ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 31.03.2021
Просмотров: 6600
Скачиваний: 50
81
Задачами регулирования являются задачи поддержания параметров системы -управляемых
величин - вблизи некоторых неизменных заданных значений
{х}
несмотря на действие возмуще-
ний
М,
влияющих на значения
{х}.
Здесь имеется в виду активная защита от возмущений, принци-
пиально отличающаяся от пассивного способа защиты.
Пассивная защита
заключается в прида-
нии объекту таких свойств, чтобы зависимость интересующих нас параметров от внешних возму-
щений была мала. Примером пассивной защиты является теплоизоляция для поддержания задан-
ной температуры системы, антикоррозионные покрытия деталей машин.
Активная защита
пред-
полагает выработку в управляющих системах управляющих воздействий, противодействующих
возмущениям. Так, задача поддержания необходимой температуры системы может быть решена с
помощью управляемого подогрева или охлаждения.
Задача выполнения программы возникает в случаях, когда заданные значения управляемых
величин
{х}
изменяются во времени известным образом, например, в производстве при выполне-
нии работ согласно заранее намеченному графику. В биологических системах примерами выпол-
нения программы являются развитие организмов из яйцеклеток, сезонные перелеты птиц, мета-
морфозы насекомых.
Задача слежения - поддержание как можно более точного соответствия некоторого управ-
ляемого параметра
X
0
(t)
текущему состоянию системы, меняющемуся непредвидимым образом.
Необходимость в слежении возникает, например, при управлении производством товаров в усло-
виях изменения спроса.
Задачи оптимизации - установления наилучшего в определенном смысле режима работы
или состояния управляемого объекта - встречаются весьма часто. Примерами являются: управле-
ние технологическими процессами с целью минимизации потерь сырья и т.д.
Системы, в которых для формирования управляющих воздействий не используется инфор-
мация о значениях, которые управляемые величины принимают в процессе управления, называ-
ются
разомкнутыми системами управления.
Структура такой системы показана на рис. 1.45.
Рис. 1.45.
Алгоритм управления, реализуемый управляющим устройством УУ, которое обеспечивает сле-
жение за возмущением М и компенсацию этого возмущения, без использования управляемой величины Х
Напротив, в замкнутых системах управления для формирования управляющих воздействий
используется информация о значении управляемых величин. Структура такой системы показана
на рис. 1.46.
Обратная связь
является одним из важнейших понятий кибернетики, помогающим понять
многие явления, которые происходят в управляемых системах различной природы. Обратную
связь можно обнаружить при изучении процессов, протекающих в живых организмах, экономиче-
ских структурах, системах автоматического регулирования. Обратная связь, увеличивающая влия-
ние входного воздействия на управляемые параметры системы, называется положительной,
уменьшающая влияние входного воздействия - отрицательной.
Рис. 1.46.
Связь между выходными параметрами А" и входными У одного и того же элемента управляемой
системы называется обратной связью
Положительная обратная связь
используется во многих технических устройствах для
усиления, увеличения значений входных воздействий. Отрицательная обратная связь используется
для восстановления равновесия, нарушенного внешним воздействием на систему.
11.3. ФУНКЦИИ ЧЕЛОВЕКА И МАШИНЫ В СИСТЕМАХ УПРАВЛЕНИЯ
82
Хорошо изученной сферой применения кибернетических методов является технологиче-
ская и производственная сфера, управление промышленным предприятием. Задачи, возникающие
в управлении предприятием среднего и большого масштаба, уже весьма сложны, но допускают
решение с использованием электронно-вычислительных машин. Системы управления хозяйством
предприятий или территорий (регионов, городов), использующие ЭВМ для переработки и хране-
ния информации, получили название автоматизированных систем управления (АСУ). По своему
характеру такие системы являются человеко-машинными, т.е. наряду с использованием мощных
компьютеров предполагающими наличие в них человека с его естественным интеллектом. В чело-
веко-машинных системах предполагается следующее разделение функций человека и машины:
машина
хранит и перерабатывает большие массивы информации, осуществляет информационное
обеспечение принятия решений человеком;
человек
принимает управленческие решения.
Чаще в человеко-машинных системах компьютеры выполняют рутинную, нетворческую,
трудоемкую переработку информации, освобождая человеку время для творческой деятельности.
Однако целью развития компьютерной (информационной) технологии управления является пол-
ная автоматизация деятельности, включающая частичное или полное освобождение человека от
необходимости принятия решений. Это связано не только со стремлением разгрузить человека, но
и с тем, что развитие техники и технологий привело к ситуациям, когда человек в силу присущих
ему физиологических и психических ограничений просто не успевает принимать решения в ре-
альном масштабе времени протекания процесса, что грозит катастрофическими последствиями.
Примеры - необходимость включения аварийной защиты ядерного ректора, реакция на события,
проистекающие при запусках космических аппаратов и т.д.
Система, заменяющая человека, должна будет обладать интеллектом, в какой-то мере по-
добным человеческому -
искусственным интеллектом.
Исследовательское направление в облас-
ти систем искусственного интеллекта также относится к кибернетике, однако вследствие его важ-
ности для перспектив всей информатики в целом мы рассмотрим его в отдельном параграфе.
Контрольные вопросы и задания
1. Каков предмет науки «Кибернетика»?
2. Охарактеризуйте задачи, решаемые в научном разделе «исследование операций».
3. Какое место в кибернетике занимает теория автоматического управления и регулирова-
ния?
4. Что означает понятие «система»?
5. Что такое «система управления»?
6. Охарактеризуйте задачи, возникающие в системах управления.
7. Что такое «обратная связь»? Приведите примеры обратной связи в окружающих вас
управляемых системах.
8. Что такое АСУ?
9. Каково место человека и ЭВМ в человеко-машинных системах управления?
§ 12. ПОНЯТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
12.1. НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ
И РАЗРАБОТОК В ОБЛАСТИ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Научное направление, связанное с машинным моделированием человеческих интеллекту-
альных функций - искусственный интеллект - возникло в середине 60-х годов XX столетия. Его
возникновение непосредственно связано с общим направлением научной и инженерной мысли,
которое привело к созданию компьютера -направлением на автоматизацию человеческой интел-
лектуальной деятельности, на то, чтобы сложные интеллектуальные задачи, считавшиеся прерога-
тивой человека, решались техническими средствами.
Говоря о сложных интеллектуальных задачах следует понимать, что всего 300 -400 лет на-
зад перемножение больших чисел вполне относилось к таковым; однако, усвоив в детстве правило
умножения столбиком, современный человек пользуется им не задумываясь, и вряд ли эта задача
83
сегодня является «сложной интеллектуальной». По-видимому, в круг таковых следует включить те
задачи, для решения которых нет «автоматических» правил, т.е. нет алгоритма (пусть даже и очень
сложного), следование которому всегда приводит к успеху. Есди для решения задачи, которая нам
сегодня представляется относящейся к указанному кругу, в будущем придумают четкий алгоритм,
она перестанет быть «сложной интеллектуальной».
Несмотря на свою краткость, история исследований и разработок систем искусственного
интеллекта может быть разделена на четыре периода:
• 60-е - начало 70-х годов
XX века - исследования по «общему интеллекту», попытки смо-
делировать общие интеллектуальные процессы, свойственные человеку: свободный диалог, реше-
ние разнообразных задач, доказательство теорем, различные игры (типа шашек, шахмат и т.д.),
сочинение стихов и музыки и т.д.;
• 70-е годы - исследования и разработка подходов к формальному представлению знаний и
умозаключений, попытки свести интеллектуальную деятельность к формальным преобразованиям
символов, строк и т.д.;
• с конца 70-х годов - разработка специализированных на определенных предметных облас-
тях интеллектуальных систем, имеющих прикладное практическое значение (экспертных систем);
• 90-е годы - фронтальные работы по созданию ЭВМ 5-го поколения, построенных на иных
принципах, чем обычные универсальные ЭВМ, и программного обеспечения для них.
В настоящее время «искусственный интеллект» - мощная ветвь информатики, имеющая как
фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспек-
ты, связанные с созданием и эксплуатацией работоспособных образцов интеллектуальных систем.
Значение этих работ для развития информатики таково, что именно от их успеха зависит появле-
ние ЭВМ нового 5-го поколения. Именно этот качественный скачок возможностей компьютеров -
обретение ими в полной мере интеллектуальных возможностей - положен целью развития вычис-
лительной техники в ближайшей перспективе и является признаком компьютерной техники ново-
го поколения.
Любая задача, для которой не известен алгоритм решения, может быть отнесена к сфере
искусственного интеллекта. Примерами могут быть игра в шахматы, медицинская диагностика,
составление резюме текста или перевода его на иностранный язык - для решения этих задач не
существует четких алгоритмов. Еще две характерные особенности задач искусственного интел-
лекта: преобладающее использование информации в символьной (а не в числовой) форме и нали-
чие выбора между многими вариантами в условиях неопределенности.
Перечислим отдельные направления, где применяются методы искусственного интеллекта.
1. Восприятие и распознавание образов (задача, упоминавшаяся ранее, как одно из направ-
лений кибернетики). Теперь под этим понимаются не просто технические системы, восприни-
мающие визуальную и звуковую информацию, кодирующие и размещающие ее в памяти, пробле-
мы понимания и логического рассуждения в процессе обработки визуальной и речевой информа-
ции.
2. Математика и автоматическое доказательство теорем.
3. Игры. Как и формальные системы в математике, игры, характеризующиеся конечным
числом ситуаций и четко определенными правилами, с самого начала исследований по искусст-
венному интеллекту привлекли к себе внимание как предпочтительные объекты исследования, по-
лигон для применения новых методов. Интеллектуальными системами был быстро достигнут и
превзойден уровень человека средних способностей, однако уровень лучших специалистов не дос-
тигнут до сих пор. Возникшие трудности оказались характерными и для многих других ситуаций,
так как в своих «локальных» действиях человек использует весь объем знаний, который он нако-
пил за всю свою жизнь.
4. Решение задач. В данном случае понятие «решение» используется в широком смысле,
относится к постановке, анализу и представлению конкретных ситуаций, а рассматриваемые зада-
чи - те, которые встречаются в повседневной жизни, для решения которых требуется изобрета-
тельность и способность к обобщению.
5. Понимание естественного языка. Здесь ставится задача анализа и генерации текстов, их
внутреннего представления, выявление знаний, необходимых для понимания текстов. Трудности
связаны, в частности, с тем, что значительная часть информации в обычном диалоге не выражает-
ся определенно и ясно. Предложениям естественного языка присуща:
84
• неполнота;
• неточность;
• нечеткость;
• грамматическая некорректность;
• избыточность;
• зависимость от контекста;
• неоднозначность.
Однако такие свойства языка, являющегося результатом многовекового исторического раз-
вития, служат условием функционирования языка как универсального средства общения. Вместе с
тем, понимание предложений естественного языка техническими системами с трудом поддается
моделированию из-за- этих особенностей языка (да и вопрос о том, что такое «понимание», нуж-
дается в размышлениях). В технических системах должен использоваться формальный язык,
смысл предложений которого однозначно определяется их формой. Перевод с естественного язы-
ка на формальный является нетривиальной задачей.
6. Выявление и представление знаний экспертов в экспертных системах. Экспертные сис-
темы - интеллектуальные системы, вобравшие в себя знания специалистов в конкретных видах
деятельности - имеют большое практическое значение, с успехом применяются во многих облас-
тях, таких как автоматизированное проектирование, медицинская диагностика, химический анализ
и синтез и т.д.
Во всех этих направлениях главные трудности связаны с тем, что недостаточно изучены и
поняты принципы человеческой интеллектуальной деятельности, процесс принятия решений и
решение задач. Если в 60-х годах широко обсуждался вопрос «может ли компьютер мыслить», то
теперь вопрос ставится иначе: «достаточно ли хорошо человек понимает, как он мыслит, чтобы
передать эту функцию компьютеру»? В силу этого, работы в области искусственного интеллекта
тесно соприкасаются с исследованиями по соответствующим разделам психологии, физиологии,
лингвистики.
12.2. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ
В СИСТЕМАХ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Основной особенностью интеллектуальных систем является то, что они основаны на знани-
ях, а вернее, на некотором их представлении.
Знания
здесь понимаются как хранимая (с помощью
ЭВМ) информация, формализованная в соответствии с некоторыми правилами, которую ЭВМ
может использовать при логическом выводе по определенным алгоритмам. Наиболее фундамен-
тальной и важной проблемой является описание смыслового содержания проблем самого широко-
го диапазона, т.е. должна использоваться такая форма описания знаний, которая гарантировала бы
правильную обработку их содержимого по некоторым формальным правилам. Эта проблема назы-
вается проблемой представления знаний.
В настоящее время наиболее известны три подхода
к представлению знаний
в обсуждае-
мых системах:
• продукционная и логическая модели;
• семантические сети;
• фреймы.
Продукционные правила
- наиболее простой способ, представления знаний. Он основан
на представлении знаний в форме правил, структурированных в соответствии с образцом «ЕСЛИ -
ТО». Часть правила «ЕСЛИ» называется посылкой, а «ТО» - выводом или действием. Правило в
общем виде записывается так:
ЕСЛИ
A
1
, A
2
,
...,
A
n
, ТО
В.
Такая запись означает, что «если все условия от
A
1
до
А
n
являются истинными, то
В
также
истинно» или «когда все условия от
А
1
до
А
n
выполняются, то следует выполнить действие
В».
Рассмотрим правило
ЕСЛИ
(1)
у
является отцом
х
(2)
z является братом
у
85
ТО
z является дядей
х
В данном случае число условий
п
= 2.
В случае
п
= 0 продукция описывает знание, состоящее только из вывода, т.е. факт. Приме-
ром такого знания является факт «атомная масса железа 55,847 а.е.м».
Переменные
х, у
и г показывают, что правило содержит некое универсальное, общее зна-
ние, абстрагированное от конкретных значений переменных. Одна и та же переменная, использо-
ванная в выводе и различных посылках, может получать различные конкретные значения.
Знания, представленные в интеллектуальной системе, образуют
базу знаний.
В интеллек-
туальную систему входит также
механизм выводов,
который позволяет на основе знаний, имею-
щихся в базе знаний, получать новые знания.
Проиллюстрируем сказанное. Положим, что в базе знаний вместе с описанным выше пра-
вилом содержатся и такие знания:
ЕСЛИ
(1)
z является отцом
х
(2)
z является отцом
у
(3)
х и у
не являются одним и тем же человеком
ТО
х
и
у
являются братьями
Иван является отцом Сергея
Иван является отцом Павла
Сергей является отцом Николая
Из представленных знаний можно формально вывести заключение, что Павел является дя-
дей Николая. При этом считается, что одинаковые переменные, входящие в разные правила, неза-
висимы; объекты, имена которых эти переменные могут получать, никак не связаны между собой.
Формализованная процедура, использующая сопоставление (при котором устанавливается, совпа-
дают ли между собой две формы представления, включая подстановку возможных значений пере-
менных), поиск в базе знаний, возврат к исходному состоянию при неудачной попытке решения,
представляет собой механизм выводов.
Простота и наглядность представления знаний с помощью продукций обусловила его при-
менение во многих системах, которые называются продукционными.
Семантическая сеть
- иной подход к представлению знаний, который основан на изобра-
жении понятий (сущностей) с помощью точек (узлов) и отношений между ними с помощью дуг на
плоскости. Семантические сети способны отображать структуру знаний во всей сложности их
взаимосвязей, увязать в единое целое объекты и их свойства. В качестве примера может быть при-
ведена часть семантической сети, относящейся к понятию «фрукты» (рис. 1.47).
Рис. 1.47.
Пример семантической сети
Фреймовая система
имеет все свойства, присущие языку представления знаний, и одно-
временно являет собой новый способ обработки информации. Слово «фрейм» в переводе с анг-
лийского языка означает «рамка». Фрейм является единицей представления знаний об объекте,
которую можно описать некоторой совокупностью понятий и сущностей. Фрейм имеет опреде-
ленную внутреннюю структуру, состоящую из множества элементов, называемых
слотами.
Каж-
дый слот, в своюо-чередь, представляется определенной структурой данных, процедурой, или мо-
жет быть связан с другим фреймом.