Elvek és misztikumok II.
Az elõrejelzésekrõl
Tézisek: A valóság kísérletezéssel
kiismerhetõ. Tehát modellezzünk! De nincs helyes modell.
Az algoritmikus modellezés alternatívája az emberi
intuíció.
Fogalmak: , jelenidejû és jövõidejû
problémák, modell, hozzárendelés, függvény,
algoritmus, ok-okozatiság, korreláció, káosz,
hasonlóság, eset, nyomfüggõség
Összefüggések: adat-technológia-módszertan,
nem igaz, hogy az, amit eddig elég gyakran helyesen jeleztünk
elõre, az a jövõben is hasonló gyakorisággal
elõrejelezhetõ, pigmalion-effektus
Magyarázatok:
-
Ha elfelejtjük egy pillanatra a döntéshozatal körüli
elméleti aggályokat és a józan hétköznapi
mentalitással közelítünk a helyesség fogalmához,
akkor igaz, hogy vannak olyan egyszerû egyedi helyzetek, ill. gyakrabban
elõforduló típushelyzetek, ahol bárki mondhatja:
“ha tudtam volna, hogy.... , akkor másképpen cselekszem”.
Ez a mondat az alapja az információk gazdasági értelemben
vett hasznosságának és piacának.
-
A problémák egy része jelenidejûnek minõsíthetõ
abban az értelemben, hogy ha tudnánk most mind azt, amit
szeretnénk (pl. bolti árak), akkor el tudnánk dönteni,
hol lehet a legolcsóbban bevásárolni egy adott terméklista
alapján. A problémák zöme (s tulajdonképpen
a beszerzés is) felfogható azonban egy fokkal bonyolultabban
is, pl. melyik autót vegyem meg, hogy a jövõben az üzemeltetéssel
kapcsolatos összes költséget (fogyasztást, javítást)
minimalizáljam? Vagyis abban a pillanatban, amint nem csak a termék
ára (egyetlen, jelenidejû célkomponens), hanem a termékminõsége
is fontos (jövõidejû, ill. több célkomponensû
döntési helyzet), akkor elõre kellene látni azt,
hogy mi vár ránk a jövõben.
-
Az elõrelátás modelleket igényel, vagyis olyan
függvényeket, (algoritmusokat) amelyek bizonyos ismert adatokhoz
(inputok) nagy hitelességgel hozzá képesek rendelni
a várható következményt (output). A modellezés
folyamata felfogható az informatika teljességének,
vagyis adatgyûjtés, adattárolás, adatmozgatás,
adatfeldolgozás, döntés, végrehajtás,
(s a döntés ellenõrzése már ismét
visszacsatol az adatgyûjtéshez).
-
Az informatikának tehát három lényegi erõforrása
van: az adat, a technológia és a feldolgozás módszertana.
A technológia fejlõdése meghatározza az adatgyûjtés
(mérési pontosság) és továbbítás
(sebesség, mennyiség) lehetõségeit, de nagyban
befolyásolja a módszertant is, hiszen a számítógépek
mûveletvégzõ sebessége megengedhet, vagy kizárhat
bizonyos elvileg létezõ matematikai eszközöket.
-
A modellezésnél abból indulunk ki, hogy a valóság
kísérletekkel kiismerhetõ, vagyis abból, hogy
azonos kiindulási helyzetek következménye is azonos.
Másrészt feltételezzük, hogy bizonyos tényezõk
változtatása és egy másik tényezõ
változása között egyértelmû kapcsolat
van, amennyiben más eleme a rendszernek nem változik (ok-okozatiság,
ceteris paribus).
-
Sajnos azonban azonos kiindulási helyzetet - ha más miatt
nem, hát az idõ múlása miatt - nem lehet biztosítani,
ill. egyszerre egyetlen tényezõt változtatni is csak
elméletileg lehet, hiszen minden kölcsönhatásban
van mindennel.
-
Így nem lehet eldönteni, hogy a kísérletileg
mért számok valóban értelmezhetõk-e
a kísérletezõ szándékai szerint. Ma
sem tudjuk biztosan, hogy a csökkenõ hozadék elve és
a Liebig-féle minimum elv egymásnak ellentmond-e, vagy csak
más-más perspektívából mutatja ugyanazt.
-
Az ok-okozatisággal szorosan összefügg annak a valós
filozófiai kérdésnek a felvetése, hogy az ok
határozza meg az okozatot, vagy lehet fordítva is. Pl. a
pigmalion-effektus szerint nem tudni, hogy a tanár diákról
alkotott rossz véleményét a diák ténylegesen
gyenge teljesítménye határozza-e meg, ill. a tanár
elõítélete miatt olyan gyenge a diák teljesítménye,
(mert a diák és a tanár kölcsönösen
vagy egyoldalúan azt hiszi, hogy a másik azt gondolja róla,
hogy..., s ezért cselekszik úgy, ahogy) (vö. a kettõs
ügynök igazmondási stratégiájával).
-
A modellezés - hasonlóan a döntéshozatalhoz -
csak akkor hatékony, ha célelvû. A modellezés
abszolút célja a valóság hibátlan visszatükrözése.
Azonban hibátlan modell semmiképpen nem létezik, csak
a valóság közelítése. Ennek oka sokrétû:
pl. mérési hiba az adatok rögzítésekor,
hiányzó fontos befolyásoló tényezõk,
korlátozott matematikai apparátus, stb. De a legfontosabb
gond még is az, hogy nem lehet tudni azt, milyen helyes kell, hogy
legyen egy modell adott inputok esetén, ill. milyen típusú
és mennyiségû modellhiba jobb egy más jellegû
hibával szemben.
-
A matematika lehetõvé teszi ugyanis tetszõleges, de
egyértelmû input-esetek (elõzmény-következménypárok)
tetszés szerinti pontosságú függvénykapcsolatainak
feltárását. Arra a kérdésre azonban
nem kapunk választ, hogy egy eddig az adatbázisban nem szereplõ
eset következményét milyen pontossággal lesz
majd képes egy összefüggés megközelíteni.
(vö. Hiába igaz az, hogy dobókockával 1/6 a valószínûsége
a 6-osnak, mégsem lehet biztos senki abban, hogy hat dobásból
sikerül akár egyszer is hatost dobnia.). Így tehát
két tetszõleges modell esetében sem lehet már
eldönteni, hogy melyik lesz a helyesebb a tényleges alkalmazáskor
(vö. tõzsdei prognózisok).
-
Így jutunk el a determinizmustól a káoszhoz. A valóság
jelen ismereteinek szerint valahol a kettõ között létezik.
Igaz az, hogy bizonyos kiindulási állapotból bármilyen
új állapotba nem lehet eljutni, (mert egy megkezdett útról
visszafordulni, vagy letérni csak jelentõs erõfeszítésekkel,
vagy egyáltalán nem lehet) de az is igaz, hogy a felvehetõ
állapotok száma, ill. a változások nagysága
sokrétû, hiszen az egyes tényezõk kölcsönhatásai
olyan komplexek lehetnek, hogy pl. egy paraméteres populáció-dinamikai
függvénykapcsolatban a paraméter pl. huszadik tizedeshelyén
bekövetkezõ egyetlen egység változás a
kimentei oldalon jelentõs változásokat okoz, akkor,
amikor a nagyobb hatásúnak vélt elsõ tizedes
jegy tetszõlegs változtatása szinte nem gyakorol hatást
a kimentek minõségére.
-
Korreláció alapvetõen tehát csak a látszat
szintjén ismerhetõ el, s nagyon fontos ennek kombinatorikai
és idõbeli viselkedése. Nem igaz ugyanis az, hogy
ha valamit kellõen sokszor jól jellemeztünk a múltban,
akkor az a jövõben is így lesz, ill. mindig vannak olyan
összefüggések, melyek a lehetséges esetek tetszõleges
részét nagyon jól, míg a fennmaradókat
nagyon rosszul magyarázzák.
-
Az összefüggéskeresés vagyis a modellezés
alapját pedig éppen az adta eddig, hogy elhittük, ha
az eddigi ismereteinket rendszerezni tudjuk, akkor új szituációk
következményeit is nagy pontossággal le tudjuk majd
vezetni.
-
A hasonlóság fogalmának alkalmazásával
mindig találhatunk a múltban már bekövetkezett
eseteken, melyek alapján a jövõbeli szituációk
következményei elõrevetíthetõk. A hasonlóság
pedig egy mindig létezõ kategória, hiszen nullától
a tökéletességig nyúlik a lehetséges értékek
skálája.