Принятие решений в условиях неопределённости

Принятие решений в условиях неопределённости — это процесс выбора альтернативы (действия, стратегии, плана) в ситуации, когда исходы возможных вариантов известны не полностью, а их вероятности либо не поддаются точной оценке, либо вообще неизвестны. Данный класс задач противопоставляется принятию решений в условиях определённости (где каждый вариант ведёт к единственному известному результату) и риска (где вероятности исходов известны или могут быть оценены объективно). Неопределённость является фундаментальным свойством сложных систем, рыночной экономики, военных конфликтов, научных исследований и повседневной жизни, что делает разработку методов принятия решений в таких условиях одной из центральных проблем теории принятия решений, теории игр, экономики, психологии и искусственного интеллекта.

История изучения

Проблема неопределённости осознавалась ещё в античной философии (стоики, скептики), однако систематическое изучение началось в XX веке. Ключевым этапом стала работа американского экономиста Фрэнка Найта «Риск, неопределённость и прибыль» (1921), где он впервые чётко разграничил риск (измеримую неопределённость) и собственно неопределённость (неизмеримую, уникальную ситуацию, не поддающуюся статистическому анализу). Найт показал, что именно неопределённость, а не риск, является источником предпринимательской прибыли.

В 1930-е годы Джон фон Нейман и Оскар Моргенштерн заложили основы теории игр, которая формализовала принятие решений в условиях неопределённости, введя понятие стратегического взаимодействия. В 1944 году вышла их монография «Теория игр и экономическое поведение». Параллельно развивалась статистическая теория решений (Абрахам Вальд, 1939), где неопределённость описывалась через «состояния природы».

В 1950-е годы Леонард Сэвидж предложил теорию субъективной ожидаемой полезности (SEU), в которой неопределённость сводится к субъективным вероятностям. В 1961 году Дэниел Эллсберг провёл знаменитый эксперимент («парадокс Эллсберга»), показавший, что люди систематически предпочитают известные вероятности неизвестным, что противоречит теории SEU. Это стимулировало развитие поведенческой экономики (Даниэль Канеман, Амос Тверски, 1970-е), которая выявила множество эвристик и когнитивных искажений при принятии решений в условиях неопределённости.

В конце XX — начале XXI века методы принятия решений в условиях неопределённости активно применяются в машинном обучении (байесовские сети, обучение с подкреплением), робототехнике (планирование в частично наблюдаемых средах), управлении проектами (метод PERT, анализ «что если»), а также в военном деле (теория игр для конфликтов).

Классификация неопределённости

В теории принятия решений выделяют несколько типов неопределённости:

• Алеаторная (стохастическая) неопределённость — связана со случайностью, присущей процессу (например, бросок монеты). Может быть описана вероятностными распределениями.
• Эпистемическая неопределённость — связана с неполнотой знаний о системе или среде (например, неизвестная вероятность события). Устраняется по мере получения информации.
• Стратегическая неопределённость — возникает в ситуациях взаимодействия, когда решения других участников (агентов) неизвестны (теория игр).
• Неопределённость целей — когда лицо, принимающее решение, не имеет чётко сформулированных критериев или они противоречивы.
• Неопределённость последствий — когда результат выбора не может быть предсказан с достаточной точностью.

Основные подходы и критерии

Для принятия решений в условиях неопределённости разработаны формальные критерии, которые позволяют выбрать альтернативу на основе матрицы выигрышей (или потерь) при различных состояниях среды. Наиболее известные критерии:

Критерий Вальда (максимин)

Ориентирован на наихудший возможный исход. Выбирается альтернатива, максимизирующая минимальный выигрыш (или минимизирующая максимальный проигрыш). Соответствует крайне осторожной (пессимистической) стратегии.

Критерий Сэвиджа (минимаксного сожаления)

Основан на понятии «сожаления» — разницы между фактическим выигрышем и максимально возможным выигрышем при данном состоянии среды. Выбирается альтернатива, минимизирующая максимальное сожаление. Этот критерий направлен на минимизацию потерь от неверного решения.

Критерий Гурвица (оптимизма-пессимизма)

Позволяет учесть степень оптимизма лица, принимающего решение, с помощью коэффициента α (от 0 до 1). Для каждой альтернативы вычисляется взвешенная сумма лучшего и худшего исходов: α max + (1-α) min. Выбирается альтернатива с максимальным значением.

Критерий Лапласа (равновероятности)

Предполагает, что все состояния среды равновероятны, и выбирается альтернатива с максимальной средней полезностью. Применяется при полном отсутствии информации о вероятностях.

Критерий Байеса-Лапласа

Используется, когда вероятности состояний среды известны (субъективно или объективно). Выбирается альтернатива с максимальной ожидаемой полезностью.

Поведенческие аспекты

Психологические исследования (Канеман, Тверски) выявили, что люди в условиях неопределённости часто нарушают принципы рациональности, используя эвристики:

• Эвристика доступности — оценка вероятности события на основе лёгкости, с которой примеры приходят на ум.
• Эвристика репрезентативности — оценка вероятности на основе сходства с типичным представителем категории.
• Эффект обрамления (framing) — зависимость выбора от формулировки задачи (например, «выживут 200 человек» vs «погибнут 400 человек»).
• Неприятие неопределённости (ambiguity aversion) — предпочтение известных рисков неизвестным (парадокс Эллсберга).

Эти искажения приводят к систематическим ошибкам, которые изучаются в поведенческой экономике и нейробиологии принятия решений.

Применение в различных областях

Экономика и бизнес

Принятие решений в условиях неопределённости лежит в основе инвестиционного анализа (оценка проектов с неопределёнными денежными потоками), управления рисками, ценообразования опционов и страхования. Используются методы реальных опционов, сценарного анализа, имитационного моделирования (Монте-Карло).

Военное дело

Военные стратегии разрабатываются с учётом неопределённости действий противника и погодных условий. Применяются теория игр, разведывательный анализ, методы оценки обстановки.

Медицина

Врачи принимают решения о диагностике и лечении при неполной информации о состоянии пациента и эффективности методов. Используются байесовские методы, деревья решений, клинические рекомендации.

Техника и робототехника

Автономные системы (беспилотные автомобили, дроны) работают в частично наблюдаемых средах. Применяются методы частично наблюдаемых марковских процессов принятия решений (POMDP), байесовского фильтра, обучения с подкреплением.

Искусственный интеллект

В машинном обучении неопределённость моделируется с помощью вероятностных графических моделей (байесовские сети, марковские сети), ансамблевых методов (случайный лес, бэггинг), а также байесовского глубокого обучения.

Критика и ограничения

Критики отмечают, что формальные критерии (Вальда, Сэвиджа, Гурвица) являются упрощёнными и не учитывают сложность реальных ситуаций, где возможны не только дискретные состояния, но и непрерывные распределения, а также динамическое изменение информации. Кроме того, субъективные вероятности, используемые в байесовском подходе, могут быть подвержены манипуляциям и когнитивным искажениям.

Поведенческая экономика показывает, что люди не всегда следуют рациональным моделям, а организации часто принимают решения на основе интуиции, групповой динамики и политических соображений, что делает формальные методы лишь одним из инструментов поддержки.

Интересные факты

• Парадокс Эллсберга (1961) продемонстрировал, что люди предпочитают играть в лотерею с известными вероятностями, даже если она менее выгодна, чем лотерея с неизвестными вероятностями.
• В 2011 году Нобелевская премия по экономике была присуждена Томасу Сардженту и Кристоферу Симсу за эмпирические исследования причинно-следственных связей в макроэкономике в условиях неопределённости.
• Метод Монте-Карло, широко используемый для моделирования неопределённости, был разработан в 1940-х годах Станиславом Уламом и Джоном фон Нейманом в рамках Манхэттенского проекта.

Источники

• Найт Ф. Х. Риск, неопределённость и прибыль. — М.: Дело, 2003.
• Нейман Дж. фон, Моргенштерн О. Теория игр и экономическое поведение. — М.: Наука, 1970.
• Канеман Д., Тверски А. Принятие решений в условиях неопределённости: правила и предубеждения // Психологический журнал. — 1982.
• Savage L. J. The Foundations of Statistics. — Wiley, 1954.
• Эллсберг Д. Риск, неопределённость и парадокс Сэвиджа // Quarterly Journal of Economics. — 1961.
• Вальд А. Статистические решающие функции. — М.: Иностранная литература, 1960.
• Гурвиц Л. Критерий оптимизма-пессимизма // Econometrica. — 1951.