Мивары: 25 лет создания искусственного интеллекта

Практика общения с коллегами на научных конференциях и дискуссиях показала, что необходимо сразу и четко формулировать, для каких систем был создан миварный подход. Дело в том, что, по признанию многих авторитетных ученых, их работы направлены на решение "игрушечных задач" с очень ограничивающими требованиями, например: замкнутость описания предметной области, не более 20-30 логических правил и т.п. На ранних этапах исследований такие постановки имели право на жизнь. Но миварный подход создавался для принципиально других систем, которые можно кратко называть глобальными познающе-диагностическими системами реального времени. По указанным выше примерам, для миварного подхода сразу было поставлено условие работы с открытыми и достаточно большими предметными областями, где счет логическим правилам идет на десятки тысяч. При этом стоит отметить, что были практически сняты ограничения на вычислительные ресурсы и прочие материальные ограничения, т.к. стояла задача оценки определения предельных возможностей таких систем.

Глобальные познающе-диагностические системы (ГПДС) должны решать задачу мониторинга и прогнозирования сложной предметной области. Обобщенная схема таких систем показана на рисунке 1.

Рисунок 1 – Схема познающе-диагностических систем реального времени

Отметим, что основой работы глобальных познающе-диагностические систем является информация – глобальная же модель предметной области, включающая и все данные, и все правила, и все отношения и т.д. В терминологии миваров это и есть эволюционная база данных и правил. Именно на ее основе можно по кратким фрагментам получаемых сообщений делать обоснованные выводы и прогнозы. Эти краткие сообщения представляют собой лишь горные вершины или вершины айсбергов, за которыми скрываются огромные описания, хранящиеся в базах данных.

Для решения задачи мониторинга и прогнозирования сложной предметной области (ПО) необходимо создать автоматизированную систему информационного моделирования и прогнозирования. Прежде всего, необходимо создать информационную модель предметной области и решить задачи сбора требуемых данных, обработки информации и прогнозирования развития объекта наблюдения. Эта классическая задача имеет большое множество возможных решений, зависящих от особенностей предметной области, имеющихся ресурсов, заданных требований по достоверности, своевременности, надежности, точности прогнозирования и т.п. В любом случае, необходимо выделение и создание трех подсистем:

· сбора данных;

· накопления и обработки информации;

· прогнозирования и имитационного моделирования.

Создание информационной модели сложной предметной области является творческой задачей с применением информационных технологий баз данных, экспертных систем, систем поддержки принятия решений, интеллектуальных систем и др. Успех решения задачи зависит от концептуального моделирования предметной области (выделяют концептуальный, логический и физический уровни моделирования ПО). Отметим, что анализ разработки существующих аналогов показывает необходимость изначального применения эволюционных (развивающихся, обучаемых) систем. В настоящее время существуют современные и перспективные методы моделирования самых сложных предметных областей в предельно жестких ограничениях и внешних условиях. К таким информационным технологиям относится отечественная технология создания самоорганизующихся программно-аппаратных комплексов оперативной диагностики (СПАКОД) на основе эволюционного многомерного информационного пространства универсального представления данных и правил [72, 46-126, 303, 354-355, 503-504].

При решении задач моделирования и прогнозирования сложных предметных областей невозможно изначально определить требуемые ресурсы и возможные проблемы. Такая задача относится к классу познавательных задач и не имеет однозначных, тем более, простых решений. Кроме того, задача мониторинга относится к классу диагностических задач, требующих обработки данных в реальном масштабе времени. Когда задачи познания и диагностики решаются одновременно, возникает наиболее сложный класс познающе-диагностических задач. В настоящее время для одновременного решения задач мониторинга и прогноза сложных реальных предметных областей не существует готовых информационных систем.

Однако, комбинируя существующие технические и программные решения, представляется возможным решить требуемую задачу мониторинга и прогноза сложных реальных предметных областей.

Например, технология самоорганизующихся программно-аппаратных комплексов оперативной диагностики позволяет постепенно по мере изучения (познания) предметной области эволюционно наращивать требуемые ресурсы как на программном, так и на аппаратном уровне.

Информационная модель создается с самого простого и минимального количества данных, а затем, по мере поступления новых данных из подсистемы сбора данных, происходит эволюционное наращивание информационной модели в подсистеме накопления и обработки данных. Далее появляется возможность выполнения прогнозирования на различные интервалы времени.

Технология СПАКОД позволяет одновременно осуществлять информационное моделирование на нескольких моделях, по каждой из которых выполняется прогнозирование. Полученные прогнозы по мере наступления событий сравниваются с реальным развитием предметной области.

Затем, в рамках организации обратной связи анализируются все прогнозы, их отличие от реального развития событий (ошибки прогнозирования) и осуществляется модернизация существующих информационных моделей. Со временем, практика показывает, что такое разномодельное эволюционное прогнозирование с обратной связью позволяет давать достаточно точные и объективные прогнозы.

Таким образом, технология СПАКОД позволяет эволюционно и постепенно наращивать как саму информационную модель (и требуемые для ее функционирования ресурсы), так и точность прогнозирования.

Подчеркнем, что особенности создания системы сбора данных в основном зависят от поставленных задач и предметной области. Однако технология СПАКОД позволяет в процессе информационного моделирования выявлять недостающие данные, определять, где их можно получить, и управлять процессом сбора данных в реальном масштабе времени. Сбор данных может осуществляться как автоматически в различных компьютерных сетях (Интернет), так и с использованием специальных и других технологий, включая специально подготовленных людей или роботизированные системы. Известны различные технологии сбора данных, но их целесообразно рассматривать после начального создания информационной модели сложной предметной области.

Если технологии сбора данных сильно зависят от возможностей людей, то следующие этапы: обработка и прогнозирование – позволяют практически полностью автоматизировать весь процесс и максимально сократить количество требуемого персонала. Кроме того, существуют различные способы разграничения доступа, при которых информация о реально решаемых задачах и получаемых результатах доступна только высшему руководству и системным администраторам СПАКОД.

1.3. Анализ принципиально новых возможностей информатизации

Попробуем разобраться, что принципиально нового дает информатизация. Прежде всего, информатизация – это применение компьютерных технологий. В современном состоянии это означает повсеместное использование территориально распределенных гетерогенных компьютерных сетей и систем. Необходимо сразу же выделить два принципиально разных уровня:

· физический ("железо": оборудование, каналы связи и т.д.) и

· логический ("софт": программное обеспечение, алгоритмы, данные и т.п.).

По существу, компьютеры материализуют человеческие мысли, т.е. выполняют написанные по определенным алгоритмам программы. Алгоритмы могут быть самыми различными. Человек, разрабатывая алгоритм и создавая программу, как бы отделяет от себя свои мысли, дает им самостоятельную жизнь, но потом может воспользоваться результатами выполнения своих программ. До тех пор, пока не создан искусственный интеллект, компьютер является усилителем мыслительной деятельности человека! Это самое принципиальное свойство информатизации: усиливать человеческие интеллектуальные способности. Т.е., если мыслей и интеллекта НЕТ, то и усиливать НЕЧЕГО! Ноль, помноженный на любое число, все равно дает в результате ноль!

Основные процессы, которые автоматизирует информатика: сбор, передача, обработка, хранение и представление данных (информации, сведений и т.п.). По всем этим пяти направлениям компьютеры усиливают и/или расширяют человеческие возможности (способности). Кроме того, с помощью компьютера человек может создавать новую информацию (данные). Отметим, что принято различать понятия: информация, сведения, данные – и близкие к ним, но на данном этапе анализа нет необходимости в этом и все их можно использовать как синонимы (до определенного момента, который надо отдельно оговаривать).

Кратко проанализируем эти пять направлений, но опустим для краткости оценку их реальных возможностей и этичности.

Сбор информации. Компьютерные системы и сети позволяют собирать (получать) человеку практически всю документированную и переведенную в электронный вид информацию. Не будем говорить о закрытой и конфиденциальной информации, а рассмотрим теоретические возможности человека по сбору любой доступной информации. Фактически, информатизация позволяет человеку собирать любую информацию, т.е. возможности человека по сбору информации становятся безграничными.

Передача информации. Современные средства компьютерной телекоммуникации позволяют передавать информацию в очень больших объемах практически в реальном масштабе времени на любые расстояния и многим получателям одновременно. Возможности человека и здесь практически ничем не ограничены (в разумных пределах, конечно же). Особо надо подчеркнуть, что передача позволяет взаимодействовать большому количеству людей в реальном масштабе времени. Есть ограничения по скоростям передачи данных, но в целом даже видеоизображение уже может передаваться в реальном масштабе и без особых финансовых затрат.

Обработка информации. В этом направлении все зависит от формализуемости и наличия четких алгоритмов обработки информации. Все операции, для которых разработаны алгоритмы, могут быть выполнены на компьютерах. Возможности здесь, конечно же, ограничены, но все же компьютеры позволяют весьма существенно усилить человеческие способности и проводить обработку огромных массивов информации достаточно быстро. Пожалуй, именно в обработке информации еще есть большие резервы для усиления человеческого мышления (по возможности и мере необходимости).

Хранение информации. При соблюдении определенных условий хранить можно практически бесконечные объемы информации. Отдельный вопрос – это своевременный доступ к требуемой информации, но здесь еще очень много нерешенных научно-технических проблем. (Для решения этих проблем можно применять, например, миварное информационное пространство, позволяющее в едином формате хранить и данные, и правила (процедуры, программы и т.п.) их обработки). Таким образом, хранить можно бесконечно много данных, но вот с доступом к ним пока есть существенные проблемы (что сильно связано с обработкой информации).

Представление информации. В этом направлении все зависит от требуемых форм представления информации, ее публикации и распространения. Практически все известные формы представления информации доступны для современных компьютеров: видео, голос, запахи, тактильные ощущения и многое другое для всех органов чувств человека. При определенных усилиях человеку доступны все формы и виды представления информации. Отметим, что человек может создавать любую информацию, но для обмена ею с другими людьми надо представить ее в некоторой доступной для других форме.

Перейдем к управлению. По сути, любое управление – это достижение некоторой цели, некоторого требуемого состояния по определенным алгоритмам в конкретных внешних условиях и при учете неизбежных ограничений. Фактически для любого управления может быть создана некоторая модель на основе параметров и алгоритмов. Для решения задач управления современные компьютеры могут оказать значительную помощь, но, к сожалению, не во всех областях. Как было показано выше, если задачу управления можно строго описать, создать четкие алгоритмы и задать пороговые значения всех параметров, то компьютерная система даже без участия человека сможет отлично выполнять функции управления.

1.4. Познающе-диагностические автоматизированные информационные системы и сложные предметные области

Для определения предельных требований к автоматизированным системам необходимо описать максимально сложные условия для их применения. Как известно, выделяют классы познавательных и диагностических автоматизированных систем обработки информации (АСОИ) [72]. Основной задачей познавательных систем является изучение новой сложной предметной области без существенных ограничений по времени работы. Задачей диагностических систем является другая крайность – в минимальное время принимать решения в динамической формализованной области. Представляется, что наиболее сложным случаем является сочетание этих двух систем, когда на неизвестной исследуемой предметной области надо распознавать ее состояние и принимать решения в минимальное время. Такие познающе-диагностические АСОИ являются наиболее сложными, и в них отрабатываются новые подходы, модели, методы и алгоритмы. Практически все реальные сложные проблемы менеджмента относятся именно к познающе-диагностическим задачам.

Таким образом, для обоснованной классификации управленческих АСОИ целесообразно сформулировать наиболее важные условия и категории сложности различных предметных областей. Все управленческие АСОИ и программы можно будет разбить на классы решаемых задач по соответствующей сложности. Тогда, все разнообразные пользователи смогут обоснованно выбирать для себя наиболее подходящие конкретные АСОИ. С научной точки зрения, наибольший интерес представляют именно максимальные условия сложности предметной области. Ведь если некоторая АСОИ создана для максимально сложного случая, то она сможет решать и более простые задачи даже в упрощенном варианте самой АСОИ.

Кроме того, исследуя максимально сложные случаи, можно определить и предельные возможности современных АСОИ, выявить основные научные проблемы и приступить к их целенаправленному решению. Насколько нам известно, наиболее сложными считаются следующие условия для системы управления:

1) сложный, большой, разнообразный, изменяющийся и развивающийся объект управления, когда принципиально нельзя сделать его полную информационную модель;

2) объективное наличие и сильное влияние фактора случайности событий, их непредсказуемости;

3) агрессивная внешняя среда с частыми, неожиданными и очень быстрыми изменениями (нельзя применять только статистические модели);

4) ограниченные внешние и внутренние ресурсы, которых заведомо не хватает для всех, что и порождает конфликты и конкуренцию;

5) наличие не менее интеллектуальных и не менее сильных объектов-противников или конкурентов (обман и комбинации);

6) проблемы со своевременностью получения и передачи сигналов управления: длительные задержки при передаче сигналов управления и получения сигналов с датчиков (в пределе – счет идет на секунды);

7) проблемы с полнотой требуемых исходных данных (не все данные в наличии, более того, реально все данные невозможно получить никогда);

8) проблемы с достоверностью получаемых исходных данных, т.е. неправильные или ошибочные данные по разным причинам;

9) важность и сложность принимаемых решений ("ценою в жизнь").

Возможно, это еще не все условия, и данная проблема требует отдельного изучения. Важно, что в таких случаях принципиально нельзя создать идеальную систему управления (не хватает либо ресурсов, либо времени, либо чего-то еще). Как правило, существует несколько вариантов создания таких систем управления, из которых надо выбрать оптимальный. Принципиально, что на выходе получают квазиоптимальную систему, а так как внешняя среда и противники постоянно изменяются, то и эта система должна быть открытой и эволюционной. Важно еще и то, что, когда некие действия уже начались, у менеджеров не будет времени на раздумывания и создание новых планов действий, а остается только выбрать какой-то один заранее разработанный план и реализовывать его, осознавая всю ответственность и, возможно, немного модернизируя и уточняя его.

Отметим, что для таких сверхсложных систем существующие традиционные базы данных и простейшие экспертные системы не могут быть адекватными. Именно для таких максимально сложных случаев и разрабатывались новые перспективные миварные базы данных и правил и миварное информационное пространство [46-126, 303, 354-355, 503-504]. Миварные базы данных и правил разработаны именно для познающе-диагностических систем реального времени. Отметим, что в миварном информационном пространстве возможно одновременное моделирование в реальном времени нескольких информационных моделей, сопоставление их результатов и разработка различных прогнозов. Это вполне соответствует современным направлениям: сервисно-ориентированные архитектуры, "облачные" вычисления, многоагентные системы – хотя все это разрабатывалось в миварах независимо и параллельно.

1.5. Обзор технологий ИИ и сравнение с миварным подходом

За основу описания области ИИ мы взяли книгу Джорджа Люгера [264], которая была написана в 2001 году и фактически обобщает итоги 20 века в области ИИ. Конечно же, мы учитывали и более современный материал, который излагался в статьях, докладах, книгах и отражен в списке литературы. Тем не менее, основные выводы и положения работы Люгера не утратили своей актуальности, а следовательно, можно сравнивать миварный подход с достижениями в области ИИ.

Итак, основной целью своей работы Дж. Люгер считал "… объединение разрозненных областей искусственного интеллекта с помощью детального описания его теоретических основ …" [264, стр. 20]. Для адекватности изложения материала будем приводить достаточно подробные цитаты, особенно в тех случаях, когда мы согласны с автором. Постараемся собрать таким образом общую аксиоматику в области ИИ, а затем сравнивать ее с миварными технологиями. "Интеллект – это сложная область знаний, которую невозможно описать с помощью какой-то одной теории. Ученые строят целую иерархию теорий, характеризующие его на разных уровнях абстракции" [264, стр. 20]. Там же выделены три уровня:

1) на самом низком уровне находятся нейронные сети, генетические алгоритмы и другие формы эволюционирующих вычислений, позволяющие понять процессы адаптации, восприятия, воплощения и взаимодействия с физическим миром, лежащим в основе любой формы интеллектуальной деятельности;