Интеллектуальные системы управления

решаемых ими задач»
Учебные вопросы и распределение времени:
Вступление...............................................................................................5 мин.
1. Направления развития

ИСУ…………............................................30 мин.
2. Классы задач, решаемых ИСУ.........................................................40 мин.
Выводы и ответы на вопросы.................................................................5 мин.

сложных корабельных систем.-Л.:Судостроение, 1986.-232с.
2. В. Б. Кудрявцев. Введение в теорию

интеллектуальных систем: Учеб. пособие/МаксПресс – М., 2006. – 210 с.
3. Л. С. Болотова. Системы искусственного интеллекта. Теоретические основы и формальные модели представления знаний: Учеб. пособие/ МИРЭА.– М., 2001. – 78 с.
4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб: Питер, 2001.– 384 с.
5. П. Джексон. Введение в экспертные системы.- М.: Изд-во Вильямс, 2001.- 624 с.

можно представить 3 этапами: «информационные системы» (ИС), «автоматизированные информационные системы»

(АИС), «интеллектуальные информационные системы» (ИИС).

Каждому из этих этапов соответствует своя информационная модель предметной области. Для первых информационных систем такой моделью служили каталоги или классификаторы, для АИС это были массивы информации, организованные в виде баз и банков данных, а для ИИС - модель предметной области представлена системой структурированных данных, получившей название базы знаний.

Каталоги или классификаторы

Базы и банки данных

Базы знаний

для реализации в той или иной мере механизированного поиска необходимой

информации.

АИС, основанные на высоко организованных базах данных, позволяли не только вести автоматизированный и многоаспектный поиск информации, но и достаточно сложную обработку найденной информации, ее организованное хранение и передачу.

ИИС, основанные на базах знаний, должны (в дополнение к возможностям АИС) решать задачи, получившие название «интеллектуальных».

с тремя направлениями исследований, целью которых - моделирование возможностей человека

в решении интеллектуальных задач.

Первое направление объектом исследований рассматривает структуру и механизмы работы мозга человека, а конечной целью - раскрытие тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование ранее созданных моделей и т. д.

Второе направление в качестве объекта исследования рассматривает искусственную интеллектуальную систему. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин или автоматов иного принципа действия. Целью работ в этом направлении является создание алгоритмического и программного обеспечения, позволяющего решать некоторые виды интеллектуальных задач так же, как их решил бы человек.

еще говорят - интерактивных, интеллектуальных систем, являющих собой симбиоз возможностей

естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное сочетание возможностей человека и искусственной системы, моделирующей интеллектуальные возможности человека, и организация семантически безупречного диалога между человеком и такой системой.

к построению ИИС. Эти подходы не являются эволюционными этапами, они

появились почти одновременно (в историческом плане) и самостоятельно существуют и развиваются в настоящее время. Более того, никогда не было достаточных оснований к тому, чтобы безоговорочно предпочесть какой-то подход остальным.

Логический подход. Некоторые исследователи считают появление этого подхода неизбежным потому, что именно способность к логическому мышлению является существенной особенностью человека. Основой для данного подхода является применение различных правил логического вывода, изложенных с помощью Булевой алгебры.

Для логических методов характерна большая трудоемкость, поскольку поиск доказательства может потребовать полного перебора всех возможных вариантов решений. Поэтому данный подход требует эффективной реализации вычислительного процесса и хорошо «работает» при сравнительно небольшом объеме базы знаний.

с помощью компьютера и различных физических устройств.
Одной из первых

таких попыток был перцептрон Фрэнка Розенблатта. Структурной единицей перцептрона (как и большинства других вариантов такого моделирования) является компьютерная модель нейрона - нервной клетки.

"искусственные нейронные сети" (ИНС). Эти модели относятся к структурам, основанным

на примерах. Они используют как различные по физической реализации модели нервных клеток, так и различные топологии связей между ними. Нейронные сети сначала применялись в задачах распознавания образов и в задачах обучения, но в настоящее время есть коммерческие аппаратно -программные продукты, представляющие собой законченные ИИС, работающие на нейронно-сетевой технологии и применяемые в различных областях деятельности.

Принцип, лежащий в основе этого метода, заимствован у природы -

у живых организмов и систем. Во многих источниках он определяется как воспроизведение процесса естественной эволюции с помощью специальных алгоритмов и программ.

1. Эволюционное моделирование начинается с создания начального варианта модели ИИС для решения конкретной интеллектуальной задачи и набора правил, по которым эта модель может изменяться.

2. Формулируется критерий правильного (или приемлемого) решения этой задачи. Начальный вариант модели ИИС обычно не отвечает установленному критерию качества решения задачи. С этого момента начинается пошаговое улучшение начального варианта модели ИИС.

качества и правила (стратегии) её эволюции вводятся в компьютер, который

«проигрывает» эволюцию начальной модели по каждой из возможных стратегий её развития и отбирает наилучший по установленному критерию результат эволюции в качестве новой начальной модели, которая вновь опробуется на допустимых правилами стратегиях развития.

Итерации продолжаются, пока эволюция модели не приведет к требуемому уровню ее качества.

Модели, построенные на таких алгоритмах, имеют один существенный недостаток - в процессе их создания, сводящемуся к пошаговой модификации, промежуточные варианты модели практически не способствуют получению новых знаний о среде, в которой предстоит функционировать ИИС.

построению ИИС является имитационное моделирование. Оно связано с классическим для

кибернетики, одним из ее базовых понятий - "черным ящиком" (ЧЯ). Так называют устройство, информация о внутренней структуре и содержании которого отсутствуют полностью, но известна матрица обязательного соответствия сигналов на входе в него и сигналов на его выходе.

Объект, поведение которого имитируется моделью, как раз и представляет собой такой "черный ящик". Нам не важно, что у него внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя точно так же.

копировать то, что делают другие, не задумываясь, зачем это нужно.

Зачастую эта способность экономит ему массу времени, особенно в начале его жизни. Основным недостатком имитационного подхода является низкая информационность о побудительных мотивах поведения моделей, построенных с его помощью.

Набрав достаточно большое количество информации, можно, используя человека как ЧЯ, построить модель, которая при определенных сигналах на её входе будет выдавать те же данные, что и наблюдаемый человек.

следующим образом:
1. Разработка средств, обеспечивающих эффективное общение человека с машиной

(автоматом) на естественном языке в форме речевого обмена и (или) обмена текстами;
2. Автоматический перевод текстовой и речевой информации с одних языков на другие, в том числе - с естественных языков на внутримашинные и обратно);
3. Автоматический концептуальный анализ, поиск и интерпретация данных и знаний;
4. Разработка алгоритмов и методов поддержки принятия решений по целесообразному управлению (в том числе - в реальном масштабе времени) различными системами, объектами и процессами в экономике, финансах, производстве, науке, образовании, медицине, экологии, вооружении и других отраслях хозяйства с учетом неопределенности в реализации факторов внешней среды и связанных с этим рисков;

диагностики состояния систем, объектов и процессов;
6. Автоматическое проектирование систем и

устройств с оптимальными на множестве ситуаций свойствами;
7. Разработка алгоритмов логических выводов и доказательства теорем;
8. Разработка поведенческих алгоритмов в условиях неопределенности и риска;
9. Автоматическое распознавание образов различной природы;
10. Создание автоматически обучающихся систем.

Все перечисленные классы задач обладают, по крайней мере, одним из приведенных ранее свойств интеллектуальной задачи и относятся к категории задач анализа и синтеза знаний.
Содержание одних из этих классов задач прямо следует из их названий. Но некоторые классы задач столь ёмки и многоплановы, что требуют более подробного раскрытия и характеристики.

машиной на естественном языке, обеспечивается способностями ИСУ накапливать знания на

основе естественного общения с их источником, анализировать их и синтезировать новые знания на основе правил логического вывода или стереотипов интерпретации и предоставлять человеку (или другой системе) на основе семантически безупречного распознания его потребности в этих знаниях. При этом следует иметь в виду, что и источник знаний, и их потребитель хотели бы общаться с системой естественным для них способом, не обязательно одним и тем же.

и (или) текстовой информации с одного естественного языка на другой.

Считается, что одно из возможных решений здесь может быть в том, что из всех языков мира выбирается один язык-посредник, а для каждого национального языка создается только одна система машинного перевода. Она будет осуществлять перевод между данным языком и языком-посредником.
Однако поскольку даже при высоком качестве перевода с одного естественного языка на другой может происходить некоторое смещение смысла перевода относительно смысла оригинала, то при использовании языка-посредника такое смещение будет возрастать.

с разработкой алгоритмов поиска информации и программ её точного прочтения,

распознания её структуры и главное - с выявлением фрагментов информации (терминов, понятий, концептов), отображающих смысловые аспекты, на каком бы языке (вплоть до естественного) и в каком бы виде (текст, речь, мультимедиа) она ни была представлена. Исполнителем таких алгоритмов должен быть конечный автомат, например современный или построенный на совершенно других принципах компьютер.

целью обоснования перечня свойств, которыми должен обладать проектируемый объект. При

этом он должен соответствовать своему функциональному назначению на всем множестве ситуаций, в которых может оказаться. Если учесть, что объективно существует неопределенность в том, какая из ситуаций будет иметь место, то становится очевидной сложность такой задачи. Она может потребовать привлечения экспертов в соответствующих областях знаний и использования моделей и методов оптимизации синтеза сложных систем.

диагностики состояния систем и процессов делается с целью длительной интерпретации

данных о поведении или состоянии наблюдаемого объекта в реальном масштабе времени, регистрации результатов наблюдения и аналитического соотнесения состояния этих результатов с определенным классом его эталонных состояний.

решений по целесообразному управлению сложными системами, имеющими различную природу, является

классом задач, во многом сходным с классом задач автоматического проектирования. Основное различие здесь в том, что задачи принятия решений по управлению сложными системами, как правило, решаются в реальном масштабе времени, то есть являются динамическими. Постановка такой задачи предполагает формулирование целевой функции, определяющей траекторию перехода системы из начального состояния в конечное (целевое) при случайном изменении факторов внешней (по отношению к объекту управления) среды.

исполнение этих алгоритмов будет поручено конечному автомату. Это предположение основано

на том, что автоматы, способные вести себя оптимально на множестве ситуаций и при этом минимизировать риск, обычно применяются в таких условиях, где человек не может находиться по соображениям безопасности или по иным причинам (необходимость быстрого реагирования на изменение условий, необходимость учета множества факторов и пр.). Этот класс задач может быть ориентирован и на исполнителя - человека, который по виду своей деятельности является ответственным за принятие решений, последствия которых имеют большое общественное значение.

собой едва ли не самый широкий класс задач. В теоретической

кибернетике понятие образа отождествляют с группой понятий в некой системе классификации, объединяющей (выделяющей) определенную совокупность объектов по некоторому признаку.
Сюда относятся не только задачи распознавания зрительных и слуховых образов, но и задачи распознавания сложных процессов и явлений, возникающих, например, при выборе целесообразных действий руководителем предприятия или выборе оптимального управления технологическими, экономическими, транспортными или военными операциями.
К классу задач автоматичесого распознавания образов в полной мере относится и задача автоматического (машинного) перевода с одного естественного языка на другой.

теорем - это класс задач, требующий от системы целого комплекса

свойств. К ним относятся: развитые коммуникативные способности; наличие программных средств, позволяющих воспроизводить осознанные (дедуктивные) и подсознательные (интуитивные или индуктивные) мыслительные способности человека; наличие программных средств, позволяющих реализовать математический аппарат алгебры логики; наличие программных средств, позволяющих решать задачи нечеткой логики; способность к самообучению и адаптивность.