Теория интеллектуальных систем управления

ИСАУ — это системы, которые позволяют проводить обучение, адаптацию или настройку за счет запоминания и анализа информации о поведении объекта, его СУ и внешних воздействий. Особенностью данных систем является наличие базы данных машины логического вывода, подсистемы объяснений и др.

Основная функция интеллектуальных САУ, качественно отличающая их от других САУ – это реализация определенных «разумных», человекоподобных рассуждений и действий, направленных на достижение определенной цели в соответствующей предметной области. В большинстве случаев, выполняя какие-то действия, человек сам точно не осознает, как он это делает. Ему неизвестен алгоритм происходящих в его мозге процессов понимания текста, узнавания лица, доказательства теоремы, выработки плана действий, решения задачи и т.д. Таким образом, всякая задача, для которой неизвестен алгоритм решения, относится к области применения систем искусственного интеллекта. При решении этих задач человек действует, не имея точного метода решения проблемы. Данный тип задач обладает двумя характерными особенностями:

· использование информации в символьной форме (слова, знаки, рисунки), что отличает системы искусственного интеллекта от традиционных компьютерных систем, обрабатывающих только числовые данные;

· наличие возможности выбора – отсутствие алгоритма решения означает только то, что необходимо делать выбор между многими вариантами в условиях неопределенности.

По кругу решаемых задач системы искусственного интеллекта можно подразделить на следующие группы:

· системы распознавания образов;

· математические системы и системы автоматического доказательства теорем;

· игровые системы;

· системы решения технических задач, связанных с целенаправленным движением в пространстве и времени;

· системы понимания естественного языка;

Данная классификация была введена на заре становления систем искусственного интеллекта и быстро себя исчерпала, поскольку дальнейшее развитие интеллектуальных систем привело к своеобразному «сращиванию» отдельных задач в одно целое в рамках решаемой системой глобальной технической задачи. К примеру, мобильные робототехнические системы должны решать и задачи распознавания образов, и технические задачи по позиционированию, обходу препятствий и т.д. Экспертные системы должны обладать возможностью понимания естественного языка, обладать способностями математических систем, реализовывать прогностические возможности игровых систем. Таким образом, с развитием интеллектуальных систем росла их сложность и многофункциональность, да это и понятно – в идеале интеллектуальная система должна воспроизводить мыслительную деятельность человека, а человек, как известно, самое многофункциональное интеллектуальное устройство.

Возник закономерный вопрос, как классифицировать, структурно упорядочить и организовать все многообразие интеллектуальных систем, которые были созданы и продолжали конструироваться со все возрастающими темпами (что связано с бурным развитием микроэлектроники в течение последнего десятилетия)? Ни по кругу решаемых задач, ни по конструктивно-техническим признакам, ни по принципам построения (а собственно о каких принципах и методах может идти речь, если сама методология разработки интеллектуальных систем по сию пору находится на этапе становления) классифицировать принципиально новый класс технических систем – интеллектуальные системы, не представлялось возможным.

Принципиально новую структурную организацию интеллектуальных систем, опираясь на теорию искусственного интеллекта, исследования операций и автоматического управления, разработал в 1989 г. Дж.Саридис (один из создателей нового научного направления – теории интеллектуальных машин, представляющей общесистемный подход к решению задач проектирования интегрированных интеллектуальных систем) [23].

1. Наличие взаимодействия управляющих систем с реальным внешним миром с использованием информационных каналов связи. Первый принцип подчеркивает непосредственную связь интеллектуальных управляющих систем с внешним миром. Находясь в непрерывном взаимодействии с внешним миром, интеллектуальные системы получают из него всю необходимую информацию в виде извлеченных знаний. Более того, управляющая система может оказывать на внешний мир целенаправленное активное воздействие. Модель знаний о внешнем мире, используемая интеллектуальной системой, должна предполагать не только уточнение описания внешней среды, которое происходит за счет получения дополнительных знаний о внешнем мире, но и изменение состояния внешней среды вследствие реализации активного поведения интеллектуальной системы. Таким образом интеллектуальная система может воздействовать на внешнюю среду не только в рамках инициализируемого системой процесса получения знаний, но и исключительно с целью изменения внешнего мира в соответствии с целью функционирования системы. Выполнение принципа взаимодействия системы с внешним миром позволяет организовать каналы связи для извлечения необходимых знаний с целью организации целесообразного поведения.

2. Принципиальная открытость систем с целью повышения интеллектуальности и совершенствования собственного поведения. Открытость систем обеспечивается наличием таких уровней высшего ранга в иерархической структуре, как самонастройка, самоорганизация и самообучение. Система знаний интеллектуальной управляющей системы состоит из двух частей: постоянных (проверенных) знаний, которыми система обладает и постоянно пользуется, и временных (проверяемых) знаний, в которых система не уверена, с которыми она экспериментирует в процессе обучения. В зависимости от результатов анализа своего поведения во внешнем мире система может либо отбрасывать знания второго типа, либо переводить их в знания первого типа. В свою очередь проверенные знания могут быть переведены в разряд проверяемых, если условия функционирования и результаты работы системы во внешнем мире становятся неадекватными определенной области постоянных знаний. Выполнение второго принципа позволяет организовать в интеллектуальной системе процесс приобретения, пополнения и верификации знаний.

3. Наличие механизмов прогноза изменения внешнего мира и собственного поведения системы в динамически меняющемся внешнем мире. Система, функционирующая в меняющемся внешнем мире и не обладающая возможностями прогноза изменения состояния внешнего мира и своего собственного состояния и поведения, может попасть в критическую ситуацию, из которой не сможет найти выхода из-за временных ограничений на работу механизмов, формирующих управляющие воздействия, определяющих рациональное тактическое и стратегическое поведение системы. Наглядным примером могут служить автономно функционирующие интеллектуальные робототехнические системы в экстремальных ситуациях.

4. Наличие у управляющей системы многоуровневой иерархической структуры, построенной в соответствии с правилом IPDI. Данный принцип позволяет планировать пути построения моделей сложных управляющих систем в тех случаях, когда неточность знаний о модели объекта управления или его поведении можно скомпенсировать за счет повышения интеллектуальности создаваемых систем или соответствующих алгоритмов управления.

5. Постоянство функционирования (возможно, с некоторой потерей качества или эффективности, т.е. с определенной степенью деградации) при разрыве связей или потере управляющих воздействий от высших уровней иерархии управляющей структуры. Данный принцип устанавливает только потерю интеллектуальности, но не прекращения функционирования системы в целом при отказах в работе высших уровней иерархии системы. Сохранение автономного функционирования в рамках более простого (автоматного) поведения системы, характерного для низших уровней структуры управления обеспечивает максимальную живучесть систем управления.

Приведенные пять принципов организации структуры интеллектуальной управляющей системы позволяют уточнить такое понятие, как «интеллектуальность» управляющей системы, а также производить классификацию интеллектуальных систем по уровню их интеллектуальности. Очевидно, что степень интеллектуальности системы будет находиться в прямой зависимости от функциональной насыщенности уровней, т.е. от полноты реализации базовых принципов организации интеллектуальных управляющих систем в виде соответствующих функций.

Система интеллектуальная в большом – это система построенная и функционирующая в соответствии с описанными выше всеми пятью базовыми принципами IPDI.

Системы интеллектуальные в большом должны иметь многоуровневую иерархическую структуру со следующими уровнями (в порядке понижения ранга): уровень обучения, уровень самоорганизации, уровень прогноза событий, уровень работы с базами знаний, уровень формирования решений, уровень планирования операций, уровень адаптации, исполнительный уровень. Каждый из этих уровней имеет свою функциональную специфику и может состоять из нескольких подуровней. При этом на двух нижних уровнях иерархии используются традиционные модели и методы теории автоматического управления. Остальные уровни более высокого ранга, или так называемая интеллектуальная надстройка, существенно расширяют возможности этих традиционных моделей в соответствии с требованиями современной информационной технологии работы со знаниями. Минимальная интеллектуальная надстройка может содержать только элементарную базу знаний в виде простых продукционных правил (кстати именно такую структуру имели первые интеллектуальные регуляторы), однако уже одно это дополнение будет вводить систему автоматического регулирования в класс интеллектуальных систем, хотя, разумеется, эта интеллектуальная система интеллектуальной в большом не будет. Подобная интеллектуальная САУ будет «интеллектуальной в малом».