книги из ГПНТБ / Рубахин, В. Ф. Психологические основы обработки первичной информации

группы: 1) решение задачи с использованием методов теории автоматического опознания образов; 2) решение задачи путем сопряжения оператора с ЭЦВМ. Причем в обоих группах могут быть выделены две подгруппы: в первом случае — подгруппы статистических и «структурных» методов; во втором — варианты решения задачи с использованием аппарата статистической про­ верки гипотез и применением эвристических машинных программ. Место перечисленных методов в общей системе способов решения перцептивно-познавательных задач показано на схеме 6.1.

Для серийного дешифрирования могут быть использованы все группы указанных способов, но с различной эффектив­ ностью. Эвристическое дешифрирование в настоящее время может быть реализовано путем использования высококвалифицирован­ ных операторов-дешифровщиков различного профиля и частично сопряжением оператора с ЭЦВМ.

На наш взгляд, проблема машинной обработки первичной информации в целом может быть решена ныне на основе примене­ ния автоматизированных систем «человек—машина» при условии психологически обоснованного распределения функций между операторами-дешифровщиками и автоматическими устройствами и реализации в последних некоторых психофизиологических функ­ ций человека.

В связи с этим резко возрастает роль моделирования про­ цессов восприятия и опознания сложных изображений, дешифровочной деятельности в целом.

§6.1. Пути моделирования процессов восприятия

иопознания сложных изображений

Врамках большой и сложной проблемы моделирования дешифровочной деятельности рассмотрим: некоторые вопросы тео­ рии моделирования психофизиологических функций человека; существующие формальные модели восприятия и опознания; не­ которые перспективные модели процессов восприятия зашумлен­ ных стимулов, характерных для дешифрирования.

6.1.1.Детерминированно-эвристичсская концепция моделирования психофизиологических функций человека

Всвете ленинской теории отражения процесс отражения внешней среды характеризуется определенной детерминирован­

ностью, активностью и динамичностью.

Как показывают исследования последних лет, этот процесс реализуется у человека на основе сложной системы психического управления и имеет характер активной, познавательной деятель­ ности. Основные черты сложных биологических систем управле­ ния раскрыты в исследованиях, посвященных теории функцио­

17* 247

нальной системы П. К. Анохина [И] и физиологии активности [26, 27]. В общем виде их можно свести к следующим позициям: а) управление представляет собой процесс формулирования и ре­ шения задачи, сформировавшейся в результате сопоставления воспринятой информации с прошлым опытом и в соответствии с потребностями системы; б) уяснение задачи и оценка ситуации включает планирование и предвосхищение результатов предстоя­ щих действий системы; в) процесс решения задачи сводится к выбору или построению программ действий; г) анализаторы обеспечивают полное, синтетическое и предметное отображение внешней среды («афферентный синтез»); д) в ходе решения задачи идет непрерывный процесс саморегулирования системы за счет реализации обратных связей (обратная афферентация о результа­ тах действия системы). Близка к этим взглядам концепция про­ граммирования поведения, развиваемая в [188] с анализом пла­

Психическое управление имеет два основных аспекта: ло­ гико-психологический и операциональный. Логико-психологи­ ческий аспект связан с формулированием (переформулированием) задач управления. Операциональный аспект связащс процедурами преобразования входной информации и перцептивных образов в интересах выдвижения (построения) и проверки гипотез с ис­ пользованием внутренних эвристических, структурных и вероят­ ностных механизмов. Последние обеспечивают формирование, коррекцию и использование для управления внутренних (постоян­ ной и оперативной) моделей среды и собственных действий.

Причем сенсорные преобразования выполняют кодирование внешнестимульной информации, последовательно переводя описа­ ние внешней среды с одного языка на другой, более абстрактный. Перцептивные операции осуществляют обратное перекодирование абстрактных, символьных данных в конкретные образы. Система перцептивных операций является в общем случае системой управ­ ления познавательным действием, использующей сформированный образ (модель). Некоторые из этих преобразований были рассмот­ рены в главе III.

Проблема реализации психического управления в технических воспринимающих устройствах сводится к формальному построе­ нию сенсорно-перцептивной системы, формирующей и использую­ щей для решения сложных задач модель среды, адекватную зада­ чам и среде.

В настоящее время еще нет формальных, т. е. имеющих стро­ гое математическое построение, моделей информационных про­ цессов, которые бы учитывали основные свойства психического отражения (управления). Сейчас структура, функции и закономбрности формирования информационных процессов описаны лишь на качественном, содержательном языке. Правда, в послед­

248

ние годы в нейрофизиологии и психофизиологии делаются попытки моделирования некоторых сенсорных процессов, памяти, элемен­ тарных мыслительных операций и т. д. в интересах количествен­ ного описания психофизиологических функций и явлений. К со­ жалению, эти описания, как правило, охватывают изолированные процессы и лишены универсальности даже в рамках одной пси­ хологической модели. Следовательно, психологические модели условно могут быть названы содержательными. Их можно рас­ сматривать как программу формального описания психофизио­ логических функций человека.

К основным внешним и внутренним закономерностям, свойст­ венным содержательным психоло ическим моделям, в свете рас­ смотренной выше структурной теории восприятия, могут быть отнесены:

а) обусловленность функционирования «внутренних» моделей среды воспринимаемыми структурами и решаемой задачей;

б) активно-избирательный характер отражения внешней среды на основе действия замкнутых систем постоянных и временных связей различной природы и уровня;

в) этажность обработки информации на основе взаимодействия сенсорных, перцептивных и концептуальных моделей разного ранга, обеспечивающих отражение внешних структур любой слож­ ности;

г) использование динамических, иерархических систем описа­ ния и внутреннего воссоздания элементов среды;

д) выработка оптимальной стратегии функционирования в про­ цессе отражения;

е) реконструкция моделей при реализации новых познаватель­ ных целей в рамках «гностической саморегуляции» [228].

В структурном смысле рассматриваемые модели представляют собой иерархические системы данных с переменным числом уров­ ней разной сложности, на каждом из которых с помощью опреде­ ленных лингвистических средств отражаются (в той или иной степени абстрактно) внешняя среда и схемы поведения. Рассмот­ ренная система моделей образует весьма гибкий и тонкий аппарат отражения внешней среды, обладающий высокой чувствитель­ ностью и разрешающей способностью, измерительными возможно­ стями с автоматической настройкой.

Выше были раскрыты структура и некоторые закономерности функционирования общей психологической модели дешифровочного процесса. Показано, что структура модели этого процесса имеет иерархически-динамический характер и опирается на пост­ роение системы частных моделей разной степени обобщения.

С точки зрения автоматизации процессов первичной обработки дешифровочной информации особое значение имеет анализ осо­ бенностей. функционирования перцептивных моделей.

249

ческих моделей. Разумеется, преимущества человека должны использоваться с учетом возможностей и преимуществ машины: высокого быстродействия, пропускной способности, точности, постоянной работоспособности при заданном уровне надежности

ит. д. Конечно, не все слепо должно заимствоваться у природы,

учеловека. Большое значение имеет поиск и использование

более экономных или вообще более выгодных в каком-то отноше­ нии решений по сравнению с биологическими системами. Однако эти решения, на наш взгляд, могут касаться лишь частных, узко специализированных функций. Для полифункциональных техни­ ческих систем, а к ним относятся опознающие автоматы, более или менее полное соответствие с функциями человека является весьма желательным. Это будет способствовать резкому повыше­ нию надежности и эффективности технических средств.

Итак, в основу моделирования процессов восприятия и опозна­ ния в интересах построения технических устройств широкого назначения должен быть положен «детерминированно-эвристи- ческий» подход с реализацией основных принципов функциони­ рования содержательных психологических моделей; «структур­ ной» детерминированности, взаимодействия моделей разного ха­ рактера и уровня, эвристичности перцептивно-опознавательной деятельности. Следует еще раз подчеркнуть, что детерминирован­ ность здесь рассматривается с содержательно-психологических позиций, а эвристичность — в широком смысле слова, не исклю­ чая вероятностных аспектов. Из указанных принципов вытекают как следствие все перечисленные преимущества психического управления и восприятия, включая иерархичность, взаимную корреляцию функциональной и лингвистической структур, коль-

вым гипотеза о детерминированно-эвристическом подходе к моде­ лированию более подробно рассмотрена в [58, 59].

Возможный путь построения эффективно действующих непри­ митивных автоматов на принципах психики: а) анализ характера психофизиологических и психологических моделей, описывающих в естественном языке деятельность человека; б) формальное описание психофизиологических функций человека при решении соответствующих задач и построение математических моделей (цифровых, аналитических); в) создание физических моделей из специализированных (например, оптико-электронных) конструк­

физических и математических моделей, с реализацией последних на ЭЦВМ.

Основными задачами построения формальных моделей явля­ ются: обеспечение универсальности функционирования рецептор­

251

ных устройств, производящих обработку любой входной информа­ ции; воспроизведение функциональной структуры психического управления с реализацией соответствующих эвристик и алгоритмов (металгоритмов) выделения, преобразования и фиксации информа­ ции как при построении психологических моделей, так и их функционировании; разработка иерархического языка для адек­ ватного описания объектов среды и отражающих их текущих образов; разработка принципов построения внутренней модели проблемной ситуации в ходе ее решения на перцептивно-опознава­ тельном уровне. В настоящее время эти задачи являются централь­ ными в области кибернетической психологии.

При построении моделей восприятия и опознания необходимо учитывать следующие основные требования:

а) модель должна быть непротиворечивой в рамках модели­ руемых процессов, способной «вписываться» в более общую мо­ дель, быть основой для детализации частных моделей;

б) модель должна выполнять определенные информационные функции, нести новые знания о структуре моделируемых процес­ сов, обеспечивать прогнозирование их функционирования;

в) модель должна быть реализуемой на современных техни­ ческих средствах и обладать практической полезностью. Она должна представлять собой новое средство автоматического вы­ полнения всей системы операций, реализуемых в моделируемых ею психофизиологических структурах.

6.1.2.Анализ существующих формальных моделей восприятия

иопознания *

Как известно, формальные модели психофизиологических функций условно можно разделить на два больших класса: моно­ типные и генотипные [235]. Монотипные модели связаны с модели­ рованием какой-нибудь одной психофизиологической функции и характеризуются абсолютной неизменностью воспроизводимой функции. Генотипные модели отличаются от монотипных тем, что в них моделируется не заданная частная психофизиологиче­ ская функция, а класс таких функций. Они строятся не в виде детально разработанной логической функции, а в виде множества алгоритмов. Здесь широко используется вероятностный принцип. Очевидно, генотипные модели являются более адекватными струк­ туре психофизиологических функций. Они в большей степени применимы в сложных, заранее не определенных условиях.

В настоящее время разработано достаточно большое количе­ ство формальных моделей опознания на информационном уровне. Существующие модели опознания образов можно объединить

*Подробный анализ существующих формальных моделей восприятия

иопознания дан в [59]. Здесь рассматриваются лишь принципы их функ­ ционирования.

252

вдва основных класса: а) предпрограммированные монотипного характера и б) вероятностные, имеющие черты генотипных моде­ лей. К последним относятся статистические модели распознавания [19 и др. ] и самообучающиеся «перцептронные» модели [235 и др. ].

Простые предпрограммированные модели опознания строятся

впредположении о непересечении областей объектов в простран­ стве признаков (координат образов) и о пренебрежимо малом

каждого к-то признака xf (Z=1,2, . . . , R). Определяются апри­ орно и остаются неизменными: алгоритм развертки на входе си­ стемы, алгоритмы описания и опознания объектов. Задача сво­ дится к разбиению пространства всех возможных реализаций образов на подпространства, соответствующие различным клас­ сам объектов, с последующим отнесением воспринимаемого объ­ екта на основе полученного описания его реализации — ЬДх3,

х2, . . . , xN) к некоторому классу. Как видно, данная модель ничего общего не имеет с перцептивной моделью. Подобного рода модели лежат в основе предпрограммированных методов и уст­ ройств, работающих по принципу сличения опознаваемого объ­ екта с некоторым «шаблоном».

Наибольшее распространение получили вероятностные модели опознания. Они более изоморфны содеряштельным моделям. Эти модели строятся при условии пересечения областей объектов в пространстве признаков вследствие естественного разброса возможных реализаций одного и того же образа и в результате действия различных помех.

В основу построения статистических моделей опознания в об­ щем виде положены следующие принципы:

а) модель имеет статистический характер ввиду случайной

= 1,2, . . . , N); распределение вероятностей значений признаков

R

для каждого класса, в дискретном случае Р(хк/А{),шУ, Р (х^М4.)= 1,

где {xf} (/ = 1,2, . . . , R) — совокупность градаций признака х ; алгоритмы описания и опознания.

Задача опознания сводится к установлению соответствия между распределениями вероятностей входного сигнала и раз­ личными классами образов при использовании некоторых апри­ орных данных на основании применения теории статистических

253

решений. Необходим перебор но всем ориентациям и возможным масштабам. Фактически здесь нет преобразования пространства рецепторов в пространство семантических признаков. Наиболее важным звеном модели является количественное определение степени совпадения описания реализации с описаниями всех клас­ сов эталонов. Эта оценка может иметь вид распределения апосте­ риорных вероятностей гипотез, распределения коэффициентов корреляции и т. д. Основой для вычисления апостериорных веро­ ятностей гипотез служит теорема Байеса. Применение решений осуществляется в соответствии с принятыми правилами решения и критериями опознания. Решающее правило определяет разбие­ ние множества В реализаций данного алфавита на ряд подмножеств В п число которых равно числу классов М. В основу берут кри­ терии, минимизирующие среднюю ошибку опознания, ошибку опознания каждого класса или средний риск.

Как видно, статистическая модель опознания имеет значитель­ ные ограничения, а именно: не обеспечивает выделение объектов из фона, активный поиск информативных, «непересекающихся» признаков; фактически не формирует аналога перцептивной мо­ дели, отражающей иерархическую структуру объектов внешней среды и управляющей процессом восприятия в целом; не обеспе­ чивает вскрытия структуры объектов внешней среды, извлечения из них «структурной» информации. По существу «внутренняя» модель среды не строится. Отсюда большие требования к априор­ ным данным; фиксированность всех алгоритмов; разомкнутость контуров управления; ограниченность применения модели.

Самообучающиеся модели перцептронного типа имеют свои особенности:

а) структура модели не задана, определен лишь закон ее организации в виде некоторого класса систем;

б) свойства элементов каждой системы аксиоматически не

Структура перцептронной модели, реализующей эти особен­ ности, включает ряд разнородных слоев, состоящих из сенсор­ ных (S ), логических решающих (а) и реализующих (г) элементов. По существу перцептрон представляет собой сеть S —A —R эле­ ментов с переменной матрицей взаимодействия, определяемой последовательностью прошлых состояний сети. Матрица v может изменяться под воздействием положительного или отрицатель­ ного подкрепления, определяемого внешней системой (операто­ ром). Различают элементарные и сложные перцептроны. Послед­ ние имеют несколько слоев с перекрестными связями. Перцептрон «способен» обучаться различению, классификации и обобщению предъявляемых объектов. Обучение производится на специально подобранной последовательности обучающих стимулов и сводится

254

активный поиск и переработку информации на разных уровнях восприятия и могут быть использованы для решения частных за­ дач, причем в ряде случаев достаточно успешно.

Статистические модели лежат в основе корреляционных, а самообучающиеся — в основе перцептронных методов автомати­ ческого опознания образов. Корреляционные методы и модели, опирающиеся на интегральные характеристики формы, в частно­ сти, применимы для поиска и опознания заданных объектов жест­ кой конфигурации. В настоящее время разрабатываются корреля­ ционные методы на основе вероятностных моделей для опознания «фоновых» объектов по сигналам микрофотометрической развертки аэрофотоизображений. Так, в [283] предложена модель, основан­ ная на статистическом анализе оптических плотностей и гео­ метрических деталей.

Ближе к содержательным психологическим моделям отраже­ ния внешней среды подходят формальные модели третьего класса, так называемые «лингвистические» модели семиотического харак­ тера, разрабатываемые в последние годы. Эти модели основаны на использовании «искусственных», абстрактных языков в целях кодирования воспринимаемых элементов, связей и отношений между ними.

Так, например, в [195, 196 и др.] предложена программа, фактически обеспечивающая построение схематической внутренней модели, правда, про­ стой ситуации. Программа рассчитана на восприятие элементарного графиче­ ского (контурного) материала. Исходная информация подвергается «грам­ матическому» анализу. С помощью ограниченного набора терминов и правилих актуализации изображение преобразуется в граф, имеющий размеченнуюструктуру; затем граф сводится в сеть, образованную некоторыми примитив­ ными связями. Исходное изображение описывается на «языке» этих связей- и их комбинаций. На основе такого описания может производиться не толькопростое опознание (классификация) объектов, но и их элементарная интер­ претация (определение свойств, отношений объектов).

В [32] предложен проект программы конструирования алгоритма опи­ сания и опознания геометрических фигур разной степени сложности. Про­ грамма предусматривает многоступенчатую логическую обработку исходной информации. Она имеет словарь и определенную грамматику. Словарь вклю­ чает набор стандартных операторов; грамматика — набор правил преобразо­ ваний, с помощью которых из словарного материала можно строить различ­ ные комбинации, деревья. Построение алгоритма сводится к «достройке» простых комбинаций необходимыми операторами. Предусматривается ис­ пользование приемов сокращения перебора (например, «развал на кучи»). Программа «Геометрия» для простых объектов дает хорошие результаты.

На семиотических принципах основана модель отражения внешней си­ туации в памяти вычислительной машины, предназначенная для решения мыслительных задач ситуационного управления [141, 142, 228]. Модель типа* «гиромат» имеет сложный характер и включает частные модели теку­ щего состояния ситуации, ее обобщения и принятия решения. Вместо двоич­ ного кодирования информации вводится семантическое. Ситуационная модель опирается на «модельный» семантический 5-язык, включающий следую­ щие основные части: базовое множество понятий; базовое множество отно­ шений, базовую сферу знаний и корреляционную грамматику. Рассматривае­ мая модель способна в известных пределах к обобщению и абстракции поня­

256