Работа выполнена при поддержке Российского гуманитарного научного фонда (проект № 05-02-02039а), Фонда «Научный потенциал», Фонда содействия отечественной науке, Гранта Президента РФ «Разработка и апробация вычислимой модели общего экономического равновесия с применением технологий искусственного интеллекта» (проект № МК-1085.2005.6).
По мнению Г. Саймона в человеческом поведении много иррационального, а границы рациональности для каждого индивидуума не статичны и могут изменяться в зависимости от окружения. Например если ситуация хорошо знакома, а реакция внешней среды предсказуема, то принимаемое решение может быть оптимальным, однако в случае изменения какого-нибудь параметра внешней среды, с одной стороны могут поменяться границы рациональности, а с другой - не факт, что принимаемое решение будет оптимальным.
Традиционное принятие решений на основе рационального поведения было раскритиковано Г. Саймоном в разработанной им концепции ограниченной рациональности, согласно которой «способности человеческого мышления формулировать и решать комплексные проблемы в очень малой степени сравнимы с масштабом проблем, решение которых требуется для объективного рационального поведения в реальном мире или даже для приемлемой аппроксимации к такой объективной рациональности» (Пью, Хиксон (1999)).
Также необходимо отметить, что множество рассматриваемых человеком альтернатив гораздо меньше их реального числа, и поэтому невозможно точно предсказать последствия любой из них. Кроме того, цели, достигаемые человеком, являются неоднозначными и поэтому их нельзя измерить количественно.
Разработанная Г. Саймоном теория ограниченной рациональности {bounded rationality), имеет множество последователей. К наиболее известным работам в этой области экономической теории можно отнести (Gigerenzer, Selten (2002)), (Rubinstein (1997)) и (Sargent (1994)).
В нашей работе мы решили отказаться от традиционного моделирования поведения человека посредством максимизации функции полезности в пользу нестандартного моделирования ограниченной рациональности, посредством применения технологий искусственного интеллекта.
Вопросами моделирования поведения человека занимаются многие ученые и практики, а само направление уже давно сформировалось в отдельную отрасль информатики - искусственный интеллект (ИИ). Это направление включает в себя разработку систем, обладающих возможностями, связываемыми с естественным интеллектом.
Необходимо отметить, что в проводимых исследованиях «экономическая составляющая» искусственного интеллекта не является первостепенной, а во главу угла ставится вопрос о создании автономных сущностей, способных к совершенствованию и, при необходимости, к воспроизведению себе подобных.
Рассмотрим современное состояние дел в области создания искусственного интеллекта и определим в этом ключе свою позицию при выборе инструмента для разработки нашей модели.
Термин искусственный интеллект (Artificial Intelligence) был предложен А. Тьюрингом, который в 1950 году сформулировал свой знаменитый тест Тьюринга, определяющий способность машины мыслить (Turing (1950)). Однако сейчас под ИИ понимают не робота, способного пройти тест Тьюринга, а как уже было отмечено, целое направление информатики.
Перечислим основные направления развития ИИ, получившие общественное признание и уже зарекомендовавшие себя:
1. Нейронные сети - наиболее популярный аппарат в области ИИ, который может быть применим в любой ситуации, где есть связь между входными и выходными переменными. Математически доказано (Круглов, Борисов (2002)), что любая непрерывная функция может быть равномерно приближена функциями, вычисляемыми нейронными сетями, если функция активации нейрона дважды непрерывно дифференцируема.
Идея нейронных сетей появилась в процессе исследований в области искусственного интеллекта и основывается на биологической модели нервных систем (Patterson (1996)).
На представленном ниже рисунке 1а представлена модель биологического нейрона. Он состоит из ядра (тела нейрона), двух видов нервных волокон - аксонов, передающих нервные импульсы и принимающих их дендритов, а также синапсов, влияющих на силу сигнала. Нейрон получает импульсы от аксонов других нейронов через дендриты и при этом сила импульса меняется в зависимости от типа синапса. Если суммарный импульс превышает некоторый порог, то нейрон возбуждается, формирует свой собственный импульс и передает его дальше по аксону. Мозг человека содержит около 1011 нейронов, каждый из которых связан с 103 - 104 другими нейронами.