raymilano.com

ПОПУЛЯРНОЕ

НОВИНКИ

Проблемы построения интеллектуальных систем

.

В процессе биологической эволюции возникли чрезвычайно сложные и вместе с тем удивительно эффективно функционирующие живые организмы. Но каковы эти системы управления?

Насколько мы можем понять их? Какие есть подходы к таким исследованиям? Какие концептуальные теории можно положить в основу исследований биологических систем управления? Какие исследования уже проведены, и что можно ожидать в ближайшем будущем? Какие новые технологии могут возникнуть на основе этих исследований? Какие философские вопросы затрагивают такие исследования? Каково может быть влияние изучения и создания интеллектуальных систем управления на будущее развития человечества?

Наверно, перечень этих интригующих вопросов может быть продолжен и, возможно, необходим не один круглый стол КС для их детального обсуждения. Список вынесенных на КС вопросов был обусловлен в основном научными интересами инициаторов КС В.

Важно только, чтобы обсуждение было максимально содержательным, интересным и конструктивным. Теория функциональных систем П. Анохина как концептуальная основа построения интеллектуальных систем управления.

Как исследование, так и создание интеллектуальных систем управления целесообразно проводить, отталкиваясь от общих концептуальных теорий и схем. Одной из таких общих концепций является теория функциональных систем, разработанная в х годах советским нейрофизиологом П.

Функциональная система по П. Анохину — кибернетическая схема управления, нацеленного на достижение полезных для организма результатов. Опишем наиболее общие особенности функциональной системы в виде схемы управления поведением животного, характеризуя основные ее свойства, и переводя — там, где это естественно — биологические представления на кибернетический язык. Кибернетическая схема функциональной системы в духе П.

Функциональная система характеризует следующие свойства схемы управления поведением животного рис. Распознавание, планирование, принятие решения основываются на использовании базы знаний, которая пополняется при обучении. Важное понятие функциональной системы — мотивация. Роль мотивации — формирование цели и поддержка целенаправленных форм поведения.

Мотивация может рассматриваться как активная движущая сила, которая стимулирует нахождение такого решения, которое адекватно потребностям животного в рассматриваемой ситуации. Мотивация тесно связана с понятием доминанты, которое ввел А. Доминанта мобилизует ресурсы животного на достижение заданной цели. В частности, мобилизуются нервные ресурсы, так что внимание животного концентрируется на приоритетной цели.

Отметим интересные модели доминанты, которые разрабатывает В. Перечисленные свойства характеризуют общую схему системы управления поведением животного. Следует подчеркнуть, что есть большой потенциал для глубокого развития этой схемы. Отметим, что хотя эта схема была изначально введена как общая схема систем управления поведением животных, но она вполне может служить концептуальной основой для построения различных прикладных систем управления.

Необходимо отметить, что есть развитие теории П. Не претендуя на полноту, здесь только отметим работы К. Умрюхина построения модели мозга на основе теории Анохина-Судакова [4]. Необходимо также подчеркнуть, что теория функциональных систем П. Опять таки далеко претендуя на полноту, отметим некоторые концептуальные работы и модели:. Интересно отметить, что часто ключевые моменты функциональных систем П.

Анохина некоторыми авторами переоткрываются заново. Например, некоторые схемы управления, которые вводит В. Известный международный проект Principia Cybernetica [14] кладет в основу анализа систем управления теорию перцептивного контроля В.

Пауерса в контексте проекта Principia Cybernetica можно прочитать в Интернет-статье Ф. По-видимому, для полноценного осмысления роли теории функциональных систем П.

Анохина и аналогичных концептуальных теорий как основы исследования и построения интеллектуальных систем управления необходим глубокий аналитический обзор таких теорий, в котором было бы проведено сопоставление схем, моделей и концепций, предложенных разными авторами. Эволюция когнитивных способностей животных и проблемы интеллектуального управления. Естественный интеллект произошел в результате биологической эволюции. Каковы основные стадии эволюции познавательных свойств? Как эволюция когнитивных способностей животных привела к возникновению интеллекта человека?

Необходимо подчеркнуть, что исследование эволюции происхождения интеллекта чрезвычайно важно с гносеологической точки зрения [16, 17]. А именно, существует глубокая гносеологическая проблема: Действительно, с одной стороны, познавательные мыслительные процессы, которые использует ученый в научном исследовании природы, происходят в нашем, человеческом сознании, с другой стороны, процессы, которые мы познаем посредством мышления, относятся к изучаемой нами природе.

Эти два типа процессов различны. Поэтому далеко не очевидно, что мы можем использовать процессы первого типа для познания процессов второго типа. Например, далеко не очевидно, что теоремы, которые доказывает математик используя чисто умозрительные процессы своего мышления , могут быть применимы физиком к исследованию процессов в реальном мире. И более того, это сомнение касается обоснования всего научного познания, поскольку мы задаемся вопросом о принципиальной применимости человеческого мышления к познанию природы.

Действуя упрощенно, мы, конечно, можем попытаться разрешить данную проблему следующим образом.

Проблемы обучения интеллектуальных систем

В процессе биологической эволюции животные приобретали способности познавать внешний мир. Эти познавательные способности использовались в системах управления поведением животных, помогали животным предвидеть события во внешнем мире и, тем самым, приспосабливаться к окружающей среде. Шаг за шагом, эволюционно возникали все более сложные и более интеллектуальные способности, что, в конечном итоге, привело к появлению человеческого мышления, интеллекта человека.

Таким образом, интеллект человека сформировался в процессе длительной эволюции совершенствования познавательных способностей животных, и не удивительно, что он может быть применен для познания событий во внешнем мире. Но этих простых рассуждений явно недостаточно. Проблема принципиальной способности познавать природу — фундаментальная гносеологическая проблема, и она должна быть проанализирована настолько глубоко, насколько это возможно.

Более того, возможно, что в современной науке и нет более фундаментальной проблемы, и именно исследования, направленные на решение проблемы эволюционного происхождения интеллекта и задачи обоснования применимости интеллекта человека к познанию природы, могли бы внести наибольший вклад в научное миропонимание в ближайшие десятилетия об этом см.

Итак, еще раз задумаемся над вопросом — как же подойти к проблеме обоснования применимости человеческого мышления в научном познании? Какие здесь уже есть заделы? Не претендуя на полноту, кратко охарактеризуем две эволюционные концепции: Воронина [19] и теорию метасистемных переходов В. Воронин выделяет следующие уровни индивидуального приспособления рис. Схема уровней высшей нервной деятельности по Л.

Привыкание или угасание — постепенное уменьшение реакции на многократно повторяющийся нейтральный стимул. Вследствие такого суммирования организм становится чувствительным к раздражениям, бывшим до этого подпороговыми.

Приобретаемое таким образом свойство организма реагировать на индифферентный раздражитель напоминает условный рефлекс. Нижние два уровня привыкание и сенсибилизация — несигнальные формы индивидуального приспособления. Более высокие уровни — сигнальные формы. Основываясь на анализе, выполненном Л. Между классическим условным рефлексом и логикой, мышлением лежит целый ряд промежуточных уровней. Здесь мы только упомянем некоторые из них.

Инструментальный условный рефлекс отличается от классического тем, что здесь для получения поощрения животному необходимо совершить заранее неизвестное ему действие. Цепь условных рефлексов — система реакций, формирующаяся на основе ранее хранившихся в памяти животного условных связей. Начиная с некоторого уровня, у животных возможно формирование моделей внешнего мира [13]. Более подробное обсуждение схемы, представленной на рис. Анализ эволюции высшей нервной деятельности, проведенный Л.

Ворониным, фактически констатирует этапы эволюции, и не исследует вопрос: Попытка мысленно представить механизмы эволюционного прогресса биологических систем управления была сделана В. В качестве основы исследования В. Кратко суть теории метасистемных переходов сводится к следующему: Каждый метасистемный переход можно рассматривать как объединение ряда подсистем Si нижнего уровня и появление дополнительного механизма управления C объединенными подсистемами. Турчин рассматривает метасистемный переход как некий кибернетический аналог физического фазового перехода.

Отметим, что понятие метасистемного перехода хорошо соответствует интуитивному представлению об эволюционном прогрессе кибернетических систем. Действительно, если есть некая кибернетическая система скажем, блок генов, блок нервной системы, блок компьютерной программы S1, то несложно представить процесс дублирования такой системы.

В результате дублирования возможно возникновение множества сходных систем: Системы Si могут быть сходными, но не идентичными, так как они сами могут модифицироваться за счет случайных процессов, скажем, мутаций. После такого метасистемного перехода естественно возникают дополнительные возможности развития систем Si.

Заметим, что концепции блочно-модульной эволюции, блочно-модульных иерархических систем, сходные с идеями теории метасистемных переходов, высказываются и рядом специалистов в области молекулярной генетики. Например, блочно-модульный принцип организации и эволюции молекулярно-генетических систем управления обосновывается В.

Согласно этому принципу эволюция генов, РНК, белков, геномов и молекулярных систем управления на их основе шла путем комбинирования блоков модулей снизу доверху, причем модулями, из которых составлялись вновь возникающие молекулярно-генетические системы, служили уже функционирующие макромолекулярные компоненты. Характеризуя уровни эволюции биологических систем управления, В. Турчин обращает особое внимание на следующие особенности поведения животных:.

Турчин также рассматривает процессы возникновения мышления человека, особенности представления информации в символьной форме, логической обработки символьной информации. В [13] характеризуется примитивное и критическое мышление, анализируются ступени развития математического знания, обсуждаются перспективы развития человечества и роль феномена науки в этом развитии. Выше были представлены концептуальные проработки об эволюции когнитивных способностей животных, о формировании в процессе эволюции все более и более интеллектуальных систем управления поведением животных.

Эти концепции очень важны, но что же сделано в области конкретного моделирования когнитивных свойств биологических организмов и эволюции когнитивных свойств. Общая ситуация примерно такова. Однако эти модели очень фрагментарны, слабо разработаны и не формируют общую картину эволюционного происхождения мышления, логики, интеллекта. Но этот задел активно развивается. Сравнительно недавно, в конце х — начале х годов возникли два интересных, тесно связанных между собой направления кибернетических исследований: И в этих направлениях активно предпринимаются попытки промоделировать адаптивное поведение живых организмов и системы управления адаптивным поведением.

Основной мотивацией исследований искусственной жизни служит желание понять и промоделировать формальные принципы организации биологической жизни. Как сказал руководитель первой международной конференции по искусственной жизни К. Большинство моделей искусственной жизни — остроумные компьютерные эксперименты.

С примерами моделей искусственной жизни можно познакомиться по работе [16] Лекции 12, From Animal to Animat — моделирование адаптивного поведения животного и робота.

Поведение аниматов имитирует поведение животных. Программа-максимум этого направления — попытаться проанализировать эволюцию когнитивных способностей животных и эволюционное происхождение человеческого интеллекта [33]. Причем это конструирование проводится как бы с точки зрения инженера: Проиллюстрируем работы в области адаптивного поведения на примере исследований AnimatLab http: Общий подход этой лаборатории можно охарактеризовать следующим образом.

У него есть сенсоры, которые воспринимают информацию из внешней и внутренней среды анимата, и эффекторы, посредством которых он взаимодействует со средой, а также система управления, которая координирует восприятие и действия анимата.

Поведение анимата считается адаптивным, если система управления поддерживает жизненно важные переменные анимата например, V1 и V2 на рис. Если система управления выбирает последовательные цели, которые анимат стремиться достичь, то о такой системе можно говорить как о мотивационной системе motivational system. Система управления анимата может формироваться и модифицироваться путем обучения, индивидуального развития и эволюции.

Интересное направление исследований AnimatLab — конструирование и моделирование мотивационных систем управления аниматами. Пример мотивационной системы — довольно интеллектуальная архитектура управления аниматом MonaLysa, который, функционируя в сложной среде, способен сам выделять цели и подцели адаптивного поведения.

MonaLysa — сокращение от MotivatiONAlLY autonomouS Animat [33]. Основная идея данной системы управления состоит в том, что в процессе освоения внешнего мира и накопления опыта анимат стремится разбить задачу достижения глобальной цели на подзадачи, а затем использовать этот опыт при планировании решения новых задач.

В работе [33] исследовалось поведение анимата MonaLysa на примере навигационной задачи. Анимат помещался в центральную нижнюю точку прямоугольника, и нужно было попасть в центральную верхнюю точку рис. Траектории движения анимата MonaLysa в реактивном а и планирующем б режиме работы системы управления [33].

Жирной линией показаны препятствия, которые должен обойти анимат, тонкой линией — путь анимата. Отметим, что схема анимата MonaLysa была реализована как в компьютерной программе, так и для управления реальным роботом Khepera. Системы управления аниматов используют либо нейронные сети, либо эвристические алгоритмы выбора действий и обучения, например, классифицирующие системы Дж.

В частности, в анимате MonaLysa была использована простая версия классифицирующей системы. Для справки охарактеризуем кратко классифицирующие системы. Классифицирующая система есть система индуктивного вывода, которая основана на использовании набора логических правил. Каждое правило имеет следующую форму: Система правил оптимизируется как посредством обучения, так и эволюционным методом. В процессе обучения меняются приоритеты использования правил то есть меняются коэффициенты, характеризующие силу правил.

Поиск новых правил осуществляется эволюционным методом. Общая схема метода формирования нейронной сети состоит в следующем. Нейронная сеть искусственного организма анимата формируется с помощью специальной программы развития, контролирующей процесс конструирования сети.

Эта программа имитирует развитие нейронной сети в процессе индивидуального взросления организма. Сама программа развития оптимизируется с помощью эволюционного алгоритма. Нейронная сеть формируется в двумерной ограниченной области.

Программа развития состоит из инструкций команд , которые определяют процессы возникновения новых нейронов или исчезновения уже имеющихся нейронов в этой области, формирование связей между нейронами и задание весов синаптических связей между нейронами. Инструкции программы составляют геном анимата. Работа формирующихся нейронных сетей оценивается по поведению анимата некоторой естественной функцией приспособленности, которая определяет отбор наиболее эффективных программ развития, кодируемых геномами аниматов.

Описание этого метода содержится в обзоре [35] соответствующего цикла работ AnimatLab. Скорее всего, такой феноменологический подход для исследований адаптивного вполне имеет право на существование. В пользу этого тезиса приведем аналогию из физики. Есть термодинамика, и есть статистическая физика. Термодинамика описывает явления на феноменологическом уровне, статистическая физика характеризует те же явления на микроскопическом уровне. В физике термодинамическое и стат-физическое описания относительно независимы друг от друга, и вместе с тем, взаимодополнительны.

По-видимому, и для описания живых организмов может быть аналогичное соотношение феноменологическим на уровне поведения и микроскопическим на уровне нейронов и молекул подходами. При этом, естественно ожидать, что для исследования систем управления адаптивным поведением феноменологический подход должен быть более эффективен. Здесь мы не будем анализировать различные определения всемирного мозга, а остановимся на одном, достаточно продуманном определении, которое дает профессор Френсис Хейлигхен Свободный университет Брюсселя.

Эта сеть представляет собой сложную, самоорганизующуюся систему, которая не только обрабатывает информацию, но и постепенно приобретает функции, сходные с функциями мозга: Ядро разработки технологии всемирного мозга — системы искусственного интеллекта ИИ в Интернете.

Отметим некоторые примеры работ, которые можно отнести к таким разработкам:. Интеллектуальные системы поиска нужной информации в Интернете, разрабатываемые фирмой НейрОК С. Эти системы используют нейросетевые и эволюционные алгоритмы обработки семантической информации и позволяют естественным образом кластеризовать понятия, встречающиеся в Интернете, причем такая кластеризация автоматически адаптируется к пользователю системы.

Разработки фирмы Webmind, ориентированные на создание ряда конкретных систем ИИ, специально предназначенных для работы в Интернет-среде: При этом делается попытка найти свой путь в ИИ — средний между обычным символьным ИИ и нейросетевым коннекционистским подходом к ИИ.

Итак, всемирный мозг — это возникающая технология на стыке Интернета и искусственного интеллекта. Эти работы связаны с экономикой и социальным развитием человеческого сообщества.

Интернет позволяет оперативно производить поиск нужной информации. Но для использования этой информации в экономических, социальных, экологических и политических системах необходимо эффективно и умно ее обрабатывать. Более того, активно развивается Интернет-экономика, для которой явно необходим оперативный анализ больших массивов информации, которые трудно обработать человеку. Поэтому заведомо нужно создание Интернет-специфичных интеллектуальных систем обработки информации.

Такие системы могли быть полезными на разных уровнях управления — на уровне фирмы, на уровне района, города, региона, государства, человечества. Например, можно представить себе Интернет-систему управления сельским районом, в котором информация об экономических и социальных структурах, а также об экологии района оперативно собирается и обрабатывается.

На основе этой информации интеллектуальная экспертная система предлагает администрации района возможные решения и прогнозы результатов различных решений. Окончательные решения, конечно же, принимаются человеком, а экспертная система играет роль интеллектуального помощника.

Можно также представить формирование распределенного университета с Интернет-обучением в той же сельской местности. И одна из задач, которую могли бы решать затем выпускники этого университета — разработка указанных интеллектуальных экспертных системы с учетом специфики региона.

В результате в таком регионе высшее образование вполне может быть получено и эффективно применено в провинции со всеми положительными экономическими, социальными и экологическими последствиями. Пример другого уровня — система управления фирмой, для которой интеллектуальные Интернет-агенты например, популяция агентов, самооптимизирующаяся эволюционным путем проводят поиск надежных бизнес-партнеров по информации, представленной в Интернете.

Как "объять необъятное", получая образование - высшее, среднее, начальное? Как преодолеть "пропасть двух культур" - естественнонаучной и гуманитарной? Как создать и вырастить научную школу? Какова структура нашего познания?

Можно ли с единой точки зрения взглянуть на проблемы математики и экономики, физики и психологии, компьютерных наук и географии, техники и философии? Экономика, кризисы, риски, безопасность, самоорганизация Математические методы в синергетике Синергетика и образование Сети, когнитивная наука, управление сложностью Синергетика и эволюционизм Синергетика и искусство Биология, психология, медицина, демография и социология Философия и синергетика Будущее России Синергетика и научное прогнозирование Глобализация: Сети, когнитивная наука, управление сложностью , Синергетика и эволюционизм.

Для удобства чтения перечислим здесь еще раз эти вопросы. Интеллектуальное управление и проблема Всемирного мозга. Анохина как концептуальная основа построения интеллектуальных систем управления Как исследование, так и создание интеллектуальных систем управления целесообразно проводить, отталкиваясь от общих концептуальных теорий и схем.

Опять таки далеко претендуя на полноту, отметим некоторые концептуальные работы и модели: Теория ситуационного управления Д. Пауэрса [6,7] Модель концептуальной рефлекторной дуги Е. Жданова [10] Модели адаптивного критического контроля П.

Прохоров [11,12] Интересно отметить, что часто ключевые моменты функциональных систем П. Эволюция когнитивных способностей животных и проблемы интеллектуального управления Естественный интеллект произошел в результате биологической эволюции. Как же мы могли бы подойти к решению этой гносеологической проблемы? Уровни эволюции высшей нервной деятельности по Л. Для удобства читателя поясним некоторые термины.

Уровень первый — организм различает состояние среды, память об этих состояниях записана в геноме и передается по наследству, организм адекватно использует различие сред, меняя свое поведение с изменением среды. Пример этого уровня — свойство регулирования синтеза белков живой клеткой в ответ на изменение питательных веществ во внешней среде. Например, бактерия кишечной палочки обычно питается глюкозой, но если нет глюкозы, а есть лактоза, то в бактерии включается синтез специальных ферментов, перерабатывающих лактозу в глюкозу, что и обеспечивает жизнь бактерии в лактозной среде.

Описанное свойство — это фактически безусловный рефлекс на молекулярно-генетическом уровне. Второй уровень — временное запоминание организмом состояния среды и адекватное также временное приспособление к среде. Пример этого уровня — привыкание.

Этот простейший приобретаемый навык появляется на уровне сложных одноклеточных организмов. Память о состояниях внешней среды, формируемая при привыкании, кратковременная. Третий уровень — запоминание устойчивых связей между событиями в окружающей организм природе. Пример — классический условный рефлекс, в котором происходит долговременное запоминание связи между условным и безусловным стимулами. Скажем, собака запоминает связь между звуковым сигналом условный стимул и пищей безусловный стимул.

Память о связи между условным и безусловным стимулами долговременная: УР сохраняется в течение многих недель у низших позвоночных и до нескольких лет, а, может быть, и всю жизнь у высших животных. Характерное свойство классического УР — самовосстановление, наступающее через несколько десятков минут или часов после угасания. Появляется классический условный рефлекс примерно на уровне моллюсков. Концептуальная теория метасистемных переходов В.

Турчина Анализ эволюции высшей нервной деятельности, проведенный Л. Основные метасистемные переходы по В. Турчину состоят в следующем: Турчин обращает особое внимание на следующие особенности поведения животных: Общая схема поведения анимата подход AnimatLab. Отметим некоторые примеры работ, которые можно отнести к таким разработкам: Почему работы по всемирному мозгу будут заведомо развиваться Эти работы связаны с экономикой и социальным развитием человеческого сообщества.

Здесь попробуем немного пофантазировать. Курдюмова , - Обратная связь. Экономика, кризисы, риски, безопасность, самоорганизация. Математические методы в синергетике. Сети, когнитивная наука, управление сложностью. Биология, психология, медицина, демография и социология.

Синергетика и научное прогнозирование.

Коментарии:
  • Здесь мы только упомянем некоторые из них. Жданова [10] Модели адаптивного критического контроля П. Итак, еще раз задумаемся над вопросом — как же подойти к проблеме обоснования применимости человеческого мышления в научном познании?

raymilano.com

Copyright © 2016-2017