Принятие решения на основе проб и ошибок

From Wikipedia, the free encyclopedia

Trial and error is a fundamental method of problem-solving^[1] characterized by repeated, varied attempts which are continued until success,^[2] or until the practicer stops trying.

According to W.H. Thorpe, the term was devised by C. Lloyd Morgan (1852–1936) after trying out similar phrases «trial and failure» and «trial and practice».^[3] Under Morgan’s Canon, animal behaviour should be explained in the simplest possible way. Where behavior seems to imply higher mental processes, it might be explained by trial-and-error learning. An example is a skillful way in which his terrier Tony opened the garden gate, easily misunderstood as an insightful act by someone seeing the final behavior. Lloyd Morgan, however, had watched and recorded the series of approximations by which the dog had gradually learned the response, and could demonstrate that no insight was required to explain it.

Edward Lee Thorndike was the initiator of the theory of trial and error learning based on the findings he showed how to manage a trial-and-error experiment in the laboratory. In his famous experiment, a cat was placed in a series of puzzle boxes in order to study the law of effect in learning.^[4] He plotted to learn curves which recorded the timing for each trial. Thorndike’s key observation was that learning was promoted by positive results, which was later refined and extended by B. F. Skinner’s operant conditioning.

Trial and error is also a method of problem solving, repair, tuning, or obtaining knowledge. In the field of computer science, the method is called generate and test (Brute force). In elementary algebra, when solving equations, it is guess and check.

This approach can be seen as one of the two basic approaches to problem-solving, contrasted with an approach using insight and theory. However, there are intermediate methods which for example, use theory to guide the method, an approach known as guided empiricism.

This way of thinking has become a mainstay of Karl Popper’s critical rationalism.

Methodology[edit]

The trial and error approach is used most successfully with simple problems and in games, and it is often the last resort when no apparent rule applies. This does not mean that the approach is inherently careless, for an individual can be methodical in manipulating the variables in an attempt to sort through possibilities that could result in success. Nevertheless, this method is often used by people who have little knowledge in the problem area. The trial-and-error approach has been studied from its natural computational point of view ^[5]

Simplest applications[edit]

Ashby (1960, section 11/5) offers three simple strategies for dealing with the same basic exercise-problem, which have very different efficiencies. Suppose a collection of 1000 on/off switches have to be set to a particular combination by random-based testing, where each test is expected to take one second. [This is also discussed in Traill (1978–2006, section C1.2]. The strategies are:

• the perfectionist all-or-nothing method, with no attempt at holding partial successes. This would be expected to take more than 10^301 seconds, [i.e., 2^1000 seconds, or 3·5×(10^291) centuries]
• a serial-test of switches, holding on to the partial successes (assuming that these are manifest), which would take 500 seconds on average
• parallel-but-individual testing of all switches simultaneously, which would take only one second

Note the tacit assumption here that no intelligence or insight is brought to bear on the problem. However, the existence of different available strategies allows us to consider a separate («superior») domain of processing — a «meta-level» above the mechanics of switch handling — where the various available strategies can be randomly chosen. Once again this is «trial and error», but of a different type.

Hierarchies[edit]

Ashby’s book develops this «meta-level» idea, and extends it into a whole recursive sequence of levels, successively above each other in a systematic hierarchy. On this basis, he argues that human intelligence emerges from such organization: relying heavily on trial-and-error (at least initially at each new stage), but emerging with what we would call «intelligence» at the end of it all. Thus presumably the topmost level of the hierarchy (at any stage) will still depend on simple trial-and-error.

Traill (1978–2006) suggests that this Ashby-hierarchy probably coincides with Piaget’s well-known theory of developmental stages. [This work also discusses Ashby’s 1000-switch example; see §C1.2]. After all, it is part of Piagetian doctrine that children learn first by actively doing in a more-or-less random way, and then hopefully learn from the consequences — which all has a certain resemblance to Ashby’s random «trial-and-error».

Application[edit]

Traill (2008, espec. Table «S» on p.31) follows Jerne and Popper in seeing this strategy as probably underlying all knowledge-gathering systems — at least in their initial phase.

Four such systems are identified:

• Natural selection which «educates» the DNA of the species,
• The brain of the individual (just discussed);
• The «brain» of society-as-such (including the publicly held body of science); and
• The adaptive immune system.

Features[edit]

Trial and error has a number of features:

• solution-oriented: trial and error makes no attempt to discover why a solution works, merely that it is a solution.
• problem-specific: trial and error makes no attempt to generalize a solution to other problems.
• non-optimal: trial and error is generally an attempt to find a solution, not all solutions, and not the best solution.
• needs little knowledge: trials and error can proceed where there is little or no knowledge of the subject.

It is possible to use trial and error to find all solutions or the best solution, when a testably finite number of possible solutions exist. To find all solutions, one simply makes a note and continues, rather than ending the process, when a solution is found, until all solutions have been tried. To find the best solution, one finds all solutions by the method just described and then comparatively evaluates them based upon some predefined set of criteria, the existence of which is a condition for the possibility of finding a best solution. (Also, when only one solution can exist, as in assembling a jigsaw puzzle, then any solution found is the only solution and so is necessarily the best.)

Examples[edit]

Trial and error has traditionally been the main method of finding new drugs, such as antibiotics. Chemists simply try chemicals at random until they find one with the desired effect. In a more sophisticated version, chemists select a narrow range of chemicals it is thought may have some effect using a technique called structure–activity relationship. (The latter case can be alternatively considered as a changing of the problem rather than of the solution strategy: instead of «What chemical will work well as an antibiotic?» the problem in the sophisticated approach is «Which, if any, of the chemicals in this narrow range will work well as an antibiotic?») The method is used widely in many disciplines, such as polymer technology to find new polymer types or families.

Trial and error is also commonly seen in player responses to video games — when faced with an obstacle or boss, players often form a number of strategies to surpass the obstacle or defeat the boss, with each strategy being carried out before the player either succeeds or quits the game.

Sports teams also make use of trial and error to qualify for and/or progress through the playoffs and win the championship, attempting different strategies, plays, lineups and formations in hopes of defeating each and every opponent along the way to victory. This is especially crucial in playoff series in which multiple wins are required to advance, where a team that loses a game will have the opportunity to try new tactics to find a way to win, if they are not eliminated yet.

The scientific method can be regarded as containing an element of trial and error in its formulation and testing of hypotheses. Also compare genetic algorithms, simulated annealing and reinforcement learning – all varieties for search which apply the basic idea of trial and error.

Biological evolution can be considered as a form of trial and error.^[6] Random mutations and sexual genetic variations can be viewed as trials and poor reproductive fitness, or lack of improved fitness, as the error. Thus after a long time ‘knowledge’ of well-adapted genomes accumulates simply by virtue of them being able to reproduce.

Bogosort, a conceptual sorting algorithm (that is extremely inefficient and impractical), can be viewed as a trial and error approach to sorting a list. However, typical simple examples of bogosort do not track which orders of the list have been tried and may try the same order any number of times, which violates one of the basic principles of trial and error. Trial and error is actually more efficient and practical than bogosort; unlike bogosort, it is guaranteed to halt in finite time on a finite list, and might even be a reasonable way to sort extremely short lists under some conditions.

Jumping spiders of the genus Portia use trial and error to find new tactics against unfamiliar prey or in unusual situations, and remember the new tactics.^[7] Tests show that Portia fimbriata and Portia labiata can use trial and error in an artificial environment, where the spider’s objective is to cross a miniature lagoon that is too wide for a simple jump, and must either jump then swim or only swim.^[8][9]

See also[edit]

References[edit]

Further reading[edit]

• Ashby, W. R. (1960: Second Edition). Design for a Brain. Chapman & Hall: London.
• Traill, R.R. (1978–2006). Molecular explanation for intelligence…, Brunel University Thesis, HDL.handle.net
• Traill, R.R. (2008). Thinking by Molecule, Synapse, or both? — From Piaget’s Schema, to the Selecting/Editing of ncRNA. Ondwelle: Melbourne. Ondwelle.com — or French version Ondwelle.com.
• Zippelius, R. (1991). Die experimentierende Methode im Recht (Trial and error in Jurisprudence), Academy of Science, Mainz, ISBN 3-515-05901-6

Метод проб и ошибок
– старейший из методов поиска новых
решений.

Впервые метод проб
и ошибок был описан немецким физиологом
Э.Торндайком в 1898г.

Метод проб и ошибок
— форма обучения, описанная, основанная
на закреплении случайно совершенных
двигательных и мыслительных актов, за
счет которых была решена значимая для
животного задача. В следующих пробах
время, которое затрачивается животным
на решение аналогичных задач в аналогичных
условиях, постепенно, хотя и не линейно,
уменьшается, до тех пор, пока не приобретает
форму мгновенного решения. В дальнейшем
более точный анализ поведения методом
проб и ошибок показал, что оно не является
полностью хаотическим и нецелесообразным,
как считал Торндайк, но интегрирует в
себе прошлый опыт и новые условия для
решения задачи.

Сегодня, с развитием
электронно-вычислительной техники,
метод проб и ошибок стал отправной
точкой для создания разнообразных
методов случайного поиска, где используется
не просто перебор всех возможных
вариантов, а сложная система «весовых»
коэффициентов, которая позволяют
отбросить неэффективные варианты уже
на ранних этапах поиска.

Метод проб и ошибок
— способ выработки новых форм поведения
в проблемных ситуациях. М. п. и о., широко
используемый бихевиоризмом для объяснения
научения как вероятностного процесса,
получил распространение в психологии
после работ Э. Л. Торндайка, согласно
которым слепые пробы, ошибки и случайный
успех, закрепляющий удачные пробы,
определяют путь приобретения
индивидуального опыта у животных и
человека. Тем самым была выделена
согласованность поведения со средой
на вероятностной основе, что позволило
при интерпретации категории действия
выйти за пределы жесткой альтернативы:
либо механистической, либо телеологической
его трактовки. Гештальтпсихология
подвергла М. п. и о. критике, противопоставив
ему решение проблемы путем инсайта.
Непродуктивность и теоретическая
слабость такого противопоставления
была показана И. П. Павловым. Свое значение
М. п. и о. сохранил лишь в узкой сфере
искусственно создаваемых ситуаций; в
частности, он вошел в состав конструктивных
принципов кибернетических устройств.

2. Метод случайного поиска.

Метод случайного
поиска относится к группе итерационных
методов минимизации.

Итерационные
методы минимизации функции F(x) состоят
в построении последовательности

векторов, то есть
точек x0, x1, …, xk, таких, что F(x0) > F(x1)
>…>F(xk)>… Любой такой метод называется
методом спуска. Естественно, должна
быть обеспечена сходимость. Иными
словами, рассматриваются методы,
позволяющие получить точку минимума
за конечное число шагов, или приблизиться
к ней достаточно близко при соответствующем
числе шагов. Дето в том, что теоретически
все сходящиеся методы этим свойством
обладают, но практически близость к
минимуму в задачах большой размерности
ограничивается ошибками вычислений. В
этой связи необходимо вести вычисления
с самой большой возможной точностью.
Для построения итерационной
последовательности необходимо выбрать
начальное приближение x0. В задачах с
ограничениями это должна быть допустимая
точка, а в задачах без ограничений
теоретически любая точка. Однако
целесообразно использовать всю имеющуюся
информацию о поведении целевой функции
F(x), чтобы выбрать x0 поближе к точке
минимума.

После того, как
начальное приближение получено, прежде
чем перейти к следующей точке нужно
принять два решения:

1). Выбрать
направление, по которому пойдем из x0 в
точку с меньшим значением целевой
функции (направление спуска).

2). Определить
величину шага по направлению спуска.

Для задач безусловной
минимизации любое напрвление является
возможным (никакие ограничения не
мешают), но далеко не все направления
приемлемы. Нас могут интересовать только
те направления, которые обеспечивают
убывание целевой функции, хотя бы при
достаточно малом шаге. Предполагая
непрерывность первых частных производных
целевой функции и используя её разложение
в ряд Тэйлора в произвольной точке х,
получим F(x+λp) ~ F(x) + X(g,p). Здесь g — градиент
функции, вычисленный в точке х. Отсюда
следует, что приращение функции F(x+Xp) –
F(x) < 0 при отрицательном скалярном
произведении (g,p). Итак, направление
спуска должно составлять острый угол
с антиградиентом. Этот вывод справедлив
и для задач с ограничениями, но там ещё
дополнительно требуется, чтобы при
достаточно малом шаге не нарушалось ни
одно из ограничений.

Методы
функционально-структурного исследования
объектов.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

ТРИЗ и АРИЗ Г. С. Альтшуллера

Большинство рассмотренных выше подходов предполагают поиск решений методом проб и ошибок, при котором появляется масса «пустых» проб, которые приходится отсеивать, затрачивая большое количество времени.
Основная идея Г.С. Альтшуллера заключается в том, что поиск решения осуществляется в строгой логической последовательности на основе законов развития технических (и иных) систем.

Первая публикация по теории решения изобретательских задач (ТРИЗ) относится к 1956 г. В основу ТРИЗ положены законы материалистической диалектики, общие законы развития систем, законы, выявленные на основе изучения исторических тенденций развития техники, а также некоторые аналоги биологических законов. Законы проверялись, уточнялись и детализировались на основе анализа больших массивов патентной информации, включавших десятки и сотни тысяч отобранных патентов и авторских свидетельств.

Сложившаяся система законов включает:

• закон полноты частей системы: необходимым условием принципиальной жизнеспособности технической системы является наличие и минимальная работоспособность основных частей системы; чтобы техническая система была управляемой, необходимо, чтобы хотя бы одна ее часть была управляемой;
• закон «энергетической проводимости» системы: необходимым условием принципиальной жизнеспособности технической системы является сквозной проход энергии по всем частям системы; чтобы часть технической системы была управляемой, необходимо обеспечить энергетическую проводимость между этой частью и органами управления;
• закон согласования ритмики частей системы: необходимым условием принципиальной жизнеспособности технической системы является согласование ритмики (частоты колебаний, периодичности) всех частей системы;
• закон увеличения степени идеальности системы: развитие всех систем идет в направлении увеличения степени идеальности;
• закон неравномерности развития частей системы: развитие частей системы идет неравномерно; чем сложнее система, тем неравномернее развитие ее частей;
• закон перехода в надсистему: исчерпав возможности развития, система включается в надсистему в качестве одной из частей; при этом дальнейшее развитие идет на уровне надсистемы;
• закон перехода с макроуровня на микроуровень: развитие рабочих органов системы идет сначала на макро-, а затем на микроуровне;

• закон увеличения степени вепольности: развитие технических систем идет в направлении увеличения степени вепольности (веполь – от слов «вещество» и «поле» – условная модель технической системы,
  которая отражает только одно, но главное для данной задачи свойство
  системы);
• закон S-образного развития (рис. 13).

Важное значение в ТРИЗ имеет упорядоченный и постоянно пополняемый информационный фонд: указатели применения физических, химических и
геометрических эффектов, банк типовых приемов устранения технических и физических противоречий. ТРИЗ возникла в технической сфере, потому что здесь мог быть использован мощный патентный фонд, который и послужил фундаментом теории. В то же время развитие других сфер – научной, социальной, сферы искусства – подчинено сходным закономерностям. Поэтому многие идеи и технологии ТРИЗ могут быть использованы для решения нетехнических творческих задач.

Теоретическая база ТРИЗ непрерывно развивается благодаря деятельности Фонда Г.С. Альтшуллера. Одновременно развиваются и рабочие инструменты совершенствования систем и построения новых систем – алгоритм решения изобретательских задач (АРИЗ) и система изобретательских стандартов.

АРИЗ-85-В, последняя из разработанных при личном участии Г.С. Альтшуллера версий АРИЗа, включает девять основных частей и ряд приложений:

1) анализ задачи;

2) анализ модели задачи;

3) определение ИКР (образа идеального конечного результата, решения) и формулировка противоречия, мешающего его достичь;

4) мобилизация и применение ВПР (вещественно-полевых ресурсов);

5) применение информационного фонда ТРИЗ;

6) изменение или замена задачи;

7) анализ способа устранения физического противоречия;

применени еполученного ответа;

9) анализ хода решения.

Метод проб и ошибок (в просторечии также: метод (научного) тыка) — является врождённым методом мышления человека. Также этот метод называют методом перебора вариантов.

В 1898 году описан Э. Торндайком как форма научения, основанная на закреплении случайно совершённых двигательных и мыслительных актов, за счет которых была решена значимая для животного задача. В следующих пробах время, которое затрачивается животным на решение аналогичных задач в аналогичных условиях, постепенно, хотя и не линейно, уменьшается, до тех пор, пока не приобретает форму мгновенного решения. Последующий анализ метода проб и ошибок показал, что он не является полностью хаотическим и нецелесообразным, а интегрирует в себе прошлый опыт и новые условия для решения задачи.

Достоинства и недостатки

Если рассматривать абсолютно случайный перебор вариантов, то можно сделать следующие выводы:

Достоинства метода:

1. Этому методу не надо учиться.
2. Методическая простота решения.
3. Удовлетворительно решаются простые задачи (не более 10 проб и ошибок).

Недостатки метода:

1. Плохо решаются задачи средней сложности (более 20—30 проб и ошибок) и практически не решаются сложные задачи (более 1000 проб и ошибок).
2. Нет приёмов решения.
3. Нет алгоритма мышления, мы не управляем процессом думанья. Идет почти хаотичный перебор вариантов.
4. Неизвестно, когда будет решение и будет ли вообще.
5. Отсутствуют критерии оценки силы решения, поэтому неясно, когда прекращать думать. А вдруг в следующее мгновение придет гениальное решение?
6. Требуются большие затраты времени и волевых усилий при решении трудных задач.
7. Иногда ошибаться нельзя ИЛИ этот метод не подходит (не будет человек резать на бомбе провода наугад).

Считается, что для метода проб и ошибок выполняется правило — «первое пришедшее в голову решение — слабое». Объясняют этот феномен тем, что человек старается поскорее освободиться от неприятной неопределённости и делает то, что пришло в голову первым.

Метод проб и ошибок лежит в основе принятия решений участниками рынка в условиях совершенной конкуренции, что является одной из главных причин постоянных кризисов.

ТРИЗ

МПиО — аббревиатура, обозначающая метод проб и ошибок. Часто встречается в текстах, так или иначе связанных с Теорией решения изобретательских задач. В ТРИЗ метод проб и ошибок рассматривается как эталон неэффективности. Для оценки какого-либо другого эвристического метода его сравнивают с МПиО. Так как МПиО — это метод перебора вариантов, то можно количественно определить число вариантов при использовании МПиО и сравнить с ним какой-либо другой эвристический метод. Такое математическое исследование предполагает, что количество необходимых вариантов обратно пропорционально эффективности метода и прямо пропорционально времени нахождения решения при его использовании. Однако точные количественные и статистические исследования проводятся редко. В ТРИЗ ограничиваются приблизительной количественной оценкой эффективности по уровням изобретательских задач (Ю. П. Саламатов).

Как точные, так и приблизительные количественные сравнения с МПиО возможны при допущении полной случайности перебора вариантов при использовании МПиО. В рамках ТРИЗ такая точка зрения служит обоснованием неэффективности МПиО. Однако с другой стороны выбор вариантов не может быть полностью произвольным. Он ограничен предыдущим опытом, инерцией мышления, стереотипами и гештальтами. На этом ставится акцент в рамках другой теории — метасистематике. В рамках метасистематики основным недостатком МПиО считается фактическая неслучайность перебора вариантов.

См. также

• Решение задач
• Теория решения изобретательских задач