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.