2.1.  Анализ и построение искусственных систем

В основе интеллектуальных ИС лежит понятие искусственного интеллекта. Проблемы ИИ тесно связаны с организацией знаний об окружающем мире в виде математических структур, таких как множества, графы, шпер- графы, фреймы, алгоритмы, которые отражают реальные связи и отношения между любыми объектами в природе (в частности, в некоторой предметной области).

К сожалению, пока не существует формального определения ИИ. В науке и технике используются адекватные определения и описания ИИ [3 5—45]. Например: ИИ — это новое научно-техническое направление, увеличивающее функциональные возможности технических систем и средств их проектирования; ИИ — системы, работающие со знаниями; ИИ — наука о концепциях в области информационной технологии; ИИ — средство решения интеллектуальных задач; ИИ — система, имитирующая некоторые стороны деятельности человека; ИИ — система, работающая с неформализованной и расплывчатой информацией; ИИ — это психическая способность к сознаваемому не стереотипному поиску, построению адекватных форм мышления и целесообразных способов поведения и действия, основанных на опыте и знаниях субъекта и имеющих тенденцию к опережению событий; ИИ — способность автоматических систем брать на себя отдельные функции интеллекта человека. Термин интеллект происходит от латинского intellectus — что означает ум, рассудок, разум, мыслительные способности человека. ИИ — это синоним мышления, но, в отличие от него, определяющий качество этого процесса. Критериями качества считают эффективность, способность находить нестандартные решения, простоту в отношении когнитивной нагрузки.

Классические модели ИИ проникнуты рационализмом, поскольку в них интеллект связывается с рациональными методами решения задач с использованием эвристических процедур. Моделирование различных взаимодействующих агентов становится основным предметом ИИ в последнее время [42].

В ИИ выделяют три направления: логическое, конструкторское и эволюционное; три аспекта: управление неопределенностью, обучение, адаптация в процессе эволюции, а также три концепции в моделировании ИИ.

В первой концепции объектом исследования являются структура и механизмы работы мозга человека, а. конечная цель — определение способов мышления. Вторая концепция в качестве объекта исследований рассматривает ИИ. Моделирование интеллектуальной деятельности реализуется с помощью ЭВМ. Третья концепция ориентирована на создание смешанных человеко-машинных или интерактивных ИС.

В настоящее время интенсивно развивается новая идеология исследований в области ИИ на основе системного подхода и многоагентноориентированной парадигмы. В [40—44] приведены основные стратегии анализа, синтеза и моделирования ИИ:

•    исследования ИИ в иерархии взаимодействующих систем;

•    исследования генотипа и эволюции интеллектуального поведения;

•    исследования многомерности интеллекта;

•    самоорганизация и саморазвитие ИИ;

•    определения рекурсивных связей между ИИ и внешней средой;

•    исследования приоритетов координаций;

•    выделение системных единиц ИИ.

Разработка схем интеграции при системном подходе, анализе и синтезе к построению ИИ приводит к возникновению гибридного (синергетического) ИИ. Основное здесь — единый, системный подход, который может быть выражен через следующие компоненты триады: агент-многоагентная система (МАС)-сообщество многоагентных систем.

Под интеллектуальным агентом в теории ИИ понимаются физические или виртуальные элементы, способные: действовать на любые другие элементы; стремиться к некоторым целям, общаться с другими агентами, накапливать и использовать собственные ресурсы; воспринимать среду и ее части, строить частичное представление среды; адаптироваться, самоор- ганизовываться, саморегулироваться, саморазвиваться и самовоспроизво- диться [42]. Тогда любая MAC, подобно ИС, состоит из множества агентов, множества задач, внешней среды, отношений между агентами, множества действий и операций над объектами.

MAC есть популяция простых и независимых агентов, в которой каждый агент самостоятельно реализуется в локальной среде и взаимодействует с другими агентами. Связи между агентами являются горизонтальными, глобальное поведение агентов определяется на основе нечетких правил.

Базовая MAC есть кортеж длины три: (Ф, X, Y), где Ф — график нечеткого соответствия; X — область отправления (вход); Y — область прибытия (выход), причем X х Y С М, где М — множество, задающее область определения нечеткого соответствия. Набор таких базовых M AC может образовать иерархическую ИС, инвариантную к внешним воздействиям среды [42]. Тогда нечеткую эволюционирующую MAC определим как кортеж длины шесть: (С, Ф, I, К, S, Е), где С = {1, 2,..., п} — множество агентов; Ф — семейство нечетких соответствий (# = {Ф,Х, Y)); I — множество действий агентов; К—множество коммуникационных связей; S — множество нечетких состояний; Е — множество эволюционных нечетких стратегий.

На. основе таких моделей можно анализировать процессы принятия решений с использованием ИС.

С понятием ИИ тесно связано направление «искусственная жизнь» (ИЖ) [46, 48]. Оно занимается исследованием интеллектуального поведения ИС в рамках адаптации, выживания, самоорганизации, построения децентрализованных систем. В основе ИЖ лежат функциональный анализ и синтез, моделирование, эволюция и имитация ЕС.

Уровень ИИ характеризуется: много связностью и мобильностью ассоциаций, проявляющихся в процессе поиска, быстротой анализа возникающих перспективных решений, адаптацией к внешней среде, способностью ориентироваться в неформально, неточно и некорректно сформулированном задании. Иногда говорят об интеллекте как феномене действительности, включающим в себя человека и технологии [49, 50].

И. Кант и Г. Гегель [51-56] считали, что интеллект ассоциируется с разработкой категорий разума и рассудка. При этом можно считать, что природа ИИ двойственная, т. е. она одновременно логическая и биологическая. В этой связи ИИ — это определенная форма равновесия, к которой тяготеют все структуры, образующиеся на базе восприятия, мышления и адаптации. Мышление — орудие высшей ориентировки человека в окружающем мире и в самом себе. Условно можно считать, что ИИ — это имя, обозначающее высшие формы организации или равновесие когнитивных структур. В [38, 39] ИИ рассматривается как явление адаптации. Адаптация — то, что обеспечивает равновесие между воздействием организма на среду и обратным воздействием среды. Действие организма на среду называется ассимиляцией. Действие среды на организмы — аккомодацией. Тогда адаптация — это равновесие между ассимиляцией и аккомодацией, т. е. равновесие во взаимодействии субъектов и объектов [43].

Для повышения уровня «интеллекта» ИС и расширения ее возможностей, свободного формального и неформального взаимодействия с пользователем в нее закладываются знания, относящиеся к предметной области и внешней среде. Кроме того, ИС (ее математическое обеспечение) снабжается математическими моделями и методами для построения выводов и механизмов обучения и самообучения, преобразования и практического использования введенных знаний [43, 57, 58].

Укрупненная структура ИС по аналогии с другими интеллектуальными системами будет состоять из четырех подсистем: адаптивной, интерактивной, обрабатывающей и управления.

Первая подсистема состоит из нескольких иерархических уровней: мик- ро-, макро- и метауровней. На каждом из этих уровней происходит моделирование эволюции и адаптация алгоритмов к окружающей среде. Такая трехуровневая адаптивная подсистема может быть представлена на рис. 2.1.

Вторая подсистема анализирует входные описания на языке пользователя на основе имеющихся знаний и формирует внутреннее неполное и нечеткое представление задачи.

Третья подсистема превращает неполное и нечеткое описание задачи в полное и четкое и снова передает его интерактивной подсистеме. Далее

процесс происходит итерационно до получения удовлетворительного результата.

Четвертая подсистема, используя координирующие блоки и обратные связи, управляет процессом решения, взаимодействуя с первыми тремя подсистемами.

Приведем теперь одну из возможных концептуальных схем ИС (рис. 2.1.) [19, 40]. Здесь в качестве множества {Пі, П2,..., Пп} выступает множество пользователей. Диалоговый процессор является структурной единицей интеллектуального интерфейса ввода-вывода. Он обеспечивает заданный сценарий диалога в зависимости от степени подготовки пользователей и

интеллектуальности системы. Диалоговый процессор выполняет одновременный ввод-вывод графических, цифровых, речевых и других образов. Диалоговый процессор реализуется программным, аппаратным или программно-аппаратным способом. Его наилучшей формой в ИС является совместная программная и аппаратная реализация на основе нейронных сетей и их. модификаций. Диалоговый процессор содержит набор сценариев диалога, меню диалога, генераторы случайного и направленного поиска, блоки перебора.

Пользователь во взаимодействии с диалоговым процессором на основе блочно-иерархического подхода и принципов декомпозиции производит разбиение заданной задачи большой размерности на совокупности функциональных подзадач меньшей размерности. Основная цель планировщика — поиск информации. Совместно с экспертной системой (ЭС) он осуществляет анализ преобразованных данных, полученных из диалогового процессора. В зависимости от значений внутренних., внешних, и управляющих переменных, конструктивных ограничений, заданных режимов работы и т. п. выбирается несколько альтернативных путей решения. Каждому пути соответствует управляющий программный блок из монитора. Под управлением этого блока осуществляется выбор, редактирование, настройка и стыковка отдельных программных модулей, определяются типы и форматы всех данных, формируется рабочий комплекс программ. На рис. 2.1. координатор совместно с БЗ и блоком эволюционной адаптации через планировщик осуществляют реализацию процедур поиска для нахождения множества решений и выбор некоторого подмножества эффективных решений среди имеющихся.

Одним из основных, интеллектуальных, компонентов ИС является БЗ [35, 36, 57-59]. Понятие «знания» является расплывчатым неформальным понятием. Под знаниями понимают нечеткие и четкие множества фактов и сведений, описывающих информацию относительно определенной предметной области, позволяющих решать определенный класс задач. Обычно выделяют следующие типы знаний:

•    физические — знания об окружающей среде и внутренних свойствах объектов;

•    предметные — знания о данной предметной области;

•    синтаксические — знания о правилах построения рассматриваемых структур;

•    семантические — знания о конкретном смысле и значении элементов в структуре;

•    декларативные — знания о фактах и данных;

•    процедурные — знания об алгоритмах, методах, эвристиках;

•    метазнания — обобщенные знания;

•    «ИНЬ и ЯН» — знания о преобразованиях и переменах на основе принципов противоположности;

•    нечеткие (синергетические) — знания об интеллектуальном опыте ЕС и ИС.

Основные характеристики знаний — это интерпретируемость, концептуальность, структурированность, именнованность, иерархичность, активность, рефлексивность, связность и степень согласованности.

Основная цель БЗ — получать, хранить, перерабатывать и создавать упорядоченные знания на основе данных и нечетких неупорядоченных знаний. Обычно в интеллектуальных ИС такая БЗ состоит из трех основных компонентов: правил, вопросов-подсказок, переводов. Структурная схема БЗ состоит из трех основных блоков: база общих знаний, база системных знаний, база прикладных знаний. В первом блоке хранятся общие знания, необходимые для решения всех оптимизационных задач. Во втором блоке — знания о всех внутренних связях самой системы. В третьем блоке — все прикладные знания, например, описание предметных областей, правила и ограничения, комплексы алгоритмов и т. п. В отличие от стандартных БД, которые также присутствуют в интеллектуальных ИС и взаимодействуют с БЗ, последние позволяют обрабатывать знания и в результате этого получать новые упорядоченные знания.

В настоящее время ЭС — это программно-алгоритмические комплексы, выполняющие разнообразные функции. Они могут консультировать пользователя; анализировать промежуточные и конечные результаты; обучать пользователя и ЭВМ; обучаться в процессе решения конкретной задачи; давать советы пользователю и ЭВМ; классифицировать рассматриваемую проблему; производить поиск на заданных математических моделях; принимать конкретное решение на любом этапе оптимизации; делать достоверные выводы из неполных и нечетких данных и знаний; взаимодействовать с другими ЭС; передавать и приобретать новые знания. Другими словами, ЭС помогают интеллектуальным ИС накапливать и обрабатывать различные виды глубинных и поверхностных знаний или их представлений в виде соответствующих моделей. Глубинные знания обычно помогают отображать разрабатываемую структуру. К ним относятся причинные модели, категории, абстракции, аналогии.

Аналогия — один из основных приемов описания интеллектуальных ИС. В [51-56] отмечено, что новая идея появляется в результате сравнения двух объектов, которые еще не сравнивались, а. процесс познания есть отыскание аналогий. При этом важны не поверхностные аналогии, а. изоморфизмы в математическом смысле, т. е. строгое соответствие между всеми элементами сравниваемых систем. На пути проведения аналогий между концепциями происходит целенаправленное развитие новой теории интеллектуальных ИС. Поверхностные представления знаний — это простые эмпирические ассоциации, которые формируются на основании условных правил, типа «Если X, то Y» или их модификаций. Экспертная система моделирует и интерпретирует действия пользователя по организации его знаний об объекте и делает из них выводы. В определенном смысле ЭС интеллектуальных ИС помогают ЭВМ. применить опыт пользователя для принятия эффективных решений [57].

При построении моделей ИС важным является организация логического вывода. Если имеется множество посылок (^і,..., ірп, то из него

выводим заключение ір. Утверждается, что выполнен логический вывод, если найдена цепочка, формул, заканчивающаяся той формулой, которую мы должны вывести, а. каждый член этой цепочки есть либо аксиома., либо гипотеза., либо заключение, полученное по правилам дедуктивного вывода, из предыдущих членов цепочки [60, 61].

Рассуждение — это получение заключения из посылок с использованием некоторых эвристических правил. Согласно [35, 36] принципиальные черты искусственного интеллекта, есть выделение существенного в знании, способность к рассуждениям, рефлексия, выдвижение цели и выбор средств ее достижения, познавательная активность, адаптация к ситуации, формирование обобщений и обучения, синтез познавательных процедур.

Д. Поспелов [40, 115] определил 10 горячих точек в области ИИ, связанных с разработкой ИС:

•    переход от вывода, к аргументации;

•    проблема, оправдания;

•    порождение объяснений;

•    поиск релевантных знаний;

•    понимание текстов;

•    когнитивная графика.;

•    многоагентные системы;

•    сетевые модели;

•    метазнания.

ИС могут быть описаны совокупностью знаков с отношениями между ними. Такие модели соответствуют ИС лишь частично, что делает отношение моделирования расплывчатым. Для формализации процесса, используется семиотика. — наука, о знаковых системах. Прикладная семиотика. основана, на. семиотическом моделировании. Оно описывает динамику жизнедеятельности ИС при изменении ее знаний об окружающем мире и способах поведения в нем. Прикладная семиотика, позволяет моделировать процессы, протекающие в открытых или динамических системах [61, 66].

Понятийной основой прикладной семиотики является треугольник Фреге, показанный на. рис. 2.3. Множество X = {жі,ж2,жз} описывает представления человека, или ИС. Здесь, например, х\ — имя, х2 — понятие, хз — представление.

Сущности реального мира, (внешней среды) — это объекты, явления, процессы. Их называют денотаты — х^. Денотат ИС недоступен, а. представляется через модели путем установления соответствия. Как видно из рис. 2.3, треугольник Фреге — это неориентированный граф Ѳф = (X, U) с двумя подмножествами ребер, U = {и\ U и2}, и\ = {1,2,3}, и2 = {4}. Ребро 1 по имени объекта, позволяет активизировать сведения об этом элементе. Ребро 2 позволяет найти информацию о свойствах рассматриваемого элемента.. Ребро 3 устанавливает соответствие имени элемента, с его моделью. На. основе факторизации эту конструкцию можно представить в виде двух блоков X, Х4. Информационная единица., структурой которой является множество X, называется в прикладной семиотике знаком. Вершина.

x\ G X определяет связи наследования. Отношения наследования обычно образуют иерархическую структуру в системе знаков. Очевидно, что между сетью знаков и сетью фреймов существует аналогия. Это позволяет определить операции на сетях из знаков — фреймов, выполнять операции вывода знаний и формирования новых знаний. Граф соответствует триаде: синтаксис, семантика, прагматика. Синтаксис (хі) определяет кодирование знака; семантика (х2) — значение знака; прагматика (жз) — процедуры и действия. В ИС такая совокупность процедур обычно реализуется в планировщиках и определяет эффективность работы ИС.

В настоящее время в ИС также используются семиотические БЗ. Основными требованиями в них для объектов, называемых знаниями, являются именованность, структурированность, иерархичность, связность, активность и рефлексивность [59, 63]. БЗ удобно представлять в виде сети фреймов, гиперграфов или графов, причем каждый фрейм связывает воедино знания о данной ситуации и предсказывает, какие объекты будут обрабатываться, какие события могут произойти. В математических моделях интеллектуальных ИС фреймы являются совокупностью процедурных и декларативных знаний о прикладных моделях и состоят из множества слотов. Последние содержат знания о конкретной ситуации. Кроме того, слоты могут осуществлять вызов прикладных программ из программного обеспечения и т. д. Слоты одного фрейма взаимодействуют со слотами других. фреймов, образуя в случае бинарных связей граф, а. в случае п-арных связей — гиперграф с упорядоченным отношением на множествах вершин и ребер.

Важной задачей является поиск и преобразование информации в графовых и гиперграфовых моделях. Можно предложить совместное использование экспертной системы, методов эволюционной адаптации и синергетических подходов для эффективного решения таких задач. ЭС в интеллектуальных ИС позволяют разработать структурированную схему, отражающую весь ход процесса оптимизации. Эта схема дает возможность составить конечное множество вопросов, которые помогут пользователю эффективно провести весь процесс принятия решений. Если принятие решений определить как процесс преобразования потребности в результат, являющийся элементом в эволюционирующей технологической среде, то он интерпретируется как

локальный акт самоорганизации в интегрированной среде, который планируется и направляется самой средой.

В настоящее время в существующих. ИС в основном реализуются бинарные связи. Бинарная парадигма согласно [64,65] описывает ИС как совокупность парных отношений, утрачивая перспективу постижения целостности. Поэтому структура выбора «ИЛИ-ИЛИ» упрощена. В этой связи для комплексного представления ИС будем использовать триединый (триадный) подход. Триадой считается совокупность из трех взаимосвязанных элементов. В [64] различают три основных вида триад: линейные, переходные, системные. В линейных триадах все три элемента расположены на одной оси в семантическом пространстве. Переходные триады характеризуются формулой: тезис-антитезис-синтез. В системных (целостных) триадах единство создается тремя элементами одного уровня, каждый из которых может служить мерой совмещения двух других, так что потенциально все три равноправны. Системные триады обладают универсальным семантическим свойством, аналогичным природной способности человека мыслить одновременно понятиями, образами, символами. Семантическая формула системной триады: рациональность—интуитивность—эволюционность. Системная триада является простейшей структурной ячейкой синтеза. Третий элемент необходим для решения проблемы бинарных противоречий, как мера их компромисса, как условие существования. Результат синтеза можно представить как вершину тетраэдра, в основании которого — системная триада.

Критерием целостности системной триады может служить принцип неопределенности-дополнительности-совместимости. Здесь каждая пара элементов находится в отношении дополнительности, а. третий задает меру совместимости. Количественно эта закономерность видна на примере асимптотической математики. Она определяется триадой: точность- локальность-простота. Совмещение точности и простоты достигается по мере локализации ИС.

Порождающий (креативный) взгляд на структуру ИС может быть также описан триадой: способ действия + предмет действия = результат действия. В общем случае известно большое число триад [64, 65]. Например: закон природы + материальная субстанция = феноменальный мир; замыслы + потенция = произведение. Использование и популярность триад связана с моделью содержательной, развивающейся, эволюционирующей ИС. В этой связи при моделировании ИС вместо диад (есть ровно одна причина и одно следствие) будем рассматривать триады, т. е. допускать множественность причин и следствий событий. Минимальная возможность и есть полный граф на три вершины (креативная триада). На его основе можно неоднозначно моделировать эволюцию. Это дает возможность генерировать множество сценариев развития событий, неоднозначность будущего и возможного прошлого. Например, выражение f(x) = у, также представляет собой триаду: f (функция) + х (аргумент) = у (значение функции). Следовательно, триадный подход может служить некоторой основой формализации простейших законов природы и позволяет создавать описание более сложных законов и структур.

Интеллектуальное поведение ИС можно также организовать на основе триады: цель-план-стратегия. Для адекватного описания ИС и интеллектуальной деятельности также требуется триединый механизм: индукции- дедукции-абдукции. Идея абдукции следующая. Даны группы фактов и выдвинуты некоторые гипотезы. Если эти гипотезы объясняют в некотором смысле эти факты, то они принимаются. Согласно [34, 60], абдуктивный подход позволяет среди множества возможных гипотез выбирать именно те, которые необходимы в процессе анализа и синтеза ИС. Механизм рассуждений в ИИ есть не только и не столько простая имитация человеческих рассуждений, сколько одновременно их имитация и усиление.

ИС, кроме рассмотренных БЗ, БД и других блоков, включают: решатель задач и интеллектуальный интерфейс. Решатель — это рассуждатель плюс вычислитель. Рассуждатель реализует синтез познавательных процедур. В результате обучения ИС с помощью БД производится расширение БЗ. Синтез познавательных процедур состоит из трех этапов: индукция, система связанных аналогий, абдукция.

Реализация ИС — это понятийное построение знаний, что предполагает преобразование идей в понятие. Идея — это терм, окруженный релевантным знанием. Пусть имеется терм Т, обозначающий идею и характеризующийся множеством высказываний. Тогда если ср — отношение релевантности, то можно определить знания, входящие в терм, то есть, связать все те высказывания, которые имеют отношение друг к другу. Элементы а, Ъ находятся в отношении релевантности ір, если они «имеют заданное нечеткое отношение друг к другу». Тогда, согласно [66], понятие Т; — это идея Т с упорядоченным значением такая, что: задано содержание создаваемой ИС; заданы отображения описаний ИС в множество моделей; задана структура реализации ИС. В ИС основная проблема — это обработка огромных массивов нечеткой информации. Поэтому структурированность и иерархичность, то есть, упорядоченность информации, упрощает эту задачу.