Эффективность государственного управления во многом зависит от того, насколько правильно определены основные стратегические и вытекающие из них тактические цели, на достижение которых ориентировано государственное управление и от умения формировать прогнозы развития ситуации в зависимости от принимаемых решений.
В основу такого прогнозирования может быть заложен ситуационный принцип, заключающийся в том, что в каждый момент времени рассматривается пространство возможных состояний ситуации управления. При этом степень возможности осуществления каждого такого состояния может быть и неизвестна. Сценарий же развития ситуации зависит от того, какое именно состояние наступило. В частности, если ситуация описывается аналитически уравнениями с переменными коэффициентами (параметрами), то различные диапазоны изменения коэффициентов могут приводить к различным решениям. Насколько необходимы такие прогнозы и какие трудности лежат на пути их реализации следует, например, следующей оценки А.Подберезкина:
"Ясно только, что как и вода, нагретая до определенного состояния, превращается в пар, так и современное общество ожидает переход в какое-то новое состояние, параметры которого можно лишь предполагать, опираясь на комплексные исследования естественных и общественных наук. Пока, что ясно: кризис 2008-2010 годов не был заурядным мировым кризисом. Тем более только финансово-экономическим. Он стал предвестником перехода в качественно новое состояние человеческой цивилизации. Вопрос: в какое?
Понимать это надо, хотя бы потому, что новое фазовое состояние цивилизации неизбежно внесет качественные изменения. Пока что мы только догадываемся, какими они будут. Но важно отдавать себе отчет, что они, во-первых, будут, во-вторых, что общество, государство и экономика станут иными, а, в-третьих, что наша долгосрочная стратегия должна каким-то образом их учитывать. Как понимать и то, что простые математические модели или макроэкономические экстраполяции не пригодны для создания долгосрочного национального прогноза и, тем более, стратегии развития, ибо эффективный прогноз и стратегия предполагают достижение конкретных целей." [1]
В качестве аргументации невозможности моделирования исторических прогнозов приводится исследование И.М.Дъякова, в котором, в частности, о фазах развития человечества говорится, что "Нанесенные на график, эти фазы складываются в экспоненциальное развитие, которое предполагает, в конце концов, переход к вертикальной линии или, вернее, к точке - так называемой сингулярности. По экспоненциальному же графику развиваются научно-технические достижения человечества, а также, как упомянуто, и численность населения Земли. Вертикальная линия на графике равносильна переходу в бесконечность. В применении к истории понятие "бесконечность" лишено смысла: не могут дальнейшие фазы исторического развития, все убыстряясь, смениться на годы, месяцы, недели, дни, часы и секунды."
Но экстраполяция при прогнозировании развития крупномасштабных систем не всегда является надежным способом моделирования. Что и подтверждается следующим тезисом:
"Стратегический прогноз для России в основном предопределен, но не макроэкономической экстраполяцией, а идеологическим выбором элиты, которая изначально закладывает в него (или должна формулировать) не только цель развития, но и сущность этого развития." [1]
И вряд ли так же найдутся исследователи в области моделирования процессов развития и управления, которые не огласятся с тем, что как утверждает с. Капица:
"Линейные модели, учитывающие, казалось бы, все возможные факторы, не состоятельны при анализе поведения сложных систем".
Но дело в том, ограниченность возможности использования при моделировании динамики поведения сложных систем не только линейных моделей, но и математических моделей вообще в их классическом понимании не только осознана большинством исследователей работающих в этой области, но и подвела их к необходимости поиска и разработки новых методов моделирования сложных систем. К таким методам можно отнести. В первую очередь "мягкое моделирование" предложенное академиком В.И. Арнольдом, а также привлечение к задачам описания сложных объектов, методов теории экспертных оценок и теории нечетких множеств. То, насколько корректны для описания поведения принятые в теории нечетких множеств операции является темой отдельного рассмотрения, но то, что при описании сложных объектов действенными могут оказаться методы основанные на обработке нечисловой информации и применении не классической логики, становится все более очевидно. Такое положение в моделировании сложных объектов связано с тем, что такте объекты характеризуются следующими чертами [2]:
- 1. Не все цели выбора управленческих решений и управляющих воздействий могут быть выражены в виде количественных соотношений.
- 2. Принципиально не возможно либо неприемлемо сложно формализованное описание объекта управления. Последнее означает, что любая модель записанная на формальном языке является слишком грубым описанием объекта управления.
- 3. Значительная часть информации, необходимая для формирования модели объекта управления может быть представлена лишь в вербальной не формализуемой форме, т.е. существует в виде представлений, а не понятий и терминов. В этом случае информация об объектах управления в значительной степени носит экспертный характер.
Перечисленные особенности сложных объектов приводят к тому, что при их описании характерно наличие факторов нечеткости и неопределенности. В общем случае, источниками неопределенности при описании сложных объектов могут служить различные причины. При описании ситуаций управления и их связей с управленческими решениями в сложных системах наиболее существенны следующие виды неопределенностей [3]:
-неопределенность из-за недостатка информации о состоянии объекта управления (ситуации управления);
-неопределенность, вызванная недостаточной достоверностью информации;
-неопределенность, вызванная неопытностью лица, принимающего решение (ЛПР), его недостаточным умением четко сформулировать цели решаемой задачи, ограничения, пути достижения цели и т.д.;
-неопределенность, вызванная поведением среды;
-неопределенность, обусловленная последствиями принимаемых решений.
При оценке состояния объекта управления наиболее существенны следующие виды неопределенностей:
-неопределенность при формировании оценочной системы;
-неопределенность формирования базы оценки;
-неопределенность оценки по субъективным показателям состояния объекта управления ;
-неопределенность при формировании пороговых значений показателей-фильтров;
-неопределенность в определении весов показателей, по которым оценивается состояние объект управления.
Анализ проблем управления сложными системами, в которых присутствуют элементы нечеткости и неопределенности, позволяет выявить следующие закономерности :
1.Исключительно велика роль субъекта при анализе таких проблем.
2.Информация о внешней среде, о связи между параметрами не бывает полной.
3.Принятие решений всегда сопряжено с риском.
4.Наиболее важная по своему характеру информация может быть получена только при помощи экспертов.
5.Существенные искажения собранной информации происходят обычно при попытках преобразования качественных понятий в числовые величины, поскольку каждый эксперт, как правило, имеет свои представления о соотношениях между качественными понятиями и количественными шкалами оценок.
Именно по перечисленным причинам построение моделей сложных объектов на основе использования точных точечных числовых оценок (четких мер) либо невозможно, либо носит слишком грубый не пригодный для принятия управленческих решений характер.
Другим способом повышения степени адекватности моделей сложных объектов и процессов, для которых, как уже говорилось, не эффективно классическое "жесткое моделирование", является предложенное В.И. Арнольдом "мягкое моделирование".
Примером жесткой модели является таблица умножения. Простейшим примером мягкой модели может служить принцип: "чем дальше в лес, тем больше дров". Мягкие модели могут оказаться полезным инструментом для моделирования сложных объектов, поскольку на основе использования мягких моделей, можно, делать выводы для целого ряда жестких моделей, получаемых с помощью исходной мягкой модели путем вариации значений коэффициентов модели, что, может отражать изменение степени весомости параметров влияющих на оценку состояния объекта описания. В частности, при изменении коэффициентов модели экспоненциальный рост может меняться в определенных "точках перегиба" на более медленный. Мягкие моделей позволяют так же учитывать при описании сложных объектов некоторые "подводные камни" жестких моделей.
