Классификацию по некоторому набору признаков можно считать определением причин того, к какому классу относить объект. Поскольку классификация ситуаций может осуществляться по признаку принимаемого решения, индуктивные рассуждения помогают принимать решения. Отсюда возникает задача выявления тех признаков ситуации, которые позволили бы определить, какое решение следует принять.
Ситуации, для которых принимается решение одного типа, могут иметь общее ядро сходства [38], то есть набор признаков, характерный для всех ситуаций. Например, при снижении объема продаж и невозможности освоить производство нового товара требуется интенсификация рекламных усилий. Найти такое ядро сходства можно довольно легко с помощью программных средств, предъявляя самообучающейся программе набор ситуаций с решениями. В другом случае (который уже труднее автоматизировать) бывают частные ядра сходства, объединяемые логическим ИЛИ. Например, усиление рекламных усилий требуется либо при снижении объема продаж и одновременно при невозможности освоить выпуск нового товара, либо при выводе на рынок нового товара. Очевидно, что список разнородных ситуаций, когда необходимо усиление рекламных усилий, легко продолжить.
Если классификация строится по принципу: признак Х соответствует классу А, а его отсутствие – классу В, то она называется полной: любая ситуация может быть классифицирована (правда, не обязательно правильно).
Если же наборы признаков для определения ядра сходства не совпадают для различных классов, например, для класса А характерно наличие признака Х, а для класса В – отсутствие признака Y, то могут возникнуть ситуации, когда новая ситуация не подпадает ни под одно определение класса или, наоборот, может быть отнесена к любому из двух классов. В этом случае классификатор не срабатывает и требуется ответ от лица, принимающего решение. В силу вступают какие-то дополнительные, часто неформализуемые соображения. В литературе, например в [24], отмечается, что частое решение менеджеров в условиях неопределенности и при отсутствии непосредственных угроз состоит в том, чтобы остаться в бездействии.
Таким образом происходит процесс индуктивного определения причинно-следственных связей. Классификатор строится, постепенно обучаясь на имеющихся примерах. Естественно, на этапе обучения решения должны проверяться экспертом. Однако такие системы не получили широкого распространения. Это следует объяснить теми же проблемами формализации представления знаний, которые рассматривались при обсуждении автоматизации дедукции. Кроме того, успех здесь гарантирован еще в меньшей степени, чем при дедукции, так как полученные классификаторы могут оказаться неправильными. Для успеха применения метода следует допустить наличие небольшого значения признаков, определяющих ситуацию, и простых правил определения по ним подходящего решения. Немного обнадеживает тот факт, что в практике управления организацией не всегда требуется оптимальное решение. Часто достаточно лишь допустимого или эффективного решения. Поэтому каждой ситуации может соответствовать несколько возможных решений, и определение простых правил принятия решения может упроститься.
Другим видом правдоподобных рассуждений, в которых на основе одних частных высказываний получаются другие частные высказывания, являются рассуждения по аналогии.
Хороший пример того, что такое аналогия и в чем ее отличие от других видов рассуждений, приведено в [38]. Пусть имеется треугольник общего вида. Обобщение – переход к многоугольнику. Наследуются только свойства, присущие всем многоугольникам. Конкретизация – переход к прямоугольному треугольнику (частный случай). Помимо общих свойств любого треугольника появляются свойства, присущие только прямоугольному треугольнику. Аналогия – переход к треугольной пирамиде. У нее есть некоторые свойства треугольника (каждая грань представляет собой треугольник), но это уже объемная фигура.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.