Логико-методологические закономерности качественного анализа слабо структурированных проблем тема диссертации и автореферата по ВАК РФ 09.00.07, кандидат философских наук Климов, Евгений Николаевич

• Климов, Евгений Николаевич
• кандидат философских наук
• 1999

Оглавление диссертации кандидат философских наук Климов, Евгений Николаевич

ОГЛАВЛЕНИЕ

Введение

ОЛ. Общая характеристика работы

0.2. Схема рассуждений при анализе и решении проблем

0.3. Типы проблем и типы поиска решения проблем

Глава 1. Методы поиска решений для слабо структурированных проблем

1.1. Методы поиска решений для неструктурированных проблем

1.1.1. Общая характеристика методов интуитивного поиска

1.1.2. Метод мозгового штурма

1.1.3. Метод синектики

1.2. Методы поиска решений для частично структурированных проблем

1.2.1. Общая характеристика методов систематического поиска----51

1.2.2. Метод переформулировки проблемы

1.2.3. Метод построения «И/ИЛИ» деревьев

Глава 2. Сбор и обработка экспертной информации

2.1. Цели экспертной оценки

2.2. Основные принципы теории качественных измерений

2.2.1. Классификация

2.2.2. Парные сравнения

2.2.3. Ранжирование

2.3. Подбор экспертов и их оценивание

2.4. Методы сбора экспертной информации

2.4.1. Метод конференций

2.4.2. Метод Делфи

2.5. Анализ результатов экспертиз

Глава 3. Вопросы выбора решения

3.1. Формирование списка критериев оценки

3.1.1. Критерии-заместители

3.1.2. Проблема зависимости критериев

3.1.3. Сокращение списка критериев

3.2. Методы выбора решения йа основе заданных критериев

3.2.1. Метод введения ограничивающих критериев

3.2.2. Метод построения доминантной структуры

3.2.3. Метод парной компенсации

3.3. Проблема несравнимости альтернатив и методы ее устранения----144

3.3.1. Устранение несравнимости методом расчленения критериев

3.3.2. Устранение несравнимости методом соединения критериев

3.3.3. Устранение несравнимости методом введения дополнительного

критерия

Заключение

Список используемой литературы

Введение диссертации (часть автореферата) на тему «Логико-методологические закономерности качественного анализа слабо структурированных проблем»

ВВЕДЕНИЕ

0.1. Общая характеристика работы

Актуальность темы исследования. Диссертация посвящена систематическому исследованию процесса качественных рассуждений при анализе сложных проблем и выборе решения для них. Точнее для проблем, которые мы называем неструктурированными и частично структурированными (для краткости далее и те и другие будем называть слабо структурированными). Понятие «качественный» используется нами как синоним понятий - содержательный, неколичественный. Под неструктурированными проблемами понимаются проблемы, в которых при наличии какого-либо неудобства или изъяна неизвестна природа существующего неудобства; неизвестны зависимости между объектами, которые рассматриваются в процессе анализа возникшей проблемы; проблема не вписывается, для решающих ее, ни в одну из известных им областей знания; те, кто обязан все же решить возникшую проблему, плохо представляют себе в каком направлении следовало бы начать двигаться. Под частично структурированными проблемами понимаются такие проблемы, когда направление решения задано, уже может быть выбрано решение и в целом ясно, что следует сделать для разрешения проблемы, но неизвестен механизм реализации требуемых действий или изменений. И тот и другой тип проблем объединяет то, что в силу своей новизны и/или слабой структуризации большинство исходной и получаемой при их анализе информации выражено в качественных формулировках. При этом структуризация исходной информации до уровня математических формализмов часто невозможна (или нецелесообразна), вследствие чего эти проблемы нельзя решить исключительно при помощи математических средств анализа. Анализ таких проблем протекает на естественном, разговорном языке в качественных суждениях и оценках, окончательный

вариант решения выбирается из альтернативных вариантов на основании качественных критериев, с опорой в большей степени на мнения экспертов и косвенную, а потому, неполную информацию, чем на статистически объективные данные.

По анализу и решению хорошо структурированных проблем существует обширнейшая литература. Следует отметить, что при наличии довольно большого числа работ, посвященных методам количественного анализа одного из видов слабо структурированных проблем - частично структурированных проблем (существует целый ряд разделов математики занимающихся методами математического анализа: теория игр, теория экспертных оценок, теория решений, исследование операций, теория вероятностей и теория математической статистики и другие), работы по неколичественному, содержательному анализу и решению частично структурированных и неструктурированных проблем крайне немногочисленны. А между тем, «Определенная увлеченность математическими моделями принятия решений оставила за сценой собственно логический анализ решений. А он особенно важен для слабо структурированных проблем, когда трудно или почти невозможно использовать чисто математические модели, и решение, и его качества определяются интуицией человека.»1 - эта цитата из работы Г.С.Поспелова 1981 года, на наш взгляд, актуальна и сегодня.

В конце шестидесятых годов, признанные сегодня классиками по решению проблем с помощью искусственного интеллекта Дж. фон Нейман и Моргенштерн предложили, при выборе альтернатив, для их оценок, измерять их полезность и вероятность. Хотя они указывали на то, что «непосредственное ощущение предпочтения одного объекта или совокупности объектов по отношению к другим дает необходимую основу для сравнения», Нейман и Моргенштерн попытались провести аналогию

1 Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. - М.: Радио и связь, 1981. - С.542

из области измерения физических величин (где долгое время измерения теплоты, времени, длины и других показателей производились в качественных оценках, а затем были заменены на количественные) на все другие области человеческого знания. Вначале, при сравнениях физических величин, не существовало надежных количественных измерений, однако, впоследствии они появились. На основании этого было сделано допущение о том, что «если полезности сегодня выглядят весьма неколичественно, то история и опыт теории теплоты могут повториться, притом с непредсказуемыми последствиями»2. Однако, можно говорить о том, что пока их надежды не вполне оправдались. Безусловно, математические дисциплины в области анализа и принятия решений далеко продвинулись за эти годы, но они распространяются в основном лишь на область тех проблем, которые можно назвать хорошо структурированными. Сошлемся на мнение признанного специалиста по анализу многофакторных проблем и принятия решений средствами математики в условиях неопределенности О.И.Ларичева. По его мнению при анализе проблем указанных типов «... как ранее так и сейчас мы не имеем надежных способов количественного измерения вероятностей и полезностей. ... Более того, мы имеем сейчас немало доказательств ненадежности имеющихся способов количественных измерений полезностей и вероятностей»3. Речь идет, конечно, не о статистической (достаточно достоверной, хорошо структурированной информации), а о субъективной вероятности. Однако в нашем случае трудность состоит в том, что многие факторы, например такие, как престиж профессии, оригинальность дизайна, популярность той или иной организации, марки товара, враждебность группы каких-либо лиц по отношению к другой

2 Нейман Фон Дж., Моргенштерн О. Теория игр и экономическое поведение. - М.: Наука, 1970. - С.53

3 Ларичев О.И., Мошкович Е,М. Качественные методы принятия решений (вербальный анализ решений). - М.: Наука, 1996. - С.36

группе и тому подобная информация носит крайне субъективный, трудно формализуемый характер. Тем не менее, она часто оказывает весьма существенное влияние на процесс принятия решения. Несмотря на различные достаточно трудоемкие методы перевода качественной информации в количественную, трудно представить объективные количественные измерители для такого рода оценок. Для многих слабо структурированных проблем не существует надежных количественных данных. Например, качественно-количественные методы типа размытых множеств часто приводят к искажениям. Вначале измерения проводятся в качественных величинах, затем при помощи заданной функции принадлежности (ставящей в соответствие любым словам числа) они преобразуются в количественные показатели, Ларичев О.И. справедливо указывает на то, что «произвол в при подобных преобразованиях очевиден и неустраним ... и полагаться на таким образом полученные числа больших оснований нет»4.

На примере программ машинного перевода с одного естественного языка на другой проиллюстрируем проблемы выбора решения в плохо структурированных ситуациях. Для того, чтобы вычислительной машине переводить с одного языка на другой, «требуется нечто большее, чем только машинный словарь (каким бы полным он ни был) и правила грамматики (сколь совершенными они не оказались бы)»5. В программировании при решении указанных задач перевода отчетливо проявилась необходимость обработки информации, не рассматриваемой в явном виде, но и не исключаемой из рассмотрения, то есть информации находящейся на периферии сознания. Еще в семидесятые годы Дрейфус указал на ограниченность вычислительных средств в вопросе

4 Ларичев О.И., Мошкович Е,М. Качественные методы принятия решений (вербальный анализ решений). - М.: Наука, 1996.

5 Дрейфус X. Чего не могут вычислительные машины. Критика искусственного разума. - М.: Прогресс, 1978. - С.52

распознавания упомянутой периферийной информации. Если говорить о машинном переводе, то здесь движение происходит как раз в попытке учета периферийной, контекстовой информации. Именно благодаря тому, что машина учитывает контексты на употребление каждого слова из пяти тысяч статей введенных в программу (пример - программа-переводчик STYLUS 3.0) успех достигнут лишь в переводе простых технических текстов. При этом, машина осуществляет только черновой перевод технических текстов, перевод более сложных текстов требует активного участия человека, а во многих случаях только человека, то есть при работе с теми текстами, контекст которых в некотором смысле уникален. Следует учесть и то, что процедура перевода сама по себе достаточно хорошо изучена и не является новой проблемой для человека. Человек же, в отличие от машины, обладает способностью «учитывать нечеткие ситуации, не прибегая к замене их точными (алгоритмизированными, примечание мое) описаниями»6, что позволяет ему средствами отличными от алгоритмизированных машинных процедур решать слабо структурированные проблемы. Не всегда этот контекст, эти нечеткие описания поддаются однозначному формальному выражению. Алгоритмизировать и просчитать возможно лишь повторяющиеся, стандартные, но не уникальные ситуации, выраженные в качественных терминах.

Кроме затронутых сторон, тема недостаточно разработана для того, чтобы представлять собой цельную дисциплину. Мы беремся утверждать, что на данный момент, не существует такой работы, которая аккумулирует в себе опыт по неколичественным методам анализа слабо структурированных проблем: качественному поиску решений, сбору качественной информации и содержательным методам выбора решения для проблем указанного типа. Существует ряд работ, так или иначе

6 Дрейфус X. Чего не могут вычислительные машины. Критика искусственного разума. - М.: Прогресс, 1978. - С.51

связанных с темой нашего исследования, но все они освещают какой-либо из частных этапов процедуры анализа и решения слабо структурированных проблем, а потому полученные в них результаты не имеют общей методологической основы. Так, работы по теории экспертных оценок, посвящены вопросу сбора и обработки информации -промежуточному этапу анализа. Работы по методам поддержки принятия решений (область лишь в последние пятнадцать лет начала оформляться в отдельную дисциплину) - посвящены заключительному этапу анализа, методам выбора решения из ранее сформированных альтернатив. Поиску и выдвижению идей - одному из начальных этапов анализа проблем -посвящено большое количество работ по методологии, психологии, педагогике и организации интеллектуального творчества. В свою очередь, многие из этих работ рассматривают начальный этап анализа в слишком узких областях, например, при проектировании и изобретательской деятельности в технике. Тогда как очевидно, что для практической реализации только упомянутых результатов необходимо обобщение, что-то вроде мета-метода, который бы охватывал весь процесс от постановки цели, до выбора решения проблемы и позволял бы ориентироваться в большом количестве частных методов.

Таким образом, достаточно актуальным представляется: во-первых, обращение к качественным методам оценки и анализа переменных при решении практических слабо структурированных проблем, когда использование сложного математического аппарата по различным причинам или нецелесообразно или невозможно, как более надежным, чем наша, ничем не подкрепленная, интуиция и более гибким и естественным для человека, чем количественные средства анализа; во-вторых, представляется необходимым построение цепочки шагов, состоящих из качественных методов анализа и решения неструктурированных и частично структурированных проблем от постановки цели до принятия решения; в-третьих, выявление собственно логико-методологических

составляющих в структуре методов, применяемых для анализа и решения слабо структурированных проблем.

Степень разработанности темы. Литература по качественному анализу слабо структурированных проблем, как было уже указано, разбросана по различным областям знания и представлена относительно немногочисленным перечнем работ. Коллективная монография «Анализ сложных систем. Методология анализа при подготовке военных решений» под редакцией Э. Квейда явилась отправным пунктом выбранной темы. Авторы монографии впервые четко поставили вопрос о комплексном решении проблем, которые в силу своей сложности и слабой структурированности, помимо использования чисто математических методов анализа, могут быть эффективно решены только с помощью привлечения средств качественного анализа и оценки. Кроме того, в этой же работе был поставлен вопрос о комплексной дисциплине для решения сложных проблем, которая бы охватывала все стадии анализа и решения проблемы. Однако, в работе, в основном, ставилась задача, и далее не было дано ее конкретного развития в смысле поднятой нами темы.

Малочисленность исследований, посвященных непосредственно неколичественному анализу слабо структурированных проблем, побудила нас обратиться к исследованию работ в смежных областях. Во многих из них частные вопросы исследуемой темы развиваются достаточно глубоко и детально, но в отрыве от всего процесса анализа. Наряду с этим, внутреннее строение отдельных процедур, входящих в процесс анализа и выбора решения для слабо структурированных проблем, чаще рассматривается непосредственно с позиций той области знания, в которой они получены: психологии, педагогики, применения к искусственному интеллекту, практического применения в сфере технического творчества, обороны, политики и бизнеса, но не с точки зрения их логической структуры.

В частности работы С.Д.Бешелева, Ф.Г.Гурвича, Б.Н.Оныкого, С.Ф.Остапюка, Б.Г.Литвака, О.И.Ларичева, Е.М.Мошкович,

A.И.Мечитова, С.Б.Ребрика, Е.М.Фуремса посвящены этапу сбора экспертной информации и ее обработки для последующего принятия на ее основе решения, с использованием аппарата теории вероятностей. Из работ посвященных прикладным методам поиска решений в сфере науки, производства и обороны нами были активно использованы результаты

B.В.Титова, а также работы А.В.Кудрявцева, Ю.Н.Шеломка

B.В.Чавчанидзе, Т.Гордона, А.Ф.Осборна, Р.Д.Шпехта, Р.Н.Маккина, Ч.Дж.Хитча, О.Хелмера, Р.Акоффа, Ф.Эмери, Ф.Цвикки. Из методов решения технических проблем или работ по промышленному проектированию и изобретательству нами привлекались, хорошо известные у нас в стране работы Г.С.Альтшуллера, а также Г.Я.Буша, работы ряда зарубежных авторов - Дж.К.Джонса, Дж.Мартино, И.Мюллера. Многие идеи поставленные в работах Э.Квейда и его коллег развиваются сейчас на Западе в такой области знания, которая получила название «анализ политики», в этой области основное внимание уделяется таким процедурам, которые у нас в стране называются методами поддержки принятия решений. В рамках данной области нами были использованы результаты ряда англоязычных работ Г.Монтгомери, О.Свенсона, Л.Р.Бича, Т.Р.Митчела.

Работы непосредственно посвященные методам поддержки принятия решений также активно использовались автором данной диссертации. Это исследования представляющие область знания, которая имеет непосредственное отношение к теме диссертации, но затрагивающие в основном только процесс выбора решения на основании готового списка альтернативных вариантов, в работах: О.И.Ларичева, Е.М.Мошкович, А.И.Мечитова, Е.М.Фуремса, С.Б.Ребрика и Д.Беркли, П.Хамфриса,

C.А.Альтера, Д.Винтерфельдта, Г.Фишера.

Обширный раздел темы представлен работами по психологии процессов интеллектуального творчества, поиска и принятия решений, например, таких известных авторов как Ж.Пиаже, Ж.Адамара, Г.Селье и других, а в нашей стране Н.М.Амосова, В.Н.Пушкина, Г.М.Кучинского. И хотя эти работы затрагивают несколько иные аспекты, чем рассматриваемые нами, а потому лишь косвенно соприкасаются с заявленной темой диссертации и анализ их результатов остался за рамками нашего исследования, однако, учитывая характер стоящей перед нами задачи, мы не могли не использовать полностью результатов полученных психологами. Поэтому некоторый фактический материал был почерпнут из работ Г.Миллера, А.Тверского, П.Словика и Д.Канемана, О.Свенсона, К.Р.МакКримона, Д.А.Верунга и Р.Клацки.

Отчасти связаны с этими работами по психологии интеллектуального творчества, но в целом стоят особняком, хорошо известные исследования Д.Пойа, в которых тесно переплетены различные области знания: психология, эвристика, педагогика и методология научного творчества. Из отечественных авторов в области преподавания эвристики можно упомянуть Ю.Н.Кулюткина.

Из посвященных вопросам применения математических средств анализа и возможностям применения средств искусственного интеллекта для анализа проблем интересующего нас типа, в той или иной степени задействованных в нашей работе, следует упомянуть работы Г.С.Поспелова, Д.А.Поспелова, Н.А.Шанина, Л.С.Гнеденко, Н.Нильсона, Р.Л.Кини, Х.Райфы, А.Ньюэлла, Г.Саймона, Д.Б.Лената. В этих работах речь идет о составлении специальных эвристических программ в финитных, хорошо описанных областях, таких как: игры, решение задач автоматизированных систем управления, автоматический поиск доказательства теорем и ряде других, которые характеризуются четко заданными условиями, ограниченностью критериев оценки, количественно выразимыми данными. Поэтому можно говорить о том, что данные

исследования опять таки лежат в параллельной области поиска и выбора решения проблем, но не рассматриваемого нами типа, а хорошо структурированных. Особое место в этом списке занимает работа Р.Л.Кини и Х.Райфы «Принятие решений при многих критериях: предпочтения и замещения». Она содержит немало материала посвященного логическому анализу решений слабо структурированных проблем, но теория излагаемая авторами, предполагает только исследование количественных методов анализа, поэтому материал приходилось искать, в буквальном смысле, «между строк», посвященных описанию математических средств анализа.

Из работ, посвященных логике и затрагивающих тему исследования, следует упомянуть работы Р.Карнапа, работы Т.Котарбинского, из отечественных логиков были использованы результаты Б.И.Федорова.

При решении философских вопросов, имеющих отношение к заявленной теме, автор опирался на работы Х.Дрейфуса, Р.Карнапа, Л.Берталанфи и И.Лакатоса.

Несомненно определенное влияние на понимание процессов эвристической деятельности человека оказали работы Дж.Фон Неймана и О.Моргенштерна, Р.Льюса, Х.Райфы, Н.А.Шанина, О.Ф.Серебрянникова, хотя некоторые из них и не относятся непосредственно к теме нашей работы и не отражены ссылками в тексте диссертации.

Большой объем работ, результаты части которых несомненно также имплицитно задействованы в данной диссертации и которые, тем не менее, не рассматриваются нами, представляют собой работы таких мыслителей как Платон с его сократическим методом «майевтики», Аристотель, Архимед Сиракузский, У.Оккам, РЛуллий, Ф.Бекон, В.Чирнгауз, Р.Декарт, Г.В.Лейбниц, Х.Вольф, Б.Больцано, Д.Дьюи, А.Пуанкаре, Д.Пойя и другие. Этот раздел следовало бы начать еще с системы поиска истин по аналогии Демокрита из Абдер (460-370 годы до н.э.). В особенности интересны для исследования становления рассматриваемой

области знания работы Б.Больцано, который посвятил один из четырех томов своего главного труда - «Наукоучения» - исключительно вопросам эвристики. Однако вопросы историко-логического и историко-философского анализа выбранной темы представляются нам настолько обширными и важными, что диссертант считает их предметом отдельного серьезного исследования, а потому сознательно не затрагивает этот интереснейший пласт в своей работе. Мы только укажем на то, что вопрос исторического освещения всей темы в целом на данный момент не разработан. Небольшой по объему материал по этому вопросу найден диссертантом только в работе 1977 года у Г.Я.Буша, некоторое внимание освещению исторических вопросов эвристики уделяет в своих работах Д.Пойя, но представленного этими авторами материала явно недостаточно для того, чтобы говорить о том, что данный аспект темы систематически исследован.

Цель и задачи исследования. Целью данной работы является выявление логико-методологической структуры качественного анализа и качественного выбора решения для слабо структурированных проблем как единого процесса, основных логико-методологических закономерностей и трудностей логического характера, встречающихся в процессе анализа, а также определение и систематизация приемов преодоления этих трудностей.

Для достижения поставленной цели в диссертации ставятся и решаются следующие основные задачи:

- установление основных этапов качественного анализа для слабо структурированных проблем, определение методологической структуры этих этапов с уточнением смысла исходных понятий;

- классификация методов поиска решений, с очерчиванием философских основ образуемых классов, и логико-методологических составляющих методов входящих в эти классы;

- определение логической структуры качественных измерений, проведение логико-методологического анализа основных видов качественной экспертной оценки;

- рассмотрение процесса формирования критериев оценки, с выявлением трудностей возникающих при формировании списка критериев, а также формулирование способов их устранения, классификация качественных методов выбора решения с определением затруднений, возникающих при выборе решения, при несравнимости альтернативных вариантов решения, и с очерчиванием средств их преодоления.

Обобщенно сверх-задача диссертации сводится к построению логико-методологической структуры качественного анализа слабо структурированных проблем от постановки цели, до принятия решения, с перспективой использования ее в качестве теоретической базы в практической работе аналитика.

Научная новизна проведенного автором исследования темы состоит:

1) в обобщении и систематизации результатов по качественному анализу и решению неструктурированных и частично структурированных проблем в виде единой структуры, что позволило, в свою очередь понять архитектонику процесса решения проблем указанного типа;

2) в уточнении смысла таких необходимых понятий как: структурированность проблемы, цель и задача, типы проблем, типы методов поиска решения проблем, критерия оценки, несравнимости альтернативных решений;

3) в выявлении логической и методологической составляющих частных методов, посвященных поиску решений, проведению экспертиз; определении логической структуры трех типов качественных измерений; освещении трудностей логического характера, возникающих при формировании списков критериев оценки, и способов устранения этих трудностей; систематизации выбора решения из заданного списка

альтернатив, а также определении приемов устранения несравнимости альтернатив;

К научной новизне следует также отнести междисциплинарный характер работы, поскольку вопросы качественного анализа исследуются не только с точки зрения логики и методологии, но их рассмотрение потребовало привлечения результатов психологии, эвристики, педагогики, исследований искусственного интеллекта и технического творчества.

Практическая ценность исследования. Материалы данного исследования могут быть использованы в качестве теоретической основы для подготовки специалистов, занимающихся организацией и проведением анализа и решения проблем, которые мы охарактеризовали как слабо структурированные.

Нам представляется целесообразным создание на основе диссертационной работы специального учебного курса, который можно было бы давать в дополнение к курсу по традиционной логике. В перспективе можно преподавать этот курс школьникам старших классов или студентам вузов наряду с курсами математики, традиционной логики и курсами пользователей персональных компьютеров. В особенности, мы считаем, это будет полезно для тех аудиторий, представители которых в будущем стожнутся с решением проблем в мало изученных областях, проблемами переработки больших массивов неструктурированной информации.

0.2. Схема рассуждений при анализе и выборе решения проблем

Предварим анализ выдвижением некоторых правил, которые будут использоваться на протяжении всех этапов работы в качестве исходных принципов:

1) правило последовательности - «целое предваряет части целого»;

2) правило множественности - «у любой проблемы всегда существует более одного направления решения»;

3) правило предпочтения - «более легкое предваряет более трудное» или «объект, имеющий больше точек соприкосновения с рассматриваемой проблемой, предваряет объект, имеющий меньше таких точек»;

4) правило членения - «информацию не следует членить более чем на 7±2 частей или отдельных блоков».

Первое правило основано на одном из принципов теории систем, основные аспекты которой будут затрагиваться в первой главе7. Второе и третье правила почерпнуты из богатого опыта работ Д.Пойя.8 Четвертое правило основано на экспериментальном материале психологии восприятия информации человеком.9 Эти эвристические принципы принимаются нами без какого-либо дальнейшего обоснования.

Теперь приступим к анализу процедуры решения проблем любого рода. Автор отдает себе отчет в том, что исторически все попытки создать универсальный метод решения задач любых типов, одинаково эффективный во всех случаях, оканчивались неудачей. С другой стороны, время показало, что одних узкоспециализированных для той или иной области методов недостаточно. Нас не устраивает ситуация, в которой каждый раз при решении проблемы необходимо начинать все заново. Опыт чему-то учит и более подробный анализ специфических приемов и методов позволяет выделить ряд инвариантных шагов, которые можно, в

7 См. также Bertalanffy L. An Outline of General System theory. - The British Journal for the Philosophy of Science. - 1950. - №2.

8 Пойя Д. Математика и правдоподобные рассуждения. - М.: Из-во иностранной литературы, 1975.

9 См. например, Миллер Г. Магическое число семь плюс минус два. // Инженерная психология. - М.: Прогресс, 1964.

том или ином виде, обнаружить при решении задач любых типов. В качестве фактического материала возьмем для примера несколько вариантов членения процедуры анализа и выбора решения проблемы, которые можно обнаружить у различных авторов, занимавшихся исследованием процессов интеллектуального творчества в разное время и в разных областях. Вот некоторые из них.

У немецкого математика М.Беренса «схема тотального синтеза», включает в себя:

1) формирование общей концепции объекта;

2) вычисление основных (значимых) составляющих объекта;

3) поиск многообразных форм (или способов) выполнения каждой составляющей;

4) синтез всех возможных сочетаний;

5) выбор решения.

У основателя инструментализма Д.Дьюи в его экспериментальной логике дано следующее10:

1) столкновение с трудностью и попытки определить границы возникшего затруднения, вскрыть элементы и взаимосвязи приводящие к противоречию;

2) ограничение зоны поиска решения проблемы (локализация проблемы);

3) возникновение вероятного решения (движения мысли от того, что дано, к тому, чего не дано, образование идеи, гипотезы);

4) рациональная обработка возникшей гипотезы или идеи, логическое развитие основного ее положения (критическое выведение следствий);

5) верификация.

10 Dewey D. Essays in experimental logic. - Chicago, 1918.

Вариант членения, который можно найти у Д.Пойя:11

1) определение того, что необходимо найти;

2) определение того, что дано;

3) разбиение задачи на подзадачи в различных вариантах;

4) возникновение идеи и составление плана решения;

5) реализация решения.

Деление процедуры анализа проблемы, предлагаемое советским методологом А.И.Половинкиным12:

1) предварительная постановка проблемы;

2) изучение и анализ проблемы;

3) уточнение и детализация проблемы;

4) поиск идей ее решения;

5) выбор наилучших решений;

6) доработка выбранных решений.

Э. Квейд и группа его соавторов представляли процесс в следующем виде13:

1) определение цели;

2) поиск альтернативных вариантов достижения цели;

3) анализ наличных средств;

4) выбор критериев оценки и формирование их списка;

5) сравнение путей достижения цели на основании выбранных критериев и выбор решения.

11 Пойя Д. Математическое открытие. - М.: Наука, 1976.

12 Автоматизация поискового конструирования. / Под ред. Половинкина А.И. - М.: Радио и связь. -1981.

15 Квейд Э. Анализ сложных систем. (Методология анализа при подготовке военных решений.) - М.: Советское радио, 1969.

Как можно заметить некоторые наиболее общие положения присутствуют и повторяются, в том или ином виде, во всех приведенных классификациях. Все они начинаются с осознания проблемы как проблемы и выборе цели, к которой следует стремиться для ее разрешения. Это положение в афористической форме - «смотри в корень» или «решение задачи начинается с конца» - известно каждому образованному человеку. Мы исходим из того, что и выявление основного перечня остальных инвариантных шагов не представляет собой большой проблемы, поэтому для нашей конкретной цели дальнейшего анализа этих инвариантных шагов мы воспользуемся одной наиболее полной из предложенных классификаций.

Последняя предложенная схема на наш взгляд наиболее корректно формулирует смысл основных этапов решения проблемы и вполне подходит для детализации внутренних процессов происходящих при анализе и решении проблемы. Поэтому она и будет принята нами в качестве исходной. Схема была предложена в работе вышедшей в бывшем СССР в конце шестидесятых годов под названием «Анализ сложных систем. Методология анализа при подготовке военных решений.» под редакцией Э. Квейда. Для своего времени книга явилась новым словом в области анализа слабо структурированных проблем. Многие идеи выдвинутые в этой книге хороши и актуальны по сей день. Авторы попытались изложить системный подход при анализе сложных многофакторных проблем, где значительная часть факторов выражена в форме суждений обычного разговорного языка* носит качественный, а не количественный характер. Несмотря на то, что работа в целом посвящена возможностям средств математического анализа проблем, авторы работы указали на то, что математические методы безусловно эффективны в хорошо структурированных ситуациях, то «сть тогда, когда все условия четко сформулированы и могут быть представлены в виде числовой информации, однако в новых нестандартных ситуациях часто

содержательный анализ является единственным средством, которое имеется в наличии у решающего. Одна из формулировок этого вопроса выглядит следующим образом: «Анализ систем представляет собой подход к рассмотрению или способ рассмотрения сложных проблем выбора в условиях неопределенности (например, проблем, связанных с национальной безопасностью). При рассмотрении таких проблем преследуемых целей обычно бывает много, и они могут быть противоречивыми; анализ позволяющий облегчить принятие решений, должен включать в себя немалую долю суждения.»14 Иногда, вследствие указанных причин, проблема решается качественно, несколько упрощенно, но в определенных ситуациях с помощью качественного анализа все-таки удается найти хотя бы удовлетворительное решение, учитывая при этом все важные факторы проблемы. «Ясно, что при анализе многочисленных элементов более широкой проблемы, часть которых имеет огромнейшее значение, не приходится полагаться на количественные или точные критерии.»15 Авторы данной цитируемой нами работы обратили внимание на то, что в условиях недостатка времени и ресурсов качественный анализ может стать самостоятельным средством поддержки поиска и принятия решений. Наконец, на то, что для анализа проблем, учитывающих качественные факторы и содержащих качественные оценки, требуются особые методы анализа сложных ситуаций, отличные от чисто количественных методов анализа. Они подытоживают свои соображения и говорят: «Таким образом общий анализ, будет менее ясной и упорядоченной процедурой, редко пригодной для количественной оптимизации. ... Поэтому с анализом систем ассоциируют слова и выражения: «проблемы «выбора целей»», «суждение», «качественный» и

14 Квейд Э. Анализ сложных систем. (Методология анализа при подготовке военных решений.) - М.: Советское радио, 1969. - С.27

15 Там же - С.31

«содействие логическому мышлению».».16 В основу содержательного анализа широких, плохо структурированных проблем и была положена последняя схема.

Вернемся к этой схеме, которая будет служить основой и для нашей работы. Мы отдаем себе отчет, что количество и последовательность шагов в приводимой обобщенной схеме достаточно условно. При практической реализации качественного анализа и решения некоторые шаги могут выполняться совместно или выполняться в несколько иной последовательности, некоторые шаги могут быть опущены, реально многие из них выполняются итеративно, то есть часто приходиться возвращаться вновь и вновь к какому-либо из них. Но для цели нашей работы, которая носит теоретический характер, важно то, что мы выделили для дальнейшего анализа ряд существеннейших, инвариантных этапов, и тем самым имеем возможность ими оперировать. Попробуем теперь несколько раскрыть ту схему, которую мы выбрали в качестве исходной. Качественный анализ в более развернутом виде протекает следующим образом.

1) Определение цели. Определение цели заключается в выявлении ограничений и установлении некоторого результата, достижение которого способно снять проблему.

Определением цели, к которой надо стремиться для разрешения проблемы, дается направление сбора предварительной информации. Информация собирается и группируется относительно заданной цели. В свою очередь, дополнительная информация доопределяет цель. Этот этап распадается на две взаимосменяемые стадии - собственно определение цели и сбор предварительной информации.

2) Поиск путей достижения цели. Здесь формируются первоначальные варианты достижения цели. Далее происходит

16 Квейд Э. Анализ сложных систем. (Методология анализа при подготовке военных решений.) - М.: Советское радио, 1969. - С.36

конкретизация выбранных первоначальных вариантов решения. Выбирается направление решения и внутри выбранного направления создается список альтернативных конкретных решений проблемы.

3) Анализ наличных средств. После получения вариантов решения, процесс поиска переходит к этапу анализа наличных средств. На этом этапе осуществляется более развернутый и детальный сбор информации по предложенным альтернативным вариантам, предварительная оценка выбранных вариантов. В результате происходит отбрасывание тех решений, на реализацию которых у решающих проблему недостаточно средств и они не могут их получить из дополнительных источников.

4) Выбор критериев оценки. На данном этапе формируется список критериев оценки. В решении любой проблемы всегда задействованы различные ресурсы, поэтому нельзя оценивать какой-либо путь только по одному из них. Поскольку речь идет о неколичественном анализе, то все существенные характеристики невозможно свести к одному-двум показателям, в силу этого составляется список критериев, который обычно значительно превышает упомянутые один-два показателя. Согласно нашему правилу членения, этот список не может быть и очень велик, так как это усложняет процедуру оценки. Выбираются из списка только те критерии, которыми нельзя пренебречь. При этом допускаются и количественные показатели, если они есть. Оценка по количественным критериям - это средство убедиться в том, что полученная система точно удовлетворяет поставленным требованиям, но это не всегда удается сделать. Оценка по качественным критериям позволяет выявить наиболее перспективные решения, учитывая стратегические факторы, которые большей частью из-за их неопределенности просто не могут быть заложены в количественный анализ.

5) Сравнение путей достижения цели и выбор решения. На основании сформированного списка критериев оценки происходит перебор выдвинутых ранее альтернативных вариантов решения, делается

окончательный выбор в пользу одного из них. Тем самым получают решение проблемы.

Вернемся на некоторое время к первому этапу анализа. Определение цели является ответственейшим этапом, для всего последующего хода анализа. На этом этапе совершается переход от проблемы к задаче. Именно, после определения цели проблема превращается в задачу, которую можно начать решать. Проблема и задача, решение которой мыслится аналитику как решение этой проблемы, не совпадают полностью. Постановка задачи и отождествление задачи с проблемой -есть результат определенного понимания проблемы (понимания проблемы с точки зрения лиц анализирующих проблему и принимающих решение).

После того, как сформулирована первоначальная цель, если учитывать наше правило множественности, то необходимо тщательно проверить, надо ли решать ту задачу, которая прежде всего приходит на ум, или проблему можно разрешить с помощью достижения другой цели. Однозначных действий здесь нет. Но с логической точки зрения возможны две логические операции - обобщения первоначально высказанной цели, либо ее ограничения. Если цель для решения проблемы мыслиться очень широко, то ее следует конкретизировать, то есть ограничить понятие, которым выражается поставленная цель.

Ограничение понятия - логическая операция, заключающаяся в том, что для какого либо понятия находится менее широкое по объему понятие, но которое непременно входит в объем исходного понятия. Для того, чтобы ограничить какое-либо понятие, надо к признакам исходного понятия добавить новые признаки, присущие только какой-то части предметов, отображенных исходным понятием. Например, имеется объект недвижимости, с которым собственнику необходимо «что-либо сделать, чтобы по-хозяйски им распорядиться». При ограничении понятия получим несколько более конкретную цель: «Найти экономически наилучшее и наиболее эффективное использование данному объекту». В данном случае

«хозяйские» действия сводятся исключительно к получению экономической выгоды и не преследуют никаких иных целей.

Следует отметить, что под уточнением цели чаще всего понимается именно ограничение исходного понятия цели. Однако, в вопросе уточнения цели существует еще один вариант качественного анализа первоначально выбранной цели. Рассмотрим пример, когда с самого начала поставлена очень конкретная цель. В свое время американский президент Кеннеди поставил следующую очень конкретную задачу: «Достичь Луны к 1970 году» п. При такой изначальной постановке цели, если данная постановка вопроса не является результатом тщательного анализа, полезно обобщить цель и посмотреть является ли выбранная конкретная цель единственной и лучшей для достижения более общей цели. С точки зрения логики здесь происходит обобщение того понятия, которым выражается поставленная цель.

Обобщение понятия - логическая операция, которая заключается в том, что для какого-либо понятия находится более широкое по объему понятие, в объем которого входит и объем исследуемого понятия. Для того чтобы обобщить какое-либо понятие, необходимо от признаков исходного понятия отбросить все признаки, присущие предметам, составляющим объем этого понятия.

Например общей целью являлось бы понятие: «Продемонстрировать всему миру успехи американской научной и инженерной мысли». Далее следовало бы рассмотреть является ли достижение Луны к такому-то сроку единственным средством для реализации более широкой цели или она может быть достигнута другим путем.

Возможно, что после получения дополнительной информации в заданном направлении, произведенное аналитиком ограничение области проблемы и выявление цели окажется неверным или бесперспективным.

17 Грамматически корректно говорить о понятии в форме: «достижения Луны к 1970 году» с модальным оттенком долженствования.

Поэтому он вернется назад и по другому определит цель. Как нами уже указывалось, приходиться признавать реальную природу анализа и выбора решения - она «носит итеративный характер не только при определения цели, но и во время всего процесса анализа»18. Однако, для наших целей мы исходим из того, что стадия определения цели завершена. Таким образом, следует отметить два логически возможных варианта уточнения цели - это ограничение исходного понятия и его обобщение с последующим делением обобщенного понятия цели.

Принимая за основу общую схему качественного анализа, мы понимаем однако, что само по себе знание этапов анализа еще не дает нам возможности решать конкретные практические задачи. Уже на втором этапе требуются специализированные методы эффективного поиска решений проблем. Таких частных методов разработано и предложено огромное множество. Более того их обилие и неуниверсальность каждого отдельного метода вызывает некоторый скепсис по отношению к работам по общей теории эвристик.

На втором этапе анализа, мы находимся на стадии поиска и формирования решений проблемы - путей достижения поставленной на первом этапе цели. Трудностью здесь является не отсутствие, а обилие частных методов поиска решений. Следующая информация очень хорошо очерчивает ситуацию: «У Х.М.Тринга предлагается восемь методов поиска. Р.П.Поливейко в своей десятичной матрице применяет десять методов. В.А.Моляко разработал двухступенчатую систему поиска КАРУС, включающую пятнадцать тактик и восемь методических приемов поиска. Система Альтшуллера основана на тридцати пяти принципах поиска. ...», и далее «... известны и более обширные системы поиска например М.Хюрлимен рекомендует использование 420 приемов

18 Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. - М.: Радио и связь, 1981. - С.24

эвристического поиска19.». Приводя однако такие данные, автор цитируемого высказывания Г.Я.Буш не делает попыток систематизировать методы поиска решений, а предлагает отобрать некоторое количество из них (наиболее эффективных, с его точки зрения, для практического применения в изобретательской деятельности), который насчитывает не один десяток методов или приемов. Нас же, с точки зрения теоретического подхода, такая подача материала не устраивает. Для систематизации и охвата этого огромного массива эвристических методов поиска можно предложить простой и естественный для человеческих рассуждений подход. Попытаемся классифицировать проблемы и задачи по какому-либо отличительному признаку на типы. Поскольку мы начинаем с методов поиска путей решения, то попытаемся одновременно с этим классифицировать эвристические методы выдвижения альтернативных путей решения проблем. Далее, получив две соответствующие классификации, поставим в соответствие определенному типу проблем определенную группу эвристических методов поиска решений. Реализация такого сопоставления даст методологическую подсказку при выдвижении альтернативных решений проблем, в какой ситуации какие методы поиска эффективнее применять. Образно перефразируя наше третье правило, которое мы назвали правилом предпочтения - с тем, чтобы не стрелять по воробьям из пушки или не выходить на тигра с рогаткой.

0.3. Типы проблем и типы поиска решения проблем

В предыдущем параграфе была поставлена задача классифицировать проблемы на типы (или задачи по решению этих проблем, что в данном случае не важно), классифицировать существующие

19 Буш Г.Я. Проблемные задачи и регулятивы поиска их решения. - М.: ВНИИПИ, 1989.-С.67

методы выдвижения альтернативных вариантов решения проблемы, и поставить в соответствие каждому типу проблемы определенную группу методов поиска путей решения этих проблем. В работе Кудрявцева A.B. приведена простая и наглядная классификация применяемых эвристических методов20. Основанием для классификации служит степень соотношения рационального и интуитивного моментов в рассуждениях (подтверждение тезиса о снижении интуитивности в сторону логической компоненты при конкретизации проблемы можно обнаружить у некоторых практиков21). Реально эвристические методы рассуждения используют оба этих компонента и можно попытаться разбить их следующим образом:

«чистая» интуиция

20 Кудрявцев A.B. «Методы интуитивного поиска технических решений.» (Методы анализа проблем и поиска решений в технике). - М.: «Речной транспорт», 1991. - С. 17

21 См. например, Тьялве Э. Краткий курс промышленного дизайна. - М.: Машиностроение, 1984.

Очевидно, что крайние точки представляют собой вырожденные случаи эвристик от абсолютно случайного попадания, до машинного алгоритма решения хорошо известной задачи с заведомо успешным исходом.

Принимая эту классификацию, мы можем говорить о том, что использование того или иного типа методов поиска альтернативных решений зависит от проблемы, для которой предстоит искать решение. Это очевидно, так как неразумно искать с помощью интуитивных методов поиска решение проблемы, про которую нам известно, что для решения подобных проблем имеется весьма эффективный конкретный (относящийся к методам направленного поиска) способ решения. Таким образом, при решении широкого круга разных проблем, используя различные типы методов анализа, полезно также знать с проблемой какого типа имеешь дело - знание этого поможет более эффективно и адекватно выбирать средства поиска проблем. Попытаемся теперь дать определения типов проблем.

Вслед за Саймоном Г. и Ньюэллом А.22 будем различать три типа проблем:

1) хорошо структурированные проблемы,

2) неструктурированные проблемы,

3) частично структурированные.

Саймон и Ньюэлл классифицировали типы по состоянию информации, которая используется при анализе и задействована в решении проблемы.

Первые, хорошо структурированные проблемы - это те, в которых существенные зависимости выяснены настолько хорошо, что они могут быть выражены в числах или символах, получающих в конце численные оценки, то есть количественно сформулированные проблемы.

22 Simon Н., Newell A. Heuristic problem solving: the next advance in operations research. // Operations Research. - 1958. - vol. 6.

Вторые, неструктурированные проблемы - это проблемы содержащие лишь описание важнейших ресурсов, признаков и характеристик, количественные зависимости между которыми совершенно неизвестны, то есть качественно выраженные проблемы.

Третьи, частично структурированные проблемы - это те проблемы, которые содержат как качественные, так и количественные элементы, причем качественные, малоизвестные и неопределенные стороны проблем имеют тенденцию доминировать - это смешанные проблемы.

С нашей точки зрения, для более полного описания типов проблем указанное деление можно дополнить следующими характеристиками. Во-первых, проблемы различаются с точки зрения их разработанности своей уникальностью или типичностью по отношению к другим проблемам какой-либо рассматриваемой области, к которой они относятся. Во-вторых, отличительной чертой типа проблемы могут служить и показатели, по которым оценивается проблема. В-третьих, оценки, используемые в разных типах проблем, также, могут иметь различный характер.

Для решения хорошо структурированных проблем обычно имеется богатый опыт решения аналогичных проблем, тем самым направления решения уже заданы и задача состоит в том, чтобы выбрать наиболее оптимальное в данной ситуации решение. Количественные связи между оценками альтернатив хорошо определены и тем самым сводятся к одному-двум показателям оценки (например, «стоимость - эффективность» в системном анализе, «вероятность - полезность» в теории оптимальных решений). Количественные показатели являются либо точными данными, либо являются объективными вероятностями^ которые опираются на статистические данные.

Неструктурированные проблемы являются «проблемами уникального выбора»23, то есть для них неизвестно только направление, в котором бы следовало искать решение данной проблемы. При этом, отсутствие объективной информации не позволяет однозначно объединить параметры оценки в единый показатель качества альтернатив. Эти параметры выступают отдельно, они становятся критериями оценки и проблема превращается в многокритериальную. Оценки альтернатив по отдельным критериям могут быть получены только от экспертов, в большинстве случаев являются относительными, показывая лишь, чем один вариант лучше другого.

Для решения частично структурированных проблем направления поиска решения заданы, но неизвестна конкретная схема решения проблемы в заданном направлении - либо знакомый объект выступает в новых неизвестных условиях, либо в известных условиях анализируется новый объект. Параметры оценки, которые выражены в количественном виде могут выступать в виде субъективных вероятностей. Другая часть параметров, которая обычно преобладает, представляет собой набор качественно сформулированных критериев оценки. То есть, несмотря на наличие количественных показателей, этот тип проблем также является многокритериальным.

Теперь, на основании приведенных выше признаков, введем итоговые определения типов проблем.

Хорошо структурированные проблемы - это те проблемы, в которых:

1) существенные отношения могут быть сформулированы в числах;

2) имеется богатый опыт решения подобных проблем, направления решения проблемы уже заданы, задача состоит в указании этих вариантов и выборе оптимального решения;

23 Ларичев О.И. Объективные модели и субъективные решения. - М.: Наука, 1987.

3) оценки альтернатив, количественно сформулированные, могут быть сведены к одному-двум совокупным показателям;

4) количественные показатели, используемые при оценке и анализе проблемы, представляют собой либо точные данные, либо статистические вероятностные показатели.

Неструктурированные проблемы - это те проблемы, в которых:

1) содержатся описания лишь основных ресурсов, количественные зависимости между которыми неизвестны и эти зависимости выражены в качественном, словесном виде;

2) направления, в которых следует искать решения проблемы не определены;

3) нельзя объединить параметры оценки в единый показатель качества, эти параметры выступают отдельно и проблема является многокритериальной; критерии оценки выражены в виде качественных показателей;

4) оценки альтернатив по отдельным критериям в ряде случаев являются относительными, поэтому для них могут отсутствовать даже качественные шкалы оценок.

Частично структурированные проблемы - это те проблемы, которые:

1) содержат как качественные, так и количественные элементы, при этом качественные, неопределенные стороны проблем имеют тенденцию доминировать;

2) направления поиска решений проблемы заданы, но неизвестна конкретная схема реализации решения в заданном направлении;

3) проблема является многокритериальной;

4) параметры оценки и другая информация, которая выражена в количественном виде, часто выступает в виде субъективных вероятностных показателей.

Полученные определения можно использовать в качестве рабочих на данном этапе анализа проблем (на выбранной нами схеме - это второй этап). Мы указали, крайние точки относительно выбранной теоретической

модели типов проблем представляют собой вырожденные варианты. Если проблема не имеет вообще никакой структуры и нет никаких требований к данным, то осознание ее как проблемы невозможно. В случае если проблема может быть полностью структурирована, элементы и отношения отчетливо сформулированы и механизм действия элементов настолько хорошо описан, что представляет собой алгоритм ее решения, то поддержка решения проблемы не нужна, так как остается лишь реализовать готовый алгоритм (его реализация может быть проблемой, но это уже другой вопрос).

Поскольку темой нашей работы является качественный анализ, то исходя их определений типов проблем видно проблемы какого типа нас будут интересовать. Это те проблемы, которые содержат качественные характеристики - неструктурированные и частично структурированные проблемы (напоминаем, что для краткости проблемы того и другого типа будем называть слабо структурированными). Обратим внимание на еще один момент, касающийся понятия структуризации, который разбирался М.Гинзбергом и Г.Стором.24 Поскольку в анализе и принятии решения проблема стоит перед конкретными людьми, то типизация проблемы не может считаться абсолютным понятием, но является понятием относительным и субъективным. Проблема может рассматриваться как хорошо структурированная для одного лица принимающего решения и как плохо структурированная для другого. Этот момент следует учитывать при характеристике конкретных проблем.

Вернемся к классификации методов поиска решения. К каждой из проблем должны применяться методы поиска решения, которые оказываются наиболее эффективными для данного типа проблем. В

24 Ginzberg M.J., Stohr E.A. Decision Support System: Issues and Perspectives. - // Processes and Tools for Decision Support. Ed. by H.G. Sol. - Amsterdam: North-Holland Publ. Co., 1983, vol.51, -p.9-31

результате, мы будем использовать вышеприведенное деление методов поиска и различать:

1) методы интуитивного поиска,

2) методы систематического поиска,

3) методы направленного поиска.

Под методами интуитивного поиска мы будем понимать процедуры выдвижения идей решения проблем, при использовании которых каждая новая идея возникает практически независимо от всей предыдущей работы над проблемой и всех ранее высказанных идей. Выдвинутой и развитой далее идеей задается лишь общее направление дальнейшего поиска конкретного решения проблемы.

Под методами систематического поиска решений будем понимать процедуры формирования вариантов решения проблемы, которые отличаются упорядоченностью процесса выдвижения решений, достигаемого с помощью использования логических процедур преобразования понятий цели и направленностью на полный охват поля поиска.

Под методами направленного поиска будем понимать методы, которые отличаются от методов второй группы тем, что при большей упорядоченности и алгоритмизации процедуры, поле поиска сужается до конкретного элемента системы.

После того, как мы ввели определения типов проблем и классификацию методов поиска решений, можно уже поставить в соответствие каждому типу проблем определенный класс методов поиска решений. Можно заметить, что основание деление и в том и в другом случае имеют точки соприкосновения, а следовательно основу для сопоставления между собой.

Первому типу - неструктурированных проблем соответствует группа методов интуитивного поиска.

Второму типу - частично структурированных проблем соответствует группа методов систематического поиска.

Третьему типу - хорошо структурированных проблем соответствует группа методов направленного поиска.

Как уже было указано в уточненном нами определении, методы интуитивного поиска позволяют найти не сами альтернативные варианты решения проблемы, но помогают лишь выявить направление (или направления), в котором (которых) необходимо двигаться для ее решения. Понятно, что знать направление, в котором следует искать - это еще не значит найти само решение проблемы. Поэтому, можно говорить о том, что для решения реальной проблемы, применения методов интуитивного поиска обычно недостаточно. За этапом применения методов интуитивного поиска, все равно, последует этап применения методов систематического поиска, так как придется искать конкретную реализацию варианта решения в заданном направлении. Методы систематического поиска уже могут дать удовлетворительное решение проблемы. Оно может быть и оптимальным, однако полной уверенности в этом у решающих проблему быть не может, так как выразить все факторы количественно, дать им количественные оценки, просчитать и сравнить их - это значит превратить проблему в хорошо структурированную. Такая последовательность превращения проблемы из неструктурированной в хорошо структурированную, с точки зрения теории, идеальна, но на практике, как было указано выше, она очень часто не реализуема. Многие проблемы хотя и уточненные, долгое время так и остаются лишь частично структурированными. Как уже указывалось, это может происходить в силу объективных причин или в силу чисто субъективных факторов: недостатка времени, технических и материальных ресурсов, недостатка в опытных специалистах, способных быстро строить адекватные и эффективные математические модели на возникающие в жизни ситуации. Реально с задачами такого рода часто приходится сталкиваться почти каждому человеку. В нашей работе и будет уделяться внимание этим задачам -задачам первого и второго типа. То есть, задачам на решение неструктурированных и частично структурированных проблем.

Теперь, после того, как мы провели вышеупомянутую классификацию, в дополнение к схеме этапов решения проблемы, приведенной в параграфе 0.2. Введения, необходимо добавить еще то, что второй этап поиска решений проблемы начинается с установления типа проблемы.

Заключение диссертации по теме «Логика», Климов, Евгений Николаевич

ЗАКЛЮЧЕНИЕ

Основным выводом диссертации является то, что несмотря на сложности возникающие при качественном анализе и решении слабо структурированных проблем, в рассуждениях используемых при данном типе анализа содержится инвариантная логическая и методологическая структура, выявление которой помогает лучше понять то, как решать слабо структурированные проблемы неколичественными средствами. Учет особенностей логико-методологической структуры качественного анализа делает качественный анализ эффективным инструментом решения слабо структурированных проблем. Взятая нами за основу схема качественного анализа из пяти этапов на практике может варьироваться, но, имея в своем распоряжении эту теоретическую основу, на каждом шаге анализа аналитик получает возможность для рефлексии над своими интуитивными догадками и предпочтениями. Мы не утверждаем, что при анализе и решении слабо структурированных проблем можно получать алгоритмически гарантированный результат, но все-таки эти задачи отчасти поддаются эффективному систематизированному качественному анализу.

Другой важный вывод состоит в следующем. Качественный анализ протекает с активным использованием простых логических операций. Основные из них - это операции с понятиями: обобщения, ограничения и деления понятия, расчленения и соединения. Используемые операции несмотря на их простоту обладают определенной долей эвристичности. Принято воспринимать логику как негативный критерий для мышления и она обычно не воспринимается как позитивная составляющая мышления. На основании нашего исследования можно сказать, что в случае качественного анализа это не так. Используемые при анализе в качестве вспомогательных простые логические операции являются достаточно сильным позитивным подспорьем для мышления.

На начальном этапе работы поддержка поиска решения проблемы зависит от того, что из себя представляет данная проблема - насколько она структурирована. Установить это можно с помощью уточненного в диссертации понятийного аппарата и далее, в зависимости от того, как проблема структурирована, используются те или иные методы поиска ее решения. Но для их использования дополнительно необходима классификация методов поиска решений проблемы - от определения общего направления решения, до детализации нескольких альтернативных вариантов решения проблемы. Каждый класс или группа методов, используемых при поиске решения, имеет свою методологическую и логическую составляющую, выявление и использование которой, помогает более эффективно искать решение. Одним из выводов первой части работы является то, что логические операции обобщения и соединения используются для построения дерева целей. Таким образом происходит рост дерева вверх. В классических деревьях целей движение осуществляется только в направлении уточнения изначально выбранной цели или ограничения исходного понятия цели, то есть рост дерева вниз. В развитии дерева в двух направлениях - и вверх, и вниз - состоит особенность рассматриваемых нами деревьев. Еще одна интересная логическая составляющая получаемых деревьев состоит в том, что получаемые уровни разработанности цели, если их перевести на язык формальной логики, представляют собой чередование конъюнктивных и дизъюнктивных нормальных форм.

Поскольку анализ методов сбора качественной информации опирался на работы по математическим методам экспертной оценки, то оценка проводимая в качественных терминах требовала своего обоснования. Измерения не обязательно должны быть количественными, то есть оценка, даваемая экспертом объекту экспертизы, не обязательно является числом. В процессе нашего исследования логической структуры качественных измерений, из существующих трех основных типов качественных измерений -классификации, парных сравнений и ранжирования, - выяснилось, что в отличие от классификации, логическая структура качественных парных сравнений и ранжирования нетривиальна и представляет собой сложную систему отношений.

В силу того, что качественный выбор решения протекает в неколичественных величинах, невозможно свести все критерии к одному-двум показателям. Поэтому при качественном анализе слабо структурированных проблем список критериев превышает единицу и речь идет о многокритериальных содержательных процедурах выбора решения, в которых формирование списка критериев имеет свои особенности. В итоге список критериев должен отвечать следующим основным требованиям:

1) обладать попарной независимостью критериев;

2) иметь оптимальное количество критериев в списке;

3) иметь шкалу оценок для каждого из критериев.

Качественный выбор решения для слабо структурированных проблем человеком отличается от машинных способов обработки решений для хорошо структурированных проблем. В силу указанных обстоятельств, качественные методы поддержки выбора решения должны быть адаптированы к способности человека перерабатывать информацию. Естественным для человека является ограничение поля выбора, попытка непосредственно выделить лучшее решение, и если это не удается, то определить его с помощью парных сравнений альтернатив. Качественное сравнение альтернатив при многих критериях оказывает большую нагрузку на кратковременную память человека, методы ограничения перебора изложенные в работе направлены на корректное сведение к минимуму негативных факторов содержательного выбора.

В работе также исследованы основные трудности («подводные камни») качественного анализа и указаны способы устранения данных затруднений. Трудности возникающие при процедуре сравнения или ранжирования объектов анализа, обусловлены неадекватностью преобразований качественных величин, пренебрежением различия между качественным и количественным видами измерений. Другим важным моментом любого анализа является трудности связанные с несравнимостью альтернативных решений проблемы. В рамках качественного подхода вариантом решения данного затруднения может послужить логическая трансформация понятий, которые используются в качестве критериев оценки данных альтернатив.

Слабо структурированные проблемы почти всегда связаны с многими противоречивыми целями, неповторяющимися неопределенностями, многие (например, социальные, проблемы бизнеса и политики) требуют рассмотрения субъективных ценностей, основанных на качественных суждениях. Методы качественного анализа, основанные на естественных для человека способах решения проблем, несмотря на некоторые интуитивные моменты, содержат в себе логико-методологическую структуру, адаптированную к способностям человеческого разума перерабатывать качественную информацию. Мы считаем, что исследование и развитие качественных методов анализа плодотворно. С их помощью можно находить удовлетворительные практические решения во многих ситуациях, где по тем или иным причинам применение количественных средств анализа и вычислительных машин невозможно. При практическом применении качественные методы являются более надежным средством анализа, чем наша ничем не подкрепленная интуиция, принтом средством более гибким и естественным для человека, чем методы количественного анализа.

Мы беремся утверждать, что к моменту написания диссертации, не существовало такой работы, которая аккумулировала бы в себе результаты по содержательным методам поиска решений, сбору и обработке качественной информации и неколичественным методам выбора решения. Автор надеется, что проведенное в диссертации исследование отчасти восполнит этот пробел.

В перспективе нам представляется целесообразным разработать на основе материала диссертации учебный курс, который можно было бы преподавать школьникам старших классов или студентам вузов наряду с курсами математики, курсами пользователей персональных компьютеров, в дополнение к курсу традиционной логики. В особенности, нам представляется, это будет полезно для тех аудиторий, представители которых в будущем столкнутся решением проблем в мало изученных областях, с переработкой больших массивов неструктурированной качественной информации. На наш взгляд у человека должна закладываться с детства не только культура и навыки количественного анализа и решения хорошо структурированных проблем, но и навыки предварительного качественного анализа и решения слабо структурированных проблем, а также понимание сильных и слабых сторон каждого из подходов.

Относительно перспективы дальнейшей работы над темой следует отметить то, что это могут быть вопросы историко-логического и историко-философского анализа выбранной темы, которые представляются нам настолько обширными и важными, что диссертант считает их предметом отдельного серьезного исследования, а потому сознательно не затронул этот интереснейший раздел темы в своей работе. Мы обращаем внимание на то, что вопрос исторического освещения всей темы в целом на данный момент никем не разработан. Небольшой по объему исторический материал в этом направлении найден диссертантом в работе Г.Я.Буша 1977 года, некоторое внимание освещению исторических вопросов эвристики уделяет в своих работах Д.Пойя, но представленного этими и некоторыми другими авторами материала явно недостаточно для того, чтобы говорить о том, что данный аспект темы систематически исследован.

Список литературы диссертационного исследования кандидат философских наук Климов, Евгений Николаевич, 1999 год

Список используемой литературы

1. Автоматизация поискового конструирования. / Под ред. Половинкина А.И. - М.: Радио и связь. - 1981. - 291 с.

2. Акофф Р. Системы, организации и междисциплинарные исследования. // Исследования по общей теории систем. - М.: Наука, 1969. - С.55-86

3. Акофф Р. О природе систем. - Изв. АН СССР, Техническая кибернетика. - № 3 -1971. - С.23-35

4. Акофф Р., Эмери Ф. О целеустремленных системах. - М.: Советское радио, 1974.-271 с.

5. Акофф Р. Искусство решения проблем. - М.: Мир, 1982. - 220 с.

6. Альтшуллер Г.С. Алгоритм изобретения. - М.: Московский рабочий, 1973.-295 с.

I. Альтшуллер Г.С. Поиск новых идей: от озарения к технологии. -Кишинев, 1989. - 381 с.

8. Беляев И.П., Трофимов Е.А. Системы поддержки принятия решений. -М.-.ИНИИ, 1990.- 146 с.

9. Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки. - М.: Наука, 1973. - 159 с.

10. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. - М.: Статистика, 1980. - 263 е., ил.

II. Бешелев С.Д. Интенсификация научных исследований. - М.: Машиностроение, 1983. - 183 с.

12. Бешелев С.Д. Нововведения и мы. - М.: Наука, 1990. - 207 с.

13. Больцано Б. Наукоучение. - перевод с немецкого Федорова Б.И., рукописный вариант, 1970-е.

14. Буш Г.Я. Проблемология эвристики. - Рига: Из-во ин-та философии и права АН ЛатвССР, 1989. - 77 с.

15. Буш Г.Я. Проблемные задачи и регулятивы поиска их решения. - М.: ВНИИПИ, 1989.-90 с.

16. Буш Г.Я. Аналогия и техническое творчество. - Рига: Авотс, 1981. -139 с.

17. Вопросы анализа и процедуры принятия решений. / сб. под ред. Шахнова И.Ф. - М.: Мир, 1973. - 274 с.

18. Глушков В.М. О прогнозировании на основе экспертных оценок. / Кибернетика и системный анализ. - № 2. - 1969.

19. Гнеденко JI.C. и группа соавторов. Процедура построения квазипорядка на множестве многокритериальных альтернатив на основе достоверной информации о предпочтениях лица, принимающего решения. // Автоматика и телемеханика. - 1986. - № 9. - С. 104-113

20. Гордон Т. // сб. Научно-техническое прогнозирование для промышленности и правительственных учреждений. - М.: Прогресс, 1972. - С. 83-94

21. Декарт Р. Рассуждения о методе. Сочинения в 2 т. / т.1. - М.: Мысль, 1993.-380 с.

22. Джонс Дж. К. Методы проектирования. - М.: Мир, 1986. - 326 с.

23. Диксон Д. Проектирование систем. - М.: Мир, 1969. - 408 с.

24. Дрейфус X. Чего не могут вычислительные машины. Критика искусственного разума. - М.: Прогресс, 1978. - 334 с.

25. Карнап Р. Философские основания физики. - М.: Прогресс, 1971. -390 с.

26. Квейд Э. Анализ сложных систем. (Методология анализа при подготовке военных решений.) - М.: Советское радио, 1969. - 519 е., ил.

27. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. - М.: Радио и связь, 1981. - 560 с.

28. Клацки Р. Память человека, структуры и процессы. - М.: Мир. 1979. -319 с.

29. Климов E.H. К вопросу о содержательных методах анализа // Международная конференция «Смирновские чтения», сборник тезисов. -М.: ИФРАН, 1997. - С. 159-160

30. Климов E.H. Определения типов проблем // Современная логика: проблемы теории, истории и применения в науке. Материалы V общероссийской научной конференции. - С-Петербург: Издательство СПбГУ, 1998, - С. 140-143

31. Котарбинский Т. Трактат о хорошей работе. - М.: Экономика, 1975. -271с.

32. Кудрявцев A.B. Постановка цели и виды идеальных объектов в поисковой деятельности. - М.: ИПК, Минмаш, 1986. - 50 с.

33. Кудрявцев A.B. Система логических средств поиска новых технических решений при проведении ФСА. - Люберцы: Б.и., 1986. - 46 с.

34. Кудрявцев A.B. Обзор методов создания новых технических решений. -М.: ВНИИПИ, 1989.-52 с.

35. Кудрявцев A.B. Методы интуитивного поиска технических решений. (Методы анализа проблем и поиска решений в технике). - М.: НПО «Поиск», 1991. - 111 е., ил.

36. Кулюткин Ю.Н. Эвристические методы в структуре решения. - М.: Педагогика, 1970. - 231 с.

37. Кучинский Г.М. Диалог и мышление. - Минск: Изд-во БГУ, 1983. -190 с.

38. Лакатос И. Доказательства и опровержения. - М.: Наука, 1967. - 152 с.

39. Ларичев О.И. Наука и искусство принятия решений. - М.: Наука, 1979. - 200 с.

40. Ларичев О.И. Объективные модели и субъективные решения. - М.: Наука, 1987.- 144 с.

41. Ларичев О.И., Мошкович Е.С., Ребрик С.Б. О возможностях человека в задачах классификации многокритериальных объектов. // Системные исследования. Методологические проблемы. Ежегодник. 1988. с. 36-47.

42. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Выявление экспертных знаний. - М.: Наука, 1989. - 128 с.

43. Ларичев О.И., Беркли Д., Мошкович Е.М., Хамфрис П. Система поддержки принятия стратегических решений АСТРИДА. // сб. Проблемы и методы принятия уникальных и повторяющихся решений. - М.: ВНИИСИ, 1990. - Вып. 10. - С. 9-25.

44. Ларичев О. И., Мошкович Е, М., Качественные методы принятия решений (вербальный анализ решений). - М.: Наука, 1996. - 208 с.

45. Литвак Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982. - 184 с. ил.

46. Литвак Б.Г. Экспертные оценки и принятие решений. - М.: ПП Патент, 1996.-271 е., граф.

47. Льюс Р., Данкан, Райфа X. Игры и решения. - М.: Из-во иностр. литры, 1961.-642 с.

48. Мартино Дж. Технологическое прогнозирование. - М.: Прогресс, 1977. -591 с.

49. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. - М.: Мир, 1973. - 256 с.

50. Мечитов А.И., Фуремс Е.М. Новая версия экспериментального опроса для построения диагностических систем. // сб. Проблемы и методы принятия уникальных и повторяющихся решений. - М.: ВНИИСИ, 1990. -Вып.Ю-С. 87-101

51. Миллер Г. Магическое число семь плюс минус два. // Инженерная психология. - М.: Прогресс, 1964. - 107 с.

52. Мюллер И. Эвристические методы в инженерных разработках. - М.: Радио и связь, 1984. - 144 с.

53. Монтгомери Г., Свенсон О. Анализ доминантного структурирования проблемы принятия решений с использованием метода мышления вслух. // Системы и методы поддержки принятия решений. - М.: ВНИИСИ, 1986. -С.16 - 28.

54. Фон Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение. - М.: Наука, 1970. - 707 с.

55. Нильсон Н. Искусственный интеллект. Методы поиска решений. - М.: Мир, 1973.-270 с.

56. Нильсон Н. Принципы искусственного интеллекта. - М.: Радио и связь, 1985.-373 с.

57. Оныкий Б.Н., Остаток С.Ф., Подготовка решений методом экспертных оценок. - М.: Атомиздат, 1977. - 101 с.

58. Оныкий Б.Н., Остаток С.Ф., Подготовка решений методом экспертных заключений. - М.: ЦНИИатоминформ, 1979. - 82 с.

59. Основы методологии и организации поиска технических решений. Основные положения. - Горький: ВНИИТСМ, 1980. - 132 с.

60. Пиаже Ж. Генезис элементарных логических структур. Классификации и сериации. - М.: Изд-во иностранной лит-ры, 1963. - 448 с.

61. Пойя Д. Как решать задачу. - М.: Учпедгиз, 1961. - 207 с.

62. Пойя Д. Математика и правдоподобные рассуждения. - М.: Из-во иностранной литературы, 1975. - 535 с.

63. Пойя Д. Математическое открытие. - М.: Наука, 1976. - 452 с.

64. Райфа Г. Анализ решений. Введение в проблему выбора в условиях неопределенности. - М.: Наука, 1977. - 407 с.

65. Поспелов Г.С. Проблемы программно-целевого планирования и управления. - М.: Наука, 1981. - 460 с.

66. Поспелов Д.А. Семиотические модели: перспективы и успехи. / Кибернетика.- 1976.-№6. -СЛ13-127

67. Поспелов Д. А. Логико-лингвистические модели в системах управления. - М.: Энергоиздат, 1981.-231 с.

68. Поспелов Д.А. Логика рассуждений и ее моделирование. - М.: Б. и., 1983.- 180 с.

69. Поспелов Д.А. Моделирование рассуждений: опыт анализа мыслительных актов. - М.: Радио и связь, 1989. - 184 с.

70. Поспелов Д.А. Модели мира. / сб. статей - М.: Российская ассоциация искусственного интеллекта, 1997. - 240 с.

71. Проблемы управления интеллектуальной деятельностью: психоэвристическое программирование. / Отв. ред. В.В.Чавчанидзе -Тбилиси: Мецниереба, 1974. - 369 с.

72. Пушкин В.Н. Эвристика - наука о творческом мышлении. - М.: Политиздат, 1967. - 271 с.

73. Пушкин В.Н. Проблемы эвристики. - М.: Высшая школа, 1969. - 282 с.

74. Рабочая книга по прогнозированию. / Отв. ред. Й.В.Бестужев-Лада -М.: Мысль, 1982.-430 с.

75. Саймон Г. Науки об искусственном. - М.: Мир, 1972. - 148 с.

76. Селье Г. От мечты к открытию. - М.: Прогресс, 1987. - 368 с.

77. Современные проблемы теории творчества. / сб. научных статей Ин-та пром. собственности и инноваций. - М.: НПО «Поиск», 1992. - 118 с.

78. Титов В. В. Выбор цели в поисковой деятельности. (Методы анализа проблем и поиска решений в технике). - М.: НПО «Метод», 1996. - 125 с.

79. Титов В.В. Морфологический подход. - М.: ВНИИПИ, 1990. - 40 с.

80. Тьялве Э. Краткий курс промышленного дизайна. - М.: Машиностроение, 1984. - 190 с.

81. Федоров Б.И., Джалиашвили З.О. Логика компьютерного диалога. -М.: Онега, 1994. - 240 с.

82. Федоров Б.И. Из истории эвристики. // Вестник Ленинградского Университета. - 1972. - № 5. - С.82-88

83. Хелмер О. Анализ будущего. Метод Делфи. // в кн. Научно-техническое прогнозирование для промышленных и правительственных учреждений. - М.: Прогресс, 1972. - 270 с.

84. Arntzenius F. A heuristic for conceptual change // Philosophy of science - East Lansing. 1995 - vol. 62 - № 3 - pp.357-369

85. Alter SA. Decision Support System: Current Practice and Continuing Challenges. - Reading. Mass.: Addison - Wesley Publ. Co., 1980. - 282 p.

86. Beach L.R., Mitchell T.R. More on image theory: A reply to Montgomery and Vlek// Acta Psychol.. - 1987. - Vol. 66. - pp.231-235

87. Bertalanffy L. An Outline of General System theory. - The British Journal for the Philosophy of Science. - 1950. - №2.

88. Bromme R., Homberg E. Psychologie und Heuristik. - Darmstadt: D. Steinkopf, 1977. - 356 s.

89. Dewey D. Essays in experimental logic. - Chi., 1918. - 236 p.

90. Ginzberg M.J., Stohr EA. Decision Support System: Issues and Perspectives. // Processes and Tools for Decision Support. Ed. by H.G. Sol. - Amsterdam: North-Holland Publ. Co., 1983. - vol. 51. - pp.9-31.

91. Gordon W. I. Synectics: the development of creative imagination. - New York: «Harped and row», 1961. - 218 p.

92. Gordon T.J., Helmer O. Report on a Long Range Forecasting Study. Rand Paper P-2982, Rand Corporation. - Santa Monica, Calif., Sept. 1964.

93. Kahneman D., Slovic P., Tversky A. Judgment under uncertainty: heuristics and biases. - Cambridge: Univ. Press. 1982. - 555 p.

94. Lenat B. The Nature of Heuristics. // Artificial Intelligence. - 1982. - Vol.19. -pp. 189-249.

95. Linneweh K. Kreatives Denken. - Karlsruhe: Gitzel, 1981. - 308 s.

96. Manheim M.L., Hall F. Abstract representation of goals: a method for making decision in complex problems. In Transportation: A service Proceedings of the Sesquicentennia! Forum. - New York: Academy of Sciences-American Society of Mechanical Engineers, 1967. - pp. 57-82.

97. Mc Crimman K.R. Wehrung D.A. Trade-off analysis: difference and preferred proportions approaches. // Conflicting Objectives in Decisions / Eds. D. Bell, R. Keeny, H. Raifa. - New York: J. Wiley, 1975. - pp. 123-147.

98. Mueller J. Grundlagen der systematischen Heuristik. - Berlin: Dietz, 1970. -180 s.

99. Mueller J. Methoden muss man anwenden. - Halle, 1980. - 151 s.

100. Montgomery H. Decision rules and the search for a dominance structure. Toward: a process model of decision making. In: Analyzing and aiding decision

process.// ed. Humphreys P., Swenson O., Vari A. - North Holland and Hungary Academia Press, 1982. - 297 s.

101. Osbom A.F. Applied imagination. - New York: Scribners Sons, 1953. - 264 s.

102. Simon H., Newell A. Heuristic problem solving: the next advance in operations research.// Operations Research. - 1958. - V. 6.

103. Winterfeldt D., Fischer G.W. Decision Analysis and Behavioral Research. -Cambridge: Cambridge University Press, 1986. - 327 s.

104. Zwicky F. Morphological method of analysis and construction. - Courant, Anniversary Volume, 1948. - 329 s.

105. Zwicky F. Morphological astronomy. - Berlin: Springer-Verlag, 1957. - 299 s.

106. Zwicky F. Discovery, Invention, Research. - New York: Macmillan, 1969. -276 s.