Rozhodování a řešení problémů


Original: http://dieoff.org/page163.htm

Herbert A. Simon and Associates

Associates : George B. Dantzig , Robin Hogarth , Charles R. Piott , Howard Raiffa , Thomas C. Schelling , Kennth A. Shepsle , Richard Thaier , Amos Tverskym a Sidney zima .

Simon byl vzděláván v politických věd na univerzitě v Chicagu ( BA , 1936 , Ph.D., 1943) . Zastával pozice v oblasti výzkumu a fakulty na University of California v Berkeley ( ) , Illinois Institute of Technology a od roku 1949 , Carnegie Mellon University, kde jekrál Richard Mellon University profesor informatiky a psychologie . V roce 1978 získal Nobelovu cenu Alfreda pamětní ceny v ekonomických vědách v roce 1986National Medal of Science.

Přetištěno se svolením z výzkumu přehledech 1986 : Zpráva z výzkumného panelu Briefing o Rozhodování a řešení řešení © 1986 Národní akademie věd. Vydalo Národní akademie Press , Washington , DC.
Uvod

Práce manažerů , vědců , inženýrů , právníků -práce, která řídí běh společnosti a její hospodářské a nevládní organizace – je z velké části pracovat na rozhodování a řešení problémů. Je to práce zvolí otázek, které vyžadují pozornost , stanovení cílů , zjištění nebo stanovení vhodných kurzů činnosti , a hodnocení a výběru mezi alternativními akcí. První tři z těchto činností – stanovení agendy , stanovování cílů a navrhování akcí – jsou obvykle nazývány řešení problémů , poslední , hodnocení a výběr se obvykle nazývá rozhodování. Nic není důležitější problaho společnosti, než aby tato práce prováděna efektivně , že jsme úspěšně řešit mnohé problémy, které vyžadují pozornost na národní úrovni ( rozpočet a obchodní deficity , AIDS, národní bezpečnost ,zmírnění škod při zemětřesení ) , na úrovni obchodních organizací ( zlepšení výrobku , efektivnost výroby , výběr investic ) a na úrovni našich individuálních životů ( volbě povolání nebo školu , koupi domu ) .

Schopnosti a dovednosti , které určují kvalitu našich rozhodnutí a řešení problémů jsou uloženy nejen více než 200 milionů lidské hlavy , ale také nástrojů a strojů , a zejména dnes v těchto strojích nazýváme počítačů. Tento fond mozků a jeho doprovodných strojů tvoří základ našeho amerického důvtipu , vynalézavosti, který dovolil americkou společnost dosáhnout pozoruhodné úrovně ekonomické výkonnosti .

Nejsou žádné slibnější či důležité cíle základního vědeckého výzkumu , než pochopení toho, jak lidské mysli , a bez pomoci počítačů , řešit problémy a rozhodovat se efektivně a naše lepší řešení problémů a rozhodovací schopnosti. V psychologii , , ekonomie, matematické statistiky , operačního výzkumu , politologie , umělá inteligence a kognitivní vědy hlavní výzkumné zisky byly provedeny v průběhu uplynulého půlstoletí v chápání řešení problémů a rozhodování. Již dosažený pokrok má zaslíbení zajímavých nových pokroků, které významně přispěje k naší národní kapacity pro řešení inteligentně s řadou problémů , velkých i malých , které čelíme .

Hodně našich dosavadních znalostí o rozhodování a řešení problémů, odvozené z tohoto výzkumu , byl již pro použití v široké škále aplikací , včetně postupů používaných pro hodnocení bezpečnosti léku metody řízení zásob pro průmysl , nové expertní systémy, které ztělesňují umělé inteligence techniky , postupy pro modelování energetických a ekologických systémů a analýzy stabilizační nebo destabilizační účinky alternativních obranných strategií . ( Použití nových metod řízení zásob , například umožnil americké společnosti, aby snížily své zásoby o stovky milionů dolarů od druhé světové války bez zvýšení výskytu stockouts . ) Některé poznatky získané výzkumem popisuje způsoby, které lidé skutečně jít o rozhodování a řešení problémů , některé z nich předepisuje lepší metody , nabízí rady pro zlepšení procesu.

Centrální k tělu preskriptivní znalostí o rozhodování byla teorie subjektivního očekávaného užitku ( SEU ) , sofistikovaný matematický model volby , které leží v základech většiny současných teoretických ekonomiky, statistiky a operačního výzkumu. SEU teorie definuje podmínky perfektní nástroj maximalizace racionality ve světě jistoty nebo ve světě, v němž mohou být pravděpodobnostní rozdělení všech relevantních proměnných , která je poskytována rozhodovací pravomocí . (V duchu , to by mohlo být v porovnání s teorií ideálních plynů nebo tření těl sjíždění nakloněných rovinách, ve vakuu . ) SEU teorie se zabývá pouze rozhodování , ale nemá co říct o tom, jak formulovat problémy, stanovit cíle , nebo rozvíjet nové alternativy.

Normativní teorie výběru, jako SEU jsou doplněny o empirický výzkum , který ukazuje, jak se lidé ve skutečnosti při rozhodování ( nákupu pojištění , hlasovat pro politické kandidáty , nebo investovat do cenných papírů ) , a výzkum procesů lidé používají k řešení problémů ( návrh rozváděčů nebo najít chemické reakce cesty ) . Tento výzkum ukazuje, že lidé řeší problémy tím, že selektivní , heuristické vyhledávání ve velkých problémových míst a velkých databází pomocí prostředků rohy analýzy jako hlavní technika pro vedení hledání. Expertní systémy, které jsou v současné době vyrábí výzkumu umělé inteligence a použila na takové úkoly, jako je tlumočení olej – vrtání studní protokoly nebo při lékařské diagnózy jsou výrůstky těchto výzkumných poznatků o lidském řešení problémů.

Co hlavně odlišuje empirický výzkum na rozhodování a řešení problémů z normativní přístupy odvozené z teorie SEU je pozornost, že bývalý dává limitů na lidské racionality . Tyto limity jsou uložena na složitost světa, ve kterém žijeme ,neúplnosti a nedostatečnosti lidského poznání , že nesoulad individuální preference a přesvědčení, že konflikty na hodnoty mezi lidmi a skupinami lidí , anepřiměřenost výpočtů můžeme provádět i pomocí nejvýkonnějších počítačů. Skutečný svět lidských rozhodnutí není svět ideálních plynů , tření letadla, nebo vysavače . Chcete-li , aby byl v rámci lidských sil myšlení , musíme zjednodušit náš problém formulace drasticky , dokonce vynechal mnoho nebo většina toho, co je potenciálně relevantní.

Popisné teorie řešení problémů a rozhodování je centrálně zabývá tím, jak lidé snížit problémy až do velikosti : jak se vztahují orientační, heuristické techniky zvládnout složitost , které nemohou být provedeny přesně . Z této deskriptivní teorie se objevuje rozšířený , ve znění normativní teorii, která bere v úvahu mezery a prvky unrealism v teorii SEU podle všeobjímající řešení problému, stejně jako výběr a náročné pouze druhy znalostí , soudržnost a výpočetní výkon, který jsou dosažitelné v reálném světě .

Rostoucí poznání , že vyrovnat se s složitosti je pro lidské rozhodování silně ovlivňuje směry výzkumu v této oblasti . Operační výzkum a umělé inteligence jsou kování nové výkonné výpočetní nástroje , zároveň ,nové tělo z matematické teorie se rozvíjí kolem tématu výpočetní složitosti . Ekonomika , která se tradičně pochází jeho deskriptivní i normativní přístupy z teorie SEU , teď za to platí velkou pozornost na nejistoty a neúplných informací , k tzv. ” teorie agentury “, která bere v úvahu institucionální rámec, v němž jsou rozhodnutí dělal , a teorie her , která se snaží vypořádat s interindividuální a meziskupinové procesech , v nichž je částečný střet zájmů . Ekonomové a politologové se také stále více opory empirické základy svého oboru studiem individuálního výběru přímo a chování tím, že studuje chování v experimentálně postavených trzích a simulovaných politických struktur.

Následující stránky obsahují úplnější přehled současných znalostí o rozhodování a řešení problémů a stručný přehled současných směrů výzkumu v těchto oblastech , stejně jako některé z hlavních výzkumných příležitostí .
rozhodování
SEU TEORIE

Vývoj teorie SEU byl hlavní intelektuální úspěch v první polovině tohoto století . To dalo poprvé formálně axiomatized prohlášení o tom, co by to znamenalo pro agenta se chovat v konzistentním , racionální záležitost . Předpokládá se, žerozhoduje vlastnil užitkovou funkci (objednávání preferencí ze všech možných výsledků volby) , že všechny alternativy , mezi nimiž by mohla být volba vyrobené byly známy , a že důsledky volby jednotlivých alternativ by mohlo být zjištěno (nebo , ve znění této teorie , která pojednává o výběru za nejistoty , předpokládá se, žesubjektivní nebo objektivní rozdělení pravděpodobnosti následků byla spojena s každým alternativu ) . Přijetím subjektivně přiřazené pravděpodobnosti , SEU teorie otevřela cestu k fixační subjektivních názorů s objektivními údaji , přístup , který může být také použit v člověk-stroj rozhodovací systémy. V pravděpodobnostním verzi teorie , Bayesova pravidlo předepisuje způsob, jakým lidé by měli vzít v úvahu nové informace a jak mají reagovat na neúplných informacích.

Předpoklady teorie SEU jsou velmi silné , což umožňuje přiměřeně silné závěry , aby se z nich . Ačkoli předpoklady nemohou být splněny ani vzdáleně při nejsložitějších situacích v reálném světě , mohou být spokojeni přibližně v některých mikrokosmu – problémové situace , které mohou být izolovány od světového složitosti a zabýval se nezávisle na sobě. Napříkladmanažer obchodního dobytka krmení provozu izolovat problém najít nejlevnější mix kanálů dostupných na trhu , který by splňoval všechny požadavky na výživu svých skotu. Výpočetní nástroj lineárního programování , což je silná metoda pro maximalizaci dosažení cíle nebo minimalizace nákladů při uspokojování všech druhů vedlejších podmínek (v tomto případě , nutriční požadavky ) , může poskytnout správce s optimální krmné směsi – optimální v rámci limity sbližování svého modelu na reálných podmínkách. Lineární programování a operace s ním související výzkumné techniky jsou dnes široce využívány při rozhodování , pokud může býtsituace, která přiměřeně odpovídá jejich předpoklady být vytesán z jeho komplexní prostorový zvuk. Tyto techniky byly zejména cenné pomůcky na úrovni středního managementu při řešení poměrně dobře strukturované rozhodovací problémy.

Většina nástrojů moderního operačního výzkumu – a to nejen Lineární programování, ale také celočíselné programování , teorie front , rozhodovací stromy a běžně používané techniky – použijte předpoklady teorie SEU . Se předpokládá, že to, co je žádoucí, je maximalizovat dosažení nějakého cíle , na základě stanovených omezení, a za předpokladu, že všechny alternativy a důsledky ( nebo jejich rozdělení pravděpodobnosti ), jsou známy . Tyto nástroje prokázaly svou užitečnost v široké škále aplikací .
HRANICE racionality

Operace výzkumné nástroje byly rovněž zdůraznila dramaticky limity teorie SEU při řešení složitosti. Například , současná a budoucí počítače nejsou ještě dostatečně silné, aby zcela přesné řešení problémů optimálního plánování a směrování pracovních míst prostřednictvím typického továrně , která vyrábí širokou škálu produktů s využitím mnoha různých nástrojů a strojů . A pouhá myšlenka použití těchto výpočetní techniky k určení optimálního národní politiky pro výrobu energie nebo optimální hospodářské politiky odhaluje své meze .

Výpočetní složitost není jediným faktorem, který omezuje doslovnou aplikaci teorie SEU . Tato teorie také dělá obrovské nároky na informace . Pro užitkové funkce , musí být rozsah dostupných alternativ a důsledků vyplývajících z každé alternativy všichni známy. Stále se výzkum byl zaměřen na rozhodování , které bere v úvahu reálné kompromisy a přibližných hodnot , které musí být provedeny tak, aby odpovídaly reálné problémy na informační a výpočetní mezích lidí a počítačů , jakož i nesrovnalosti v jejich hodnotách a vnímání . Studie skutečných rozhodovacích procesů (např. strategie používají korporace , aby se jejich investice) a odhaluje obrovské a nevyhnutelné odchylky od rámci teorie SEU . Následující části popisují některé z věcí, které jsme se naučili o možnosti volby v různých podmínkách neúplných informací , omezeným výpočetním výkonem , nedůslednost a institucionální omezení na alternativy. Teorie her , teorie agentury , výběr v podmínkách nejistoty a teorie trhů jsou jen některé ze směrů výzkumu , s cílem obě konstrukce normativní teorie širšího uplatnění a poskytovat realističtější popis a vysvětlení skutečného rozhodování v USA ekonomické a politické instituce .
LIMITOVANY racionality v ekonomické teorii

Přestože hranice lidské racionality bylo zdůrazněno některých výzkumníků v roce 1950 , teprve nedávno tam byla rozsáhlá činnost v oboru ekonomie zaměřené na rozvoj teorie, které předpokládají, ne zcela racionální volby na straně manažerů obchodní firmy a ostatních ekonomických subjektů. Novější teoretický výzkum se zavazuje odpovědět na takové otázky jako jsou například následující :

Jsou tržní rovnováhy změněn odchody skutečného výběru chování od chování zcela racionálních agentů předpokládaných teorií SEU ?

Za jakých okolností dělat procesy soutěžních trhů ” policie” takovým způsobem, aby vyrušilo účinky odlety z plné racionality ?

V čem jsou volby učiněné boundedly racionálními prostředky odlišné od těch, provádí zcela racionálními agenty ?

Teorie firmy , které předpokládají manažeři se zaměřují na ” uspokojivé” zisku nebo že jejich zájmem je udržet si podíl podniku na trhu v tomto odvětví , aby zcela různé předpovědi o ekonomické rovnováhy , než které pocházejí z předpokladu maximalizace zisku . Kromě toho může být klasická teorie firmy nevysvětluje, proč je ekonomická aktivita někdy pořádány v okolí velkých obchodních firem a někdy kolem smluvních sítí jednotlivců či menších organizací. Nové teorie, které berou v úvahu diferenciálního přístupu hospodářských subjektů k informacím , v kombinaci s rozdíly ve vlastním zájmu , jsou schopni účet pro tyto důležité jevy , stejně jako vysvětlení pro mnoho forem smluv , které se používají v podnikání. Neúplnost a asymetrie informací bylo prokázáno, že je nezbytné pro vysvětlení , jak jednotlivci a obchodních firem, rozhodnout, kdy se vypořádat s nejistotou o pojištění , kdy by zajištění , a když by za předpokladu, že toto riziko.

Nejaktuálnější práce v této oblasti nadále předpokládá , že hospodářské subjekty se snaží maximalizovat užitečnost , ale v mezích , které představuje neúplnosti a nejistota dostupných informací k nim. Důležitým potenciálním oblastí výzkumu je zjistit, jak bude volba měnit , pokud existují jiné odchylky od axiomů racionální volby – např. nahrazující cílů dosáhnout stanovené aspirační úrovně ( satisficing ) pro cíle maximalizace .

Použití nové předpoklady o výběru na ekonomiku vede k novým empiricky podporovaných teorií o rozhodování v průběhu času. Klasická teorie dokonalé racionality neponechává žádný prostor pro lítost , druhý myšlenky nebo ” slabost vůle. ” To nemůže vysvětlit, proč mnoho lidí se zapsat do vánočních plánech úspor , které jsou úročeny výrazně nižší než tržní sazba. Obecněji řečeno, nevede k nápravě závěry o důležitých společenských otázkách úspor a ochrany přírody. Vliv důchody a sociální zabezpečení o osobních úspor byl kontroverzní záležitost v ekonomii. Standardní model předpovídá, že ekonomickýrůst v požadované spoření na důchod se sníží další úspory dolar za dolar , behaviorální teorie , na druhé straně , předvídatmnohem menší posun. Empirické důkazy naznačují, že posun je opravdu velmi malý. Další empirická zjištění, že způsob vyplácení mezd a platů ovlivňuje míra úspor . Například roční prémie produkovat vyšší míru úspor , než stejné množství příjmů zaplacené v měsíčních platů . Toto zjištění vyplývá, že úspory sazby mohou být ovlivněny způsobem kompenzace rámem .

Pokud se jedinci nepodaří sleva správně plynutí času , bude jejich rozhodnutí nemusí být optimální. Například klimatizační značně liší ve své energetické účinnosti , je účinnější modely jsou dražší , ale zpočátku ušetřete peníze v dlouhodobém horizontu díky nižší spotřebě energie . Bylo zjištěno , že spotřebitelé v průměru vybrat klimatizace , které znamenají diskontní sazbu ve výši 25 a více procent ročně , mnohem vyšší než úrokové sazby , které panovaly v době studia.

Jak nedávno jak před pěti lety , důkaz myšlenka být neotřesitelná , že trhy , jako je New York Stock Exchange práci efektivně – aby ceny odrážely veškeré dostupné informace v daném okamžiku , tak , že pohyby cen akcií připomínají náhodnou procházku a musí obsahovat žádné systematické informace, které by mohly být využívány za účelem zisku. V poslední době se však podstatné odchylky od chování předpovídal hypotézy efektivních trhů byly zjištěny . Například malé firmy se vydělat nevysvětlitelně vysoké výnosy z tržních cen jejich akcií , a firmy, které mají velmi nízký poměr cena-výdělek a firem , které ztratily mnoho ze své tržní hodnoty v nedávné minulosti také získat abnormálně vysoké výnosy . Všechny tyto výsledky jsou v souladu s empirickém zjištění, že rozhodují často přehnaně nové informace , které porušují pravidla Bayesova je. Stejně tak bylo zjištěno, že ceny akcií jsou příliš nestabilní – které se pohybují nahoru a dolů rychleji a násilně , než by byla v případě, že na trhu efektivní .

Tam také byl dlouholetým puzzle , proč firmy vyplácet dividendy . Vzhledem k tomu, že dividendy jsou zdaňovány vyšší sazbou než kapitálové zisky , daňovým poplatníkům by investoři měli přednost , podle předpokladů dokonalé racionality , že jejich firmy reinvestovat zisk nebo zpětnému odkupu akcií namísto výplaty dividend . ( Investoři by se jednoduše prodat některé ze svých oceněných akcií získat příjmy , které potřebují . ) Řešení této hádanky vyžaduje také modely investorů, kteří berou v úvahu omezení racionality .
Teorie her

V ekonomických, politických a dalších sociálních situacích , ve kterých existuje skutečná nebo potenciální střet zájmů , zvláště je-li v kombinaci s neúplnými informacemi , SEU teorie čelí zvláštní obtíže . Na trzích, kde existuje mnoho konkurentů ( např.pšenice na trhu), může každý kupující nebo prodávající tržní cenu akceptovat jako” dáno” , který nebude ovlivněn významně akcemi jakéhokoliv jednotlivce . Za těchto podmínek SEU teorie dává jednoznačné předpovědi chování. Nicméně, když se na trhu má jen několik dodavatelů – řekněme , například , dva – látky jsou zcela odlišné . V tomto případě to, co je racionální dělat , závisí na tom, co jeden konkurent udělá , a naopak. Každý dodavatel může pokusit přelstítostatní . Co je tedy racionální rozhodování ?

Nejambicióznější pokus odpovědět na otázky tohoto druhu byla teorie her , vyvinutý von Neumann a Morgenstern a publikoval v jeho plné formě v roce 1944. Ale odpovědi poskytnuté na teorii her jsou někdy velmi matoucí a nejednoznačné . V mnoha situacích , žádný jediný postup ovládá všechny ostatní , nýbržcelá řada možných řešení jsou rovněž v souladu s postuláty racionality .

Jeden zápas, který byl intenzivně studován , a to jak teoreticky, tak empiricky , vězeň je dilema . V této hře mezi dvěma hráči , z nichž každý má na výběr mezi dvěma akcemi , jeden důvěřivý k jiným hráčem , druhý nedůvěřivý nebo vykořisťovatelský . Pokud mají oba hráči zvolit důvěryhodný alternativu , jak získat drobné odměny. Pokud jsou oba zvolit vykořisťující alternativu , jsou potrestáni oba. Pokud si někdo zvolí alternativu důvěryhodný a druhý vykořisťující alternativu , je bývalý potrestán mnohem přísněji než v předchozím případě , zatímco druhý obdrží značnou odměnu. Pokud druhý hráč volba je pevná , ale znám, je to výhodné pro hráče zvolit vykořisťující alternativu , za to mu dá nejlepší výsledek v obou případech . Ale pokud oba přijmout tuto úvahu , budou oba potrestáni , zatímco se oba mohli dostat odměnu , pokud se dohodli na důvěryhodný volby ( a ne Welch na dohodě ) .

Podmínky hře mají zneklidňující podobnost určitých situacích ve vztazích mezi národy a mezi společností a odbor zaměstnanců . Podobnost je silnější Představíme-li sihru tak, že opakovaně přehrávat . Analýzy ” racionální ” chování při předpokladů zamýšlené maximalizace užitku podporují závěr, že hráči budou ( mdloby ? ) Vždy , aby se nedůvěřivého výběr. Nicméně , v laboratorních experimentech s hry , to je často zjištěno, že hráči (i těch, kteří jsou odborník na teorii her ) přijmout ” oko za oko ” strategii . To znamená, že každý hraje důvěryhodný , kooperativní strategie, tak dlouho, jak jeho nebo její partner dělá to samé. Pokud partner využívá přehrávač na konkrétní proces,hráč pak hraje vykořisťující strategii na další studie a pokračuje dělat tak dokud partner přepne zpět na důvěryhodný strategie. Za těchto podmínek se hra často stabilizuje s hráči sledují vzájemně důvěryhodných strategii a přijímání odměny .

S těmito empirických zjištění v ruce , teoretici nedávno hledal a našel některé z podmínek pro dosažení tohoto druhu benigní stability. To nastane , například , v případě, že hráči nastavit touhy po uspokojivé odměnu , spíše než hledání maximální odměnu . Tento výsledek je v souladu s konstatováním, že v mnoha situacích , jako v dilematu vězeňe hra , lidé se zdají satisfice spíše než se pokoušet optimalizovat .

Dilematu vězeňe hra ilustruje důležitý bod, který se začíná ocení ti, kteří výzkum na rozhodování . Existuje mnoho způsobů, jak skutečné lidské chování může odchýlit od předpokladů SEU , které teoretici snaží vysvětlit chování jsou konfrontovány s rozpaky z bohatství. Chcete-li zvolit mezi mnoha alternativních modelů , které by mohly připadat anomálie výběru, rozsáhlý empirický výzkum vyzval k – vidět, jak lidé dělat, aby se rozhodovali , co víra je řídit , jaké informace , které mají k dispozici, a jaká část těchto informací berou v úvahu a jaká část ignorují . Ve světě omezené racionality , ekonomie a dalších věd rozhodnutí musí podrobně zkoumat skutečné meze racionality , aby přesné předpovědi a poskytnout dobrou radu na veřejné politice .

Empirické studie výběru za nejistoty

Během posledních deseti let , empirické studie lidských možností , ve kterých nejistota , nedůslednost a neúplných informací, jsou přítomny již vyrábí bohatou sbírku nálezů , které teprve nyní začínají být organizována pod široká zevšeobecňování . Zde je několik příkladů . Když lidé jsou uvedeny informace o pravděpodobnosti určité události (např. kolik právníků a kolik inženýři jsou v populaci , který je odebrán vzorek ) , a pak jsou uvedeny některé další informace o tom, která z událostí došlo ( které osoba byly odebrány vzorky z populace ) , mají tendenci ignorovat předchozí pravděpodobnosti ve prospěch neúplných nebo dokonce zcela irelevantní informace o individuálním závodě . Proto, pokud je jim řečeno , že 70 procent populace jsou právníci , a jsou-li pak daný nezávaznou popis osoby ( která by mohla stejně dobře hodí právník nebo inženýr ) , polovinu času budou předpokládat, že osoba, je právník a půlčasu , že jeinženýr – i přesto, že zákony pravděpodobnosti diktovat , že nejlepší prognóza je vždy předpokládají, že tato osoba je právník .

Lidé často špatně odhadnout pravděpodobnosti v mnoha jinými způsoby . Požádáni, aby odhadli pravděpodobnost, že 60 procent nebo více dětí narozených v nemocnici v průběhu jednoho týdne jsou muži , neberou v úvahu informace o celkovém počtu porodů , i když je zřejmé, žepravděpodobnost, že odchod tohoto rozsahu od očekávaného hodnota 50 procent je menší v případě, že celkový počet narozených dětí je větší (směrodatná odchylka v procentech nepřímo úměrná druhé odmocnině z počtu obyvatel ) .

Existují situace , v nichž lidé posuzují frekvenci třídy snadnost, s níž lze instance připomene . V jednom experimentu , předměty slyšel seznam jmen osob obou pohlaví a později byly požádáni, aby posoudili , zda existovaly jména mužů a žen na seznamu. V seznamech předložených některých předmětů , muži byli slavnější než ženy , v jiných seznamech , ženy byly slavnější než muži . Pro všechny seznamy , předměty soudil, žesex , který měl více slavných osobností bylo četnější .

Způsob, jakým je prezentovánanejistá možnost může mít podstatný vliv na to, jak lidé reagují na to. Na otázku, zda by si vybrat operaci v hypotetickém lékařská pohotovost , mnohem více lidí uvedlo, že by kdy byla šance na přežití , stejně jako 80 procent , než když bylašance na smrt , stejně jako 20 procent.

Na základě těchto studií , některé z obecných heuristiky , nebo nepsaným pravidlům , které lidé používají při výrobě soudy byly sestaveny — heuristiky , které produkují předsudky vůči klasifikaci situací podle jejich reprezentativnosti , nebo k souzení frekvencí v závislosti na dostupnosti příkladů v paměti, nebo směrem k interpretacím pokřivené mimochodem , ve kterémproblém byl sestaven.

Tyto nálezy mít významné důsledky pro veřejnou politiku . Příkladem z nedávné doby je lobbování úsilí průmyslu kreditní karty , aby se rozdíly mezi peněžní a úvěrové cen označeny jako ” hotovostní slevy ” spíše než ” úvěrové přirážky . ” Výsledky výzkumu vyvolává otázky o tom, jak formulovat značek cigaret varování nebo rám pravdu ve své úvěrové zákony a informovaný souhlas zákonů.
Metody empirického výzkumu

Nalezení základní zákonitosti lidské volby chování je obtížné. Lidé nemohou vždy , nebo dokonce obvykle poskytují veridical účty o tom, jak se tvoří jejich mysl, zejména pokud existuje nejistota . V mnoha případech mohou předpovědět, jak se budou chovat ( předvolební průzkumy o úmyslu hlasovat byly poměrně přesné, pečlivě brát ) , ale důvodů, proč lidé dávají jejich volby mohou často být prokázáno, že racionalizace , a ne úzce souvisí s jejich skutečným motivy .

Studenti volby chování se neustále zlepšují své výzkumné metody . Zpochybňují respondentů o konkrétních situacích , spíše než žádat o zobecnění . Jsou citlivé na závislost odpovědí na přesné formy otázek . Že jsou si vědomi , že chování v experimentální situaci se může lišit od chování v reálném životě , a které se pokouší poskytnout experimentální hodnoty a motivace , které jsou co nejrealističtější . Using myšlení nahlas , protokoly a další postupy , které se snaží sledovat volbu chování krok za krokem , místo spoléhání se pouze na informace o výsledcích a dotazování respondentů zpětně o svých výběrových procesů.

Snad nejvíce obyčejná metoda empirického výzkumu v této oblasti je stále se zeptat lidí reagovat na řadu otázek . Ale údaje získané touto metodou jsou doplněny údaji získanými z pečlivě navrženy laboratorních experimentů a z údajů o skutečném výběru chování ( napříkladchování zákazníků v supermarketech ) . V experimentální studii volby mohou subjekty obchodovat ve skutečném trhu s reálnými ( byť skromný ) peněžní odměny a tresty . Výzkum Zkušenosti rovněž ukázaly proveditelnost přímého pozorování , přes značné časové období , z rozhodovacích procesů v podnikání a neziskových organizací – například pozorování o postupech, které společnosti používají při výrobě nových investic do strojů a zařízení . Důvěra v empirické poznatky , které se nahromadilo v průběhu několika posledních desetiletí je posílena obecným konzistenci , která je pozorována mezi údaji získanými zcela odlišným nastavením pomocí různých výzkumných metod.

Stále zůstáváobrovský a náročný úkol dávat dohromady tyto poznatky do empiricky založené teorie rozhodování . S rostoucí dostupností dat , teorie budování podnik dostává mnohem lepší pokyny od skutečností , než tomu bylo v minulosti. V důsledku toho lze očekávat, že se odpovídajícím způsobem , aby se stala účinnější při dosahování realistických modelů chování .
Řešení problémů

Teorie volby má své kořeny především v oblasti ekonomie , statistiky a operačního výzkumu a teprve nedávno získal hodně pozornosti od psychologů ,teorie při řešení problémů má velmi odlišnou historii . Řešení problémů byl zpočátku studována hlavně psychologů , a více nedávno vědci v oblasti umělé inteligence . Obdržel spíše dostatečnou pozornost od ekonomů .
SOUČASNÝ problém-řešení TEORIE

Lidská řešení problémů je obvykle studován v laboratorních podmínkách , s použitím problémy, které mohou být vyřešeny v poměrně krátké době ( zřídka více než hodinu ) a často hledá maximální hustotu dat o procesu řešení tím, že žádá předměty myslet nahlas , zatímco oni práce. Myšlení nahlas – technika, nejprve viděn s podezřením behavioristé jako subjektivní a ” introspektivní ” získal jako pečlivé metodickou pomoc v uplynulých letech , že to může být nyní použita spolehlivě získat údaje o chování subjektů v širokém rozsahu nastavení .

Laboratorní studie na řešení problému byla doplněna studií prováděných v terénních odborníků řešení problémů reálného světa – například lékaři dělat diagnózy a šachových velmistrů analyzovat herní pozice , a, jak již bylo uvedeno dříve , dokonce i obchodní korporace rozhodování o investicích . V současné době jsou historické záznamy , včetně laboratorních notebooků vědců , také se používá ke studiu řešení problémů, procesy vědeckého objevu . Ačkoli takové záznamy jsou daleko méně ” husté ” než laboratorní protokoly , někdy umožňují průběh objevu vysledovat velmi podrobně . Laboratorní notebooky vědců na rozdíl jako Charles Darwin , Michael Faraday , Antoine -Laurent Lavoisier , a Hans Krebs byly úspěšně použity v tomto výzkumu.

Z empirických studií , můžebýt nyní popis tohoto procesu řešení problémů , které drží na poměrně širokou škálu činností . Za prvé , řešení problémů obecně postupuje selektivní vyhledávání ve velkých sad možností použití pravidel palce ( heuristika ) řídit hledání. Vzhledem k tomu , že možnosti v reálných problémových situací jsou obecně nesčíslně mnoho , by pokus- chyba hledání prostě nefunguje ,hledání musí být vysoce selektivní. Šachy velmistři zřídka zkoumat více než sto obrovské množství možných scénářů , které před nimi , a podobné malé množství vyhledávání jsou pozorovány u jiných druhů řešení problémů vyhledávání.

Jeden z postupů se často používají jako vodítko hledání je ” výstupu na vrchol , ” pomocí určitou míru přístupu k cílem určit, kde je to nejvýhodnější vypadat dál. Další a silnější, je společný postup prostředky -endy analýza . V dopravních prostředcích -endy analýzy ,řešení problémů porovnává současnou situaci s cílem , detekuje rozdíl mezi nimi , a pak vyhledá paměti pro činnosti , které by mohly snížit rozdíl . Proto , pokud je rozdílpadesáti mil vzdálenost od cíle , budeřešit problémy načíst z paměťové znalostí o auta , vozíky, jízdní kola a jiné dopravní prostředky , chůze a létání bude pravděpodobně třeba zlikvidovat jako nevhodné pro danou vzdálenost.

Třetí věc, která byla dozvěděl o řešení problémů – zvláště kdyžřešitelem jeexpert – je to, že se opírá o velké množství informací , které jsou uloženy v paměti a jsou dohledatelné kdykoli řešitel uznává podněty signalizující jeho význam . Proto je odborná znalost diagnostika evokují příznaky předložených pacienta; toto poznání vede ke vzpomínce jaké doplňující informace jsou třeba rozlišovat mezi alternativní onemocnění , a konečně k diagnóze .

V několika případech , že bylo možné odhadnout, kolik vzoryodborník musí být schopen rozpoznat , aby bylo možné získat přístup k příslušným znalostí uložených v paměti . Šachový mistr musí být schopen rozpoznat asi 50.000 různých konfigurací šachových figurek , které se často vyskytují v průběhu šachových partií . Lékařské diagnostik musí být schopen rozpoznat desítky tisíc konfigurace příznaky,botanik nebo zoolog specializující se na desítkách taxonomie , nebo stovky tisíc prvků vzorků , které definují jejich druhy. Pro srovnání , absolventi vysokých škol mají obvykle slovní zásobu v jejich rodných jazycích 50.000 až 200.000 slov. (Nicméně , tato čísla jsou velmi malé ve srovnání s reálných situacích expertní tváře : tu jsou snad 10.120 poboček ve hře stromu šachy ,hra s jen šest druhů kusů na desce 8 x 8 ).

Jedním z úspěchů současné teorie při řešení problémů bylo poskytnout vysvětlení pro jevy intuici a úsudek často vídali v chování odborníků . Obchod odborných znalostí , ” indexovány ” uznáním podněty , které usnadňují přístupnost av kombinaci s některými základními inferenční schopnosti (možná v podobě prostředků rohy analýzy ) , odpovídá za schopnost odborníků najít uspokojivé řešení složitých problémů , a někdy je najít téměř okamžitě . Znalecký ” intuice ” a ” soud ” pochází z této funkce pro rychlé uznání spojené s velkou zásobou znalostí . Při okamžité intuice nedokáže přinést řešení problému , nebo kdyžperspektivní řešení je třeba vyhodnotit ,expert padá zpět na pomalejších dějů analýzy a závěru .
Expertní systémy v oblasti umělé inteligence

Během posledních třiceti letech došlo v blízkosti spolupráce mezi výzkumem v psychologii a výzkumu v oblasti počítačové vědy zaměřené na rozvoj inteligentních programů. Umělá inteligence (AI) výzkum jak si půjčil od a přispěl k výzkumu na lidských řešení problémů. Dnes , umělá inteligence se začíná vyrábět systémy, aplikované na celou řadu úkolů , které může vyřešit složité problémy na úrovni odborně vyškolených lidí. Tyto AI programy jsou obvykle nazývány expertní systémy . Popis typického expertního systému by se podobat úzce výše uvedeného popisu typického člověka při řešení problémů , rozdíly mezi nimi mohou být rozdíly v míře , a to v naturáliích. Expertní systém AI , se spoléhat na rychlosti počítačů a jejich schopnost zadržovat velké skupiny přechodových informací v paměti , bude obecně použít ” hrubou silou ” – naprostá výpočetní rychlost a výkon – volněji než člověk odborník . Lidský expert, náhrady škody, bude obvykle bohatší sadu heuristik pro vedení pátracích a větší slovní zásobu rozeznatelných vzorů. Pro pozorovatele , počítač je proces objevitsystematičtější a dokonce nutkavé ,člověk je více intuitivní . Ale to jsou kvantitativní , nikoli kvalitativní rozdíly .

Řada úkolů , pro které byly expertní systémy byly postaveny rychle roste . Jedním z nich je lékařská diagnóza ( dva příklady jsou žezlo a MYCIN programy) . Jiní jsou automatické provedení elektromotorů , generátorů a transformátorů , (který vznikl před deseti vynález pojmu expertní systémy ) ,konfigurace počítačových systémů od zákazníka, aautomatické generování reakčních cest pro syntézu organických molekul . Všechny tyto ( a další) jsou buď se používá v současné době v odborné nebo průmyslové praxe nebo alespoň dosáhl úrovně, na které může produkovat profesionálně přijatelné produktu.

Expertní systémy jsou obvykle konstruovány v úzké spolupráci s lidmi, kteří jsou odborníky v hlavním doméně. S využitím standardních metod pozorování a dotazování, heuristiky , že lidský expert používá implicitně a často nevědomě, aby plnili úkoly postupně educed , explicitní a začleněna do programových struktur . I když velká část byla dozvěděl o tom, jak to udělat , zlepšení techniky pro projektování expertních systémů je důležitý aktuální směr výzkumu. To je obzvláště důležité, protože expertní systémy, jednou postavené , nemůže zůstat statická, ale musí být modifikovatelné začlenit nové poznatky, jakmile budou k dispozici .
Zabývající se špatným strukturovaných PROBLÉMY

V letech 1950 až 1960 , výzkum na řešení problému zaměřené na jasně strukturované puzzle podobné problémy, které byly snadno vstupující na psychologickou laboratoří a které byly v rozsahu složitosti počítačového programování v té době. Počítačové programy byly psány objevovat důkazy pro teorémy v Euclidean geometrie nebo vyřešit hádanku s přepravou misionáře a kanibaly přes řeku . Výběr tahů šachovou byl možná nejsložitější úkol, který získal pozornost v prvních letech kognitivní vědy a AI .

Jak rostla pochopení metod potřebných ke zpracování těchto relativně jednoduché úkoly , výzkumné aspirace růže. Dalším hlavním cílem v roce 1960 a 1970 , bylo nalézt metody pro řešení problémů, které se podílejí velké skupiny sémantické informace . Lékařská diagnostika a interpretace dat hromadné spektrogramu jsou příklady druhů úkolů, které byly zkoumány v průběhu tohoto období a pro které bylo dosaženodobré úrovně porozumění. Jsou to úkoly, které pro všechny znalosti, které vyzývají , jsou stále dobře strukturované , s jasně stanovených cílů a omezení.

Současný výzkum Cílem je získat znalosti o řešení problémů, úkolů , kdy cíle jsou samy o sobě složité a někdy špatně definovány , a když je samotná povaha problému postupně transformovala v průběhu průzkumu . Vzhledem k tomu, že problém má tyto vlastnosti , je obvykle nazýván špatně strukturované. Vzhledem k tomu, nejednoznačné cíle a h. problém formulace jsou typické charakteristiky problematiku navrhování , dílo architektů nabízí dobrý příklad toho, co se podílí na řešení špatně strukturovaných problémů. Architekt začíná s některými velmi obecné specifikace , co se chtěl klientem . Počáteční cíle jsou upravené a podstatně zpracován jako architekt výnosů , jejichž úkolem . Počáteční designové nápady , zaznamenané v nákresů a diagramů sami navrhnout nová kritéria , nové možnosti a nové požadavky. V průběhu celého procesu návrhu,vznikající koncepce poskytuje neustálou zpětnou vazbu, která připomíná architekt dalších faktorů, které je třeba vzít v úvahu .

Při současném stavu techniky , to je jen začátek , aby bylo možné vytvořit programy, které simulují tento druh flexibilního procesu řešení problémů . Co se říká , jeexpertní systém , jehož odbornost zahrnuje značné znalosti o konstrukčních kritérií , jakož i znalosti o prostředek k uspokojení těchto kritérií. Oba druhy znalostí vracejí v průběhu projekční činnosti podle obvyklých postupech uznávání aevokace konstrukčních kritérií a omezení neustále mění a remolds problém , že design systému adresování. Na velké databáze , které nyní mohou být postavené na pomoc při řízení architektonických a stavebních projektů, poskytuje rámec , do kterého můžete AI nástroje , vyráběl v tomto směru , bude vzat v potaz.

Většina firemní strategie problémy a vládní politika problémy jsou přinejmenším stejně špatně strukturované problémy jako architektonické nebo technické provedení. Nástroje nyní kované za napomáhání architektonický design poskytne základ pro vytváření nástrojů, které mohou pomoci při vytváření, posuzování a monitorování veřejného energii nebo politik životního prostředí, nebo ve vedení corporate produkt a investiční strategie .
NASTAVENÍ PROGRAMU A REPREZENTACE PROBLÉM

Úplně první kroky v procesu řešení problémů jsounejméně chápaných . Co přináší ( a měl by přinést ), problémy v čele agendy ? A když je identifikovánproblém , jak může být představoval způsobem, který usnadňuje jeho řešení ?

Úkolem nastavením programu je velmi důležité , protože obě jednotlivé lidské bytosti a lidské instituce mají omezené kapacity pro řešení mnoha úloh současně. Zatímco některé problémy jsou obdrží plnou pozornost , jsou zanedbané další. V případě nové problémy přicházejí silné a rychlé , ” hašení ” nahrazuje plánování a rozvážnost . Skutečnosti omezeného rozsahu pozornosti , a to jak pro jednotlivce, tak i pro instituce, jako je Kongres , jsou dobře známy. Nicméně, poměrně málo bylo dosaženo k analýze nebo přípravě účinných agendy nastavení systémů. Začátek by mohlo být do studie o ” varování ” organizací, jako je Office of Technology Assessment či vojenských a zahraničních věcí, zpravodajské služby . Protože výzkum a vývoj funkce v průmyslu i ve značné částiúkol sledovat stávající a budoucí technologický pokrok , mohlo by to být také studoval ziskem z tohoto hlediska .

Způsob, jakým jsou zastoupeny problémy má hodně co do činění s kvalitou řešení , které se nacházejí . Úkolem navrhování dálnicím nebo přehrady se na zcela nový rozměr , pokud lidská reakce na změněné prostředí jsou zohledněny. ( Nové dopravní trasy vést lidi stěhovat ze svých domovů , a lidé vykazují značnou tendenci stěhovat se do oblastí , které jsou předmětem zaplavení při částečné ochrany jsou postaveny . ) Velmi rozdílné politik sociálního zabezpečení jsou obvykle navrženy v reakci na problém poskytování pobídek pro ekonomickou nezávislost , než jsou navrhovány v reakci na problém péče opotřebné. Brzy manažerské informační systémy byly navrženy na základě předpokladu, že tyto informace bylyvzácným zdrojem , dnes , protože návrháři uvědomují, žeje vzácný zdroj, manažerské pozornosti ,nový rámec vytváří zcela odlišné návrhy.

Zastoupení nebo ” framing ” problémů je ještě méně dobře rozuměl , než stanovení programu . Dnešní expertní systémy využívat problémových reprezentací, které již existují . Ale velké pokroky v lidské poznání často pocházejí z nových způsobů myšlení o problémech . Velká část historie fyziky v devatenáctém století v Anglii lze zapsat , pokud jde o posun od reprezentace akční -at- a- vzdálenosti do pole reprezentací, které byly vytvořeny aplikované matematiky v Cambridge.

Dnes, vývoj počítačově podporované navrhování ( CAD ) představují nové příležitosti k poskytnutí lidských návrháři se zástupci počítače-tvořil jejich problémů. Efektivní využití těchto schopností vyžaduje, abychom se lépe pochopit, jak lidé získat informace z diagramů a dalších displejů a jak displeje mohou posílit lidský výkon úloh konstruování a projektování . Výzkum reprezentace je zásadní pro pokrok CAD.
VÝPOČET AS ŘEŠENÍ PROBLÉMŮ

Nic se dosud řečeno o radikální změny , které byly způsobené při řešení problémů přes většinu z oblastí vědy a techniky bystandard používá na počítačích výpočetních zařízení. Ačkoli několik příkladů přijde na mysl , ve které umělá inteligence přispěla k tomuto vývoji , oni byli hlavně přinesla výzkumu v jednotlivých věd samotných , v kombinaci s prací v numerické analýze .

Bez ohledu na jejich původ , masivní výpočetní aplikace výpočetní techniky se mění chování vědy v mnoha směrech . K dispozici jsou nové speciality vznikající jako ” výpočetní fyzice ” a ” výpočetní chemie . ” Výpočet – to znamená, že řešení problémů – se stávápředmětem explicitního zájmu vědců , bok po boku s podstatou samotné vědě . Z této nové povědomí o počítačové komponenty vědeckého bádání je vznikající rostoucí interakci mezi počítačové odborníky v různých vědách a vědců zabývajících se poznání a AI . Tato interakce výrazně přesahuje tradiční oblasti numerické analýzy , nebo dokonce novější předmět výpočetní složitosti , do srdce teorie řešení problémů .

Fyzikové se snaží zvládnout velké množství bublin, komorních údajů z jejich nástrojů začal již v roce 1960, aby se AI metod rozpoznávání jako základ pro automatizaci analýzy jejich dat. Stavba expertních systémů k interpretaci dat hromadné spektrogramu a ostatních systémů navrhnout cesty syntézy pro chemické reakce jsou dalšími příklady řešení problémů ve vědě , jako jsou programy na podporu v odpovídajících sekvencí nukleových kyselin DNA a RNA a sekvencí aminokyselin v proteiny .

Teorie lidského řešení problémů a učení se začínají přilákat nové pozornost v rámci vědecké komunity jako základ pro zlepšení výuky přírodních věd . Každý pokrok v pochopení procesů, řešení problémů a učení přináší nové poznatky o způsobech , ve kterýchstudent musí ukládat a indexovat nové znalosti a postupy , mají-li být užitečné pro řešení problémů. Výzkum těchto témat je také vytváření nových nápadů o tom, jak efektivní učení odehrává – například , jak se studenti mohou učit tím, že zkoumá a analyzuje pracoval -out příklady.
Rozšíření teorie

Příležitosti pro zlepšování chápání rozhodování a řešení problémů , nejsou omezeny na řešená témata výše , v této části jsou prezentovány jen pár náznaky dalších slibných směrů pro výzkum.
ROZHODOVÁNÍ OVER TIME

Časová dimenze je obzvláště znepokojující v rozhodování . Ekonomika již dlouho používá pojem času diskontování a úrokových sazeb k porovnání současné době s budoucími následky rozhodnutí , ale jak bylo uvedeno výše , výzkum na skutečném rozhodování ukazuje, že lidé často nejsou v rozporu v jejich rozhodování mezi přítomností a budoucností . I když doba diskontování je silná myšlenka , že vyžaduje stanovit vhodné diskontní sazby pro jednotlivce, a to zejména sociální, rozhodnutí . Další problémy vznikají v důsledku lidské chutě a priority v průběhu času měnit . Klasická SEU teorie předpokládá pevné , konzistentní užitkovou funkci , která není snadno přizpůsobit změnám v chuti . Na druhé straně , teorie postulovat omezené pozornosti nemají připravené způsoby, jak zajistit soulad volby v průběhu času.
SESKUPOVÁNÍ

Při použití našich znalostí o rozhodování a řešení problémů na celospolečenské , nebo dokonce celé organizace , jevy , musí být problém agregace řešit, to znamená, že je nutné nalézt způsoby provést extrapolaci z teorií jednotlivých rozhodovacích procesů na čistých dopadů i na celé hospodářství , polity a společnost . Vzhledem k mnoha různými způsoby , ve kterých může každý daný úkol rozhodnutí mělo přistupovat , je nereálné postulovat ” reprezentativní firma” nebo “ekonomický člověk,” a prostě paušální dohromady chování velkého počtu údajně stejných jedinců. Řešení agregace problém se stává stále důležitější , jak více empirického výzkumného úsilí směřuje studuje chování na podrobnější mikroskopické úrovni .
ORGANIZACE

V souvislosti s agregací , je otázka, jak rozhodování a řešení problémů se mění, když pozornost se obrátí od chování izolovaných jednotlivců, k chování týchž osob působících jako členové organizací nebo jiných skupin. Když lidé předpokládají, organizační pozice , ale přizpůsobit své cíle a hodnoty jejich odpovědností . Kromě toho jsou jejich rozhodnutí ovlivňuje podstatně zákonitosti toku informací a další komunikace mezi jednotlivými organizačními jednotkami .

Organizace někdy zobrazení sofistikované schopnosti daleko za pochopení jednotlivých osob. Oni někdy dělají obrovské omylů nebo se ocitnou schopna jednat . Organizační výkon je velmi citlivá na kvalitu rutiny nebo ” výkonnosti programů” , které upravují chování a adaptability těchto rutin tváří v tvář měnícímu se prostředí . Zejména , je” periferní vidění ” komplexní organizace omezen , takže se může reakce na novinku v oblasti životního prostředí je provedena v nevhodných a kvazi- automatické způsoby, které způsobují vážné poruchy .

Teorie vývoje , formální modelování, laboratorní pokusy a analýza historických případů jsou do budoucna v této důležité oblasti bádání . Přestože rozhodovací procesy organizací byly studovány v poli na omezeném měřítku , bude velmi mnoho více takových náročných studií zapotřebí předtím, nežcelá řada technik používaných organizací , aby jejich rozhodnutí se rozumí a před silných a slabých stránek slabiny těchto technik jsou uchopit .
UČENÍ

Až donedávna se většina výzkumu v kognitivní vědy a umělé inteligence byly zaměřeny na pochopení toho, jak inteligentní systémy vykonávat svoji práci . Jen v posledních pěti letech se pozornost začala obracet na otázku, jak se inteligentní systémy – jak se učí . Řada slibných hypotéz o učení mechanismy jsou v současné době zkoumány . Jedním z nich je tzv. connexionist hypotéza , která předpokládá, sítí, které učí tím, že mění sílu jejich propojení v reakci na zpětnou vazbu . Další učení mechanismus, který je vyšetřován , jeadaptivní systém výroby ,počítačový program , který se učí tím, že tvoří nové pokyny , které jsou jednoduše připojeny ke stávajícím programu . Některé úspěchu bylo dosaženo při budování přizpůsobivé výrobní systémy , které mohou naučit řešit rovnice z algebry a dělat jiné úkoly, že na srovnatelných úrovních obtížnosti.

Učení je zvláště důležité pro úspěšnou adaptaci na prostředí, které se rychle mění. Protože to je přesně toprostředí 1980,trend k rozšíření výzkumu na rozhodování zahrnout učení a adaptace je vítán.

Tato sekce je v žádném případě vyčerpané oblasti, v nichž mohou vzrušující a důležitý výzkum bude zahájena za účelem lepšího pochopení rozhodování a řešení problémů . Ale možná , že příklady, které byly poskytnuty, jsou dostatečné zprostředkovat slib a význam této oblasti bádání dnes.
Současné výzkumné programy

Většina současných výzkumů na rozhodování a řešení problémů je prováděna na univerzitách , často s podporou vládních agentur financování a soukromé nadace . Některé výzkumy se provádí pomocí poradenských firem v souvislosti s jejich vývojem a aplikací nástrojů operačního výzkumu , umělé inteligence a systémů modelování. V některých případech , vládní agentury a korporace se podpořil rozvoj plánuje modely pomáhat jim v jejich plánování politiky – například firemní strategické plánování investic a trhů a státní plánování v oblasti životního prostředí a energetické politiky . Tam je rostoucí počet případů, v nichž výzkumní pracovníci věnují značnou pozornost na zlepšení řešení problémů a rozhodování nástroje ve svých disciplínách , jak je uvedeno v příkladech automatizace zpracování bublinkové komory tratí a výkladu dat hromadných spektrogram .

Chcete-li použít štědrý odhad , podpora základního výzkumu v oblastech popsaných v tomto dokumentu je pravděpodobně na úrovni desítek milionů dolarů ročně , a téměř jistě , to není jak hodně jak $ 100 milión. Hlavní náklady jsou pro výzkumné pracovníky a výpočetní techniku ​​, bývalý je podstatně větší .

Vzhledem k interdisciplinárnímu charakteru oblast výzkumu , federální podpora výzkumu pochází z mnoha různých agentur , a to není snadné posoudit celkový obraz. V National Science Foundation ( NSF) , granty rozhodnutí a řízení vědy , politologie a ekonomie programů v oblasti společenských věd divize jsou do značné míry věnován na projekty v této oblasti. Menší částky podpory pocházejí z paměti a kognitivních procesů program v divizi behaviorálních a Neural věd, a možná z jiných programů . “Software” součást nového NSF ředitelství informatiky a výpočetní techniky obsahuje programy , které také poskytl podporu ke studiu rozhodování a řešení problémů.

Úřad pro námořní výzkum se v průběhu let , podporuje širokou škálu studií rozhodovacích procesů, včetně důležitých včasná podpora operačního výzkumu . Hlavním zdrojem financování výzkumu v oblasti umělé inteligence byl Defense Advanced Research Projects Agency ( DARPA ) v ministerstvu obrany , důležitá podpora na výzkum aplikací A1 medicíně byly poskytnuty National Institutes of Health.

Relevantní ekonomie výzkum je rovněž financován z jiných federálních agentur, včetně ministerstva financí , na statistiky úřadu práce , a Federální rezervní rady. V uplynulých letech , základní studie rozhodování obdrželi pouze relativně malou podporu z těchto zdrojů , ale vzhledem k významu výzkumu k jejich poslání , mohli stali hlavními sponzory .

I když řada projektů byly a jsou financovány soukromými nadacemi , zdá se, že v současné době neexistuje základ pro něž rozhodování a řešení problémů jsouhlavní ohnisko zájmu.

Stručně řečeno , vzor podporu výzkumu v této oblasti ukazuje zdravou četností , ale žádný agentura s jasným hlavní zodpovědnosti , pokud se nejedná opoměrně skromně financovaný program rozhodovací a řídící věd na NSF. Snad největší rozsah podpory byly poskytnuty DARPA , kde rozhodování a řešení problémů jsou jen složky ve větší oblasti umělé inteligence a určitě ne velmi viditelné výzkumné cíle .

Charakter potřeb financování v této oblasti , což je stejný jako v jiných oblastech výzkumu . Spíše intenzivní využívání výpočetních zařízení je typická pro většinu , ale ne všechny , z výzkumu. A protože pole je získání nových uznání a rychle roste , existují speciální potřeby na podporu postgraduálních studentů a postgraduální vzdělávání. V výpočetně intenzivní část domény , může žádoucí financování výzkumu na hlavním řešitelem v průměru 250.000 dolarů ročně , v empirickém výzkumu zahrnující terénní studie a rozsáhlé experimenty podobné množství , a v jiných oblastech teorie a laboratorní experimenty , o něco méně .
Výzkumné příležitosti: Shrnutí

Studie rozhodování a řešení problémů přitahuje velkou pozornost po většinu tohoto století. Do konce druhé světové války , silný normativní teorie racionality , teorie subjektivního očekávaného užitku ( SEU ) , vzal podobu , to bylo následované teorie her. V uplynulých čtyřiceti letech se rozsáhlé aplikace těchto teorií v ekonomii , operačního výzkumu a statistiky , a prostřednictvím těchto disciplín , aby rozhodování v podnikání a vládou.

Hlavní omezení teorie SEU a vývoje jsou založeny na tom jsou jeho relativní zanedbávání meze lidské (a počítač) řešení problémů, schopnosti tváří v tvář v reálném světě složitosti. Uznání těchto omezení přinesl rostoucí objem empirického výzkumu zaměřeného na zjištění, jak lidé vyrovnat se složitostí a sladit to s jejich omezených výpočetních sil. Uznání , že lidská racionalita je omezené případy, žádné překvapení. Co je překvapivé, že některé z forem Tyto limity berou a druhy odchylek od chování předpokládaná modelem SEU , které byly pozorovány . Rozšíření empirickou znalost skutečných lidských kognitivních procesů a technik pro řešení složitosti nadáleCílem výzkumu velmi vysokou prioritou. Takové empirické znalosti potřebné jak pro budování platné teorie o tom, jakspolečnost v USA a ekonomika fungovat a vytvářet normativní nástroje pro rozhodování , které jsou kompatibilní s existujícími výpočetních schopností.

Doplňující oblasti kognitivní psychologie a umělé inteligence přinesly v posledních třiceti letech poměrně dobře rozvinutá teorie při řešení problémů , které půjčuje sebe dobře k počítačové simulace , a to jak pro účely testování její empirické platnosti a pro rozšíření lidských problém-řešení kapacity podle stavba expertních systémů . Řešení problémů výzkumu dnes se rozšiřuje do sféry špatně strukturovaných problémů a aplikovat na úkol formulovat problém reprezentace . Procesy pro nastavení problém agendy, které jsou stále velmi málo prozkoumána , si zaslouží větší pozornost výzkumu .

Rostoucí význam výpočetní techniky ve všech vědách přitahuje novou pozornost k numerické analýze a k tématu výpočetní složitosti . Nutné použít heuristické stejně jako přísné metod pro analýzu velmi složitých domény začíná přinést velký zájem, v různých vědách , v možném použití pro řešení problémů, teorie počítání .

Příležitosti oplývá produktivní výzkum v rozhodování a řešení problémů. Několik směrů výzkumu , které vypadají slibně a významné zejména následující:

Podstatně rozšíří program empirických studií, do kterých přímé pozorování chování na úrovni jednotlivce a organizace, a včetně laboratorních a terénních experimentů bude nezbytné prosévání zrno od plev ve velkém těle teorii, že nyní existuje a v tom směru k vývoji nové teorie .