Когнитивные гибридные системы поддержки принятия решений

1. Когнитивные гибридные системы поддержки принятия решений

Аверкин Алексей Николаевич , к.ф.-м.н.,в.н.с.
ВЦ РАН, т.89104227182, факс 84991351509,
e-mail: [email protected]

2. Когнитивная наука

Когнитивистика (когнитивная наука)
(лат. cognitio — познание) —
междисциплинарное научное
направление, объединяющее теорию
познания, когнитивную психологию,
нейрофизиологию, когнитивную
лингвистику и теорию искусственного
интеллекта.
Когнитивная наука

3. Когнитивная наука

– исследование разума и разумных
систем, при котором разумное поведение рассматривается
как разновидность вычисления. От предшествующих
подходов к когниции ее отличает степень проникновения
идей и техник «вычисления».
У истоков когнитологии, как науки, стояли психологи Дж.
Миллер и Дж. Брунер, кибернетики Нобелевский лауреат
Г. Саймон и Дж. Маккарти. Но только в последнее
десятилетие
созрели
социально-экономические
и
технологические условия востребованности этой области
знаний для решения
гуманитарных, энергетических и
экологических проблем человечества.

4. Когнитивная наука

Философия
Лингвистика
Антропология
Нейронаука
Искусственный
интеллект
Психология
Когнитивная наука

5.

НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Аллен Ньюэлл, Герберт Саймон
«Логик-теоретик»
«Универсальный решатель задач»

6. Сильный и слабый ИИ

В философии искусственного интеллекта (ИИ)
спор сильного ИИ (Джон Сёрль) против
слабого ИИ протекает вокруг гипотезы о том,
что некоторые формы искусственного
интеллекта могут действительно обосновывать
и решать проблемы. Теория сильного ИИ
предполагает, что компьютеры могут
приобрести способность мыслить и осознавать
себя, хотя и не обязательно их мыслительный
процесс будет подобен человеческому. Теория
слабого ИИ такую возможность отвергает.
Сильный и слабый ИИ

7. Цель когнитивной науки

Ключевым техническим достижением, сделавшим
когнитивистику возможной, стали новые методы
сканирования мозга. Томография и другие методы
впервые позволили заглянуть внутрь мозга и
получить прямые, а не косвенные данные о его
работе. Наблюдаемый сейчас прогресс в
когнитивистике позволит описать и объяснить
процессы в мозгу человека, ответственные за
высшую нервную деятельность. Это позволит
создать системы так называемого сильного
искусственного интеллекта, который будет
обладать способностями к самостоятельному
обучению, творчеству, свободному общению с
человеком
Цель когнитивной науки

8.

СИМВОЛЬНЫЕ И НЕЙРОСЕТЕВЫЕ МОДЕЛИ:
«СФЕРЫ ВЛИЯНИЯ»
Нейронные сети
«Холистическая»
стратегия правого
полушария
Символьные модели
«Аналитическая»
стратегия левого
полушария

9. Когнитивная наука

Область
междисциплинарных
исследований
познания, понимаемого как совокупность процессов
приобретения,
хранения,
преобразования
и
использования знаний живыми и искусственными
системами.
Аппаратными
и
программными
средствами для когнитивной науки, общими для
всех
ее
областей,
являются
методы
матмоделирования
на
основе
биоморфных
нейронных сетей. В отличие от классических
нейросетей используются нейросети рекуррентные,
модулярные,
асссихронные, с немонотонной
активационной функцией и т.д. и нейроморфный
искусственный интеллект.
Когнитивная наука

10.

Десятилетие мозга
Десятилетие мозга
(1990-2000)
"
10
10

11.

Десятилетие сознания
Десятилетие мозга
(1990-2000)
Десятилетие сознания
(2010-2020?)

12. 3D визуальная лаборатория сканирования мозга человека

13. Феномен NBIC-конвергенции

14. NBIC-конвергенция

(по первым буквам
областей: N -нано; B -био; I -инфо; C когно). Термин введен в 2002 г .
Михаилом Роко и Уильямом
Бейнбриджем, авторами отчета
Конвергенция технологий для
повышения человеческой
производительности, подготовленного
2006 г . в Всемирном центре оценки
технологий (WTEC)

15.

Нейрокогнитивные технологии будущего
Отчёт Национального
научного фонда и
Министерства экономики
США о конвергенции 4-х
мегатехнологий:
«…В основе конвергенции технологий
лежит материальное единство мира на
наноуровне и его интеграция на более
высоких уровнях. »
Converging Technologies
for Improving Human Performance:
Nanotechnology, Biotechnology, Information Technology and Cognitive Science
2006
NSF/DOC-sponsored report
« Из четырех НБИК областей
когнитивная наука является наименее
зрелой, но по этой же причине она
несет и наибольшие обещания.
Развитие когнитивных технологий может
иметь наиболее заметные последствия
для общества в целом…»
15
15

16.

• Нейроморфный искусственный
интеллект
Проблема
• По сравнению с
биологическими системами
интеллектуальные машины
в 1000 раз менее
эффективны в сложной
среде.
• Чтобы интеллектуальные
машины были бы полкзны
их нужно сочетать с
биологическими
системами.
Цель
• Развить технологию
электронные
нейроморфные машины
сравнимую с
биологоческим уровнем.
Кортекс
человека
Симуляция
кортекса человека
15 ватт
1010 ватт
I литр
4x 1010 литров
Компьютеры Фон
Неймана
[log]
Разница между
универсальностью и
эффективностью
Сложность
компьютера
Т.e.вентили;
память;
нейроны;
синапсы
мощность;
размер
Нейроморфные
компьютеры
•Производительность на уровне
человека
•Заря новой эры
Заря новой
парадигмы
“простая”
Цель Программы
“сложная”
Сложность Среды
Например, количество входных
комбинаций
[log]

17.

IBM BLUE BRAIN
PROJECT
Reconstructing the brain piece by piece and building a virtual brain in a
supercomputer—these are some of the goals of the Blue Brain Project.
The virtual brain will be an exceptional tool giving neuroscientists a
new understanding of the brain and a better understanding of
neurological diseases.

18.  SyNAPSE

На конец 2011 года DARPA, которая в своем проекте SyNAPSE
(Systems of Neuromorphic Adaptive Plastic Scalable Electronics)
рассчитывала к 2015 году создать прототип чипа,
моделирующего 10 млрд нейронов, соединенных 1 трлн
синапсов, и при этом потреблять менее 1киловатта энергии и
занимать в объеме менее 2 литров.
Dharmendra Modha, ведущий исследователь IBM по
проекту SyNAPSE, сравнил представленную симуляцию с
электронным микроскопом или ускорителем частиц: "Это
инструмент, который другие исследователи теперь могут
использовать для того, чтобы лучше понять, как протекают
мыслительные процессы в мозгу".
IBM рассчитывала создать полную модель кортекса к 2019.
SyNAPSE

19.

IBM SIMULATES
530 BILLION
NEURONS, 100
TRILLION
SYNSPSES ON
SUPERCOMPUTER
IBM Research – Almaden presented at Supercomputing 2012 the next
milestone toward fulfilling the ultimate vision of the DARPA’s cognitive
computing program, called Systems of Neuromorphic Adaptive Plastic
Scalable Electronics (SyNAPSE).
IBM says it has now accomplished “TrueNorth” system running on the
world’s second-fastest operating supercomputer, the Lawrence Livermore
National Lab (LBNL) Blue Gene/Q Sequoia. IBM and LBNL achieved an
unprecedented scale of 2.084 billion neurosynaptic cores* containing
53×1010 (530 billion) neurons and 1.37×1014 (100 trillion) synapses running
only 1542 times slower than real time.

20.

IBM Watson brings together a set of transformational
technologies to drive optimized outcomes
Understands
natural
language
and human
speech
Adapts and
Learns from
user selections
and responses
Generates and
evaluates
hypothesis for
better outcomes
…built on a massively parallel
probabilistic evidence-based
architecture

21. Когнитивная социальная наука

Когнитивная
экономика
Управление
знаниями
Когнитивная
антропология
Когнитивная
социология
Когнитивная
психология

22. Гетеродоксальная эконономика2

Когнитивная
экономика
Нейроэкономика
Экономическая психология
Поведенческая
экономика
Экспериментальная экономика

23. Поведенческая экономика 2

Главный объект исследований Д. Канемана – это
механизмы принятия человеком решений в ситуации
неопределенности. Он доказал, что принимаемые
людьми решения существенно отклоняются от того, что
предписано стандартной моделью «экономического
человека». Критикой этой модели занимались и до Д.
Канемана (можно вспомнить, например, нобелевских
лауреатов Г. Саймона и М. Алле), но именно он и его
коллеги впервые начали систематически изучать
психологию принятия решений. Его эксперименты
доказали, что люди не могут рационально оценивать ни
величины ожидаемых выгод или потерь, ни их
вероятности.
Поведенческая
экономика 2

24. Теория перспектив

В русле поведенческой экономической теории были
разработаны альтернативные концепции: 1) выбор в
условиях риска и неопределенности; 2) межвременной
выбор; 3) поведенческая теория игр.
Выбор в условиях риска и неопределенности: теория
перспектив. Классической работой в данной области
принято считать статью «Теория Перспектив: анализ
принятия решений в условиях риска», «Эконометрика»
1979 год. В 1992 году ученые опубликовали еще одну
статью «Достижения в теории Перспектив: обобщенное
представление неопределенности», в которой они
обобщили результаты предыдущих многолетних
исследований в данной сфере, в частности на область
принятия решений в условиях неопределенности, и
представили аксиоматическую трактовку теории.
Теория перспектив

25. Теория межвременного выбора

Межвременной выбор. Решения, принимаемые
индивидами и включающие в себя соизмерение
понесенных издержек и получаемых выгод, которые
относились бы к различным периодам времени,
являются центральными в области исследования
сбережений и инвестиций, потребительского поведения,
а в конечном счете проблем, связанных с общественным
благосостоянием той или иной нации. Поэтому
известные экономисты прошлого (И. Фишер, П.
Самуэльсон, и многие другие) уделяли серьезное
внимание проблеме теоретического анализа факторов,
влияющих на поведение экономических субъектов в
ситуациях принятия решений, когда последствия, а
точнее, результаты действий становятся известными
спустя определенное время.
Теория межвременного выбора

26. Теория межвременного выбора 2

Теоретической основой для последующих более чем
полувековых исследований в этой области стала модель
дисконтированной полезности (МДП), предложенная ее
автором П. Самуэльсоном в 1937 году и получившая со
временем аксиоматическую трактовку в работах Т.
Купманса. Модель определяет межвременные
предпочтения лица, принимающего решение, между
различными конфигурациями потребительских планов.
Данная модель обеспечила простую и в то же время
мощную аналитическую схему для рассмотрения
широкого спектра хозяйственных решений, последствия
которых не известны в момент совершения действий.
Теория межвременного выбора 2

27. Поведенческая теория игр

Поведенческая теория игр. Использование
математического аппарата теории игр в области
экономической науки во второй половине прошлого
столетия оказалось чрезвычайно плодотворным. В
наибольшей степени это проявилось в тех разделах,
объектом рассмотрения которых является
стратегическое взаимодействие экономических агентов
между собой в различных условиях и стремление
наиболее оптимальным образом разрешить возникшую
конфликтную ситуацию. Предложенные формальные
концепции анализа (равновесие Нэша, вектор Л.Шэпли,
процедура трассирования Дж. Харшаньи - Р. Зельтена и
другие) получили широкое применение в качестве
теорий как объясняющих реальное поведение
участников, так и способных предсказывать
определенные последствия.
Поведенческая теория игр

28. Нейроэкономика 1

Нейроэкономика – новое научное направление,
использующее методы исследования, основанные на
достижениях современной нейрофизиологии и
приложений психологии, тем или иным образом
применимым к экономике.
Нейроэкономика ставит своей целью создание единой
теории принятия решения человеком.
Нейроэкономика позволяет представителям разных
дисциплин (нейробиологам, экономистам, психологам и
менеджерам) получить более глубокие представления о
фундаментальных механизмах принятия решений
Нейроэкономика использует визуализацию мозговой
деятельности для того, чтобы делать выводы о том, как
функционирует мозг и использовать результаты
наблюдений для расширения существующих
экономических дисциплин и формирования новых
направлений, таких как нейромаркетинг.
Нейроэкономика 1

29. Нейроэкономика 2

Нейроэкономика - синтез когнитивной нейронауки
и экономических наук и изучение процесса принятия
решения в рамках выбора определенного поведения
из возможных альтернатив с целью реалистического
моделирования экономического поведения человека.
Существует четыре основных метода визуализации
процессов головного мозга: электроэнцефалограмма,
позитронно-эмиссионная томография, магнитнорезонансная томография, функциональная магнитнорезонансная томография.
Нейроэкономика 2

30. Нейроэкономика 3

Сочетание этих методов и их
использование наряду с традиционными
методиками (например, измерение
биометрических параметров) позволяет
составить подробную карту зон
активации головного мозга в процессе
принятия решений, например, для
принятия решений наиболее важны
взаимодействия зон в лобных долях,
лимбической системе
Нейроэкономика 3

31. Нейроэкономические процессы выбора

Когнитивные
Аффективные
Контролируемые
традиционная
экономическая
теория (лобные
доли коры)
аномальное,
иррациональное
поведение
Автоматические
бессознательные
решения
(затылочные
височные и
теменные доли)
мотивация
деятельности
(лимбическая
система)

32. Полезность

аддиктивное
и
демонстративное
потребление или покупки из-за
навязчивого желания
стриатум
(группа
подкорковых
ядер)
подпитывает
жажду
выигрыша, а зоны лобных долей
управляют дальнейшим поведением
человека
непосредственная
полезность
денег: обладание деньгами само по
себе доставляет удовольствие, а
расставание с ними может давать
неприятное ощущение (несмотря на
получаемые взамен блага)
Полезность

33.

Нейроэкономика отвечает
на вопросы:
существует ли связь между качественными
поведенческими
характеристиками
и
особенностями структур головного мозга
или биохимических процессов на уровне
нейронов?
может
ли изучение таких структур и
процессов дать типизацию людей по
определенным критериям?
как
дифференцировать
индивидов
по
предпочтениям и способностям?

34. МОЗГ ЧЕЛОВЕКА

35.

Колонка нейронов

36. ЭЭГ

Electroencephalography: Electrical currents are not measured, but rather voltage
differences between different parts of the brain; high temporal resolution; similar to MEG

37. Компьютерная томография

Computed tomography (CT), originally known as computed axial tomography
(CAT or CT scan): Medical imaging of structures; NO Function

38. Позитронно-эмиссионная томография

•Positron emission tomography: injected with radioactive isotope; as decays releases
2 simultaneous gamma rays which are measured

39. Ультиматум 1

Нерациональность человеческого поведения не раз
подтверждалась экспериментально. Нобелевский
лауреат Дениэл Канеман (Kahneman, 2003) выдвинул
предположение о существовании двух эволюционно и
структурно различающихся систем, обусловливающих
принятие решений: a) быстрой, автоматической, или
бессознательной (Система 1), и б) медленной,
целенаправленной, произвольной (Система 2).
В настоящее время многочисленные
нейроэкономические исследования посвящены
изучению взаимодействия рациональной и
эмоциональной систем в рамках дуализма Канемана.
Ультиматум 1

40. Ультиматум 2

Среди наиболее часто используемых
экспериментальных моделей можно назвать игру
«Ультиматум» , наиболее ярко демонстрирующую
возникновение подобного рода конфликтов: два игрока
получают инструкцию поделить между собой
определенную сумму денег, например, 100 рублей.
Один из игроков первым предлагает способ дележа,
причем он абсолютно свободен в своем решении.
Предположим, игрок захочет оставить 80 рублей себе, а
20 рублей отдать своему партнеру по игре. Партнер ,
которому сделали предложение, оказывается перед
выбором: согласиться или не согласиться; однако если
респондент не соглашается, то, по правилам игры, денег
не получает никто и игра заканчивается.
Ультиматум 2

41. Ультиматум 3

Используя метод функциональной магнитнорезонансной томографии (фМРТ), американский
нейробиолог Алан Сенфи показал, что у респондента,
которому сделали несправедливое предложение в игре
«Ультиматум», наблюдается активация островковой
коры (anterior insula), которая, как известно из других
нейробиологических исследований, вовлечена в
обработку негативной эмоциональной информации и
особенно активна при эмоции отвращения. Кроме того,
наблюдалась активация верхних областей лобной коры
(dorsolateral prefrontal cortex, DLPFC) правого
полушария и поясной извилины (anterior cingulate
cortex) – областей, активация которых наблюдается при
запуске когнитивных процессов самоконтроля и при
внутренних конфликтах, соответственно. В целом
приведенный пример ярко демонстрирует
взаимодействие эмоциональных и рациональных
процессов в момент принятия решений.
Ультиматум 3

42. Когнитивная экономи- ка (в узком смысле)

Область когнитивной экономики (в узком смысле) основана на
применении когнитивной науки к экономике и изучает модели
принятия экономических решений в сознании человека.
Когнитивная экономика - раздел гетеродоксальной
экономической теории, имеющий дело с экспериментальным
анализом того, как собственно человек принимает
экономические решения и зачастую опровергающий
классическую теорию, основанную на рациональном выборе с
полной информацией.
Когнитивная экономика (в узком смысле)
Управление знаниями в
экономике
Интеллектуальные
системы в
экономике
Когнитивная
экономика в узком
смысле

43. Когнитивная экономика в широком смысле

Когнитивная экономика является одним из
перспективных направлений развития
экономики и прикладной когнитивной науки.
Структурно, методологически и
технологически когнитивная экономика
связана с методами искусственного
интеллекта и управления знаниями в
экономике. Сама по себе когнитивная
экономика, как сфера исследований и
человеческой деятельности, включает в себя
три основные области. Объединение этих
областей назовем «когнитивной экономикой в
широком смысле»
Когнитивная экономика в
широком смысле

44. Конвергенция управления знаниями, искусственного интеллекта и когнитивной науки

Мир
управления
знаниями
Формальные
модель ИИ
Когнитивный
образ
Конвергенция управления знаниями,
искусственного интеллекта и
когнитивной науки

45. Визуализация взаимодействия блоггеров

46. Компьютерное моделирование верхнего слоя колонки Маунткастла (neocortical columns) (узловые структуры содержащие от 10 до 70

тысяч нейронов) мозга крысы. Здесь
возбуждённые нейроны подсвечены розовым, голубыми и
желтыми цветами (проект Blue Brain).

47. Архитектура нейро-нечеткой сети – инструмента извлечения знаний

48. Интеллектуальные системы в экономике

Область интеллектуальных систем в
экономике связана с использованием в
экономике, производственной сфере и
бизнесе методов и моделей искусственного
интеллекта, ИИС, СППР, интеллектуальной
обработки данных и т.д. Важным аспектом
поддержки управленческих решений в
экономике является развитие методов
экономического моделирования,
основанных на знаниях и моделях
когнитивной бизнес-аналитики
Интеллектуальные
системы в экономике
Управление знаниями в
экономике
Интеллектуальные
системы в
экономике
Когнитивная
экономика в узком
смысле

49. Управление знаниями в экономике

Область управление знаниями в экономике – ключевой
элемент экономики знаний, или «новой экономики». Кроме
собственно управления, область тесно связана с
инновационной экономикой, интеллектуальным капиталом, со
знаниями, как экономической категорией, управлением
изменениями, реинженирингом и т. Основными социальными
положениями «новой экономики» являются такие понятия как
важность интеллектуального капитала, создание
информационного общества, новые формы ведения бизнеса на
основе сетевых технологий, интенсивное развитие
электронного бизнеса и электронной коммерции, развитие
инновационных ресурсосберегающих технологий и
альтернативных, экологически чистых источников энергии и
так далее. На первый план выходят проблемы инновационного
развития экономики и социума на основе прогнозирования
тенденций в экономике, обществе, технологической сфере и
цивилизации в целом.
Управление знаниями в
экономике
Управление знаниями в
экономике
Интеллектуальные
системы в
экономике
Когнитивная
экономика в узком
смысле

50. Когнитивная экономика в узком смысле = примение методов когнитивной науки в экономике

Основными
проблемами
когнитивной
экономики
стали
индивидуальная
и
коллективная
рациональность,
когнитивные
модели
и
институты,
социальный
капитал,
доверие
и
социальные сети, непрерывное повышение
компетенций и обучение, ценности
и
институциональные
изменения.
Когнитивная экономика является одной из
основополагающих
концепций
современного
социально-экономического
развития

51. Интеллектуальные системы в экономике & управлениe знаниями

На пересечении областей интеллектуальных
систем в экономике и области управления
знаниями в экономике (зона 1) лежат методы
дистрибутивного искусственного интеллекта онтологического поиска, семантического веба
для фиксации, обмена и повторного
использования знаний, многоагентных систем,
методы поддержки принятия решений в
бизнес-аналитике, data mining, business
intelligence. Эта зона также связана с
созданием систем СПРР и обработки данных
для инновационных бизнес-процессов.
Интеллектуальные системы в
экономике & управлениe
знаниями

52. Когнитивные вычисления -следующее поколение C&C (NEC)

Поиск принципов порождения инноваций в компьютерах и
коммуникациях, которые увеличивают знания и мотивацию, и
построения прикладных систем
Макроперспектива
Пополнения
потенциала
человечества
Знания
Создание ценностей
для всего общества
Вычисления
Усиление способностей
человека
Понимание
Углубление
взаимопониания
Упрощение распространения
информации о всем обществе
Коммуникации
улучшение коммуникаций
между отдельными людьми
Микроперспектива

53. Управление знаниями & когнитивная экономика (в узком смысле

На пересечении областей управления
знаниями в экономике и когнитивной
экономики (в узком смысле) (зона 3)
находятся такие направления, как
прямое использование когнитивных
методов в бизнес процессах и
социальных процессах , например,
нейроэкономика, нейромаркетинг
Управление знаниями &
когнитивная экономика (в узком
смысле

54. Нейробиологические различия оценок Джорджа Буша и Джона Керри (А – негативная оценка Буша, В – позитивная оценка Буша, С –

негативная оценка
Керри)

55. Разница в работе мозга демократов и республиканцев при оценке Буша и Керри

56. Интеллектуальные системы в экономике & когнитивная экономика

На пересечение областей
интеллектуальных систем в экономике и
когнитивной экономики (в узком смысле)
(зона 2) лежат гибридные
интеллектуальные системы технические с
настройкой на сознание и логику эксперта.
Они состоят из когнитивной и
аналитической части, причем нижний
уровень - когнитивный, предоставляет
информацию для обработки верхним,
аналитическим, уровнем.
Интеллектуальные системы в
экономике & когнитивная
экономика

57. Управление знаниями в экономике & когнитивная экономика (в узком смысле) & интеллектуальные системы в экономике

На пересечении областей управления знаниями в
экономике, когнитивной экономики (в узком
смысле) и интеллектуальных систем в экономике
(зона 4) лежат системы бизнес-аналитики для
экономики знаний на основе интеллектуальных
систем поддержки принятия решений,
использующие когнитивные методы анализа
сознания людей, вовлеченных в эти процессы, а
также тестирование качества ЛПР по их мозговой
активности, для параметрической настройки
интеллектуальных систем поддержки принятия
решений. С этой областью также связаны работы
по интеграции моделей прогноза и оценивания
неструктурированных ситуаций на основе
подходов когнитивного моделирования
Управление знаниями в экономике &
когнитивная экономика (в узком смысле) &
интеллектуальные системы в экономике

58. Гибридная система поддержки принятия решений на основе нечетких иерархий и когнитивных карт

В ВЦ РАН, в университете «Дубна» и
на кафедре информатики факультета
информатики РЭА ведутся работы по
интеграции
моделей
прогноза
и
оценивания
неструктурированных
ситуаций
на
основе
подхода
когнитивного
моделирования
и
анализа иерархий

59. Методы моделирования ситуации

Нечеткая целевая иерархия
Цель
Нечеткая когнитивная
карта ситуации
01/01/1900
03/01/1900
Динамика изменения
достижимости цели

60. Взаимодействие моделей

cij
pi p j
pi p j
Цель
zi yij z j , i V2
Мониторинг
j
zi yij z j , i VM
Целевая
иерархия
Нечеткая когнитивная
карта ситуации
j

61. Когнитивные сети поддержки принятия решений 1

Когнитивный подход, в узком смысле этого
понятия, объединяет исследования, общим
признаком которых является использование
формальных моделей когнитивных карт того
или иного вида, т.е. превращает когнитивный
подход в формальную нормативную теорию
практически без взаимосвязи с ментальным
пространством человека – ментальной
моделью. Мы рассмотрим более широкую
интерпретацию – когнитивные сети поддержки
принятия решений (КСППР), с возможностью
адаптации к ментальной модели.
Когнитивные сети поддержки
принятия решений 1

62. Виды КСППР

В ряде направлений и школ, применяющих
практически те же формальные модели и
методы, для создания ментальных моделей не
применяется понятие когнитивной карты.
Вместо него используются знаковые графы,
сетевые модели, графах причин и следствий,
каузальные сети. Очень близким по смыслу к
когнитивным картам являются байесовcкие
сети, сети доверия, аналитические сети
Саати, когнитивные иерархические сети, сети
решений, нечеткие сети Петри, сети
концептов, семантические сети, фреймы,
схемы, сценарии. Широко используются
методы обучения.
Виды КСППР

63. Система 1 и Система 2

Эти два уровня (когнитивный и аналитический)
соответствуют двум типам когнитивных процессов,
которые в работах Канемана были рассмотрены,
как Система 1 и Система 2. Операции в рамках
Системы 1 протекают быстро, автоматически, без
усилий, они ассоциативны, зачастую эмоционально
окрашены и управляются привычками, поэтому их
сложно контролировать и модифицировать.
Операции Системы 2 происходят медленнее,
последовательно, с интеллектуальными усилиями и
намеренным контролем; они также относительно
гибки и потенциально подвержены влиянию
правил
Система 1 и Система 2

64. Когнитивные технологии СППР

С увеличением важности когнитивных
аспектов в процессе принятия решений
особенное внимание уделяется таким
когнитивным способностям человека, как
оценка ситуации и ментальным моделям и их
роли в управлении процессом поддержки
принятия решения в сложных ситуациях. При
этом к существующей схеме BI добавляется
модель когнитивно-ориентированного
процесса поддержки принятия решения. Мы
предлагаем использовать в ней модели КСППР.
Когнитивные технологии СППР

65. Постановка задачи

• Цель: Создание поведенческой модели принятия решений на
основе теории перспектив для увеличение точности
экономического прогнозирования поведения ЛПР в ситуациях
неопределенности.
• Исходные данные: 1) Д.Канеман П.Словик А.Тверски
Принятие решений в неопределённости. 2) Система Matlab
Fuzzy Logic Toolbox. 3) Ларичев О.И. Теория и методы
принятия
решений.
4)
Леоненков
А.В.
Нечеткое
моделирование в среде Matlab и fuzzyTECH.
• Ожидаемый результат: Созданная модель представляет
собой аппроксимацию эвристических правил Д. Канемана на
универсальных шкалах с использованием продукционных
правил.
Постановка задачи

66. Предметная область

Поведенческая экономика
Теория перспектив
(Система 1), (Система 2).
Лингвистические термы
Продукционные правила
Универсальные Шкалы
Нечеткое моделирование в среде Matlab

67. Проектирование

Диаграмма классов структур
Нечеткого вывода
“struct” FIS
+name: String
+type: FIS = mamdani
+andMethod:<specified> = min
+orMethod:<specified> = max
+defuzzMethod:<specified> = centroid
+impMethod:<specified> = min
+aggMethod:<specified> = max
“struct” output
“struct” input
+name: String
+range
+name: String
+range
“struct” mf
+name: String
+type
+params
Название FIS системы
Название используемого алгоритма нечёт-го вывода
Название используемого алгоритма логического И
Название используемого алгоритма логического ИЛИ
Название используемого алгоритма дефаззикации
Название используемого алгоритма импликации
Название используемого алгоритма агригирования
“struct” rule
+antecedent
+consequed
+weight
+connection
Количество
представителей классов
Input и Output
соответствует
количеству входов и
выходов нечёткой
модели.
Количество
представителей класса
Rule - количеству правил
нечёткой продукции
Количество
представителей класса
Mf равняется количеству
термов
соответствующего входа
(выхода) нечёткой
модели

68. Реализация

1
1. Структура модели
2. Функции принадлежности
3. Продукционные правила
2
3

69. Результаты

На рисунке видно, что поверхность нечеткого вывода имеет
участки
схожие
с
функцией
полезности
полученной
экспериментально.

70. Результаты

Модель имеет тридцать поверхностей нечеткого вывода, и
возможность
получения
числовых
значений
выходных
переменных.

71. Ментальные модели в системах бизнес-интеллекта.

КСППР – база эталонов и ментальных моделей (Li Niu, 2009)
База примеров
База ментальных
моделей
Поддержка решения
Ментальные модели
Ситуация
ЛПР
Оценка ситуации
Оценка ситуации
Подсистема хранения данных
Ментальные модели в системах
бизнес-интеллекта.

72. Заключение

Созданная модель представляет собой аппроксимацию
эвристических правил Д. Канемана на универсальных
шкалах с использованием продукционных правил.
Надо отметить, что не всегда есть возможность
получать данные экспериментально, а тем более с
привлечением нейробиологов. А данная модель
выдает данные схожие с данными полученными
экспериментальным
путем.
Следовательно,
в
большинстве случаев она показывает, что агрегация
правил является хорошим аппроксиматором для
динамического
поведения
сложных
систем
в
неопределенности.

73.

Сотрудничество с отделом Интеллектуальных
наук Киотского университета (Япония)
Биологическая и когнитивная
обработка информации
Основы биологической обработки
информации
Когнитивная наука
Психологические и нейрофизиологические
эксперименты
Нейросетевое моделирование
процессов обработки сенсорной информации
Восприятие и обработка речи
Когнитивная робототехника