Концепция разработки когнитивной системы социально - экономического управления

Бодякин В.И.

к.ф.-м.н., с.н.с. Института проблем управления РАН

E-mail: [email protected]

КОНЦЕПЦИЯ РАЗРАБОТКИ КОГНИТИВНОЙ СИСТЕМЫ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО УПРАВЛЕНИЯ

Тенденция эволюции экономик и человеческий капитал. На протяжении всей истории цивилизации роль человека в экономической компоненте социума монотонно изменялась от использования его индивидуально-физических возможностей до встраивания в массово-интеллектуальные процессы. Так, при первобытно-общинном строе роль и значимость каждого соплеменника определялась исключительно его индивидуальными возможностями быть полезным для племени. В рабовладельческом обществе человеческие возможности использовались для создания потока физических сил и направления их на преобразование окружающей среды по воле хозяина. Позднее человек стал придатком и одновременно управляющим физическими механизмами в рамках какого-либо отдельного полукустарного или индустриального процесса. И уже в совсем недавнее время, не более полувека назад, человек массово встраивался в обслуживание и управление автоматизированными системами управления (АСУ), охватывающими целые отрасли того или иного производства. Сегодня чрезвычайно актуальными становятся инноваторские, когнитивные возможности человека, формирующие человеческий капитал как главный фактор развития «экономики знаний» [1, 2].

Человеческий  капитал - это фактор интенсивного экономического развития нации, социально-образовательного развития общества и семьи, это фактор ориентации субъекта на всеохватывающую (глобальную) инновационность - основу «экономики знаний» как следующего высшего этапа развития социально-экономических отношений общества. Рост человеческого капитала нации невозможен без роста индивидуального профессионализма, знаний, методов и технологий интеллектуального и управленческого труда, без качественного роста комфортности среды обитания и трудовой деятельности. Поэтому, всестороннее развитие и повышение качества человеческого капитала является одним из необходимых условий для прогрессивного и динамичного развития общества. К сожалению, следует отметить, что если в национальном богатстве развитых стран человеческий капитал составляет от 70 до 80%, то в России менее 50%, хотя несколько десятилетий назад ситуация была более ровной. У России по-прежнему еще высок образовательный и инновационный потенциал, но для его практического применения необходимо создать и задействовать инфраструктуру инновационной экономики, может быть, начиная с сети «когнитивных центров».

Тенденции экономической  глобализации наглядно проявляются в международном перераспределении функций. Сегодняшние лидеры мировой экономики переносят в развивающиеся страны Юго-Восточной Азии и другие регионы мира некогда высокотехнологичные отрасли этапа постиндустриального развития, оставляя себе чрезвычайно эффективные области экономики знаний. При ориентации на «экономику знаний» управляющие структуры вынуждены всячески наращивать человеческий капитал как в экономическом, так и социальном планах. Наконец-то, высшие функции человека массово становятся наиболее востребованными, хотя и принудительно втягиваются лидерами научно-технического прогресса в аттрактор гонки «инновационной экономики».

Отметим, что производство знаний в мире уже четко локализовано и всячески удерживается от демонополизации, а продукция и потребление знания необходимы всем нациям, которые собираются сохранить себя в будущем. Таким образом, уже формируется карта информационных ресурсов, замещающая собой некогда архиважную географическую карту минеральных природных и промышленно производимых ресурсов.

Экономика знаний. Экономику знаний характеризует в первую очередь постоянный рост доли НИОКР в общих расходах государства и частных фирм, а также стабильный рост капитализации высоконаучных организаций. Научные исследования свидетельствуют о стабильном росте стоимости интеллектуального капитала, не связанного напрямую с материальными ценностями, который определяется в первую очередь человеческим и структурным капиталом (наличие зарегистрированных патентов, инструкций и методик работы, системы организации фирмы и т.д.).

В развитых странах 25% трудовых ресурсов сегодня занято в сфере  науки и высоких технологий. В  США 8% населения создают свыше 20% ВВП, а страна расходует на научно-исследовательские и опытно-конструкторские разработки (НИОКР) около 40% от общемировых затрат. Показательны и данные по России: население - примерно 2,5% от мирового, ВВП - 2,5% от мирового, а расходы на НИОКР - заметно меньше 1% от мировых. По совокупности близких по смыслу показателей Россия сегодня в 2–3 раза уступает среднемировому уровню поддержки экономики знаний.

Для России характерна ситуация огромного объема нереализованных знаний. Но настоящие инновации - это запущенные высокотехнологичные производства, проданные лицензии, повышение квалификации работников. Еще одна проблема современной России - отсутствие преемственности поколений и надвигающаяся потеря культурно-технологических знаний и навыков.

Мотор экономики  знаний - когнитивные технологии. Эксперты единодушны в том, что генеральное развитие мировой науки завтрашнего дня будет определять комплекс из четырех направлений: био-, инфо-, нано- и когнитивные технологии. Ядром этого комплекса междисциплинарных исследований можно считать когнитивную науку. Над когнитивными проектами работают сегодня ведущие лаборатории большинства университетов и научных центров Западной Европы, Японии и США.

Если учесть, что к настоящему времени объёмы потоков информации удваиваются менее чем за пять лет, то стратегически важным становится не столько «владение информацией», сколько умение быстрее других ее обработать, систематизировать и получать из нее новые актуальные знания. На решение этой задачи и ориентированы когнитивные технологии, которые, в свою очередь, могут быть построены на формализации когнитивных способностей человека (лат. cognitio – познание, познавание, познавательные функции).

Когнитивные функции - высшие мозговые функции: память, внимание, психомоторная координация, речь, гнозис, счет, мышление, ориентация, планирование и контроль высшей психической деятельности. Когнитивные функции обеспечивают способность человека к переработке информации и использованию ее для коррекции своих действий. Развитие когнитивных функций имеет непосредственное отношение к развитию интеллекта.

На практике накапливать и применять знания может пока только человек. Исследовать, понять и промоделировать на ЭВМ когнитивные функции человека - одна из важнейших задач современной науки. Целью этих задач является обеспечение возможности перенесения когнитивных функций с биологической элементной базы (сетей нейронов мозга) на электронную элементную базу, обладающую в миллионы раз с большим быстродействием, практически неограниченной памятью и др., а также построение информационной (вычислительной) техники следующего уровня - 7-го поколения ЭВМ. Одним из перспективных методов, решающих поставленную задачу, является нейросемантический подход.

Нейросемантика. Базовая сущность нейросемантического подхода заключается в автоматической структуризации непрерывного информационного потока, порожденного причинно-связанными процессами исследуемой предметной области, в объективно отображающую их информационную модель. Для выполнения автоструктуризации достаточно стандартными вариационными методами минимизировать отображение исследуемого информационного потока на специализированной нейроподобной среде.

Информационная модель представляется в виде (многомерного) многодольного ориентированного графа, в вершинах которого находятся образы-процессы предметной области, а порядок вхождения в них дуг отображает причинную связанность этих процессов. Исследования показали, что подобное отображение произвольного текстового потока в форме нейросемантической модели универсально и дает множество дополнительных преимуществ: произвольный ассоциативный и параллельный доступ; монотонно растущую эффективность отображения (компрессию); повышенную информационную надежность; самопрограммируемость входящей информацией и др. Причем эти семантические и технические характеристики имеют тенденцию к улучшению с ростом объемов информационных потоков [1,2,3].

Сравнительный анализ моделей  нейросемантической формы представления  информации с существующими классическими: файловой, иерархической, сетевой, реляционной и объектно-ориентированной моделями представления данных - показал, что нейросемантический подход является единственным, который обеспечивает автоматическое формирование моделей данных априорно неизвестных предметных областей, что до сих пор являлось основным сдерживающим фактором в технологиях построения крупномасштабных баз данных и баз знаний. Дальнейший анализ показал, что нейросемантический подход позволяет преодолеть и известные недостатки современных подходов: человеко-машинного, алгоритмического и классического нейросетевого - при разработке и построении информационно-управляющих систем (ИУС).

Научная группа в ИПУ РАН занимается разработкой инструментария для работы с крупномасштабными слабоструктурированными потоками информации на базе нейросемантических структур (НСС) уже более пятнадцати лет. За это время разработаны: теоретическая концепция эволюции самоорганизующихся ИУС, а также специализированная нейроподобная среда, на которой продемонстрировано явление автоструктуризации и разработаны две модели ИУС: «условно-рефлекторная» и «рекурсивная» - демонстрирующие возможности их обучения и самообучения. Замена программирования обучением открывает путь к практике создания крупномасштабных ИУС для обработки неструктурированных потоков информации и формирования баз знаний [2].

Анализ нейрофизиологической литературы показал большую корреляцию характеристик нейросемантических структур и ИУС на их базе со свойствами самоорганизующихся сетей биологических нейронов мозга, а также с когнитивными функциями высших животных и человека.

Попытки разобраться и понять механизмы мышления как высшей функции homo sapiens с целью последующей их компьютерной автоматизации и создания эффективного инструментария для переработки информации уходят корнями еще к истокам зарождения социума. Практические же разработки по автоматизации интеллектуальной деятельности человека начинаются с 50-х годов прошлого века с появлением и бурным развитием электронной вычислительной техники. К сегодняшнему дню, затратив более 50 миллионов человеко-лет, мы фактически ни на шаг не приблизились к решению проблемы создания искусственного интеллекта (ИИ) по сравнению с концептуальным уровнем пионерских работ 60-70-х годов. Хотя, при этом попутно создали с помощью разнообразных эвристических методов специализированные автоматизированные информационные системы (АИС): распознавания образов, экспертные системы, различные АСУ и др. Отсутствие характерной для человеческой психики адаптивной гибкости и самонастраиваемости (через самообучение) на любую предметную область делает все эти АИС и АСУ «тупыми электронными динозаврами». К тому же, современные технологии создания этих систем очень длительны и дороги, что приводит к тому, что, еще не успев родиться, они (программное обеспечение АИС и АСУ) уже становятся обузой как для пользователя, так и для разработчика.

Действительно, любые реальные предметные области настолько сложны по своей структуре и динамике, что алгоритмически полностью решить любую задачу практически нереально, и вся современная практика автоматизации вынужденно сводится лишь к частным ограниченным решениям. При этом требуется обязательное участие человека как идеально-универсальной информационной системы, которая еще на входе технической человеко-машинной системы отсеивала бы «непредусмотренные в АСУ ситуации».

С другой стороны, если принять гипотезу о функциональной эквивалентности любого технического изделия и его полного описания, то из этого утверждения вытекает следующее. Если интерпретировать «тексты ДНК» генома человека как описание некого «технического задания» на построение «человека разумного» в сложной диссипативной среде (предметной области), то ничто не запрещает подойти к задаче моделирования биологического мозга и его когнитивных функций на другой элементной базе, пусть из других, но функционально эквивалентных описанным в «техническом задании» деталей.

В геноме «человека разумного», состоящего из 3.2 миллиарда нуклеотидов (символов) четырехбуквенного алфавита: A,G,C,T, генетическая сложность для формирования «новорожденного мозга» оценивается в 150-200 Кбайт. Понятно, что в таком объеме не сможет разместиться совокупность эвристик никакой современной системы ИИ. Но для биологической ИУС в этом нет необходимости. Запрограммировать заранее реакции на всевозможные ситуации, с которыми встретится ИУС, вообще невозможно. Но научить обучаться и самообучаться реагировать на вновь возникающие ситуации вполне возможно. Мы нашли этот механизм, заключающийся в «мини-макси-минном» принципе, который как в биологической ИУС, так и в нейросемантическом инструментарии легко реализуется простыми вариационными и градиентными методами.

В перспективе, программная  реализация ИУС с «мини-макси-минным» принципом может быть написана как дипломная работа студентами технических ВУЗов. Будучи погруженной в обучающую «человеческую» среду, за несколько месяцев обучения, она сможет достичь уровня когнитивных функций человека со средним и высшим образованием. Т.е. разработчикам, вооруженным современными высокими компьютерными технологиями, вполне по силам разработка и построение ИУС с когнитивными функциями человека.

Когнитивные технологии для экономики знаний. Когнитивные технологии являются информационными технологиями шестого технологического уклада и имеют три базовые проекции: фундаментальную исследовательскую, прикладную образовательную и конструктивно-инженерную.

Стратегия фундаментальных когнитивных исследований имеет глубокое естественно-научное и философско-мировоззренческое значение. Это и ответ на Основной вопрос философии о взаимосвязи материального и идеального с вытекающими рекомендациями «о смысле жизни» и прогнозом на дальнейшую эволюцию homo sapiens, и базис для технологического воплощения в обширнейшей учебно-педагогической деятельности по обучению человека и инженерной практике создания интеллектуальных ИУС.

Образовательная проекция ориентирована на развитие интеллектуальных способностей человека. Образовательное когнитивное направление синтетически строится как из исторически сложившихся традиционных методик, так и из научно-исследовательских рекомендаций теоретической когнитивистики. Основная задача образовательной когнитивистики заключается в реализации высокой природной одаренности человека, в развитии воображения и ассоциативного мышления человека, что представляет важнейшую компоненту инновационной деятельности в современной экономике знаний.

Конструктивно-инженерная проекция когнитивистики ориентирована на развитие компьютерных наук и создание научно-обоснованной интеллектуальной ИУС. Если рассмотреть практику создания современных проектов ИИ (распознавание речи, машинный перевод, распознавание рукописного текста, экспертные системы и базы знаний, поисковые системы на естественном языке и др.), то можно отметить, что все они решались обособленными эвристическими способами как множество частных проблем. Единого общего подхода разработать так и не удалось. При этом, общее качество их функционирования, с различной степенью успешности проектов, можно оценить как «слабоудовлетворительное».

Нейросемантика предлагает общую теоретическую базу для  описания эволюции когнитивных процессов у биологических ИУС, методику эффективного обучения ИУС и инженерную концепцию построения интеллектуальных ИУС по типу биологических ИУС. Ключевая особенность нейросемантического инструментария - это наличие возможности его обучения и самообучения, которая позволит реализовать проекты крупномасштабных ИУС типа ОГАС В.М.Глушкова и «Киберсина» С.Бира.

При переносе когнитивных  функций на электронную элементную базу, по сравнению с биологическим  прототипом – человеком, мы получаем повышение быстродействия в 10^5-8 раз, практически неограниченную ассоциативную память объемом в 10¹²-10¹⁶ образов, или 10^20-24 байт текста и графики.

На базе многопроцессорной  супер-ЭВМ или аппаратной реализации нейросемантической среды возможно создание интеллектуального рабочего места исследователя (ИРМИ) с информационной мощностью, позволяющей обслужить в режиме on-line до 10 000 пользователей на естественном языке. ИРМИ - это эффективный инструментарий экономики знаний.

ИРМИ потенциально способен помочь преодолеть дисбаланс между высокоинтеллектуальным человеческим капиталом, сосредоточенным в российских академгородках, построенных еще во времена СССР (Пущино, Протвино, Обнинск и др.), и существенным недостатком интеллектуального компьютерного инструментария. Ожидается, что использование ИРМИ повысит производительность исследователей в разработке «знаниевого» ресурса (статей, патентов, открытий и др.) в десятки и сотни раз.

Состояние за рубежом. Инновационный потенциал задается в процентах вложения в науку от ВНП. Россия отстает по этому показателю не только от современных высокоиндустриальных держав, но и от растущего Китая. Если же говорить о величинах абсолютных вложений в науку, то здесь Россия отстает уже более чем в десятки раз. Но научно-технический потенциал – это лишь возможность. Как мы хорошо знаем из новейшей истории, научный потенциал СССР был одним из самых больших в мире, но отсутствие программы и инфраструктуры для его реализации в практическую деятельность было одной из причин краха Супердержавы. Поэтому наличие инструментария и инфраструктуры по реализации научно-технического потенциала является одним из ключевых моментов. Основная угроза экономической безопасности государства в XXI веке – оказаться на периферии научно-технического прогресса из-за неэффективных моделей инновационного развития и отсутствия трансфера высоких технологий. Сегодня важно не только быть лидером в открытиях новых продуктов, но не менее важно быть лидером в технологии их производства. В XXI веке в выигрыше будут только те страны, которые достигнут более высокой производительности работников умственного труда.

Когнитивные центры. В настоящее время происходит стихийная консолидация малых научных городов: наукоградов (Жуковский, Протвино, Пущино, Обнинск и т.д.); атомградов (Сосновый Бор, Полярные зори); спецгородов (Юбилейный, Томск-7, Арзамас-16, Мурманск-60) и других научных градообразований - с единственной целью - выжить и не растерять человеческий капитал.

Идею создания прообраза  города будущего как испытательного полигона новой экономической политики выдвинул президент Д.А. Медведев 11 февраля 2010 года на заседании Комиссии по модернизации и технологическому развитию экономики в Томске. Предназначение иннограда - развитие инноваций и получение прибыли от их использования, то есть инноград будет саморазвивающейся социально-экономической структурой.

Обеспечить процесс  устойчивого наращивания человеческого  капитала в этих научных центрах и попасть в русло направления, объявленного Правительством России как стратегическое, можно, организовав в МФТИ базовый когнитивный центр с инструментарием ИРМИ.

Проект «Информоград» - это синтез социально-экономических решений и когнитивных технологий. В проекте предлагается концепция информатизации и автоматизации всех социально-экономических задач с единых технологических позиций. Процесс сегодняшнего расширения управленческих функций происходит путем наращивания через обучение чиновниками-управленцами. Вся социально-экономическая информация «Информограда» находится в машиночитаемой форме в ассоциативной памяти базы знаний ИРМИ [1].

Развивая в проекте  концепцию «государство – как  социальный организм» мы подразумеваем  централизованно-распределенное управление всеми без исключения социально-экономическими процессами, как это осуществляется и в биологических организмах. В высокоразвитых биологических организмах эту функцию выполняет центральная нервная система - ЦНС (мозг, новая кора) и периферическая нервная система (спинной мозг и нервные узлы). ЦНС является модератором всех процессов. При «нормальности» функционирования процессов с позиции целевой функции организма они переводятся в автоматический режим - распределенное управление (децентрализация). В случае «ненормальности» их функционирования они переводятся в режим централизованного управления. Управление в рамках концепции «государство – социальный организм» также осуществляется на основе централизовано-децентрализованного принципа: при «нормальности» функционирования любого процесса в рамках всей системы данный процесс переходит на децентрализованное (само)управление, иначе - на централизованное управление.

Целевая функция «социального организма» заключается в относительном  приросте ВВП для данного государства (наращивании его «эволюционного потенциала») и обработке всех внутренних информационных потоков. Мера и критерии приближения к целевой функции - это степень удовлетворения запросов пользователя и разработчика ИРМИ на естественном для них языке.

Задачей ИРМИ в «Информограде» будет налаживание автоматического формирования информационной причинно-следственной модели «окружающей среды» (предметной области) и осуществление многоканального сбора данных (для их верифицируемости), ассоциативная переработка (для взаимоувязанности и централизации всех данных) и обеспечение целостной и непротиворечивой информацией всех подсистем для эффективного управления всем «социальным организмом».

Общество, базирующееся на информационной экономике, уже по своей структуре избегает большинства социально-экономических и экологических проблем, ситуационно тяготеющих над нами сегодня. В потенциале предполагается его экспоненциальное развитие по всем основным параметрам - «знания порождают знания».

Список  литературы

1. Бодякин В.И. Куда идешь, человек? (Основы эволюциологии. Информационный подход). - М. СИНТЕГ, 1998. – 332 с. http://www.ipu.ru/stran/bod/monograf.htm.
2. Бодякин В.И. Определение понятия "информация" с позиций нейросемантики. - М.: ИПУ РАН. 2006. – 48 с. http://www.mtas.ru/search_results.php?short_view=0&publication_id=3033
3. Бодякин В.И. Разработка инструментария на базе нейросемантического подхода для построения крупномасштабных информационно-управляющих систем // Научная сессия МИФИ- 2009, XI Всероссийская научно-техническая конференция «Нейроинформатика-2009», Сб. научных трудов, в 2-ч частях, Ч.2. - М.: МИФИ, 2009. - С 27-38.