Новая информационная технология
Основные целевые задачи
Обеспечение возможности решения на ЭВМ слабо формализуемых задач
Обеспечение широкого доступа к ЭВМ пользователей-непрофессионалов в области ЭВМ
Общее назначение
Поддержка принятия решений
Рис.1. Общая характеристика новой информационной технологии
Неопределенность разного рода (исходных данных, целевой установки, метода) возникает при обработке информации (информации, поступающей от сенсорных систем). Поэтому, с точки зрения применения НИТ в РТС, представляют интерес процессы распознавания образов: распознавания объектов расположенных в зоне действия роботов или на пути мобильных роботов, распознавания изображений, получаемых сенсорными системами, и обработка многофакторной информации, получаемой от различных сенсорных систем.
Рассмотрим основные классы НИТ, наиболее перспективные в плане их влияния на функциональную эффективность (см. рис.2). Рассмотрение начнем с систем ИИ.
Под искусственным интеллектом понимают область научных исследований, в рамках которой разрабатываются модели, методы, технические и программные средства решения задач, традиционно считавшихся интеллектуальными и поддающимися формализации и автоматизации. Под интеллектуальными системами понимают любые биологические, искусственные или формальные системы, проявляющие способность к целенаправленному поведению. Последнее включает свойства (проявления) общения, накопления знаний, принятия решений, обучения, адаптации и т.д.
Системами ИИ называют системы, предназначенные для выполнения на ЭВМ таких практических задач, которые называются интеллектуальными, если они выполняются людьми. В теории ИИ часто системы ИИ называют интеллектуальными системами.
Рис.2. Основные классы НИТ
В настоящее время в исследованиях по ИИ выделяют семь основных направлений (рис.3(1.1)).
1. Представление знаний. В рамках этого направления решаются задачи, связанные с формализацией и представлением знаний в памяти интеллектуальной системы (ИС). Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Изучаются источники, из которых ИС может черпать знания, и создаются процедуры и приемы, с помощью которых возможно приобретение знаний для ИС. Проблема представления знаний для ИС чрезвычайно актуальна, так как ИС - это система, функционирование которой опирается на знания о проблемной области, которые хранятся в ее памяти.
2. Манипулирование знаниями. Для того чтобы знаниями можно было пользоваться при решении задач, надо научить ИС оперировать ими. В рамках данного направления строятся способы пополнения знаний на основе их неполных описаний, изучаются системы, классификации хранящихся в ИС знаний, разрабатываются процедуры обобщения знаний и формирования на их основе абстрактных понятий, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели рассуждений.
Манипулирование знаниями очень тесно связано с представлением знаний. Считается, что эти два направления можно разделить лишь условно. Создавшаяся в настоящее время теория баз знаний включает исследования, относящиеся как к первому, так и ко второму направлению.
3. Общение. В круг задач этого направления входят: проблема понимания связных текстов, понимания речи и синтез речи, теория моделей коммуникации между человеком и ИС. К этому же кругу проблем примыкают задачи формирования объяснений действий ИС, которые она должна уметь порождать по просьбе человека, а также комплекс задач связанных с интеграцией в единый внутренний образ сообщений различной модальности (речевых, текстовых, зрительных и т.п.), полученных в процессе коммуникации. На основе исследований в этом направлении формируются методы построения лингвистических процессора, вопросно-ответных систем, диалоговых систем и других ИС, целью которых является обеспечение, комфортных условий для общения человека с ИС.
4. Восприятие. Это направление традиционно включает проблемы анализ трехмерных сцен, разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, разработку процедур когнитивной графики, создание средств для порождения сцен на основе внутренних представлений в ИС.
Специалисты в области ИИ видят большие возможности в повышении уровня интеллектуальности ИС за счет обработки зрительной (образной) информации и соотношения ее с обработкой символьной (текстовой) информации.
5. Обучение. Предполагается, что ИС подобно человеку будут способны к обучению - решению задач, с которыми они ранее не встречались. Для того чтобы это стало возможным, необходимо: создать методы формирования условий задачи по описанию проблемной ситуации или по наблюдению за этой ситуацией; научиться переходу от известного решения частных задач (примеров) к решению общей задачи; создать приемы декомпозиции исходной для ИС задачи на более мелкие так, чтобы они казались для ИС уже известными; разработать нормативные и декларативные модели самого процесса обучения, создать теорию подражательного поведения.
6. Поведение. Так как ИС должны действовать в некоторой окружающей среде, необходимо разработать специальные поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими ИС и людьми. Для достижения такого взаимодействия надо провести исследование в ряде направлений и создать: модели целесообразного поведения, нормативного поведения, ситуативного поведения, специальные методы многоуровневого планирования и коррекции планов в динамических ситуациях, модели принятия решений ИС в этих ситуациях.
7. Интеллектуальное программирование. Это направление стало развиваться в последние годы. Оно включает в себя: языки для интеллектуального программирования (логического программирования, объектно-ориентированные языки, языки представления знаний и семантической разметки); автоматический синтез программ (дедуктивные и индуктивные методы); инструментальные средства; интеллектуальные интерфейсы; мультиагентные технологии.
Перечисленные направления ИИ характеризуются разным уровнем исследований и соответственно, разными практическими результатами.
Интеллектуальные системы, создаваемые при проведении исследований в области ИИ, обладают рядом особенностей.
Во-первых, общение человека-пользователя с этими системами не требует от него знания программирования, так как диалог с ними организуется на естественном языке (ЕЯ).
Во-вторых, программы решения конкретных задач формируются ИС автоматически на основе введения в их память знаний о закономерностях проблемных областей и способах решения возникающих в этой области задач с использованием методов логических рассуждений, ставших уже традиционными математических методов исследования операций, и методов, основанных на нечеткой логике и нечетких выводах.
В-третьих, ИС обеспечивают выдачу наиболее предпочтительных в данной ситуации, вариантов решения, сопровождают их объяснениями.
В настоящее время выделяют основные направления развития и применения ИС, представленные на рис.1.2. Классификация ИС также представлена на рис.4(1.2).
Дальнейшее совершенствование машиностроения, так и способов управления машиностроительным производством немыслимо без применения ИС. Переход к интеллектуализации средств автоматизации производственных процессов позволит принимать решения в реальном масштабе времени в условиях высокотехнологического производства, значительно повысить оперативность и качество управления и решить ряд других задач.
Рассмотрим кратко только те из них, которые входят в НИТ.
Робототехнические системы представляют собой автоматизированные устройства, способные самостоятельно выполнять разнообразные производственные функции.
Так как в данной дисциплине рассматриваются именно они, то остановимся на других СИИ, используемых в НИТ.
Одним из важнейших типов средств ИИ являются ЭС, обеспечивающие помощь человеку при анализе ситуаций и принятии решений.
Под экспертными системами будем понимать комплекс программных средств, обеспечивающих выдачу рекомендаций для решения трудно формализуемых задач в условиях дефицита времени, противоречивой и недостоверной информации, в том числе и в непредсказуемых ситуациях, на основе обобщенного коллективного опыта, хранящегося в памяти ЭВМ (базе знаний).
Нейропакеты (нейросетевые и нейрокомпьютерные технологии).
Нейрокомпьютеры (их другое название нейросетевые системы) - это ЭВМ нового поколения, качественно отличные от всех предыдущих (в том числе от ЭВМ пятого поколения) тем, что в них отсутствуют заранее созданные алгоритмические программы и они, аналогично человеческому мозгу, способны обучаться на отдельных примерах.
Функционирование нейросетевых систем основано на принципе самообучения. В результате предъявления нейросетевому вычислителю (НСВ) входных параметров ряда обучаемых примеров и соответствующей корректировки выходных параметров в нейросетевой структуре устанавливаются определенные связи, которые обеспечивают получение решения при анализе реальных ситуаций. В настоящее время НСВ хорошо зарекомендовали себя при решении задач распознавания изображений, что особенно важно при обработке разведданных.
Нечеткие системы – это системы, которые предназначены для обработки нечетких понятий и знаний, оперировать этими знаниями и делать нечеткие выводы. Методология построения этих компьютерных систем основывается на теории нечетких множеств, предложенной Л.Заде. Связь между ИИ и теорией нечетких множеств является вполне естественной, если принять гипотезу Д.Заде о том, что, «человек мыслит не числами, а нечеткими понятиями». В настоящее время созданы специализированные нечеткие компьютеры, способные работать с нечеткими знаниями быстрее чем цифровые компьютеры.
Нечеткие системы не стоят обособленной группой в новых информационных технологиях, а пронизывают все НИТ, связанные с ИИ: нечеткие экспертные системы, интеллектуальные роботы, распознавание изображений и речи, автоматизированные системы различного назначения, базы знаний, автоматическое проектирование – это не полный перечень областей, в которых нашли свое применение нечеткие системы.
Распределенная обработка данных (РОД) позволяет улучшать все основные функциональные характеристики РТС, определяющие оперативность, устойчивость, непрерывность управления и качество отработки решений. Причем в ряде ситуаций это улучшение настолько значительно, что не может быть достигнуто никаким иным путем, кроме рассматриваемого.
Системы обработки и представления информации на основе электронных цифровых карт местности (ЭЦКМ) получают все более широкое распространение в мобильных роботах, особенно в сочетании с применением при управлении движением спутниковых навигационных систем. Это объясняется не только их хорошими возможностями при отображении обстановки в удобном для должностного лица виде, но целым рядом дополнительных свойств. Использование ЭЦКМ, особенно трехмерных, позволяет быстро оценить защитные свойства местности, зоны невидимости, разрушений и радиоактивного заражения, затоплений при взрывах плотин и т.п. Тем самым значительно расширяется круг функций управления, которые могут быть реализованы на ЭВМ при выработке предложений для принятия решений.