Теория создания организационного знания И.Нонаки и Х.Такеучи.

Индивидуальное и организационное обучение.

Когнитивный анализ и моделирование в стратегическом управлении

Сущность концепции когнитивности. Когнитивность организации.

ТЕМА 5. КОГНИТИВНОСТЬ КАК ПРЕДПОСЫЛКА СТРАТЕГИЧЕСКОГО РАЗВИТИЯ ПРЕДПРИЯТИЯ.

5.1. Сущность понятия «когнитивность». Когнитивность организации.

Когнитология - междисциплинарное (философия, нейропсихология, психология, лингвистика, информатика, математика, физика и др.) научное направление, изучающее методы и модели формирования знания, познания, универсальных структурных схем мышления.

Когнитивность (от лат. сognitio - познание, изучение, осознание) в рамках науки управления означает способность управленцев к умственному восприятию и переработке внешней информации . В основе изучения этого понятия находятся психические процессы личности и так называемые «психические состояния» (уверенность, желание, убеждение, намерения) в терминах обработки информации. Этот термин используется также в контексте изучения так называемого «контекстного знания» (абстрактизации и конкретизации), а также в областях, где рассматриваются такие понятия, как знания, умения или обучение.

Термин «когнитивность» используется также в более широком смысле, означает сам «акт» познания или самознання. В этом контексте он может быть интерпретирован как появление и «становление» знаний и концепций, связанных с этим знанием, отраженных как в мыслях, так и в действиях.

Когнитивность организации характеризует совокупность познавательных способностей отдельных людей в компании и те эффекты, которые возникают при сочетании индивидуальных когнитивных способностей. Применение данного понятия по отношению к компании (организации, фирме, предприятию) означает намерение рассматривать ее в плоскости, которая характеризуется специфическим аппаратом анализа и особым углом зрения на взаимодействие предприятия или его составляющих с внешним окружением.

Термин «когнитивность организации» позволяет оценить способность компании к усвоению информации и превращение ее в знания.

Одно из наиболее продуктивных решений проблем, возникающих в области управления и организации, состоит в применении когнитивного анализа.

Методология когнитивного моделирования, предназначенная для анализа и принятия решений в плохо определенных ситуациях, была предложена американским исследователем Р. Аксельродом.

Когнитивный анализ иногда именуется исследователями «когнитивной структуризацией». Когнитивный анализ рассматривается как один из наиболее мощных инструментов исследования нестабильной и слабоструктурированной среды. Он способствует лучшему пониманию существующих в среде проблем, выявлению противоречий и качественному анализу протекающих процессов.

Суть когнитивного (познавательного) моделирования – ключевого момента когнитивного анализа - состоит в том, чтобы сложнейшие проблемы и тенденции развития системы отразить в упрощенном виде в модели, исследовать возможные сценарии возникновения кризисных ситуаций, найти пути и условия их разрешения в модельной ситуации. Использование когнитивных моделей качественно повышает обоснованность принятия управленческих решений в сложной и быстроизменяющейся обстановке, избавляет эксперта от «интуитивного блуждания», экономит время на осмысление и интерпретацию происходящих в системе событий. Использование когнитивных технологий в экономической сфере позволяет за короткий срок разрабатывать и обосновывать стратегию экономического развития предприятия с учетом влияния изменений во внешней среде.

Когнитивное моделирование – это способ анализа, обеспечивающий определение силы и направления влияния факторов на перевод объекта управления в целевое состояние с учетом сходства и различия в влиянии различных факторов на объект управления.

Когнитивный анализ состоит из нескольких этапов, на каждом из которых реализуется определённая задача. Последовательное решение этих задач приводит к достижению главной цели когнитивного анализа.

Можно выделить следующие этапы, характерные для когнитивного анализа любой ситуации:

1. Формулировка цели и задач исследования.

2. Изучение сложной ситуации с позиций поставленной цели: сбор, систематизация, анализ существующей статистической и качественной информации относительно объекта управления и его внешней среды, определение присущих исследуемой ситуации требований, условий и ограничений.

3. Выделение основных факторов, воздействующих на развитие ситуации.

4. Определение взаимосвязи между факторами путем рассмотрения причинно-следственных цепочек (построение когнитивной карты в виде ориентированного графа).

5. Изучение силы взаимовлияния разных факторов. Для этого используются как математические модели, описывающие некоторые точно выявленные количественные зависимости между факторами, так и субъективные представления эксперта относительно неформализуемых качественных взаимоотношений факторов.

В результате прохождения этапов 3 – 5 строится, в конечном итоге, когнитивная модель ситуации (системы), которая отображается в виде функционального графа. Поэтому можно сказать, что этапы 3 – 5 представляют собой когнитивное моделирование.

6. Проверка адекватности когнитивной модели реальной ситуации (верификация когнитивной модели).

7. Определение с помощью когнитивной модели возможных вариантов развития ситуации (системы), обнаружение путей, механизмов воздействия на ситуацию с целью достижения желаемых результатов, предотвращения нежелательных последствий, то есть выработка стратегии управления. Задание целевых, желаемых направлений и силы изменения тенденций процессов в ситуации. Выбор комплекса мероприятий (совокупности управляющих факторов), определение их возможной и желаемой силы и направленности воздействия на ситуацию (конкретно-практическое применение когнитивной модели).

В рамках когнитивного подхода довольно часто термины «когнитивная карта» и «ориентированный граф» употребляются как равнозначные; хотя, строго говоря, понятие ориентированный граф шире, а термин «когнитивная карта» указывает лишь на одно из применений ориентированного графа.

Классическая когнитивная карта – это ориентированный граф, в котором привилегированной вершиной является некоторое будущее (как правило, целевое) состояние объекта управления, остальные вершины соответствуют факторам, дуги, соединяющие факторы с вершиной состояния имеют толщину и знак, соответствующий силе и направлению влияния данного фактора на переход объекта управления в данное состояние, а дуги, соединяющие факторы показывают сходство и различие в влиянии этих факторов на объект управления.

Когнитивная карта состоит из факторов (элементов системы) и связей между ними.

Для того чтобы понять и проанализировать поведение сложной системы, строят структурную схему причинно-следственных связей элементов системы (факторов ситуации). Два элемента системы А и В, изображаются на схеме в виде отдельных точек (вершин), соединённых ориентированной дугой, если элемент А связан с элементом В причинно-следственной связью: А à В, где: А - причина, В - следствие.

Факторы могут влиять друг на друга, причем такое влияние, как уже указывалось, может быть положительным, когда увеличение (уменьшение) одного фактора приводит к увеличению (уменьшению) другого фактора, и отрицательным, когда увеличение (уменьшение) одного фактора приводит к уменьшению (увеличению) другого фактора. Причём, влияние может иметь и переменный знак в зависимости от возможных дополнительных условий.

Подобные схемы представления причинно-следственных связей широко используются для анализа сложных систем в экономике и социологии.

Пример. Когнитивная структурная схема для анализа проблемы энергопотребления может иметь следующий вид (рис. 5.1):

Рис. 5.1. Когнитивная структурная схема для анализа проблемы энергопотребления

Когнитивная карта отображает лишь факт наличия влияний факторов друг на друга. В ней не отражается ни детальный характер этих влияний, ни динамика изменения влияний в зависимости от изменения ситуации, ни временные изменения самих факторов. Учет всех этих обстоятельств требует перехода на следующий уровень структуризации информации, то есть к когнитивной модели.

На этом уровне каждая связь между факторами когнитивной карты раскрывается соответствующими зависимостями, каждая из которых может содержать как количественные (измеряемые) переменные, так и качественные (не измеряемые) переменные. При этом количественные переменные представляются естественным образом в виде их численных значений. Каждой же качественной переменной ставится в соответствие совокупность лингвистических переменных, отображающих различные состояния этой качественной переменной (например, покупательский спрос может быть «слабым», «умеренным», «ажиотажным» и т.п.), а каждой лингвистической переменной соответствует определенный числовой эквивалент в шкале . По мере накопления знаний о процессах, происходящих в исследуемой ситуации, становится возможным более детально раскрывать характер связей между факторами.

Формально, когнитивная модель ситуации может, как и когнитивная карта, быть представлена графом, однако каждая дуга в этом графе представляет уже некую функциональную зависимость между соответствующими факторами; т.е. когнитивная модель ситуации представляется функциональным графом.

Пример функционального графа, отражающего ситуацию в условном регионе представлен на рис. 5.2.

Рис.5. 2. Функциональный граф.

Заметим, что данная модель является демонстрационной, поэтому многие факторы внешней среды в ней не учтены.

Такие технологии завоевывают все больше доверия у структур, которые занимаются стратегическим и оперативным планированием на всех уровнях и во всех сферах управления. Использование когнитивных технологий в экономической сфере позволяет за короткий срок разрабатывать и обосновывать стратегию экономического развития предприятия с учетом влияния изменений во внешней среде.

Использование технологии когнитивного моделирования позволяет действовать на опережение и не доводить потенциально опасные ситуации до уровня угрожающих и конфликтных, а в случае их возникновения - принимать рациональные решения в интересах предприятия.

Рассматривается когнитивный подход к исследованию сложных систем, таких как социально-экономические, политические и т.п., ряд связанных с этим понятий, а также методология и технология когнитивного моделирования сложных систем.

Математическое представление когнитивных моделей

Начало исследований, связанных с использованием когнитивного подхода для изучения, моделирования, принятия решений в области сложных систем, относится к середине XX в., когда идеи когнитивной психологии стали применяться в различных отраслях знаний и стала складываться система дисциплинарных исследований, названная "когнитивная наука" (англ. cognitive science). Ее основными направлениями являются философия, психология, нейрофизиология, лингвистика, искусственный интеллект. В настоящее время наблюдается расширение предметных областей, в которых используется когнитивный подход. Активное применение когнитивного подхода в исследованиях сложных систем в нашей стране было начато в 1990-е гг., центром исследования стал ИПУ РАН. В данном параграфе представлен ряд результатов когнитивных исследований сложных систем, проводимых в Южном федеральном университете, истоком которых можно считать работы Р. Аксельрода, Ф. Робертса, Дж. Каста, Р. Эткина, а также сотрудников ИПУ РАН (В. И. Максимова, В. В. Кульбы, Н. А. Абрамову и др.).

Для понимания смысла когнитивных исследований, их направлений, моделей и методов необходимо знание ряда специальных терминов, таких как: когнитивная наука и когнитивистика, когнитология (инженерия знаний), когнитивный подход (познавательный), технология когнитивного (познавательно-целевого) моделирования, визуализация, когнитивное моделирование, когнитивная структуризация или концептуализация, методология когнитивного моделирования, когнитивная модель, когнитивная карта. Определения этих понятий (и ряда других, связанных с когнитивными науками) можно найти в работах. Когнитивные карты имеют не только визуальное, но и математическое обоснование. Это четкие и нечеткие графы (нечеткие когнитивные карты).

Граф оказывается подходящей моделью для представления отношений между экономическими объектами (предприятиями, организациями, средствами и факторами производства, элементами социальной сферы, характеризуемыми как объект, в котором сосредоточена или на который направлена экономическая деятельность, и представляющие определенную сторону экономических отношений), между субъектами социальных процессов (например, людьми, группами людей), между подсистемами социально-экономических систем, между другими концептами, сущностями и т.п. Воспользуемся определением Ф. Робертса: "Знаковый граф (знаковый орграф) - это граф, в котором "...вершины соответствуют членам группы; из вершины V-, в вершину проводится дуга, если наблюдается отчетливо выраженное отношение У;К V, причем дуга вд = (V, V]) имеет знак плюс (+), если V,"симпатизирует" У^и знак минус (-) в противном случае".

Понятие "знаковый орграф" может иметь разнообразные приложения, поэтому дуги и знаки интерпретируются по-разному в зависимости от изучаемой сложной системы. Кроме того, теоретические исследования сложных систем развиваются в рамках более сложной модели, нежели знаковый орграф, - в рамках взвешенного орграфа, в котором каждой дуге ец приписано действительное число (вес) хюц.

Пример когнитивной карты приведен на рис. 6.12 (рисунок выполнен с помощью программной системы ПСКМ^). Сплошные линии дуг соответствуют Шц = +1, штрихпунктирные - = -1. Знак может быть интерпретирован как "положительные (отрицательные) изменения в вершине г> приводят к положи тельным (отрицательным) изменениям в вершине гу", т.е. это однонаправленные изменения; знак "-" - как "положительные (отрицательные) изменения в вершине приводят к отрицательным (положительным) изменениям в вершине Vj" - разнонаправленные изменения. Встречные стрелки отображают взаимовлияние вершин, цикл графа; такое отношение симметрично. Большинство понятий орграфов применимо и к взвешенным орграфам. Это понятия: путь, простой путь, полупуть, контур, цикл, полуконтур; сильная, слабая, односторонняя связность, "знак пути, замкнутого пути, контура".

Знак пути, цепи, замкнутого пути, замкнутой цепи, контура цикла и т.д. определяется как произведение знаков входящих в них дуг.

Очевидно, что путь, цикл и т.п. имеют знак если число отрицательных дуг, содержащихся в них, нечетно, в противном случае они имеют знак "+". Так, для графа "Ромео и Джульетта" путь V,-" V, -" У -> V, является отрицательным, а цикл Ух -> У -> V, - положительным.

Рис. 6.12. дуг гоу = +1 и Шц = -1

При математическом моделировании сложных систем перед исследователем возникает проблема нахождения компромисса между точностью результатов моделирования и возможностью получения точной и подробной информации для построения модели. В такой ситуации знаковые и взвешенные орграфы пригодны для разработки "простых" математических моделей и при анализе результатов, получаемых при минимальной информации.

Приведем еще два примера из [НоЬеШ, с. 161, 162] - рис. 6.13 и 6.14, интересных с исторической точки зрения как одни из первых когнитивных карт, но не потерявших актуальности и сейчас.

На рис. 6.14 контур Ух -> У -> У$ -> У6 -" Ух противодействует отклонению в вершине V,. Если увеличивать/уменьшать любую переменную в этом контуре, то эти изменения приводят через другие вершины к уменьшению/увеличению данной переменной (интерпретация: чем больше население, тем больше отходов, тем больше бактерий, тем больше заболеваемость - чем больше заболеваемость, тем меньше людей, и т.п.). Это контур отрицательной обратной связи. Контур V, -> У ->УА -> V, является контуром, усиливающим отклонение, т.е. контуром положительной обратной связи.

Рис. 6.13.

Воспользуемся в дальнейшем следующим утверждением Маруямы: "Контур усиливает отклонение тогда и только тогда, когда он содержит четное число отрицательных дуг (в противном случае это контур, противодействующий отклонению)".

Схема (рис. 6.14) содержит небольшое число вершин и связей для удобства предварительного анализа. Более тщательный анализ проблемы потребления электроэнергии потребует, по словам Робертса, значительно большего числа переменных и более тонких методов для их выбора. При этом возникает проблема объединения мнений экспертов.

Для решения проблем, обозначенных в примерах рис. 6.13 и 6.14, недостаточно только построить граф той или иной сложности и проанализировать цепочки его связей (пути) и циклы, необходим более глубокий анализ его структуры, свойств устойчивости (неустойчивости), анализ влияния изменений параметров вершин на другие вершины, анализ чувствительности.

Рис. 6.14. (Roberts , с. 162)

Среднесрочное прогнозирование российской экономики с использованием когнитивной модели

В статье обосновывается целесообразность применения когнитивного подхода для исследования и прогнозирования ресурсозависимой экономики. Представлены результаты моделирования среднесрочного прогноза российской экономики с использованием нечеткой когнитивной карты.1

Ресурсозависимость, неопределенность и прогнозирование. Специфическими чертами экономики современной России являются ресурсозависимость, переходный тип развития и кризисное состояние хозяйства. Ресурсозависимость порождает различного рода неблагоприятные тенденции, продление которых весьма нежелательно, так как существенно ограничивает возможности прогнозной экстраполяции. Переходное состояние экономики сопряжено с унаследованным от прошлых лет «ментальным несовершенством», отсутствием устойчивых тенденций и зрелых хозяйственных структур, что делает «достигнутый уровень» не слишком надежной базой для прогнозирования. То же можно сказать и о кризисе в экономике, особенно если учесть его в значительной степени «рукотворный» характер, связанный с экономической политикой государства и агрессивными внешними воздействиями. В целом ухудшение экономического положения страны, которое происходит с 2013 г., «глубоко закономерно и вызвано внутренними причинами фундаментального характера» .

Одним из факторов торможения экономического роста является зависимость от мировых цен на нефть, снижение которых сводит к минимуму положительный эффект увеличения объемов производства углеводородов. Проблема неопределенности в высокой степени присуща ресурсозависимой экономике, так как наряду с традиционными для всех экономик факторами развития, значительное влияние приобретают факторы, связанные с освоением природных ресурсов. В российской экономике фундаментальная неопределенность 2 обусловлена прочно устоявшимся за последние десятилетия ресурсно-сырьевым характером развития. Причем по мере увеличения масштабов и степени зрелости ресурсно-сырьевого сектора усиливается и неопределенность, присущая не только сектору, но и экономике в целом. Таким образом, можно сказать, что на ресурсозависимую экономику воздействует «пучок» сложных и далеко не очевидных экономических и политических связей, и с этой точки зрения российская экономика не является исключением .

Прикладная прогнозная модель российской экономики. Методология когнитивного моделирования, предназначенная для анализа и принятия решений в слабо определенных ситуациях, предложена американским исследователем Р. Аксельродом . Она основана на моделировании субъективных представлений экспертов о ситуации, ее главным инструментом является когнитивная карта ситуации (Fuzzy Cognitive Map), составленная в виде ориентированного функционального графа. Вершины (концепты) графа соответствуют рассматриваемым факторам (событиям), а направленные дуги, характеризующиеся знаками и параметрами интенсивности, отражают взаимовлияния между факторами (событиями). Когнитивная карта служит для выявления структуры причинных связей между элементами системы и оценки последствий воздействия на них или изменения характера связей.

1 Статья подготовлена в рамках исследований при финансовой поддержке Российского научного фонда (Проект № 14-18-02345).

2 Фундаментальная неопределенность исключает возможность корректного преобразования в ситуации риска. Использование термина «риск» связано со случаями, когда степень неопределенности или вероятность наступления некоторого события могут быть измерены. Практическая разница между категориями риска и неопределенности состоит в том, что в первом случае распределение результатов событий известно (что достигается путем априорных вычислений или изучения статистики предшествующего опыта), а во втором – нет .

Реализация процедур моделирования обычно подразделяется на три этапа. Первый этап – это моделирование (имитация) саморазвития ситуации (системы) при отсутствии управляющих воздействий «со стороны» исследователя. Второй этап предполагает управляемое развитие ситуации: исследователь в результате воздействия на какие-либо из факторов определяет управляющие факторы и варьирует их, наблюдая за происходящими в системе изменениями. Третий этап представляет собой решение обратной задачи, которая заключается в определении значений управляющих импульсов, требующихся для решения проблемы. Таким образом, в процессе численной реализации когнитивной модели могут быть построены различные сценарии прогноза развития ситуации (системы): без управления и с управлением для ослабления негативных или усиления позитивных тенденций.

Использование метода когнитивного моделирования оправдывает себя и в теоретических, и в прикладных исследованиях. Применение когнитивных моделей при исследовании закономерностей и механизмов ресурсозависимости для анализа взаимодействий эндогенных и экзогенных факторов и их влияния на экономический рост рассмотрено в одной из наших работ . В качестве примеров прикладных исследований можно назвать работы по когнитивному моделированию социально-экономических рейтингов в Республике Коми и развития туристско-рекреационной системы Юга России . Наша задача поставлена шире: оценить влияние ключевых факторов на динамику социально-экономического развития России, что предполагает построение агрегированной конструкции, охватывающей всю социально-экономическую систему страны. По своей постановке эта задача близка к известным зарубежным исследованиям, в одном из которых представлена теоретическая когнитивная модель экономики , а в другом – модель, построенная для оценки социально-экономических последствий разведки ресурсов нефти и газа на Кипре . Из отечественных исследований особо отметим работу , где представлена когнитивная модель, с помощью которой выявлены основные факторы, воздействующие на процесс создания инновационной экономики в России, и показано приоритетное влияние промышленной политики на экономический рост.

Наш концептуальный подход и техника работы с прикладными когнитивными моделями охарактеризованы в работе , где приводятся и содержательно интерпретируются результаты моделирования среднесрочного прогноза социально-экономического развития Томской области. Данный регион интересен тем, что является одновременно ресурсным и инновационным, в его экономике большую роль играют нефтегазовый сектор, обрабатывающая промышленность и научно-образовательный комплекс. Томскую область можно охарактеризовать как своего рода «масштабную модель» России – с близкой структурой экономики, сходными достижениями и проблемами в социально-экономическом развитии. Особо следует отметить сопоставимость показателей добычи нефти и газа (как одного из главных источников дохода) на душу населения: в Томской области – примерно 15 т н. э./чел., в России – около 8 т н. э./чел. 3

Результаты исследований по проблемам социально-экономического развития Томской области позволили прийти к выводам, которые в значительной мере могут быть соотносимы ко всей стране. Поэтому приступая к работе над прогнозной моделью российской экономики, мы ориентировались на результаты предшествующих исследований и на практический опыт построения когнитивных моделей, полученный в этих исследованиях.

3 Для сравнения: среднедушевые показатели добычи углеводородов в Ямало-Ненецком АО составляют около 1 тыс. т, в Ненецком АО – более 440, в Ханты-Мансийском АО – 190, в Сахалинской области – 70 т (рассчитано по данным Росстата ).

Разработанная модель российской экономики имеет горизонт прогнозирования до 2020 г. Когнитивная карта модели содержит 16 факторов, разбитых на 6 классов (табл. 1), связанных между собой 121-й дугой, моделирующей взаимовлияние.

Таблица 1. Факторы прикладной прогнозной модели российской экономики

Предварительные значения интенсивности взаимовлияния между измеримыми факторами когнитивной модели были установлены путем корреляционного анализа. Рассматривались попарные корреляции между временными рядами данных (за период 2000-2013 гг.) по факторам, приведенным в табл. 1. Далее коэффициенты уточнялись экспертным путем сообразно логике перехода системы из одного ста- ционарного состояния в другое в результате внешних импульсных воздействий.

Необходимо отметить, что это один из наиболее сложных и неочевидных для восприятия нюансов когнитивного моделирования, ведь любая когнитивная модель – это субъективное представление эксперта о процессах в сложной динамической ситуации (системе), формально представляемое в виде ориентированного знакового графа . Возникает вопрос: может ли быть оправдана подобная субъективность? Не приведет ли она к получению искаженных понятий о закономерностях развития исследуемой системы?

Проблема субъективности в значительной степени может быть решена с помощью обратной верификации, т. е. путем проверки моделей в известных условиях, их «погружения» в прошлое. Мы протестировали модель для ретроспективного периода 2000-2013 гг. на основе располагаемых статистических данных по измеримым факторам модели. При этом были заданы в векторе начальных тенденций приросты следующих факторов: 0-1 нефть (+31%); 1-3 ПИИ (+28%); 4-1 цены (+182%) – на основании имеющихся статистических данных – и 4-2 риски (−70%) заданы оценочно, исходя из реалистичной гипотезы о значительном общем снижении рисков для российской экономики в 2000-е годы по сравнению с 1990-ми. Фактор «нефть» мы рассматриваем наравне с внешними воздействиями (мировыми ценами на нефть, ПИИ, рисками), поскольку динамика добычи нефти и газа в России более тесно связана с рыночной ситуацией и возможностями экспорта, чем с потребностями развития национальной экономики.

Общая корректность модели на этом этапе подтвердилась близостью рассчитанных на модели темпов приростов факторов к действительным темпам приростов в 2013 г. по отношению к 2000 г. Расчетный темп прироста ВВП составил 78% по сравнению с фак- тическим показателем на уровне 79% (табл. 2). В результате была составлена матрица коэффициентов взаимовлияний верифицированной модели, которая использовалась для построения прогноза на период до 2020 г.

Таблица 2. Расчетные и фактические темпы роста показателей модели: 2013/2000, %

Результаты моделирования среднесрочного прогноза. На первом этапе численного моделирования имитировалось саморазвитие ситуации, а источниками импульсного воздействия на систему послужили приросты факторов «нефть» и «цены». Предполагалось, что добыча углеводородов в РФ к 2020 г. возрастет примерно на 10% по сравнению с 2013 г. (до 1250 млн. т в н. э. – по ориентирам Энергетической стратегии России на период до 2030 г. ), а цена на нефть снизится примерно на 40% (по данным экстраполяции сценарных условий прогноза социально-экономического развития РФ на период до 2018 г., Минэкономразвития России ). Гипотезы относительно изменения величины ПИИ и внешних рисков не рассматривались.

Расчеты показали, что при заданных импульсных воздействиях прогнозное изменение фактора ВВП в 2020 г. составляет: -12%, доходы бюджета снизятся на 22%, инвестиции в основной капитал – на 28%; валовая добавленная стоимость обрабатывающей промышленности снизится на 9%, научно-образовательного комплекса – на 7% по отношению к уровню 2013 г. Таким образом, при саморегулировании (саморазвитии) ситуации прогнозируются кризисные тенденции в российской экономике. Ввиду нежелательности данного исхода необходимы целенаправленные воздействия на экономическую систему для формирования более благоприятных результатов.

На этапе имитации управляемого развития системы в качестве факторов, подверженных управляющим воздействиям, были выбраны следующие (см. табл. 1): инвестиции, ПИИ, промышленность, НОК, инфраструктура, риски. Это предполагает государственное стимулирование соответствующих хозяйственных процессов, секторов экономики и видов деятельности путем проведения целенаправленно регулируемой политики. Кроме того, рассматриваются меры по снижению рисков и стимулированию экономического роста (на макроуровне). Последовательно задаваемые «слабые» приращения значений всех перечисленных выше факторов на уровне 10% (рисков – сокраще- ние на 10%) позволили оценить чувствительность экономики к управляющим воздействиям по данным направлениям регулирования.

В процессе экспериментов на модели были получены показатели приростов фактора ВВП в диапазоне от -12 до +2% к 2020 г. относительно 2013 г. Если рассматривать отдельно взятые факторы, то наиболее эффективны меры по сокращению рисков. Условная комбинация слабого воздействия всех рассмотренных факторов приводит к приросту ВВП примерно на 2% (табл. 3).

Таблица 3. Прирост ВВП на душу населения в 2020 г. по отношению к уровню 2013 г. по вариантам модельных расчетов, %

Результат моделирования соответствует неблагоприятному сценарию экономического развития. Полученные показатели ниже прогнозных ориентиров Минэкономразвития России на 2020 г.: согласно разработанному министерством консервативному сценарию долгосрочного развития, прирост ВВП должен составлять к 2020 г. 29% по сравнению с 2013 г. . Экстраполяция сценарных трендов по прогнозу на 2018 г. дает показатели прироста к 2020 г. (в сравнении с 2013 г.) на 10 и 16% .

Требуемые интенсивности воздействия на управляющие факторы при заданном приращении целевого фактора можно вычислить на третьем этапе моделирования – решения обратной задачи. В качестве целевого примем темп прироста ВВП на душу населения к 2020 г. относительно 2013 г. равным 16%. При моделировании в этом случае установлено, что наибольшая интенсивность воздействия требуется для стимулирования ПИИ и развития НОК, а наименьшая – промышленности, инфраструктуры и рисков (рис. 1).

Рис. 1. Расчетные значения интенсивности управляющих воздействий, необходимых для достижения целевого прироста ВВП к 2020 г. на 16% по сравнению с 2013 г.

Иными словами, для обеспечения экономического роста требуются сравнительно небольшие – вследствие достаточно мощного базиса – усилия, направленные на стимулирование промышленности и инфраструктуры, а максимум регуляторных усилий необходим для привлечения инвестиций и развития инновационного сектора.

Результаты прогнозной оценки показывают, что необходимый прирост инвестиций должен быть почти в два с половиной раза более высокий, чем прирост целевого показателя (рис. 2), как это было, например, в период 2001-2007 гг. Прогнозный рост НОК оказывается сравнительно медленным, несмотря на высокую интенсивность расчетного управляющего воздействия. Вероятно, причина – в сложившемся затратном характере развития инновационной сферы, когда деятельность НОК оценивается в большей степени по затратам на инновации (доле расходов на НИОКР в ВВП), а не по реальному эффекту экономики.

Рис. 2. Прогнозные показатели роста факторов модели по решению обратной задачи (2013 г. = 100)

В целом результаты решения обратной задачи, на наш взгляд, вполне закономерны. Следует прежде всего сформировать благоприятный инвестиционный климат, способствующий аккумулированию внутренних и притоку внешних инвестиций, а также инновационный характер развития экономики: взаимосвязи этих факторов в системе будут способствовать усилению положительных воздействий остальных факторов на целевой показатель со стороны.

Полученные, на наш взгляд весьма содержательные, результаты следует признать во многом предварительными. Требуется дальнейшее изучение возможностей когнитивного моделирования для обоснования экономических прогнозов и регуляторной политики, прежде всего – при выборе ее приоритетных направлений. Исходя из своего опыта, можем отметить, что когнитивный подход наиболее эффективен в анализе и прогнозировании развития сложных экономических систем. Особенность данного подхода состоит в применении методов количественного анализа в сочетании с построением модельных конструкций, основанных на субъективном видении ситуации. Каждый этап работы опирается на решения исследователя, итог которых определяет адекватность модели. Следует особо отметить, что когнитивные модели не могут заменить собой модели других видов и классов, они лишь должны занимать свою «нишу» в составе математического инструментария, применяемого в экономических исследованиях, включая решение задач прогнозного характера. Полагаем, что дальнейшее развитие когнитивного подхода к исследованию российской экономики позволит получить действенный инструментарий и для построения прогнозов, и для обоснования решений по управлению возникающими проблемными ситуациями.

Литература

1. Аганбегян А.Г. Социально-экономическое развитие России: анализ и прогноз // Проблемы прогнозирова- ния. 2014. № 4. С. 3-16.
2. Найт Ф. Понятия риска и неопределенности // Thesis. 1994. № 5. С. 12-17.
3. Ольсевич Ю.Я. Фундаментальная неопределенность рынка и концепции современного кризиса. М.: Институт эко- номики РАН, 2011. 51 с. URL: http://www.inecon.org/images/stories/nauchnaya-jizn/konverensii/Olsevich_8-08-2011.pdf (дата обращения 13.02.2016).
4. Шмат В.В. Ресурсы в «западне» глобализации // ЭКО. 2015. № 7. С. 163-178.
5. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. Princeton // NJ: Princeton University Press, 1976. 404 p.
6. Морозова М.Е., Шмат В.В. Как познать механизмы ресурсозависимости? Применение метода когни- тивного моделирования при исследовании ресурсозависимой экономики // ЭКО. 2015. № 6. С. 146-159.
7. Лавреш И.И., Миронов В.В., Смирнов А.В. Когнитивное моделирование социально-экономических рей- тингов регионов // Вестник ИТАРК. 2011. № 1. С. 22-30.
8. Солохин С.С. О когнитивном моделировании устойчивого развития социально-экономических систем (на примере туристско-рекреационной системы Юга России) // Искусственный интеллект. 2009. № 4. С. 150-160.
9. Carvalho J.P., Tome Jose A.B. Rule Based Fuzzy Cognitive Maps in Socio-Economic Systems // IFSA-EUSFLAT 2009 Proceedings. Lisbon. 2009. Pp. 1821-1826. URL: http://www.eusflat.org/proceedings/IFSA-EUSFLAT_2009/pdf/tema_1821.pdf (дата обращения 02.2016).
10. Neocleous , Schizas C., Papaioannou M. Fuzzy cognitive maps in estimating the repercussions of oil/gas exploration on politico-economic issues in Cyprus // 2011 IEEE International Conference On Fuzzy Systems. Taipei, Taiwan: IEEE, 2011. 1119-1126. URL: http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=5976945 (дата обращения 13.02.2016).

1. Кулешов В., Алексеев А., Ягольницер М. Дорожная карта политики реиндустриализации: когнитивный инструментарий // Экономист. 2015. № 10. С. 51-63.
2. Белан А.К., Шмат В.В. Анализ влияния ресурсных и нересурсных факторов на рост экономики Томской области с применением когнитивного подхода // Вестник НГУ. Серия: Социально-экономические науки. 2015. Т. 15. Вып. 1. С. 78-93.
3. Единая межведомственная информационно-статистическая система (ЕМИСС). URL: https://www.fedstat.ru/indicators/data.do (дата обращения 13.02.2016).
4. Энергетическая стратегия России на период до 2030 года. Утверждена распоряжением Правительства Российской Федерации от 13 ноября 2009 г. №1715-р. М.: Институт энергетической стратегии, 2009. URL: http://www.energystrategy.ru/projects/es-2030.htm (дата обращения 02.2016).
5. Сценарные условия, основные параметры прогноза социально-экономического развития Российской Федерации и предельные уровни цен (тарифов) на услуги компаний инфраструктурного сектора на 2016 год и на плановый период 2017 и 2018 годов. М.: Минэкономразвития РФ, 28 мая 2015. URL: http://economy.gov.ru/minec/activity/sections/macro/prognoz/201505272 (дата обращения 02.2016).
6. Прогноз долгосрочного социально-экономического развития Российской Федерации на период до 2030 года. М.: Ми- нэкономразвития РФ, 8 нояб. 2013. URL: http://economy.gov.ru/minec/activity/sections/macro/prognoz/doc20131108_5 (дата обращения 02.2016).

Проблемы исследования сложных технико-экономических, социальных, политических и т.п. обусловлены рядом особенностей, присущих указанным областям:

· взаимосвязанностью происходящих в них процессов (технико-экономических, социальных, политических и т.п.) и их многоаспектностью; в силу этого невозможно вычленение и детальное исследование отдельных явлений (например, только экономических или только социальных) – все происходящие внутри экономической (политической и т.п.) системы явления должны рассматриваться и исследоваться в совокупности;

· отсутствием достаточной количественной информации о динамике происходящих в моделируемой системе процессов, что вынуждает использовать наряду с количественной и качественную информацию при описании таких процессов;

· нестационарностью самих процессов, причем характер изменения тех или иных характеристик процессов зачастую неизвестен, что затрудняет построение их количественных моделей.

Такие системы называются слабоструктурированными (слабоформализованными). В них невозможен традиционный математический (экономический, социометрический и т.п.) подход к анализу процессов для выработки комплексных (т.е. затрагивающих различные аспекты исследуемой системы) решений. Для моделирования сложных плохоформализуемых систем (например, социальных, технико-экономических, региональных и т.п.) используется когнитивный подход, который основывается на когнитивных аспектах. Эти аспекты включают в себя процессы восприятия, мышления, познания, объяснения и понимания. Схематическое, упрощенное описание картины мира, относящееся к проблемной ситуации, изображают в виде когнитивной карты.

С позиций когнитивного подхода процесс моделирования можно представить в виде схемы – рис.8.2.

Рис. 8.2 Процесс моделирования

Когнитивный анализ предусматривает последовательную причинно-следственную структуризацию информации о происходящих в исследуемой системе процессах. Выделяют следующие этапы описания системы:

a. всякое событие, произошедшее в системе, вызывается определенными причинами (предпосылками), появление которых связано с движением материальных потоков (товары, деньги, ресурсы и т.п.) и нематериальных потоков (информационные взаимодействия). Движение каждого потока может быть описано в самом общем виде соответствующими цепочками причинно-следственных отношений, составляющих знания аналитика или его предположения о действующих в данной системе закономерностях.

b. каждый из выделенных потоков описывается соответствующей совокупностью факторов. Объединение всех этих совокупностей составляет множество факторов, в терминах которых описываются процессы в системе;

c. определяются взаимосвязи между факторами путем рассмотрения причинно-следственных цепочек, описывающих движение каждого потока. Считается, что факторы, входящие в первую часть «если...» цепочки «если - то.,..», влияют на факторы её второй части «то...», причем это влияние может быть либо усиливающим (положительным) либо тормозящим (отрицательным), либо переменного знака в зависимости от возможных дополнительных условий.

Сила воздействия факторов друг на друга описывается с помощью лингвистических переменных типа "значительная", "умеренная", "слабая" и т.п. Можно Сопоставить совокупности таких лингвистических переменных некоторую числовую шкалу так, что каждой переменной будет соответствовать некоторое число в этой шкале. В качестве такой шкалы можно выбрать интервал .

· Взаимовлияния факторов отображаются с помощью когнитивной карты, являющейся, моделью исследуемой системы в виде взвешенного орграфа Каждая вершина графа соответствует одному фактору или элементу картины мира. Дуги, связывающие вершины, соответствуют причинно-следственной связи между вершинами, связи могут быть положительными и отрицательными.

· Метод когнитивного моделирования относится методам мягкого моделирования(soft simulation). Ближайшими аналогами данного метода являются имитационное моделирование, метод системной динамики. Преимущество данного метода состоит в том, что метод может оперировать не только точными количественными значениями и формулами, но качественными значениями и оценками. Но также данный момент является и недостатком, т.к. результаты получаются качественные.

Когнитивное моделирование является "нулевым уровнем" моделирования. Когнитивное моделирование помогает быстро получить первичные результаты, более подробно разобраться в моделируемой системе, выявить закономерности и потом перейти к более точным моделям (если такое представляется возможным и необходимым). Поэтому наиболее разумным будет применение когнитивного моделирования на верхнем уровне принятия решения при анализе сложных социально-экономических, политических, технических, техноэкономических систем.

В России данный метод применятся в МПС (2002 году в ИПУ РАН была построена модель железнодорожного транспорта), а также в администрациях некоторых областей. За границей данный метод применятся в ряде консалтинговых организациях.

Разработаны инструментальные средства ДК "Ситуация" и "КАНВА" (ИПУ РАН). "Ситуация" – закрытая система, ни какой информации по ней практически нет. КАНВА – простая система, реализующая только базовые методы.

Когнитивное моделирование

Введение

1. Понятия и сущность "Когнитивного моделирования" и "Когнитивной карты"

2. Проблемы когнитивного подхода

Заключение

Список использованной литературы

ВВЕДЕНИЕ

В середине 17-го века знаменитый философ и математик Рене Декарт высказал афоризм, ставший классическим: «Cogito Ergo Sum» (мыслю, следовательно, существую). Латинский корень cognito имеет интересную этимологию. Он состоит из частей “co-“ (“вместе”) + “gnoscere” (“знаю”). В английском языке существует целое семейство терминов с этим корнем: "cognition", "cognize " и др.

В той традиции, которая у нас обозначена термином "когнитивное", проглядывает только одно "лицо" мысли – ее аналитическая сущность (способность разлагать целое на части), декомпозировать и редуцировать реальность. Эта сторона мышления связана с выявлением причинно-следственных связей (каузальностью), что свойственно рассудку. Видимо, Декарт абсолютизировал рассудок в своей алгебраической системе. Другое "лицо" мысли – ее синтезирующая сущность (способность конструировать целое из непредвзятого целого), воспринимать реальность интуитивных форм, синтезировать решения и предвосхищать события. Эта сторона мышления, выявленная в философии Платона и его школы, присуща разуму человека. Не случайно и в латинских корнях мы находим два основания: ratio (рациональные отношения) и reason (разумное проникновение в сущность вещей). Разумное лицо мысли берет свое начало от латинского reri ("думать"), восходящее к старолатинскому корню ars (искусство), затем превратившееся в современное понятие art. Таким образом, reason (разумное) - это мысль, родственная творчеству художника. Когнитивность как "разум" означает "способность думать, объяснять, обосносывать действия, идеи и гипотезы".

Для "сильной" когнитивности существенен особый, конструктивный статус категории «гипотеза». Именно гипотеза является интуитивной отправной точкой дедуцирования образа решения. При рассмотрении ситуации ЛПР обнаруживает в ситуации некоторые негативные звенья и структуры («разрывы» ситуации), подлежащие замещению новыми объектами, процессами и отношениями, устраняющими отрицательное воздействие и создающими явно выраженный позитивный эффект. В этом заключается суть управления по инновациям. Параллельно с обнаружением «разрывов» ситуации, часто квалифицируемых как «вызовы» или даже «угрозы», субъект управления интуитивно представляет себе некоторые «позитивные ответы» как целостные образы состояния будущей (гармонизированной) ситуации.

Когнитивный анализ и моделирование являются принципиально новыми элементами в структуре систем поддержки принятия решений.

Технология когнитивного моделирования позволяет исследовать проблемы с нечеткими факторами и взаимосвязями;–учитывать изменения внешней среды;– использовать объективно сложившиеся тенденции развития ситуации в своих интересах.

Такие технологии завоевывают все большее и большее доверие у структур, занимающихся стратегическим и оперативным планированием на всех уровнях и во всех сферах управления. Применение когнитивных технологий в экономической сфере позволяет в сжатые сроки разработать и обосновать стратегию экономического развития предприятия, банка, региона или целого государства с учетом влияния изменений во внешней среде. В сфере финансов и фондового рынка когнитивные технологии позволяют учесть ожидания участников рынка. В военной области и области информационной безопасности применение когнитивного анализа и моделирования позволяет противостоять стратегическому информационному оружию, распознавать конфликтные структуры, не доводя конфликт до стадии вооруженного столкновения.

1. Понятия и сущность "Когнитивного моделирования" и "Когнитивной карты"

Методология когнитивного моделирования, предназначенная для анализа и принятия решений в плохо определенных ситуациях, была предложена Аксельродом . Она основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации: модель представления знаний эксперта в виде знакового орграфа (когнитивной карты) (F, W), где F – множество факторов ситуации, W – множество причинно-следственных отношений между факторами ситуации; методы анализа ситуации. В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач

Когнитивная карта (от лат. cognitio- знание, познание) - образ знакомого пространственного окружения.

Когнитивные карты создаются и видоизменяются в результате активного взаимодействия субъекта с окружающим миром. При этом могут формироваться когнитивные карты различной степени общности, «масштаба» и организации (например, карта-обозрение или карта-путь в зависимости от полноты представленности пространственных отношений и присутствия выраженной точки отсчета). Это - субъективная картина, имеющая, прежде всего пространственные координаты, в которой локализованы отдельные воспринимаемые предметы. Выделяют карту-путь как последовательное представление связей между объектами по определенному маршруту, и карту-обозрение как одновременное представление пространственного расположения объектов.

Ведущей научной организацией России, занимающейся разработкой и применением технологии когнитивного анализа, является Институт проблем управления РАН, подразделение: Сектор-51, ученые Максимов В.И., Корноушенко Е.К., Качаев С.В., Григорян А.К. и другие. На их научных трудах в области когнитивного анализа и основывается данная лекция.

В основе технологии когнитивного анализа и моделирования (рисунок 1) лежит когнитивная (познавательно-целевая) структуризация знаний об объекте и внешней для него среды.

Рисунок 1. Технология когнитивного анализа и моделирования

Когнитивная структуризация предметной области - это выявление будущих целевых и нежелательных состояний объекта управления и наиболее существенных (базисных) факторов управления и внешней среды, влияющих на переход объекта в эти состояния, а также установление на качественном уровне причинно-следственных связей между ними, с учетом взаимовлияния факторов друг на друга.

Результаты когнитивной структуризации отображаются с помощью когнитивной карты (модели).

2. Когнитивная (познавательно-целевая) структуризация знаний об исследуемом объекте и внешней для него среды на основе PEST-анализа и SWOT-анализа

Отбор базисных факторов проводится путем применения PEST-анализа, выделяющего четыре основные группы факторов (аспекта), определяющих поведение исследуемого объекта (рисунок 2):

P olicy - политика;

E conomy - экономика;

S ociety - общество (социокультурный аспект);

T echnology - технология

Рисунок 2. Факторы PEST-анализа

Для каждого конкретного сложного объекта существует свой особый набор наиболее существенных факторов, определяющих его поведение и развитие.

PEST-анализ можно рассматривать как вариант системного анализа, т.к факторы, относящиеся к перечисленным четырем аспектам, в общем случае тесно взаимосвязаны и характеризуют различные иерархические уровни общества, как системы.

В этой системе есть детерминирующие связи, направленные с нижних уровней иерархии системы к верхним (наука и технология влияет на экономику, экономика влияет на политику), а также обратные и межуровневые связи. Изменение любого из факторов через эту систему связей может влиять на все остальные.

Эти изменения могут представлять угрозу развитию объекта, или, наоборот, предоставлять новые возможности для его успешного развития.

Следующий шаг - ситуационный анализ проблем, SWOT-анализ (рисунок 3):

S trengths - сильные стороны;

W eaknesses - недостатки, слабые стороны;

O pportunities - возможности;

T hreats - угрозы.

Рисунок 3. Факторы SWOT-анализа

Он включает анализ сильных и слабых сторон развития исследуемого объекта в их взаимодействии с угрозами и возможностями и позволяет определить актуальные проблемные области, узкие места, шансы и опасности, с учетом факторов внешней среды.

Возможности определяются как обстоятельства, способствующие благоприятному развитию объекта.

Угрозы - это ситуации, в которых может быть нанесен ущерб объекту, например, может быть нарушено его функционирование или он может лишиться имеющихся преимуществ.

На основании анализа различных возможных сочетаний сильных и слабых сторон с угрозами и возможностями формируется проблемное поле исследуемого объекта.

Проблемное поле - это совокупность проблем, существующих в моделируемом объекте и окружающей среде, в их взаимосвязи друг с другом.

Наличие такой информации - основа для определения целей (направлений) развития и путей их достижения, выработки стратегии развития.

Когнитивное моделирование на основе проведенного ситуационного анализа позволяет подготовить альтернативные варианты решений по снижению степени риска в выделенных проблемных зонах, прогнозировать возможные события, которые могут тяжелее всего отразиться на положении моделируемого объекта.