Нейроноподобные сети
Первое направление, которое чаще называют искусственным разумом, использует данные о нейрофизиологических и психологических механизмах интеллектуальной деятельности. Разработчики стремятся воспроизвести эти механизмы с помощью технических устройств.
При этом ученые стремятся не к слепому подражанию, не к заимствованию всех характеристик биологических объектов, а к критическому, строгому отбору только полезных для техники свойств.
Моделировать деятельность живых организмов интересно и нужно, особенно те функции, которые повышают гибкость, надежность, экономичность системы или процесса.
Второе, называемое машинным интеллектом, - рассматривает продукт интеллектуальной деятельности человека (решение задач, доказательство теорем, игры со сложной стратегией и пр.), изучает его структуру и стремится воспроизвести этот продукт средствами вычислительной техники. Успехи этого направления тесно связаны с развитием компьютеров и искусством программирования.
Оба направления активно используют методы моделирования - имитационного и структурного, математического и компьютерного и др.
Самой сложной биологической системой, выполняющей разнообразные функции по переработке сигналов и управлению, издавна признана нервная система. Многие ее особенности связаны со структурными особенностями нервных клеток - нейронов и нейронной сетью, поэтому они нередко являются объектами моделирования в исследованиях в области искусственного интеллекта.
Кора больших полушарий головного мозга человека содержит около 14 млрд. нейронов, образующих сложнейшее переплетение связей. Устройство и законы функционирования самого нейрона также очень сложны, что позволяет использовать для его описания только упрощенные модели.
Такие модели носят название нейроноподобных сетей. Используются они для построения систем управления различными робототехническими устройствами.
Нейроноподобные сети являются устройствами параллельной обработки информации и имеют преимущества при построении систем, предназначенных для работы в реальном масштабе времени.
Пример. Первый в нашей стране транспортный робот ТАИР с сетевой системой управления был построен еще в 1975 г. Он мог целенаправленно двигаться в естественной среде (в парке), объезжать препятствия, избегать опасные места, поддерживать внутренние параметры в заданных пределах. При этом достигал цели с минимальными энергетическими и временные затратами.
Нейроноподобная сеть, составляющая основу управления, содержала 100 узлов и отвечала за шесть видов деятельности: распознавание и оценку ситуации, решения, маневры верхнего и нижнего уровня, элементарные двигательные действия.
Исследования ТАИРа и его последователя лабораторного робота МАЛЫШ, обладающий более развитой системой технического зрения и нейроноподобной сетью, обрабатывающей данные восприятия, стали основой построения промышленного транспортного робота широкого назначения ГРУЗ-2Т.
Существующие и разрабатываемые в настоящее время роботы значительно отличаются по своему назначению и функциональным возможностям. Некоторые из них имеют системы восприятия визуальной, аудиальной, тактильной информации из внешней среды и системы воздействия на внешние объекты - различные манипуляторы, захваты, толкатели и пр.
Многие роботы снабжаются системами, обеспечивающими перемещения робота - колесные, плавающие, летающие, шагающие платформы и аппараты.
Роботы, снабженные системами целеполагания и планирования действий, а также системами коммуникации с человеком-оператором относятся к классу роботов с искусственным интеллектом. Разработка таких роботов ведется в настоящее время.
Особое внимание в исследованиях по машинному интеллекту уделяется проблемам распознавания образов и организации речевого общения.
Одна из удивительнейших способностей человека - способность узнавать. Едва бросив взгляд, мы узнаем, что перед нами кот или собака, корабль или бабочка, буква ч или у. Узнаем, как правило, безошибочно, будь то сам оригинал или его уменьшенное или увеличенное изображение.
Способностью узнавать человек обладает испокон веков. И все-таки до сего времени ученые в точности не знают, как же человек узнает.
Задачи распознавания образов очень разнообразны. Наиболее простые из них решаются, например, в программах оптического распознавания символов (OCR - optical character recognition), предназначенных для ввода печатного или рукописного текста, в частности, с помощью сканера.
Распознавание символов, даже будучи наиболее простым в классе задач распознавания образов, тем не менее, достаточно сложны для их формализованного описания.
Пример. На рис.
22 приведены различные начертания буквы А. У них разное начертание, цвет, наклон.
Какие формальные признаки, присущие только этой букве и никакой другой, можно выделить?
Просто ли перевести их на строгий алгоритмический язык?
Рис. 22
В робототехнике распознавание образов осуществляется системами технического зрения. Они используются в системах технического контроля для обнаружения дефектов в заготовках и изделиях, в станках с программным управлением - при управлении позиционированием деталей, сборкой, сваркой и т.п.
В широко разрабатывающихся сейчас алгоритмах по распознаванию и пониманию сложных сцен, включающих несколько произвольно расположенных в пространстве трехмерных объектов, используется информация о расположении и конфигурации теней, полутонов, об особенностях отражения света материалами различных текстур (металл, дерево, ткань и пр.) и т.п.
Автоматическое распознавание речи необходимо для создания средств речевого ввода команд и текстов, автоматического перевода, реферирования текстов, построения справочных и информационнопоисковых устройств. Синтез речи является одним из функциональных узлов различных роботов связи.
Существуют системы, которые могут сообщение, присланное вами по электронной почте, преобразовать в голосовое и передать по нужному телефону в заданный промежуток времени. Другие системы по названному телефонному номеру (входящему в заранее определенный список) обеспечивают услуги выдачи адресов, маршрутов проезда и т.п.
Интересна история исследований по машинному интеллекту.
Практически с момента появления ЭВМ появился интерес к автоматизации решения плохо формализуемых задач, в частности, процесса доказательства теорем, к познанию закономерностей творческой деятельности.
С самого начала использования ЭВМ для решения задач стало ясно, что одними точными математическими методами не обойтись. Для многих задач, которые люди умеют решать (играть в шахматы, сочинять стихи, строить научные теории), точных методов не существует.
В этом случае можно попробовать воспроизводить компьютерными средствами те правила и приемы, которыми пользуется человек при решении аналогичной задачи.
Эти специфические для человека правила и приемы называются эвристиками, а методы решения задач, опирающиеся на них, эвристическими методами.
Компьютеры позволяют изучать эвристическую деятельность человека с помощью моделей. Среди них важную роль занимают игры, особенно, шахматы, которые выступают пробным камнем моделирования мышления.
В процессе шахматной игры человек анализирует множество условий и оценивает множество возможностей: на 64 клетках шахматной доски возникает трудно вообразимое число комбинаций фигур - 2 - 10116.
Конечно, человек перебирает не все возможные варианты, он пользуется выработанной стратегией. Аналогичные модели перебора множества возможных вариантов возникают при решении самых разнообразных задач, например, поиск пути в лабиринте или определение стратегии размещения ценных бумаг.
На компьютере модели поведения человека в ситуации выбора из множества вариантов, реализуются с помощью эвристического программирования. Главное в эвристической программе - стратегия поиска решений.
В процессе выполнения программы машина по результатам промежуточных действий как бы судит о своей деятельности, дополнительно собирает необходимую ей информацию.
Эвристические программы не рассматривают вариантов бесперспективного поиска, а ищут решение только в направлении, где оно возможно.
Эвристическое программирование используется при создании систем искусственного интеллекта, называемых решателями задач. Обычно программы-решатели строятся для задач, связанных с преобразованием ситуаций, когда заданы исходная и желаемая ситуация, а также набор операторов или действий, которые могут строго определенным образом изменять ситуации.
Чаще всего решатели используются как составная часть систем автоматизации управления сложными объектами, в частности, роботами.
К системам ИИ относятся и системы машинного перевода, которые включают в себя лингвистические описания входного и выходного языков, базы данных - словари, алгоритмы, на основе которых осуществляется непосредственно перевод. Первые системы машинного перевода осуществляли перевод пословно, не вникая в смысл предложения.
Предназначены они были для перевода технической документации, патентов и т.п. Развитые системы машинного перевода работают по многоэтапной схеме.
Основные этапы - это анализ переводимого (исходного) текста и синтез перевода.
Перевод осуществляется обычно пофразно.
Этапы анализа таковы:
- выделение из текста очередной фразы;
- лексический анализ - выделение слов и частей речи;
- поверхностный синтаксический анализ - выделение членов предложения;
- глубинный синтаксический анализ, учитывающий смысловые связи между словами.
В результате анализа строится внутреннее представление фразы, отражающее ее смысл.
Синтез перевода включает следующие этапы:
- подбор слов выходного языка для передачи внутреннего представления фразы;
- расстановка слов в нужном порядке с извлечением из словаря внешней лексической формы слов;
- формирование окончательного вида переведенной фразы.
Почему машинный перевод относится к классу систем искусственного интеллекта? Одна из причин - многозначность большинства естественных языков, когда смысл фразы можно определить только из контекста.
Например, можно ли однозначно понять и перевести следующие фразы вне контекста?
Не валяй дурака, Вот где собака зарыта, Остался с носом, Он на этом деле собаку съел.
Одной из ключевых проблем создания систем ИИ является проблема представления и использования знаний о той предметной области, в которой система решает те или иные задачи. Общий круг задач, решаемых в этой связи, относится к разделу ИИ, называемому инженерией знаний.
База знаний является важным элементом любой системы управления. Идея баз знаний сформировалась в ходе исследований по созданию принципов и методов работы с большими базами данных.
Оказалось, что эффективность использования баз данных может быть существенно повышена, если связывать хранящуюся информацию не только за счет форм (таблиц, списков, деревьев), а за счет тех отношений, которые существуют между фактами. Причем, отношения эти должны быть не случайными, ситуативными, а отражать существенные связи объекта.
Такие базы данных получили название интеллектуальных баз данных или баз знаний.
Знания о предметной области и способах решения в ней задач могут быть декларативные и процедурные. Декларативные знания описывают объект (отвечают на вопросы типа Что есть Х?, Как связаны X и Y?, Почему Х?).
Процедурные знания описывают последовательность действий, которые могут использоваться при решении задач (отвечают на вопросы типа Как сделать Х?).
Базы знаний строятся на основе моделей, разработанных в когнитивной психологии (психологии познания). Основных моделей три: логическая, сетевая, продукционная.
Логическая модель широко использует аппарат математической логики. Декларативные знания представляются в виде формул, а использование логических операций позволяет записать процедурные знания.
Пример
Суждение Я обязательно поеду на матч, если достану билет или меня пригласит товарищ и если не будет дождя можно записать следующим образом:
(A ? B) л C ^ D
где А = Я достану билет, B = Меня пригласит товарищ, C = Будет дождь, D = Я поеду на матч, ? - логическая операция ИЛИ, л - логическая операция И, - - логическая операция НЕ, ^ - логическая операция ЕСЛИ..., ТО....
Может быть и такая форма записи:
( ИМЕТЬ (я, билет) ? ПРИГЛАСИТЬ (товарищ, я) ) л ИМЕТЬ МЕСТО (дождь) ^ ПОЙТИ (я, матч)
В основе сетевой модели лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. Знания представленные таким образом носят название семантические сети.
Пример. Фраза девочка ищет в комнате большой красный мяч, который лежит под письменным столом может быть представлена в виде семантической сети, изображенной на рис.
23.
Заметим, что блок-схемы алгоритмов также представляют собой семантические сети. Вершины этих сетей - процедуры, а дуги означают действие перейти к процедуре (передать управление процедуре).
Понятия, входящие в сеть, описываются в виде фреймов. Фрейм - это минимально возможное (так, чтобы не потерялся сам объект) описание сущности какого-либо явления, процесса, ситуации.
Компоненты фрейма называются слотами. Изображается фрейм в виде цепочки слотов, причем, исключение из фрейма любого слота делает его неполным, иногда бессмысленным.
Рис. 23 Пример семантической сети
Пример
Описание фрейма (фрейм-прототип)
Битва = кто? с кем? когда? где? результат
Заполненный фрейм (фрейм-экземпляр) Битваі = СССР Германия
декабрь 1941 Сталинград победил
Битва2 = Иван Царевич Кощей Бессмертный утром в чистом поле победил
Книгаі = Стругацкий А., Стругацкий Б. Понедельник начинается в субботу Фантастические повести Москва: Детская литература 1987 496
Книга = Автор(ы) название жанр издательство год издания кол-во стр.
Основу продукционной модели составляют множества продукций - правил вывода. В наиболее простом виде продукция записывается как стандартное выражение, включающее в себя правило вывода вида если..., то....
Это выражение носит название ядро продукции. Например, Если ввел неверный символ, нами клавишу ^ . Кроме ядра в продукцию, как правило, входит еще условие.
Оно определяет те ситуации, в которых можно использовать указанное правило.
Только что рассмотренная продукция будет более определенной, если к ней добавить условие Вводится текст с клавиатуры компьютера.
Пример Форма продукции (краткая) Продукция Имя продукции:
При выполнении условия С имеет место: если А, то В Определение вида треугольника:
Известно, что а, b, с - стороны треугольника;
если a + b = c , то треугольник прямоугольный Поведение при пожаре:
Вы находитесь дома и у вас есть телефон и телефон работает;
если в доме вспыхнул пожар, то вызывайте пожарную команду по телефону 01
Наиболее динамично развивающимся видом искусственного интеллекта являются экспертные системы и системы поддержки принятия решений.
Экспертная система (ЭС) - вычислительная система, в которую включены знания специалистов о некоторой конкретной предметной области и которая в пределах этой области способна принимать решения, качество которых соответствует решениям, принимаемым экспертами-людьми (рис. 24).
Человека с самого начала не устраивала возможность задавать компьютеру лишь вопросы типа Чемуравен синус 10радиан?Хотелось бы получать ответы на вопросы: Что случилось с этим больным?, Имеет ли смысл бурить скважину в этом месте?, Были ли случаи подобного применения патентного права?, Каково молекулярное строение этого вещества?, Почему падает спрос на эту продукцию?.
Экспертные системы имеют в своем составе обширную базу данных - факты выбранной предметной области, а также базу знаний, в которой отражены профессиональные навыки и умения специалистов высокого уровня в данной области.
Основу квалификации эксперта, кроме формализованных знаний, составляют трудноформализуемые эвристические приемы, догадки, интуитивные суждения и умения делать выводы, которые сам эксперт может не вполне осознавать. Поэтому создание экспертных систем - длительный и сложный процесс.
Заполнение базы знаний - наиболее трудоемкий этап. Разработку структуры и наполнение базы знаний осуществляет инженер по представлению знаний.
Он работает в тесной связи с одним или несколькими экспертами.
Вместе они подробнейшим образом определяют, какими должны быть правила вывода, как они взаимосвязаны между собой, по возможности устраняют противоречия в мнениях экспертов, находят аналогии, вырабатывают метаправила (т.е. правила, описывающие, каким образом другие правила должны быть использованы или модифицированы), строят разветвленные сети логических выводов и многое другое.
Экспертная система должна обладать следующими свойствами:
- способностью рассуждать при неполных и противоречивых данных;
- способностью объяснять цепочку рассуждений понятным для пользователя способом;
- факты и механизмы вывода должны быть четко отделены друг от друга;
Рис. 24 Типовая структура экспертной системы
- система должна быть самообучаемой, т.е. выводы, полученные при решении задачи включаются в базу знаний для решения других задач;
- на выходе ЭС должна выдавать совет - не таблицу чисел или графики на экране, а четкий совет;
- быть экономически выгодной.
Пример. Одна из самых известных в мире консультационных ЭС - MYCIN, предназначенная для медицинской диагностики инфекционных заболеваний крови, сопоставляет с помощью правил симптомы исследуемой болезни с симптомами болезней, накопленных в базе знаний.
Врач отвечает на запросы ЭС о симптомах болезни, а затем, получив достаточно фактов, ЭС помогает врачу поставить диагноз и дает рекомендации по лечению.
Немного истории.
Первая программа ИИ - Логик-теоретик, которая доказывала теоремы в символьной логике, появилась в 1956 году в институте Карнеги (США). Ее авторы А. Ньюэлл, Г. Саймон и Дж.
Шоу основывались на идее о том, что мышление следует понимать как механизм для обработки информации, а решение задач человеком осуществляется путем целесообразного выбора на множестве конкурирующих между собой альтернатив. После Логика-теоретика авторы попытались создать Общий решатель задач (General Problem Solver - GPS).
Поставленная цель не была достигнута: оказалось, что класс доступных ему задач оказался весьма узок.
Тем не менее, эта программа надолго вошла в арсенал средств искусственного интеллекта, на ее основе отрабатывались приемы эвристического программирования, была создана база для совершенствования решателей задач.
Термин искуственный интеллект впервые ввел Дж. Маккарти, автор многих ярких работ по программированию.
Он же организовал первую конференцию по ИИ и начал теоретическую работу, которая привела к созданию языка символьного программирования Лисп (Lisp), ставшего базовым языком для создания программного обеспечения для систем искусственного интеллекта.
Первые роботы, системы управления которых были построены на основе нейроноподобных сетей (на уровне отдельных нейронов) были разработаны в 60-х годах ХХ в. Л. Сутро, У. Килмером, Дж. Ол-бусом и др.
Компьютер для перевода технических текстов с русского языка на английский появилась в 1954 году. За несколько минут было переведено около 60 предложений.
Первые машинные стихи появились в 1960-х гг. Вот два примера машинных стихотворений:
Добрый реет шелест Плачет пустота Слушают качели И поет беда Стань покорно горе Томно лишь летит И прозрачно море Тайно шелестит И бежит земная Незаметно тень Медленно лесная Славит влажный день
Пока жизнь создает ошибочные, совершенно пустые образы, Пока медленное время течет мимо полезных дел, А звезды уныло кружатся в небе, Люди не могут смеяться.
Теоретическую основу моделей представления знаний (а также основу разработки большинства компьютерных языков) заложил Н. Хомский, который предложил новую систему понимания языка, называемую формальной грамматикой, которая позволяет описать структуру фраз, текстов.
Фреймы впервые были определены М. Минским в 1974 г. как структуры, группирующие данные по объединяющему их смыслу.
Семантические сети как модель представления знаний были предложены Р. Квиллингом в 1970-х гг.
Одна из первых экспертных систем была разработана для химических исследований в середине 1960-х гг. Проект DENDRAL был предназначен для определения пространственных структур органических молекул.
Одна из первых успешно действующих ЭС в области компьютерных систем и электроники (XCON) появилась только в конце 1970-х гг. Современные разработки ЭС в этой области связаны с проектированием конфигурации компьютеров, с диагностикой неисправностей, с управлением процессом производства компьютеров.
8 ПРОГРАММНЫЕ СРЕДСТВА АВТОМАТИЗАЦИИ УПРАВЛЕНИЯ
Управление осуществляется в любых системах, но есть такие системы, где управление - это профессия. Руководитель, управляющий, директор, начальник, менеджер, заведующий, администратор -все это специалисты по управлению.
К чему сводится управленческая деятельность? Обычно к определению целей работы предприятия или организации, наблюдению за ходом производства, контролю качества продукции, составлению производственной документации, размножению и рассылке документов, связи отделов производства между собой, взаимодействию с биржевыми и банковскими организациями, регистрации и сортировке документов.
Иными словами, к сбору, анализу, выработке, передаче, хранению и переработке информации.
Современное производство отличается сложностью, многообразием связей, форм и методов. Чтобы производство было эффективным, потоки информации - плановые и отчетные документы, производственная документация, банковские операции необходимо обрабатывать безошибочно и в самые сжатые сроки.
Своевременно и правильно обработанная информация становится важным производственным ресурсом. Использование компьютеров и информационных технологий на всех этапах управления способно повысить его эффективность и качество.
Автоматизированные системы управления (АСУ) - комплекс технических и программных средств, обеспечивающий в тесном взаимодействии с отдельными специалистами или коллективами управление объектом в производственной, научной или общественной сфере.
Основное преимущество АСУ перед ручными методами управления состоит в том, что для принятия необходимых решений управленческому персоналу предоставляется более полная, своевременная и достоверная информация в удобной для восприятия форме. АСУ - это автоматизированный сбор и обработка информации, хранение ее в памяти ЭВМ, это использование нормативно-справочной, исходной, промежуточной и выходной информации.
Использование систем поддержки принятия решений, экспертных систем, систем автоматизированного проектирования дает возможность получать принципиально новую информацию.
Это еще одна функция АСУ.
Качество управления непосредственно связано с применением математических методов в управлении, внедрение которых без компьютера, как правило, невозможно из-за большого объема вычислений.
Пример. Задача составления оптимальной последовательности запуска деталей в производство содержит п! вариантов, где n - количество видов деталей. При n = 10 число возможных вариантов запуска достигает
3 млн. 600 тыс.
Но в производстве насчитывается нередко до нескольких сотен видов деталей!
К математическим методам в первую очередь относятся оптимизационные методы, статистическая обработка информации, математическое моделирование и др.
АСУ различают по выполняемым функциям и результатам деятельности.
По функциям АСУ подразделяются на:
- административно-организационные:
