Повна версія

Головна arrow Природознавство arrow ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ

  • Увеличить шрифт
  • Уменьшить шрифт


<<   ЗМІСТ   >>

ВСТУП

Суть поняття керуючої системи складають наступні компоненти: елементи, схеми елементів, їх функціонування і середовище, з яким взаємодіє схема.

Елементи мають вхідні і вихідні канали, через які здійснюється зв'язок з ними. З елементів з'єднанням входів одних з них з виходами інших будуються схеми. Вони також мають входи і виходи. Така схема реалізує в часі (для визначеності - дискретно) деякий рекурентний процес її взаємодії з середовищем. Він визначається низкою припущень.

Елемент має стану, які змінюються в часі за рахунок впливу поточного значення його входів і станів в попередній момент. Ці значення і стану визначають значення входів елементів. Заданість станів елементів схеми і значення її виходів, таким чином, можуть визначати поточні значення виходів її елементів, а, значить, і стану елементів в наступний момент. Таким чином, середа, формуючи значення входів схеми, визначає при заданих початкових станах елементів значення виходів елементів і схеми в поточний момент і значення станів елементів в наступний момент. Цикл взаємодії схеми із середовищем повторюється і т.д. Цей процес називають функціонуванням схеми.

Під керуючою системою може розумітися описана схема, яка функціонує в середовищі при взаємодії з останньої.

Функціонування схеми називають також поведінкою керуючої системи в середовищі.

Важливо відзначити, що всі перетворювачі матеріальної і абстрактної інформації з цієї точки зору є керуючими системами і можуть розглядатися як конкретні їх види. Прикладами подібних об'єктів є електричні ланцюги, формули, автомати, живі клітини і т.д.

З усіх реальних видів керуючих систем, мабуть, найбільш повно увібрала в себе риси керуючої системи модель автомата, оскільки вона фактично виходить шляхом лише звуження множин значень всіх параметрів керуючої системи до кінцевих множин та уточнення видів схем до композицій елементів, взагалі кажучи, що допускають перекомутацію; при цьому автомат функціонує взагалі кажучи необмежений час.

При апроксимативних підході до вивчення керуючих систем, що складається в допущенні тільки кінцевих множин значень всіх характеристик цих систем, по суті, приходять до моделі автомата, яка тим самим знаходить властивість універсальності і тому має особливу значущість в кібернетиці.

Вивчення властивостей автоматів стало основним напрямком в роботі колективу вчених факультету, яку утворили перший з авторів і його учні. Були виділені і вивчені основні середовища, типи автоматів і види поведінки автоматів в середовищах, досліджено проблеми виразність і повноти для автоматів, створені методи оптимального синтезу завадостійких автоматів, досліджені моделюють можливості нескінченних автоматів, званих клітинними автоматами і ін.

Ці результати разом з досягненнями Е. Мура, С. Кліні, Д. Мак-Ноттона і ін. Сьогодні складають класичне зміст теорії автоматів.

Одним з головних напрямків цієї теорії є вивчення поведінки автоматів в середовищах. Ідеологія цього напрямку змикається з тим, що вивчається в теорії інтелектуальних систем.

Так, автоматний аналіз геометричних середовищ пов'язаний з розпізнаванням образів; аналіз мовних середовищ - з мовами, логічним висновком і рішенням завдань; аналіз змішаних язиковогеометріческіх середовищ - з колективним поведінкою і пріняті-

: Інтелектуальна система

Мал. 1 : Інтелектуальна система.

ем рішень; питання синтезу автоматів з заданим поведінкою пов'язані з розробкою внутрішніх для автоматів архітектур баз даних і знань, швидкого пошуку інформації та т.д.

При розробці теорії автоматів перший з авторів і його учні постійно розширювали сферу інтерпретацій автоматів, використовуючи моделі і відповідні завдання з різних областей таких, як математика, фізика, біологія, психологія, соціологія, техніка та ін. Це збагачувало теорію автоматів і розширювало сферу її застосування .

Як сполучена з моделлю автомата розглядається і інтелектуальна система.

Окреслимо в досить загальному вигляді поширений варіант інтелектуальної системи, яку ми вважаємо системою типу Тьюринга, і зображуємо, як на малюнку 1.

Є об'єкт О, поміщений в середу С, з якою у нього є двосторонній зв'язок. Він може сприймати інформацію, що надходить із середовища, і впливати на неї, що зображено відповідним напрямком стрілок.

Вхідна інформація з З надходить в О на блок розпізнавання Р, звідти вона направляється в блок оперативної пам'яті П, де піддається аналізу. При цьому аналізі використовується блок ДЗ бази даних і знань, який грає роль довгострокової пам'яті, а сам процес аналізу регулюється керуючим блоком У, який враховує групу параметрів, що описують як внутрішні характеристики об'єкта, так і стан середовища.

Бази даних і знань разом з блоком управління утворюють "мозковий центр" системи. Від достатності закладеної в них інформації та ефективності внутрішніх операторів залежать її імітаційні можливості.

Функціонування об'єкта в середовищі здійснюється в часі покроково і оцінюється серією внутрішніх і в загальному випадку зовнішніх функціоналів.

Послідовність значень цих функціоналів вважається характеризацією взаємодії об'єкта і середовища. По ній здійснюється оцінка "розумності" поведінки об'єкта, включаючи, зокрема, висновок про те, чи зумів об'єкт вирішити задану задачу.

Конкретні інтерпретації компонент, що складають систему, призводять до конкретних видів інтелектуальних систем.

Прикладом такої системи є вирішувач математичних задач. Він має в якості середовища клас задач з елементарної алгебри, тригонометрії і початків аналізу. Процес його роботи становить пошук рішення запропонованого завдання, а результатом цієї роботи є хід рішення задачі і відповідь, якщо такі досяжні вирішувачів, і відмова від рішення, якщо останнє неможливо для решателя.

Його бази даних і знань включають список стандартних прийомів тотожних перетворень виразів алгебри і тригонометрії, основних теорем з цих розділів, а також логічних операцій виведення.

Найскладнішим тут є блок управління, принцип роботи якого полягає в евристичної оптимальності вилучення прийомів з баз даних і знань, що забезпечує в певному сенсі градієнтними послідовності застосованих прийомів, що істотно скорочує перебір варіантів виведення.

У цьому блоці реалізується нова ідея, яка дозволила обійти неефективні спроби використовувати для подібних цілей логіко-аксіоматичний підхід; Згадаємо в цьому зв'язку "General Problem Solver", "Mathematika" і ін.

Ця інтелектуальна система, створена третім з авторів, показала високу ефективність, справляючись за секунди з більшістю завдань з відомих підручників.

Вирішувач демонструвався на міжнародній виставці комп'ютерів і програмних продуктів в м Ганновері (ФРН), на російських і міжнародних конференціях і семінарах.

Список же конкретних інтелектуальних систем сьогодні дуже широкий.

У відповідності зі схемою інтелектуальної системи, зображеної на малюнку 1, в курсі будуть розглянуті 3 основні складові інтелектуальної системи. Перша глава, присвячена розпізнаванню образів, пов'язана з блоком розпізнавання Р. Другий розділ присвячено теорії зберігання і пошуку інформації і пов'язана в блоком ДЗ - баз даних і знань. І нарешті, остання глава курсу, пов'язана з блоком управління У, присвячена математичній логіці.

Пропоноване виклад здійснено авторами на основі курсу лекцій, що читаються ними протягом ряду років студентам, що спеціалізуються по кафедрі математичної теорії інтелектуальних систем (Матіс) механіко-математичного факультету МДУ ім. М.В.Ломоносова. При курсі працюють спецсемінари, розраховані на студентів третього курсу кафедри Матіс. Керівництво цими спецсемінарів в різні роки здійснювали співробітники кафедри Матіс Алексєєв Д.В., Алісейчік П.А., Мазуренко І.Л., Пантелєєв П.А., Холоденко

А.Б.

Нам приємно подякувати всьому колективу кафедри Матіс, чиє постійну увагу, доброзичлива критика і поради сприяли появі цієї книги. Автори висловлюють особливу подяку В.А.Носову, А.С.Строганова і А.А.Ча- Совських, які брали активну участь в розробці курсу, і Алексєєву Д.В., Алісейчіку П.А., Мазуренко І.Л. , Пантелєєву П.А. і Холоденко А.Б. за допомогу в складанні вправ.

Вже згадана в книзі область знань активно розвивається, і за час, що минув після попереднього видання, було отримано безліч нових результатів, за якими було захищено 14 кандидатських робіт, підготовлено до захисту ще дві роботи і опубліковані сотні статей.

Перш ніж перейти розгляду окремих розділів теорії інтелектуальних систем наведемо посилання на оглядову статтю акад. В. Б. Кудрявцева з цієї тематики [83].

Академік В. Б. Кудрявцев і його учні ведуть активні дослідження в області розпізнавання образів. Ними розроблено новий комбинаторно-логічний метод розпізнавання образів, досліджені його метричні властивості і ефективність; з його допомогою вирішені задачі пошуку нафти, олова та ін. корисних копалин. У 2007 р в було видано монографію В. Б. Кудрявцева, А. Е. Андрєєва, Е. Е. Гасанова «Теорія тестового розпізнавання» [84]. У ній побудована теорія розпізнавання дискретно характеризуються об'єктів в кінцевому полі ознак. Теорія заснована на понятті тесту і його варіацій. Введено кілька функціоналів прийняття рішення для задачі розпізнавання, головним з яких є «голосуюча» процедура. На основі знаходження тонких характеристик комбінаторних властивостей тестів отримані умови, коли «голосуюча» процедура є ефективною як з точки зору швидкості, так і якості. У монографії систематизовані і підсумовано дослідження авторів та їхніх учнів за останні 30 років.

Професором Е. Е. Гасанова і його учнями активно розвивається теорія зберігання і пошуку інформації, що є частиною теорії інтелектуальних систем [85]. У 2002 р вийшла монографія Е. Е. Гасанова і В. Б. Кудрявцева «Теорія зберігання і пошуку інформації» [86]. У ній вивчається розділ теорії баз даних, пов'язаний з фізичної організацією даних на носіях інформації. Розглядаються основні типи завдань пошуку інформації в базах даних та запропоновано нові швидкі в середньому алгоритми вирішення цих завдань, і доведено, що вони близькі до оптимальних.

Т. Д. Уварова (Блайвас) займалася дослідженнями складності інтервального пошуку на булевом кубі [87]. У цьому напрямку досягнуто суттєвих просування. Отримано точні значення складності для збалансованих дерев і асимптотичні оцінки функції Шеннона в класі деревоподібних схем. За цими результатами в 2005 р Т. Д. Уварової під керівництвом проф. Е. Е. Гасанова захищена кандидатська дисертація «Про складність інтервального пошуку на булевом кубі».

У 2005 р Т. А. Бєляєвої під керівництвом доц. А. С. Строга- лову захищена кандидатська дисертація «Інтерактивна комп'ютерна модель інформаційно-пізнавальної середовища» [88].

Створено комп'ютерну навчальна система китайської писемності. За цими результатами Лю Юному в 2006 році під керівництвом доц. А. С. Строгалова захищена кандидатська дисертація [89].

Останні дві дисертації ставляться до напрямку навчальних систем, що є частиною теорії інтелектуальних систем. Серед робіт по навчальним системам можна також виділити роботу

В. Б. Кудрявцева, П. А. Алісейчіка і А. С. Строгалова [90].

Професором В. Н. Козловим і його учнями активно розвивається теорія зорового сприйняття [91]. У 2007 р у видавництві МДУ вийшов підручник В. Н. Козлова «Введення в математичну теорію зорового сприйняття» [92], зміст якого склали дослідження, виконані на кафедрі Матіс. У ньому введено центральне поняття внутрішнього коду звичайно точкового зображення, яке дозволило вирішити задачу розпізнавання з точністю до афінних перетворень плоских і об'ємних зображень, а також відновити об'ємне зображення через стереопару його плоских проекцій.

Професор А. С. Подколзин розробив і постійно розвиває новий підхід до створення технологій моделювання логічних процесів, на основі якого створено комп'ютерний вирішувач математичних задач (елементарна алгебра, геометрія, математичний аналіз, аналітична геометрія і диференціальні рівняння і т.д.) аналога якому немає в світі [93]. У 2008 р було видано монографію А. С. Подколзина «Комп'ютерне моделювання логічних процесів. Архітектура і мови комп'ютерного решателя завдань »[94] об'ємом 1024 сторінки. Вона містить тільки оригінальні фундаментальні результати по технології синтезу комп'ютерних решателей математичних задач. У 2015 році вийшов другий том, присвячений вирішувачі математичних задач, що складається з двох книг «Комп'ютерне моделювання логічних процесів. Досвід навчання комп'ютерного решателя завдань: логічні прийоми, алгебра множин, комбінаторика »[95] і« Комп'ютерне моделювання логічних процесів. Досвід навчання комп'ютерного решателя завдань: математичний аналіз, диференціальні рівняння і елементарна геометрія »[96] об'ємом +1153 і 1320 сторінок відповідно.

Розглянуто варіанти узагальнень нейронних мереж з пам'яттю, що утворюють алгебри щодо операцій суперпозиції і зворотного зв'язку [97]. Ці алгебри введені як замикання спеціальних породжують множин. Для них вирішені завдання опису функцій, що реалізуються відповідними нейронними мережами, а також «економного» канонічного завдання таких функцій. На основі цих результатів В. С. Половникова в 2008 році під керівництвом доц. А. А. Часовських захищена кандидатська дисертація «Про оптимізацію структурної реалізації нейронних мереж».

Г. А. Майлибаевой [98] побудована математична модель протоколів конфіденційного доступу до даних (РШ-протоколів), на основі якої отримано рекордні нижні оцінки комунікаційної складності, які доводять оптимальність по порядку розроблених PIR-протоколів. На основі цих результатів Г. А. Майлибаевой в 2008 році під керівництвом проф. Е. Е. Гасанова захищена кандидатська дисертація «Комунікаційна складність протоколів доступу до даних без розкриття запитів».

Досліджено властивості регулярних марківських мов і побудовані алгоритми апроксимації довільних марковских мов мовами зі спеціального класу [99]. На основі цих результатів А. Б. Холоденко в 2008 році під керівництвом проф. Д. Н. Бабіна захищена кандидатська дисертація «Про автоматної апроксимації реальних мов».

Побудовано математичну модель явища самоочищення легенів живих систем [100]. Поставлені і вирішені ключові проблеми, що характеризують це явище. Ця робота була виконана як результат багаторічного і щільного співробітництва кафедри Матіс і інституту пульмонології (ІП) РАМН. За цими результатами в 2009 р Ю. Г. Чернової (Гераськин) під керівництвом акад. В. Б. Кудрявцева захищена кандидатська дисертація «Автоматна модель однієї транспортної системи в біології» [101]. У 2015 р у видавництві філії МДУ в м Ташкенті вийшла монографія Ю. Г. Чернової «Автоматне моделювання функціонування легенів». Ця робота відноситься до напрямку моделювання біологічних систем, яким керує акад. В. Б. Кудрявцев. Серед останніх робіт цього напрямку можна виділити [102-104].

У 2010 р Н. С. Кучеренко під керівництвом проф. Е. Е. Гасанова захистила кандидатську дисертацію «Складність пошуку в випадкових базах даних». Нею побудовані серії функцій зростання складності пошуку інформації в випадкових базах даних в залежності від функцій розподілу елементів баз даних і запитів, які породжують нескінченну зростаючу шкалу функцій зростання, яка починається з обмежених функцій і закінчується двійковим логарифмом [105].

У 2011 р Ю. С. Шуткин під керівництвом проф. Е. Е. Гасанова захищена кандидатська дисертація «Складність реалізації булевих функцій інформаційними графами». Ця робота стала переможцем конкурсу «Ломоносов-2010». Ю. С. Шуткин отримана асимптотика складності реалізації булевих функцій інформаційними графами і розроблений метод синтезу контактних схем, асимптотично оптимальний і за потужністю, і за обсягом [106].

В іноземній літературі розпізнавання образів є розділом такої області знань як машинне навчання (Machine Learning). Іншим розділом машинного навчання є розшифровка функцій. У 2011 р В. В. Осокіним під керівництвом проф. Е. Е. Гасанова захищена кандидатська дисертація «Про розшифровці логічних функцій». Їм отримано порядок паралельної і параметри-ефективної складності розшифровки деяких класів логічних функцій [107]. Ця робота стала переможцем конкурсу «Ломоносов-2011». До області розшифровки функцій також належать роботи С. І. Хегая [108], А. В. Бистриговой [109].

У 2012 р А. П. Пивоваровим під керівництвом проф. Е. Е. Гасанова захищена кандидатська дисертація «Неперечіслітельние завдання інформаційного пошуку». Ним розроблені математичні моделі для неперечіслітельних завдань інформаційного пошуку. Отримано оцінки складності деяких обчислювальних задач інформаційного пошуку і завдань пошуку представника

[110].

Один з напрямків досліджень теорії інтелектуальних систем - явище прогнозування. У роботах Е. Е. Гасанова і А. А. мастихінами [111] пропонується використовувати автоматний підхід до моделювання явища прогнозування. За цими результатами в 2012 р А. А. мастихінами під керівництвом проф. Е. Е. Гасанова захистила кандидатську дисертацію «Часткове передбачення сверхсобитій автоматами». Нею отримані критерії часткової прогнозованості автоматами общерегулярних множин, сверхітерацій мов, породжених простими LL (1) - граматиками, сверхітерацій детермінованих контекстно вільних мов.

У 2012 р Е. А. Снегова (Скиба) під керівництвом проф. Е. Е. Гасанова захистила кандидатську дисертацію «Складність завдання щодо запобігання зіткнень». Нею отримані критерії сводимости завдання щодо запобігання зіткнень до деяких простих геометричних завданням пошуку, і на основі цього відомості отримані надшвидкі алгоритми пошуку рухомих об'єктів [112].

У 2013 р А. П. Соколовим під керівництвом проф. В. Б. Кудрявцева захищена кандидатська дисертація «Про складність перебудови формальних нейронів». Їм отримані оцінки складності взаємної перебудови (навченості) пар порогових функцій в найскладнішому випадку, в більшості випадків і всередині класів

порогових функцій, інваріантних щодо груп перестановок [113].

А. А. Плетньовим розроблена математична модель динамічних баз даних [114]. Ця модель ґрунтується на двох основних поняттях: понятті інформаційного графа, який відображає структуру зберігання даних, і понятті кінцевого автомата, який відповідає за перебудову структури бази даних відповідно запитами на вставку і видалення даних. Ця конструкція названа динамічним інформаційним графом. Досліджується питання обслуговування динамічним інформаційним графом довільних потоків запитів. Тут йде мова про одночасної безконфліктної роботі як завгодно великої кількості автоматів на одній структурі даних. Фактично пропонований підхід дозволяє будувати нескінченно распаралелені алгоритми обробки даних. На основі цих результатів А. А. Плетньовим під керівництвом проф. Е. Е. Гасанова підготовлена кандидатська дисертація «Моделювання динамічних баз даних».

Е. М. Перпер досліджував завдання пошуку, що виникають при семантичному аналізі текстів, зокрема завдання пошуку подслова в базі даних слів [115-116]. Їм отримані нижні оцінки тимчасової і об'ємної складності задачі пошуку подслова і запропоновано оптимальний по порядку алгоритм пошуку в безлічі слів входжень подслова. На основі розроблених алгоритмів Е. М. Перпер запропонований підхід, який дозволяє по тексту нормативного акта автоматично будувати комп'ютерну програму, яка виконує дії, визначені нормативним актом. На основі цих результатів Е. М. Перпер під керівництвом проф. Е. Е. Гасанова підготовлена кандидатська дисертація «Семантичний аналіз текстів і пов'язані з ним завдання пошуку».

Зараз готується до публікації монографія В. Б. Кудрявцева, Е. Е. Гасанова, А. С. Подколзина «Основи теорії інтелектуальних систем», яка буде включати в себе багато з вище перерахованих результатів, а також буде містити главу з теорії автоматів, яка відображатиме як класичні, так і самі останні результати в цьому напрямку.

Для полегшення вивчення даної книги можуть виявитися корисними наступні підручники, що вийшли у видавництві «Юрайт» [117-122].

 
<<   ЗМІСТ   >>