Інформація та знання в процесі прийняття рішень

СЕМІНАР 2
Інформація та знання в процесі прийняття рішень

1.        Модель взаємодії інформації та знання.

2.        Роль інформації, алгоритм аналізу та етапи її переробки в процесі прийняття рішень.

3.        Труднощі інформаційної роботи. Управління знаннями.

4.        Канали та джерела інформації. Властивості та вимоги до управлінської інформації.

5.        Методи пошуку та отримання інформації. Верифікація інформації.

Информация и знания - не одно и то же.

Всякий, кто в своей жизни сдавал экзамены, сталкивался с тем фактом, что информация и знания - разные вещи, и ощущал, насколько мучительным может быть процесс превращения одного в другого.

Важно отметить, что этот процесс - не механический. Даже в столь простом случае, как подготовка по учебнику, он должен включать не только запоминание, но и понимание.

Хорошая память может помочь кое-как сдать какую-нибудь общественную дисциплину, поскольку для этого часто достаточно просто воспроизвести усвоенную информацию "близко к тексту", но не слишком помогает сдавать экзамены по точным наукам, где на основе усвоенной информации нужно уметь решать задачи.

В компьютерной области проблема запоминания в общем решена - запомнить "наизусть" можно любые количества информации, но проблема получения из этой информации знаний остается и часто только усугубляется при росте объема данных.

Не пытаясь дать формальное определение, перечислим очевидные отличия знаний от информации. Мы рискуем впасть в противоречие с определениями знаний, принятыми в сфере так называемого искусственного интеллекта, однако это не страшно - нас интересуют не умозрительные конструкции, а чисто практические применения.

Итак, знания отличают от информации следующие свойства.

Структурированность . Знания должны быть разложены по полочкам - это ясно. Для печатных знаний (книг, журналов, равно как и для компьютерных хранилищ) это означает удобную архитектуру и прозрачность хранилища знаний, т. е. наличие ясных названий и заголовков, удобного представления структуры (оглавлений, рубрикаторов).

Удобство доступа и усвоения. Для человека - это способность быстро понять и запомнить или, наоборот, вспомнить; для компьютерных знаний - средства доступа, т. е. поиск, краткие аннотации к документам, индексы и проч.

Лаконичность . Лаконичность позволяет быстро осваивать и перерабатывать знания и повышает "коэффициент полезного содержания". В данный список лаконичность была добавлена из-за всем известной проблемы шума и мусорных документов, характерной именно для компьютерной информации - Internet и электронного документооборота.

Непротиворечивость . " Хорошие" данные/знания не должны противоречить друг другу, что очевидно или по крайней мере желательно. Однако для многих областей сбора знаний это изначально не так - на вход хранилища знаний может поступать разноречивая информация. Задача собирателя знаний обнаружить противоречия и разрешить их на этапе сбора знаний либо присвоить разным элементам данных различную оценку достоверности.

Оценка достоверности. Безусловно, усваивая или используя знания, хочется знать, насколько они достоверны. Хорошее хранилище знаний (учебник или база данных) должно иметь такую оценку для своих элементов. Но мы оценку достоверности в этой статье рассматривать не станем, так как будем для простоты считать, что для интересующих нас полнотекстовых задач все тексты - это несомненные факты.

Процедуры обработки. Знания нужны для того, чтобы их использовать - строить новые знания, решать задачи и проч. Одно из главных применений знаний - возможность передачи знаний другим и способность делать выводы на их основе. Для этого должны существовать процедуры обработки знаний. Способность делать выводы означает для машины наличие процедур обработки и вывода и подготовленность структур данных для такой обработки, т. е. наличие специальных форматов знаний.

Как отличить одно от другого?

Граница между информацией (данными) и знаниями нечеткая и зависит от воспринимающего субъекта. Слух или туманный намек может для умного человека стать знанием или источником знаний, а для не любящего думать и ворох информации останется просто информацией, без превращения в знания. Довольно часто можно встретить людей с хорошей памятью, но не имеющих привычки думать. Это показывает, что существует зависимость качества знаний от наличия и мощности процедур обработки.

Наилучший (вырожденный) пример информации, не превращающейся в знание, - иностранный язык. Наличие информации в иностранном тексте очевидно, однако в знание ее превратить невозможно, если не знать языка, или очень трудоемко, если пользоваться словарем.

Знакомый многим машинный переводчик - типичный пример автоматизированной процедуры извлечения знаний, дающей их существенный прирост, но при этом все равно крайне несовершенной. Переводчикчеловек - пример более совершенной процедуры извлечения знаний.

Откуда берется необходимость в извлечении знаний?

Зачастую текст и на родном языке может быть настолько же трудным для извлечения смысла, как и текст на чужом - например в силу смысловой загруженности, специальных терминов или большого объема.

Именно рост объемов компьютерной информации создает огромную потребность в извлечении знаний.

Вот хороший пример. Недавно автор вел переговоры с представителями одного из аналитических отделов российской спецслужбы, ситуация в котором довольно типична для сегодняшнего положения дел. Данный отдел получает в электронном виде до 10 Мбайт текстовой информации в день и должен дать свое заключение по ней. Десять мегабайт - это десять толстых книг, треть БСЭ или три "Войны и мира". А в отделе работает менее десяти аналитиков! Такая же проблема у отделов безопасности банков, аналитических служб частных компаний и проч.: информации слишком много, а обработать ее нужно обязательно в срок, и не дай Бог пропустить действительно критическую информацию.

Стоимость знаний.

В разведывательном деле любой кусочек даже тривиальной информации может стоить очень дорого, а в обычной жизни, и особенно в Internet, знания стоят намного дороже, чем просто информация.

Информации в Internet масса, и почти вся она бесплатна, а вот знаний немного. Показательно, что существует довольно много служб в Internet, продающих структурированные данные - аналитические обзоры, собранную и препарированную прессу и т. п. Эти же данные в разбросанном виде, по частям, практически на 100% доступны в Internet кому угодно - бесплатно. Т. е. деньги берутся этими службами именно за работу по превращению данных в знания.

Естественно, если знания настолько важны и стоят так дорого, их добычу хотелось бы автоматизировать. И человечество уже продвинулось по этому пути.

Мы дадим здесь краткий очерк возможностей компьютера по извлечению знаний из текстов. Если в других статьях данного номера речь в основном идет об управлении готовыми корпоративными, "внутренними", знаниями, то мы поговорим о внешних, неструктурированных, данных, преимущественно текстовых, и превращении их в знания.

2. Организация информации и доступ к ней.

Неверно думать, хотя к этому нас подталкивают творцы компьютерного мифа, что компьютеры - это мир совершенно новых идей и способов. По-настоящему новых идей всегда мало.

Нужно сказать, что и для организации доступа к текстовым данным человечество пока не придумало ничего существенно лучшего, чем оглавление с аннотациями глав (для поиска нужной информации "сверху") и предметный указатель - индекс по ключевым словам (для поиска нужного фрагмента непосредственно, "снизу").

Второстепенным способом организации служат также ссылки, превратившиеся в компьютерную эпоху в гипертекст и World Wide Web, однако также придуманные довольно давно.

Хорошие университетские учебники служат именно эффективной передаче знаний и поэтому издавна включают все эти способы организации знаний. Наиболее близкий автору пример - классический трехтомный курс математического анализа Фихтенгольца, в котором поиск нужной леммы или теоремы занимает секунды.

Рассмотрим компьютерные способы организации знаний и доступа к ним подробнее.

Поиск.

Поиск - это простейший способ доступа к текстовым данным, скорее подбор информации, чем извлечение знаний. Подробно поиск и поисковые машины обсуждались в прошлых номерах "Электронного офиса", а здесь мы только кратко перечислим основные "умения" поисковых машин: индексирование текстов и поиск по ключевым словам (по индексу); морфологический поиск - разбор и отождествление различных грамматических форм слов; логический язык запросов, позволяющий задавать условия на совместное вхождение ключевых слов в искомый документ; ранжирование по степени соответствия документа запросу.

Как видно из перечисленного, "классическая" поисковая машина умеет найти по запросу из нескольких слов все документы, в которые данные слова входят и предъявить их пользователю, что, кстати, может сделать и читатель печатного учебника, сравнив по предметному указателю, на каких страницах одновременно встречаются нужные ему термины.

Этой простой возможности при росте объемов текстовых баз становится совершенно недостаточно, и в последнее время поисковые машины начинают оснащаться средствами извлечения знаний. В первую очередь новшества появляются в поисковых машинах Internet, а затем постепенно проникают в средства поиска, входящие в корпоративные системы документооборота. Рассмотрим некоторые из этих новшеств.

Итеративный поиск: функция "найти похожие". Данная возможность позволяет постепенно уточнить запрос: указать на один или несколько найденных документов и попросить найти документы, повествующие "о том же". Выполняется такой поиск путем превращения документа в поисковый запрос (естественно, с определенной степенью "сжатия", так как запрос слишком большим быть не может). В Internet данная функция заявлена, например, поисковыми машинами AltaVista, HotBot, из российских - "Яндексом" (www.yandex.ru) и "Рамблером" (www.rambler.ru). Нужно сказать, что пока компьютерная наука продвинулась в этом вопросе не слишком далеко, и, как правило, работает данная функция плохо - часто находит совсем не то.

Поиск по выборке. если по первому запросу поисковая машина нашла слишком много документов, то второй запрос с заданием дополнительных терминов можно провести только по ним, и тем самым уточнить поиск. Эта функция очень проста в исполнении (нужно только запомнить предыдущую выборку) и реализована в большинстве популярных машин Internet, включая российские "Яндекс" и "Рамблер".

Запрос на естественном языке. В отличие от формальных языков запросов с логическими операторами, запрос на естественном языке позволяет пользователю просто задать поисковой машине вопрос в свободной форме, как если бы он задавался человеку: "Как выйти замуж за миллионера?", "Скажи, где купить привод CD-ROM?" и т. д. Реализуется данная функция путем отбрасывания шумовых слов и выражений (как, скажи, где, за), выделения грамматической структуры запроса, подстановки синонимов и т. п.

Опять-таки, большинство поисковых машин декларирует подобную возможность, и пользователь действительно может ввести в строке запроса "естественный" набор слов, не разделяя их логическими операторами, однако зачастую эта функция фактически не работает. Например, "Рамблер" даже не отбрасывает "шумовых" слов и честно показывает все вхождения слов "как", "за" и подобных им, что, конечно, не имеет смысла и не нужно пользователю.

Тезаурусы. Тезаурусы (словари) служат для так называемого расширения запроса и включают синонимы, антонимы, родственные слова, "вышестоящие" и "нижестоящие" категории и понятия (военный-офицер-капитан).

Хотя использование тезауруса позволяет сделать поиск по-настоящему смысловым, пока большинство поисковых машин тезауруса не имеют, в том числе и упоминавшиеся российские машины. Трудно сказать, чем это вызвано, видимо, высокой стоимостью и сложностью лексикографической (словарной) работы.

Поиск типа "где". Как видно из сказанного выше, поисковые машины отыскивают все упоминания нужного понятия в документах. В последнее время стало ясно, что пользователя часто интересует не только поиск "чего-нибудь" где угодно и в любом количестве, но и наоборот - поиск одного конкретного места, где находится уже известная ему вещь: сервер Internet или домашняя страница. Чтобы удовлетворить эту потребность, начали появляться особые поисковые машины - службы имен, позволяющие по "обычному" имени ресурса Internet найти точное место, где он расположен. В настоящий момент таких известных служб две: калифорнийская служба имен RealNames (www.realnames.com) и российская Национальная Служба Имен (www.names.ru).

Обе эти службы позволяют вводить естественно-языковые имена в адресную строку программы просмотра (браузера) и сразу попадать на нужный сервер (например, набрав в адресной строке браузера "правительство", можно попасть на www.gov.ru), а также допускают использование различных синонимов для одного имени и задание неполных имен. Делается это путем поддержания базы имен и их соответствий обычным формальным адресам Internet, а также рассылки пользователям драйверов для распознавания естественных имен в браузере 1 . Впрочем, данные службы дают возможность не только адресоваться к глобальной сети, но и создавать локальные службы естественно-языковых имен для внутренних сетей.

Каталоги - лучше, чем поиск?

Ничто не может заменить оглавления, и в мире информационных технологий оглавления используются очень широко. В первую очередь это каталоги - т. е. рубрикаторы или классификаторы, организующие множества документов в деревья или целые заросли рубрик. В Internet такие каталоги известны не менее, чем популярные поисковые машины, прежде всего это знаменитый каталог Yahoo (www.yahoo.com).

Аннотирование.

Если помните, в старых книгах каждая глава начиналась с краткого изложения: "Робинзон видит человеческие следы, находит Пятницу, приучает его солить пищу, собирает первый урожай киви". Эти изложения (аннотации) выносились в оглавления, что лично мне представляется очень гуманным; жаль, что современные авторы так не делают.

Гипертекст.

Давно применявшиеся в книжном деле ссылки с возникновением компьютерных методов хранения текстов преобразовались в гипертекст. Наиболее разросшимся примером гипертекста является Всемирная Паутина.

Первое время на подобный способ организации данных возлагали очень большие надежды, считалось, что гипертекстовые структуры вытеснят линейные, что руководства, научные статьи и даже художественные произведения станут гипертекстовыми и интерактивными и будут писаться только в Сети и т. д. Однако сейчас постепенно становится ясно, что способ организации информации через ссылки, кроме удобства доступа (увидел ссылку - щелкнул мышью), имеет несколько существенных недостатков, среди которых низкая наглядность, не очевидность структуры, плохая запоминаемость пользователем пройденного пути и т. д. Как правило, основной результат сколько-нибудь длительной работы со сложным гипертекстом - ощущение, что ты "потерялся", и желание вернуться к началу пути. Дело в том, что средний человек с трудом запоминает вложенные структуры с уровнем вложенности более трех, а этим количеством уровней никогда не удается обойтись при создании крупных структур данных.

Извлечение простейших знаний.

Поиск особых контекстных явлений. Существующие поисковые системы не слишком умны. Даже имея текстовую базу, содержащую всю нужную информацию, можно так и не найти ее. Вот простейший пример: как отыскать документы, содержащие дату 19.07.1998? Речь здесь идет не о поиске документов с такой датой создания, это-то как раз просто, а о содержащих упоминания данной даты. Для подавляющего большинства поисковых систем - это невыполнимая задача.

Автоматическое построение гипертекстов.

Когда нужно создать обширную систему помощи для сложной программы или систему справки, скажем, по атомной электростанции, расставить руками ссылки практически невозможно. Возникает потребность в автоматическом определении мест, где ссылки необходимы, в выявлении связей между документами и расстановке ссылок. Такие инструменты существуют, в том числе и российского производства (в частности, функцию расстановки гиперсвязей включает система HyperMethod петербургской фирмы AI Labs - veronica.etu. ru/ailab, а также система TextAnalyst - www.textanalyst.ru). Автор, к сожалению, никогда ими не пользовался, а только наблюдал их демонстрацию на выставках. Тем не менее есть сильное подозрение, что системы эти работают пока не слишком хорошо, поскольку, по словам их создателей, они не применяют сколько-нибудь развитых лингвистических средств, например синтаксического и морфологического анализа (как если бы капитан корабля по принципиальным соображениям отказывался пользоваться картой).

Извлечение фактов.

3.

Менеджмент знаний (англ. knowledge management) — это систематические процессы, благодаря которым создаются, сохраняются, распределяются и применяются основные элементы интеллектуального капитала, необходимые для успеха организации; стратегия, трансформирующая все виды интеллектуальных активов в более высокую производительность, эффективность и новую стоимость[1].

История развития концепции управления знаниями

Впервые термин «управление знаниями» появился в 1980-х годах, однако предпосылки возникновения данного понятия и в связи с ним целой управленческой концепции можно отнести уже к середине XX века. Именно в это время формируются основные представления о постиндустриальном обществе и новом типе работников — «работников знаний».

Теория нового общества получает свое развитие в работах Э. Тоффлера, где в качестве символической даты начала новой цивилизации — Третьей Волны, главными ценностями которой являются знания и информация, автор указывает 1956 год . Данной проблеме посвящается также ряд работ Д. Белла [2], М. Маклюэна и Й. Масуды. Чуть позже, в 1970-х годах, начинают разрабатываться информационные основы управления знаниями в трудах В. М. Глушкова, Ю. А. Шрейдера , Р. Ф. Гиляревского, Л. С. Козачкова, а на рубеже 1980-1990-х годов в Швеции, США и Японии практически одновременно зарождаются три разных подхода к концепции «управления знаниями», получившие в дальнейшем соответствующие названия. Скандинавский, или европейский, американский и японский. В этот период появляются первые монографии и публикации в средствах массовой информации, посвященные данному вопросу, а в 1986 году Карл Вииг[3] вводит понятие управления знаниям. Нельзя также не отметить все возрастающий интерес со стороны организаций к управлению знаниями и факт организации первых, пока еще немногочисленных, конференций, посвященных изучаемой проблеме.

В 1990 году в книге «Пятая дисциплина: Искусство и практика самообучающейся организации» Питер Сенге представляет концепцию обучающейся организации — компании, способной к непрерывному самообучению. Управление знаниями выходит на практический уровень: в 1991 году в шведской страховой компании «Скандия» официально утверждается пост директора по управлению знаниями (Chief Knowledge Officer). Большой вклад в развитие концепции управления знаниями в 1995 году вносит работа И. Нонаки и Х. Такеучи «Компания-создатель знания: Зарождение и развитие инноваций в японских фирмах».

Все последующие годы вплоть до сегодняшнего дня можно охарактеризовать как период широкого распространения концепции управления знаниями во всех сферах деятельности, включая науку и образование. На этом этапе происходит непосредственное формирование «технологии управления знаниями» как совокупности определенных методов, приемов и программно-технологических средств, для обеспечения свободной циркуляции знаний и их генерации.

В 1990-х годах появляются многочисленные публикации об управлении знаниями в сети Интернет, создаются специализированные сайты и журналы. В зарубежных вузах впервые становится возможной специализация по управлению знаниями (Harvard Business School, George Mason University, the University of California-Berkeley’s School of Information Management Systems), а в Бизнес-школе Хаас Университета Калифорнии происходит учреждение первой кафедры по знанию, первым профессором которой назначается Икуджиро Нонаки. В 1998 году выходит книга Т.Давенпорта и Л.Прусака «Рабочее знание: Как организации управляют тем, что они знают» . В это же время в Парламенте Швейцарии происходит запуск проекта по управлению знаниями, целью которого является создание системы управления знаниями и ее использования на уровне правительственных учреждений.

В 1999 году возникает Институт управления знаниями — коммерческий исследовательский консорциум, в состав руководящих сотрудников которого входят такие специалисты как Крис Ньюэлл, Лоуренс Прусак, а также Дэвид Смит, консультант по вопросам управления знаниями в IBM Global Services. Повсеместно увеличивается количество проводимых конференций, посвященных управлению знаниями. В России в этот период выходит сборник «Новая постиндустриальная волна на Западе» под редакцией В. Л. Иноземцева, а чуть позже в журнале «Вопросы экономики» публикуется статья первого заместителя Института экономики РАН, доктора экономических наук Б. Мильнера.

В 2001 году происходит запуск первого российского портала по управлению знаниями и выход книги А. Л. Гапоненко «Управление знаниями». 2003 год ознаменовался для России появлением монографии И. Нонаки и Х.Такеучи на русском языке, а также публикацией работы Б. З. Мильнера «Управление знаниями: эволюция и революция в организации» .

Сегодня в России и за рубежом существует достаточно большое количество различных монографий, публикаций, Интернет-порталов, посвященных в той или иной форме концепции управления знаниями. Регулярно проводятся конференции, создаются форумы для обсуждения проблем и перспектив внедрения технологии управления знаниями в организациях. Все это свидетельствует о том, что менеджмент знаний, находясь на стыке различных дисциплин, являет собой совершенно новое, очень актуальное в современных условиях направление, изучение которого является предметом работ многих исследователей по всему миру.

Виды знаний в организации

Нонака и Такеучи отмечают существование в рамках фирмы двух видов знаний — формализованного (явного) и неформализованного (неявного):

формализованное знание — знание, содержащееся в письмах, докладах, отчетах, то есть те знания, которые можно отобразить в виде документов;

неявное знание — «субъективное знание, накапливающееся в головах людей», то есть интуитивные знания, ощущения, впечатления, мнения.

Основное внимание авторы уделяют неформализованному знанию — предчувствию, пониманию, догадкам, эмоциям, идеалам. Данный вид знаний позволяет организации решать многие важные задачи, дает возможность увидеть фирму как живой организм, а не как машину для обработки информации. В связи с этим стремление многих современных организаций перевести неявные знания в формализованные не будет иметь такого результата, как в случае существования этих знаний в своей первоначальной форме.

Девенпорт и Прусак отмечают, что «знания — это жидкая смесь оформленного опыта, ценностей, контекстной информации и взглядов эксперта, которая дает схему для оценки и объединения нового опыта и информации. В организациях они зачастую попадают не только в документы или хранилища, но и в организационные процедуры, процессы, практику и нормы»[5].

Икуджиро Нонака была разработана спираль знаний — модель, объясняющая как при создании новых знаний явные и неявные знания взаимодействуют в организации благодаря четырем процессам их преобразования:

социализации (превращению неявных знаний в неявные);

экстернализации (преобразованию неявных знаний в явные);

комбинации (обращению явных знаний в явные);

интернализации (превращению явных знаний в неявные)[6].

В процессе социализации происходит невербальная передача скрытого знания от одного члена организации к другому, например, с помощью наблюдения одного человека за другим. Экстернализация представляет собой процесс превращения скрытого знания в явное при помощи необычного использования языка, различных метафор и аналогий. Комбинирование — это передача явных, кодифицированных знаний от одного человека другому при помощи книг, газет, лекций, компьютерных технологий, а интернализация — превращение явного знания в скрытую форму, например, посредством практического выполнения какой-то деятельности.

Модель знаний

Последовательное чередование четырех процессов — социализация, экстернализация, комбинация, интернализация — создает спираль знаний. Центральная задача менеджеров, таким образом, заключается в том, чтобы обеспечить эффективное функционирование этой спирали. Для этого Нонаки и Такеучи было введено понятие модели организации, в которой управление проходит путь «из центра—вверх—вниз», где в центре событий находятся менеджеры среднего звена. Именно они являются проводниками идей между оторванными от реальности и выдвигающими порой идеалистические концепции руководителями высшего звена и приземленной, рутинной деятельностью рядовых сотрудников, которые эти концепции должны реализовывать.

Для каждой фирмы характерна своя модель управления знаниями, учитывающая специфику деятельности, масштабы производства, организационные особенности, корпоративную культуру компании. Однако, вне зависимости от направления движения информационных потоков, менеджмент знаний должен обеспечивать контроль за осуществлением в организации следующих процессов:

создание новых знаний;

использование имеющихся знаний при принятии решений;

воплощение знаний в продуктах и услугах;

представление знаний в документах, базах данных, программном обеспечении;

передача существующих знаний из одной части организации в другую;

обеспечение доступа к необходимым знаниям, а также защита знаний.

Таким образом, управление знаниями, интегрируя в себе множество различных дисциплин, таких как управление персоналом, маркетинг, экономика, психология и информатика, является технологией XXI века, позволяющей организациям обеспечивать свою конкурентоспособность на рынке.

Система управления знаниями

Наличие в организации различных видов знаний требует особой организации работы с ними — необходимо стремиться к формированию такого подхода к управлению знаниями, который бы соотносил, интегрировал и уравновешивал различные компоненты и отдельные составляющие интеллектуального капитала фирмы. Для этого необходимо создание единой системы — системы управления знаниями. Система управления знаниями — это набор повторяемых на регулярной основе управленческих процедур, призванных повысить эффективность сбора, хранения, распространения и использования ценной информации с точки зрения компании.

В своей статье «Концепция управления знаниями в современных организациях» Б. З. Мильнер[7]. выделяет три основные компонента, входящие в состав системы управления знаний, а именно: