ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ СЕГОДНЯ
На заседании Президиума ИрНЦ СО РАН директор Института динамики
систем и теории управления член-корреспондент РАН Станислав
Васильев выступил с докладом «Интеллектное управление
динамическими системами».
Интеллектное управление как направление фундаментальных и
прикладных исследований развивается на стыке теории управления и
искусственного интеллекта.
Термин «искусственный интеллект» возник примерно в середине 50-х
годов. Это раздел информатики, который изучает методы и приемы
моделирования, воспроизведения с помощью ЭВМ разумной
деятельности человека. Но помимо копирования действий человека,
искусственный интеллект ориентирован еще и на автоматизацию
решения «творческих» задач — способами, не обязательно похожими
на человеческие. Разумеется, с течением времени, по мере развития
искусственного интеллекта, одни творческие задачи перестают
считаться таковыми, но появляются другие. Планка интеллектуальной
силы, необходимой для решения новых задач, все время повышается.
Для конкретных приложений (например, управления воздушным
движением) созданы планировщики расписаний, действий, анализаторы
трехмерных сцен и т.п. И все время появляются новые и новые
задачи, не менее интересные, не менее амбициозные. Одна из задач,
над которыми сейчас работают специалисты и ученые, — создание
беспилотного самолета. Автоматическая посадка «Бурана» — одно из
свидетельств реальности подобных проектов. Уже есть такие
вертолеты, очень маленькие, относительно дешевые в создании и
эксплуатации, например, для патрулирования границ, инспекции
трубопроводов.
Заметим, что важным этапом, еще до появления самого термина
«искусственный интеллект» (ИИ), явилось возникновение теории и
практики создания искусственных нейронных сетей. В середине 40-х
годов прошлого века было показано (У. МакКалок и У. Питс), что на
таких сетях можно смоделировать любую логическую функцию. Однако
ранний энтузиазм и великие ожидания 50-х и начала 60-х годов
сменились первыми разочарованиями. Проблемы обучения нейронных
сетей и типичность комбинаторных «взрывов» в других подходах к
ИИ, неоправданное обобщение в маркетинге частных достижений
привели к банкротству ряда фирм, сделавших ставку на
фантастические возможности ИИ.
70-е годы оказались временем нового энтузиазма, когда в так
называемом «знаниевом» (knowledge-based systems) подходе к ИИ
возникли экспертные системы, не столь амбициозные, но оказавшиеся
весьма полезными на практике. Например, фирма Digital Equipment
Corporation, внедрив первую коммерческую систему, экономила до 40
млн. долларов в год.
В 80-е годы искусственный интеллект приходит в управление.
«Знаниевые» системы и так называемые генетические алгоритмы стали
использоваться в технике и других областях. Благодаря появлению
более эффективных алгоритмов обучения, возродился интерес к
нейронным сетям.
Однако в экспертных системах продукционного типа (а продукциями
называются правила «если .., то …») при большом числе
эвристических правил усугубляются проблемы верификации знаний,
надежности и автоматизма обработки информации. Функционирование же генетических алгоритмов напоминает скорее стихийную
самоорганизацию природы, чем творческий процесс, а современная
искусственная нейросеть — «скорее глаз, чем мозг».
В Институте динамики систем и теории управления СО РАН
перспективной для сложных задач управления считается
трехуровневая комбинация: логического управления — на верхнем
уровне, продукционного — средний уровень
и нейроуправления — нижний уровень. Нижний уровень обеспечивает
высокопроизводительную, хорошо распараллеливаемую, стереотипную и
обеспечиваемую предварительным обучением реакцию рефлекторного
типа. Средний уровень является менее производительным и
обеспечивает использование знаний инструктивного типа, т.е. в
синтаксически ограниченной форме «если .., то …». Наиболее
глубокие умозаключения на основе знаний довольно общего вида, но
с еще менее производительной обработкой реализуемы на верхнем
уровне применением мощных логических средств.
Такая архитектура, обладая высоким интеллектом, обеспечивает
требуемую эффективность в ряде сложных задач управления при
подходящем качестве «смешивания» управлений (решений,
рекомендаций) трех уровней и передачи знаний, накопленных на
верхнем «знаниевом» уровне, на средний «знаниевый» и знаний
среднего уровня — на нейроуровень. Дальнейшее повышение
эффективности этой трехуровневой архитектуры может быть
достигнуто повышением эффективности логического представления и
обработки знаний общего вида (на верхнем уровне). Требование
эффективности означает, что нужны средства преобразования картины
внешнего мира в логическую форму представления, и это
преобразование с последующей обработкой должно осуществляться в
«реальном времени» (on-line mode), т.е. в темпе протекания
наблюдаемых или управляемых процессов внешнего мира. Имей
Чернобыльская АЭС не просто высокооптимизированную систему
автоматического и человеко-машинного управления, а еще надежные
верхние контуры интеллектного управления, защищающие ее от
«образованного дурака», то роковое стечение обстоятельств,
приведшее к нештатной неуправляемости объекта, не закончилось бы
так трагично.
Интеллектное управление — пример междисциплинарной интеграции
(традиционной теории управления и искусственного интеллекта). При
этом привлекается весь арсенал методов системного анализа,
математической логики, распознавания образов, многокритериального
принятия решений и т.д. Остановимся подробнее на логическом
управлении.
Логика хороша тем, что она очень быстро генерирует варианты
решений, а многокритериальную оценку этих вариантов, своеобразное
просеивание и выбор наиболее предпочтительных до сих пор лучше
осуществляли методы многокритериального выбора. Правда, сегодня в
литературе известна и логическая теория рационального выбора, но
она пока еще недостаточно разработана для приложений. Однако в
ИДСТУ СО РАН удалось средствами логической системы добиться и
генерирования, и отбора альтернативных решений. Эта своеобразная
«функциональная полнота» логики и стратегий поиска явилась
следствием высокой совместимости разработанной в институте
базовой логики с эвристиками предметной области, учитываемыми в
стратегиях поиска выводов. Эта базовая логика называется
исчислением позитивно-образованных формул и предложена в развитие
метода резолюций, программирования и методов решения
первопорядковых логических уравнений.
Предложенный логический аппарат обладает высокой
модифицируемостью для целей адаптации базовой логики к разным
классам задач. В частности, ее можно превратить в так называемую
конструктивную логику, не меняя ни аксиом, ни правил выводов, а
только ограничивая применение правил вывода. Ведь нужен не факт
существования управления, т.е. принципиальный факт управляемости
объекта управления, а само управление (в конструктивной форме).
Чтобы из выводов извлекать планы действий, нужна конструктивная
семантика логики. Таким образом, не отказываясь от базовой
логики, надо только ограничить применение правил вывода.
Пример — структурная реконфигурация системы управления ориентацией
космического аппарата после обнаружения отказа какого-то
компонента, например, одного из датчиков углов ориентации. Из
вывода в конструктивной логике извлекается целевая структура, и
тем самым автоматически сохраняется работоспособность системы.
Кроме того, в этих же исчислениях предложен метод автоматического
гипотезирования, который ориентирован на решение задач с неполной
информацией, когда система сама ищет недостающие ей те или иные
средства для того, чтобы «протолкнуть зависшую задачу».
Наиболее трудная задача, с точки зрения динамичности, — управление
воздушным боем. Она рассмотрена в варианте дальнего
воздушного боя. На экран пилоту выдаются рекомендации о помехах,
маневрах, ракетах противника и т.д. Разработанные методы
применимы также в задачах автоматизации проектирования, поддержки
исследований по устойчивости и управляемости механических систем,
автоматных сетей и т.д.
Интересный пример комбинации методов логического моделирования,
многокритериальной оптимизации и геоинформатики представляет
собой решенная в институте задача моделирования динамики и
управления древостоем с учетом пожаров, влияния лесных вредителей
(насекомых), лесонасаждений, деловых и санитарных рубок.
Разработки ИДСТУ СО РАН могут быть полезны и другим институтам
СО РАН, в частности, для создания экспертных систем распознавания
ситуаций и объектов (биовидов и т.п.), для диагностики и
интеллектуализации аппаратуры, для решения слабоструктурированных
задач и задач, требующих совмещения математических и
информационных (не обязательно количественных) моделей, для
согласования и интерпретации разнородной информации.
Разработанные методы интеллектного управления также полезны для
решения проблем удаленного доступа к программному обеспечению,
распределенному в сети компьютеров.
И еще один результат — использование логических средств для
получения новых теорем в математике, теории управления и др.
Логическое уравнение, в котором есть неизвестные члены, можно
использовать как некую заготовку будущей теоремы. Решение
специализированных логических уравнений разработанными методами
позволяет превращать такие заготовки в полные тексты новых теорем
соответствующих классов. На этом пути в ИДСТУ СО РАН в последние
годы создана так называемая теория редукторов и в развитие того,
что делалось раньше, разработаны новые программные продукты,
используемые также для автоматизированного рецензирования статей.
Один факт — пакет прикладных программ «АСТ» (разработанный в
институте в 1999 г.) перекрывает большую часть результатов только
что изданной в США монографии (A. Michel e.a., «Qualitative
Theory of Dynamical Systems», 2001). Такого типа успех в
приложениях искусственного интеллекта на Западе до сих пор не
достигнут.
Есть, конечно, в разработанной технологии и ряд ограничений
стимулирующих дальнейший поиск. В интеллектном управлении цель
задается человеком, система автоматически ищет способы достижения
цели. В интеллектуальном управлении (по определению)
автоматизируется и целеполагание; кроме того, автоматизируется и
пересмотр критериев качества управления. Автоматических систем
интеллектуального управления пока нет. Их разработка связывается
с введением механизмов мотивации и эмоций. Можно прогнозировать
появление систем с целеполаганием уже в недалеком будущем.
Подготовила Г. Киселева.
Фото В. Короткоручко.
стр. 5
|
