- •«Определение интеллекта»
- •«Основные подходы к построению систем искусственного интеллекта»
- •Логический подход
- •Структурный подход
- •Эволюционный подход
- •Имитационный подход
- •«Знания и их представления»
- •«Модели представления знаний» Семантические сети
- •Фреймовое представление
- •Продукционное представление знаний
- •Логические модели знаний
- •«Особенности назначения и разработки экспертных систем»
- •Структура экспертной системы
- •Классическая схема управления экспертной системой
- •«Развитие традиционной системы управления»
- •«Методы логического вывода и управления знаниями»
- •«Системы общения на естественном языке»
- •Построение естественно-языковых интерфейсов
- •«Интеллектуализация поисковых процедур»
- •Интеллектуализация поисковых процедур
- •Распознавание образов и анализ изображений
- •«Методы интеллектуальных технологий в управлении техническими системами»
- •«Перспективы развития интеллектуальных систем»
«Перспективы развития интеллектуальных систем»
Несмотря на многообразие вариантов алгоритмического решения задач прогнозирования, оно имеет общую процедурную модель процесса получения результата, которая содержит три наиболее общих этапа: ретроспективный анализ, диагностический анализ и прогнозный анализ. Содержание всех видов анализа и их этапов состоит в интерпретации прошлого, определении настоящего и оценке будущего. Суть этапов в виде библиотек приемов и методов может существенно отличаться в зависимости от предметной области исследования, а также от контролируемых объектов и сопровождающих их деградационных процессов.
Раскроем назначение каждого этапа процедурной модели, хотя содержательная направленность очевидна из их названия.
Постановка задачи играет большую роль при решении любой задачи. Однако в данном случае этот этап особенно важен, так как во многом предопределяет весь ход процесса прогнозирования, поскольку именно постановка задачи оговаривает ту часть предметной области, в которой «живет» контролируемый объект, и то методическое, алгоритмическое и программное обеспечение, которое может быть привлечено к решению задачи. Этот этап дает описание предметной области, очерчивает контуры базы знаний, которую необходимо создать или привлечь для обеспечения фундаментальных основ решения задачи. Предметная область определяется тем классом объектов, которые подвергаются контролю, средой, в которой они функционируют, и видом деградационных процессов, определяющих изменение работоспособности объекта.
Анализ объекта прогнозирования предполагает исследование объекта с различных сторон: физической, конструктивно-структурной, надежностно-параметрической, функциональной, диагностической и т.д. Если все эти аспекты представить в формализованном виде, желательно в аналитической форме — в виде математических моделей, или в виде словесного описания, конструктивных или функциональных блок-схем, чертежей, логических схем и др., а также в виде их семантической взаимосвязи и отношения, то это и будет составлять основу базы знаний. Поскольку интерес вызывает изменение технического состояния объекта, то необходимо изучить процессы, характеризующие эти изменения. Процессы исследуются как с физической (фундаментальной), так и статистической (прикладной стороны, после чего выбирают показатели (характеристики или параметры), являющиеся наиболее информативными для описания процесса изменения технического состояния. С этой целью не пользуются методы и алгоритмы, позволяющие оценить характер и степень нестационарности этих процессов.
Таким образом, при обучении необходимо создать методы формирования условий задачи по описанию проблемной области или по наблюдению за этой ситуацией, научиться переходу от известного решения частных задач (примеров) к решению общей задачи, создать приемы декомпозиции исходной для автоматизированной системы задачи на более мелкие так, чтобы они оказались для системы уже известными, разработать нормативные и декларативные модели самого процесса обучения, создать теорию подражательного поведения.
Планирование процедуры прогнозирования заключается в выборе плана проведения диагностического анализа (выборе временных интервалов, числа измерений контролируемых параметров и т.д.). Иными словами, результатом этапа должен быть план действий — частично упорядоченная совокупность действий. Такой план напоминает сценарий, в котором в качестве отношения между вершинами выступают отношения типа: «цель-подцель», «цель-действие», «действие-результат» и т.п. Любой путь в этом сценарии, который ведет от вершины, соответствующей текущей ситуации, в любую из целевых вершин, определяет план действий.
К этапу диагностического анализа в рамках рассматриваемой процедуры не предъявляется каких-либо особых требований. Здесь прежде всего, необходима разработка диагностического обеспечения: нужно иметь набор (библиотеку) методов и моделей диагностирования, инструментальные средства диагностирования, позволяющие оценить текущее техническое состояние объекта с необходимой точностью.
Организация диалоговой системы подразумевает организацию процедуры общения ЛПР с ЭВМ как основы АСП; Поскольку процесс контроля и прогнозирования можно интерпретировать как «запрос-ответ», «запрос на производство прогнозирования — выдача результата прогноза», то диалог заложен в самой природе про-контроля и прогнозирования. При этом диалог существует всегда вне зависимости от объема решаемой задачи и для всех классов задач. Поэтому важна организация диалогового процесса с разработкой ее теоретических и практических основ.
Идентификацию выбранной модели и непосредственно прогнозирование по текущим данным осуществляют по алгоритмам, проверенным на стадии обучения по априорным данным, т. е. это чисто счетно-вычислительные действия.
Поставленная задача прогнозирования требует оценки точности получаемых результатов (прогноза) и эффективности прогнозирования.
Принятие решения является заключительным этапом и представляет основу для процесса управления, целью которого могут быть действия, направленные на оптимизацию функционирования диагностируемого объекта или улучшения показателей контролируемого процесса.
Описание предметной области при выборе моделей прогнозирования
Очевидно, что в автоматизированной системе упреждающего контроля центральным моментом процесса прогнозирования является выбор математической модели, которая бы учитывала все специфические особенности поставленной задачи. При этом следует рассматривать автоматизированно такие вопросы, как:
• оперирование (манипулирование) знаниями из той базы знаний, которая образована, предполагающее использование моделей рассуждений и обобщения, создание методов достоверного и правдоподобного вывода решения (заключения);
• общение оператора с системой, что требует формирования методов построения лингвистических процессоров, вопросно-ответных систем, диалоговых систем и др.;
• восприятие или распознавание требований, которые выдвигаются в задаче как в виде символьной (текстовой), так и зрительной (образной) информации;
• поведение системы в некоторой информационной среде на основе модели целесообразного поведения, нормативного поведения, ситуативного поведения и т.п.
Исследование подобных задач проблемного характера требует определенного уровня интеллектуализации АСП.
В заключение хотелось бы еще раз подчеркнуть следующее: специфика предмета ИИ, как и ряда других наук нового поколения, состоит в том, что это — типичная открытая научная дисциплина с нечеткими, подвижными границами. Работающие в ней исследователи похожи на покорителей Дикого Запада — первых американских переселенцев, которые шли с восточного побережья США на западное, осваивая новые земли и сдвигая границу неизведанного. Было понятие Дикий Запад, но не было точно очерченной территории, которую занимала эта таинственная страна. Линия границы все время смещалась, пока не дошла до берегов Тихого океана... А далее Запад сомкнулся с Востоком.
Так и в искусственном интеллекте. То, что уже пройдено, открыто, освоено, выходит за рамки актуальных научных направлений и пополняет инструментарий базовых компьютерных технологий. Когда-то ИИ начинался с эвристических программ, решающих шахматные задачи по принципам перебора и автоматического доказательства теорем в исчислении предикатов, а теперь процедуры представления задач и поиска в пространстве состояний являются традиционным наполнением стандартных игровых программ. Точно такая же ситуация возникает ныне с экспертными системами на базе дедуктивного вывода и средствами инженерии знаний, которые из областей повышенного научного интереса уже превращаются в рутинные технологии, применяемые всеми процветающими фирмами.
Аналогично, в свое время задачи автоматического распознавания и классификации считались центральной темой в исследованиях по ИИ, а сейчас — это самостоятельная научная дисциплина, причем большинство активно используемых методов распознавания, например статистические методы или потенциальные функции, довольно далеки от современных идей и принципов ИИ. Предложенные М. Минским фреймы для представления знаний вызвали к жизни столь мощную и бурную компьютерную волну как объектно-ориентированное программирование, которая впоследствии захлестнула другие стили программирования и послужила основой для практической реализации агентно-ориентированного подхода.
Правда, иногда в ИИ возникают «обратные потоки переселенцев на Восток», когда вдруг возрождаются давно забытые идеи и подходы. Так получилось с искусственными нейронными сетями и нейродинамикой Ф. Розенблатта, пер-цептроном С. Пейперта, бум вокруг которых вновь возник в конце 80-х годов в связи с появлением нейрокомпьютеров и развитием интегрированных подходов в ИИ. Похожая вещь произошла недавно с ситуационным управлением и семиотическим моделированием — научным направлением, сформировавшимся в конце 60-х годов в отечественной школе Д. А. Поспелова, которое пережив в середине 90-х годов новое рождение под именем «Прикладная семиотика», вызвало широкий международный резонанс в научном мире. Автор верит, что на новом витке развития ИИ, в русле продвижения от многоагентных систем к интеллектуальным организациям, возродятся, получат широкое распространение и найдут применение многие блестящие модели психики и интеллекта, формирования индивидуального и коллективного поведения, самоорганизации деятельности, познания и общения, разработанные в недрах различных наук. И будут «выращены зерна» новых междисциплинарных научных знаний, будут открыты новые технологии.
Мы живем на заре эры Водолея. Эры слияния индивидуальных образов и коллективных знаний, эры сетевого интеллекта.