CONVERGENT COLLECTIVE DECISION-MAKING ON THE BASE OOF COGNITIVE MODELLING

Abstract

В настоящей работе предлагается понимание слова «конвергентность» применительно к сфере процессов управления и принятия решений углубить до обеспечения условий сходимости этих процессов к нечетким целям. Достижение успеха коллективных процессов принятия управленческих решений рассматривается в зависимости от корректности структурирования информации, генерируемой и используемой в этих процессах. Корректность коллективных процессов принятия решений, в свою очередь, обеспечивается через учет формализуемых предметных (денотативных) и неформализуемых ментальных (сигнификативных) семантик. Показывается, что требуемую корректность можно обеспечить на основе использования авторского конвергентного подхода, интегрирующего методы когнитивного моделирования, решения обратных задач на топологических пространствах, управляемой термодинамики, квантовой семантики, генетических алгоритмов, а также анализа больших данных с использованием методов глубокого обучения. Анализ больших данных используется для верификации когнитивных моделей, которые строятся коллективно как с привлечением экспертов, работающих в удаленном режиме, так и гражданского участия (краудсорсинга). Для улучшения учета в конвергентном процессе коллективного когнитивного моделирования сигнификативных семантик в настоящей работе дополнительно вводится понятие конвергентной моноидальной категории. Апелляция к теории категорий обосновывается большой сложностью феноменов, возникающих в процесс групповой мыслительной деятельности участников. Приводится архитектура программного обеспечения.

-

collective cognitive modeling of significative semantics, the present article additionally introduces the concept of a convergent monoidal category. Appeal to the theory of categories is justified by the great complexity of the phenomena that arise in the process of group thinking activity of participants. The architecture of the software is shown.

Cognitive modelling; convergent management; inverse problems; topological space; artificial intelligence; monoid; quantum semantic. Введение

Термин «конвергетнность» в различных сферах человеческой деятельности опреде-рлаязентсояму:по в биологии– как появление похожих органов у различных животных, живущих в сходных услов математике и физи–ккеак сходимость (противоположно дивергенции) процесса кромнуекоптроеделу; в технологическом и эволюционном конт–екксатке некое системная интеграция (система систем), дающая эмерджентный эффект. В настоящей работе под конвергентностью понимается нечто общ перечисленного. Группа людей, команда, коллективнбыъйект,су стая дронов, отряд роботов и пр. попадают в сходные условия, диктуемые похожей для всех проблемной ситуацией. Субъекты или объединяются сходными интересами, требующими использования похожих вещей и активов, синхрон генерации мыслей и исдецйелью получения синергии действий для достижения целей.

Таким образом, конвергенц–ияэто способ совместного решения коллективом людей, в том чис большим, всем хорошо знакомой задачи «Пойди туда не знамо куда», которая ставится не тольк но и в реальной жизни. При этом, как мы знаем, задача обычно имеет решение, иногда от иногда от безысходности. Всех участников сближают сходные проблемные условия, которые застав формировать не некоторую цель. У всех участников -теостьрескуарксиые, из которых надо выбрать или как-то их нужно трансформировать, или найти новые, чтобы объединить усилия для достижени Если все участники будут «тянуть» решение проблемы в разные стороны, то есть дей дивергентно, то ресурсы будсуттрачиены впустую, а проблема только обострится. Нужна сходимость мнений и стремлений относительно выработки единой цели и путей ее достижения. Именно обе сходимости сложного, во многом неформализуемого, группового процесса выработки согласованно решения за счет создания необходимых для этого условий и называется в настоящей конвергенцией. Как уже показано в ряде работ автора [ 1, 2 ], такие условия могут быть создан использования фундаментальных результатов из области когнитисивхноолйогипи, искусственного интеллекта, решения обратных задач на топологических пространствах, управляемой термодинамик квантовой семантики и др.

Применение конвергентного подхода в ситуационных центрах при проведении стратегическ совещаний и мозговыхтуршмов, разработке стратегий и концепций развития отраслей и компаний позволило сократить время принятия коллективных решений. Так, если в начале 2000 стратегическое совещание в ситуационной комнате с участием до 35 челов-е4к дзнаяним(асло 2 перерывами), то благодаря применению указанного подхода время согласования основных положе стратегии развития, например, региональной отрасли (согласие команды по дереву целей, приорит ключевым мероприятиям), удалось сократить-5 дочас4ов.

Вместе стем интенсивное распространение сетевых технологий, включение в процесс принят решений удаленных участников, например, представителей гражданского общества, профессиональных и экспертных организаций, создание системы распределенных ситуационных в цеиннттреорвесах решения вопросов национальной безопасности и т.д. заставило вновь обратиться к вопросу уск достижения командного согласия. В этом направлении постоянно совершенствуются технологическ средства визуализации и компьютерного моделировасноизяд,аются системы ситуационной осведомленности и виртуального сотрудничества [ 3 ]. Вместе мнсогтоемм нвеоисследованной лакуной пока еще остаются вопросы модерации сетевых совещаний и мозговых штурмов, которые зачасту центробежный, дивергентный ахкартер, что приводит к недопустимо, особенно в чрезвычайной ситуац большому времени для согласования мнений участников.

При распределенной, сетевой, работе участники процесса принятия решения видят друг друга на экране компьютера или мобильнторгоойстувса, и, как следствие, не так хорошо чувствуют и поним друг друга, как если бы они сидели за одним столом и непосредственно общались друг Соответственно, при групповой работе и в сетевых условиях наложение таких трудноформализу навыков, как: достижение группового инсайта, предчувствие, предвидение, предугадывание, предсказание, прогнозирование и пр. осуществляется менее продуктивно.

В условиях развития сетевой (цифровой, прямой, электронной и пр.) демократии все актуальным предтсавляется включение в распределенный процесс подготовки и принятия стратегических решений гражданского общества, сетевых сообществ и общественных организаци товариществ собственников жилья и др. При этом используются технологии проведения форумов, мнений. Без применения специальных конвергентных технологий процесс согласования интерес участников принятия решений может носить либо паталогически расходящийся (дивергентны характер, когда согласие участников вообще достичь невозможно, либиочесдкеимеокрпартоцедуры редуцируются до принятия решения несколькими эксклюзивными людьми, которые обосновыва решение только тем, что прошло общественное об, суохжтяденпиреи этом мнение эксклюзивной группы может и не совпадать с мнением большинства .участников

Как было нами показано ранее, эффективным инструментом согласования решения в г участников является когнитивное моделирование [ 4 ]. Это представление проблемной ситуации в небольшого набора взаимовлияющих друг на друга факторов, носящвиихл,о, какачепсртавенный, понятийный, характер. Однако малое количество факто-1р5ов ф(а1к0торов, до 100 взаимосвязей) не снижает сложности когнитивного моделирован–ияздесь решающую роль играют сложные семантические интерпретации фрагментов модели, которыует мбоыгть как формализуемыми предметными, так и неформализуемыми мыслительными. И если под первую из перечисле интерпретаций может быть подобран адекватный математический и программный аппарат (напри анализ Больших Данных для верификации когнимтоидвенлоий [ 5 ]), то под в–тонреуфюормализуемую – необходимо искать иные подходы, позволяющие групповой мыслительный процесс инкапсулировать нужное русло, которое выведет на получение хорошего, например, устраивающего всех, реше отведенное для этого емяв.р В условиях сетевой работы вопросы однозначной семантической интерпретации когнитивных моделей, учитывая их в целом неформализуемый и неявный хара требуют нетрадиционных, неклассических, подходов.

Встает вопрос -нповому посмотреть на процессдерпжокди принятия сетевых групповых решений с применением когнитивного моделирования и с учетом неформализуемых семантических интерпретаци и когда в состав участников включается самоорганизуемое гражданское общество (гражданское учас Рассмотрение вопорса под таким углом зрения потребовало нахождения дополнительных структурн условий для ускорения взаимопонимания участников и обеспечения ускоренной сходимости проц принятия решений. Конфигурация участников и формулирование задачи

Итак, в принятиеишенрии участвуют органы власти, компании, общественные организации, больш и малые группы людеи , отдельные индивидуумы. Группы могут пересекаться, объедин распределяться по уровням управления. Компоненты и участники процессов формирован стратегических решении проиллюстрированы на рис. 1. Без применения специальных средств мод спонтанныи процесс самоорганизации при совместнои выработке решения может занять очень время, а скорее всего, этот процесс может вообще не закончиться.

Рис. 1. Конфигурация участия Приведенная на рис. 1 конфигурация может быть на определенном уровне абстра интерпретирована задачей, представленной математическим выражеQн-и1xе=мyδ, где Q – оператор, соответствующий «пути к целяxм»–, ресурсы (люди, домашнихеозяйства, социальные сети, интеллектуальные и материальные ресурсы yиδ – днре.ч),еткие (неточные) цели. Как можно заметить, задача носит обратный характер: под нечеткие цели интерактивным образом ищется путь к эти Обратные задачи, как известзно маитематики, являются неустойчивыми, то есть при небольших изменениях исходных данных, например, политической ситуации, решение задачи может изменит значительно.

В приведенной на рис. 1 конфигурации требуется соответствующая интеграция и касикнхронизаци процессов обработки, так и структурирования информации на различных уровнях управления. Це каждого участника процесса может быть несколько. Их необходимо упорядочить по уровням иер выделением главной цели и ранжированных по важностйи вподоцбеелсепечение достижения главной цели. Пути достижения це–леэйто систематизированные ресурсы, ключевые (мультиплицирующие) мероприятия, упорядочение и оптимизация их выполнения. При таком подходе более дета формулировка задачиQ-1x=yδ будет звучаьт следующим образом.

Задача. Пустьy0∈Y (точная цель, ее наименование и значение) при отоQб:Xр→ажYениимиеет вХ единственный прообразх0 (точный набор ресурсов и действий для достижения точной цели, пл Требуется сопоставить каждому элемVенδтYу (некоторое подмножество приближенных значений цели) фильтра (пересекающиеся множества с непустым пересечением) окрестностей (множество неточн значений точной цели) тоyч0ктиакую точкухδ ∈ Х (неточный план, действие, ресурс),хδ →чтхо0 (план сходящимся орбазом уточняется, все более точно определяя последовательность действихйδ,). Каждое обладающее таким свойством, будем называть приближенным решением уQр-а1вх=нyе,ния соответствующим окрестностиVδ точки y0.

Эта задача легко решается на метрическидхл, я коогцдеанки расстояния между точками можно ввести метрику, итопологических, когда «расстояние» между точками определяется через пересечение окрестностей, пространствах при условии, что задача поставлена корректно, т.е. отвечает следую определению 6[].

Определение. ПустьVδ}{ фильтр окрестностей тоyч0к.и Задача решения уравнеQнхи=яy при y =y0 поставлена корректно, если:

1. Пересечение полных прообразовQ-1V∩δ содержит лишь одну тохч0к(усуществование и единственность);

2. Фильтр Хв, порождаемый совокупнтьоюс полных прообразQо-1вVδ, сходитсях0к(непрерывная зависимость решения от исходных данных).

Первый пункт отражает уверенность, что задача имеет х0р=е∩шQе-н1Vиδе и оно единственно правильное, то есть адеквартенаольной ситуации и устраивает всехтниучкаосв группы. Второй пункт отражает то, что ресурQс-1оVвδ достаточно для достижения цyе0,ли что существуют разные варианты ресурсов (фильтр Х)в, осталось только найти совокупность и последовательность их использования. реальной практике это не втсаекг,дапоскольку:

 на процесс принятия решения сильно влияет субъективный фактор (иррациональны бессознательный, эмоциональный, некаузальный и пр. характер мышления, непредсказуемость беспричинность действий участников);

 пространства могут быть концелпьтнуыами, где точками служат понятия (факторы когнитивной модели), и расстояния между точками могут задаваться неметрическим образом, напр через пересечение окрестностей.

Эти особенности делают задачу неустойчивой. Будем в дальнейшем считатье, счутщоестрвеушеетни и оно единственно (что вполне ожидаемо в реальной практике, ведь реше-тноие прбиундеято кавкое любом случае), но может отсутствовать сходимость фильтрах0. кНатпорчикмеер, мэр города решил способствовать созданию особой экономической . зЦонеыли поставлен–ыy0. Состав компонентов этого решения определен нормативн–оэлементы{Q-1Vδ}. Однако, если не потребовать сходимость этого фильтра (совокупность средств) к решхе0н),ирюеше(ние вряд ли будет принято, хотя бы потому, что не знает от,ог что в целом по стране создание таких зон неэффективно, есть по этой стать федерального бюджета и готовится нормативный правовой акт об ограничениях в их создании.

Как уже отмечено во введении, сложность когнитивной модели в семантпирчеетсакциихях,интер особенно связанных с субъективным фактором. Именно туда смещаются акценты при выра коллективных решений. Семантики когнитивной модели

Итак, семантическая интерпретация (семантика) любой знаковой модели проблемной ситуац может иметь сигниикфативную и денотативную природу [ 7 ]. Первая семантика, сигнификативная, связана с построением интерпретации, связанной не столько с реальной действительностью, скольк отражением в сознании и процессах мышления человека (когнитивный, гносе,ологически познавательный подход). Семантика же денотативная обусловлена отображением модели на реаль вещи и предметы.

Денотативная семантика может определяться через совокупность субъектов, объектов, отношени соответствующих знаку, термину. Возможно такеждеставплрение денотата знака через его связь с некоторым целостным вербализуемым образом (появившимся в сознании любого участника приня решения, например, приглашенного эксперта) типового представителя ,(эстоаолтовнетас)твующего этому знаку класса илкисоната некоторых сущностей. Предметность мысли включает в себя реаль воспринимаемые и вербально представимые объекты, мысли, чувства, эмоции и др. Напр семантическая интерпретация элементов когнитивной модели с применением множеств документов образов больше относятся к денотативной семантике нежели сигнификативной.

Очевидно, что попытка полного охвата семантической интерпретации когнитивной модели помощью денотативной семантики явно будет иметь дефицит целостности (полноты), поскольк рамками семантики остаются мыслительные процессы. Восполнение этого дефицита необходимо иск в сигнификативных интерпретациях. При сигнификативной семантике по термину (слову, знаку, фа когнитивной модели) представляются важнейшие характеристики некоатбосрторйактной и принципиально невербализуемой конструкции, формируемой в результате познания участниками принятия решения реальной действительности. В знаке (слове, предложении, выражении, фактор какой-то степени отражается результат рациональногоо ио,собчетнно важно, иррационального, трансцендентального познания, заключающийся в формировании абстрагированной от реального предмета (вещи) набора характеристик. Это может быть также аспект условий, необходим достаточных для применения данного знака.

В настоящей работе сделана попытка решить проблему обеспечения наиболее целост семантической интерпретации через терминологическую и контекстную семантику, путем придан смысла наименованию фактора или фрагмента когнитивной модели с учетом, о, прежде классического подхода -9[]7. Для этого нами были сформулированы правила, построен алгоритм разработана компьютерная программа, с помощью которых можно установить истинность элемен когнитивной модели путем ее отражения на модель мира, превдстваивлденнсоийстематизированных массивов Больших Данных [ 5 ]. Такие правила и представляющие их паттерны используют в на время формализованные схемы онтологий, тезаурусов и др.

Как известно, в задачу большинства языковых концепций включается кеомпиьютиенрноео моделирование процедур вербализации элементов реальности, включая чувства, медитативные состояния ума. Поэтому многие семантические модели могут быть рассмотрены с точки зрения формируемого направления когнитивной семантики, которое кблисжиегнификативному подходу, нежели денотативному. Это, прежде всего, процедурная семантика (Т. Виноград); контекстная сема (Н.Чомский); когнитивная теория дискурса У. Чейфа, когнитивная модель текстоформирован (А. Кибрик, А. Нариньяни, И. Кобиозедвра.).

Для учета сигнификативной и денотативной семантик когнитивной модели нами рассмотр следующие подходы (приведены ссылки на работы, раскрывающие результат):

 решение группой людей прямой и обратной задач на когнитивном графе при изв начальных условиях. Подход напоминает обучение на основе обучающей выборки только в ка выборки используются невербализуемые знания экспертов [ 2, 10 ];

 моделирование коллективного дискурса с применением интегрирующего когнитивного моделирования на основе поедраех от дискретной формы представления данных к аналоговой, последующим применением методов оптических вычислений и квантовых вычислений [ 2, 11 ];  определение значений элемента когнитивной модели не через его соотнесенность с карт (моделью) мира, а езчерего семантические отношения с другими элементами когнитивной модели выражениями из документов Больших Данных [ 5 ];  неявная репрезентация ситуации с применением искусственной нейронной сети (НС). В части последнего из перечисленного рассмотрен рНяСд: Ктиохпоонвена, Хопфилда, Хэмминга, Коско, Джордана, звезды, поиска максимума, радикального основания, «простая рекуррентная сеть» Дже Элмана, рекуррентная НС Хохрейтера и Шмидхубера (с памятью и обратной связью). Сравнива оценивались: полносвязнаянейронная сеть, которая формируется как последовательная комбинация элементарных нейронов; свёрточная нейронная сеть, которая формируется как последовательн комбинация свёрточных слоёв и слоёв пуллинга; рекуррентная нейронная сеть, котораяакформируетс последовательная комбинация слоёв, охваченных обратными связями по состоянию нейрона и/или его вход/выход (рекуррентные слои).

При этом обучение НС может осуществляться на основе очищенной и систематизирова (отфильтрованной) информации из ьшБоилх Данных. Система, обеспечивающая процесс верификации когнитивной модели через обращение к отфильтрованным Большим Данным или к НС [ 5 ], пок рис. 2. Рис. 2. Верификации когнитивной модели через обращение к Большим Данным и к НС

Одним из путей обеспечения целенаправленной сходимости решения обратноQй-1x=yзδадачи является (см. [ 6 ]) сужение отобраQженнаиябикомпкатное множествМо пространства Х, что, при условии замкнутости графика отображениQя, позволяет обеспечить требуемую сходимость. Бикомпактность подразумевает необходимость структурирования имеющихся ресурсов для достижения целей конечное и обозримое лочисблоковQ-1Vδ, каждый из которых соответствует определенной неточной (нечеткой) подцелиVδ. Замкнутость графика предполагает установление полного соответствия (морфизма) между отдельными целями и средствами их достижения. При этом требуетсья хаусдорф пространств, когда все точки отображаемых пространств (цели, ресурсы, понятия, факторы когнити модели) явно отличаются друг от друга (имеют непересекающиеся окрестности). Только при н такого морфизма и сходимости соответствующих фильтровстрнанаствпархоX и Y определенные сочетания этих блоков обеспечат достижениyе0. цели

Каждой упорядоченной паре т(оPч,еQк), соответствующих взаимосвязанным факторам когнитивной модели, может быть сопоставлен веxк,тy,о…р) (этого же пространства, обознныайченчереPзQ. Далее в тексте стрелка опускается. Относительно вектxо,роyв, … нами были сделаны допущения, основывающиеся на реальном опыте разработки когнитивных моделей, отражающие природу сигнификативной семантической интерпретации. Так, векторнао мвож одной точке складывать, вычитать и умножать на действительное число с соблюдением алгебраических правил: ассоциатив и коммутативность сложения, наличие вектора 1, возможность вынесения множителя за скобки, н нулевого вектора (который поелтусчяа умножением нуля на любой вектор).

Каждая точка (фактор когнитивной модели) не может быть несвязанной хотя бы с одно точкой – образуются тем самым направленные цепочки векторов, соответствующих взаимосвязм факторов. Это удобно выразить с епнрииеменаксиом Вейля: (1) Для каждоPйи токчакжидого вектора x существует точкаQ, для которойPQ = x; (2) ЕслиPQ = x и QR = y, то PR = x + y. В когнитивной модели взаимосвязи факторов характеризуются количественными значениями, то есть каждым амдвxум вектор и y соответствует действительное числxо,y) ( с образованием соответствующих линейных комбинаций.

При этом остается открытым вопрос возможности компенсации (устранения) дефицита, вклю неоднозначность и недостаток, информации, переносимой личнегсвкиисмти конструкциями, особенно в части сигнификативных семантик. Вместе с тем источником устранения дефицита могут быть любой природы, как вещной, так и ментальной. Для упорядочения процессов устранения такого д ранее нами были использо,ванкыак уже отмечено выше, подходы из теории топологий, методов реш обратных задач, квантовой семантики и управляемой термодинамики. На рис. 3 проведена иллюс двух обозначенных выше семантик, сигнификативной и денотативной.

Рис. 3. Семантические интерпретации предложения (фактора, связи, высказывания) Из рис. 3 видно, что отдельные слова из наименований факторов когнитивной модели семантическую интерпретацию, но они не позволяют сформулировать суждение. Сочетания же с учетом дискурса рпоождают суждения. Экстенсионал предложения на рис. 2 в зоне сигнификатив семантики выражен фрагментом пересечения смыслов, который характеризуется много меньше объемом (мощностью множества, кардинальным числом), чем объемы экстенсионалов отд.ельных с Очевидно, что семантические интерпретации, как сигнификативные (которые не могут б представлены формализовано), так и денотационные (которые могут быть представлен формализованно в виде фреймов, онтологий и пр.) имеют сложную структуру о(свткьлючая сло квантовых, электромагнитных, гравитационных и пр. полей). Поэтому для усиления семантичес интерпретаций к перечисленным выше подходам дополнительно задействован аппарат теори категорий. Тогда сигнификативной семантической интерпретаций будееттствсоовоаттвь категориСя, в которой:

 под объектомА понимается некоторый замкнутый ментальный феномен, соответствующий слову и имеющий неформализованную структуру. Все ментальные объекты, включаемые в дис который формируется коммуникативной ситуациберйа,зуюот класс объектов, отражающий решаемую проблему;

 множество морфизмовHomC (А,В) формируется для каждой пары обАъекитоВв для определения отношения между ними. В когнитивной модели между каждой парой объектов може множество отношений, характезруиющих различие понимания участниками различных событий и слов предложении;

 для пары морфизмfо∈вHomC (А,В) g ∈ HomC (А,С) определяется композициgя°f ∈ HomC (А,С). То есть допускаются транзитивные конструкции для морфизмов. Вместе с тем тслье,дучетто зтаамкеитеи конструкции существуют не всегда, например, возможны и нетранзитивные отношения ме объектами;  выполняется аксиома ассоциативности для морфизмов;  для каждого объекАта задан, что важно, тождественный морiфdАиз∈м HomC (А,А). Он характеризует естественное стремление обеспечить замкнутость (саморефлексию) ментального явления на себя.

В теории категорий для отражения саморефлексии специально применяют–сэятомофнуандкытор, отображающий категориюС саму на себя. Например, в работе [15и]спмолоьнзаудюытся для описания вычислительных эффектов, таких как неопределенность, исключения, непрерывность. Классическая монада подразумевает наличие:

 бифунктора, то есть тензорного произведения (что может потребоваться д-ля квант механических интерпретаицй сигнификативной семантик⨂и):: × → , где С − категория;  эндофунктора (отображения категории, представляющей дискурс, самой Т:нСа→ сСе;бя) С  единицы трансформации (тождественный объект, мηы: с1л⇒ь)Т;

С  мультипликатора μ: Т⇒ТТ такого, чтыоповлняется μ°(η*Т) = μТ°(Т;*η) = μТ°(μ;*Т) μ=°(Т*μ). Таким образом, монада фиксирует замкнутое поле дискурса, как условие согласованности в людей построенной когнитивной модели, а затем принятого с ее применением коллективного ре В указаннхы выше работах по моноидальному представлению процессов устранения неоднозначности неполноты информации отмечено, что для этого вводятся различные операторы–: длляифтинга представления дивергентных, расходящихся процессов; финитного уси–лденляия модлеирования конечно ограниченных недетерминированных и непустых лифтинговых монад, устраняющих возможность дивергенции; финитные дистрибутивные монады для вероятностных вычислений и др.

В случае же построения когнитивной модели и принятия решенвией энтаогоее неодсонсотаточно. Групповой процесс принятия решений с применением когнитивного моделирования и уче сигнификативной семантики предполагает наличие необходимых условий для его конвергенции интерактивном порядке. Для этого монады целесообразкнтоурисрторвуать с учетом требований конвергентному управлению [ 1, 2 ]. Поэтому для реализации когнитивного программирования дополнительно нами введено поняКтоиневергентной монады. Для этого к аксиомам классической моноидальной категории (монадℰы, ) принимяа во внимание конечность числа факторов и связей меж ними, добавлены следующие (топологические) условия:  D: Set → Set, причем число элементSоeвt бевсконечно, причем график отображения замкнут;  ℬ – непустое конечное подпокрытие монℰад(быикомпактность);  каждой точкее ∈ ℰ может быть сопоставлена некоторая окрестность (в топологическом смысле – всякое открытое множество, содержащее эту точку), такая, что для каждых двух точек всегда существует их непересекающиеся окрестности (хаусдорфовость).

Перечисленные условия моноидального структурирования сигнификативной семантики являются необходимыми условием для обеспечения целенаправленной и устойчивой сходимости группов процессов согласования когнитивной модели и решений на ее основе в группе людей. Устойчивость поведения хаотических согласительных процедур

Для оценки устойчивости поведения системы сигнификационной семантической интерпретации когнитивной модели на начальных этапах выработки решения, когда процесс зачастую хаотический характер, исполвьазноо следующее фундаментальное соотношение из области управляемой термодинамики [ 1 ]: Р*Р’ +(Sвн – Sобм)(S’вн – S’обм)  0, где Р и Р’ – означают, соответственно, уровень и скорость наведения порядка в сигнификативной сист интерпретации когнитивной молдие (переменные порядковой, логической, вербальной природы, которые характеризуют очевидность и ясность мSвын.ислSи’в)н; – означают, соответственно, уровень и скорость нарастания внутреннего беспорядка в этой системе (значения и скорость измен переменных негеометрической, хаотической, трансцендентной прирSообдмыи)S;’обм – уровень и скорость обмена хаотической информации системы с внешней средой (квантовые поля, интенции, мечты, за желания).

Предположим, что вся информация не будет выходриатмьки засистемы семантической интерпретации, тогдSаобм = 0, S’обм = 0, и вышеприведенное соотношение сведется к следующему виду: Р*Р’ + Sвн * S’вн > 0.

Это выражение позволяет сделать достаточно очевидный вывод, что если процесс принятия ре будет осуществляться без взаимодействия с внешним окружением («абсолютная» закрытость), неустойчивость и деградация в системе будет нарастать. Если же сигнификативную сис информационно открыть, сделSаовбм > 0 S’иобм = 0, то устойчивость этой системыбесбпуедчеитватоься только при условии: приблизительное число атомов мозга, которые состоят из более мелких частиц и воздействуют друга).

Предположим, что мозг конксттирвуно и целенаправленно мыслит, что характеризуется устойчивой сходимостью процессов мышления к определенному результату. При этом множество элемен мышления можно считать «интуитивно бесконечным», поскольку число атомов и их составляющ взаимодействие между собой через сильные и слабые поля наращивает мощность этого множест быстрее, чем в полиномиальной зависимости. Гипотеза формирования когерентных устойчив образований, о чем говорилось выше (или см. [ 12 ]), в процессе мышленяиеят птраекдуоюпредел кластеризацию всех мыслительных элементов, которая хорошо ассоциируется с условия конвергентности: бикомпактности, отделимости, замкнутости графика отображения. Рассмотрим следующие два состояния мыслительного процесса.

а) Sобм = const (число цсепленных элементов меняется медленно, поля также относительно постоянны), и, следовательноS,’обм = 0. S’вн = const (внутренний хаос, порождаемый движением атомов также относительно постоянен). Р’ = const (скорость работы нейронной системы). В этом случае рассматриваемое выражение примет Рв*Ри’д+(Sвн – Sобм)(S’вн). При Sвн > Sобм это выражение положительно, и, следовательно, устойчивость поведения ментальной системы падает. Для повышения устойчиво процесса мышления надо сделать скорость его упиоярядоотчреинцательнойР’ ( 0), т.е. замедлить, не активизировать искусственно мышление, как иногда гноворят: «чтобы придумать, надо не думать».

б) Sобм = const, S’вн = const, S’обм = 0, Р’ = const, Sвн  Sобм. Тогда условием конструктивной устойчивости мышления будет(Sвн – Sобм) >> Р*Р’.

Эти случаи показывают необходимость при сигнификативной семантической интерпретации знак (высказываний, слов, факторов, связей в когнитивной модели) использовать множества мощнос (кардинальное число) на 10 порядквоывше(,!) чем мощность множеств, отражающих денотативную семантику. Можно сделать еще один полезный вывод: увеличение мощности логически представле знания (Р*Р’), например, с применением Больших Данных или нейронных сетей, всегда будет «погр в «прсотранство незнания» (некаузального знания), мощность которого на не менее, чем 10 по выше мощности множества логически представленного знания.

Рис. 4. Архитектура программного обеспечения Практическое применение

Начиная с 2000 года конвергентондыхойд писпользуется в ситуационных центрах для группового анализа социальн-оэкономической обстановки, разработки концепций, стратегий, целевых программ на различных уровнях управления: федеральном, региональном, муниципальном. Разработано соответствующее мтеодическое и программное обеспечение поддержки сетевых процедур согласования стратегических решений [ 18 ], конфигурация которого приведена на рис. 4.

Практическая реализация подхода, учитывающего сигнификативные семантики, с необходимостью предполагает приемнение облачной реализации сервисов, который обеспечивает возможность доступа процессу принятия решений любого нового участника этого процесса с мобильного устройства наличия специального приложения. В настоящее время ряд функций групповвонгого когнити моделирования с подключением удаленных экспертов переведен в облачную среду.

Особую сложность интеграции групповой творческой деятельности представляют групповые территориально распределенные экспертные процедуры. С применением конвергентногсооздпаондхода соответствующий облачный сервис сетевой экспертизы в виде -аэнкаслпиетритчнеоской системы, технологии работы которой рассмотрены достаточно подробно в [ 19 ]. Э-тааналэиктсипчеерсткнаоя система сейчас включена в состав функционала Системы нрнаыспхредсеилтеуационных центров, в Федеральную государственную информационную систему территориального планирования.

Особое место конвергентный подход должен занять в процессах принятия решений в неш аварийных ситуациях, когда требуется быстрое достсиожгелнаисиея в группах людей относительно планов оперативных действий. В этом направлении ведутся соответствующие исследования в об вопросов принятия групповых решений при аварии на железной дороге [ 3 ].

Разработка конвергентной системы поддержки процсеосгслоавсования интересов граждан в рамках реализации процедур гражданского участия в обсуждении социально значимых проблем пока носят исследовательский характер. Некоторые вопросы этой разработки отражены в настоящей работе. Заключение

Распространение сетевых технологий, включение в процесс принятия решений представителей гражданского общества, профессиональных и экспертных сообществ, создание системы распределенн ситуационных центров и т.д. требует постоянного совершенствования, помимо иннсотйрументаль составляющей (ситуационная осведомленность, виртуальное сотрудничество, визуализация и пр.), так методического обеспечения ведения (модерации) групповых процессов принятия решений, за с использования фундаментальных физических, биологических,мамтаитчееских и иных закономерностей, а также большего учета особенностей сигнификативных (мыслительных) семантик формируем моделей.

Ранее была показана плодотворность конвергентного подхода для ускорения подготовки группо решений, основанного на спеьцниоайл структуризации целей, ресурсов и путей их достижения. Для эт были использованы методы когнитивного моделирования, генетических алгоритмов, решения обратн задач на неметризуемых топологических пространствах, управляемой термодинамики, квантовой семантики и др.

Вместе с тем все еще остаются достаточно сложными групповые процессы согласов стратегических решений, анализа проблемных ситуаций, управления устранением последствий аварий катастроф, синхронизации мыслительной деятельности с учлелтеокмтивкноого бессознательного. Как следствие, процессы носят зачастую дивергентный (расходящееся) характер, затрудняя получен хороших или даже приемлемых решений в отведенное для этого время.

В настоящей работе для более эффективного учета сигнифисекматаинвтниык,х отражающих в мыслительные процессы участников принятия решений, в том числе из самоорганизующег гражданского общества, вводится понятия конвергентного моноида. Это осуществлено через приложе методов обеспечения корректности решения обйратнзаодачи на неметризуемом топологическом пространстве к категориальным конструкциям.

Апелляция к теории категорий обосновывается большой сложностью феноменов, возникающих процесс групповой мыслительной деятельности участников принятия решений. етТоамк, с уч количественных характеристик нейронной и атомарной структур мозга, а также оценки соотнош параметров порядка и хаоса в его поведении, показывается, что сложность сигнификати (мыслительной) семантики когнитивных моделей на много порядклоовжнвоыстшие исх денотативной (предметной, вещной) семантики.

Для реализации обоснованного в настоящей работе дополнения имеется соответствующ методическое и программное обеспечение в виде облачного сервиса сетевой экспертизы. Благодарности Работа поддержангарантами РНФ, проект №-18-0117326, и РФФИ, проект -2№9-071512.

References Об авторе: Райков Александр Николаевич, доктор технических наук, профессор, ведущий научный Институт проблем управления .иАм.Т.раВпезникова РАН, [e-mail]

References

1. Райков А . Н. Конвергентное управление и поддержка -рМе.ш:енИиздйательство ИКА-Р . 2009 . - 245 c.

2. Raikov A.N. Convergent Cognitype for Speeding-Up the Strategic Conversation . Simulation // Proceedings of the 17th World Congress “The International Federation of Automatic Control (IFAC)” , Seou-l, 11 , K2o0r0e8a ,. - JuPl .y81063- 8108 .

5. Raikov A.N. , Avdeeva Z. , and Ermakov A. Big Data Refining on the Base of Cognitive Modeling . Proceedings of the 1st IFAC Conference on Cyber-Physical&Human-Systems , Florianopolis, Brazil. - 2016 . - P. 147 - 152 .

10. Raikov A.N. , Panfilov S.A. Convergent Decision Support System with Genetic Algorithms and Cognitive Simulation . Proceedings o f the IFAC Conference on Manufacturing Modelling, Management and Control , MIM' 2013 , Saint a, P-ete2r0s1b3u . rg -, PR.ussi 1142-1147.

11. Raikov A.N. Holistic Discourse in the Network Cognitive Modeling . Journal of Mathematics and System Science. - 2013 . 3 - P. 519 - 530 .

12. Atmanspacher H . Quantum approaches to brain and mind. An overview with representative examples . The Blackwell Companion to Consciousness. Ed. Susan Schneider and Max Velmans . John Wiley & Sons Ltd . - 2017 . - P. 298 - 313 .

13. Freeman , W. J. and Vitiello , G. Dissipation and spontaneous symmetry breaking in brain dynamics . Journal of Physics. - 2008, A 41 , 304042 .

14. Vitiello , G. The use of many-body physics and thermodynamics to describe the dynamics of rhythmic cgesnerators in se engaged in memory and learning . Current Opinion in Neurobiology. - 2015 . 31. - P. 7 - 12 .

15. Wadler P. Monads for Functional Programming . In J. Jeuring & E. Meijer, editors: Advanced Functional Programming , First International Spring School on Advanced Functional Programming Techniques, Bastad , Sweden, May 24 -30, 1995 , Tutorial Text , Lecture Notes in Computer Science 925, Springer. - P. 24 - 52 .

19. Gubanov D. , Korgin N. , Novikov D. , Raikov A. E-Expertise: Modern Collective Intelligence , Springer. Series: Studies in Computational Intelligence . - Vol. 558 . - 2014 . XVIII. - 112 p.

1. Raikov A.N. Konvergentnoe upravlenie i podderzhka reshenij -M.: Izdatel'stvo IKAR . - 2009 . - 245 c.

2. Raikov A.N. Convergent Cognitype for Speeding-Up the Strategic Conversation . Simulation // Proceedings of the 17th World Congress “The International Federation of Automatic CAoCn)t”r ,olSe(oIuFl, Korea , J-u1l1y, 20608 . - P. 8103 - 8108 .

3. Ermakov A.N. , Merkulov A.A. , Panfilov S.A. , Rajkov A.N. Podderzhka reshenij v avarijnyh situacijah na zheleznoj doroge s primeneniem tehnik situacionnoj osvedomlennosti i virtual'nogo jekspertnogo sotrudnichestva // Sb. materialov Chetvertoj nauchno-prakticheskoj konferencii «Intellektual'nye sistemy na tran-spo2r0t1e4» . Sankt-Peterburg , - S. 48 - 55 .

4. Rajkov A.N. Kognitivnoe programmirovanie // Jekonomicheskie strategii. - 2014. T. 16 . - № 4 -, S. 108 - 113 .

5. Raikov A.N. , Avdeeva Z. , and Ermakov A. Big Data Refining on the Base of Cognitive Modeling . Proceedings of the 1st IFAC Conference on Cyber-Physical&Human-Systems , Florianopolis, Brazil. - 2016 . - P. 147 - 152 .

6. Ivanov V.K. Nekorrektnye zadach v topologicheskih prostranstvah//Sibirskij matematicheskij zhurnal . Tom H, №- 51 . 969 . -S. 1065 - 1074 .

7. Kobozeva I.M. Lingvisticheskaja semantika: Uchebnik . Izd. stereotipnoe. - M.: LENAND . - 2016 . - 352 s.

8. Arutjunova N.D. Predlozhenie i ego smysl: Logiko-semanticheskie problemy . Izd . stereotipnoe. - M.: LIBROKOM . - 2013 . - 384 s.

9. Seshe A . Programma i metody teoreticheskoj lingvistiki: Psihologija jazyka . Per. s fr. Izd . 2-e. - M.: Editorial URSS . - 2010 . - 264 s.

10. Raikov A.N. , Panfilov S.A. Convergent Decision Support System with Genetic Algorithms and Cognitive Simulation . Proceedings of the IFAC Conference on Manufacturing Modelling, Management and Control , MIM' 2013 , Saint P -ete2r0s1b3u. rg -, PR.ussia , 1142 - 1147 .

11. Raikov A.N. Holistic Discourse in the Network Cognitive Modeling . Journal of Mathematics and System Science. - 2013 . 3 - P. 519 - 530 .

12. Atmanspacher H . Quantum approaches to brain and mind. An overview with representative examples . The Blackwell Companion to Consciousness. Ed. Susan Schneider and Max Velmans . John Wiley & Sons Ltd . - 2017 . - P. 298 - 313 .

13. Freeman , W. J. and Vitiello , G. Dissipation and spontaneous symmetry breaking in brain dynamics . Journal of Physics. - 2008, A 41 , 304042 .

14. Vitiello , G. The use of many-body physics and thermodynabmeitchse dtyona mdeicsscroif rhythmic generators in sensory cortices engaged in memory and learning . Current Opinion in Neurobiology. - 2015 . 31. - P. 7 - 12 .

15. Wadler P. Monads for Functional Programming . In J. Jeuring & E. Meijer, editors: Advanced Functional Programming , First International Spring School on Advanced Functional Programming Techniques, Bastad , Sweden, May 24 -30, 1995 , Tutorial Text , Lecture Notes in Computer Science 925, Springer. - P. 24 - 52 .

16. Nikols D. , Martin R. , Vallas B. , Fuks P . Ot nejrona k mozgu: Pert s angl . Izd . 4-e. - M.: Editorial URSS . Knizhnyj dom «LIBR-OKOM» . 2017 . - 676 s.

17. Bogoljubov N.N. , Shirkov D .V. Kvantovye polja: ucheb posobie dlja vuzov - 3-e izd ., dop . - M.: Fizmatlit . - 2005 . - 384 s.

18. Special 'noe programmnoe obespechenie «Setejevkasjapertno-analiticheskaja sistema «Arhidoka» . Svidetel'stvo o gosudarstvennoj registracii programm № 2011613934 po zajavke 2011612011 ot 29 -mMa.:rRtaosp2a0t1e1nt. g.

19. Gubanov D. , Korgin N. , Novikov D. , Raikov A. E-Expertise: Modern Collective Intelligence , Springer. Series: Studies in Computational Intelligence . - Vol. 558 . - 2014 . XVIII. - 112 p.