Искусственный интеллект – основа новой информационной технологии

Размещено на http://www.allbest.ru/

Искусственный интеллект - основа новой информационной технологии



Введение

Работы по искусственному интеллекту развернулись с начала промышленного использования вычислительной техники и сразу пошли по двум направлениям.

Первое -- попытки смоделировать деятельность мозга, его психофизиологические свойства в надежде воспроизвести на ЭВМ или с помощью специальных технических устройств искусственный интеллект или искусственный разум. Это направление можно назвать бионическим.

Второе -- основное направление исследований по искусственному интеллекту можно назвать прагматическим. Оно почти оставляет за пределами своих исследований психофизиологическую деятельность человеческого мозга. Здесь ЭВМ рассматривается как инструмент, подобный, например, музыкальному, который может быть плохо или хорошо настроен и для которого могут быть написаны хорошие или плохие произведения на заданную тему и, наконец, на котором можно хорошо или плохо их исполнить. В этом на-правлении за последнее десятилетие достигнуты важнейшие результаты фундаментального и прикладного характера.

Термин «искусственный интеллект» в исследованиях второго направления понимается исключительно в метафорическом смысле, а исследователи заняты разработкой программ, позволяющих средствами ЭВМ воспроизвести процессы, которые у человека являются результатом его мыслительной деятельности.

К сожалению, очень часто на вычислительную технику распространяются идеи антропоморфизма. Мы постоянно сталкиваемся с выражениями «машина приняла решение», «машина сформировала план», «машина распознаёт ситуации или образы», «машины управляют сложными организационными техническими процессами в условиях острого дефицита времени и в стрессовых для человека условиях», «машина играет в шахматы, сочиняет музыкальные произведения» и т. д. Встречаются уже совершенно нелепые представления об «умных», «думающих» машинах в буквальном смысле этих слов.

Что же происходит в действительности?

Возьмём для примера шахматы. Чем руководствуется шахматист, оценивая ситуацию и делая тот или иной ход,-- прецедентами, прошлым опытом, уменьем, интуицией, догадкой, вариантным просмотром будущих ходов противника и своих -- нам пока неизвестно. Одним словом, мы мало знаем о мыслительных процессах шахматиста. Но мы точно представляем, что происходит в ЭВМ, когда она «играет» в шахматы, каковы процессы поиска решений, не имеющие никакого отношения к мышлению. Ибо человек составил для неё программу-инструкцию, как выбирать тот или иной ход.

Так что в действительности в шахматы играет не машина и не программа, а человек, который сумел формализовать шахматную игру и разработать для неё программу. Именно он использовал возможности ЭВМ накапливать знания в виде машинных программ и запускать их в нужный момент времени. С этой точки зрения шахматный турнир программ, по сути, есть соревнование между математиками-программистами, создавшими шахматные программы.

Таким образом, какие бы проблемы построения и использования ЭВМ мы ни рассматривали, за всем стоит человек.

Предлагаемая читателю книга названа «Искусственный интеллект -- основа новой информационной технологии». Рассмотрим сначала, что такое старая, точнее, существующая информационная технология?

Прежде всего, это технология бумажная, потребляющая поистине колоссальное количество бумаги. Традиционное использование ЭВМ в смысле потребления бумаги дела не меняет. Напротив, требуется ещё дополнительная бумага на листинги (распечатки), притом высокого качества. При обычной (старой) информационной технологии использование ЭВМ непрограммирующими специалистами (конечными пользователями) происходит через ряд посредников: математиков, программистов, постановщиков задач и т. п. Знания в разных областях фиксируются в текстовой форме на бумажных носителях.

Как сейчас используются знания? По литературным источникам изучается проблема. Она осмысливается, затем формируются математические модели, разрабатываются алгоритмы, программы и далее задача решается на ЭВМ. В сложившейся информационной технологии использования ЭВМ доминируют модели, имеющие синтаксический характер. Например, математические модели в виде систем дифференциальных уравнений могут описывать процессы в объектах самой различной природы. Тот же универсализм имеет место при использовании оптимизационных моделей линейного или нелинейного программирования и т. п.

Если предъявить математические модели (без комментариев), то будет невозможно сказать, какой конкретно объект и какие конкретно процессы описываются. Возможно только самое общее заключение о том, с какими классами объектов эти модели сопоставимы. Семантика известна только специалистам, формализовавшим процессы в том или ином объекте. Важно подчеркнуть, что комментарии, раскрывающие конкретные знания об объекте, а следовательно, смысл (семантику) формально-математических моделей, находятся вне ЭВМ.

Становление новой информационной технологии обусловлено тем, что в теории искусственного интеллекта (и ранее в теории ситуационного управления, предложенной профессором Д. А. Поспеловым) были разработаны логико-лингвистические модели. Они позволяют формализовать конкретные содержательные знания об объектах управления и протекающих в них процессах, т. е. ввести в ЭВМ логико-лингвистические модели наряду с математическими. Логико-лингвистические модели -- семантические сети, фреймы, продукционные системы -- иногда объединяются понятием «программно-аппаратные средства в системах искусственного интеллекта». Именно логико-лингвистическим моделям обязаны своим появлением базы знаний.

Таким образом, новую информационную технологию отличают от существующей следующие принципиальные особенности:

с помощью специальных формализмов (логико-лингвистических моделей) декларативные и процедурные знания представляются в электронной форме, и решение задач с помощью ЭВМ протекает более эффективно;

логико-лингвистическое моделирование резко расширило применение ЭВМ за счёт трудно или совсем неформализуемых ранее областей знаний и сфер деятельности (медицина, биология, геология, управление гибким роботизированным производством, диспетчерское управление и т. п.); тем самым специалистам обеспечивается прямой (без посредников) доступ к ЭВМ в диалоговом режиме для решения своих задач за счёт программно-аппаратных средств искусственного интеллекта и образования тем самым интеллектуального интерфейса ЭВМ; при этом взаимодействие с ЭВМ происходит на профессиональном языке пользователя (языке деловой прозы).

Оснащённые упомянутыми средствами искусственного интеллекта и объединённые в сети ЭВМ обеспечивают не тяжеловесную бумажную, а новую технологию информационно-организационного процесса внутри коллектива, решающего крупномасштабные задачи и проблемы. В результате мы переходим к так называемой безбумажной информатике, о чём писал в своей последней книге академик В. М. Глушков [1].

В настоящее время системы искусственного интеллекта, функционирующие на принципах новой информационной технологии, подразделяются на следующие:

интеллектуальные информационно-поисковые системы (вопросно-ответные системы), обеспечивающие в процессе диалога взаимодействие конечных пользователей-непрограммистов с базами данных и знаний на профессиональных языках пользователей, близких к естественному;

расчётно-логические системы, позволяющие конечным пользователям, не являющимся программистами и специалистами в области прикладной математики, решать в диалоговом режиме свои задачи на ЭВМ с использованием сложных математических методов и соответствующих прикладных программ;

экспертные системы, дающие возможность осуществить эффективную компьютеризацию областей, в которых знания могут быть представлены в экспертной описательной форме, но использование математических моделей, характерных для точных наук, затруднительно, а иногда и невозможно.

Именно благодаря экспертным системам искусственный интеллект приобрёл стратегическое значение в развитии науки, проектирования, управления производством и т. п. Особо важное значение приобретают так называемые гибридные экспертные системы -- объединение традиционных экспертных систем с расчётно-логическими. Иными словами, в гибридных экспертных системах логико-лингвистические модели используются совместно с математическими.

Укажем ещё на одну важнейшую особенность систем новой информационной технологии - адаптацию и гибкость их программных систем по отношению к задачам, относящимся к той или иной предметной области. Во всех этих случаях нельзя сказать априори, посредством какой модели, алгоритма и системы программ решается задача или распознаётся ситуация. Например, при использовании экспертной системы для установления медицинского диагноза невозможно заранее сказать, по какому алгоритму будут использованы продукции экспертной системы.

То же самое типично и для интеллектуальных пакетов приклад-ных программ.

Все упомянутые системы искусственного интеллекта ориентированы на знания, поэтому дальнейший прогресс систем искусственного интеллекта и новой информационной технологии предопределяет развитие трёх основных теоретических проблем:

представления знаний -- центральная проблема искусственного интеллекта;

компьютерной лингвистики, решение которой обеспечивает процесс естественно-языкового общения с ЭВМ и прогресс автоматического перевода с иностранных языков;

компьютерной логики, имеющей особо важное значение для развития экспертных систем, поскольку её цель -- моделирование человеческих рассуждений и преобразование программирования из искусства в науку.

Книга состоит из пяти глав. Первая в достаточно общем виде охватывает как теоретические, так и прикладные проблемы искусственного интеллекта и новой информационной технологии. Системы искусственного интеллекта требуют новых архитектурных решений при создании ЭВМ и аппаратной реализации ряда программных систем. Архитектура ЭВМ, предназначенных для новой информационной технологии, ориентирована не только и не столько на вычислительные операции, сколько на символьные преобразования. Для повышения эффективности работы экспертных систем необхо-димо распараллеливание процессов получения решений. Эти проблемы освещены в первой главе.

Читатель, интересующийся общим представлением о проблемах искусственного интеллекта, может ограничиться чтением гл. 1, остальные четыре главы посвящены более подробному изложению ряда проблем.

Во второй главе рассматриваются интеллектуальные информационно-поисковые системы, причём основное внимание обращено не столько на проблему лингвистических процессоров, сколько на решение проблем интерфейса, когда конечному пользователю предоставляются средства, позволяющие построить нужные ему информационные и функциональные расчётные системы.

В следующих двух главах анализируются проблемы расчётно-логических систем.

В третьей главе, названной «Интеллектуальные пакеты прикладных программ», показывается, как по вербальному описанию системы из некоторой предметной области автоматически построить её математическую модель и автоматически синтезировать расчётные программы из набора программных модулей. В этом как раз и проявляется гибкость и адаптация в решении задач систем искусственного интеллекта. В главе описывается система МАВР, предназначенная для проектирования блочно-модульных технических систем.

В четвёртой главе, посвящённой расчётно-логическим системам принятия решений при планировании, даётся описание системы коллективного решения задач в многоуровневых организационных системах с электронным взаимодействием между подсистемами. Рассматривается система отраслевого планирования ГРАНИТ. По убеждению автора, только по пути построения подобных систем можно вывести АСУ, ОАСУ и другие системы из того тупика, куда завёл их пресловутый позадачный подход.

Последняя -- пятая -- глава посвящена экспертным системам. Основное внимание обращено на динамические процессы в экспертных системах. Показано, как расчётно-логическая система МАВР, описанная в третьей главе, может быть преобразована в гибридную экспертную систему.

Материалом для написания книги послужили результаты работы как отдела теории и проектирования прикладных интеллектуальных систем Вычислительного центра Академии наук СССР, так и неформального коллектива, сложившегося вокруг Научного совета Академии наук СССР по проблеме «Искусственный интеллект», наиболее активными из которых являются группы специалистов под руководством А. С. Клещёва, В. С. Лозовского, Л. И. Микулича, А. С. Нариньяни, Г. С. Осипова, Э. В. Попова, Э. X. Тыугу, В. К. Фина и др.

Эта книга написана при активной помощи Д. А. Поспелова, В. М. Солодова, А. И. Эрлиха, В. Л. Вена, В. В. Шафранского, В. Ф. Хорошёвского и других сотрудников отдела, ссылки на работы которых читатель найдёт в книге. Всем сотрудникам отдела и товарищам по работе автор выражает глубокую признательность. Автор благодарит В. Н. Дембовскую за окончательную отработку рукописи и выражает признательность рецензентам профессору И. А. Большакову и профессору Э. В. Попову, замечания которых позволили существенно улучшить содержание книги.



1.Информатика и искусственный интеллект

искусственный интеллектуальный информационный

Искусственный интеллект -- это комплексная научно-техническая проблема, для решения которой исследования ведутся по четырём основным направлениям. В наши дни благодаря научно-техническому прогрессу последовательно происходит переход от существующей технологии использования ЭВМ к новой информационной технологии и соответственно от индустрии обработки данных к индустрии интеллектуальных систем. Рассмотрению каждого из научных направлений и общих для искусственного интеллекта проблем, таких, как проблема представления знаний и проблема создания ЭВМ новой архитектуры, посвящена данная глава.

1.1 Основные направления развития исследований и систем искусственного интеллекта

Массовое внедрение вычислительных машин и роботов в отрасли народного хозяйства, в системы управления, в процессы проектирования и конструирования новых технических систем выдвинуло на первый план исследования по искусственному интеллекту и привело, по сути, к становлению индустрии интеллектуальных систем.

Важным событием, ускорившим эти процессы, была японская программа ЭВМ пятого поколения, стратегическая компьютерная программа США, выдвинутая в 1983 г. Соответствующие программы были приняты в Англии, Франции и ФРГ. В странах Западной Европы принят межгосударственный проект ESPRIT.

В «Комплексной программе научно-технического прогресса стран -- членов СЭВ до 2000 года»* в первом приоритетном направлении «Электронизация народного хозяйства» на первом месте стоит задача создания супер-ЭВМ нового поколения с быстродействием более 10 млрд. операций в секунду с использованием принципов искусственного интеллекта, совершенных средств общения человека с машиной для применения в решении особо сложных научных задач, в управлении экономикой, в создании баз знаний.

Показателем развития работ в области искусственного интеллекта служит рост затрат и ассигнований: в 1985 г. эта сумма для США, Западной Европы и Японии составила 350 млн. долл. К 1990 г. она, по прогнозам, достигнет 19 млрд. долл., из них 12 млрд. будет приходиться на США, 5 млрд.-- на Японию и 2 млрд.-- на Западную Европу. Темпы роста невиданные ни в одной отрасли экономики. Наблюдается рост публикаций в области искусственного интеллекта, увеличение числа международных конференций. В США выходят (по состоянию на 1986 г.) 19 журналов, специально посвящённых проблемам искусственного интеллекта. Издаются и международные журналы по этой тематике.

Происходит интенсивная подготовка кадров: обязательные курсы по представлению знаний, компьютерной логике, компьютерной лингвистике и другим разделам искусственного интеллекта читаются почти в 100 университетах США, Японии, Канады, Западной Европы и других стран. Существует около десяти специализаций, в рамках которых готовятся разработчики интеллектуальных систем и инженеры по знаниям; имеется продуманная система подготовки кадров высшей квалификации и средства быстрой подготовки и переподготовки кадров разных уровней.

Рассмотрим направления, по которым ведутся исследования в области искусственного интеллекта (рис. 1.1).

Направление А -- моделирование на ЭВМ отдельных функций творческих процессов: игровые задачи (шахматы, шашки, домино и др.), автоматическое доказательство теорем, автоматический синтез программ, анализ и синтез музыкальных произведений и др.

Направление В -- внешняя интеллектуализация ЭВМ: фунда-ментальные и прикладные исследования, относящиеся к комплексному диалоговому интерфейсу (внешняя в том смысле, что интеллектуальные системы на начальном этапе строятся на ЭВМ существующей архитектуры, в том числе на персональных ЭВМ).

Направление С -- внутренняя интеллектуализация ЭВМ (вычислительные машины новой архитектуры, построенные на принципах искусственного интеллекта и предназначенные для построения эффективных интеллектуальных систем).

Направление О -- целенаправленное поведение роботов (создание интеллектуальных роботов, способных автономно совершать операции по достижению целей, поставленных человеком;

к роботам будем относить также автономные транспортные средства, предназначенные для действий на земле, в воздухе и в воде).

Первое направление (направление А) ранее других стало развиваться в искусственном интеллекте, именно оно и породило этот термин.

Направление В -- наиболее бурно развивающееся сейчас и практически наиболее важное направление искусственного интеллекта. Интеллектуальный интерфейс буквально рывком повышает эффективность автоматизированных систем планирования, АСУ, систем автоматического проектирования, систем научных исследований и оперативного управления производством. Стремительный рост эффективности происходит потому, что интеллектуальный интерфейс интенсифицирует работу конечного пользователя. Не выходя за пределы языка своей предметной области (подъязыка естественного языка), специалисты получают возможность:

осуществлять со своего рабочего места поиск в базах данных (знаний) необходимой документальной и фактографической информации, выходя, если требуется, в библиотечные сети и в сети распределённых баз данных;

решать проектные, плановые и управленческие задачи по их постановке (описаниям) и исходным данным вне зависимости от сложности математических моделей этих задач и контролировать в диалоговом режиме все стадии вычислительного процесса (в более общем случае по описанию проблемы на языке предметной области должны обеспечиваться автоматическое построение математических моделей и автоматический синтез рабочих программ при формулировании задач из данной предметной области);

Рис. 1.1 Исследования по искусственному интеллекту (структуризация основных направлений) ИПС -- информационно-поисковые системы; ИППП -- интеллектуальные пакеты прикладных программ используя аккумулированные в ЭВМ знания о предметной области, осуществлять распознавание и диагностику процессов в сложных системах, принимать решения, формулировать планы действий, выдвигать и проверять гипотезы, выявлять закономерности в результатах наблюдений, осуществлять логический вывод.



Первая возможность реализуется интеллектуальными информационно-поисковыми системами, вторая -- интеллектуальными пакетами прикладных программ и расчётно-логическими системами, которые являются дальнейшим развитием интеллектуальных пакетов прикладных программ и предназначаются для коллективного распределённого решения задач планирования, проектирования, диагноза и т. п.

Третья возможность реализуется экспертными системами, которые стали интенсивно распространяться в трудно формализуемых отраслях знаний. Особо важное значение приобретают интегрированные, или гибридные, экспертные системы, являющиеся объединением традиционных экспертных систем с расчётно-логическими.

На рис. 1.1 отражено использование систем искусственного интеллекта для решения различных задач. Штриховая линия для блока задач распознавания и оперативного управления показывает, что здесь возможен как диалоговый, так и автоматический режим использования системы искусственного интеллекта. В последнем случае особенно необходимыми становятся высокопроизводительные ЭВМ с быстродействием от 10 до 100 млрд. операций в секунду, ориентированные на символьную обработку информации.

Направление С решает проблемы построения ЭВМ новых поколений, поскольку для задач искусственного интеллекта важны ЭВМ и методы обработки символьной информации. Даже в ЭВМ традиционной архитектуры, ориентированных на обработку числовой информации, на процессы вычисления приходится 10--12% ресурсов ЭВМ, остальные ресурсы расходуются на символьную обработку (в операционных системах, трансляторах, при обращении к памяти, при организации мультипрограммного режима виртуальных машин и т. п.).

В связи с этим для задач искусственного интеллекта использование ЭВМ традиционной архитектуры, даже ориентированных на распараллеливание числовых данных, оказывается недостаточно эффективным. Кроме этого, одним из средств внутренней интеллектуализации является аппаратная поддержка целого ряда программ. Это приводит к появлению машин баз данных и машин баз знаний, ЛИСП-, ПРОЛОГ-, РЕФАЛ-машин, лингвистических процессоров и т. п.

Направления В и С выделены на рис. 1.1 штриховой линией в единое направление, чтобы подчеркнуть тот факт, что создание ЭВМ нового поколения станет итогом совместных усилий исследователей обоих направлений.

Создание интеллектуальных роботов (направление D) -- научно-техническая проблема, требующая разработки как специализированных ЭВМ, так и целого комплекса механических и энергетических систем: сенсоров, движителей и т. п. Как и все системы искусственного интеллекта, интеллектуальные роботы ориентированы на знания. Знания о внешней среде поступают в бортовые ЭВМ роботов от многочисленных сенсоров (зрительных, акустических, радиолокационных, тактильных и т. п.).

Для разгрузки бортовых ЭВМ роботов от огромных потоков информации её можно предварительно обрабатывать в так называемых интеллектуальных сенсорах. Примерами таких интеллектуальных сенсоров могут служить разнообразные системы обработки изображений.

Поскольку знания, поступающие в бортовые ЭВМ роботов, ситуативны, то требуется их обработка в реальном масштабе времени. По этим причинам реализация, например, автономных транспортных средств потребует от бортовых ЭВМ быстродействия порядка 10 млрд. операций в секунду (преимущественно для целей символьной обработки информации).

Прежде чем перейти к более подробному изложению проблем искусственного интеллекта и, в частности, проблем представления знаний, рассмотрим как научно-технический прогресс закономерно привёл к становлению новой информационной технологии и индустрии интеллектуальных систем.



1.2 Научно-технический прогресс и неизбежность компьютеризации общества

Научно-технический прогресс привёл к кардинальным изменениям в обществе, которые мы не всегда осознаём. В основе научно-технического прогресса лежит рост знаний, значительно более быстрый, чем экспоненциальный.

В своё время Ф. Энгельс выдвинул гипотезу об экспоненциальном росте знаний, отмечая, что наука движется вперёд пропорционально массе знаний, унаследованных ею от предшествующих поколений. Если х(t) -- масса знаний, то гипотеза Ф. Энгельса может быть представлена в виде

где р -- константа; t -- время. Откуда получаем

Если под информацией Y(t) понимать прирост новых знаний в единицу времени, то тогда

Таким образом, и общая масса знаний, и научно-техническая информация при фиксированном р растут по экспоненциальному закону с темпом роста

В науковедении обычно используется такой показатель, как время удвоения знаний:

Приведённые формулы должны быть уточнены, так как время удвоения знаний и показатель р сами являются функциями времени. Время Т неуклонно падает, а р соответственно растёт.

Данные об изменениях Т и р [2] показывают, что примерно с середины 50-х годов начался действительно информационный взрыв, поскольку сам рост показателя экспоненты имеет взрывной характер:

1800 г. 1950 г. 1970 г. 1981 г.

Т, год, 50 10 5 2,5

р, 1/год 0,014 0,07 0,14 0,28

Новые знания, по образному выражению К. Маркса, овеществляются, в результате чего происходит непрерывное расширение и обновление номенклатуры продукции, товаров, услуг, технологических процессов.

В силу временного сдвига между появлением новых знаний и их овеществлением темпы обновления номенклатуры товаров, услуг и технологических процессов обн всегда будут отставать от темпов роста знаний и соответственно То6н будет больше Т.

Расширение и обновление номенклатуры овеществляемых знаний приводит к усложнению народного хозяйства. Сложность народного хозяйства определяется числом связей между его объектами, а число связей или информационных каналов растёт примерно пропорционально квадрату объёмов производства. Например, если объём производства возрастёт в 15--20 раз, то сложность народного хозяйства только из-за роста объёмов производства увеличится в 225--400 раз. А если учесть ещё связи между наукой и сферой овеществления знаний, то сложность народного хозяйства окажется ещё большей.

Рост сложности народного хозяйства привёл к росту числа занятых в управленческой информационной сфере за счёт уменьшения числа занятых в сфере материального производства, что объясняется возрастающей энерговооружённостью, механизацией и автоматизацией труда, т. е. хорошей инструментальной оснащённостью рабочего.

В информационной сфере предметом труда является информация разных видов, а средствами производства всё в большей степени становятся ЭВМ всех классов, средства связи и безбумажные носители информации. Тем не менее инструментальная оснащённость работника информационной сферы резко отстаёт от инструментальной оснащённости рабочего, что в конечном итоге не может не сдерживать общественную производительность труда.

Отсюда вытекает объективная необходимость в компьютеризации народного хозяйства и науки, которая в наше время имеет такое же значение, как индустриализация нашей страны в 20--30-е годы. Компьютеризация общества, а также достижения микроэлектроники привели к резкому расширению производства вычислительной техники, которая стала относительно дешёвой. Стоимость же программного обеспечения, напротив, сильно возрастает. Сейчас в США на создание нового программного обеспечения и его сопро-вождение затрачивается примерно 80% средств, и соответственно 20% средств на изготовление аппаратуры.

Компьютеризации народного хозяйства соответствует становление индустрии обработки данных, которая имеет свою техническую базу -- ЭВМ и средства связи, свои ресурсы и свою науку -информатику. Проблемы информатики очень широки -- от теоретических основ проектирования архитектуры ЭВМ и их элементной базы до обработки данных в планировании, управлении, проектировании. Обработка данных тесно связана с математическим моделированием, принятием решений, оптимизацией, исследованием операций, системным анализом и т. п. В ряде западных стран информатику называют «computer science».

Компьютеризация означает массовое использование вычислительной техники и, разумеется, профессиональных программистов не хватит, чтобы обеспечить массовое использование вычислительной техники специалистами в народном хозяйстве и науке. Традиционная технология решения задач на ЭВМ характеризуется наличием посредников между ЭВМ и конечным пользователем, к которым относятся аналитики (прикладные математики), программисты и операторы ЭВМ.



Рис 1.2. Первоначальная информационная технология

Конечный пользователь, являясь нематематиком, даёт описание ставшей перед ним задачи на своём профессиональном языке. Он обсуждает задачу со специалистом, которого называют аналитиком или прикладным математиком. Его функция в традиционном подходе к использованию ЭВМ -- перевод (трансляция) задачи конечного пользователя в некоторую исходную математическую модель. Таким образом, исходная задача с языка конечного пользователя переводится на язык прикладного математика (рис. 1.2).

Это есть, в свою очередь, исходное представление задачи для программиста. Его цель -- получение программы для последующей реализации на вычислительной машине. Как правило, под программированием понимается именно этот этап в традиционном использовании ЭВМ для решения задач.

Далее программа переносится оператором ЭВМ на носители, с которых вводимая информация считывается. После введения задачи в машину она обрабатывается с помощью программных средств ЭВМ.

Не редки случаи, когда конечный пользователь и аналитик относятся к разным организациям. Тогда организация конечного пользователя выступает в качестве заказчика по отношению к организации аналитика. Взаимоотношение между ними в процессе работы над задачей оформляется в виде технического задания. Завершив свою работу, аналитики сдают её заказчикам, которые фиксируют «внедрение».

Если же аналитики и программисты представляют различные организации, то появляется ещё одно техническое задание -- на программирование.

Подобное использование вычислительной техники (в проектировании, при создании новых технических систем, в планировании и т. п.) характеризуется чрезвычайно большим временем реакции на вмешательство конечного пользователя. Это время на много порядков больше процессорного времени, затрачиваемого на решение задачи.

1.3 Проблемы использования ЭВМ конечными пользователями

При обычной схеме решения задач на ЭВМ конечный пользователь отчуждён от вычислительной машины. В результате он имеет низкую эффективность своего труда, большое время ожидания результатов, зависимость от других специалистов-посредников, которые могут исказить его представление о решаемой задаче и интерпретации результатов.

Шагом на пути избавления от посредников было введение терминального доступа к ЭВМ. На рис. 1.3 показана схема реализации такой технологии решения задач, когда между конечным пользователем и машиной остался один посредник, совмещающий в себе функции всех посредников при старой технологии благодаря созданию



Рис. 1.3. Схема трёхстороннего диалога СУБД -- система управления базой данных соответствующего интерфейса ЭВМ

В качестве интерфейса выступают программные продукты: языки высокого уровня, языки запросов к базам данных, генераторы прикладных программ и генераторы отчётов.

Сложные задачи на современных вычислительных комплексах решаются сейчас с использованием пакетов прикладных программ, мощных баз данных. Такие системы имеют высокую эффективность. Время реакции на вмешательство конечного пользователя существенно снижается. Это обеспечивается тем, что данные для решения задач концентрируются в базах данных, а программы и программные модули образуют библиотеки. Нужная цепочка программ для решения той или иной задачи из предметной области формируется через терминал.

Благодаря быстрой реакции системы подобного рода стало возможным просматривать большое число вариантов для определения оптимальных проектов и сбалансированных планов. В качестве примера таких систем укажем на систему проектирования генеральных схем обустройств газовых и нефтяных месторождений, созданную в Вычислительном центре Академии наук СССР [3].

Эта система содержит более 50 прикладных программ, которые соединяются в соответствующие цепочки для решения проектной задачи. После выбора с помощью системы проекта ЭВМ автоматически выдаёт всю проектную документацию, формы (на листингах) и чертежи с графопостроителей. С помощью разработанной системы впервые в мировой практике удалось осуществить на ЭВМ научно обоснованное проектирование комплексного обустройства нефтяного месторождения в динамике на любой период его разработки.

Сложные многоэкстремальные и многокритериальные задачи комплексного размещения и развития объектов и коммуникаций всех технологических подсистем обустройства на территории месторождения решаются с учётом индивидуальных особенностей каждого месторождения, предыстории его освоения и природно-климатических условий.

Система предоставляет возможность осуществлять диалог с ЭВМ на всех стадиях проектирования. Математическое обеспечение системы позволяет сочетать опыт проектировщика и методы оптимизации в процессе многовариантного проектирования. Получаемые проекты являются наилучшими с точки зрения всей совокупности предъявляемых к ним технологических и экономических требований.

В Институте кибернетики им. В. М. Глушкова АН УССР в рамках решения проблемы совершенствования экономико-математических моделей оптимального планирования производства были проведены работы по созданию оптимизационных алгоритмов и программного обеспечения планов производства и распределения труб [4].

Терминальный доступ к ЭВМ сильно сократил число посредников в цепочке конечный пользователь -- ЭВМ. Для эффективного решения своих задач конечному пользователю осталось сделать последний шаг для получения прямого доступа к ЭВМ. Для его реализации существует два пути. На первом пути конечный пользователь обучается и берёт на себя функции посредника. Создаются программные продукты, которые конечный пользователь, имеющий навык работать с клавиатурой терминала, может выучить за два дня и не забыть за две недели [5].

Необходимыми помощниками пользователей стали персональные ЭВМ (персональные компьютеры), такие, как IВМ РС/ХТ, Labtam, Искра-226, ЕС-1840 и др., имеющие от 600 Кбайт до 1 Мбайт оперативной памяти, быстродействие в пределах от 104--105 операций в секунду и математическое и программное обеспечение с широким спектром языков высокого уровня. Особенно удобными для пользователей можно перечислить так называемые сервисные средства -- текстовый редактор, деловая графика, электронные таблицы, база данных (реляционная) и средства телекоммуникации.

Второй путь осуществления прямого доступа к машине лежит через создание средств, реализуемых

Рис. 1.4. Схема новой информационной технологии. ИИ -- искусственный интеллект внутри ЭВМ, когда все функции посредника берёт на себя машина, т. е. через создание интеллектуального интерфейса ЭВМ.



Реализация его возможна только на основе методов, и идей, полученных в области искусственного интеллекта.

В этом случае за счёт использования логико-лингвистических моделей, реализуемых с применением программно-аппаратных средств в системах искусственного интеллекта, образуется интеллектуальный интерфейс (рис. 1.4). Он делает возможным прямое общение пользователя-непрограммиста с ЭВМ и тем самым способствует массовой компьютеризации общества.

Использование средств связи и образование локальных и глобальных вычислительных сетей обеспечивает включение ЭВМ с интеллектуальным интерфейсом в коммуникационные отношения людей в процессе их целенаправленной деятельности при коллективном решении задач в области планирования, проектирования, научных исследований, оперативного управления производством и т. п. Благодаря достижениям в искусственном интеллекте взаимодействие с ЭВМ специалистов народного хозяйства и науки с целью решения задач стало возможным на профессиональном языке пользователя, являющемся подмножеством естественного языка.

Искусственный интеллект, как основа новой информационной технологии, умножает интеллектуальные ресурсы общества, поскольку взаимодействие пользователя с ЭВМ на своём профессиональном языке интенсифицирует интеллект пользователя, увеличивает объём его памяти и усиливает способность к логическому выводу. И если ранее говорили об индустрии обработки данных, то сейчас в связи с использованием идей и методов искусственного интеллекта стало правомерным говорить об индустрии интеллектуальных систем.

1.4 Представление знаний

С разработкой и использованием вычислительной техники традиционно связаны такие понятия, как программы и данные. При этом первые предназначены для обработки вторых. Программист разрабатывал программу, и сам вводил в неё необходимые данные. Затем произошло крупное изменение -- данные были отделены от программ, появились базы данных различной структуры (реляционные (табличные), иерархические, сетевые) и системы управления базами данных (СУБД). Для отделения данных от программ использовались средства описания данных, содержащиеся в языках программирования. Такие языки, как ФОРТРАН и АЛ-ГОЛ, содержат средства описания относительно простых структур данных в памяти ЭВМ. Более сложные средства описания иерархических структур данных имеются в языках КОБОЛ, ПЛ/1 и ПАСКАЛЬ. В ПАСКАЛЕ также есть средства для конструирования структур данных самим пользователем.

Параллельно, возможно, с некоторым временным сдвигом, развивались представления данных во внешней памяти ЭВМ. Здесь фундаментальным понятием стало понятие информационного массива (файла), имеющего имя и содержащего все необходимые структурированные записи данных о различных объектах, с которыми ведёт работу система. Файл можно трактовать как информационную модель объекта.

Представление данных во внешней памяти ЭВМ прошло через следующие этапы:

способы формирования записей данных в файлах, ведение файлов и организация доступа к ним полностью определялись в конкретных программах пользователей;

управление файлами и организацию доступа к ним стали осуществлять операционные системы ЭВМ;

создание баз данных (БД) и развитых систем управления ими, когда стала возможной эффективная работа с большими базами данных (в частности, с интегрированными, содержащими разнородные данные), обрабатываемыми в интересах целого предприятия, отрасли и т. п. и предназначенными для использования в прикладных задачах.

На первом этапе создание, поддержание, организация доступа к данным как на логическом, так и на физическом уровнях целиком возлагались на разработчика и пользователя каждой программы. Работа с данными программы и тем более их использование в других программах были крайне трудоёмки и малоэффективны.

На втором этапе часть забот по работе с данными во внешней памяти ЭВМ (в основном на физическом уровне) взяла на себя операционная система.

Однако работа с интегрированными данными стала реальностью лишь на третьем этапе, когда появилась возможность эффективно организовывать базы данных со сложной структурой, а в рамках СУБД появились мощные средства для работы с данными.

Это сделало оправданным и эффективным существование в системе данных, независимых от прикладных программ, в которых эти данные создаются и используются, позволило технологически отделить друг от друга различные программы (создающие, поддерживающие и использующие данные). Появилась возможность эффективно связывать программы для обработки данных с самими этими данными и вызывать уже программы исходя из данных, а не наоборот, как было ранее.

Наконец, СУБД дали средства для создания в каждом программном комплексе промежуточного слоя математического обеспечения, отделяющего собственно прикладные программы от используемых данных, эффективно реализующего поиск, размещение и прочие операции над данными и тем самым освобождающего от этой деятельности прикладных программистов. Этот слой частично состоит из системных программ СУБД, частично достраивается пользователем, средства для чего предоставляются специализированными языками описания данных и языками манипулирования данными, включаемыми в СУБД.

Эти языки дополняют традиционные языки программирования средствами для организации больших групп данных. Чтобы обеспечить возможность прямого использования этих средств в прикладных программах на традиционных языках, язык описания данных и язык манипулирования данными зачастую оформляются как расширение развитого языка программирования (включающего языка).

Ныне можно говорить о новом этапе представления данных в памяти ЭВМ -- о создании информационно-вычислительных сетей и на их основе -- распределённых баз данных коллективного пользования. Это приводит как к снижению затрат на создание и ведение баз данных, так и к повышению качества хранимой информации, поскольку для ведения баз данных возможно привлечение более квалифицированных специалистов. Одновременно резко возрастает доступность этой информации для пользователей.

С появлением систем искусственного интеллекта появилось новое понятие -- «база знаний». Следует как-то соотнести ставшие привычными понятия «данные и база данных» с понятиями «знания и база знаний». Несомненно, что данные и структура базы данных в определённой степени отражают знания о предметной области и её структуре. Тем не менее имеются специфические признаки, отличающие знания от данных. В качестве таких специфических признаков знаний в связи с представлением их в ЭВМ можно выделить следующие четыре признака [6]:

внутренняя интерпретируемость;

структурированность;

связность;

активность.

Если обратиться к структурированным данным, то некоторые из указанных признаков, свойственных знаниям, будут справедливы и для структур данных. Например, первый признак -- интерпретируемость -- явно просматривается в реляционной базе данных, где имена столбцов являются атрибутами отношений, имена которых указаны в строках.

Второй признак -- структурированность - можно рассматривать как свойство декомпозиции сложных объектов на более простые и установление связей между простыми объектами, что означает использование отношений «часть-целое», «класс-подкласс», «род-вид» и т. п. Отношения подобного рода встречаются в иерархических и сетевых базах данных. Эти же отношения могут быть реализованы и в табличных базах данных.

Для третьего признака -- связность -- практически нельзя найти аналогов в упоминавшихся базах данных. Знания наши связаны не только в смысле структуры. Они отражают закономерности относительно фактов, процессов, явлений и причинно-следственные отношения между ними.

Что касается четвёртого признака -- активность,-- то сложи-лось так, что при использовании ЭВМ порождающими новые знания являются программы, а данные пассивно хранятся в памяти ЭВМ. Человеку свойственна познавательная активность, другими словами, знания человека активны. И это принципиально отличает знания от данных. Например, обнаружение противоречий в знаниях становится побудительной причиной их преодоления и появления новых знаний. Таким же стимулом активности является неполнота знаний, выражающаяся в необходимости их пополнения. Данные и структуры данных далеко не в полной мере отражают особенности предметных областей. Хотя, вообще говоря, чёткую грань между данными и знаниями провести можно не всегда, тем не менее отличия между данными и знаниями существуют и эти отличия привели к появлению специальных формализмов в виде моделей представления знаний в ЭВМ, отражающих в той или иной степени все четыре признака, характеризующих знания. Сейчас известны по меньшей мере четыре вида моделей и соответственно языков представления знаний: языки (модели) семантических сетей, системы фреймов, логические языки (модели) и продукционные системы.

1.4.1 Семантические сети

В семантической сети вершинам сопоставлены понятия (объекты, события, процессы), а дугам - отношения на множестве понятий. По этой причине язык семантических сетей иногда называют реляционным [7]. Отношения могут быть самого разного типа, что позволяет в достаточной мере обеспечить в семантической сети такой признак знаний, как связность. В общем случае это означает, что в виде се-мантической сети можно отобразить знания, заключённые в текстах на естественном языке.

Возьмём, например, следующую фразу: «Рыбак сел на плот, переехал на другой берег и взял корзину с рыбой».

Здесь выделяется пять объектов: рыбак. (а1), плот (а2), другой берег (а3), корзина (а4) и рыба (а5). Эти объекты связаны отношениями:

Рис. 1.5. Пример семантической сети фразы сел на (r1), переехал (r2), взял (r3) и находиться в (r4). Сеть, соответствующая этому тексту, показана на рис. 1.5 (с учётом отношений, обозначенных сплошными линиями). К отношениям, явно выраженным в тексте, отнесено и отношение «находиться на» («корзина на другом берегу»).

Исходя из логики реального мира и принятого способа описания ситуаций в этом мире, можно считать данными и некоторые другие отношения, явно не присутствующие в тексте. Например, можно пополнить исходный текст отношениями, указанными на рис. 1.5 штриховой линией. Пополненный текст будет выглядеть следующим образом: «Рыбак сел на плот и на плоту переехал на другой берег. На другом берегу находилась рыба. Рыба была в корзине. Рыбак взял корзину с рыбой».

Следует подчеркнуть одно важное обстоятельство: как показали исследования, в языках индоевропейской группы имеется не более 200 различных, не сводимых друг к другу отношений. Комбинации этих базовых отношений позволяют выразить остальные отношения, фиксируемые в текстах. Это обстоятельство лежит в основе так называемого ситуационного управления [8]. Кроме того, конечное множество базовых отношений позволяет надеяться, что в базах знаний можно представить любую предметную область и, более того, осуществить автоматическое построение семантических сетей непосредственно из текста.

Частным случаем семантических сетей являются сценарии, или однородные семантические сети. Это сети, объекты которых связаны единственным отношением строгого или нестрогого порядка с различной семантикой.

Если, например, объектами-понятиями будут работы (или от-дельные операции), а единственным отношением строгого порядка будет отношение следования, то мы придём к хорошо известному сетевому графику комплекса работ с так называемым французским представлением. Очевидно, что сценарии являются удобным средством составления планов.

На примере семантической сети общего вида можно установить различие между базой данных и базой знаний. Предметная область есть множество допустимых состояний своих компонентов. Представленное через общие понятия и отношения между ними, это множество образует базу знаний -- в виде интенсиональной семантической сети. С другой стороны, в зависимости от ситуации компоненты предметной области будут иметь конкретные значения, свойства, характеристики. Все эти конкретные данные о предметной области будут отображаться в так называемой экстенсиональной семантической сети или базе данных сетевой структуры.



Рис. 1.6. Система представления знаний

Упрощённо структура взаимодействия базы знаний и базы данных показана на рис. 1.6. Заметим, что в системе ПОЭТ [9] интенсиональная семантическая сеть названа абстрактной семантической сетью, а экстенсиональная -- конкретной семантической сетью.

Несколько слов о терминах «интенсиональный» и «экстенсиональный», заимствованных из семиотики (науки о знаковых системах). Интенсионал -- это те общие понятия и отношения, которые характеризуют множество объектов, предметов, явлений. Экстенсионалом будем называть конкретные характеристики каждого элемента этого множества понятий и отношений.

Например, понятие «легковая машина» с родовидовыми отношениями «кузов», «двигатель», «управление» и т. п. будет интенсионалом по отношению к множеству экстенсионала -- марок легковых автомашин («Волга», «Жигули», «Москвич» и т. д.) с их конкретными характеристиками. В свою очередь, если в качестве общего понятия -- интенсионала -- выступают, например, «Жигули», то экстенсионалами могут быть их модели (12301, 2303, 2306 и т. п.) с конкретными характеристиками. Таким образом, сами понятия интенсионала и экстенсионала относительны.

В заключение заметим, что весьма важным является представление в семантических сетях общего вида элементов познавательной активности, например, в виде логических рассуждений и прикладных программ. Эти элементы могут быть реализованы при наличии в семантической сети виртуальных отношений (подробнее см. публикацию [7]).

Виртуальные отношения позволяют в системе представления знаний реализовать информационно-логический режим функционирования систем представления знаний.

1.4.2 Фреймовые модели (языки)

Семантические сети, несмотря на большие возможности, связанные с богатством средств для отражения отношений между понятиями и объектами, обладают некоторыми недостатками. Слишком произвольная структура и различные типы вершин и связей требуют большого разнообразия процедур обработки информации, что усложняет программное обеспечение ЭВМ. Это обусловило появление особых типов семантических сетей: синтагматические цепи, сценарии, фреймы и т. п. Остановимся на фреймовых представлениях.

Термин «фрейм» (Frame -- рамка) был предложен в работе [10]. Любое представление о предмете, объекте, стереотипной ситуации у человека всегда обрамлено (отсюда -- «рамка») характеристиками и свойствами объекта или ситуации, которые размещаются в так называемых слотах фрейма. Формально под фреймом обычно понимают структуру следующего вида:

Здесь f -- имя фрейма; пара <vi, gi> -- i-й слот, где vi -- имя слота и gi -- его значение.

Фреймы иногда делят на две группы -- фреймы-описания и ролевые фреймы. Рассмотрим примеры. Фрейм-описание: [<фрукты>, <виноград, болгарский 20 т>, <яблоки, джонатан 10 т>, <вишня, владимирская 200 кг>]. Ролевой фрейм: [<перевезти>, <что, прокат 300 т>, <откуда, Череповец>, <куда, Москву>, <чем, железнодорожным транспортом>, <когда, в ноябре 1987 года>].

В ролевом фрейме в качестве имён слотов выступают вопросительные слова, ответы на которые являются значениями слотов. Если в приведённых примерах и общем выражении для фрейма убрать все значения слотов и оставить только имена, то получим конструкцию, которая в разных источниках называется прототипом фрейма, просто фреймом, фреймом-интенсионалом. Фреймы с конкретными значениями слотов называются фреймами-примерами, фреймами-экземплярами.

Фреймы обладают свойством вложенности, т. е. в качестве значения слота может выступать система имён слотов более глубокого уровня. Свойство вложенности, возможность иметь в качестве значений слотов ссылки на другие фреймы и на другие слоты того же самого фрейма обеспечивают фреймовым языкам удовлетворение требованиям структурированности и связности знаний. Наличие имён фреймов и имён слотов означает, что знания, хранимые во фреймах, имеют характер отсылок и тем самым внутренне интерпретированы. Возможность размещения в качестве слотов приказов вызова тех или иных процедур для исполнения позволяет активизировать программы на основе имеющихся знаний. Таким образом, фреймовые языки удовлетворяют всем четырём основным признакам знаний -- интерпретируемости, структурированно-сти, связности и активности [6]. Использование фреймов в фундаментальных науках даёт возможность формирования более строгого понятийного аппарата и комплексирования обычных математических моделей с фреймовыми формализмами. Для описательных наук фреймы -- это один из немногих способов формализации, создания понятийного аппарата.