ROLUL METODELOR BAZATE PE INTELIGENA COMPUTAIONAL IN PROCESUL DECIZIONAL

ROLUL METODELOR BAZATE PE INTELIGENA COMPUTAIONAL IN PROCESUL DECIZIONALCernianu Nicolae, Conf.univ.dr.

Matei Cernianu Alice Dalina, Lect.univ.dr.

Universitatea Titu Maiorescu Bucureti

Facultatea de tiine Economice Tg-Jiu

Abstract

Avnd la baz informaiile statistice, decizia managerial apare ca un proces dinamic, raional, de alegere n mod contient, a unei linii de aciune, dintr-un numr oarecare de posibiliti, n vederea realizrii unui anumit obiectiv sau scop,i prin a crei aplicare se influeneaz activitatea a cel puin unei alte persoane dect decidentul. Pentru aceast raiune decizia managerial este legat, n primul rnd, de capacitatea de previziune a managerului, care la rndul ei ar fi goal de coninut fr datele i informaiile statistice de un anume volum i o anumit structur. Modul de prezentare al informaiei joac de asemenea un rol deosebit. Nu este acelai lucru dac informaia primit este clar sau confuz, dac trecerea de la informaie la cunoatere se face uor sau cu dificultate. Trebuie s existe posibilitatea ca pornind de la informaia iniial, prin calcule, s se obin o informaie derivat. Unul din principiile care stau la baza sistemului informaional modern este obtinerea unui maxim de informaii derivate plecand de la un minim de informaii primare. Perceperea corect i integral a mesajului unei informaii statistice este condiionat de o serie de factori cum ar fi: nivelul de pregtire al beneficiarului, gradul su de informare n domeniul la care se reflect informaia.Problema modelrii proceselor neliniare cu structur complex i un numr mare de variabile continu s reprezinte o provocare, chiar i n raport cu cele mai evoluate tehnici econometrice de estimare. Metodele tradiionale, bazate n special pe regresia neliniar, nu ofer de regul o soluie adecvat la aceast problem, mai cu seam atunci cnd forma funcional a modelului este necunoscut i trebuie selectat intuitiv dintr-o palet potenial foarte larg de posibiliti. Potrivit accepiunii tradiionale a termenului, estimarea unui model nu poate fi realizat fr ca forma funcional a acestuia s fi fost specificat ex ante. De regul ns, cunotiinele cerute de o asemenea specificare nu sunt disponibile, motiv pentru care se face apel doar la experien sau intuiie. Econometricienii au considerat cteva criterii relevante pentru selecia formelor funcionale: consistena teoretic, domeniul de aplicabilitate, flexibilitatea, facilitile calculatorii i conformitatea cu faptele. n particular, definirea conceptului de flexibilitate a concentrat un mare efort de cercetare. Maniera clasic de a rspunde acestei provocri a fost aceea de a rafina metodele de estimare parametric i de a furniza a priori specificaii suficient de elastice ale formelor funcionale. n aceti termeni flexibilitatea reprezint capacitatea formei funcionale (definit parametric) - fie aceasta o funcie de producie, o funcie de profit sau o funcie de cost - de a aproxima comportamente diverse dar teoretic consistente, printr-o alegere adecvat a parametrilor. Una dintre cele mai populare forme funcionale care au fost propuse pentru modelarea comportamentului productorului i a crei flexibilitate a fost justificat teoretic i dovedit practic, este funcia TRANSLOG (transcendental logarithmic function).Mai recent, unii cercettori au studiat metode de estimaie neparametrice, proiectate pentru a obine ajustri ale unor funcii de regresie supuse la restricii structurale de monotonie i concavitate. Spre deosebire de abordrile i direciile mentionate, tehnicile bazate pe inteligena computaional utilizeaz modaliti diferite de a rspunde cerinei de flexibilitate: modelarea neuronal (reelele neuronale artificiale), modelarea bazat pe logica fuzzy (sistemele de inferene fuzzy), respectiv modelarea neuro-fuzzy, ce rezult din hibridizarea tehnicilor neuronale cu cele fuzzy.Potrivit DEX, inteligena este capacitatea de a nelege uor i corect, de a sesiza ceea ce este esenial, de a rezolva situaii sau probleme noi pe baza experienei acumulate anterior.Mai general, inteligena este o proprietate a tuturor sistemelor decizionale conduse de scop i reprezint capacitatea unui astfel de sistem de a-i adapta comportamentul pentru a-i ndeplini obiectivele ntr-un context ce presupune interacionarea cu mediul nconjurtor. Un sistem este adaptiv dac i poate modifica parametrii cu scopul de a-i indeplini mai bine sarcinile. Adaptivitatea este proprie oricrui proces in cursul cruia o structur este modificat progresiv pentru a furniza performane mai bune n interaciune cu mediul.Aceste dou atribute eseniale ale sistemelor inteligente capacitatea de a nva i de a se adapta stau la baza apariiei i dezvoltrii inteligenei computaionale. Ea reprezint o metodologie ce implic calcule numerice prin care confer unui sistem abilitatea de a nvaa i/sau de a rezolva situaii noi percepia asupra sistemului fiind aceea ca acesta posed anumite atribute de raionament:

- generalizare

- descoperire

- asociere

- abstractizare Inteligena computaional integreaz, de asemenea, un ansamblu de concepte practice care fac posibile sau faciliteaz realizarea aciunilor potrivite (comportament inteligent) n medii complexe i schimbtoare (variabile n timp): paradigme, algoritmi, mecanisme de auto-organizare i implementrile acestora. Autoorganizarea poate fi vazut ca o incercare continu a sistemului de a se organiza el insui in structuri mai complexe, chiar i in prezena forelor permanente ce tind s l destructureze, descrise de legea a doua a termodinamicii (entropia).

Principalele domenii ale Inteligenei Computaionale sunt:

- Logica fuzzy (Sistemele de inferene fuzzy)

- Reelele neuronale

- Calculul evoluionist (algoritmi genetici, etc)

- Sistemele hybrideAceste domenii sunt intr-o relaie de complementaritate (nu concurenial), in care fiecare contribuie cu avantajele i tehnicile proprii la soluionarea problemelor. Logica fuzzy ofer posibilitatea aproximrii, algoritmii genetici realizeaz o cutare sistematic a soluiei, reelele neuronale au capacitatea de a inva i de a se adapta. Logica fuzzy este logica rationamentului aproximativ, fiind o extensie a logicii multivalente i o generalizare a logicii convenionale. La baza sa st generalizarea noiunii de mulime clasic la cea de mulime fuzzy. Multimile fuzzy se refer la clase de obiecte cu granite neprecise, in care apartenena la o clas este gradual intre 0 (totala neapartenen) i 1 (apartenena complet). Potrivit lui Zadeh, printele logicii fuzzy, pe masur ce crete complexitatea, formulrile precise pierd din neles i formulrile pline de neles pierd din precizie.Reelele neuronale artificiale sunt sisteme de inspiraie biologic pentru prelucrarea informatiei ce modeleaz structura paralel masiv a creierului. Ele simuleaza o structura de calcul paralel, extrem de interconectat, ce conine un numr mare de elemente de prelucrare relativ simple (numite neuroni). Elementele de prelucrare sunt conectate prin conexiuni ponderate. Ponderile conexiunilor stocheaza informatia (cunostintele), reteaua fiind astfel capabila de adaptare prin modificarea acestor ponderi. Calculul evoluionist reprezint de asemenea un set de metode inspirate din biologie. El permite gsirea soluiilor optime ale unor probleme prin tehnici de cautare stocastic, bazate pe mecanisme de evoluie natural biologic: selecie, recombinare, mutaie, etc. Pe parcursul evoluiei, indivizii din populaie devin mai adaptati mediului dect indivizii din care au fost creai - similar cu adaptarea natural. Algoritmii genetici, spre exemplu, opereaz cu populaii de soluii poteniale i aplic principiul supravieuirii celui mai bun (teoria evoluionist -Darwin) pentru a furniza aproximri din ce in ce mai bune ale soluiei.

Calculul evoluionist cuprinde o serie de arii importante precum:

- Algoritmii genetici;

- Programarea evolutionist;

- Strategii evolutive;

- Programarea genetic.

Sistemele hibride combin dou sau mai multe tehnici de inteligen computaional de baz pentru a crete performana i a permite potenarea reciproc a acestora. Drept exemple de sisteme hibride pot fi amintite:

- sistemele neuro-fuzzy;

- sistemele neuro-genetice;

- sistemele fuzzy-genetice;

- sistemele neuro-fuzzy-genetice.

Metodele bazate pe inteligena computaional sunt in prezent considerate cele mai performante tehnici de estimare a modelelor neliniare, att din punct de vedere al puterii predictive (net superioare) ct i din punct de vedere al flexibilitii dovedite n modelarea proceselor neliniare. Ele ofer astfel o modalitate comodi eficient pentru a depi problema dificil ridicat de specificarea a priori a formei modelului econometric, nlocuind-o prin mijloace de calibrare fin a arhitecturii i tipului reelelor neuronale, respectiv a structurii partiiilor fuzzy, a formei funciilor de apartenen ce definesc mulimile fuzzy i a tipurilor de inferene fuzzy potrivite pentru procesul neliniar supus modelrii.

Construirea modelului este acompaniat de o faz de instruire, de nvare. Detaliile acesteia depind de tehnica de inteligen computaional folosit. Dar pentru toate se parcurg dou momente distincte: al nvrii i al testrii.

nvarea se bazeaz pe un ansamblu de exemple complete, pornind de la care sunt identificate relaiile care leag ntre ele valorile variabilelor de intrare, respectiv de ieire.

Procesul de nvare se ncheie atunci cnd rezultatele furnizate de model se apropie suficient de mult de soluiile coninute de datele dup care s-a nvat.

Nu exist ns certitudinea c modelul se va comporta la fel de bine i n alte situaii. Din acest motiv, este supus testrii cu date diferite de cele folosite pentru nvare, dar aparinnd aceleiai populaii. Urmeaz, dac este necesar, o faz de reajustare necesar pentru a-l face s furnizeze rezultate bune i n raport cu datele de test. Doar dup ncheierea acestui proces modelul poate fi considerat operaional.

Prin urmare, pentru elaborarea sa este nevoie de trei seturi de date: de nvare, de testare i de evaluare. Att reelele neuronale ct i sistemele de inferene fuzzy parcurg o faz de estimare a modelului. Spre deosebire de modelele funcionale clasice, unde estimaiile se refer la parametrii modelului, n cazul reelelor neuronale se estimeaz ponderile sinaptice ale reelei, iar n sistemele de inferene fuzzy se estimeaz parametrii unor modele locale ce compun modelul global printr-un proces de agregare fuzzy. In toate cazurile, estimarea urmrete s atribuie valori unei/unor variabile de ieire, pe baza valorilor luate de variabilele de intrare. Rezultatele obinute prin estimare sunt valori reale.

S-a demonstrat c att reelele neuronale cti sistemele de inferene fuzzy reprezint aproximatori universali, adic pot estima orice funcie neliniar definit pe un domeniu compact, cu o acuratee orict de bun, dac se dispune de suficiente date, iar structura modelelor este bine aleas.

Evaluarea modelului are scopul de a stabili capacitatea modelului de a determina corect valorile pentru cazuri noi. n general, performanele unui model se apreciaz cu ajutorul unui set de predicii, care compar valorile de ieire reale cu cele furnizate de model

Pentru a obine o evaluare relevant a puterii predictive a modelului, aceasta se aplic unui set de date distinct de cel utilizat n procesul de nvare. Acestea se numesc date de evaluare i reprezint, de regul, ultima parte a datelor disponibile, reinute special pentru acest scop.

Puterea predictiv calculat pentru datele de evaluare (de exemplu, eroarea medie ptratic de predicie) poate fi acceptat ca valoare valabil i pentru datele noi i exprim calitatea global a modelului.

Integrarea modelului ntr-un proces decizional mai general este etapa ce finalizeaz procesul de modelare.

Concluzii

Inteligena computaional se afl la confluena dintre mai multe arii disciplinare. In principiu, ea poate fi vzut ca un subdomeniu al Inteligenei Artificiale (IA), dar difer de aceasta n cteva aspecte eseniale. Astfel, abordrile tipice pentru Inteligena Artificial clasic sunt de tip descendent (top-down) i sunt bazate preponderent pe logica formal, adic proiectantul sistemului intelligent i transmite acestuia ntregul set de cunotine necesar pentru a rezolva o problem, nc din faza de construcie (elaborare).

Dimpotriv, n cazul Inteligenei Computaionale, abordarea este mai degrab de tip ascendent (bottom-up), n sensul c algoritmii sunt proiectai s nvee singuri (prin acumulare de experien) ceea ce au nevoie s tie pentru a rezolva o problem.

In plus, Inteligena Computaional include intregi clase de algoritmi de inspiraie biologic: reelele neuronale artificiale sunt inspirate de procesele biologice i cognitive din creier, calculul evoluionist (algoritmii genetici, etc.) au ca baz de inspiraie teoria darvinist a evoluiei i seleciei naturale, sistemele multi-agent se inspir din mecanismele de auto-organizare la nivel de colectiviti, specii sau ecosisteme, biologice.

Tot un efect al inspiraiei de factur biologic este i faptul c la baza apariiei i dezvoltrii inteligenei computaionale stau cteva atribute eseniale ale sistemelor inteligente naturale: capacitatea de a nva, de a se adapta, de a se auto- organiza i de a face generalizri (adic de a rspunde n mod adecvat la stimuli din mediu n situaii noi, ce nu deriv explicit din experiena acumulat).

Proprietile remarcabile enumerate mai sus justific de ce metodele bazate pe inteligena computaional sunt in prezent considerate cele mai performante tehnici de estimare a modelelor neliniare, att din punct de vedere al puterii predictive (net superioare) cti din punct de vedere al flexibilitii dovedite n modelarea proceselor neliniare.

BIBLIOGRAFIE1.Georgescu V. - "Flexible estimation of cost functions based on fuzzy logic modeling

approach", Fuzzy Economic Review, No. 2, Vol.III, 1998, p. 49-68.

2. Georgescu V. - "Flexible estimation procedures for fuzzy logic modeling, with

economic applications", Proceedings of the 5th Congress of SIGEF, October, 1998,

Lausanne3. Andrei, A, Oprescu, Gh., Marin, D., Mitru, D., Roman, M. (2001). Modele dinamice de conducere optimal a activitii firmei, Editura ASE, Bucureti4. Scarlat, E., Mrcine, Virginia (2002), Dinamica economic. Dinamica sitemelor haotice, Editura MatrixRom, Bucureti.5. Scarlat, E., Chiri, Nora (2001). Macroeconomie dinamic, Editura Economic, Bucureti