При преобразовании построенных изображений получают визуальные подсказки, которые благодаря прямому и непосредственному воздействию на интуицию ЛПР способствуют открытию новых идей в решении вопросов проблемной области [8].
Одним из самых искусно разработанных когнитивных методов ИВ многомерных статистических данных, который можно использовать для визуального представления производственной деятельности, является метод «Лицо Чернова». Это уникальный многомерный метод разведочного анализа, позволяющий выявить такие скрытые картины взаимосвязей между переменными, которые не могут быть обнаружены другими методами. Этот метод достаточно не простой в реализации, поскольку для получения наилучшего результата нужно правильно и умело сопоставить переменные с чертами «лица» [2]. Метод «Лицо Чернова» является весьма оригинальным (и при этом эффективным) способом поиска нового знания в эмпирических данных.
В распознавании лица особое значение имеет его карикатурность, которая показывает отклонение от «среднестатистической нормы». Именно карикатурные черты играют роль своеобразных меток при распознавании образов «лица» [5].
Алгоритм построения визуальных представлений основан на методиках когнитивного анализа и построении когнитивного образа, основная цель которых — выделение нового знания из уже существующих визуальных образов.
Методика когнитивного анализа сложных ситуаций включает следующие этапы:
1. Формулировка задачи и цели исследования.
2. Изучение производственного процесса (или ППР) с позиций поставленной цели.
3. Сбор, систематизация и анализ существующей статистической (полной, четкой) информации проблемы.
4. Выделение основных признаков, взаимосвязей процесса исследования и определение действий основных объектов, законов развития исследуемой ситуации (это позволит выделить объективные зависимости и тенденции в процессах).
6. Выделение основных субъектов, их интересов.
5. Определение основных требований, целей и ограничений ситуации.
6. Выделение основных объектов. Определение путей, механизмов действия, реализации производственных интересов основных субъектов [8].
Метод «Лицо Чернова» применяют, как правило, в двух случаях:
• когда нужно выявить характерные зависимости.
• когда необходимо исследовать сложные взаимосвязи между несколькими переменными.
ЗАКЛЮЧЕНИЕ
.
Когнитивные науки порождают новые интеллектуальные технологии, которые являются не только наукоемкими, но и более динамичными отраслями, для которых характерно быстрое моральное старение. Наблюдается тенденция к сокращению жизненного цикла высоких технологий. Поколения компьютеров и коммуникационных устройств (например, сотовых телефонов) устаревают уже на момент их внедрения в производство. Развитие высоких технологий, в том числе когнитивных, ведет к изменению многих стереотипов в экономической и социокультурной сферах. Высокие технологии сейчас ориентированы не только на производство, но и на повышение индивидуальной работы и улучшение качества жизни. В настоящее время есть все основания считать формирование высоких технологий, в том числе когнитивных, как сложного, многоаспектного социокультурного феномена.
Когнитивные технологии — информационные технологии, специально ориентированные на развитие интеллектуальных способностей человека. Когнитивные технологии развивают воображение и ассоциативное мышление человека. Благодаря этим технологиям на смену известной поговорке «Кто владеет информацией — тот правит миром», приходит новое правило: «Кто умеет систематизировать информацию и извлекать из нее знания, то правит миром!». Когнитивные технологии наиболее эффективны при описании слабоструктурованных систем, в которых происходят процессы, что характеризуются многоаспектностью, отсутствием достаточной количественной информации об их динамике, а также нечеткостью, изменчивостью характера процессов во времени и т. д. Неудивительно, что американские специалисты предрекают когнитивным технологиям в самом ближайшем будущем гораздо большую популярность в мире, чем сегодня имеют нанотехнологии.
Основное назначение когнитивной модели — помочь эксперту в процессе познания и, соответственно, разработать правильное решение проблемних ситуаций в сложных слабоструктурированных системах. Когнитивная модель объясняет, на какие составные элементы или взаимосвязь элементов необходимо воздействовать, с какой силой и в каком направлении, чтобы достичь поставленной цели с наименьшими затратами.
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ Авдеева С. К. Когнитивное моделирование для решения задач управления слабоструктурированнымы системами (ситуациями) / С. К. Авдеева, С. В.
Коврига, Д. И. Макаренко // Управление большими системами. — 2007. — №.
16. — С. 26−39.
Аверкин А. Н. Поддержка принятия решений в слабоструктурированных проблемных областях. Анализ ситуаций и оценка альтернатив / А. Н. Аверкин, А.
П. Кузнецов, А. А. Кулинич, Н. В. Титова // Теория и системы управления. — 2012.
— № 3. — С. 139−149.
Бернштейн А.В., Кулешов А. П. Когнитивные технологии в компьютерных системах проектирования и анализе данных // Режим доступа: 2008. it-edu.ru/…/Kuleshov%20Bernshteyn%20Kognitivnie_tehnologii.doc.
Бернштейн А.В., Кулешов А. П. Математические методы в когнитивных инженерных технологиях // Обозрение прикладной и промышленной математики. Вероятность и статистика. — 2008. — Т. 15. — №.
3. — С. 451 — 452.
Васильев В. В. Трудная проблема сознания. — М .: Прогресс-Традиция, 2009. — 272 с.
Величковский Б. М. Когнитивная наука: основы психологии познания. — В 2-х т. — М .: Смысл: Издательский центр «Академия», 2012. — Т.
1. — 448 с .; Т. 2. 432 с.
Козлов Л. А. Когнитивное моделирование на ранних стадиях проектной деятельности / Л. А. Козлов. — Барнаул: Алт.
ГТУ, 2008. — 246 с.
Кулешов А. П. Когнитивные технологии в адаптивных моделях сложных объектов // Информационные технологии и вычислительные системы. 2008. — Вып. 1. — С. 18 — 29.
Лакофф Дж. Когнитивное моделирование. Язык и интеллект. — М .: «Прогресс», 1996. — 416 с.
Серл Д. Открывая сознание заново. — М .: Идея-Пресс, 2012. — 256 с.
Солсо Р. Л. Когнитивная психология — СПб .: Питер, 2006. — 589 с.
