В этой выделенной области пространства происходят только медленные и хорошо прогнозируемые процессы. Поведение исследуемой системы можно достаточно легко представить на основе опыта или с помощью простых математических моделей небольшой размерности. Такой системой можно эффективно управлять.

Однако в фазовом пространстве бывают и области джокеров, в которых горизонт прогноза мал, число переменных велико (вплоть до бесконечности), а состояние управляемого объекта может меняться очень быстро или даже мгновенно и скачкообразным образом, что непредсказуемо классическими методами. Области джокера описывают пограничные, чрезвычайные ситуации. Управление в этих случаях требует особых приемов, навыков, подготовки и удачи, обеспечивающих робастность управления. Субъективные, случайные факторы, компетенция руководителя, его психологические установки и ценности в этом случае играют большую роль, нежели роль формализуемых компонентов модели.

Сказанное можно пояснить примером из области медицины. Если состояние больного находится в пределах одного из русел, то с проблемой вполне могут справиться терапевты. В области джокера нужны более решительные действия. Для этого может быть предложена схема СУ, предполагающая три иных, по сравнению с классическим подходом шага:

– Сначала следует определить, какие фазовые параметры описывают объект в достаточной для целей управления степени, подбираются методы цифрового мониторинга, позволяющие измерить каждого из них;

– Определенным способом, например, на основе предыстории системы, экспертных оценок или моделирования, строится фазовое пространство и в нем выделяются русла и области джокеров;

– Для каждой из этих областей выясняется, какое управление может дать наилучшие результаты. Формулируются ограничения и оцениваются возможности реализации управляющих воздействий.

С результатами этой проработки знакомятся люди, которым предстоит осуществлять управление. Это могут быть отдельные команды и специалисты, которые подбираются для управления в областях русел и джокеров.

Такое управление с выделением русел и джокеров может оказаться эффективнее традиционных подходов к СУ. Это подтверждает опыт разработки систем с биологической обратной связью. С пациента снимали в режиме реального времени параметры (фазовые переменные) его организма (давление, пульс, температура и др.), визуализировали их и указывали целевую область в пространстве фазовых переменных. В этой области лежат состояния, типичные для здорового человека. В результате те навыки, на формирование которых у человека ранее уходило несколько лет, в цифровой реальности удавалось выработать за несколько дней.

Вместе с тем приведенный пример обусловлен потребностью исследования исторического опыта, накопления обучающих примеров, формирования фазового пространства и пр. Однако такого опыта может оказаться недостаточным, или этот опыт может отсутствовать, решения и действия человека могут носить амбициозный и экстремальный характер, внешнее воздействие может быть совершенно неожиданным, спонтанным, скачкообразным, непредсказуемым и пр.

Учет некаузальности и бесконечномерности в изменении ситуации может быть обеспечен с применением инструментария сильного (общего) искусственного интеллекта (GAI), оперирующего как логическими, так и нелогическими аспектами ситуации, как эмоциональными, так и мыслительными слоями сознания участников принятия решений.

При зарождении подхода СУ он, как уже отмечено выше, развивался совместно с методами ИИ. Новые цифровые условия, заставляющие изменять методологический базис СУ, также требует опоры на продвинутые подходы в области ИИ. В этом развитии необходимо, прежде всего, выделять встроенные процессы управления, принципиально не поддающиеся формализации.

Формализуемые процессы управления основываются, как правило, на аналитической обработке больших данных или использовании нейронных сетей, баз знаний, лингвистических процессоров и пр. Неформализуемые процессы охватывают эмоциональную, медитативную, творческую и мыслительную деятельность, коллективное обсуждение вопросов. В этом контексте общие требования к развитию ИИ можно свести к следующему списку:

– ориентация на потенциальные неформализуемые требования представителей различных секторов экономики,

– Учет как денотативных (формализованных, структурных), так и сигнификативных (когнитивных, мыслительных, эмоциональных, медитативных, феноменологических) семантик,

– Создание условий для конвергентной (сходящейся к целям) сборке междисциплинарных результатов работ,

– Решение обратных задач на понятийных (неметрических) пространствах, отличающихся высоким уровнем неустойчивости решения,

– Применение методов обеспечения семантической интероперабельности, виртуального сотрудничества и ситуационной осведомленности,

– Комплексность интерпретации проблемных ситуаций, масштабируемость решений,

– Робастность, помехоустойчивость и стойкость к внешним воздействиям,

– Гибкость, эффективность и результативность, конкурентоспособность и быстрота выхода на рынок.

В архитектуре продвинутых систем ИИ при решении вопросов цифровой экономики комплексно учитываются такие аспекты разработки, как: