Penyelesaian_Masalah-Kertas_Kerja

1.0 PENGENALAN Pekerjaan para pengurus, saintis, jurutera, peguam merupakan pekerjaan yang banyak menjurus kepada kerja membuat keputusan dan menyelesaikan masalah. Ia adalah kerja memilih isu yang memerlukan perhatian, meletakkan matlamat, mencari atau mereka siri tindakan, menilai dan memilih antara tindakan alternatif. Tiga aktiviti pertama ini iaitu agenda - menetapkan matlamat dan mereka tindakan biasanya dipanggil penyelesaian masalah; manakala yang terakhir, menilai dan memilih dipanggil membuat keputusan. Tiada apa lagi yang lebih penting untuk sesuatu masyarakat itu selain dari kerja ini dapat dilakukan dengan baik dan berkesan. Tumpuan diberikan sepenuhnya kepada banyak masalah di peringkat kebangsaan (budget, deficit dagangan, AIDS, keselamatan kebangsaan), pada peringkat organisasi perniagaan (pembaikan produk, keberkesanan pengurusan, pilihan pelaburan), dan pada peringkat kehidupan individu seseorang (memilih karier atau sekolah, membeli rumah. Kebolehan dan skil yang menentukan kualiti keputusan dan penyelesaian masalah bukan hanya tersimpan di dalam lebih dari 200 juta otak manusia, tetapi juga di dalam peralatan dan mesin., dan terutamannya sekarang di dalam alat yang kita panggil komputer. Kepintaran atau kederdasan ini dikatakan menjadi asas kepada bangsa Amerika yang membolehkan masyarakat Amerika mencapai tahap yang membanggakan pada peringkat produktiviti ekonomi. Tiada apa yang lebih menjanjikan atau menjadi target utama untuk menjadi asas penyelidikan saintifik jika dibandingkan dengan memahami bagaimana minda manusia berfikir, dengan dan tanpa bantuan komputer, dapat menyelesaikan masalah dan membuat keputusan dengan berkesan, dapat menambah baik dalam keupayaan menyelesaikan masalah dan membuat keputusan. Dalam bagi bidang psikologi, ekonomi, matematik statistik, operasi penyelidikan, sains politik, kecerdasan tiruan (artificial intelligence), dan sains kognitif, banyak yang telah dicapai dalam penyelidikan major yang telah dibuat sepanjang setengah abad untuk memahami penyelesaian masalah dan membuat keputusan. Kejayaan ini menjanjikan sesuatu yang baru dan maju serta menarik yang akan menyumbangkan kelebihan kepada masyarakat untuk menyelesaikan sesuatu masalah yang kita hadapi secara pintar dalam berbagai isu sama ada kecil atau besar. Kebanyakan pengetahuan sedia ada mengenai membuat keputusan dan menyelesaikan masalah yang didapati dari penyelidikan ini telah digunapakai di dalam aplikasi yang meluas dan pelbagai, termasuklah prosedur yang digunakan untuk menilai keselamatan ubat-ubatan, kaedah pengawalan inventori untuk industri, sistem kepakaran baru yang diletakkan di dalam teknik kecerdasan tiruan, prosedur untuk permodelan tenaga dan sistem persekitaran, dan analisis untuk kestabilan atau ketidakstabilan kesan alternatif strategi pertahanan. Sesetengah dari pengetahuan yang didapati melalui penyelidikan menunjukkan bagaimana cara manusia membuat keputusan dan menyelesaikan masalah; ada di antaranya menunjukkan kaedah yang lebih baik, memberikan kaedah untuk menambah baik proses tersebut. Pusat kepada badan pengetahuan preskriptif tentang membuat keputusan adalah merupakan teori utiliti jangkaan subjektif (subjective expected utility – SEU), suatu model pilihan matematik yang sofistikated yang merupakan asas kepada kebanyakan teori statistik dan operasi penyelidikan. Teori SEU mendefinisikan keadaan rasional unggul penggunaan utiliti secara maksima dalam keadaan yang pasti atau dalam kedaan di mana distribusi kebarangkalian ke atas semua pembolehubah yang relevan boleh diberikan atau disumbangkan oleh pembuat keputusan. (Dalam bayangan ia mungkin boleh dibandingkan dengan teori gas lengai atau jasad tanpa geseran yang sedang meluncur di atas papan di dalam kedaan vakum). Teori SEU ini hanya digunakan dalam membuat keputusan, ia langsung tiada kaitan dengan kerangka masalah, meletakkan matlamat, atau membentuk alternatif baru. Teori pilihan preskriptif sepertimana teori SEU ini dilengkapi oleh penyelidikan empirikal yang menunjukkan bagaimana manusia sebenarnya membuat keputusan (membeli insuran, mengundi calon politik, atau melabur dalam saham), dan penyelidikan dilakukan ke atas proses-proses yang dilakukan oleh individu untuk menyelesaikan masalah (bagaimana laluan tindakan kimia). Penyelidikan ini menunjukkan bahawa manusia menyelesaikan masalah secara selektif, pencarian heuristik melalui ruang masalah dan pengkalan data yang luas, menggunakan analisis ‘means-end’ (MEA) sebagai teknik asas untuk memandu arah dalam pencarian ini. Sistem kepakaran sekarang yang telah dihasilkan melalui penyelidikan ke atas kecerdasan tiruan dan diaplikasikan ke atas tugasan seperti menginterpretasikan log penggerudian telaga minyak atau membuat diagnosis perubatan adalah hasil dari penemuan penyelidikan ke atas penyelesaian masalah yang dilakukan oleh manusia. Apa yang boleh dibezakan dalam penyelidikan empirikal ke atas membuat keputusan dan menyelesaikan masalah dari pendekatan perskriptif yang didapati dari teori SEU ialah perhatian yang dilakukan untuk membuat keputusan terhad kepada batasan sifat rasional manusia. Had ini terjadi disebabkan oleh kekompleksan dunia yang kita diami sekarang, ketidak lengkapan dan kecetekan pengetahuan manusia, kepercayaan dan kegemaran individu yang tidak konsisten, konflik nilai di antara manusia dan kumpulan manusia, dan perkiraan yang tidak sempurna yang kita lakukan, walaupun dengan bantuan komputer yang paling berkuasa. Kenyataan sebenar keputusan manusia bukanlah seperti kenyataan dalam gas lengai, atau papan tanpa geseran, atau vakum. Untuk mendapat keputusan dalam skop kuasa pemikiran manusia, formulasi masalah hendaklah diringkaskan secara drastik, malah sehingga terpaksa tinggalkan sebahagian atau kebanyakan perkara yang relevan. Teori deskriptif penyelesaian masalah dan membuat keputusan terutamanya ditumpukan kepada bahagaimana manusia ‘membahagi’ masalah kepada komponen yang lebih kecil: bagaimana manusia menggunakan jangkaan, teknik heuristik untuk mengendalikan kekompleksan yang tidak dapat dilakukan dengan tepat. Dari teori deskriptif ini, muncullah teori baru yang telah diperbaiki, teori yang mengambil kira jurang dan elemen tidak nyata dalam teori SEU dengan merangkumi penyelesaian masalah dan juga pemilihan yang hanya memerlukan pada pengetahuan tertentu, konsisten, dan kuasa komputer yang sesuai dengan dunia sebenar. Setelah diketahui kini bahawa mengatasi kekompleksan merupakan pusat kepada membuat keputusan kepada manusia, maka penyelidikan ini lebih menjurus kepada fakta ini. Operasi penyelidikan dan kecerdasan tiruan merupakan dua alatan yang sedang berkembang maju dan pada masa yang sama, suatu badan teori matematik sedang berkisar sekitar topok kekomplaeksan komputasi. Seterusnya adalah gariskasar yang lebih lengkap tentang pengetahuan terkini mengenai membuat keputusan dan menyelesaikan masalah dan ulasan ringkas tentang penyelidikan terkini dalam bidang ini dan juga peluang penyelidikan asas. 2.0 MEMBUAT KEPUTUSAN (DECISION MAKING) 2.1 Teori Seu Pembentukan teori SEU merupakan pencapaian intelektual utama dalam separuh abad pertama ini. Ia memberikan buat pertama kalinya pernyataan prinsip tentang apakah ertinya bagi sesuatu agen untuk bertingkah laku secara konsisten dan rasional. Ia mengandaikan bahawa suatu alat membuat keputusan mempunyai fungsi untuk memilih penyelesaian masalah secara turutan, semua alternatif membuat keputusan diketahui dan apakah akibatnya apabila memilih untuk membuat keputusan itu akan terus dapat diketahui. Dengan menerima kebarangkalian yang diberikan, SEU membuka ruang untuk menyatukan pendapat subjektif dengan data objektif, suatu pendekatan yang juga boleh digunakan dalam sistem membuat keputusan manusia dengan bantuan mesin. Dalam versi kebarangkalian teori ini, syarat Bayes menetapkan bagaimana manusia sepatutnya mengambil kira maklumat baru dan bagaimana mereka sepatutnya bertindak balas kepada tindakan yang tidak lengkap. Andaian teori SEU sangat kukuh, ia membolehkan perkaitan inferens yang kuat dibuat. Walaupun andaian tidak dapat menyelesaikan semua situasi kompleks dalam dunia sebenar, ia boleh menyelesaikan kira-kira beberapa situasi masalah kecil yang boleh dipencilkan dari dunia yang sangat kompleks dan boleh ditangani secara sendirian. Sebagai contohnya, seorang pengurus operasi memberi makanan lembu mungkin ingin memencilkan masalah campuran makanan ternakan yang paling murah yang dapat memenuhi keperluan nutrien lembu-lembunya di ladang. Alat pemprograman linear berkomputer, yang merupakan kaedah yang sangat berkuasa untuk memaksimakan pencapaian matlamat atau meminimakan kos di samping dapat memenuhi semua keperluan sampingan (dalam kes ini, keperluan nutrien), boleh memberikan pengurus tersebut suatu campuran makanan yang optima – optima dalam model lingkungan anggaran dalam dunia nyata. Pemprograman linear dan teknik operasi penyelidikan yang berkaitan sedang digunakan secara meluas untuk membuat keputusan bilamana suatu situasi yang agak sesuai digunakan boleh dikeluarkan dari suatu persekitaran yang kompleks. Teknik-teknik ini sesungguhnya merupakan bantuan yang sangat berguna bagi pengurusan pertengahan dalam mengendalikan masalah untuk membuat keputusan yang mempunyai stuktur yang agak baik. Kebanyakan alatan dalam operasi penyelidikan moden, bukan hanya dalam pemprograman linear, malah juga pemprograman integer, ‘queuing theory’, decision trees’, dan lain-lain teknik yang digunakan secara meluas, menggunakan andaian dari teori SEU. Mereka mengandaikan bahawa apa yang benar-benar diperlukan ialah matlamat untuk memaksimakan pencapain beberapa matlamat, di bawah kekakangan yang ditetapkan dan mengandaikan juga bahawa semua alternatif dan akibat (atau pembahagian kebarangkalian) diketahui. Alatan-alatan ini telah mebuktikan ianya sangat berguna dalam aplikasi yang meluas dan pelbagai. 2.2 Had Rasionaliti Peralatan operasi penyelidikan juga telah menekankan had-had teori SEU dalam urusannya dengan kekompleksan masalah. Sebagai contohnya, komputer sekarang dan pada masa terdekat tidak cukup berkuasa untuk memberikan penyelesaian tepat kepada permasalahan penjadualan dan giliran kerja dalam suatu kilang tipikal yang menghasilkan beberapa jenis produk yang menggunakan mesin dan peralatan yang berbeza. Kekompleksan pengiraan bukan merupakan satu-satunya faktor yang menghadkan aplikasi sebenar teori SEU. Teori ini juga mempunyai permintaana maklumat yang tinggi. Untuk fungsi utiliti, julat alternatif yang ada dan akibat dari setiap alternatif mestilah juga diketahui. Peningkatan dalam penyelidikan dihalakan kepada membuat keputusan yang mengambil kira semua faktor sebenar yang mengambilkira semua jangkaan supaya dapat disesuaikan dengan keadaan dunia nyata. Ini termasuk jugalah dengan ketidak konsistenan nilai dan persepsi yang ada pada manusia dan komputer. Kajian proses membuat keputusan sebenar (sebagai contoh strategi yang digunakan oleh syarikat untuk membuat pelaburan) menunjukkan penyimpangan yang tidak dapat dielakkan dan banyak serta jauh dari kerangka teori SEU. Tajuk-tajuk yang akan dibincangkan menghuraikan beberapa perkara yang telah dipelajari tentang pilihan di bawah beberapa keadaan maklumat yang tidak lengkap, kuasa pengiraan terhad, ketidak tekalan, dan kekangan serta alternatif sesebuah institusi. Teori permainan (game theory), teori agensi (agency thery), pemilihan yang tidak pasti (choice uncertainty) dan teori pemasaran (theory of markets) merupakan beberapa hala tuju penyelidikan ini. Tujuannya ialah untuk membina teori preskriptif untuk aplikasi yang lebih meluas dan memberikan huraian dan penerangan yang lebih realistik apabila membuat keputusan sebenar. 2.3 Teori Permainan Dalam ekonomi, politik dan lain-lain situasi sosial di mana wujudnya percanggahan minat terutamanya jika digabungkan dengan maklumat yang tidak lengkap, teori SEU berhadapan dengan kesukaran yang berbeza. Dalam pasaran yang banyak persaingan (contoh: pasaran gandum), setiap penjual atau pembeli boleh menerima harga pasaran sebagaimana yang diberikan yang tidak dipengaruhi secara material oleh tindakan mana-mana individu. Dalam keadaan ini, teori SEU membuat andaian yang kabur tentang tingkah laku. Walaubagaimanapun, apabila pasaran hanya mempunyai sedikit pembekal, katakana dua orang, keadaan adalah berbeza. Dalam kes ini, setiap pembekal cuba untuk menang di antara satu dengan lain. Apakah keputusan yang rasional' Satu permainan yang telah dikaji dengan meluas dan mendalam iaitu secara teori dan empirikal ialah “Prisoner’s Dilemma”. Dalam permainan di antara dua orang pemain ini, kedua-duanya mempunyai dua pilihan di antara dua tindakan, salah satunya ialah mempercayai pemain yang satu lagi, manakala tindakan yang kedua ialah tidak mempercayai pemain yang satu lagi atau eksploitasi. Jika kedua-dua pemain memilih alternatif pertama, kedua-duanya akan menerima ganjaran yang sedikit. Jika kedua-duanya memilih pilihan kedua, kedua-duanya akan dihukum. Jika seorang memilih pilihan pertama dan seorang lagi memilih pilihan kedua, yang membuat pilihan pertama itu akan dihukum dengan lebih teruk dari kes yang awal tadi, manakala yang memilih pilihan kedua akan mendapat ganjaran yang agak baik. Jika seorang pemain itu telah membuat pilihan tetapi tidak diketahui, adalah lebih baik jika pemain yang satu lagi membuat pilihan yang kedua kerana dalam keadaan ini akan memberikan hasil yang terbaik dalam kedua-dua kes. Tetapi sekiranya kedua-dua pemain memilih alasan ini, kedua-duanya akan dihukum, walhal kedua-duanya boleh mendapat ganjaran jika mereka berdua setuju untuk membuat pilihan pertama (jika tidak ada yang berpaling tadah). Syarat permainan ini mempunyai persamaan tidak pasti yang serupa dengan beberapa situasi pertalian antara Negara dan di antara majikan dan persatuan pekerja. Persamaan akan menjadi lebih ketara jika seseorang itu membayangkan permainan tersebut boleh diulang semula. Analisis tingkah laku “rasional” yang mengandaikan bahawa tujuan memaksimakan utility menyokong kesimpulan bahawa pemain-pemain akan sentiasa memilih pilihan kedua. Bagaimanapun, ujikaji dalam makmal menunjukkan bahawa kedua-dua pemain akan memilih pilihan satu dan akan terus berkeadaan seperti ini selagi pemain yang satu lagi tidak menipu. Jika seorang pemain cuba mengeksploitasi lawannya dalam satu keadaan, pemain yang seorang lagi akan melakukan perkara yang sama dalam keadaan yang lain pula. Ini akan berterusan sehingglah pemain yang mula-mula tadi berbalik kepada pilihan pertama. Dalam keadaan ini, permainan biasanya stabil dengan para pemain meneruskan permainan dengan pilihan satu dan kedua-duanya mendapat ganjaran. Dengan penemuan empirikal ini, para ahli teori telah mencari dan menemui beberapa keadaan yang berkenaan dengan kestabilan rapuh ini. Ia akan wujud contohnya apabila kedua-dua pemain menetapkan aspirasi untuk mendapat ganjaran yang sebaiknya berbanding dengan mendapat ganjaran maksima. Keputusan ini adalah konsisten dengan penemuan dalam banyak keadaan sebagaimana dalam permainan “Prisoner’s Dilemma”, manusia lebih cenderung untuk mencapai tahap berpuas hati sahaja berbanding dengan mendapat sesuatu yang optima. Permainan ini menunjukkan sesuatu yang sangat penting dan sangat dihargai oleh sesiapa sahaja yang membuat penyelidikan dalam membuat keputusan. Terdapat banyak cara di mana tingkah laku sebenar manusia bertitik tolak dari teori SEU. Untuk membuat pemilihan dari banyak model alternatif dan mengelakkan dari sesuatu yang janggal, penyelidikan empirikal yang meluas perlu dilakukan – iaitu untuk melihat bagaimana manusia membuat pilihan, apakah kepercayaan yang memandu arah mereka, apakah maklumat yang mereka ada, dan bahagian maaklumat manakah yang diambil kira dan yang mana pula diabaikan. Dalam dunia rasional terhad, ekonomi dan lain-lain keputusan, sains mestilah memeriksa had sebenar rasionaliti demi untuk mendapatkan andaian tepat untuk mendapatkan pandangan polisi awam terbaik. 2.4 Kajian Empirikal Ke Atas Pilihan Yang Tidak Pasti Sejak sepuluh tahun yang lalu, kajian empirikal terhadap pilihan manusia dalam mana ketidakpastian, ketidak tekalan dan maklumat yang tidak lengkap telah menghasilkan koleksi yang kaya dengan dapatan yang kini mula dikemas kini di bawah generalisasi yang luas. Di sini diberikan beberapa contoh. Apabila manusia diberikan maklumat tentang kebarangkalian peristiwa tertentu (contohnya, berapa peguam dan jurutera dalam suatu populasi sample), kemudiannya diberikan maklumat tambahan tentang peristiwa tadi, mereka cenderung untuk mengenepikan kebarangkalian maklumat terdahulu. Oleh itu, jika mereka diberitahu 70 peratus dari populasi adalah peguam, jika jika mereka diberikan suatu huraian yang tidak pasti tentang seseorang (yang agak boleh menghuraikan seseorang peguam atau jurutera), pada kebisaannya separuh dari mereka kan mengagak bahawa individu tersebut adalah seorang peguam atau seorang jurutera, walaupun ternyata dari peraturan kebarangkalian andaian yang terbaik ialah mengandaikan individu tersebut ialah peguam. Terdapat situasi di mana manusia meneliti frekuensi sesuatu kelas dengan mudah dengan hanya melihat atau mencongak. Dalam satu kajian, subjek didengarkan kepada satu senarai nama yang mengandungi kedua-dua jantina dan kemudiannya ditanya samada terdapat lebih nama perempuan atau lelaki dalam senarai. Dalam satu senarai yang diberikan kepada beberapa subjek, nama personaliti lelakinya lebih popular dari perempuannya; manakala dalam senarai lain nama personaliti perempuannya adalah lebih popular dari nama lelaki. Bagi semua senarai, subjek mengenali jantina yang mempunyai senarai nama personaliti yang lebih popular. Cara bagaimana kebarangkalian yang tidak pasti dipersembahkan juga turut menyumbangkan kesan bagaimana orang bertindak balas dengannya. Apabila ditanya samada mereka akan memilih pembedahan perubatan kecemasan hipotetikal, ramai orang berkata bahawa mereka akan melakukannya sekiranya peluang untuk hidup yang diberikan adalah 80% jika dibandingkan dengan peluang kematian ialah 20%. Semasa kajian dilakukan, beberapa heuristik am, atau ‘rules of thumb’, yang biasa digunakan untuk membuat keputusan telah dikumpulkan – heuristik yang menyebabkan bias apabila mengklasifikasikan situasi berdasarkan ‘representativeness”, atau berdasarkan kekerapan kejadian yang telah berlaku berdasarkan ingatan dan bagaimana interpretasi yang dibuat berdasarkan bagaimana masalah dijelaskan. Dapatan kajian merupakan implikasi penting untuk polisi awam. 2.5 Kaedah Kajian Empirikal Untuk mendapatkan asas pemilihan yang digunakan oleh manusia adalah sukar. Manusia tidak selalunya boleh memberikan secara tepat bagaimana mereka membuat keputusan terutamanya apabila berlakunya ketidak pastian. Dalam banyak kes, mereka boleh menjangka bagaimana mereka akan bertingkah laku (pemilihan awal untuk pilihan raya), tetapi alasan yang diberikan tentang pemilihan mereka boleh dikaitkan dengan sikap rasionalisasi dan bukannya motif sebenar mereka. Tingkah laku pemilihan pelajar telah menambah baik kaedah penyelidikan mereka. Mereka bertanyakan responden tentang situasi spesifik berbanding dengan situasi umum. Mereka lebih sedar bahawa tingkah laku dalam situasi eksperimen mungkin berbeza dari tingkah laku semasa kehidupan sebenar, kerana mereka cuba untuk memenuhi kehendak ‘setting” dan motivasi eksperimen sebaik mungkin. Menggunakan protokol ‘thinking aloud’ dan pendekatan-pendekatan lain, mereka cuba mendapatkan tingkah laku pemilihan langkah demi langkah dari semata-mata bergantung kepada maklumat yang diperolehi dari responden. Kaedah paling biasa dalam penyelidikan empirikal dalam bidang ini masih lagi bertanyakan responden soalan-soalan. Tetapi data yang diperolehi dari kaedah ini disokong oleh data yang didapati dari dari eksperimen makmal yang direka dengan teliti dan juga dari pemerhatian sebenar tingkah laku pemilihan dilakukan (contohnya, tingkah laku pengguna di supermarket). Dalam penyelidikan eksperimen tentang pemilihan ini, subjek mungkin berurusan dalam pemasaran sebenar, pemerhatian juga turut dilakukan tentang prosedur yang digunakan dalam sesuatu syarikat korporat dalam menjalankan pelaburan baru atau menggunakan peralatan baru. Keyakinan dalam dapatan empirical dikumpulkan sejak beberapa dekad ditingkatkan lagi oleh konsintensi umum yang diperhatikan dari data yang dikumpulkan dari ‘setting’ yang agak berbeza menggunakan kaedah yang berbeza. Tugas yang mencabar dan berat masih menanti untuk menyatukan dapatan kajian ini bersama-sama ke dalam asas teori empirikal bagi membuat keputusan. Dengan keupayaan perolehan data, ‘enterprise’ pembinaan teori sedang menerima tunjuk ajar yang lebih baik dari fakta yang ada jika dibandingkan dengan dahulu. Sebagai hasilnya, kita boleh menjangkakan ia akan menjadi lebih efektik dalam mendapatkan model tingkah laku realistik. 3.0 PENYELESAIAN MASALAH Pemilihan teori mempunyai asas utama dalam ekonomi, statistik dan penyelidikan operasi dan hanya kebelakangan ini, mendapat banyak perhatian daripada ahli psikologi, teori penyelesaian masalah mempunyai sejarah yang berbeza. Penyelesaian masalah adalah pada mulanya dikaji oleh ahli psikologi dan kebelakangan ini oleh penyelidik dalam Kecerdasan Tiruan (AI). Ia menerima sedikit perhatian daripada ahli ekonomi. 3.1 Teori Penyelesaian Masalah Kontemporari Penyelesaian masalah biasanya dikaji dalam makmal, mengunakan masalah yang boleh diselesaikan dalam tempoh masa yang singkat (lebih daripada beberapa jam) dan sering kali mencari data yang mempunyai densiti maksimum berkaitan proses penyelesaian dengan meminta subjek untuk berfikir secara kuat (think aloud) semasa mereka bekerja. Teknik ‘think aloud’, pada mulanya, dicurigai oleh ahli behaviorisme sebagai subjektif dan ‘interspective’, tetapi mereka membuat kaedah perhatian secara teliti dalam tahun kebelakangan ini, dan ia digunakan untuk memperolehi data berkaitan tingkah laku subjek dalam bidang yang telah ditetapkan. Kajian makmal bagi penyelesaian masalah ditambah dengan kajian lapangan professional bagi penyelesaian masalah yang sebenar. Contoh: Ahli Fizik membuat pengenalpastian (diagnosis), ‘chess grandmasters analysising game positions’ dan sehinggakan kepada perniagaan koperat membuat keputusan pelaburan. Masa kini, rekod sejarah termasuk makmal saintis notebook (scientics lab notebook), juga digunakan untuk mengkaji proses penyelesaian masalah dalam penemuan saintifik. Scientics lab notebook yang berkaliber seperti Charles Darwin, Misheal Faraday, Antoine-Laurent Lavoisier dan Hans Krebs berjaya dalam kebanyakan penyelidikan. Daripada kajian empirikal, penerangan sekarang boleh diberi berkait dengan proses penyelesaian masalah yang digunakan untuk aktiviti yang lebih luas. Pertama; penyelesaian masalah umumnya ditimbulkan dengan pencarian terpilih melalui ketetapan kemungkinan menggunakan ‘rules of thumb’ (heuristik) untuk memandu pencarian. Disebabkan oleh kemungkinan dalam situasi masalah realistik pada umumnya terlalu banyak, penyelidikan cuba jaya (trial and error) tidak boleh dilakukan, maka pencarian mesti dikenalpasti. Salah satu prosedur yang selalu digunakan untuk membantu pencarian ialah ‘hill climbing’, menggunakan pendekatan yang tertentu bermatlamat untuk mengenal pasti di mana ianya beruntung untuk dilihat selepasnya. Prosedur yang lain, yang lebih berkuasa ialah Means-End Analysis (MEA). Dalam MEA, penyelesaian masalah membanding situasi semasa dengan matlamat, mengenal pasti perbezaan situasi tersebut, dan kemudian tindakan mencari memori untuk mengurangkan perbezaan. Jika perbezaan adalah lima puluh batu jauh daripada matlamat, penyelesaian masalah akan didapatkan semula daripada memori berkaitan autos, carts, bicycles dan lain pengangkutan, berjalan dan terbang akan mungkin dibuang sebagai tidak sesuai untuk jarak tersebut. Perkara ketiga yang perlu dipelajari berkaitan penyelesaian masalah, terutama bila penyelesai masalah tersebut adalah pakar, ialah ia bergantung pada jumlah maklumat yang banyak perlu disimpan dalam memori dan memperolehi semula bila penyelesai masalah mendapat klu memori yang releven. Pengetahuan yang pakar bagi diagnosis ditimbul oleh simptom yang ditunjukkan oleh pesakit, pengetahuan ini mengetuai pengumpulan semula apa-apa maklumat tambahan yang perlu untuk mengenal pasti berkaitan penyakit alternatif, akhir sekali kepada diagnosis. Dalam kebanyakan kes, ianya sesuai untuk menganggarkan berapa banyak corak (patten), yang penyelesai masalah pakar mesti boleh menyimpannya bertujuan mendapat faedah melalui pengetahuan yang releven yang disimpan dalam memorinya. Ahli diagnosis perubatan mesti menyimpan 10 ribu rajah symptom, botanist atau zoologist specializing taxonomy, 10 atau 100 ribu specimen untuk menyatakan (mendefinisikan) spesis mereka. Salah satu daripada pencapaian teori penyelesaian masalah adalah menyediakan penerangan untuk fenomena intuiti dan frekuensi keputusan tingkah laku pakar. Stor pengetahuan pakar ‘indexed’ dengan klu menyimpan yang mana membuatnya mudah diperolehi dan digabung dengan kebanyakan asas kapasiti inferens (mungkin dalam borang MEA), kiraan untuk kebolehan pakar bagi mendapatkan penyelesaian masalah yang sukar dan kadang-kadang untuk mendapatkannya dengan serta merta. Pakar ini ‘intuition’ dan ‘judgement’ diperolehi daripada kebolehan ini untuk menyimpan dengan pantas disambung kepada stor pengetahuan yang luas. Bila dengan serta merta intuition gagal, untuk menghasilkan penyelesaian masalah atau bila penyelesaian prospektif perlu dinilai, pakar kembali semula kepada proses yang perlahan bagi analisis dan inferens. 3.2 Sistem Pakar Dalam Kecerdasan Tiruan (AI). Selepas 30 tahun lepas, kerja-kerja berkumpulan berlaku dengan erat antara penyelidikan dalam psikologi dan penyelidikan dalam komputer sains bertujuan untuk membangunkan program kecerdasan. Penyelidikan kecerdasan tiruan diambil daripada kedua-dua penyelidikan di atas dan dilanjutkan untuk menyelidiki penyelesaian masalah manusia. Hari ini, kecerdasan tiruan dimulakan untuk menghasilkan sistem yang digunakan untuk pelbagai tugas, yang mana boleh menyelesaikan masalah yang sukar pada tahap latihan professional manusia. Program kecerdasan tiruan biasanya dipanggil ‘sistem pakar’. Penerangan mengenai sistem pakar yang biasa menyerupai penerangan yang diberi di atas berkenaan penyelesaian masalah yang biasa. Perbezan antara kedua-duanya adalan berbeza dalam darjah, tetapi tidak dalam jenisnya. Sistem pakar kecerdasan tiruan, bergantung pada kelajuan komputer dan keupayaannya untuk menyimpan kelompok yang besar bagi maklumat sementara dalam memori, akan biasanya mengunakan ‘brute force’ – melencong kelajuan dan kuasa pengkomputeran – lebih bebas berbanding apa yang pakar manusia boleh lakukan. Biasanya, manusia pakar kaya dengan set hueristik untuk membantu carian dan perbendaharaan kata yang banyak untuk menyimpan corak. Kepada pemerhati, proses komputer akan nampak lebih sistematik dan secara terpaksa, manakala proses manusia lebih intuiti tetapi ianya adalah kuantitatif, tidak kualitatif, perbezaannya. Bilangan tugas yang sistem pakar bangunkan adalah meningkatkan dengan banyak. Satunya adalah diagnosis perubatan (2 contoh adalah CADUCEUS dan program MYCIN). Tugas yang lainnya adalah rekabentuk automatik motor elektrik, generator dan transformer, tatarajah sistem komputer daripada spesifikasi pelanggan dan generator automatik bagi tindakan paths untuk sintesis moduler organik. Semua ini adalah digunakan dalam latihan industri professional atau sekurang-kurangnya mencapai tahap di mana mereka boleh menghasilkan produk professional yang boleh diterima. Sistem pakar biasanya dibentuk dalam perundingan yang tertutup dengan manusia di mana mereka adalah pakar dalam domain tugas. Penggunaan teknik yang standard bagi pemerhatian dan penyiasatan heuristik di mana manusia pakar gunakan, secara tersirat dan tidak sedar, untuk melaksanakan tugas adalah dibangkitkan secara perlahan-perlahan, dibuat dengan jelas, digabungkan dalam struktur program. Walau bagaimanapun perundingan yang baik dipelajari berkaitan bagaimana membuatnya, meningkatkan teknik untuk rekabentuk sistem pakar adalah penyelidikan yang penting sekarang ini. Ianya penting sebab sistem pakar tidak boleh ditinggalkan statik, tetapi merti diubahsuai untuk digabungkan dengan pengetahuan baru supaya ianya boleh diperolehi (didapati). 3.3 Perundingan dengan masalah yang berstruktur lemah (Dealing with ill- structed problem) Target penyelidikan masa kini adalah untuk mendapatkan kefahaman tentang tugas penyelesaian masalah bila matlamat mereka adalah kompleks dan kadang-kadang didefenisikan lemah (ill-defined) dan bila masalah terlalu biasa, ianya mudah diselasaikan. Untuk hadkannya, masalah mesti mempunyai ciri-ciri (IGOR), jika tidak, ianya dipanggil ‘ill-structured’ (struktur yang lemah). Disebabkan matlamat yang kabur atau tidak pasti dan formula masalah berubah merupakan ciri-ciri yang biasa bagi masalah rekabentuk. Kerja-kerja arkitek menunjukkan contoh yang baik mengenai apa yang terlibat dalam menyelesaikan ‘ill-structured problems’. Arkitek bermula dengan spesifikasi yang sangat umum mengenai apa yang dikehendaki oleh pelanggan. Matlamat awal (initial goal) diubahsuai dan diteliti seperti mana arkitek proceed dengan tugasnya. Idea rekabentuk awal direkod dalam lukisan dan gambarajah, mereka mencadangkan criteria baru, kesesuaian yang baru dan keperluan yang baru. Keseluruhan proses rekabentuk, menyediakan konsep yang baru hingga maklum balas, ianya merupakan apa yang arkitek perlu pertimbangkan dan perlu diambil kira di dalam melaksanakannya. Asas data yang banyak boleh dibangunkan untuk membantu pengurusan arkitek dan projek pembinaan menyediakan rangka kerja kepada peralatan kecerdasan tiruan, dibentuk di dalam bidang ini, boleh digabungkan. Kebanyakan masalah dalam strategi koperat dan polisi kerajaan adalah sekurang-kurangnya sebagai ‘ill-structured problem’ bagi arkitek dan rekabentuk kejuruteraan. Alat kecerdasan tiruan sekarang, dimajukan bagi membantu rekabentuk senibina menyediakan asas sebagai alat pembangunan yang mana boleh membantu dalam pengiraan, penganggaran dan monitor kuasa awam atau polisi persekitaran atau panduan menghasilkan produk dan strategi pelaburan koperat. 3.4 Ketetapan Agenda dan Perwakilan masalah (Setting Agenda And Representation Problem) Peringkat pertama dalam proses penyelesaian masalah kurang difahami. Apa yang membawa masalah menghala kepada agenda' Bila masalah dikenal pasti, baagimana boleh ia dipersembahkan dalam cara boleh disesuaikan' Tugas untuk ketetapan agenda adalah sangat penting sebab kedua-duanya wujud manusia individu dan manusia institusi yang mempunyai kapasiti yang terhad untuk berunding dengan banyak tugas secara serentak. Semasa kebanyakan masalah menerima sepenuh perhatian, masalah yang lainnya diabaikan. Semasa masalah baru datang dengan banyak dan pantas, ‘fire fighting’ mengambil tempat perancangan dan pertimbangan. Kenyataan bagi perhatian yang terhad, kedua-duanya untuk individu dan institusi, seperti kongres adalah diketahui dengan jelas. Walaubagaimanapun kenyataannya sedikit yang disempurnakan dengan berjaya kepada analisis dan rekabentuk agenda yang efektif – ketetapan sistem. Perwakilan atau rangka kerja masalah adalah kurang difahami berbanding ketetapan agenda. Sistem pakar hari ini, menggunakan perwakilan masalah yang sedia ada. Tetapi tambahan yang utama dalam frekuansi pengetahuan manusia diperolehi daripada cara pemikiran yang baru mengenai masalah. Hari ini, pembangunan dalam Computer-aided design (CAD) menunjukkan peluang baru untuk menyediakan perekabentuk dengan perwakilan masalah generator-komputer mereka. Penggunaan berkesan bagi kapasiti ini meminta kita lebih memahami bagaimana manusia mendapatkan maklumat daripada diagram dan lain-lain display dan bagaimana display boleh meningkatkan perlaksanaan manusia dalam tugas rekabentuk. Penyelidikan pada perwakilan adalah asas kepada progress CAD. 3.5 Pengiraan sebagai penyelesaian masalah (Cumputation as problem solving) Tidak ada apa yang boleh diperkatakan mengenai perubahan radikal yang boleh dibawa dalam penyelesaian masalah melebihi domain sains dan kejuruteraan dengan penggunaan standard komputer sebagai alat pengiraan. Walaupun beberapa contoh datang dalam memori yang mana kecerdasan tiruan boleh disambungkan kepada pembangunan, mereka mempunyai keutamaan untuk membawa berkaitan dengan penyelidikan dalam sains individu mereka, disatukan dengan kerja dalam analisis perangkaan. Apapun punca, aplikasi pengiraan secara besar-besaran bagi komputer akan merubah kelakuan saintis dalam banyak cara. Terdapat kemunculan baru iaitu ‘computational physics’ dan ‘ computational chemistry’. 4.0 TAMBAHAN KEPADA TEORI (EXTANSIONS OF THEORY) Peluang untuk menambah kefahaman mengenai membuat keputusan dan menyelesaikan masalah tidak terhad kepada topic yang dinyatakan di atas, dan dalam seksyen ini, sedikit sahaja bahan tambahan untuk penyelidikan dipersembahkan. 4.1 Membuat Keputusan Terlebih Masa (Decision Making Over Time) Dimensi masa merupakan sesuatu yang menyukarkan dalam membuat keputusan. Bidang ekonomi telah lama menggunakan pengertian diskaun (pengurangan) masa dan kadar faedah untuk membezakan keputusan semasa dengan keputusan masa hadapan tetapi seperti dinyatakan di atas, penyelidikan membuat keputusan yang sebenar menunjukkan bahawa manusia sebenarnya tidak konsisten di antara masa sekarang dengan masa hadapan. Walaupun diskaun masa adalah idea yang berkuasa, ia memerlukan penetapan kadar diskaun yang sesuai untuk individu, terutamanya kepada masyarakat umum. Masalah tambahan timbul disebabkan oleh cita rasa dan keutamaan manusia berubah setiap masa. Teori CEU klasik mengandaikan fungsi utiliti yang tepat dan kukuh, yang mana tidak mudah menukar cita rasa. Dalam keadaan ekstrim (melampau), teori-teori yang dianggap betul adalah memberi perhatian yang sedikit , tidak mempunyai cara yang betul untuk memastikan pilihan lebih masa yang tepat. 4.2 Agregat (Aggregation) Dalam mengaplikasi pengetahuan kita mengenai membuat keputusan dan penyelesaian masalah kepada masyarakat, organisasi, fenomena, agregat masalah mesti diselesaikan, ianya adalah cara yang mesti dicari untuk mengekstrapolasi (membuat anggaran berdasarkan data yang tersedia) daripada teori proses keputusan individu kepada kesan yang menyeluruh pada keseluruhan ekonomi, politik dan sosial. Disebabkan oleh cara yang pelbagai di dalam memberi tugas keputusan boleh digunakan, ianya tidak realistik untuk menganggap betul ‘representative firm’ atau ‘economic man’, dan disimpulkan dengan mudah tingkah laku sebilangan besar individu yang sama menurut jangkaan. Menyelesaikan masalah agregat menjadi lebih penting sebagai usaha penyelidikan empirikal kepada kajian tingkah laku yang lebih terperinci iaitu pada tahap mikroskopik. 4.3 Organisasi Berkait dengan agregat, persoalannya adalah bagaimana perubahan membuat keputusan dan penyelesaian masalah terjadi apabila perhatian bertukar daripada tingkah laku individu terpencil kepada tingkah laku individu yang sama apabila menjadi ahli organisasi atau kumpulan yang lain. Apabila manusia menganggap diri mereka berada dalam organisasi, mereka akan mengadaptasi kepada matlamat dan nilai tanggungjawab mereka terhadap organisasi tersebut.. Lagi pun, keputusan mereka diinfren dengan corak aliran maklumat dan komunikasi lain di kalangan unit organisasi yang pelbagai. Organisasi juga kadang kala menunjukkan kebolehan yang lebih sofistikated melebihi keupayaan seorang individu. Tetapi mereka kadang kala membuat kesilapan yang besar atau mendapati tidak berkebolehan dalam tindakan mereka. Prestasi organisasi sangat sensitif untuk mutu yang biasa atau kemajuan program yang mana mengawal tingkah laku dan kebolehsuaian rutin untuk berdepan dengan persekitaran yang berubah. Dalam keadaan yang khusus, ‘peripheral vision’ organisasi yang kompleks adalah terhad, oleh itu tindak balas kepada persekitaran yang baru mungkin dibuat dalam keadaan yang tidak sesuai dan cara kuasi-automatik menyebabkan kesilapan yang lebih besar. Teori pembangunan model, eksperimen di makmal; dan analisis kes sejarah, semuanya membawa kepada lingkup persoalan yang penting. Tambahan pula proses membuat keputusan bagi organisasi mesti dikaji pada skala yang sedikit, banyak kajian intensif diperlukan sebelum teknik sepenuhnya yang digunakan oleh organisasi untuk membuat keputusan difahami, dan sebelum kekuatan dan kelemahan teknik tersebut difahami atau diketahui. 4.4 Pembelajaran (Learning) Sejak kebelakangan ini, banyak penyelidikan dalam sains kognitif dan kecerdasan tiruan bertujuan memahami bagaimana sistem kecerdasan melakukan kerja mereka. Hanya dalam lima tahun kebelakangan, memberi perhatian untuk menukar persoalan kepada bagaimana sistem mewujudkan kecerdasan – bagaimana mereka belajar. Jumlah hipotesis yang baik berkenaan mekanisma pembelajaran telah diterokai. Satunya dipanggil ‘connexionist hypothesis’, iaitu rangkaian bukti yang mana belajar dengan kekuatan perubahan di antara rangkaian tindak balas. Mekanisma pembelajaran yang lainh yang diselidik adalah ‘adaptive production system’, program komputer yang mengajar dengan menjana (menghasilkan) arahan-arahan baru yang merupakan sambungan mudah kepada program sedia ada. Kebanyakan hasil ditingkatkan dalam pembinaan ‘adaptive production system’ yang mana boleh belajar untuk menyelesaikan persamaan dalam algebra dan untuk melakukan tugas lain pada tahap sukar. Pembelajaran adalah penting untuk penyesuaian yang baik kepada persekitaran yang selalu berubah-ubah. Sebab bertepatan dengan persekitaran 1990an, tren penyelidikan membuat keputusan termasuk pembelajaran dan penyesuaian digalakkan. Seksyen ini tidak bermaksud kehabisan idea dalam mana penyelidikan yang penting dan menyeronokan boleh dilakukan untuk mendalami kefahaman tentang membuat keputusan dan penyelesaian masalah. Tetapi mungkin contoh yang disediakan adalah memadai untuk menyampaikan janji dan signifikan bagi persoalan bidang ini pada hari ini. 5.0 PROGRAM PENYELIDIKAN TERKINI (CURRENT RESEARCH PROGRAMS) Kebanyakan penyelidikan sekarang bagi membuat keputusan dan penyelesaian masalah diteruskan di universiti-universiti, kebanyakannya dibantu oleh agensi kewangan kerajaan dan swasta. Kebanyakan penyelidikan dibuat dengan kerjasama firma perunding yang ada kaitan dengan pembangunan mereka dan peenggunaan peralatan untuk operasi penyelidikan, kecerdasan tiruan dan ‘modeling system’. Dalam kebanyakan kes, agensi kerajaan dan koperat menyokong model perancangan pembangunan untuk membantu mereka dalam membuat polisi perancangan – contoh, perancangan strategi koperat untuk pasaran dan pelaburan dan perancangan kerajaan untuk persekitaran dan polisi tenaga. Ianya akan meningkatkan bilangan kes yang mana mengembangkan alat penyelidikan masalah dan membuat keputusan dalam disiplin mereka. Seperti yang dinyatakan dalam contoh proses automasi ‘bubble chamber track’ dan ‘interpretasi of mass spectrogram data’. Menggunakan anggaran yang banyak, bantuan penyelidikan asas dalam kawasan diterangkan dalam dokumen ini adalah mungkin pada tahap puluhan juta dollar setiap tahun, dan tidak sebanyak $100 juta. Kos utama adalah untuk personel penyelidikan dan peralatan komputer. Disebabkan ciri-ciri antara disiplin bagi domain penyelidikan bantuan penyelidikan persekutuan datang daripada bilangan agensi yang berbeza, dan ianya tidak mudah untuk menilai gambaran jumlah. Dengan ‘National Science Foundation (NSF), grant bagi sains pengurusan dan keputusan sains politik dan program ekonomik di Social Sciences Division adalah diambilkira untuk melaksanakan domain ini. Sedikit jumlah bantuan datang daripada program proses memori dan kognitif ‘Division of Behavioral and Neural Sciences’, dan barang kali daripada program lain. Perisian komputer bagi ‘NSF Directorate of Computer Sciencs and Engineering’ yang baru mengandungi program yang menyediakan sokongan penting untuk kajian membuat keputusan dan penyelesaian masalah. Pejabat penyelidikan Naval menyokong pelbagai kajian membuat keputusan, termasuk bantuan permulaan untuk operasi penyelidikan. Sumber utama kewangan untuk penyelidikan dalam Kecerdasan Tiruan (AI) adalah Defence Sadvenced Research Project Agency (DARPA) dalam Bahagian Pertahanan; sokongan atau bantuan utama untuk penyelidikan penggunaan AI untuk perubatan disediakan oleh Institut Kesihatan Kebangsaan. Penyelidikan ekonomi yang sesuai juga dibiayai oleh agensi kebangsaan yang lain, termasuk Bahagian Perbendaharaan, Biro Statistik Pekerja dan Lembaga Penyelidikan Kebangsaan. Dalam tahun kebelakangan, kajian asas bagi membuat keputusan menerima minor bantuan daripada sumber-sumber tersebut, tetapi jika penyelidikan relevan dengan misi mereka, mereka akan menjadi penaja utama. Walaupun bilangan projek dipunyai dan dibiayai oleh swasta, mereka tampil mengemukakan idea, tetapi tiada asas untuk menyatakan bahawa membuat keputusan dan penyelesaian masalah merupakan fokus utama bagi kepentingannya. Keseluruhannya, corak bantuan untuk penyelidikan dalam bidang ini menunjukkan pelbagai bantuan, tetapi tidak ada agensi yang secara terang-terangan bertanggungjawab, kecuali ia dengan kerelaan hati membiayai program dalam keputusan dan pengurusan sains di NSF. Bantuan terbanyak disediakan oleh DARPA di mana membuat keputusan dan penyelesaian masalah merupakan komponen yang besar bagi kecerdasan tiruan dan nyata tidak begitu jelas matlamat penyelidikan. Ciri penerimaan bantuan dalam domain ini adalah sama seperti dalam penyelidikan lain. Penggunaan yang agak intensif dan banyak untuk kemudahan komputer bagi penyelidikan tetapi tidak semua. Disebabkan bidang ini memberi perghargaan dan pembangunan yang baru, ia menjadi keperluan penting untuk membantu pelajar siswazah dan latihan kedoktoran. Dalam bahagian domain komputer, keperluan kewangan penyelidikan bagi setiap penyelidik mungkin mencapai purata $250,000 setahun. Dalam penyelidikan empirikal, termasuk kajian lapangan dan eksperimen, jumlah yang kebih kurang sama bagi kajian teori dan eksperimen makmal. 6.0 PELUANG PENYELIDIKAN : RUMUSAN (RESEARCH OPPORTUNITIES:SUMMARY) Kajian membuat keputusan dan penyelesaian masalah menarik banyak perhatian kebanyakan negara. Penghujung Perang Dunia Ke dua, teori rasional penggunaan kuasa (powerfull prescriptive theory rationally), teori SEU diambil kira, ianya diikuti oleh teori penerimaan. Selepas 40 tahun, dilihat tersebur luas aplikasi teori ini dalam ekonomi, operasi penyelidikan dan statistik, dan melalui dispilin ini, kepada membuat keputusan dalam perniagaan dan kerajaan. Had utama teori SEU dan pembangunan berasaskannya adalah, ia gagal mengaitkan had keupayaan manusia menyelesaikan masalah manusia (dan komputer) untuk menempuh dunia sebenar yang kompleks. Mengenali had ini menghasilkan peningkatan nilai penyelidikan empirikal bertujuan melindungi bagaimana manusia berupaya menyelesaikan kompleksiti dan menyelaraskannya dengan kuasa pengkomputeran mereka. Penerimaan bahawa manusia rasional adalah kadang kala tidak mengejutkan (surprice). Apa yang mengejutkan adalah kebanyakan daripada bentuk had ini diambil dan jenis perjalanan daripada tingkah laku yang dihasilkan oleh model SEU diperhatikan. Memperluaskan pengetahuan empirikal proses kognitif manusia sebenar dan teknik untuk berunding dengan kompleksiti bersambung menjadi keutamaan bagi matlamat penyelidikan. Seumpama pengetahuan empirikal tersebut memerlukan kedua-duanya untuk bangunkan teori yang sesuai bagaimana masyarakat US dan operasi ekonomi dan bangunkan alat penggunaan untuk membuat keputusan di mana ianya bersesuaian dengan keupayaan pengkomputaren yang sedia ada. Bidang yang saling melengkapi dengan psikologi kognitif dan kecerdasan tiruan dihasilkan selepas lebih kurang 30 tahun pembangunan teori penyelesaian masalah dipinjamkan/diberi kepada simulasi komputer, kedua-duanya untuk tujuan pengujian. Kesahan empirikalnya dan untuk penambahan kapasiti penyelesaian masalah manusia dengan pembinaan sistem pakar. Penyelidikan penyelesaian masalah hari ini diluaskan kepada domain masalah ‘ill-structured’ dan dipakai untuk tugas mengira contoh masalah. Perkembangan penting bagi teknik pengkomputeran dalam semua sains menarik perhatian baru untuk analisis numerikal dan untuk menunjukkan kekompleksan pengiraan. Keperluan untuk menggunakan heuristik termasuk kaedah yang rapi (rigorous) untuk menganalisis domain yang sangat kompleks adalah permulaan kepada kepentingan yang banyak, dalam sains, dalam pemakaian yang sesuai bagi teori-teori penyelesaian masalah kepada pengkomputeran. Banyak sekali peluang untuk penyelidik produktif dalam membuat keputusan dan penyelesaian masalah. Sebilangan daripada penyelidikan melihat kebaikan dan signifikan di bawah: 1. Program perkembangan yang banyak bagi kajian empirikal, melibatkan pemerhatian tingkah laku yang terus pada tahap individual dan organisasi, termasuk kajian makmal dan eksperimen, akan dipermudahkan seperti peribahasa ‘mengayak gandum daripada sekam” di mana teori yang banyak sekarang dikeluarkan dan memberi pembangunan kepada teori baru. 2. Pertambahan penyelidikan pada sistem pakar akan memerlukan kajian empirikal yang ekstrim bagi tingkah laku pakar dan akan menghasilkan ‘setting’ penyelidikan asas bagaimana ‘ill-structured problem’ boleh diselesaikan. 3. Membuat keputusan dalam ‘setting’ organisasi, masih banyak yang kurang memahaminya berbanding dengan menggunakan kaedah inkuari yang sedia ada, terutamanya melalui kajian ‘long-range’ intensif dengan organisasi individual. 4. Keputusan (resolusi) bagi konflik nilai (individu atau kumpulan) dan kepercayaan yang bertentangan akan disambung kepada produktif inkuiri yang tinggi, merupakan isu yang sangat penting kepada masyarakat. 5. Setting agenda dan menghadkan masalah adalah dua perkara yang berkaitan tetapi prosesnya kurang difahami dan memerlukan perhatian penyelidikan yang khusus, dan sekarang peluang terbuka untuk dijalankan penyelidikan. Lima bidang ini merupakan contoh promosi peluang penyelidikan daripada banyak penyelidikan yang diterangkan dalam laporan ini. Alat untuk membuat keputusan dicipta dengan penyelidikan terdahulu yang sedia ada diguna dalam perniagaan dan organisasi kerajaan. Bilangan penggunaan telah diterangkan dalam laporan ini, tetapi mereka sangat ‘pervade’ (menyerap) organisasi, terutamanya pada pertengahan pengurusan dan tahap profesional, yang mana manusia selalu tidak sedar akan asal usulnya. Walau pun domain penyelidikan membuat keputusan dan penyelesaian masalah adalah hidup dan memuaskan hari ini, sumber yang sangat berminat kepada penyelidikan adalah rendah bilangannya.(dalam lingkungan puluhan million berbanding rauusan million dolar). Ianya tidak sepadan dengan peluang penyelidikan yang dikenal pasti atau sumber manusia yang sesuai untuk melakukannya. Prospek bagi menggunakan sesuatu yang baru daripada masalah yang lama dan prospek untuk meningkatkan kuasa ingatan dengan alat pengkomputeran yang baru adalah menarik minat sebilangan saintis muda. Progres penyelidikan tidak dihadkan sama ada dengan kekurangan masalah penyelidikan yang cemerlang atau dengan kekurangan bakat manusia untuk mendapatkan pekerjaan. Manfaat memahami dengan lebih baik bagaimana masalah boleh diselesaikan dan keputusan dibuat adalah penting kepada matlamat negara untuk meningkatkan produktiviti. Revolusi industri pertama menunjukkan kepada kita bagaimana untuk membuat dunia bekerja keras dengan tenaga mesin menggantikan tenaga manusia. Revolusi industri baru menunjukkan kepada kita berapa banyak kerja pemikiran manusia boleh dilakukan dengan dan dalam koperat dengan kecerdasan mesin. Ingatan manusia dengan komputer untuk membantu mereka adalah sumber produktif utama. Memahami bagaimana sumber-sumber beroperasi adalah jalan utama kepada kita untuk menjadikan masyarakat lebih produktif dan masyarakat mampu untuk berdepan dengan banyak masalah yang kompleks dalam dunia sekarang.