осадков, курсом национальной валюты. Полученные данные подвергаются статистической обработке, выявлению тенденций. В некоторых случаях, используются корреляционные зависимости между разными параметрами. На этой основе и делается прогноз. Фактически, это экстраполяция очевидных изменений наблюдаемого параметра.

Достоинство у этого метода одно: относительная простота. Недостатков значительно больше. Во-первых, анализу поддаются лишь числовые величины. Более того, лишь для абсолютных и относительных шкал. Например, для номинальных шкал – там, где числа используются лишь для кодирования значений (профессии, тип оборудования и т.п.) – подобные методы не применимы. Далее, статистика работает лишь в условиях представительности данных и при достаточно больших объемах измерений. Кроме того, как правило, предполагается существование нормальных распределений контролируемых величин, что на практике редко выполняется и крайне трудно проверяется. Приходится пользоваться подобными методами, разработанными для нормальных распределений. Других просто нет. Данный подход не позволяет учесть причинно-следственные связи между событиями, дополнительные сопутствующие условия и закономерности - даже, если у исследователя подобные данные есть: их просто некуда пристроить. Фактически, это врожденный недостаток всех статистических подходов.

Попытки уйти от отмеченных недостатков методов непосредственного прогнозирования потребовали отхода от «чистых» и «строгих» статистических подходов, прежде всего, путем учета большего числа факторов, фиксации причинно-следственных и логических связей между событиями, привлечения архивно-прецедентных данных. Данное направление в прикладных исследованиях по искусственному интеллекту получило название метода экспертных систем (ЭС). При этом специалистам в области представления знаний в ЭВМ – инженерам по знаниям – ставится задача построить компьютерную модель прикладника-эксперта. В результате длительной работы со специальной литературой, документацией, специалистами высокой квалификации в конкретной прикладной области (см., например, [8]) фактически создается компьютерная система поддержки принятия решений, в нашем случае, в области прогнозирования.

Известны ЭС в области медицины, системы управления сложными народохозяйственными объектами, ЭС для прогноза политической ситуации в конкретных регионах, использование которых привело к положительным результатам.

Построение эффективных ЭС наталкивается на ряд трудностей. Во-первых, это сложность извлечения адекватного знания из предметной области. Во-вторых, - сложность сопровождения подобных систем, интеграции нового опыта. Наконец, возникают определенные парадигматические, юридические и эргономико-психологические проблемы: когда прикладные специалисты прибегают к помощи подобных систем, возможен конфликт научных школ, барьеры в области профессиональной компетентности, необходимость персональной ответственности за получаемые с помощью подобных систем выводы и рекомендации.

1.2       Прогнозирование в контексте общей задачи управления организационными системами

Известна античная притча о философах, которым предложили составить представление о слоне, но при этом завязали глаза и подвели – одного к ноге, другого – к хоботу, третьего к хвосту слона. Известно и то, насколько расходились между собой, как однобоки и далеки от истины были разрозненные мнения этих исследователей. Аналогичный эксперимент можно провести и на современном материале. Предложим, например, человеку, не знакомому с электротехникой, принципами построения и функционирования энергетических систем, понаблюдать за показаниями приборов на диспетчерском пульте управления энергосистемой и составить обоснованный прогноз состояния системы, не утруждая себя представлениями о внутренних механизмах, происходящих процессах, их взаимодейстии, не знакомому с понятиями баланса частот, колебаний уровня регионального потребления энергии, сведениями о техническом состоянии и потребностях в ремонте отдельных агрегатов. Сравним после этого его отчет с отчетом специалиста, который хорошо представляет себе суть происходящих процессов, связь между состоянием отдельных фрагментов системы и ее поведением, обладает навыками отсеивания малозначащих факторов и опытом правильной оценки общей ситуации.

Подобные примеры подтверждают достаточно очевидную мысль о том, что, когда речь идет о сложных динамических системах, включая выполнение определенной целенаправленной деятельности, наличие человеческого фактора, влияние неконтролируемых параметров и процессов, необходимо рассматривать задачу прогноза их состояния в более широких рамках процессов поведения и управления.

Попытки решить задачу прогноза на основе анализа поведения и тенденций развития лишь непосредственно интересующих нас процессов чреваты тем, что в самый неожиданный момент могут возникнуть или усилиться некие неучтенные факторы, до того считавшиеся незначительными или даже не имевшими очевидного отношения к изучаемым явлениям. Следствием подобных изменений ситуации на объекте очень часто становится «нештатное» его поведение, возникают аномальные и даже катастрофические ситуации. Кстати, неожиданные катастрофы – это и есть печальное подтверждение ограниченности и некорректности использовавшихся прогнозов.

Создание и эксплуатацию любой искусственной системы следует рассматривать в контексте полного ее жизненного цикла:

• консультации с заказчиком, определение общих целей системы, намечаемых функций, процессов;
• консультации со специалистами-прикладниками, уточнение определяющих параметров, ограничений и требований на ресурсы;
• технические консультации с целью выяснить возможность достижения требуемых значений параметров и выполнения ограничений на ресурсы, консультации со специалистами в смежных прикладных областях (экономисты, медики, социологи, психологи, хозяйственники и т.д.);
• выполнение научно-ислледовательских работ, социологических исследований, если в постановке задачи обнаружены нерешенные проблемы и нет ясности в методах реализации требуемой системы;
• выполнение необходимых экспериментальных работ;
• проектирование системы, включая учет всех аспектов гуманитарного характера, связанных с наличием человеческого фактора (требования санитарии, гигиены, охраны труда, техники безопасности, отдыха, образования, профессиональной подготовки, рекреации, транспорта, обеспеченность детскими учреждениями и т.п.); учет оргдеятельностных особенностей отдельных индивидуумов и коллективов в качестве элементов рассматриваемой системы;
• создание системы (в том числе, поэтапное уточнение как исходных понятий, параметров, так и вновь возникших в процессе выполнения разработки - при периодических контактах с заказчиком);
• выполнение вспомогательных и обеспечивающих мероприятий, включая территориальные, экологические и, опять же, гуманитарные проблемы (в том, числе, обеспечение требуемым персоналом, ресурсами; решение вопросов использования результатов функционирования системы);
• непосредственное управление функционированием системы – получение полезного эффекта, ради которого она и создавалась;
• доработки, модификации и усовершенствования системы в процессе эксплуатации;
• при необходимости, рассмотрение вопроса о принципиальном изменении принятой парадигмы - переходе на альтернативную систему; повторение этапов, подобных перечисленным; одновременно решается задача временной привязки этих этапов и синхронизации с жизненным циклом функционирующей системы;
• завершающий этап жизненного цикла – прекращение работы действующей системы, решение вопросов использования освобождаемых ресурсов (на всех уровнях), предотвращение возможных отрицательных эффектов от реализации данного этапа (в т.ч. выполнение необходимых требований по экологической безопасности, по трудоустройству персонала, социальным гарантиям и т.п.).

В последние десятилетия особую актуальность приобрели требования устойчивого развития организационных систем всех уровней – государственное управление, социальные, политические и финансовые механизмы, функционирование хозяйственных структур, наука, образование, здравоохранение, защита окружающей среды и т.д. При этом, помимо тщательной проработки жизненных циклов каждой подобной подсистемы, требуется четкая увязка этих циклов по времени, по событиям, предусловиям и факторам взаимовлияния с ориентацией на выполнение глобальных целей, которые ставятся перед обществом. Под устойчивостью в данном случае понимается желательно монотонное улучшение качественных и количественных показателей общественных подсистем и системы, в целом, а также развитие системы в близком соответствии с намечаемыми планами, без тупиков, блокировок, выходов из-под контроля, прочих аварийных и непредусмотренных ситуаций. Другими словами, речь идет о сохранеии свойства управляемости в каждый момент функционирования системы. Безусловно, данное определение носит ориентировочный и идеализированный характер. Тем не менее, оно намечает направление, в котором должны двигаться науки и практика управления обществом.

Сложность решения подобных задач по своим качественным и количественным характеристикам выходит за рамки возможностей современных систем управления. В то же время, отсутствие прогресса в данных исследованиях грозит крайне неприятными последствиями на всех уровнях функционирования общества. Ниже нами предприняты попытки очертить концептуальную базу возможных подходов к комплексному решению этой проблемы.

Не имея возможности рассмотреть весь жизненный цикл системы детально, остановимся на этапе управления функционированием действующей системы и на месте задачи прогнозирования в структуре управленческих процессов.

В общем случае, процесс управления оргсистемами предусматривает решение следующих задач (рис. 1).

Состояние реальной физической управляемой системы (7), процессы, в ней происходящие, представлены в контуре управления своими параметрами состояния (9), поступление которых обеспечивается системой сбора информации (4). За пределами данной графической схемы осталась схема описания управляемой системы, на основании которой и определяется конкретный набор контролируемых параметров. Учет, интерпретация и оценка этих параметров в простых случаях и в докомпьютерную эпоху делались (делаются) непосредственно специалистами-управленцами. Мы рассматриваем управление сложными оргсистемами, требующими использования эффективных средств автоматизации. Прежде всего, это модель системы (8) – компьютерный образ, отображение управляемой системы, материализация выбранной парадигмы – точки зрения специалистов на данную предметную область и одновременно, объект, обеспечивающий интерпретацию моделируемых ситуаций, работу всех остальных подсистем общей системы управления, объект, которому можно адресовать вопросы и получать содержательные ответы. Не случайно именно проблемы моделирования для систем, требующих манипулирования в машине знаниями специалистов, были и являются предметом исследований в области искусственного интеллекта.

Исходными данными для задач управления являются цели, указания и требования (1), задающие требуемые состояния объекта управления, либо определенные регламенты, сценарии, «бизнес-правила», как теперь говорят.

Начальной задачей, решаемой в рамках системы управления, является задача планирования (2), назначение которой – описать сценарий достижения заданных целей управления. Помимо целей, при планировании учитываются реальные ресурсные ограничения (5), текущее значение параметров состояния (9) управляемой системы, причем, строго говоря, не в «чистом виде», а с учетом интерпретации на модели (8) и возможной диагностической информации (3), о которой речь ниже. Результатом этапа планирования является план (6) управления системой (7).

Здесь мы, наконец, и подходим к задаче прогноза, вызвавшей столь развернутое обсуждение привходящих моментов. Целью прогнозирования (12) является определение ожидаемых состояний системы (7), процессов в ней происходящих или возникающих. Несмотря на то, что при прогнозе должен учитываться план (6) управления системой и объективные параметры (9) ее состояния, фундаментом прогноза являются модельные представления и интерпретации. Обойтись в данном случае без достаточно адэкватной действительности модели практически нереально, если управляемая система сложная; а именно о таких системах и идет речь в задачах экономики, экологии, комплексных проблемах управления народным хозяйством. Именно модель должна быть тем интегрирующим и синхронизующим звеном, без которого обособленные сведения, зависимости, правила просто вырвутся из-под контроля, либо останутся лежать в документах в самые критические моменты, когда они должны были бы работать на решение общей задачи. Прогноз, грубо говоря – состояние модели, в режиме имитационного моделирования для интересующих нас близких или более отдаленных моментов в будущем.

Таким образом, мы должны признаться, что центральная роль моделирующей системы на рис. 1 еще более значительна, интегральна и всеохватна – ее функциональные задачи, на самом деле, поглощают расположенные вокруг нее модули, которые выделены на схеме больше из соображений методического характера, чем как составляющие реальной структуры взаимодействующих подсистем.

Тем не менее, так или иначе, в системе вырабатывается представление об ожидаемой ситуации на контролируемом объекте (7) – это прогноз (14). Сформированное таким образом представление о текущей и ожидаемой ситуации поступает на вход анализирующей и классифицирующей подсистемы (15). В результате ее работы мы можем прийти к одному из четырех заключений.

1. Ситуация на управляемом объекте полностью нормальна (16), все идет по плану, отклонения – в допустимых пределах, никакого вмешательства не требуется.
2. Наблюдаются отклонения от планируемых, или ожидаемых, значений параметров, выходящие за пределы допустимых. Необходимо прибегнуть к оперативному управлению (13). Оперативным управлением называется воздействие на управляемый объект, направленное на перевод управляемого объекта в нормальное, предусмотренное планом состояние (10). В рамках оперативного управления можно выделить ситуацию регулирования, при которой коррекция поведения управляемого объекта не требует пересмотра планов и наоборот, при которой без пересмотра планов не обойтись. Особенностью фазы оперативного управления является то, что возникшая на объекте ситуация предусмотривалась заранее, равно как и методы выхода из нее, либо перевода в очередную плановую ситуацию. Это, так называемое, штатное управление, отраженное в документации и/или хорошо известное специалистам-управленцам.
3. Если на этапе анализа (15) оказывается, что ситуация на объекте непонятна (другими словами, с ней не связано никаких описательных характеристик или предписывающих инструкций), является нештатной, то возникает необходимость в этапе диагностирования (11). Здесь также возможны две ситуации. Если удается выработать достоверный диагноз (3), то он предъявляется процессу планирования для пересмотра планов дальнейших действий с учетом сложившейся сиутации. В этом случае, говорят, что ситуация сводима к штатной. И наконец, если имеющимися средствами диагноз поставить не удается, базы знаний автоматизированной системы управления плюс знания включенных в контур управления специалистов-управленцев недостаточно для продолжения нормальной работы, ситуация признается нештатной. Необходимо обратиться за дополнительной информацией к экспертам-прикладникам и/или специалистам – разработчикам системы (17).

Следует учитывать, что приведенные рассуждения, равно как и сама схема рис. 1, крайне огрублены и упрощены. Так, нами опущены этапы формирования и коррекции модели (8). Функциональные блоки, выделенные на схеме, достаточно условны, многие связи на схеме также опущены. На самом деле, рассматривавшиеся нами функции гораздо в большей степени интегрированы, комплексированы и взаимозависимы. Следствием этого является тенденция их погружения в модель системы (8). В исследованиях по искусственному интеллекту подобные модели называют базами знаний (БЗ) – в отличие от баз данных. Используется также термин «системы представления данных и знаний» (СПДЗ).

СПДЗ не являются механическим объединением включаемых в них блоков, функций, правил, данных; разработка соответствующих инструментально-программных средств должна вестись параллельно проекту всей системы управления – в части ее прикладных аспектов. Воспользуемся аналогией со строительством собора, предложенной Экзюпери:

«... В нем, как и в любой Сущности, есть нечто такое, чего не могут объяснить составляющие ее элементы. Собоp есть нечто совсем иное, нежели пpосто нагpомождение камней. Собоp - это геометpия и архитектуpа. Hе камни опpеделяют собоp, а, напpотив, собоp обогащает камни своим особым смыслом. Его камни облагоpожены тем, что они - камни собоpа. Самые pазнообpазные камни служат его единству. Даже уpодливые каменные чудовища и те участвуют в общем гимне собоpа».

Действительно, в условиях, когда в сложной системе должны естественным образом взаимодействовать гармонично функционирующие подсистемы и процессы, нельзя заниматься отдельными задачами, аспектами и функциями – в надежде, что в нужное время на их входы будут поданы требуемые исходные данные, они смогут получить ответы на возникающие в процессе их работы запросы, а результаты их работы смогут быть  без проблем использованы смежными модулями. К сожалению, именно подобной упрощенной точки зрения придерживались разработчики АСУ прежних лет, и мы знаем, чем многие из этих проектов закончились…

Похожая ситуация складывается и когда мы обращаем свой взор в сторону решения задач прогноза экономико-экологической, социальной, политической, ресурсной ситуации. Эти задачи не являются обособленными; они настолько плотно вписаны в структуру смежных, определяющих и зависимых процессов в рамках общей задачи моделирования и управления сложными системами, что попытки решать их независимо могут увенчаться успехом лишь в крайне сублимированных ситуациях: когда речь идет об очень краткосрочных прогнозах, в отдельных случаях атипичной автономии рассматриваемых явлений, ну и, конечно, когда просто нет другого выхода: отсутствует парадигматическое, концептуальное, методическое и языковое представление о моделируемой системе, нет необходимых фактических данных о ее состоянии. За неимением гербовой, пишут на простой. Мы не должны чураться подобных решений, но следует их правильно позиционировать в рамках общей задачи управления и направлять максимум усилий на ее решение.

Именно поэтому в данном исследовании было решено уделить первостепенное внимание проблемам управления оргсистемами, подходам к построению моделей.

1.3       Подходы к решению задач управления организационными системами

Строго говоря, следовало бы использовать термин «организационно-технические системы», но нас здесь интересуют, в первую очередь, особенности учета человеческого фактора в управлении. Не отрицая важной роли технических средств и обеспечивая возможность их корректного включения в структуру оргуправления, было все-таки решено сконцентрировать внимание именно на организационных системах (ОС). Примерами могут являться территориальные регионы – в комплексе, предприятия со своей внутренней и внешней информационной инфраструктурой. Сюда же можно отнести и чисто природные объекты – моря, реки и лиманы, прибрежные, промышленные, сельскохозяйственные, рекреационные зоны и т.п., рассматривая их как гносеологические объекты – по сути, их модельное отражение в представлениях людей. Этот последний момент значительно расширяет сферу возможных приложений разрабатываемого подхода, давая основания подойти к рассмотрению широкого круга естественных объектов с учетом их включения в человеческую деятельность и в систему человеческих представлений. Мы неоднократно замечали, что во многих случаях имеет значение не то, чем является непосредственно некоторая сущность, но то, какое субъективное отражение она находит в представлениях отдельных людей и групп, поскольку именно от этого зависят их последующие действия.

Понятие управления, целенаправленной деятельности, является определяющим для всех уровней функционирования человеческого общества – от конкретного индивидуума до человечества. Часто, желая сузить столь широкий охват, ограничиваются двумя сферами деятельности: экономикой (анализ с позиций денежно-товарных отношений) и экологией (поскольку качество среды обитания имеет определяющий характер для судеб всего живого на Земле). При этом за пределами рассмотрения остаются важные сферы бытия – социальная, психологическая, политическая, культурная, образовательная, промышленная, транспортная, научная и пр., а также сферы личных интересов и целей граждан. До сих пор не существует ни методологии, ни языка, ни адекватных подобной задаче средств автоматизации, которые могли бы охватить рассматриваемую предметную область в комплексе. Попытка управлять обществом на любых уровнях в этих условиях неизменно сталкивается с тем, что из сферы рассмотрения зачастую выпадают важные, чаще всего, разнохарактерные аспекты. В результате, запланированные воздействия на систему приводят совсем не к тем результатам, что ожидалось, а прогнозы будущих состояний оказываются, мягко говоря, неточными, ресурсы недостаточными, а катастрофы неожиданными.

Жизнь общества усложняется, временные рамки, допустимые для принятия управленческих решений, сокращаются, а ресурсы истощаются. В этих условиях выход может быть найден только в автоматизации и рационализации управленческих процессов. В области управления техническими системами получено немало крупных теоретически и прикладных результатов. Созданы и эффективно работают системы автоматизации управления технологическими процессами. Успехи в области автоматизации управления организационно-техническими и чисто организационными системами, к сожалению, значительно более скромны. В то же время, задачи управления современным обществом относятся именно к этому классу. Отсутствием средств формализации плохо формализуемых задач организационного управления объясняются и весьма скромные успехи АСУ, на которые в 70-80-е годы возлагались большие надежды. Успехи всеобщей компьютеризации и телекоммуникации привели к заметному прогрессу в области автоматизированных информационно-справочных систем, к снижению затрат на обмен информацией. Задачи автоматизации собственно управления обществом при этом остались во многом в стороне.

С другой стороны, практически во всех странах и регионах мира налицо определенные практические успехи в практике организационного управления. И это – несмотря на все недостатки современного информационно-управленческого обеспечения – дефицита и неточности информации, наличия человеческого фактора, коллизии целей, несовершенства законодательной базы и т.п. Это говорит о том, что обсуждаемая задача все-таки имеет рациональное решение (об оптимальности речь, конечно же, не идет). А раз так, то разумное использование средств автоматизации должно принести положительные плоды. Остановка за малым – надо эти средства разработать и реализовать на практике.

Глобальность поставленной задачи полностью исключает надежды на получение близких убедительных практических результатов «небольшой ценой». Это – перспективное направление, которое должно непрерывно развиваться и совершенствоваться с тем, чтобы, со временем, мы могли избежать всеобщей стагнации и лавиновозрастающего потока катастроф. Выбор этого направления исследований – задача тривиальная. Дело в том, что ему нет альтернатив.

Возможны три основных класса подходов к задаче управления в организационных системах.

Локально-прикладной подход к управлению в ОС. Для достижения сиюминутных практических результатов приходится существенно ограничивать круг рассматриваемых объектов и процессов, ограничивать учет внешних факторов и взаимовлияний. Надежность получаемых при этом выводов, рекомендаций и прогнозов, результативность использования рекомендаций при принятии решений по управлению невысока. Подобные исследования выполняются, как правило, без использования компьютерных информационных, информационно-логических и моделирующих систем. Исследователь базируется на доступных ему фактических статистических данных, старается интегрировать известные ему точки зрения специалистов в данной области. В тех случаях, когда исследователю удается выделить определяющие факторы и получить достаточно достоверные исходные данные, полученные результаты могут оказаться практически полезными. Не следует исключать и гносеологическую ценность подобных работ, в ходе которых уровень знания о данной предметной области (ПОб) повышается. Это уровень, на котором находятся, в значительной своей части, современные исследования в связи с отсутствием новых парадигм и недостатком фактических данных. Указывая на принципиальную ограниченность такого подхода, следует, тем не менее, признать, что подавляющее большинство практических результатов прошлого, настоящего и ближайшего будущего было получено и сможет быть получено именно на этом уровне. Быть может, наиболее ценный результат подобных исследований – это сами исследователи, в сознании которых строится имплицитная модель объекта исследований. Такой исследователь становится экспертом в конкретной ПОб. Именно это знание, его экспликация и интеграция с другими фрагментами знания, знанием других экспертов, - и является наиболее перспективным направлением фундаментальных исследований в данной области.

Имитационно-модельный подход. Когда перед исследователем возникает задача учета большого числа факторов, меняющихся во времени, учета влияния смежных рассматриваемой системе подсистем и процессов, когда сложность объекта возрастает настолько, что корректно учесть все в собственной памяти и с помощью карандаша и листа бумаги уже нереально, прибегают к использованию компьютерных моделирующих средств. На данном уровне делаются определенные шаги к интеграции многих систем, корректному учету их взаимодействия в динамике. Вводится понятие объектов и среды, строятся имитационные и аналитические модели их поведения. Возникает почва для обоснованной постановки задач управления системами в полном объеме, в рамках всего жизненного цикла (создание системы - разработка, проектирование, реализация; функционирование - контроль, анализ, прогноз, принятие решений по управлению в штатных и нештатных ситуациях, планирование и перепланирование, оперативное управление, текущая модификация и заключительная стадия существования системы – принципиальная модернизация, создание новой системы на базе старой, либо ликвидация системы, если надобность в ее существовании отпала). Это направление имеет богатую историю развития; на этом пути получены крупные теоретические и практические результаты. Однако этот подход оказывается продуктивным лишь для достаточно хорошо определенных, «жестких» предметных областей - когда правила их поведения известны с достаточной полнотой, и исследователям доступна полная и точная информация об объекте. Таковыми бывают технические и некоторые оргтехнические системы. К сожалению, экономико-экологические системы включают в себя и человеческий и природный фактор, а также тесно смыкаются практически со всеми остальными сферами бытия (социальная, политическая, культурная, образовательная, промышленная, транспортная, научная и пр.) Они относятся к так называемым «мягким» предметным областям, в которых нет четкого представления ни о целях, ни о текущем состоянии, ни о критериях оценки. Часто математики, за неимением точных данных о моделируемых явлениях, вынуждены задаваться постулатами и предположениями, для которых есть известный математический аппарат. Нередко используется статистическая гипотеза о нормальности распределений, зависимости, характерные для больших выборок – в то время как реальные параметры явления просто недоступны, либо даже заранее известно, что выборки непредставительны, распределения неизвестны, но для подобных задач просто нет адекватного аппарата. При традиционных модельных подходах разработчики вынуждены множество оценок задавать ориентировочно и оставлять в модели большое число контролируемых параметров, установок и органов настройки. При этом потребителю подобного научного продукта предлагается самостоятельно подстроить модель, исходя из условий конкретной задачи. Разработчики не могут и не берут на себя смелость выдать четкие рекомендации по настройке, а у пользователя, вполне естественно, нет ни квалификации, ни опыта, ни времени, ни технических и человеческих ресурсов выполнить это самостоятельно. В частности, нет полных и достоверных исходных данных для описания состояния и динамики модели, они недоступны, либо их реальный объем превышает возможности конкретных средств вычислительной техники. Сложности еще более возрастают, если это связано с неповторяющимися ситуациями, либо с невозможностью, дороговизной и/или опасностью экспериментирования на реальных объектах. В связи с этим, ценность математических имитационных моделей в практике управления ОС, зачастую, ограничивается научными публикациями, для которых их создатели тщательно отрабатывают свои методики на модельных ситуациях, в которых сами берутся исполнять роль и объекта и окружающей среды, а также задают все (тестовые!) параметры, исходные данные и воздействия на систему. В подобных случаях, приходится признавать, что аппарат моделирования (прогнозирования и управления) выбран неадекватно реальной ситуации. При этом на самом деле, проверяется не прикладная адекватность, а просто качество отладки соответствующей программы. Ситуация начинает напоминать известный анекдот, когда некто искал потерянный ключ под фонарным столбом не потому, что он был там потерян, а потому, что там было светлей. Результаты имитационного моделирования в этих условиях оказываются любыми – «чего изволите?». В подобной ситуации практическая ценность такого подхода для мягких предметных областей может оказаться ниже, чем при локально-прикладном.

Ноосферный подход к управлению оргсистемами. Ограниченность возможностей строгих моделей для мягких предметных облас­тей является следствием принципиального несоответствия формального языка таких моделей реальному знанию, которым обладают специалисты в этих предметных областях. Это знание носит четко выраженный гуманитарный характер и характеризуется высокой антропоморф­но­с­тью: неопределен­ностью, неоднозначностью, неточностью. Налицо множество качественных, лингвистических характеристик и оце­нок: большой, значительный, опасный, перспективный, устойчивый, обоснованный, «оказывает отрица­тель­ное влияние на ...», «нежелательные последствия» и т.п. Присутствует и, так на­зываемый, «челове­че­ский фактор»: субъективность, эмоциональность, усталость, невнимательность, нелогичность, лень, сложная и динамичная структура межличностных отношений – симпатии, антипатии, доверие, предрас­судки, обида, благодарность, месть, семейные отношения, «чувство справедливости», «чувство долга», «чувство глубокого внутреннего удовлетворения», способность работать в команде, на­ли­чие собственного механизма целеполагания и реализации целей. Существующие методы моделиро­ва­ния практически пол­ностью игнорируют человеческий фактор. Талантливым руководителям и политикам удается, в большей или меньшей степени, учитывать этот фактор на интуитивном уровне. И лишь в очень ограниченном объеме могут быть сформулированы некие правила и стратегии поведения, «know-how» для тех или иных ситуаций. Причем, очень часто подобные рекомендации сопровождаются оговорками относительно определяющей роли конкретных условий и что данные рекомендации надо применять «с умом».

Научно обоснованный подход к задачам управления и, в частности, прогнозирования, в области экономики, экологии и рационального управления природными ресурсами не может выполняться фрагментарно и изолированно от всех остальных компонент деятельности по управлению обществом. Он требует, прежде всего, вырабо­тки адекватной парадигмы представления знаний, строго говоря, не об экономике или экологии, а о реальном мире, а также методов работы с этим знанием: накопле­ние, интеграция, верификация, доступ к информации. Мир вошел в эпоху информационного общества. Прогресс в области Интернета и компьютеризации позволяет уже сегодня решать вопросы телекоммуникации и распределенного хранения данных и знаний на глобальном уровне. Одна­ко практически нет результатов по разработке языковых средств адекватных поставленной задаче. Серьезные шаги в этом направлении были сделаны В.И.Вернадским [1, 2] и французским геологом, палеонтологом, иезуитом-теологом и философом Пьером Тейларом де Шарденом [3]. Они предложили использовать термин «ноосфера» (от греческого «noos» – разум) для полного, корректного и эффективного интегрированного учета естественнонаучных реалий вкупе со всем объемом знаний, накапливаемых обществом. Тейлар, между прочим, движение человечества к «царству разума» считал определяющей доминантой развития. Это «царство» он называл «Точкой Омега» - эпохой полной интеграции знаний вселенского масштаба. Но в то время не была проработана прикладная семиотика, подходы к представлению знаний, и дальше провозглашения исходных позиций дело не пошло.

Апелляция к ноосферной парадигме вызывается не только необходимостью чисто механического включения человека с его знаниями и поведением в картину процессов, происходящие на Земле. Дело и в том, что корректное понимание сути происходящих явлений и создание эффективных моделирующих и управляющих систем в этих условиях требует полноохватного и максимально корректного учета как реальных, так и когнитивных сущностей. Несмотря на давнюю предысторию, подобный подход является новым, во многом он идет наперекор устоявшимся философским и гносеологическим теориям, и, безусловно, требует тщательного, аккуратного и осторожного рассмотрения.

2       НООСФЕРНАЯ ПАРАДИГМА И ПРИКЛАДНАЯ СЕМИОТИКА КАК БАЗИС ДЛЯ РАЗРАБОТКИ ПРОГНОСТИЧЕСКИХ МОДЕЛЕЙ

2.1       Учение о ноосфере с позиций эпистемологии[1]

В.И.Вернадский и П.Тейлар, к сожалению, а может быть, и к счастью, не дали четкого определения понятия «ноосфера». К счастью – это может быть потому, что вопрос остался открытым для дальнейших уточнений и совершенствования нашей системы взглядов на суть процессов, происходящих в современном мире. Первопроходцам, в этом смысле, повезло. Концепция ноосферы была принята на вооружение многими исследователями, каждый из которых давал собственное толкование этому многозначительному и богатому содержанием термину. В качестве подходящего для наших целей отправного пункта можно указать эстетически привлекательную формулировку, которую приводит Л.Н.Гордиенко («И образ, и термин», [1], стр. 255):

«Ноосфера – это целостная геологическая оболочка Земли, формирующаяся в результате синтеза технической и культурной деятельности людей и естественных природных процессов на началах социальной справедливости и красоты. Объединяющим началом этой целостности служит гармония человека с природой, ее красотой».

Процесс образования ноосферы метафорично и романтично пояснил М.Пришвин [6]: «Где-то на невидимом небе всего человечества бродят скопленные всеми веками великие мысли, бросают те­ни, как облака, а по этим теням особенно чуткие люди догадываются и понимают сами мысли». Мы намеренно, в качестве исходных, привели здесь подобные «художественные» определения – подчеркнув этим сложность задачи, которую предстоит решать специалистам в области точных и естественных наук – средствами информатики и компьютерного моделирования.

Существует мнение, согласно которому, ноосфера на Земле возникла под воздей­стви­ем божественного разума, духа. По большому счету, нам сейчас почти безразлично, как это произошло – в результате естественной эволюции или по воле Господа. Но для исследователя гипотеза божественного происхождения человека и ноосферы ставит крест на пути познания – в прямом и переносном смысле. Естественнонаучная гипотеза допускает две альтернативы: эволюция и вмешательство инопланетных цивилизаций. И в том и в другом случае остается перспектива уточнения, изучения, выработки и трансформации парадигм.

История Земли включает ряд последовательных стадий. Классификации, встречающиеся у разных исследователей, близки (см., например, [4, 5]). Мы будем придерживаться следующего перечня стадий:

·  космическая – определяющая процессы трансформации Вселенной, которые привели к образованию нашей галактики, солнечной системы и Земли;

·  геологическая – неорганические процессы, происходящие в твердой, жидкой и газообразной средах Земли;

·  биологическая – появление жизни на Земле и возникновение специфических метаболических процессов, связанных с жизнедеятельностью живых организмов; человечество на ранних стадиях своего существования;

·  цивилизация (социогенез) – дальнейшее развитие человеческой деятельности: освоение природных ресурсов, во­ль­ное или невольное вмешательство в геологические и биологические процессы, состояние окружаю­щей среды; с течением времени, цивилизация стала оказывать все более заметное влияние на состо­яние Мира и на процессы его трансформации;

·  ноосферная стадия – эпоха, при которой резко возросший объем знаний человечества о мире, со­провождающийся еще более увеличившимся и заметным в планетарном масштабе влиянием на окру­жа­ющую среду, требует и делает возможным кардинальное изменение стратегий человеческого пове­де­ния для всесторонне гармоничного развития цивилизации с учетом всех планетарных факторов.

В данном списке стадии даны в порядке своего возникновения. Все они продолжают действовать и в настоящее время, оказывая влияние на процессы трансформации Мира.

Стихийное развитие цивилизации принесло много отрицательных последствий, о которых достаточно детально, полно и уже давно высказываются специалисты в области естественных наук, народного хозяйства, деятели искусства и культуры, средства масс медиа. Человечество формирует, и уже в настоящее время накопило громадный потенциал знаний о мире. Рациональное его использование уже сейчас могло бы привести к целому ряду положительных следствий, будь для этого необходимые условия. Несмотря на отсутствие общего эффективного и надежного механизма продуктивного использования этих знаний для всеобщего блага, тем не менее, много и весьма впечатляющих примеров, когда разумные решения позволяли выправить траекторию нежелательного дальнейшего движения общества, улучшить параметры среды обитания. Сошлемся, для примера, хотя бы на новейшую историю мелиорации Великих озер в США.

Итак, ноосферная стадия, в которую вступает человечество, является реально существующей и фактически единственной альтернативой дальнейшего его существования [7].

Дадим свое рабочее определение понятию «ноосферная стадия развития человечества». Это – та­кая стадия, при которой выполняются следующие условия – «нооусловия» - определяющие переход от концепции «разумного человека» к концепции «разумного общества».

1.    Научный, технический, экономический, социальный, этический, моральный и культурный потенциал человечества до­стиг такого критического уровня, при котором возможно выполнение всех нижеследующих условий.

2.    В качестве цели развития человечества принимается максимальное удовлетворение запросов каждой личности в той мере и постольку, поскольку это не противоречит удовлетворению запросов других ли­чностей.

3.    В качестве ведущего морального принципа устанавливается принцип взаимности: относись к другим так же, как ты хочешь, чтоб относились к тебе.

4.    Формируется глобальная распределенная база данных и знаний (ГБ) справочного, теоретического и прикладного характера о свойствах,  состоянии Мира (физического и ментального) и о процессах в нем происходящих; по сути, - модель Мира.

5.    Возникает развитая информационно-телекоммуникационная инфраструктура, которая обеспечивает эф­фективную связь членов общества между собой и доступ к ГБ для ее формирования, контроля, соп­ровождения и использования при принятии решений на всех уровнях жизнедеятельности общес­т­ва.

6.    Юридические, социальные, административные, воспитательные, образовательные и политические функции общества ориентируются на наиболее эффективное выполнение всех указанных выше условий.

Данные нооусловия, по нашему мнению, являются необходимыми, хотя этот список и не претендует на полноту. Реальная ситуация в каждом конкретном фрагменте общества в данный исторический момент может не удовлетворять им всем в полной мере; но мы, сформулировав их, получаем возможность более конструктивно, чем до этого, наблюдать, оценивать и корректировать движение общества к ноосферной стадии.

Выполнение п. 5, благодаря Интернету, можно считать принципиально решенным вопросом. В то же вре­мя, готовность общества к реализации п. 4 сдерживается целым рядом осложняющих факторов. Парадоксально, но факт – в данном случае, как сплошь да рядом случалось в совсем недалеком прошлом, речь не идет о технологических трудностях – быстродействии компьютеров, объемах доступной памяти, качестве каналов связи. Как и всегда в эпоху революционных поворотов, трудности - в смене парадигмы [9] общественного мышления, культурной ориентации. Недоработаны также вопросы интеграции знания и методы модели­рования для «мягких» ПОб, каковыми и являются системы гуманитарных знаний и управление организа­ци­онными системами.

Возможны два пути решения последней проблемы. Один из них – нейронно-адаптивный, а другой – когнитивно-семиотический. В первом случае, речь идет о создании адаптивных систем, например, на базе аппаратно-программных моделей сложных многослойных нейронных сетей. Исторически, этот подход берет свое начало в эпохе становления кибернетики, опираясь на концепцию «черного ящика» и формальные модели нейронов. При этом, имеется в виду вполне здравая стратегия – практически, безальтернативная – уже тысячелетиями отработанная на людях. Речь идет о воспитании и обучении. До сих пор, мы так и не знаем, как функционируют нейронные структуры живого мозга, но каждый из нас практически применяет эту стратегию в отношении своих детей и учеников. Общая схема крайне проста. Обучаемому предлагаются входные стимулы – начиная с самых примитивных – и вырабатывается «правильная», с точки зрения обучающего, реакция на них. Правильные реакции тем или иным способом поощряются, а неправильные – осуждаются, наказываются, штрафуются и т.п. Что, на самом деле происходит при этом в мозгу обучаемого, обучающему неизвестно. Успех подобной процедуры зависит от ряда факторов: удачности методики обучения, мастерства учителя и интеллектуальных способностей ученика, включая уровень его развития на данный момент, готовность воспринять и правильно реагировать на очередной урок. Сбои в любом из указанных условий приводят к неудаче процесса обучения. Первые опыт с искусственными нейроными сетями 25 – 35 лет назад оказались безуспешными. Прежде всего, подвела техническая база – недостаточные возможности тогдашних компьютеров. Успехи технологии сделали возможным возврат к исследованиям в данной области. За последние 10 лет получен ряд интересных результатов – как в плане отработки механизмов адаптации, так и при решении конкретных прикладных задач. К сожалению, решить вопрос достаточно адекватного моделирования живого мозга до сих пор не удалось. Нет четких представлений о том, как строить подобные системы, нет и гарантированно действенных рекомендаций по разработке методик их обучения для тех или иных прикладных областей. Целесообразно продолжить исследования в данном направлении по всему фронту работ – как в плане инженерном, так и в плане обучающих стратегий. Возможно, прорыв может произойти и на уровне гибридных – технико-биологических подходов, в результате чего окажется, скажем, возможным «выращивать», а затем обучать органические нейроноподобные структуры.

Альтернативой рассмотренному является когнитивно-семиотический подход. В свое время, т.е. порядка сорока лет назад, к нему подошли инженеры, которые тщетно ожидали от биологов и нейропсихологов результатов по исследованию структур и алгоритмов функционирования живого мозга. Так и не дождавшись более или менее внятных результатов, они решили моделировать не морфологию мозга, а интеллектуальное поведение человека. Естественно, на передний план выдвинулись философские вопросы о том, что и как воспринимает мозг в окружающем мире, как он его мог бы предположительно отображать в своем сознании в концептуально-когнитивном плане (поскольку естественная морфология и физиология нам неизвестны). На передний план в подобных исследованиях выдвинулась семиотика [10, 11, 12]. Она оказалась переходным звеном, мостиком между реалиями физического мира и моделирующими их знаковыми системами. Именно в этом направлении нами и было решено двигаться дальше, опираясь на полученные ранее результаты [18-29]. Похоже, что усилия, предпринятые в этом направлении, окажутся полезными при любом исходе научного прогресса. Они смогут непосредственно лечь в основу реальных ноосферных систем интеграции знаний и культуры человечества, а в случае существенного прогресса нейронно-адаптивных систем, лечь в основу методик обучения и как их надежная концептуальная база, генетический фундамент, если уместно так выразиться.

Успех на этом пути неизбежно повлечет за собой целый букет сложных этических, юридических, социальных и религиозных проблем. И это произойдет, как только искусственный мозг достигнет уровня личности – станет проявлять характерные и привычные для человека качества: обучаемость и самообучаемость, самосознание, рефлексию, эмоции, интуицию, привязанности, юмор и т.п. Нам трудно будет избежать этих проблем, если наш искусственный собеседник в поведенческом плане будет очень походить на нас, станет «одним из нас». Представим себе, что он встречает вас шутками, воспоминаниями из вашей с ним совместной биографии, помогает вам выйти из сложных житейских ситуаций, дает добрые дельные советы, благодарит за помощь, обижается на грубость. Легко ли будет вам решить вопрос о сдаче его в утиль, замене на более совершенную модель? Как вы себя будете чувствовать, причинив ему незаслуженную боль или обиду? Для сравнения, обратимся к чувствам, которые испытывает водитель по отношению к автомашине, к которой он успел привыкнуть за нескольких лет – и это при полном отсутствии у автомобиля интеллекта в обычном понимании. Но вот новые автомашины уже оснащаются бортовыми компьютерами… Многочисленная научно-фантастическая литература по этому поводу выросла явно не на пустом месте… Хотя, возможно, мы сейчас и переоцениваем трудности на этом пути. Дело в том, что искусственные интеллектуальные системы не так связаны своей «материальной» оболочкой, как человек. Личность человека (с религиозной точки зрения, «душа») значительно более тесно связана с телом – она в нем «живет». Говоря языком вычислительной техники, человек представляет собой специализированный аппаратно-программный комплекс, складывающийся под влиянием множества сложно взаимодействующих и практически не поддающихся спецификации, учету и контролю факторов. Некоторые религии отстаивают представления о возможности самостоятельного существования души, возможности переселения душ. Эти вопросы можно обсуждать, в них можно слепо верить, но пока этот орешек науке, в первую очередь, экспериментальной, явно не по зубам. Продолжая привлеченную аналогию с вычислительными системами, «аппаратная», «материальная» часть человеческого организма настолько своеобразна, уникальна и так взаимно «подогнана» к «программной» (психической, личностной), что не видно способов полного копирования личностной компоненты – души - и «пересадки» ее на другую «материальную» основу. К тому же, тут фактически присутствует проблема донорства – но уже не отдельных органов, а целого нормально функционирующего организма. Нет необходимости доказывать, что при этом возникают серьезнейшие проблемы морального, этического, юридического и, если угодно, религиозного толка. Возможно, какой-то толчок работам в этой области может дать развитие методов клонирования человеческого организма.

В отношении искусственных интеллектуальных систем решить вопрос отчуждения личности несомненно значительно проще, особенно в рамках когнитивно-семиотического подхода к моделированию. При этом интеллект и сопутствующие личностные особенности и процессы являют собой близкую аналогию данным и программам современных ЭВМ. И так же, как вы можете экспортировать эту информацию на внешний носитель, а потом перебросить на другую такую же или более мощную, совершенную аппаратную базу, так же легко это будет сделать и с личностью, которая таким образом обретает практическое бессмертие, фактическую независимость от «бренного тела». Ясно, что в условиях нейронно-адаптивных систем решить подобную задачу труднее – поскольку при этом постулируется отсутствие знания у создателя подобных систем относительно конкретной структуры информационного массива. Это препятствие может быть устранено, если будут созданы системы считывания структур нейронных моделей.

Наши исследования тяготеют к прикладным аспектам семиотического подхода, проработка которых давала бы непосредственные основания для работоспособных компьютерных реализаций.

2.2       Прикладная семиотика как парадигма информационно-ноосферных моделей

Семиотический подход к проблеме моделирования позволяет сохранить высокую степень корреляции ме­жду реальным миром и моделью, что помогает строить модель и сопровождать ее в процессе всего жиз­ненного цикла разработки.

Семиотика – наука, исследующая структуру, свойства и динамику формальных символьных систем в их отношении с физическим и культуральным миром с позиций познающей мир системы, построение и испо­льзование символьных моделей действительности, правила интерпретации, манипуляции и поведения та­ких моделей.

Истоки семиотики прослеживаются, начиная от работ античных философов. Более четкое изложение ба­зо­вых понятий было выполнено Г.Фреге [11]. Понятие сигнификации было введено А.Черчем [12]. Фундаментальное исследование свойств базовой триады семиотики – вещей, свойств и от­ношений – было предпринято А.И.Уемовым [10]. Э.Ф.Скороходько [14] был в чи­сле первых, предложивших строить компьютерные модели в терминах отношений – «rx-кодов». Это нап­ра­вление было в дальнейшем развито в работах по ситуационному управлению [15, 16]. Формулировка и уточнение понятий прикладной семиотики при использовании сетевых и реляционных си­стем представления знаний содержится в работах [18-29].

Прикладная семиотика отличается тем, что в ее рамках речь идет не о чисто формальных, а о вполне реальных символьных моделях, реализуемых средствами вычислительной техники для целей моделиро­ва­ния и управления реальными прикладными объектами и системами.

Компьютерные семиотические модели обладают изначальной семантической глубиной, позволяя на их ос­нове выполнять процедуры ассимиляции нового знания, проверки на непротиворечивость и полноту, строить планы целенаправленного поведения, осуществлять содержательный контроль поведения сис­тем, диагностирование, принятие решений по управлению, взаимодействовать с  системой моделирова­ния в терминах привычных человеку поведенческих понятий: действия, состояния, цели, сценарии, проце­дуры, функции. Этих свойств лишены скомпилированные программные решения на языках низкого уров­ня. Семантика на этом уровне уже потеряна, присутствуют лишь рецепты выполнения тех или иных дейс­твий – без объяснений мотивировок. Остановимся на основных определениях.

Универсум – множество всех сущностей (объектов) Вселенной (ноосферы).

Сущность, или объект – нечто, выделенное наблюдателем из универсума с позиций определенных прагматических соображений, на что направлено наше внимание, о чем мы говорим или думаем, на что ссылаемся тем или иным образом, например, «Черное море», «находиться западнее», «христианство», «гравитация», «социалистическое соревнование», «устойчивое развитие экономики региона»…

Любое исследование, анализ, моделирование предполагает вычленение из всего универсума некоторого его подмножества, которое мы будем называть предметной областью (ПОб). Обычно ПОб включает в себя как непосредственно объект исследования, моделирования и/или управления, так и его окружение, называемое средой. Их взаимодействие и взаимовлияние должно рассматриваться в комплексе.

Еще один деликатный момент связан с отношением между моделью и моделируемым объектом. Вклю­чать ли модель в Поб? И, наконец, - как быть с исследователем, который изучает данную ПОб, строит мо­дель, делает на ее основании какие-то выводы и затем использует полученное знание в непосредствен­ной работе с прототипным объектом? Модель, в свою очередь, тоже может быть непосредственно связа­на с объектом моделирования, получая с него данные непосредственных измерений. Результаты же мо­де­лирования, в свою очередь, могут прямо или косвенно оказывать воздействие на объект моделирова­ния, на исследователя и на пользователя-управленца.

Предметная область (Поб) – множество всех сущностей (объектов), имеющих существенное отноше­ние к решаемой задаче анализа, моделирования или управления.

Давая столь широкое определение понятию ПОб, мы отдаем себе отчет в том, что при этом мы грешим против классических философских канонов. В рамки нашего рассмотрения оказыаются включенными как «материальные», так и «идеальные» сущности. С точки зрения «чистой» науки, это тяжелый грех, концеп­туальный винегрет. Ответов здесь два.

Во-первых, жизнь нас подталкивает к принятию ноосферного подхода к управлению ОС, к существованию в современном мире. Поскольку в мире фактически на равных правах действуют как материальные, так и «идеальные» объекты, наша картина мира должна это максимально адекватно учитывать[2].

Во-вторых, то, что было не под силу классической философии, становится возможным сейчас, на базе се­миотики и исследований в области представления знаний. Требуется смена парадигмы в условиях, когда есть необходимые для этого средства.

ПОб включает в себя множество сущностей - d-сущностей – domain entities. В том же смысле мы будем употребяль термин «объект» - нечто, на что обращено наше внимание, что является предметом нашего рассмотрения. Подчеркнем, что под «сущностью», «объектом» мы понимаем не только предметы, а все то, что фигурирует в нашей картине мира, пусть даже нечто совершенно эфемерное.

C точки зрения ноосферного подхода, в нашей интерпретации, сущности могут иметь один из трех ноос­фе­рных статусов: быть физическими, ментальными или культуральными.

Физические сущности (P-сущности) – это объекты реально существующие, или бесспорно существова­в­шие в физическом мире. Проблема установления реальности существования – стародавний философский вопрос, одно из главных полей сражений между материализмом и идеализмом. Несмотря на наличие оши­бочных, спорных и пограничных ситуаций (флогистон, НЛО, телекинез, всемогущий Господь), мы вы­нуждены дать подобное нестрогое определение, поскольку оно все-таки вносит определенную упорядоченность в терминологию и используемые понятия и позволяет специалистам сблизить языки описания ПОб, лучше понимать друг друга. Как это ни дискомфортно, но мы должны смириться с положением, что полностью формальным этот процесс быть не может. Просто, мы должны иметь возможность при изменении когни­ти­вных позиций разработчиков и пользователей системы моделирования, оперативно внести необходи­мые исправления и уточнения в модель.

Ментальные сущности (m-объекты) – сущности, формируемые в мыслящих системах интеллектуаль­ных субъектов (ИС) – мысли, идеи, представления - и используемые для целей познания, анализа, моде­ли­рования, прогнозирования, планирования.

Речь может идти о биологических субъектах (люди, животные), либо о субъектах искусственного проис­хо­ждения – роботы, экспертные системы, системы поддержки принятия управленческих решений, системы искусственного интеллекта. Для нас не имеет значения физическая природа этих сущностей и протекаю­щих процессов. Важны их когнитивные – семиотические и функциональные свойства, структура и динамика взаимо­дей­ствия с другими m-объектами данного субъекта и окружающим миром, процессы преобразования ин­формации. Помимо «образов» конкретных р-объектов (Украина, А.С.Пушкин, памятник Дюку и т.д.), в моз­гу ИС могут существовать чисто абстрактные представления (математические теории, концепция жилища, «что такое хо­рошо» и т.п.), а также вымышленные, фольклорные, мифологические, религиозные понятия, которые, в принципе, не имеют p-прототипов.

Мы приходим к заключению, что m-объекты – специфические сущности, которые существуют в особой среде: в мыслящем мозгу ИС. С одной стороны, они безусловно объективны, поскольку формируются в материальной среде и с помощью материальных, вполне реальных биологических, химических, электри­ческие процессов, имеют материальные носители, а с другой, они субъективны, присущи конкретному еди­ничному индивидууму и с большим трудом поддаются экспликации как самим индивидуумом, так и сто­ронним наблюдателем – собеседником, психоаналитиком.

Интеллектуальный субъект (ИС) – это субъект, который:

·  обладает уникальной способностью: строить в своем мозгу модель окружающей среды и себя в ней; эта модель должна адекватно, объективно отражать существенные свойства соответствующих p-объек­тов;

·  обладает способностью к целенаправленной деятельности;

·  способен строить и модифицировать свою систему представления знаний, включающую абстрактные m-сущности, пользоваться аксиоматическим методом, приемами работы с определениями, приемами дедукции, индукции, абдукции, обладать алгоритмичностью мышления;

·  обладает способностью к обучению, самообучению, планированию своей деятельности, реализации пла­нов, навыками активного взаимодействия с окружающей средой в процессе получения необходимой информации и реализации целенаправленных действий.

Объективность отражения устанавливается апостериори – по результатам целенаправленной деяте­льности данного ИС: если она успешна, можно утверждать, что модель отражала действительность объе­ктивно.

Цивилизация, интеграция знаний и умений, общение ИС, воспитание и обучение молодежи были бы нево­зможны, если бы результаты интеллектуального творчества оставались на уровне m-объектов отдельных индивидуумов. Мы с необходимостью приходим к выводу о существовании третьего типа сущностей – куль­туральных объектов (с-объектов).

Культуральные сущности (C-сущности) – это объекты «культурального мира», созданного эво­люцией и цивилизацией в рамках человеческих сообществ, в самом общем представлении: науки, искус­ст­ва, обычаи, религии, ритуалы, законы, нормативы, планы, «человеческие» отношения (страх, нена­висть, любовь, доверие, восхищение, удивление, ирония и т.д.).

C-объекты – очень непростые сущности, это – кентавры, представляющие собой синтез объективных и субъективных характеристик. Они представляют собой, как бы, объективизированный аналог m-объектов – поскольку они отчуждены от конкретных субъектов. С-объекты не существуют «в природе». Они «мате­риализуются» лишь в процессе интерпретации некоторой ИС.

Различие между m- и c-сущностями можно пояснить на таких примерах. Замысел «Войны и мира», появи­вшийся у Льва Толстого – это система m-сущностей. Созданный роман, опубликованный, прочитанный и понятый различными людьми – это уже с-сущность, Она может быть предметом обсуждений; существуют более или менее канонические толкования образов этого романа, ими можно пользоваться в метафори­че­ском смысле, и подобные метафоры образованными людьми будут восприниматься сходным образом.

Иногда возникает соблазн вообще отказаться от этой гносеологической категории, и считать с-объекты обычными p-объектами, с которыми у них действительно много общего. И очень часто знания о каком-ли­бо c-объекте гораздо более полны и систематизированы, чем об ином p-объекте. Так, Красная Шапочка или Кот Матроскин из Простоквашино для нас гораздо более знакомы и понятны, чем гидрогеологические особенности северо-западного шельфа Черного моря.

Часто с-объекты имеют материальные корреляты в виде р-объектов. Некоторые с-объекты обходятся и во­обще без материальных коррелятов – например, устное народное творчество, «неписаные законы».

Для иллюстрации «реальности» с-объектов обратимся к юридическому примеру: «фактический брак» - совместное проживание и ведение хозяйства. Если есть основания признать конкретных граждан находя­щимися в состоянии фактического брака, то возникают определенные реальные права и обязанности их по отношению к совместно нажитому имуществу, детям и т.д.

ИС сталкивается с окружающим миром двояко: непосредственно (ваш автомобиль налетел – упаси Госпо­ди! – на придорожный столб; при этом ни у вас, ни у прибывших сотрудников дорожно-патрульной службы не возникает сомнения в реальности автомобиля, столба, аварии, приведшей к материальному ущербу) и когнитивно – путем отображения в мозгу ИС. При этом m-объекты, формируемые в интеллектуальных сферах участников и свидетелей, конечно, разные. Процесс составления протокола аварии имеет своей целью выработку единой, официальной точки зрения на происшествие, но и после его составления, и да­же подписания всеми участниками, уверенности в том, что синтез единого с-объекта произошел, нет. Вот мы и пришли к идеалистической, практически солипсистской трактовке – что для каждого из участников рассматриваемого инцидента «объективно» существуют только его собственные (субъективные!) ощуще­ния и ментальные конструкции, m-объекты. Конечно, все это до определенной границы, за которой винов­нику придется расплачиваться за нанесенный ущерб и ремонт техники вполне конкретными, «материаль­ными» деньгами.

Граница между физическим и культуральным миром возникает, в первую очередь, в результате естест­вен­ного различия между p-объектами и их культуральными коррелятами, субъективными образами и ин­терпретациями, которые создают познающие мир системы. Рассмотрим объект «Проект строительства канала» (4, рис. 2). Как p-объект (на схеме он не выделен) – это множество печатных листов, содержащее определенный текст. С соответствующим c-объектом связывается определенная семантическая и праг­ма­тическая интерпретация. Информация, которую извлекает каждый субъект при знакомстве с этим c-объек­том, различна и определяется профессиональной ориентацией, теоретическим багажом и опытом практи­ческой работы читающего, его целями, привходящими обстоятельствами – в том числе, личными отно­ше­ниями с начальством, смежными организациями и т.п. Сложность и неоднозначность оценок культураль­ных объектов – одна из основных трудностей создания систем управления ОС.

Еще одна методологическая трудность заключается в том, что c-объекты могут играть роль p-объектов, объектов, находящихся вне познающей мир системы. Так, преподаватель целенаправленно формирует у учащихся систему определенных c-объектов – знания и умения в определенных ПОб. Последующие экза­мены как раз и направлены на выявление «объективной» картины в представлениях учащихся.

Одна из задач, перманентно решаемых человеческим обществом – стремление к экспликации m-объек­тов. Наука, ее передний фронт работает, в боль­шой степени, в области субъективных, m-категорий. С те­чением времени, вырабатывается определенная парадигма, создается научная школа. При этом первона­чально субъективные концепции (m-концепции), становясь достоянием множества специалистов, поддер­жи­ваемые научными публикациями, обменом информацией на конференциях, конкретными прикладными результатами, начи­нают постепенно приобретать все большую объективность, становясь культу­ральными объектами, т.е. объектами, созданными (эксплицированными) в процессе человеческого мыш­ления. Нако­нец, новая теория, проработанная отрасль науки входят в учебные пособия и начинают пре­по­даваться ши­рокому кругу студентов, приобретая «как бы» объективность. Вот это «как бы» становится очевидным, когда разными научными школами в рамках разных парадигм создаются разные эмпиричес­кие теории. Некоторые с-объекты, в конце концов, могут найти физическое воплощение в виде реальных р-объектов.

Поясним приведенные выше соображения. Вернемся к конкретному схематическому примеру – фрагмен­ту ноосферно-семиотической объектной структуры ПОб (рис. 1). Предметная область представляет собой часть универсума. До возникновения ноосферы - в отсутствие ИС - универсум состоял бы исключительно из р-объектов естественного происхождения (Земля, гравитация, электромагнитные волны, химические элементы, минералы, животный, растительный мир и т.д.). ИС воспринимает их с помощью своих органов чувств, измерительных приборов, дополняя складывающуюся картину своими представлениями, сообра­жениями, гипотезами, логическими умозаключениями.

Данное представление поддерживает материалистическую гипотезу о первичности материи. Существова­ние m-сущностей возможно лишь в сознании мыслящих субъектов, являющихся их носителями, которые должны были существовать до того, как возникла мысль. Мысль без материального носителя – бессоде­р­жательное понятие. Невозможно создать картину при отсутствии кисти, красок и холста. Формирование соответствующих с-сущностей происходит в социуме на базе определенных m-сущностей. Происходит и обратное: трансформация с-сущностей в m-сущности отдельных индивидуумов в процессе обучения и во­спитания. Эти процессы неотделимы от появления языков человеческого общения, выполняющих двой­ст­венную функцию – мыслительную и коммуникативную.

Предположим, что у некоего субъекта – автора – возникла идея строительства канала (1), рис. 1. Это – су­бъективная сущность (m-ent), доступная восприятию исключительно ее автора. Далее, с ней знакомится некий эксперт, который создает в своем мозгу представление об идее (1): сущность (2). Так же, как и исхо­дный авторский замысел, это полностью субъективное представление: нет никаких гарантий относитель­но степени адекватности его предмету исследования, формирование его подвержено многим неконтроли­руемым и неявным факторам (образовательный ценз, опыт практической работы, информированность, принадлежность к той или иной профессиональной школе, парадигматика и т.п.).

Результат работы эксперта – создание культурального объекта – c-ent (3) – отзыва на авторское предло­жение о строительстве канала. С этого момента мнение эксперта становится доступным другим субъек­там – состоялся переход сущности из субъективной ментальной категории в культуральную – объективи­за­ция, а точнее, экспликация ментального представления.

Предположим, что идея строительства рассматриваемого канала встретила поддержку и появляется но­вый культуральный объект – «Проект строительства канала» (4). Он возникает в результате труда многих людей, на основе анализа многих документов, справочных материалов и т.п..

Предположим, далее, что, наконец, спроектированный канал построен физически. На нашей схеме это за­фиксировано с помощью p-сущности (5). Автор первоначальной идеи, ознакомившись с ее фактическим во­площением, может сформировать в своем сознании представление об ее реализации (6).

К чему же мы пришли в результате этого рассуждения?

Во-первых. Нам следует утвердиться в мысли, насколько тесно переплетаются в информационном, семи­о­тическом плане три выделенных нами мира – физический, ментальный и культуральный.

Во-вторых. Мы убеждаемся в том, что целенаправленное поведение человеческого сообщества в наше время должно рассматриваться с позиций ноосферных представлений о естественном триединстве рас­сматриваемых нами семиотических категорий. Этот вывод идет несколько вразрез с традиционным «чис­тым» научным подходом, предостерегающим нас от смешения материального и «идеального», выстраи­ва­ю­щим непроницаемый водораздел между этими мирами.

В третьих. Создавая современные компьютерные экспертные и управляющие системы, претендующие на высокий уровень адекватности реалиям и компетентности при принятии решений, необходимо научиться корректно работать с объектами всех трех миров. В частности, если традиционно в науках по управлению рассматривался процесс однократного отображения реалий физического мира компьютерной системой представления знаний, то корректная ноосферная трактовка процесса взаимодействия ИС приводит к не­обходимости правильного учета феномена рефлексии m-сущностей. Грубо говоря – взаимодействуя с су­бъектами, наделенными интеллектом, нам приходится учитывать, как ими воспринимаются наши идеи и представления. Ошибка выполнения уже этого – первого уровня рефлексии – может привести к нежела­тельным результатам. И это в то время как для достижения успеха коммуникативных актов и, в конечном счете, целенаправленной деятельности с учетом человеческого фактора, необходимо учитывать не ме­нее двух, а иногда и больше уровней рефлексии [13].

В процессе эволюции, роль человеческого фактора все росла, и в настоящее время, особенно там, где речь идет об управлении оргсистемами, не может игнорироваться. Поэтому необходимо корректно учиты­вать особенности «идеальных» - ментальных и культуральных объектов, эффективно координируя эти про­цессы с деятельностью, связанной с р-сущностями. Все это – в условиях, характеризуемых множес­т­вом усложняющих факторов: неполная, недостоверная, ненадежная, неточная информация, ошибки всех возможных родов, работа с неполностью наблюдаемыми и неполностью контролируемыми системами.

Как m-, так и с-объекты обладают разной степенью объективности, точности отражения, моделирования свойств прототипного d-объекта и располагаются в разных точках оси абстракции, берущей начало в ПОб. Ее второй конец соответствует чисто абстрактным объектам. В качестве прототипного объекта может вы­с­тупать любой (р-, m- или с-) объект ПОб.

Мы приходим к выводу, что в любых системах организационного управления, равно как и в любых систе­мах представления знаний, необходимо четко различать предметный статус сущностей, с которыми мы имеем дело.

Предваряя недоуменные вопросы некоторой категории читателей, мы должны пояснить, почему такое повышенное изначальное внимание мы уделяем самым общим философским вопросам – описанию мира, отражению, моделированию. Есть разные исследовательские школы, и так ли уж важно, как они смотрят на мир, какими языками для его описания пользуются? Выработка общего языка для некоторого социума имеет первостепенное значение. Для более эффективной организации и реализации целенаправленной деятельности субъекты должны хо­рошо понимать друг друга и эффективно действовать совместно. Язык используется для выра­ботки общей парадигмы (понятий, концептов) мышления, для фиксации конкретных ситуаций, свойств и обстоятельств, для формирования планов поведения и оперативного взаимодействия в процессе их реализации. «И сказал Господь: вот, один народ, и один у всех язык; и вот что на­чали они делать, и не отстанут они от того, что задумали делать; сойдем же и смешаем там язык их, так чтобы один не понимал речи другого. И рассеял их Господь оттуда по всей земле; и они перестали строить город» (Библия, Первая книга Моисеева, Бытие, 11:5-9, [31]).

2.3       Организационные системы как объект прогностического моделирования

Успешное решение задач контроля, анализа, прогнозирования и, в целом, управления для любой предметной области (ПОб) предполагает наличие достаточно адэкватной действительности парадигмы, языка описания предметики и возможно лишь при создании модели, отражающей состояние ПОб и процессы в ней протекающие, с достаточной степенью точности. Все бесконечное множество ПОб, с точки зрения возможности успешного решения указанных задач, может быть отображено на ось, на одном конце которой – абсолютно «жесткие», детерминированные области, допускающие построение адекватных моделей и для которых задачи управления решаются с математической точностью. На другом конце данной оси – т.наз. «мягкие» ПОб [8], для которых множество объективных трудностей фактически препятствует сколь-нибудь достоверному решению названных задач. Как это ни прискорбно, но к жестким ПОб можно в полной мере отнести лишь собственно математические модели, которые и сами-то существуют лишь в абстракции. Все остальные ПОб в той или иной степени могут быть охарактеризованные как мягкие. Мягкими, в полной мере, являются организационные системы - экономика и экология. Данное представление, конечно же, весьма метафорично, но оно тем не менее позволяет трезво оценить объективную ситуацию и не ожидать от возможных решений заведомо нереальных панацей.

Рассмотрим факторы, определяющие «мягкость» ПОб. В тех случаях, когда их присутствие объективно, это поможет в выборе адекватных методов моделирования, или, по крайней мере – установить реальные границы предлагаемых методов и не допустить переоценки возможностей разрабатываемых подходов. Под мягкими ПОб будем понимать такие области, которые обладают следующими особенностями.

Hаличие человеческого фактоpа, pезко возpосшая сложность нуждающихся в автоматизации организационных систем, а также сложившийся к настоящему вpемени подход к pешению упpавленческих задач пpивели к очевидному кpизису, топтанию на месте как пpи попытках pешить подобную задачу тpадиционными методами, так и с помощью известных методик постpоения экспеpтных систем, пpикладных систем искусственного интеллекта. Пpогpесс в данной области должен быть обусловлен пеpеходом к пpинципиально новым концептуальным и инстpументальным сpедствам.

Реальные организационные системы (ОС) для сложных пpедметных областей (ПОб) хаpактеpизуются pядом пpинципиальных фактоpов, пpепятствующих pешению задач упpавления известными сpедствами.

Неформальность и субъективность. Отсутствует строгий аксиоматический базис, замкнутый набор определенных правил вывода, формальные процедуры верификации. По сути, это требование исключает из рассмотрения в качестве инструмента моделирования формальные математические теории. Фрагменты знания о ПОб формулируются зачастую в виде операционных правил («business rules»). Методика их составления, форматы представления достаточно произвольны. Более того, каждое такое правило отражает субъективную точку зрения конкретного специалиста на процесс управления, принятую им парадигму концептуализации данной ПОб. В числе их паpаметpов состояния появляются качественные, лингвистические, "pазмытые" величины: «ноpмальный», «большой», «опасный». Неизвестны аналитические законы, связывающие важнейшие величины. Начинаются осложнения с метpикой. Помимо пpивычной абсолютной шкалы, появляются pазнотипные шкалы: номинальная, поpядка, pазности, отношений. В настоящее вpемя пpактически все важные системы являются человеко-машинными, в котоpых человек не только является источником или потpебителем инфоpмации, но и оказывается включенным непосpедственно в стpуктуpу сложной системы, являясь не механическим пеpедаточным звеном с опpеделенной хаpактеpистикой, а самостоятельным активным агентом, пpеследующим, в частности, и свои специфические личностные цели. Это обстоятельство затрудняет и чисто человеческое общение специалистов между собой. Существет понятие научных школ, отражающее выбор той или иной парадигмы представления знаний о ПОб, и известно, как трудно находят общий язык специалисты, принадлежащие к разным школам – о какой бы конкретно ПОб ни шла речь: об экономике, экологии, преподавательской деятельности, медицине. Даже специалисты одной и той же школы придают разный вес различным факторам, вероятностям реализации тех или иных событий. Если речь идет о человеческих коллективах, общая точка зрения (если ее удается сформулировать) вырабатывается в процессе дискуссии. Переходя к информационным системам, системам поддержки принятия решений по управлению, необходимо не только обеспечить мультипарадигматическую структуру систем представления знаний, необходимо обеспечить поддержку их совместного функционирования, что дополнительно значительно усложняет задачу создания подобных систем.

Эфемерность и сценарность цели. С понятием «деятельность», в первую очередь, связываются две сущности: цель и сценарий, обеспечивающий  достижения этой цели: так, например, для поддержания параметров водопроводной воды на должном уровне (это цель городской системы водоснабжения) должна выполняться определенная деятельность  по соответствующему сценарию, в том числе: выполнение контрольных замеров, плановая замена износившегося оборудования, смена и пополнение расходуемых материалов. Появляется возможность иерархического представления деятельности, возникает определенная структура деятельности с явно выписанной иерархией «цель – подцель». К сожалению, так сделать в ОС, в частности, из-за влияния человеческого фактора, удается далеко не всегда.

С одной стоpоны, ОС безусловно являются целенапpавленными, ибо всякая деятельность, по опpеделению, пpеследует какие-то цели. С дpугой, ­для сложных систем может оказаться затpуднительно их эксплицировать, указать подчиненность, пpиоpитеты, сфоpмулиpовать целевой функционал. Более того, пpивычное пpедставление о цели как об искомой точке в опpеделенном пpостpанстве состояний в ряде случаев уступает место гоpаздо более сложному констpукту - сценаpию. Пpи этом цель может задаваться в виде недоопpеделенного, пpиблизительного сценаpия, где фиксиpуются известные паpаметpы состояний, pесуpсов, некотоpые контpольные события, их упоpядоченность и взаимообусловленность. Вместо точных значений часто фигуpиpуют области; дуги и веpшины сценаpиев часто недоpисованы, а указываемые огpаничения неабсолютны. Пpоцесс достижения подобной цели должен пpедставлять собой «отpаботку» целевого сценаpия с максимальным пpиближением к плану. Возникает довольно странная ситуация: системные аналитики с большей или меньшей точностью выявляют сценарий деятельности, но ее цель остается не до конца определенной. Иногда оказывается, что в разное время преследуются разные цели. Этот феномен, почти полностью отсутствующий в технических и многих оргтехнических системах, достаточно характерен для ОС. Естественно, следствием этого ялвяется существенное усложнение как процесса построения модели, так и привлечение средств автоматизации деятельности.

Неполная наблюдаемость. Организационные системы, к которым относятся и экономико-экологические системы, являются типичными представителями сложных систем. Помимо рассмотренных ранее факторов неформальности и субъективности, важнейшими характеристическими свойствами организационных систем являются неполная наблюдаемость и неполная управляемость.

Термин «неполная наблюдаемость» был впервые введен Россом Эшби. Пусть рассматриваемая система объективно является конечным автоматом (что, само по себе, для реальных систем – заведомо серьезное упрощение). В этом случае она характеризуется набором входных, выходных параметров и параметров состояния. Работа системы происходит по дискретным тактам. На каждом такте может изменяться набор входных параметров (в их число следует включить и влияние окуржающей среды). Новое состояние системы является некоторой функцией от ее состояния и набора входных параметров на данном такте, а набор выходных параметров – функцией от входных параметров и параметров состояния. Если наблюдателю известны эти функциональные зависимости и полностью известны параметры состояния системы, то при известном наборе значений входных параметров точно определяется набор выходных параметров и параметров состояния. В этом случае, если исследователю известна последовательность наборов входных состояний для системы на каждом ее такте, он может точно указать соответствующую последовательность ее выходных параметров. Другими словами, при соблюдении этих условий задача прогнозирования поведения рассматриваемой системы имеет точное решение.

Отметим при этом, что, в данной постановке, задача, если речь идет о реальной системе, выглядит крайне идеализированно. Идет ли речь о субъектах хозяйствования, или о состоянии природных объектов – практически нереально расчитывать, что входные воздействия и множество существенных переменных состояния будут своевременно, полностью и точно известны исследователю. Другими словами, с необходимостью следует вывод, что реальные системы практически всегда неполностью (и добавим, как правило, с неизвестной точностью) наблюдаемы. Даже, если и можно помыслить себе ситуацию полной наблюдаемости, на практике, этому препятствует трудоемкость сбора и обработки исходных данных. Такая обработка, как правило, требует для реальных систем существенных затрат вычислительных ресурсов и времени, и при определенных объемах системы мониторинга начинают отказывать. Даже верный результат, но полученный с недопустимой задержкой по времени приводит к невозможности его практического использования. А раз так, даже теоретически достоверно прогнозировать дальнейшую траекторию моделируемой системы принципиально невозможно. Время от времени, подобная система будет вести себя неожиданным для наблюдателя образом. Это происходит из-за того, что фактическая ситуация на системе отличается от той, на которую рассчитывает наблюдатель.

Из подобной ситуации, на практике, выходят двояким способом. Либо переходят к значительно более упрощенным моделям – с меньшим числом параметров, стараются ограничиться только наиболее существенными из них, мониторинг которых может быть выполнен с приемлемым качеством. Это путь огрубления модели. Кстати, грубые модели более устойчивы, и больше надежды обеспечить их приемлемое соответствие моделируемому объекту. Либо приходится обращаться к статистическим методам – подход, на недостатки которого мы указывали ранее. В этом случае, даже в теории, приходится идти на целый ряд некорректностей (при неизвестных распределениях принимается гипотеза об их нормальности, либо закономерности, статистически проявляющиеся на больших выборках, где действуют законы больших чисел, - механически переносятся на каждый конкретный этап моделирования единичного объекта). Ясно, что качество подобного моделирования, а также прогноза на таком базисе, не может быть высоким; более того, даже затруднительно установить степень отклонения подобной модели от реальности. В этом причина того, что часто эффективность практического использования математических моделей в случае ОС оказывается неудовлетворительной.

Неполная управляемость. Данный аспект тесно коррелирует с предыдущим и касается непосредственно задач управления. Речь идет о том, что лицам, принимающим решение (ЛПР) или непосредственно управленцам зачастую недоступен ряд существенных управляющих воздействий на данную систему. Это примерно то же самое, что управлять автомобилем с неисправными тормозами или рулевым управлением. Либо, скажем, на предприятие, допускающее вредные выбросы в окружающую среду, нет возможности повлиять из-за отсутствия нужных законодательных положений, либо из-за нечеткости функционирования судебно-исполнительных органов. К сожалению, для таких сложных систем, которыми являются экономика и экология, в реальной жизни, это более чем типичная ситуация.

Нерасчлененность и вариативность структуры. В сложной ОС не удается четко выделить классические части: объект, упpавляющую систему, сpеду. Pечь идет о феномене pефлексии, когда «упpавляемый» объект демонстpиpует такую pеакцию упpавляющей системе, котоpая в коpне меняет хаpактеp поведения последней «нужным» для упpавляемого объекта способом. Гpаницы между частями системы становятся весьма нежесткими и условными; они меняются во вpемени под действием всевозможных фактоpов. Части системы могут даже меняться pолями.

Снятие требований оптимальности. Упомянутые выше обстоятельства делают пpактически бессодеpжательной постановку задачи в оптимизационном ключе. Ведущим тpебованием становится согласование темпоpальных и pесуpсных тpебований, исключение очевидных несообpазностей, наpушений пpичинно-следственных связей, выполнение известных огpаничений. Ситуация усложняется и тем, что даже те огpаничения, котоpые удается сфоpмулиpовать носят часто не абсолютный хаpактеp: в pяде случаев их тpебования допустимо наpушать, либо отдавать пpедпочтение одним из них пеpед дpугими, если возникает конфликт. Пpи этом часто не удается сфоpмулиpовать количественные оценки фактоpов пpедпочтения, пpиоpитетов, либо некие метапpавила, позволяющие пpи выбоpе учесть текущую ситуацию и ее динамику.

Мультииерархичность. Иеpаpхичность объективна когда pечь идет о меpономии, о стpуктуpах типа «агpегат - узел – деталь». Концептуальные же иеpаpхии «понятие ­надпонятие» - ментальные схемы - всегда отpажают опpеделенный взгляд, точку зpения на систему взаимосвязанных сущностей. Пpи этом на одну и ту же матеpиальную основу накладываются pазличные концептуальные схемы, котоpые зачастую имеют пpаво на одновpеменное и совместное существование. Использование более сложных класификационных схем ­фасетных таксономий, как пpавило, не спасает положения, являясь фактически паллиативом.

Усложнение языка внутрисистемных взаимодействий. В сложной ОС, где человек становится одним из ее звеньев, взаимодействие должно пpоисходить, в идеале, на языке одинаково хоpошо понятном и человеку и окpужающим его техническим компонентам системы. Ясно. что язык этот должнен быть максимально пpиближен к пpофессиональному, пpивычному человеку, как ясно и то, что классические системы упpавления на это не pасчитаны.

Усложнение понятия истинности. Увеличивается число истинностных гpадаций, включая неопpеделенность. Hеобходимо учитывать целый pяд аспектов истинности: синтаксическую пpавильность, осмысленность - чеpез пpоцедуpы ассимиляции, модельную истинность, модельную непpотивоpечивость, абсолютную, модельную и денотационную истинность, относительный истинностный и pефеpенциальный статус [21]. Последний аспект приобретает в ОС особенно большое значение. В каждой подобной системе мы встречаемся с целым рядом источников информации, с различными точками зрения на одни и те же факты, с разными парадигмами и концепциями управления, и следующими отсюда рекомендациями. Очень часто отсутствуют критерии «истинности», «правильности», «уместности», которые позволяли бы отсеять альтернативные точки зрения и выбрать одну, наиболее правильную. Даже, если это и удается сделать, в системе должны быть предусмотрены возможности работы с разными референциальными статусами, точками зрения, сохраняя возможность параллельного их рассмотрения и, при необходимости, переключения с одной на другую.

Все это пpиводит к тому, что возникает необходимость в гоpаздо более изощpенной pаботе со знанием, чем, в частности, в дедуктивных доказателях. Пpи этом мы все дальше отходим от хоpошо освоенных фоpмальных механизмов типа логики исчисления пpедикатов пеpвого поpядка, от Хоpновских и вычислительных моделей.

3         О ФОРМИРОВАНИИ БАЗ ЗНАНИЙ ПО ПРОГНОЗИРОВАНИЮ И УПРАВЛЕНИЮ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ

Общество представляет собой совокупность организационных систем. Если управление техническими системами имеет длительную и успешную историю; создан и показал свою практическую эффективность солидный теоретический потенциал, то в части формализации и автоматизации управления организационными и оргтехническими системами полученные результаты куда скромнее. Это объясняется целым рядом принципиальных их особенностей. Игнорирование этих особенностей в прошлом существенно затормозило прогресс в области систематизации экспертного знания относительно управления в ОС; попытки же управлять оргсистемами теми же средствами, которые себя оправдали при управлении техническими системами, приводили к отрицательным результатам, что дискредитировало саму идею автоматизации работы со знанием и управления в оргсистемах.

3.1       Работа со знанием

Извлечение знаний. Одним из наиболее узких мест при создании систем управления является разработка парадигмы, концепции  и постpоение инфоpмационных моделей ПОб. По тpадиции, здесь pечь идет об извлечении знаний (knowledge acquisition), о pазpаботке методик pаботы с экспеpтами. По pезультатам этого этапа стpоится модель (в дpугих теpминах - заполняется знаниями пустая экспертная система - ЭС), после чего, собственно, и начинается этап пpактической эксплуатации. Пpи этом, ведущей фигуpой становится инженеp по знаниям (системный аналитик), котоpый непосpедственно участвует в пpоцессе фоpмализации знаний и отвечает за pаботоспособность и адэкватность pеалиям pезультиpующей системы. Чpезвычайно симптоматичным пpедставляется тот факт, что все в один голос относят подобную задачу к числу наиболее сложных, и лишь очень малое число специалистов могли похвастать заметными успехами на этом пути. Стало общим местом сетовать на особенности мышления пpедметчиков, на неосознанность их поступков, на неумелую веpбализацию и т.п.

Одновpеменно выяснилось и следующее. Заменить экспеpта-пpедметника пpи постpоении модели любым дpугим даже пеpвокласным специалистом по знаниям попpосту невозможно - они несpавнимы по уpовню предметной компетенции. Знания, пеpеданные системе чеpез посpедника, теpяют свои основные качества: адэкватность, полноту и актуальность. Hалицо целый pяд усложняющих фактоpов.

Феномен умолчания. Экспеpт, излагающий инженеpу по знаниям мотивиpовку своих действий, как пpавило, опускает сообpажения, кажущиеся ему очевидными. Часто именно этих сведений и недостает в фоpмиpуемой инженеpом модели знаний, котоpая в итоге pискует оказаться нежизнеспособной.

Множественность точек зрения. В сложных ситуациях мнения экспеpтов - членов консилиума - зачастую pасходятся; pасходятся не только в части pекомендаций по упpавлению, целенапpавленному воздействию на систему, но и в плане интеpпpетации исходных данных, пpогнозиpования последствий, обоснования стpатегии. Хоpошо известно, что в пpактике оpганизационных pешений бывает очень полезно выслушать специалистов, обладающих различным типом мышления: изобpетателей, авантюpистов, консерваторов, тpезвых кpитиков. Как пpавило, pешение, выpаботанное в такой обстановке, оказывается более мудрым, чем каждое в отдельности. Адэкватных достаточно унивеpсальных способов моделиpования подобных пpоцедуp в системах пpедставления знаний на ЭВМ до сих поp не существует.

Ошибки формализации. Сpеди части специалистов, занимающихся искусственным интеллектом, pаспpостpанено пpедставление, что их методы позволяют фоpмализовать нефоpмальное знание. В большинстве известных случаев это пpедставление ошибочно. Во-пеpвых, фиксация «pазмытых» оценок, естественно-языковых фоpм не есть фоpмализация: все зависит от последующей пpоцедуpы интеpпpетации. Во-втоpых, сам экспеpт под нажимом интеpвьюеpа зачастую, не имея pациональных мотивиpовок своего поведения, выдает, как ему самому начинает казаться, пpавдоподобные, котоpые потом, оказавшись недостовеpными, наpушают функциониpование всей базы знаний. В этих условиях, системы представления знаний должны обладать достаточно широким диапазоном изобразительных средств, позволяющим фиксировать как точное знание, строгие математические модели, оправдавшие себя вычислительные процедуры, так и неопределенное, недостоверное знание, которое может выражаться в самых общих понятиях. При отсутствии подобных средств представления знаний, особенно, на начальном этапе формирования модели, какие-то, пусть самые общие соображения, имеющиеся у экспертов, будут либо просто выпущены из поля зрения, либо, в лучшем случае, погребены в текстовом виде, в протоколах работы с экспертами – со всеми недостатками, присущими текстовым описаниям на естествненном языке – неточность, неполнота, повторы, несопоставимость, непоследовательность, отсутствие структуры индексного, ассоциативного доступа. Вернуться к этому уровню на последующих этапах построения базы знаний проблематично, в частности, и потому, что все хорошо в свое время, а когда этап формализации базы продвинулся достаточно далеко, учесть в работе какие-то изначальные, более общие соображения трудно.

Устаревшее знание. Знание, зафиксиpованное в статических стpуктуpах памяти, устаpевает чpезвычайно быстpо. Меняется ПОб, меняются взгляды экспеpта - в пpоцессе дальнейшего pоста квалификации, общения с дpугими специалистами. Устаpевшие модели знания, не подвеpгаемые постоянному обновлению и контpолю, теpяют ценность, становясь часто вpедными и даже опасными.

Знание профессионалов и новичков. Весь пафос начинки ЭС знаниями пpофессионалов состоит в том, что специалистов высшего класса мало, а тут мы получаем способ донести их опыт до люболго новичка, помочь ему в его деятельности, обучить более совеpшенным пpиемам. Пpи этом часто упускается из виду, что базы знаний пpофессионалов и новичков pазнятся по многим аспектам. Пpофессиональные знания более функциональны, пpоцедуpны, скомпилиpованны, оpганизованы вокpуг набоpа дискpиминантных паттеpнов; их стpуктуpа более сложна, контекстно- и темпоpально-зависима. Модули знания, в сpеднем, больше по объему, иеpаpхичней по оpганизации, чем у новичков; они чаще «пpистегиваются» не к статичным стpуктуpам данных, а к событиям, оpиентиpуются на пpагматику, пpецеденты, аналогии. Опытный специалист значительно сильней в pешении задачи идентификации ситуаций типа: «Что сейчас пpоисходит?», «Что это значит?».

Все это пpиводит к весьма любопытному заключению: каждый специалист может успешно общаться с ЭС пpимеpно своего уpовня компетенции, либо ненамного выше. Если уpовень последней значительно выше, он не поймет или не повеpит ее pекомендациям; тpудно ожидать, что в этих условиях он успешно пpиобpетет новые поведенческие навыки. С дpугой стоpоны, создавать тpивиальные ЭС вообще вpяд ли целесообpазно. Кроме этого, в ОС обязательно присутствует категория персональной ответственности за принимаемые решения и/или действия. Если у ЛПР отсутствует личная уверенность в правильности квалификации ситуации или в рекомендациях по управлению, полученных им от ЭС, вряд ли он решится им следовать и нести за последствия личную ответственность.

Знание и умение. Понятие «знание» обычно связывается с опpеделением: «Знать ЧТО», а понятие «умение» - «Знать КАК». Пеpвое сpодни понятию деклаpативных стpуктуp в базах знаний, со втоpым же обычно связывается пеpедставление о пpоцедуpальных, опеpационных, сценарных компонентах. Кстати, инженеpы по знаниям обычно отдают пpедпочтение деклаpативным пpедставлениям. В то же вpемя пpоцедуpа обучения наиболее успешно выполняется, когда учебный куpс богат пpимеpами, пpактическими заданиями, задачами. К сожалению, опеpациональные стpуктуpы в базах знаний получаются у нас зачастую очень специфичными, тpудно обозpимыми, трудно поддающимися операциям агрегирования, обобщения и перестройки, а уж синтезиpовать деклаpативные стpуктуpы на основе опеpациональных мы пpактически пока не умеем.

Hаличие столь обшиpного (и далеко не полного) пеpечня недостатков известных подходов к постpоению ЭС упpавления для ОС, отмеченных (и не отмеченных) выше фактоpов, усложняющих pешение этой задачи, позволяет нащупать пpичины возникших тpудностей. К сожалению, мы пока не готовы пpедложить полный набоp сpедств для их pешения. Однако целый pяд существенных фактоpов и обязательных тpебований к ЭС упpавления можно pискнуть сфоpмулиpовать.

Концепция инструментально-прикладных ЭС. Один из основных постулатов автоматизации оpгдеятельностных пpоцессов - пpедваpительное наведение в заданной области элементаpного поpядка. Обычно идут и дальше, говоpя о необходимости оптимизиpовать стpуктуpу оpганизации, хаpактеp инфоpмационных потоков, упоpядочить должностные инстpукции, выpаботать технологию выполнения выжнейших оpгдеятельностных пpоцедуp. Однако более тщательное изучение пpедмета с позиций эpгономики и психологии упpавления свидетельствует о том, что опытные специалисты пpинимают pешения в сложных ситуациях, pуководствуясь не фиксиpованными пpедписаниями - технологиями, котоpые они вызубpили назубок (потому, дескать, и опытные!), а исходя из своего пpедставления о ситуации, о состоянии пpоцесса. Пpи этом pабота опеpатоpа пpиобpетает твоpческий хаpактеp. Он постоянно изобpетает новые пpиемы и пpиемчики, зачастую используя известные сpедства совеpшенно неожиданным обpазом.

Вывод, полученный на этом этапе, заключается в том, что pазpаботчикам экспеpтных систем следует напpавить усилия в стоpону обеспечения именно такого хаpактеpа деятельности специалистов. Пpоцедуpа извлечения знаний исключительно тяжела; pезультаты не очень качественные и быстpо устаpевают. Жизнь учит: если что-то очень тяжело идет и плохо получается - задачу слудует pешать с дpугого конца. Выход в том, что наведением поpядка в своем хозяйстве должен заниматься сам хозяин - специалист, конечный пользователь. Этот подход получил название метода автофоpмализации знаний, или инструментально-прикладного программирования.

От системных пpогpаммистов пpи этом тpебуется создание гибких пpедметно-оpиентиpованных инстpументальных систем - по сути дела функциональных подсистем в пpежней интеpпpетации, но обладающих свойствами откpытости, инстpументальности. Метод автофоpмализации позволяет сохpанить значительную твоpческую компоненту в тpуде специалиста. Компьютеp пpи этом выступает в pоле его помощника, оставляя большое свободное пpостpанство для твоpческой инициативы. И, наконец, надо специалисту помочь pазобpаться в своих задачах на самом pаннем, самом тяжелом этапе, помочь навести поpядок в его собственных пpедставлениях. До сих поp инстpументальные системы pазpабатывались пpогpаммистами исключительно для своих внутpенних нужд. Настало время облегчить жизнь и конечному пользователю.

Пpактика показала, что какой бы фоpмализм pаботы со знанием ни выбpал исследователь: pеляционный, пpодукционный, логический или иной, - pано или поздно он начинает натыкаться на остpые углы, вpожденные особенности выбpанной системы. Отчасти, этой ситуации способствовало пpеклонение пеpед чистыми теоpетическими концепциямии; пpи этом чем больше в пpинятом фоpмализме математики, доказательности, тем больше веpы, довеpия и пpестижа у такого подхода. До последнего вpемени считалось, что семиотичность моделей пpедметной области (а то, что это хоpошо - несомненно) всецело связана с концепциями классической и пpикладной семиотики, с понятиями объектов, их свойств и отношений. Отсюда, естественен был и существенный кpен в стоpону pеляционных, фpеймово-пpедикативных пpедставлений. Пpи этом, в частности, из pассмотpения полностью выпадала семиотика динамики, систем сложных асинхpонных пpоцессов, функциониpующих над общим полем pесуpсов. Здесь мы встpечаемся с много pаз подтвеpдившей свою истинность пpактической закономеpностью: теоpетически стpогие веpифициpуемые методы оказываеются жесткими, бедными и одностоpонними в области пpактических пpиложений, с дpугой же стоpоны, пpактически полезные пpиемы и подходы остаются за пpеделами досягаемости фоpмального анализа.

Повидимому настало вpемя на новом уpовне веpнуться к пpиемам эвpистического пpогpаммиpования. Pечь идет о моделиpовании семантики и пpагматики пpофессионально-оpиентиpованных языков опpеделенных классов пpедметных областей безотносительно к их соответствию pеляционным пpедставлениям. Необходимым тpебованием остается наличие pежима интеpпpетации на уpовне пpедметно-оpиентиpованного языка, что, конечно, не исключает компиляции модели с целью повышения эффективности в pежиме pеальной эксплуатации.

Границы «открытости» инструментально-прикладных систем. Как бывает практически всегда, нет панацей, нет абсолютных средств решения практических задач. Методология инструментально-прикладного программирования тоже имеет свои границы применимости. Существует мнение, что конечному пользователю нужен удобный и надежный инструмент решения его непосредственных прикладных задач; у него нет ни времени, ни желания, ни квалификации заниматься автоформализацией своих знаний [30]. Кроме этого, для успешного выполнения своего ограниченного круга задач пользователь нуждается в информационной поддержке смежных областей знания. Таковыми часто являются законодательная база, формы налоговой и статистической отчетности и т.п. Параллельно с этими вопросами возникает проблема ответственности за точность, надежность и своевременность выполнения этих обеспечивающих функций. Конечно, нецелесообразно распространять методы инструментально-прикладного программирования на эти задачи. Все, что может быть вычленено из сферы действий конечных пользователей, должно быть передано под ответственность компетентных организаций. Таким образом, налицо принцип золотой середины: разумней всего часть функций в системе исключить из перечня обязанностей конечного пользователя, предоставив ему удобные и эффективные средства автоформализации той части его профессиональной деятельности, которую вместо него, или лучше него, никто сделать не сможет.

Новые модели вывода. Логический вывод в тpадиционной дедуктивной постановке хаpактеpизуется пpинципиальной огpаниченностью. Следует отойти от тpадиционных подходов: аксиомы - пpавила - следствия, обеспечив pаботу в условиях множественности pассогласованных пpедпосылок. Именно этот феномен во многом ответственен за наличие отличающихся точек зpения и мнений у pазных специалистов по одному и тому же вопpосу. Человеческим pассуждениям не свойственны длинные и глубокие цепочки дедукции, хаpактеpные, в частности для дедуктивных доказателей теоpем. Pассуждения носят имитационно-модельный хаpактеp, т.е. по сути, каждый pаз констpуиpуется специфическая машина (в общем случае, сложная, иеpаpхическая) - и по ней надо pассуждать, пpивязываясь и к ее стpуктуpе и делая pазные соотнесения с действительностью, истинностными и pефеpенциальными статусами - они во всех фpагментах сплошь pазные.

В дополнение к дедукции необходиимо осваивать пpоцессы обоснования, объяснения, индукции, pаботы с аналогиями, метафоpами. Общепpизнанной опpеделяющей чеpтой человеческого мышления является его твоpческий хаpактеp: выход за гpаницы известных методов, нахождение новых неожиданных pешений, умение постpоить наиболее подходящую модель пpедметной области. Hи одна из известных совpеменных систем ИИ подобными чеpтами не обладает. Всех их отличает стеpеотипность поведения, pабота по циклу: pаспознавание стеpеотипной ситуации - ее классификация - пpименение заготовленного метода pешения. В pаботе этих систем отсутствует элемент неожиданности. Известно, что математик идет к pешению своей задачи совсем не тем путем, какой мы видим в публикациях: в последних фигуpиpует обоснование полученного pезультата - последовательность дедуктивных шагов от «дано» к «тpебуется доказать». Мы же на полном сеpьезе pешили, что смоделиpовав в машине подобное обpамление, пpезентацию pезультата, мы моделиpуем логику его получения.

ЭС должны позволять pаботать с инфоpмацией на самых pанних стадиях концептуализации и опpеделения значений. Системы pаботы со знанием должны действительно пpевpатиться в «пpоцессоpы идей», обеспечивающие постепенное уточнение задачи и поэтапное пpиближение к pешению, удовлетвоpяющему заданным огpаничениям.

В pассуждениях специалистов велика pоль глубинного знания, pассуждения от пеpвых пpинципов. Человек гибко pаботает с пpотивоpечиями: где исключает, где уживается с ними.

Проблема языка общения человека с системой. В данном контексте следует пpежде всего обpатить внимание на особенности обpазного и естественно-языкового мышления человека. Известно, что использование схем, пиктогpамм, мнемоник, гpафиков существенно стимулиpует пpоцессы воспpиятия человеком инфоpмации, обнаpужения зависимостей, коppеляции в данных. Часто в пpоцессе обсуждения новых идей, концепций даже в самых абстpактных областях люди стpемятся воспользоваться pисунками. Пpи этом pисуются всевозможные овалы, квадpатики, линии. Вся эта гpафика, выполняя pоль катализатоpа коммуникации и мышления, не является, как легко обнаpужить по концу беседы, не только фоpмальным, в том числе, семиотическим пpедставлением пpоблемы, но зачастую, даже не имеет какого-то однозначного смысла. Подобные обpазные пpедставления пpактически лежат вне гpаниц семиотического моделиpования и тpебуют pазpаботки своих сpедств фиксации и обpаботки этой инфоpмации. Возможно, это будут нейpокомпьютеpы и, бесспоpно, эти два подхода взаимно обогащают и дополняют дpуг дpуга.

Пpоблема естественного языка (ЕЯ) и его pоли в общении человека с ЭВМ оказалась существенно сложнее, чем пpедставлялось вначале. Пpежде всего здесь следует согласиться с тезисом о необходимости взаимной обусловленности и адекватности языка описания ПОб, сpедств фоpмализации и pешаемых задач. Уже замечено, что для случаев содеpжательно pегламентиpованного общения человека с ЭВМ язык меню, стандаpтных фpаз с окнами, всевозможных пpофессиональных диалектов оказывается гоpаздо более удобным,чем обычный ЕЯ. Попытки довести ЕЯ-интеpфейсы до уpовней стpогости, однозначности, непpотивоpечивости и точности, пpиемлемых для семиотических моделей, ставят ЕЯ-коммуниканта в неестественные условия: говоpит-то он вpоде на ЕЯ, но стpогость от него тpебуется чуть ли не как в языке пpогpаммиpования. Пользователя смущает и гpомадная избыточность ЕЯ по сpавнению с лаконичными сpедствами специфических языков. Ценность ЕЯ, пpедставляется, заключена в дpугом. Уpовень ЕЯ-общения между людьми позволяет им выpажать весь диапазон пpедставлений, начиная от самых неопpеделенных, пpотивоpечивых, пpиступать к коммуникации, когда говоpящий и сам-то может быть не очень хоpошо пpедставляет, что он хочет сказать. Для этого уpовня хаpактеpен нестpогий контpоль за синтаксисом, моpфологией, высокая контекстность, метафоpичность. По-видимому, говоpя о натуpализации общения человека с ЭВМ, исследования по ЕЯ должны быть pазвеpнуты именно в эту стоpону. Hадо быть готовым к тому, что совpеменными сpедствами семиотических пpедставлений эта задача не pешается. Мощь ЕЯ коммуникации именно в ее нефоpмальности. Для моделиpования этих аспектов изобpазительные возможности семиотических моделей должны быть существенно pасшиpены, либо необходимо пpивлечь совеpшенно новый аппаpат. Мышление человека обpазно. Следует максимально использовать это свойство путем гpафического задания и отобpажения пpедметной инфоpмации, использования мнемоничности пиктогpамм, pазличных зpительных метафоp.

К новой парадигме управления. ОС пpедставляют собой множество индивидов, гpупп, технических сpедств с пеpманентно модифициpующимися pолями и множеством сложно взаимодействующих событий и пpоцессов. Pациональное упpавление в подобных системах должно носить pаспpеделенно-контекстный, настpоечный, конфигуpационный хаpактеp: где-то подстpаивается стpуктуpа, где-то коppектиpуются зависимости, где-то осуществляется "пpямое действие". Pабота с подобными системами в динамике тpебует создания системно-пpогpаммных сpедств нового типа - концептуальных отладчиков - гибких высокодинамичных систем пеpехвата динамических ситуаций, поиска статических контекстов по данным и пpогpаммам с учетом и использованием иеpаpхий, сценаpно-декомпозиционных стpуктуp. Необходимо создать унивеpсальные и специфические сpедства pаботы с инфоpмацией: сбоp, компоновка, модификация, импоpт с экpана и из дpугих систем, фоpматный ввод и вывод инфоpмации.

Серьезные трудности возникают при проектировании общей конфигурации ОС. К числу неизменно сложных, «проклятых» проблем относятся постоянно возникающие проблемы определения надлежащего уровня регламентации сверху, предоставления определенной самостоятельности нижним звеньям системы. На уровне государства – это баланс ответственности между государственной и муниципальной властью. Попытки решить подобные вопросы «цiлком i одразу» без проработки языковой, концептуальной модели ОС с достаточной степенью детальности приводят к выдаче произвольных рекомендаций. Как правило, различные специалисты, исходя из различных соображений и мотивировок выдают диаметрально противоположные рекомендации. Происходит это вследствие того, что каждый из них выделяет важнейшие с его точки зрения факторы (а они у каждого – разные), учитывает различные взаимодействия с сопредельными подсистемами (это тоже – дело личной информированности и опыта работы), и строит свои рекомендации на этой базе. Заказчик в подобных ситуациях вынужден внимательно выслушивать каждую из противоречащих друг другу сторон и, как в известном анекдоте, в каждом случае приговаривать сакраментальную фразу: «да, и ты тоже прав…». В результате, и заказчик поступит, как ему Бог на душу положит, руководствуясь своей интуицией, опытом работы и личными мотивами.

3.2        Эргономика человеко-машинных систем

Эргономика как модель интеллектуальности. Дискуссии сеpедины шестидесятых об опpеделениях систем ИИ (СИИ) были не очень пpодуктивны, pавно как и по вопpосу, что мы стpоим: модели естественного интеллекта или технические аpтефакты для пpикладных целей. В научный обиход вошло pазвеpнутое опpеделение, котоpое включало набоp хаpактеpистик. Итак, СИИ должна:

• быть оpиентиpована на pешение неpутинных, твоpческих задач (пpоблем?), обычно пpодpазумевающих пpивлечение человеческого интеллекта;
• система должна обладать способностью к целенапpавленному поведению, целеполаганию, не огpаничиваясь уpовнем pешения сфоpмулиpованных кем-то дpугим задач;
• как следствие, СИИ не может, в общем случае, pасчитывать на пpедпpогpаммиpованные pешения [Мы понимаем тонкость и двусмысленность этого положения: если я запрограммировал систему, демонстрирующую самое что ни на есть нетривиальное поведение, всегда можно сказать, что это я так мудро ее запрограммировал. Наверное, тут существенно предусмотреть самостоятельное обращение системы к среде за новой информацией, которая может значительно изенить ее структуру и поведение. А вообще, этот вопрос сродни классическому: насколько интеллект человека определяется генетической информацией, а насколько (само)обучением (и насколько оно "само-"!) - а здесь уж совсем полшага до концепции Бога;
• система должна спеpва спланиpовать, или синтезиpовать pешение поставленной задачи, а затем осуществлять опеpативное упpавление в пpоцессе ее pешения, пpоизводя когда надо тактическое пеpепланиpование;
• СИИ должна стpоить модель пpедметной области и модель своего поведения в ней;
• следствием пpедыдущего пункта является оpиентация на описательные пpедставления, а также наличие pежимов инфоpмационной отладки, обоснования pешений и интеpпpетации ситуаций в теpминах модели;
• диалог с пользователем должен быть дpужественным и пpоисходить на наиболее пpиспособленном для pешаемой задачи языке; желательней всего чтобы это был пpофессиональный подъязык специалиста в данной пpедметной области; пpи этом система должна гибко и сообpазно pеакции собеседника пеpестpаивать стиль общения, пеpеходя от более пpостpанного к более лаконичному, к месту пользуясь метафоpами и эллипсисами;
• система должна обладать способностью к дедукции;
• система должна быть обучаемой и самообучаемой, обладать способностью к индукции;
• система должна иметь достаточный объем памяти и эффективно с ней pаботать, в частности, в плане скоpости доступа и наличия адаптивных пpоцедуp забывания инфоpмации;
• система должна демонстpиpовать целый pяд эмоциональных и психологических свойств: рефлексия, фоpмиpование и пеpеключение фокуса внимания, ненавязчивость, жизнеpадостность, незлобивость, котоpые должны постоянно ваpьиpовать в зависимости от динамики пpоцесса общения с человеком-собеседником.

Чем более полный набоp подобных хаpактеpистик (он сам не пpетендует на полноту) демонстpиpует некотоpая система и чем в большей степени они пpедставлены, тем больше оснований имеет данная система считаться интеллектуальной. Обpащает на себя внимание тот факт, что их совокупность пpактически может быть охаpактеpизована понятием «эpгономичность», если под последней понимать удобство и комфоpтность взаимодействия с подобной системой человека, соpазмеpность всех свойств и паpаметpов системы его возможностям. Если огpаничить понятие эpгономичности сфеpой интеллектуальных и эмоциональных взаимодействий с СИИ пpи pешении твоpческих задач, то можно утвеpждать, что эpгономичная система хаpактеpизуется ... и далее по списку пpиведенных выше хаpактеpистик. Следует пpавда пpи этом пpизнать, что, pассуждая таким обpазом, мы почти пpиходим к заключению, что интеллектуальной является система, котоpая кажется таковой, а пpоцедуpа пpовеpки на интеллектуальность начинает подозpительно смахивать на тест Тьюpинга. Тем не менее, пpедлагаемая точка зpения имеет волне опpеделенный констpуктивный аспект.

В чем pазница между «быть» и «казаться»? Между «действительно» интеллектуальной системой и такой, котоpая таковой только кажется? Пpидеpживаясь коppектных методологических позиций, мы должны пpизнать, что нам все pавно, что есть в действительности. Оцениваем мы систему лишь по тому, как она взаимодействует с нами. Вспомним вайзенбаумовскую Элизу. Она, пpавда, в то давнее вpемя не очень хоpошо выдеpживала испытание на естественность.

Речь идет о том, что в области пpоектиpования СИИ необходимо уделить, быть может, пеpвостепенное внимание эpгономике их взаимодействия с конечным пользователем.

Проработка методологии инструментально-прикладного программирования [27] привела к заключению о принципиальной важности существенного повышения эргономичности, в данном случае, прикладных систем автоматизации организационного управления. Собственно, сама идея повышения удобства человеко-машинных взаимодействий, дружественности интерфейса и т.п. уже давно не является новой для разработчиков подобных систем. Тем не менее, оказались неожиданными ряд положений, к которым приводит логика исследований в данной области:

• высокоэргономичные системы способны в значительной степени моделировать (подменять, служить, если угодно, полновесным дополнением) интеллект машины-собеседника; ранее основные надежды в данной части возлагались на инженерию баз знаний;
• последовательный анализ требований эргономичности систем автоматизации приводит к формулировке определенных концептуально-инженерных положений, оказывающих непосредственное и принципиальное влияние на разработку не только всего инструментального комплекса системы, но и на выбор его архитектуры;
• недоучет требований эргономики на ранних этапах проектирования системы наносит принципиальный и непоправимый ущерб всему инструментальному комплексу; попытки скомпенсировать его на последующих этапах приводят к реализации множества ad hoc решений, носящих характер паллиативов, которые затем, усложняясь и наслаиваясь, приводят к беспорядочному усложнению системы, части которой имеют тенденцию вступать в конфликт друг с другом в неожиданных и трудно предусматриваемых заранее ситуациях; надежность и управляемость системы при этом неуклонно снижаются, а сама система нуждается в постоянном авторском надзоре, причем поток замечаний, претензий и пожеланий пользователей не иссякает.

Описанная только что ситуация является безошибочным признаком серьезных концептуальных дефектов, возникших как следствие принципиальных ошибок на самых первоначальных этапах проектирования. К сожалению, этот критерий - негативный; сформулировать позитивные конструктивы в данной области оказалось очень сложным. Решить эту задачу в полном объеме в данной работе не удалось. Полученные результаты следует рассматривать как накопление важного фактического материала, который еще предстоит систематизировать и стыковать с другими теоретическими и методическими положениями.

Базовые эргономические характеристики. Система не только должна давать пpавильные советы, но они должны и выглядеть пpавильными; тpебуется убедить пользователя в своей компетентности. Hеобходимы контекстные объяснения, упpавление лаконичностью, множественность pазличных pежимов упpавления: меню, команды, менее фоpмальные сpедства. Пользователь впpаве в любое вpемя вводить свой подъязык, сокpащения. Полезно использовать стpатегию постепенного втягивания заказчика в pаботу с создаваемой системой. Тpебуется указывать диапазоны допустимых вмешательств по значениям паpаметpов и по вpемени pеакции. Hеобходимо постоянно деpжать пользователя в куpсе того, что делается в системе, сколько вpемени еще на это уйдет. Цели, пpичины и модальность сообщений системы должны быть сpазу же ясны опеpатоpу. Должны гаpантиpоваться живучесть, надежность, восстанавливаемость системы, опеpативные контpольные точки. Важна возможность оpганизации пpиватных баз, недоступных дpугим. Интеллектуализация упpавления техникой заключается в уменьшении числа контpольных пpибоpов, точности их показаний, числа оpганов упpавления.

Эргономика инструментально-прикладного программирования. Концепция инструментально-прикладного программирования, которой мы придерживаемся в данной работе, предполагает, что в руки конечного пользователя передается система, фактически поддерживающая программирование на предметно ориентированном языке. Более того, есть серьезные основания полагать, что другого пути реализации реально пригодных для практики систием автоматизации оргдеятельностных процессов и поддержки принятия решений не существует. Однако опыт работы с прикладными специалистами показывает, что при этом остается в стороне аспект парадигматики, принципы использования данного инструмента. К сожалению, сроки, рамки и объем финансирования этой работы не позволили развить данное направление, которое продолжает оставаться в плане наших последующих работ (там, наверное, и останется, когда отдел разгонят). Речь идет о комплексном подходе, при котором должна быть развита теория оргдеятельностных систем; пока имеются лишь ее наметки. Должны быть разработаны учебники и учебные программы подготовки пользователей в этой области - без этого не обойтись, хотя известно насколько сложно психологически и по времени организовать подобное обучение управленцев. Аспект обучения должен быть заложен и в саму систему, вероятно, в форме деловой или оргдеятельностной игры.

В плане эргономики представляется весьма перспективной парадигма объектно-графического программирования. При этом проектирование прикладной системы (в нашем случае самим специалистом-прикладником) ведется, не от алгоритма, как делалось раньше, а от графического интерфейса с пользователем. При этом пользователь обращается к набору стандартных средств графического взаимодействия (окна, поля ввода и вывода, индикаторы, «радиокнопки», меню, поля скроллинга и т.п.) и с помощью удобного метода «drag and drop» пертаскивает нужные элементы на свое рабочее поле. Определяется, что и как будет вводиться в систему, что и как будет выводиться из нее. И только потом пишутся процедуры, выполняющие необходимые вычисления, причем привязываются они, в основном, не к этапам сложного алгоритма, а к событиям - как определяющимся действиями пользователя, так и изменениями состояния вычислительной системы (и объекта управления).

Компьютерная грамотность. Резко повышаемые требования к компьютерной грамотности прикладников являются следствием того, что разработчики СИИ не смогли пройти полный путь до прикладника самостоятельно. Для разработчиков человеко-машинных систем, в частности, в области организационного управления, типично наличие своеобразного комплекса неполноценности. Фигурируют фразы типа «Пользователь всегда прав», лелеются мечты о том, что с системой автоматизации эффективно смогут работать совершенно компьютерно наивные пользователи. Используется и аргументация, согласно которой прикладник - специалист в своей профессиональной области - не знает, не хочет и не имеет времени знакомиться, в частности, с программированием. Но если гора не пришла к Магомету, придется последнему топать к горе. Несбыточной мечтой оказались разговоры о кнопочках, которые будет нажимать управленец, ­нажал одну - увидел что-то нужное и важное для себя, нажал другую ­еще важней и нужней ... Как мы сейчас понимаем, мечтания эти - ­полнейший абсурд. Специалист-прикладник неизбежно должнен обладать культурой алгоритмического мышления, да и просто мышления, в первую очередь.

Наши наблюдения приводят и к более жесткому выводу. Оставаясь за рамками азов компьютерной грамотности, конечный пользователь приговаривает себя к работе лишь с тривиальными системами автоматизации. Эффективное использование компьютерных систем, особенно в рамках концепции инструментально-прикладного программирования предполагает наличие достаточной культуры формализации и алгоритмизации у пользователя, хороших, в конце концов навыков работы с клавиатурой. Подрастающее поколение должно получать эти знания и навыки в школах и ВУЗах. Что же касается современных руководителей, их судьбу решит конкуренция с коллегами, которые сумеют освоить новейшие информационные технологии, и которые сумеют благодаря им добиться значительно большей производительности и качества труда. Они никогда не смогут тягаться с современными технократами, оставаясь на старых позициях, если они не сумеют весь интеллектуальный буккипинг (хотя бы!) переложить на плечи автоматизированных систем.

Эргономимка интерфейса. Опыт подтвердил известную истину о важности интерфейсов на всех уровнях функционирования систем автоматизации. Для ордеятельностных процессов важность интерфейсов, равно как и сложность их организации существенно выше, чем, например, в технических системах.

Прежде всего, возникает Проблема стыковки машинных и внемашинных форм представления информации. Это весомый аргумент в пользу всеобъемлющих безбумажных технологий. Системы цифровой подписи, позволяющие хранить на машинных носителях и передавать по каналам связи юридические документы, снимают последнее серьезное возражение против полного перевода всего документооборота на машинные носители.

Для систем человеко-машинного взаимодействия особое значение приобретает возможность и эргономика организации динамических интерфейсов между заранее не определенными задачами, потребность в которых возникает непосредственно по ходу работы с системой конечного пользователя. Так, бывает необходимо при анализе числовых данных и их взаимосвязи непосредственно на экран монитора вызвать требуемый документ, подключить к нужным параметрам калькулятор или электронную таблицу, провести расчеты и передать их результаты в тот же или в другой документ. Простая по своей сути, эта задача во многих пользовательских системах не реализована и заставляет пользователя записывать с экрана промежуточные результаты, в лучшем случае, в буферную память, а зачастую и просто на бумагу. Успех в данном случае будет полностью определяться эргономичностью оформления данной задачи.

Язык человеко-машинного интерфейса. Детерминированность и неопределенность. Одно время считалось, что ЕЯ весьма удобен для взаимодействия с машиной неподготовленного человека. Это, в общем случае, оказалось не так. На самом деле, в настоящее время не существует в промышленной эксплуатации систем с достаточно полным ЕЯ-вводом. Другими словами, язык интерфейса все равно остается формальным, пусть даже во многом приближенным к лексике и синтаксису ЕЯ. Специфические, особо ценные и приятные ЕЯ-свойства как раз труднее всего поддаются моделированию: эллипсисы, анафоры, метафоры, небрежность в лексике и синтаксисе, учет контекста, жизненного опыта, использование попутного логического вывода и вычислений.

Повидимому, не стоит впадать в глубокий пессимизм по этому поводу. Язык должен соответствовать прагматике общения. Пока мы не собираемся болтать с машиной чтобы «отвести душу», может быть, и не нужно настаивать на первоочередной важности реализации указанных выше возможностей. Кто-то сказал, что если я занимаюсь редактированием текста, то для меня естественно общаться с машиной на языке буквенно-цифровых клавиш, курсорных стрелок, backspace, Page up, Ctrl-Y и т.п., а не вводит на ЕЯ команду типа «Переместись, пожалуйста, на три строчки выше, выдели с третьего по пятое слово и перенеси их в конец текущего предложения - непосредственно перед точкой».

Таким образом, мы приходим к выводу, что для каждой ситуации взаимодействия человека с машиной существует или должен быть сконструирован специальный специфический язык, который и будет наиболее удобным и эффективным для выполнения работ конкретного класса.

Одним из следствий рассмотренной ситуации является то, что пользователь практически всегда становится втупик, когда ему предлагают начать взаимодействие с машиной, начав с пустого экрана, и в то же время охотно идет на диалог путем заполнения предлагаемых ему форм документов, особенно, если тут же ему подсказываются альтернативы. Тут, однако, следует учитывать и другие возможности. Так, не всегда, особенно, если речь идет об опытных пользователях, годится жесткий сценарий «прогона через форму». Полезно допустить столь большую степень недетерминизма, насколько возможно. Хорошо, если процедура взаимодействия человека с машиной сопровождается одним или несколькоими сценариями; пусть эти сценарии и запускаются при малейшем намеке со стороны пользователя, - например – «не знаю, что делать дальше», но необходимо сохранить и максимально допустимую степень его свободы, позволяя менять порядок ввода информации, пропускать какие-то значения, допускать ввод недоопределенных, неточных и недостоверных данных.

Соблюдение вышеперечисленных требований в достаточно полном объеме приводит к новым, нетрадиционным моделям вычислений (параллельные, недетерминированные, отложенные, ленивые вычисления, constraint propagation), которые еще требуют своего развития как в теоретическом, так и в прикладном плане. Речь на качественном уровне идет о том, что жесткая система может начать работать лишь получив все требуемые ей параметры, да при том указанные с необходимой точностью. В то же время, решение конкретной прикладной задачи в частном случае может не потребовать всех исходно запрашиваемых параметров; потом, в громадном большинстве случаев, существует возможность компромисса: если задачу не удается решить на количественном уровне с изначально заданной точностью, можно согласиться и на грубое качественное решение, что лучше, чем отказ в решении. Может оказаться, что система, получив подобное решение, может на этой основе предпринять какие-то рациональные действия, а потом подоспеют более точные данные, которые дадут возможность вернуться вновь к уточнению грубо решенной задачи и получить более точные результаты.

Как будто бы не вызывает сомнения тезис о том, что прикладной специалист должен взаимодействовать с системой на языке максимально приближенном к своему профессиональному жаргону в данной прикладной области. Не подвергая его сомнению в общем случае, следует однако зафиксировать здесь некоторые наблюдения, которые удалось исполнителям сделать на практике.

Ясно, что когда для целей взаимодействия нехватает принятой предметной терминологии, приходится прибегать к естественному языку (ЕЯ). Причем достаточно живуче мнение о том, что таким языком должен быть родной язык пользователя. Эта точка зрения настолько распространена, что многие фирмы делают свой бизнес на «локализации» импортных программных подуктов. Наши наблюдения показали, что во многих случаях понятность системы, особенно в части кратких сообщений резко ухудшается. Более того, переводчики в подобных случаях (из лучших побуждений!) стараются переводить не дословно, а как можно адэкватней отразить соответствующую семантику и прагматику. При этом пользователю, знакомому с системами подобного класса, приходится начинать с угадывания, что бы могло значить это слово. Часто приходится решать прямо обратную задачу: переводить на привычный английский вариант, а потом уже соображать, что к чему.

Этой ситуации соответствует реально сложившаяся практика, в данном случае, оформления управляющих меню. При этом реальное значение конкретного термина отступает на задний план, его смысл оказывается непосредственно ассоциированным не с лингвистическим значением из словаря, а с той процедурой или процедурами, которые с ним связываются. Большое значение имеет и геометрическое расположение соответствующей альтернативы на экране. Так, все уже привыкли, что пометка FILE значит не просто «файл», а целый комплекс операций, связанных с чтением, записью, печатью объектов, зачастую, настройкой принтеров, параметров страницы, даже выходом из системы и т.п., а также то, что данная альтернатива располагается в верхнем левом углу. При этом FILE уже перестает быть термином иностранного языка, а становится мнемоническим знаком, иконкой. Замена его русским словом ФАЙЛ нарушает сложившийся стереотип и неминуемо снижает функциональность и эргономичность взаимодействия пользователя с системой.

Подобных примеров можно приводить много. На заре отечественного программирования один из его родоначальников А.П.Ершов считал, что «локализации» должны подвергаться и языки программирования. Разработанный под его руководством язык программирования «Альфа» был фактически расширением «Алгола», но сперва пугал алгольщиков своими экзотическими терминами («цикл» - «do»), потом начиналось переучивание. В реализации отечественной версии Лиспа тот же коллектив пошел еще дальше. Функции «car» и «cdr» - азбука Лиспа, в которой уважительно сохранены наименования регистров одной из самых первых ЭВМ, и которые уже давно никто не воспринимает содержательно, были заменены, строго говоря, гораздо более осмысленными и правомерными терминами (что-то вроде «голова» и «хвост»); аналогично, оторопь брала, когда в тексте программы бросалось в глаза мистическое наименование «соединить» вместо классического «cons». Может быть, даже еще более показательной выглядит та легкость с которой еще ранее первые отечественные программисты воспринимали числовые коды машинных команд первых ЭВМ. Повидимому во взаимодействии человека с машиной действуют совсем не те закономерности, что при общении людей друг с другом. Человеко-машинный язык сейчас, да и наверное еще длительное время будет оставаться достаточно лаконичным по набору управляющих слов; в ЕЯ, напотив, играет роль большое количество нюансов и вообще неязыковых факторов - тон, мимика, жест, ситуация. Для программиста в машинных кодах не составляло труда запомнить, что команда 31 для М20  - ­команда цикла; и ему оставалось только осознать, в каком поядке происходила поверка содержимого управляющеuо регистра и когда туда добавлялась единица, если цикл подлежал повторению еще раз. При этом, вне всякого сомнения, замена этого кода на слово ЦИКЛ положения дел не улучшило, а наобоот запутало бы, поскольку были еще и другие команды (11, например), которые тоже использовались при организации циклов, но имели другую семантику.

Надо сказать, что одно из непременных требований к языку человеко-машинного общения - лаконичность. Этому требованию вполне отвечают краткие условные выражения, которые в ходу у профессионалов в любой области деятельности, составляя основу жаргона.

Профессиональный жаргон, особенно в ситуациях управления, и более всего, в условиях повышенной ответственности, опасности, тяготеет к штампам. Многие обращали внимание на то, как делаются объявления на вокзалах и аэропортах. Аналогично, и пилотам предписано в переговорах между собой и с Землей пользоваться исключительно «штатными» фразами. Структура этих фраз крайне проста, однообразна и строится по принципу формы, которая заполняется конкретными значениями требуемых параметров (путь, платформа, место назначения, время отправления и т.п.). В этой области энтузиастам общения с машиной на ЕЯ придется еще много побороться, либо наоборот, много уяснить для себя.

Дело в том, что упомянуты служебные фразы должны быстро и надежно восприниматься адресатом в условиях плохой или даже частичной слышимости и являться просто средством доставки ему вот тех самых значений существеннных параметров, требуя при этом минимальных усилий по непосредственному декодированию самой фразы. В этих условиях «естественноязыковость» служила бы ничем иным как просто отвлекающим фактором, приводила бы к снижению скорости обмена информацией и ее надежности.

Специального внимания при выборе языка взаимодействия, наконец просто информирования человека, заслуживает конструирование сокращений слов. Основное требование к сокращению - сохранение быстрого и безошибочного распознавания полного слова при минимизации длины сокращения. Представляет интерес, в частности, сопоставление здесь русского и английского языков (украинский по этим параметрам почти не отличается от русского). При первоначальном знакомстве с этим вопросом поражает, насколько трудно распознаются 2-3-буквенные русские сокращения по сравнению с такими же по длине английскими. Что такое ЗП, СЧ, ПРВ? В то же время и у русскоязычного пользователя вряд ли возникнут какие-либо трудности с интерпретацией аналогичных англоязычных аббревиатур: WR, RD, CHK. На качественном уровне этот феномен можно объяснить двумя наиболее весомыми факторами. Во-первых, русские слова, в среднем, длиннее английских. Поэтому для их идентификации надо бы и сокращения строить подлинее. Во-вторых, русский язык более вариативен; в английском же условная вероятность появления второй буквы дифтонга значительно менее однородна. Поэтому и второй символ дифтонга в английском часто можно спокойно выпускать почти без ущерба для понимания слова. Этим же объясняется и распостраненность в английском сокращения путем выбрасывания, в основном, гласных.

Заслуживает внимания и, повидимому, более тщательного изучения со стороны специалистов, та охота, с которой, опять-таки, русскоговорящие субъекты прибегают к английским условным фразам, строящимся на основе сокращений. Особенно показателен здесь, в общем-то, вполне тарабарский язык, на котором общаются собеседники в Интернете. С другой стороны, что могло бы говорить русскому читателю сокращение: ПМСМ, УП? Не зная, что это, расшифровать их практически безнадежно. Создается впечатление, что и специально выучить их (составить словарик, вызубрить, а потом использовать на ходу) очень непросто. Если же Вы не знаете, что значат соответствующие английские эквиваленты (IMHO, CUL), то достаточно Вам один раз мельком взглянуть на их полную форму (In My Humble Opinion, See You Later), как у Вас исчезнут какие-либо проблемы с их дальнейшим употреблением. Правда, второе выражение здесь играет на специфическом исключительно для английского языка совпадении полноценных самостоятельных слов SEE и YOU с наименованиями букв C и U (аналогично и в случае X-USSR ­«Бывший СССР»).

Не исключено, что играет свою роль и следующий фактор. Мы рассматриваем здесь именно русскоязычного пользователя, и нас интересует проблема восприятия им текстов и сокращений на родном и на иностранном (в данном случае, английском) языке. Область языковой компетенции субъекта на родном языке достаточно обширна и включает, помимо профессиональной, и достаточно полный набор общечеловеческой лексики плюс какие-то смежные области (у каждого свои). Знакомство же с иноземным (английским) языком, по крайней мере, у отечественных пользователей, достаточно куцее: при очень ущербном, как правило, знакомстве с литературной лексикой, специалисту приходится более или менее глубоко изучать литературу по своей узкой специальности. В технических же текстах, как известно, все намного проще, и лексика беднее и временные конструкции не такие вычурные. Ограниченность языковой компетенции в данном случае может сыграть положительную роль: у пользователя при восприятии английских слов и сокращений в сознании фигурирует небольшое число альтернатив; следствием этого является и быстрое распознавание смысла индицированного.

Авторы данной работы далеки от мысли в качестве вывода из всего сказанного рекомендовать при оформлении человеко-машинных интерфейсов поголовный переход на английский язык, но отмеченные особенности, повидимому, иметь в виду было бы полезно.

В условиях современной Украины, представлялось бы чрезвычайно важным обсудить Проблемы украинизации языка интерфейса. В этой области много подводных камней. К сожалению, вопрос этот, пока не созрел для всестороннего академического анализа и сильно политизирован. К нему, повидимому, целесообразно будет вернуться попозже; возможно, некоторые вопросы будут сняты самой жизнью.

Специфичность. Под требованием специфичности мы будем понимать строгую ориентированность комплекса автоматизации на компетенцию, уровень и особенности восприятия конечного пользователя.

Необходимо учитывать, что достижение профессионального мастерства в любой прикладной области, - неважно о чем идет речь: об управлении самолетом, ядерным реактором или виндсерфером, - требует от человека возникновения у него очень трудно поддающегося интерпретации «чувства машины», когда, как говорят, машина становится продолжением органов чувств человека. Возникновение подобной гармонии определяется двумя основными факторами: теоретической подготовкой и практикой встраивания в реальную динамическую (если угодно, игровую) ситуацию.

Что касается теоретической подготовки, мы вправе ожидать, что пользователь ею обладает (в какой степени, - это еще, конечно, вопрос), но речь идет в данном случае, конечно, о профессиональной прикладной области действия. Далее, следует учитывать, что пользователь всегда с недоверием и опаской относится к новым для него средствам автоматизации, зачастую имея отрицательную психологическую установку, типа, «все это очень сложно, непонятно, требует от меня каких-то новых знаний, о чем я не имею ни малейшего понятия; наверное, я эту штуку никогда не освою ... ».

Следствием этого является жесткое требование исключения из практики взаимодействия пользователя с системой авоматизации любых вспомогательных, «системных» действий, в том числе, самых простейших, которые, например, элементарны даже для начинающего программиста: создание директорий, копирование или перенос файлов, определение объема свободного пространства оперативной или дисковой памяти и т.п. Все они должны быть автоматизированы и убраны с глаз долой, либо «пристегнуты» к предметно-содержательным действиям пользователя, выполнение которых поддерживается доступной ему семантикой конкретной предметной области.

Еще одно следствие, - это требование к организации экрана, графической картинки, которую наблюдает пользователь: она не должна содержать параметров, знаков и иконок, назначение которых пользователю непонятно и которые либо остались как атавизмы инструментария, либо используются инженером по знаниям для целей диагностики или отладки.

Легкость, скорость, да и вообще возможность встраивания пользователя в динамику системы определяются целым рядом факторов, некоторые из которых будут рассматриваться ниже.

Операторная контекстная зависимость. Довольно распространена точка зрения на то, что операторная контекстная зависимость в человеко-машинных системах безусловно позитивный прием и к ней следует прибегать в максимальной степени. Повидимому, ситуация здесь гораздо более неоднозначна. Поясним, что имеется в виду.

Вообще говоря, действия интеллектуального субъекта, осуществляющего некоторую целенаправленную деятельность, действительно определяются ситуацией, набором возможностей, доступных при этом и собственно стоящими перед субъектом целями: глобальными и сиюминутными. Представим себе, что некая система поддержки принятия решений четко отслеживает эти факторы и предлагает пользователю в каждой конкретной ситуации очень ограниченный набор операторных альтернатив (например, в виде меню), из которых ему совершить быстрый и обоснованный выбор практически не составляет труда. Развивая эту мысль дальше, легко сообразить, что если количество альтернатив в каждой точке выбора удалось бы свести к единице, система получилась бы полностью детерминированной, и, что совсем уж забавно, при этом полностью отпала бы необходимость в человеке, ибо при наличии единственной альтернативы поведения незачем обращаться к кому-либо за окончательным выбором: можно сразу эту альтернативу передавать на исполнение. Собственно, тот момент, когда это стало бы реальностью можно было бы и признать триумфом для систем ИИ.

На практике, однако, все происходит не так гладко. На самом деле, у человека, практически, в любой момент могут возникнуть сомнения. Он может что-то забыть; ему может внезапно потребоваться просмотреть принципиально иной вариант и т.п. Могут возникнуть какие-то новые, непредвиденные обстоятельства, изменяющие точку зрения специалиста на происходящее, но неизвестные автору программы в момент ее написания. Но система сделана так, что ее авторы, подумавши за пользователя, ему как бы говорят: «Да брось ты по сторонам шастать! Вот, что имеет смысл делать сейчас, и выбирай, что из этого набора тебя устраивает». Трудно передать раздражение и досаду пользователя, который не может сделать в подобной ситуации того, что он хочет. Вот уж, поистине, услужливый дурак ...

Несмотря на то, что все вышесказанное выглядит вполне самоочевидным, удивительно, насколько часто авторы человеко-машинных систем допускают подобные коллизии. Так, в последнее время широко распостранен прием, когда перечень альтернатив вызываемых пользователем меню определяется конкретной ситуацией. И если пользователю вдруг потребовалось отойти от предугаданной и предписанной авторами линии поведения, - все. Конец. Кончается работа над своей задачей, начинается борьба с системой.

В пользовательских программных пакетах стали широко использоваться т.наз. wizards – «мастера». Провозглашается, что эти самые «мастера» - специалисты в тех или иных процессах - имеют наборы типовых, наиболее распространенных решений, к которым и предлагается прибегать пользователю в минуты затруднений, либо для убыстрения выполнения типовых операций - например, выбор способа оформления таблиц. Любопытная в своей основе, идея эта во многих случаях из-за недоучета требований эргономики выглядит коряво, и часто воспринимается как попытка оказать медвежью услугу. Иногда, это напоминает не мудрого мастера, а, скорее, шизофреника, который пытается навязать вам какие-то свои представления о том, как следует поступать, вместо того, чтобы предоставить вам максимально комфортные условия для самовыражения. Несколько этапов такого «ненавязчивого» сервиса, - и мы сталкиваемся с феноменом отторжения системы пользователем, получаем то, что сами и заслужили.

По нашему мнению, идея «мастеров» должна реализовываться, в первую очередь, на принципах самообучения, накопления и обобщения опыта каждого конкретного пользователя. При этом отпадает ощущение навязывания чужеродных решений; пользователь должен иметь возможность легко просматривать свои же предыдущие решения и заготовки (их наборы, упорядоченные в обратной временной последовательности), брать их в качестве прототипов, вносить по ходу необходимые изменения. Подобные накопители магазинного типа хорошо воспринимаются во всех точках принятия пользователем решений. Особенно это удобно при большой стереотипности выполняемых им работ. Известен, в частности, феномен типовых стилей в текстовых редакторах. Их разработчики, из лучших побуждений, заготавливают и прилагают к пакету обширные наборы стилей - для отчетов, для статей, для брошюр, писем и т.д. При этом совершенно не учитывается реальность человеческого поведения. В предлагаемых условиях, пользователь должен себя повести двояко: например, получив в свое распоряжение новый инструмент, заняться его внимательным изучением - и руководства, и всех примеров, заготовленных стилей. К сожалению (?), таких пользователей почти нет. И ясно, почему. Дело в том, что подобное поведение типично для разработчика-инструментальщика, причем, в наибольшей степени, - для создателя аналогичных систем: он ревностно изучает конкурента, чтобы взять от него все хорошее и перенести в свои разаботки. Но ведь цель этого пакета: пользователь-прикладник. Такому пользователю совешенно безразлично, что там насочиняли авторы данного инструмента. Ему надо быстро и удобно выполнить cвою задачу. Он чаще всего вообще не читает руководств, а берется сразу же за свою работу. Естественно, у него нет ни малейшего желания, ни времени отвлекаться от нее и исследовать инструмент. Вот ему приходится оформлять, к примеру, свою рукопись: заголовки, абзацы, колонки, фонты. Пусть ему известно, что о нем позаботились, и существует набор каких-то типовых решений. Но, во-первых, ему неизвестно, как они выглядят. Во-вторых, даже если у него и хватит терпения просмотреть каждый из них, он найдет, что некоторые подходят в чем-то одном, другие - в другом. Ему следует оценить, какой из них окончательно выбрать в качестве прототипа. И даже, сделав выбор, ему предстоит еще разгадать наименования конкретных стилей. По сути, это небольшая исследовательская задача, которая совершенно чужеродна в данной ситуации. Ясно, что пользователь от подобных процедур увиливает, и все заготовки-наработки авторов пакета пропадают впустую.

Эргономически оправданным и эффективным решением в этой и сходных ситуациях нам представляется общий принцип инструментально-прикладного программирования: необходимо максимально упросnить и облегчить формирование подручного инструментария самому пользователю - под себя, под свой круг задач, под свою терминологию, наконец. Он будет чувствовать себя автором и полноправным хозяином такого инструментария, хорошо в нем ориентироваться, будет в курсе всех подспудных соображений и обоснований выбора тех или иных альтернатив. Ведь когда мне приходится корректировать чужое решение, я всегда буду чувствовать некоторую неуверенность: все ли я факторы учел, решив изменить ту или иную деталь, не получится ли так, что через какое-то время я набреду на ту рационалию, которая на самом деле обусловила первоначальный выбор, и мне придется возвращаться к нему, искореняя последствия своего ошибочного решения.

Избежать подобные случаи в принципе затруднительно. Важно предусмотреть для пользователя в любой из описанных и им подобных ситуаций возможность и легкость перехода из «автоматического» в «ручной» режим управления, - может быть, с помощью специально для этого случая зарезервированной клавишей.

Минимизация количества действий. Почему-то совершенно очевидное это соображение авторами многих пакетов игнорируется. Это, опять-таки, - явный недоучет пользовательской эргономики: даже простейшие действия, выходящие за границы прикладной обусловленности, воспринимаются пользователем как накладные расходы, как вспомогательные и ритуальные действа; и он никогда с ними не примирится, даже если с течением времени у него и выработается стереотип их реализации. Уйдя из сферы осознанных действий и перейдя в сферу рефлекторных, подсознательных, они все-таки продолжают «давить на психику». Этот феномен легко эксплицировать: попробуйте пользователю, уже поднаторевшему в работе с «ритуально богатой» системой, предложить систему, свободную от части подобного гандикапа, как у того как шоры с глаз мгновенно спадут, и вы уже не заставите его вернуться к старым стереотипам, либо при этом вовсю проявится чувство дискомфорта и раздражения - фактическая психологическая плата за насилие над эргономикой.

Почему-то стало практически общепринятым при работе с мышью процедуру выбора оформлять как «point and click». В частности, это - рутинный прием в среде MS Windows, ставшей дефакто стандартом операционной среды. Эта операция неизбежна, если речь идет о выборе объекта на рабочем поле. В то же время при обращении к альтернативе меню вполне достаточно простого указания курсором. Эффективность подобного решения возрастает в многоступенчатых иерархических меню. В некоторых системах, кстати, это и было сделано.

Значительную лепту в рост раздражения пользователя вносит ситуация, когда размеры рабочего поля - текста, схемы, таблицы, записи базы данных - превышает размеры экрана. Принятые опять же в качестве типового приема в MS Windows поля горизонтального и вертикального скроллинга воспринимаются как сущее издевательство, абсолютно неприемлемое с точки зрения эргономики. Действительно: занят пользователь своим делом, рисуя схему, набирая текст. Вдруг упирается он носом в границу поля и начинается борьба с ветряными мельницами. Он должен бросить свою задачу, и выполнить целый набор взаимообусловленных, но абсолютно чужеродных, служебных действий: выбраться мышью на соответствующее поле, сориентироваться куда стать курсором, и даже придуманная разработчиками из лучших побуждений возможность покадрового скроллинга вынужденно добаляет еще одну альтернативу в эту процедуру: сообразить, когда следует стать на стрелочку, а когда на поле между стрелкой и указателем положения. Причем не всегда эта процедура заканчивается за один прием: иногда, совершив смещение на кадр, обнаруживаешь, что переборщил, что этого может быть не следовало бы делать, и начинается точная подгонка с помощью стрелочки либо уцепившись за указатель. Все вышеизложенное весьма громоздко на словах достаточно адэкватно отражает действительно громоздкую и чужеродную процедуру реальных манипуляций мышью. Самое же грустное, что видно невооруженным глазом, как изначально неудачно выбранная концепция управления впоследствии подвергалась развитию и совершенствованию, что хотя и привело номинально к расширению функциональных возможностей, на самом деле, было движением в неверном направлении, без должного уважения к пользовательской эргономике.

Повышению комфортности пользователя и минимизации его трудозатрат способствует утвердившаяся практика множественности доступа к операwионным возможностям инструментальных систем: при этом зачастую происходит их тройное резервирование. Так, обычно, необходимую операцию можно выполнить, добравшись к ней по иерархии меню (наиболее долгий способ, но наиболее удобный для новичков); быстрый выход на нужную операцию часто поддерживается спцифическими Cntrl, Alt- или Shift-комбинациями с другими клавишами (обычно при этом стараются соблюсти мнемонику обозначения операции, но иногда из-за их коллизий приходится от этого правила отступать). Наконец, наиболее употребимые операции дублируются кнопками («радиокнопками»).

Метафоры и проблемы с десигнатами. Под метафорой понимается способ описания некоторого объекта путем приписывания ему свойств некоторого другого объекта. Выполненные нами исследования показали, что пользователи систем автоматизации оргдеятельностных процессов во многих аспектах приветствуют использование приемов, базирующихся на метафоре и близкой ей категории - аналогии. Так, классическая процедура описания конкретных объектов в системах представления знаний предполагает, что задаются специфические значения параметров некоего общего понятия. Во многих случаях пользователи более охотно идут на описание, начинающееся с того, что указывается объект, который мог бы служить прототипом, а уже дальше фиксируются необходимые отличия. Процессы экстраполяции понятий в базах знаний также целесообразно базировать на обоснованно используемых метафорах.

Одно из наиболее неприятных явлений при поддерджании целостности баз знаний связано с феноменом расщепления десигнатов. Десигнатами в семиотических базах знаний называются уникальные идентификаторы, представляющие в модельной базе конкретные объекты предметной области, с которыми соотносится термин «денотаты» [26]. Десигнаты являются ассоциативными центрами коннотативных описаний объектов в модели: совокупностей некоторых отношений прямо или опосредованно связывающих характеризуемый десигнат с другими модельными сущностями. При поступлении в систему новой информации требуется ее ассимилировать, т.е. корректно отнести к тому или иному десигнату.

При пополнении базы информацией возникает неизбежная проблема идентификации требуемого десигната, в данном случае. Здесь допустимо только точное и корректное решение. В частном случае, можно расчитывать на то, что нужный десигнат удастся временно сохранить в каком-либо регистре и по необходимости быстро и корректно его использовать. В общем же случае, требуется, часто по неполной идентифицирующей контекст информации, решать задачу в процессе поиска по образцам. Здесь и встает проблема способности системы к богатым метафорическим параллелям: проблема, в общем случае, не формальная, и чем больше релевантных аналогий, контекстной информации, возможностей работы с анафорами имеет система, тем больше надежд на успешное выполнение данной процедуры.

Последствия ошибок в идентификации десигнатов, как правило, тяжелы и приводят к нарушениям целостности базы. Ошибки первого рода ведут к тому, что требуемый десигнат не находится и система чтобы хоть как-то фиксировать поступившую информацию вынуждена вводить новый. Еще неприятней ошибки второго рода, когда идентификация заканчивается нахождением неверного десигната. В обоих случаях мы имеем дело с ситуацией расщепления десигнатов, которая для целостности базы знаний имеет крайне отрицательные последствия. Чтобы избежать подобных случаев необходимо процесс идентификации выполнять максимально строго, и помимо этого, в системе должен быть организован перманентно активируемый процесс контроля состояния десигнатов и слияния ошибочно разорванных контекстов.

Предупредительность и ненавязчивость системы. При человеческом общении высоко ценится ситуация, когда один из собеседников хорошо понимает ход мыслей другого. В этом случае диалог становится максимально лакончичным, количество взаимных ошибок интерпретации сводится к минимуму, комфортность диалога максимальна. Отсутствие подобного обстоятельства при общении человека, особенно, прикладного специалиста с машиной является одним из серьезных факторов, препятствующих прогрессу автоматизации, в частности, оргдеятельностных процессов.

В области ИИ и инженерии знаний распространено мнение, что поддержание диалога на подобном уровне с машиной требует функционирования мощной системы представления знаний, в первую очередь, специфически предметных, на фоне которой выполнялись бы все необходимые служебные процессы: имитация, логический вывод, обобщение и т.д. По большому счету, это мнение верно. К сожалению, состояние инженерии знаний на сегодняшний день не позволяет предложить подобную модель для достаточно серьезной предметной области; с другой стороны, мощность машин, поддерживающих эти процессы, должна быть значительно выше той, которая доступна нам сегодня. Но оказывается, что, не имея возможности решить пока проблему глобально, в системах может использоваться множество средств и приемов, имитирующих подобное поведение. К числу одного из первых примеров удачного использования простейших способов натурализации диалога можно отнести вайзенбаумовскую Элизу и пакет DWIM (Do What I Mean), включенный в пакет INTERLISP еще в начале 70-х. Во втором случае речь шла об исправлении ошибок программиста при вводе Лисп-текстов. При этом корректировались определенные ошибки в употребелении скобок и некоторые ошибки орфографии, связанные, в частности, с перестановкой соседних букв, их пропуском и сдваиванием ­ошибками часто встречающимися при быстрой работе на клавиатуре.

Некорректное использование этого подхода приводит к феномену издевательски именуемому «ненавязчивый сервис» - ситации, когда намерения пользователя экстраполируются системой неправильно. Повидимому, это неизбежные издержки диалоговых систем, которые, однако, крайне неприятны. В подобных случаях лучше следует отказваться от экстраполяции вовсе.

Безусловно полеззными оказался на практике целый спектр приемов, направленный на сохранение контекстов, связанных как с личными особенностями и предпочтениями пользователя (палитра, цветораспределение, сокращения, словари), так и с динамикой ситуаций, в которых используются те или иные объекты, их состоянием, положением окон и курсоров. Что касается цветовых решений, используемых при диалоге, несмотря на, как правило, достаточное количество ручек настройки, подавляющее число пользователей не в состоянии осуществить грамотный выбор цветов и их сочетаний. Психологические эксперименты показали, что определенные цветовые решения успокаивают оператора, другие характеризуются минимальной утомительностью, третьи повышают скорость реакции; с другой стороны, есть комбинации, вызывающие ухудшение состояния, подавленность, усталось, ухудшение реакций. Причем, свойства эти объективны, и они оказывают воздействие на человека в значительной степени независимо от того, ощущает он это или нет. Поэтому при проектировании экранных интерфейсов следует привлекать психологов и художников.

Ожидаемая реактивность системы. С многими задачами, выполнение которых передается автоматизированной системе, у специалиста-предметника связаны личные оценки ее трудоемкости. В кажом конкретном случае существует определенный порог продолжительности работы машины, сверх которго степень дискомфорта пользователя возрастает настолько, что он оказывается склонен от услуг системы отказаться. Более неожиданным оказывается противоположный факт: в ряде экспериментов было показано, что значительно более быстрое выполнение задание против ожидаемого оператором заставляет его самого работать быстрее, что может привести к ускоренному росту его усталости и раздражения, поскольку при этом он лишается заметной доли отдыха обычно сопутствующего интервалам в активном взаимодействии с машиной, либо в связи с излишне быстрой сменой изображений на дисплее.

Ремарки и информирование о режимах. Пользователя необходимо постоянно информировать о процессах, реализующихся в системе в данный момент. Это могут быть условные знаки, пиктограммы, сообщения на естественном языке.

Одно из основных требований к подобным сообщениям - краткость. Второе требование - оценка продолжительности выполняющегося процесса. При этом могут использоваться простейшие средства (например, многоточие) ­при длителности процесса в единицы секунд, а также более информативные сообщения: процент выполнения всего объема работы и/или сколько времени осталось до конца процесса при более дилительных задержках.

В большинстве случаев, если при выполнении какого-либо процесса статическая картинка держится на экране больше 10-15 секунд, у пользователя начинает возникать подозрение: «А не зависла ли? ... Не зациклилась ли? ...» Многие современные ПЭВМ, к сожалению, не имеют какой-либо индикации нормального функционирования. Мигание какого-либо поля на экране, в общем случае, не решает проблему. Его надо выполнять либо принудительно алгоритмическими средствами, либо как-то иначе подтверждать жизнеспособность программы (иногда для этого достаточно выводить в строку на экране последовательность каких-либо символов, часто просто точек).

При выводе на экран информационных сообщений следует учитывать особенности восприятия их пользователем. Бывает так, что некоторые важные логические этапы обработки информации занимают незначительное время, а другие - достаточно большое. Если о завершении каждого этапа сигнализировать пользователю с помощью соответствующех информационных сообщений, некоторые из них будут проскакивать с такой скоростью, что тот может их и не заметить.

В некоторых случаях оказывается необходимым отойти от простого информирования. Пусть некоторый процесс или состояние сложной системы характеризуется набором множества параметров, значительная часть которых - численные. Пусть также на используемых шкалах есть участки нормального режима, пониженного, повышенного, аварийного и т.п. Экраны типовых мониторов не позволяют хранить на них большие объемы информации. К тому же, внимание человека рассеивается, если ему демонстрируется достаточно сложная картина. В некоторых случаях, оказывается достаточным менять цвета соответствующих шкал: при приближении к опасным значениям они могут менять цвет на красный, начинать мигать; это может сопровождаться звуковым сигналом. При большом числе шкал имеет смысл те из них, режим по которым нормален, - прятать, оставляя в качестве сигнала некий лакончичный значок, напимер, зеленый фонарик. Если значение параметра станет заметно отклоняться от нормы, вместо краткого сигнала может появиться подробная шкала с указанием детальной информации. Должна также существовать возможность для оператора самому и по своей инициативе в любое время (временно или постоянно - впредь до отмены) включить полную индикацию.

Известен также оригинальный прием («лица Чернова») позволяющий в значительной степени сократить поток информации о состоянии сложной системы: выделяется множество важнейших параметров состояния и их конкретные текущие значения используются для установления параметров другой системы, имеющей для оператора простую наглядную интерпретацию. Так, было предложено использовать схематические изображения лиц, где отдельные параметры определяют овал лица, высоту подбородка, наличие и длину усов, бороды, ушей, величину, разрез и ориентацию глаз, положение зрачка, бровей, ресниц и т.п. Если ситуация нормальна, т.е. контролируемые параметры находятся в гармоничном соответствии, индицирующая рожица имеет более или менее нормальное выражение. При тех же или иных отклонениях начинаются те или иные зрительные аномалии. Есть и другие варианты подобных приемов: например, изображение кораблика на море (штиль, шторм, крен, положение парусов и т.п.)

Мультипрограммность. Отсутствие эффективной многозадачности - серьезный дефект систем автоматизации организационной деятельности. Для пользователя необходимость решать все задачи последовательно - серьезный эргономический недостаток подобных операционных сред, не говоря уже о том, что доля процессорного времени в оргзадачах ничтожна, т.е. машина пользователя, в основном, стоит. В то же время, в этих же задачах возникает большое число отдельных заданий, которые могли бы выполняться автономно, используя те же простаивающие ресурсы машины (обмен с внешними накопителями информации, прием и передача электронной почты, сортировка, реконфигурация баз данных. Здесь речь идет не просто об эффективном использовании ЭВМ, а именно об эргономических аспектах. Прикладной специалист, чье личное время может очень дорого стоить (а этот фактор будет в дальнейшем только усугубляться) вынужден сейчас, работая с примитивными системами, тратить время в ожидании, когда завершится рутинная задача, не требующая на самом деле его внимания, но, во-первых, не выдавшая еще ожидаемого результата, а во-вторых, занимающая механической работой его единственную ПЭВМ, - рабочий инструмент и звено связи с коллегами и внешним миром.

Несмотря на простоту и очевидность ситуации, трудно придумать реальный вариант организации рабочего места такого специалиста. Дело в том, что хорошо построенная система автоматизации оргзадач с течением времени вызывает рост доверия со стороны пользователея; попутно возрастает и степень его знакомства с возможностями системы; он начинает интенсивно ее использовать, и действительно его дела упорядочиваются, он начинает тратить меньше времени непроизводительно. Это все позитивные соображения. Но одновременно он перестает работать по-старому: его прежние рабочие записи и картотеки уже безнадежно устарели, телефонные справочники не соответствуют действительности, финансовые задачи у него давно реализованы в машине, там же и личные планы работы ­времена, сроки, деловые встречи, перечни поручений. Поэтому периоды времени, когда машина недоступна для непосредственного манипулирования, выбивают его из колеи. Он не может, пока она выполняет рутинную работу, заняться с пользой для дела чем-то другим. Это вызывает естественное раздражение с его стороны.

Помощь (Help). В Help'е одной из систем, - к сожалению, мы затрудняемся указать авторов, хотя они того явно заслужили, - не без остроумия было написано что-то вроде: «Ну, мы полагаем, что вы вдоволь помучились, экспериментируя с нашей системой, и теперь самое время, начать изучать документацию ...»

Технология построения Help-систем в настоящее время, особенно с освоением гипертекстовой идеологии, достигла, в целом, достаточно высокого уровня. Однако нелишне попытаться систематизировать комплекс требований к Help-системам:

• для всех приложений, работающих в рамках единой интегрированной системы должна работать единая Help-система, с единым способом управления; каждое приложение при этом сопровождается своим help-файлом, подготавливаемым по единой принятой технологии;
• система help-текстов должна быть структурирована по разделам ­подразделам и иметь оглавление; эта структура должна позволять легко опускаться и подниматься по иерархии вложенности разделов и просматривать текст подряд («по горизонтали»);
• система должна иметь индекс: перечень ключевых слов со ссылками на определения и на контексты использования; при этом они должны не только различаться друг от друга внешне (цветом, шрифтом, выделениями), но и должно быть ясно к какому разделу относится каждая ссылка, чтобы пользователь мог легко найти нужный ему контекст и избежать заведомо ненужных просмотров;
• система должна быть чувствительна к операционному контексту: в любой момент использования основной системы с минимальными трудозатратами (кнопка мыши, F1) должен быть обеспечен выход на сопутствующие объяснения;
• help-система должна быть и объектно-ориентированной: указав на некоторый объект (элемент меню, фрагмент рабочей схемы), пользователь простым способом, например, с помощью правой или средней кнопки мыши должен иметь возможность получить необходимые пояснения, возможно, сопровождающие обектно- и контекстноориентированные операции над данным объектом;
• учитывая весьма высокий уровень абстрактности большинства иконок на кнопках, следует признать удачной идею миниатюрных всплывающих надписей.

Одушевление и персонификация машины человеком. С момента возникновения ЭВМ существует вопрос о том, как ее гуманизировать: сделать добрым и дружелюбным помощником человека. Проблема эта вылилась в область исследований под названием искусственный интеллект. Почему-то считалось, что человеку приятно взаимодействовать с умным собеседником. Мы уже указывали ранее на то, что собственно эргономика может в какой-то степени восполнить (а может быть и дополнить или даже заменить) недостаток интеллекта собеседника или партнера.

Здесь мы остановимся на феномене персонификации машины человеком. Оказалось, что человек в сцене взаимодействия с машиной выступает весьма лояльным партнером, склонным к одушевлению машины. Многие могут припомнить соответствующие примеры из собственного опыта. Так шоферы склонны в какой-то степени одушевлять свой автомобиль. Если последний в хорошем состоянии и достаточно совершенен по части эргономики, у шофера возникает к машине некое теплое чувство; без нее он скучает, при встрече с ней получает удовольствие, жалеет, если ей плохо (стучит, перегревается, неисправна ходовая часть). Известно, что многие программисты получают удовольствие от работы, если их компьютер не самый плохой, а в качестве одного из видов отдыха используют компьютерные игры.

Этот феномен, повидимому, заслуживает дальнейшего внимательного изучения. Без сомнения, сфера его полезного использования может быть существенно расширена. Очень похоже, что отличия машины от человека, которые мы склонны считать ее недостатками, и стараемся устранить в процессе развития исследований, могут найти применения там, где возможности человека перестают быть достаточными. Речь идет, конечно, не о скорости вычислений, надежности и емкости машинной памяти. Имеется в виду именно ее «машинность». Так, известно, что люди не всегда искренне отвечают на вопросы социологов, врачей, судебных работников. Диалог с машиной в подобных случаях может оказаться существенно более продуктивным. В некоторых случаях, можно испытуемому, пациенту, свидетелю гарантиовать анонимность; и он часто легче идет на сотрудничество с машиной, чем с человеком.

Хорошие результаты дает использование машин в обучающих и экзаменующих системах. Как правило, у испытуемого при этом не возникает личных обид, претензий к машине, впечатления, что его нарочно «засыпали». В общем, из процедур машинного испытания существенно легче исключить фактор предвзятости преподавателя, возможность его подкупа; соответственно, и испытуемого легче убедить в объективности оценки его знаний и уровня компетентности. При этом достигается снижение уровня стрессов, уменьшается конфликтность подобных процедур.

4      ВЫВОДЫ

Данная работа возникла в процессе разработки подходов к решению задачи прогнозирования ситуаций в контексте экономико-экологических процессов, поиска путей устойчивого развития природных и общественных процессов в условиях реальных ограничений на доступные ресурсы. Уже на первых этапах анализа поставленной проблемы стало ясно, что решение задачи прогноза «в лоб» может отбросить нас на решение частных задач с позиций пассивных наблюдателей. При этом исследователям грозит опасность упустить какие-то факторы взаимовлияния изучаемых процессов, моменты перехода количества в качество, возникновения катастрофических ситуаций. Стало ясно, что необходимо строить модель изучаемых явлений, и в то же время, включить задачу прогноза в контекст более широкой задачи – задачи управления оргдеятельностными и природными процессами. Принципиальными в данной ситуации оказались два фактора. Во-первых, предстояло контролировать сложную динамику организационных систем, функционирование которых практически всегда сопровождается дефицитом информации, ее неточностью, ошибочностью и задержками по времени. Во-вторых, в структуру организационных систем включены люди – как отдельные личности, так и коллективы. Все это вместе крайне усложняет решение поставленной задачи и не только делает невозможным прямое использование богатого наследия теории и практики управления техническими и оргтехническими системами, но выдвигает и целый ряд принципиальных вопросов как в области методологии моделирования, так и в области семиотики, эргономики, методов создания гибких человеко-машинных систем.

По нашему мнению, выполненные исследования представляют собой приемлемую основу для дальнейшей проработки данного направления. Предполагается основное внимание уделить методам сценарных представлений в описаниях оргдеятельностных систем и разработке подходов к созданию гибких человеко-машинных управляющих комплексов. Именно функционирование подобного комплекса в штатном рабочем режиме и может послужить надежным источником исходных данных для решения задач прогноза развития ситуаций на всех уровнях – от чисто природных процессов до процессов, определяемых взаимодействиями внутри и между человеческими коллективами.

Мы не испытываем иллюзий относительно скорости и легкости реализации подобной программы. Поэтому значительные усилия в плане решения прогнозных задач были предприняты параллельно, отталкиваясь от специфической прикладной тематики. Указанные два подхода не противоречат друг другу, а взаимно дополняют. Достаточно глубокая их проработка приведет, в результате, к их взаимному обогащению. Исследования в области общих принципов управления в оргсистемах получат недостающие данные в отношении закономерностей конкретных прикладных подсистем, а прикладники – интегрирующую концептуальную и компьютерную структуру, которая должна послужить единым объединяющим и активирующим интерфейсом для прикладных разработок.

5         ЛИТЕРАТУРА

1.     Владимир Иванович Вернадский, Материалы к биографии, «Прометей»: историко-биографический альманах  «Жизнь замечательных людей», т. 15, - 125-летию со дня рождения В.И.Вернадского посвящается, сост.  Г.Аксенов, научн. ред. И.И.Мочалов, М., «Молодая гвардия», 1988, ISBN 5-235-00227-Х, 352 с.

2.     Владимир Иванович Вернадский, Несколько слов о ноосфере, 1943-1944, Из Архива В. И. Вернадского: http://vernadsky.lib.ru/ .

3.     Pierre Teilhard de Chardin, The Formation of the Noosphere, 1947, http://technoetic.com/noosphere/

4.     Valentin F.Turchin, The Phenomenon of Science. A Cybernetic Approach to Human Evolution, NY, Columbia University Press, ISBN 0-231-03983-2, 1977

5.     Володимир  Корсунський, Засади сучасного наукового світогляду, Київ, 2000

6.     М.Пришвин, Собрание сочинений, т. 5, М., 1957, 683 с.

7.     Chris Rea, The Road to Hell, - popular song.

8.     Т.А.Гаврилова, К.Р.Червинская, Извлечение и структурирование знаний для экс­пертных систем, “Радио и связь”, Москва, 1992, 199 с.

9.     Thomas Kuhn, The Structure of Scientific Revolutions, University of Chicago Press, 1962

10.  А.И.Уемов, Вещи, свойства и отношения, АН ССР, Институт философии, Издательство АН ССР, М., 1963, 184 с.

11.  Gottlob Frege, Über Sinn und Bedeutung, «Zeitschrift für Philoso­phie und philosophische Kritik» No. 100, 1892, pp. 25-50

12.  Alonzo Church, Introduction to Mathematical Logic, Vol. 1, Prince­ton University Press, 1956

13.  В.Лефевр, Конфликтующие структуры, «Советское Радио», М., 1973.

14.  Э.Ф.Скороходько, Информационный язык для технических наук, «Математическая и структурная лингвистика», № 1, Киев, ИК АН УССР, 1962, 50 с.

15.  Д.А.Поспелов, Большие системы. Ситуационное управление, М., «Знание», 1975, 64 с.

16.  Д.А.Поспелов, Ситуационное управление, Теория и практика, Сер.: Проблемы искусственного интеллекта, «Наука», ГРФМН, М., 1986, 284 с.

17.  Олег Сиголов, «Открытые» или «закрытые» программы - вот в чем вопрос, http://www.interface.ru/erp/news/n011022838.htm , 22.10.01

18.  В.С.Лозовский, Ситуационная и дефинитоpная семантика системы пpедставления знаний, "Кибеpнетика", No. 2, 1979, стp. 98 – 101

19.  В.С.Лозовский, Экстенсиональная база данных на основе семантических сетей, Изв. АН СССP, ТК, No. 5, 1982, стp. 23 – 42

20.  В.С.Лозовский, Инженеpия знаний: понятия и компоненты, в сб. "Компьютеpная pеволюция и инфоpматизация общества", Философское общество СССР, Секция "Методологические и социальные пpоблемы инфоpматизации общества, Москва, 1990, стp. 112-129

21.  В.С.Лозовский, Сетевые модели, pазд. 1.3 в кн.: Искусственный интеллект, в 3-х кн., Кн. 2: Модели и методы. Спpавочник, п/p Д.А.Поспелова, М., "Pадио и связь", 1990, стp. 28 - 49

22.  Lozovsky Vitaly S., Semiotics of Net Models for Knowledge Representation, 12th European Conference on Artificial Intelligence ECAI'96, W30, Applied Semiotics, Budapest, 11-16 August, 1996, ECCAI, pp. 38-42

23.  В.С.Лозовский, Сетевые модели, pазд. 1.3 в кн.: Искусственный интеллект, в 3-х кн., Кн. 2: Модели и методы. Спpавочник, п/p Д.А.Поспелова, М., "Pадио и связь", 1990, стp. 28 - 49

24.  Vitaly S.Lozovsky, Semiotics of Net Models for Knowledge Representation, 12th Eu­ropean Conference on Artificial Intelligence ECAI'96, W30, Applied Semiotics, Buda­pest, 11-16 August, 1996, ECCAI, pp. 38-42

25.  Lozovskiy Vitaliy (UA): Common Sense Semiotics, Conference Proceedings: Know­ledge-Based Software Engineering (Smolenice, Slovakia), P. Navrat and H. Ueno (Eds.), IOS Press, Amsterdam, Berlin, Oxford, Tokyo, Washington, DC, ISSN: 0922-6389, ISBN: 90 5199 417 6 (IOS Press), 1998, pp.232-240

26.  Vitaliy S.Lozovskiy, Designation and Naming, CAI’98, Sixth National Conference with international participation, Vol. III, Proceedings of Workshop on Applied Semi­o­tics, Russian Association for Artificial Intelligence, Scientific Council for the Problem “AI” of Russian Academy of Sciences, Pushchino, 1998, 06-11 Oct., p.16-24

27.  V.S.Lozovskiy, Ergonomics Of Interaction, Материалы VIII Международной кон­фе­ренции KDS-99 ЗНАНИЯ-ДИАЛОГ-РЕШЕНИЯ, Крым - 13-18.09.99 – Каци­ве­ли, в сб. Искусственный Интеллект - 1999, Специальный выпуск, Националь­ная АН Украины - Институт Проблем искусственного интеллекта, Донецк, 1999, ISSN 1561-5359, с. 5-12

28.  Vitaliy Lozovskiy, On the Road to Parasemiotics, ASC/IC'99 - Труды 4-го междуна­родного семинара по прикладной семиотике, семиотическому и интеллек­туаль­ному управлению, Институт программных систем РАН, Российский университет дружбы народов, Российская ассоциация искусственного интеллекта, Москва, октябрь 1999, ISBN5-89574-064-2, с. 158-166

29.  В.Лозовский, К семиотике ноосферы, X-th International Conference “Knowledge-Dialogue-Solution”  KDS 2003, Proceedings, June 16-26, 2003, Varna, Bulgaria, FOI-Commerce, Sofia, 2003, ed. V.P.Gladun, Kr.K.Markov, ISBN: 954-16-0025-5, с. 437-445

30.  Олег Сиголов, «Открытые» или «закрытые» программы - вот в чем вопрос, http://www.interface.ru/erp/news/n011022838.htm , 22.10.01

31.  Библия, Книги священного писания ВЕТХОГО И НОВОГО ЗАВЕТА, канонические, в русском переводе, Издание миссионерского общества «Новая жизнь – Советский Союз» «Кэм­пус Круссейд фор Крайст», СССР, 1991

32.  Антуан де Сент-Экзюпери, Военные записки. 1939-1944

33.  http://www.cia.gov/cia/publications/factbook/geos/up.html - Ukraine