Ученый из МГУ имени М.В. Ломоносова предложил новый метод сравнения, который позволяет оценить, насколько субъективные суждения разных экспертов информативны и согласованы между собой. Метод подходит не только для мнений, но и для неполных или недостоверных данных. Результаты работы опубликованы в журнале Fuzzy Sets and Systems.
Вопросы математического представления субъективных суждений, неполных или недостоверных данных, а также их использования для решения прикладных задач изучает нечеткая математика. Это раздел прикладной математики, главная задача которого — формализовать такие понятия как интуиция, предчувствие, жизненный опыт и математически представить полученную информацию, которой зачастую недостаточно для формирования полной картины случившегося.
У каждого параметра, который влияет на исход ситуации, есть определенный набор вариаций. Всякой вариации соответствует значение, которое характеризует ее правдоподобие. Менее правдоподобным вариациям соответствуют значения возможностей меньше, чем более правдоподобным. Степень правдоподобия тех или иных вариаций определяет либо эксперт (в случае субъективного суждения), либо статистика. При этом числовые значения возможностей задаются в относительной шкале, выбор которой неважен — роль играет только соотношение величин возможностей. Метод, который предложил младший научный сотрудник МГУ имени М.В. Ломоносова Андрей Зубюк, отличается от предложенных ранее тем, что, во-первых, позволяет сравнивать информацию, заданную с помощью разных относительных шкал. Во-вторых, Андрей предложил особым образом учитывать абсолютно неправдоподобные ситуации (значение возможности равно нулю). Именно это позволяет сравнивать данные и суждения на информативность и согласованность друг с другом. В-третьих, он предложил более быструю алгоритмическую реализацию метода.
«Нечеткие методы принятия решений используются в самых разных областях искусственного интеллекта: при анализе изображений, видео и аудио, в автоматических бортовых системах управления роботами, беспилотными транспортными средствами, в том числе беспилотными летательными аппаратами, в системах поддержки принятия решений и так далее. Образно говоря, нечеткие методы позволяют научить компьютер интуиции, заставить компьютер принимать решения отчасти спонтанно в условиях, когда для принятия решения не хватает данных, что, как показано в литературе, в большинстве случаев приводит к повышению качества работы компьютерных систем принятия решений, в том числе автоматических систем управления», — поясняет Андрей Зубюк, автор исследования.
В результате исследований оказалось, что чем информативнее суждение или данные с точки зрения разработанного метода, тем точнее с их помощью можно определить оптимальное решение. Под решением здесь понимается линия поведения, стратегия развития, тактика боя или траектория движения транспортного средства, в том числе летательного аппарата.