А зачем, собственно, система должна уметь решать обратную задачу? Дело в том, что путем трансформации образа можно задавать, например, новую структуру портфеля ценных бумаг и определять, какие бумаги и по каким ценам нужно покупать и/или продавать. При обучении работе с системой оператор сопоставит, какие типы образов соответствуют удачным для той или иной ситуации операциям, и в дальнейшем будет стараться трансформировать генерируемые образы текущей ситуации в какой-либо из этих типов "удачных" образов. Сделать это можно путем применения уже довольно широко используемых систем канальной анимации с рендерингом (оцифровкой движений) в реальном времени и интерфейсных перчаток или систем типа "трехмерная мышь" (owl), которые позволят переводить движения оператора, связанные с трансформацией возникающего образа, в цифровые коды, на основе которых и будет определяться происходящая трансформация образа и решаться обратная задача. Такой подход требует включения тактильных ощущений и сигналов обратной связи на мышцы оператора с тем, чтобы он мог физически ощущать сопротивление ситуации его действиям и искать альтернативные способы приведения образа к "удачному" типу. Кстати, в уже упомянутой выше системе VRoom есть среда machine farm, позволяющая почувствовать обратную связь от силовых устройств, имитирующих реакцию виртуальной среды на различные виды воздействия "погруженного" оператора.
При реализации данного подхода представляется почти фантастическая, но, судя по всему, весьма перспективная возможность -- дополнительно повысить скорость за счет того, что оператор после приобретения некоторых практических навыков будет физически (инстинктивно) ощущать возникновение ситуации, угрожающей его портфелю активов по изменению движений "фантомного образа" ситуации на рынке. А использование виртуальной среды и средств анимации, таких как NURBS-сплайнов и метаболзов, позволит дополнить вышеупомянутую схему, придавая "фантому" и другим объектам виртуального мира свойства, не встречающиеся в физической реальности, но вполне реальные в информационных системах, а именно изменение информационного объекта при его перемещении (топологических преобразованиях или деструкциях), взаимопроникновение объектов и т. п.
Использование этих свойств может позволить точнее отображать, например, такую особенность портфеля финансовых инструментов, как изменение распределения активов в зависимости от эффективности тех или иных инструментов и степени их взаимного влияния (корреляции) друг на друга. Геометрически это может быть выражено изменением формы и взаимного расположения объектов при их перемещениях. В результате мы получаем высокоэффективное компьютерное средство для прямого и целенаправленного воздействияна процессы образного мышления человека, причем в естественных условиях поиска решения реальных проблем.
Оптимизация коллективного поведения
Другим, еще более интересным аспектом применения виртуальных сред в мире финансов является их использование для исследования и создания моделей коллективного поведения на финансовых рынках с целью его оптимизации в специально созданном и организованном виртуальном мире. Успешность такого подхода продемонстрирована в обучающей среде "Лого", разработанной в Массачусетском технологическом институте (США), и близкой ей по замыслу серии программ "Жизнь". Существует и виртуальная программа A-Volve, содержащая систему PoleShop, которая позволяет наблюдать поведение существ в сконструированном виртуальном мире. Некий аналог такой системы есть и в сфере финансов -- это программа Ecovision (известна ее версия для компьютеров "Макинтош").
А теперь представим себе созданную с учетом сформулированных выше требований (т. е. корректного, однозначного для интерпретации и семантически адекватного отображения набора значений финансовых показателей в образы) виртуальную среду типа "Искусственная жизнь финансов" и организуем "погружение" в нее группы финансистов, которые смогут увидеть, ощутить и услышать процессы трансформации финансовой среды, вызванные их действиями. Реализуя сжатие временного масштаба модели, этот процесс можно сделать очень динамичным. Вполне возможно, что такое прямое общение и совместное моделирование ситуациипозволит финансистам выявить и, что очень важно, ощутить влияние надсистемных критериев на эффективность их коллективных действий, а в ходе последующих погружений разработать стратегии их согласованных действий на финансовых рынках. При этом структура организации виртуальной среды позволит каждому "игроку" оценить эффекты синхронизации и синергетизма в своих собственных действиях и почувствовать, как его поведение влияет на развитие рыночной ситуации в целом. Участники научатся оптимизировать соотношение собственных интересов с целями надсистемы, и их поведение будет похоже не столько на конкуренцию, сколько на коллективное творчество. Создания таких систем можно ожидать не ранее чем в ближайшие 5-8 лет, поскольку необходимые для этого технологии уже имеются, причем не только за рубежом, но и в России.
Благоприятные перспективы
Известные примеры применения новых методов анализа финансовых рынков, пока, возможно, сложных для понимания многими банкирами и финансистами, позволяют говорить об их эффективности. Не исключено, что дальнейшие работы в этой области откроют принципиально новые подходы к анализу рыночных процессов и поведения инвесторов. Можно также предположить, что они позволят выявить или породить новые парадигмы для всего рынка в целом, приведут к созданию принципиально иных интеллектуальных человеко-машинных комплексов, способных моделировать и использовать интуитивные творческие процессы человеческого мозга. Возможно, что уже нынешнее поколение людей увидит иные, в большей степени соответствующие коллективным интересам и принципам самоорганизации, способы и стратегии функционирования финансового рынка, которые придадут большую устойчивость и надежность всей финансовой системе в целом и большую уверенность каждому ее участнику в отдельности.