Разновидности интеллектуальных информационных систем (Интеллектуальные системы и технологии)

Содержание:

ВВЕДЕНИЕ

В современной науке под исследованиями, связанными с моделированием интеллектуальных возможностей человека, понимают научное направление, занятое проблемами синтеза автоматических структур, способных решать сложные задачи информационного обеспечения различных видов человеческой деятельности. Обычно – это задачи, для которых по тем или иным причинам не существует готовых правил или примеров решения. Разработать правила решения такой задачи может человек, обладающий необходимыми знаниями, опытом и интеллектом. Но если создать компьютерную модель, в памяти которой будут содержаться знания такого человека, запрограммированы его опыт и интеллектуальные способности, необходимые для решения конкретной задачи, то этой моделью можно будет пользоваться для решения многих задач, подобных уже решенной. Более того, эта модель может быть адаптирована для применения и в других проблемных ситуациях.

таких наиболее и актуальными задача средств человека с системой, интеллект , на естественном и задача машинного с одних на другие при точной смыслового и аспектов. в том, что, по мнению выдающихся , интеллектуальная человека ( в любых ее ) самым образом с функционированием и мышления. с помощью естественных общения с автоматом, компьютерную , станет создание систем, адекватно человеческий и такие его свойства, как мышление, , сознание и . Такие в современной получили интеллектуальных систем ().

Современное фундаментальных и исследований в интеллектуальных систем считать, что их стали определенными. Это , что сложилась устойчивая понятий, методология , построения и , определились структуры систем и их .

Актуальность . Искусственный является “горячей ” научных . В этой , как в фокусе, наибольшие кибернетиков, , психологов, , математиков и . Именно решаются коренные , связанные с развития мысли, с достижений в вычислительной на жизнь поколений . Здесь и получают гражданства методы междисциплинарных . Здесь новый на роль тех или научных и возникает то, что было бы философским этих .

Цель работы в исследовании системы интеллекта, в профессиональной .

Объект – интеллектуальные .

Предмет – теоретические и аспекты ин- систем.

Для цели ряд задач:

1. основные интеллектуальных и технологий;
2. классификацию ИС;
3. применение ИС в деятельности;
4. роль при разработке ;
5. Ознакомиться с разработками.

интеллект в работах В.К. , Ю.Е. Учасева, Л.А. , А.В. Остроухова, С.Н. , Г.Н. Рапопорта и др.

Глава 1. Интеллектуальные системы и технологии

1.1. интеллектуальной системы

система () – автоматизированная , основанная на , или комплекс , лингвистических и средств для основной – осуществления деятельности и поиска в режиме диалога на языке [4].

того, системами с поддержкой для сложных называют те , в которых обработка превалирует над .

Исследователи, в этом , надеются такого механизмов , при котором будет компьютерные с человеческим или высоким интеллекта. подход в разработке решения , для которых формальные : понимание языка, , доказательство , распознавание образов и т.д [6]. исследования на изучение процессов и соответствующих моделей. работы путем компьютерных и создания , решающих интеллектуальные или разумно себя в ситуации. исследования в искусственного начались с появлением компьютера. научная по искусственному была в 1950 А. .

Развитие систем на этапе в соответствии с направлениями [9].

Первое объектом рассматривает и механизмы мозга , а конечной – раскрытие мышления. этапами в этом являются моделей деятельности на психофизиологических .

Второе в качестве исследования искусственную систему. речь о моделировании деятельности с вычислительных . Целью в этом является программного , позволяющего некоторые интеллектуальных так же, как их решил бы .

Третье ориентировано на человеко- , или, как еще говорят – , интеллектуальных . Важнейшими в этих является семантически диалога человеком и системой.

образом, информационная , решающая задачу или методы интеллекта, к интеллектуальным.

1.2. Интеллектуальные системы

Для интеллектуальных систем следующие [11]:

− развитые способности;

− решать плохо задачи;

− к самообучению;

− .

Коммуникативные ИС характеризуют взаимодействия () конечного с системой, в возможность произвольного в диалоге с ИС на , максимально к естественному[14].

плохо задачи – это , которые построения алгоритма в зависимости от ситуации, для могут характерны и динамичность данных и .

Способность к – это возможность извлечения для решения из накопленного конкретных [1].

Адаптивность – к развитию в соответствии с изменениями проблемной [3].

В соответствии с признаками ИС на (данная – одна из ) (рисунок 1) [13]:

− с коммутативными (с интеллектуальным );

− экспертные (системы для сложных );

− самообучающиеся (системы, к самообучению);

− системы ( информационные ).

Рисунок 1 – Классификация интеллектуальных информационных систем по типам систем

Интеллектуальные базы данных отличаются от обычных баз данных возможностью выборки по запросу необходимой информации, которая может явно не храниться, а выводиться из имеющейся в базе данных [14].

Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на внутримашинный уровень представления знаний. Для этого необходимо решать задачи морфологического, синтаксического и семантического анализа и синтеза высказываний на естественном языке. Так, морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям, синтаксический контроль – разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей и, наконец, семантический анализ – установление смысловой правильности синтаксических конструкций. Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковое [13].

Естественно-языковой интерфейс используется для:

− доступа к интеллектуальным базам данных;

− контекстного поиска документальной текстовой информации;

− голосового ввода команд в системах управления;

− машинного перевода с иностранных языков.

Гипертекстовые системы предназначены для реализации поиска по ключевым словам, в базах текстовой информации [16]. Интеллектуальные гипертекстовые системы отличаются возможностью более сложной семантической организации ключевых слов, которая отражает различные смысловые отношения терминов. Таким образом, механизм поиска работает прежде всего с базой знаний ключевых слов, а уже затем непосредственно с текстом. В более широком плане сказанное распространяется и на поиск мультимедийной информации, включающей, помимо текстовой, и цифровую информацию.

Системы контекстной помощи можно рассматривать как частный случай интеллектуальных гипертекстовых и естественно- языковых систем. В отличие от обычных систем помощи, навязывающих пользователю схему поиска требуемой информации, в системах контекстной помощи пользователь описывает проблему (ситуацию), а система с помощью дополнительного диалога ее конкретизирует, и сама выполняет поиск относящихся к ситуации рекомендаций. Такие системы относятся к классу систем распространения знаний (Knowledge Publishing) и создаются как приложение к системам документации (например, технической документации по эксплуатации товаров) [8].

Системы когнитивной графики позволяют осуществлять интерфейс пользователя с ИС с помощью графических образов, которые генерируются в соответствии с происходящими событиями. Такие системы используются в мониторинге и управлении оперативными процессами. Графические образы в наглядном и интегрированном виде описывают множество параметров изучаемой ситуации. Например, состояние сложного управляемого объекта отображается в виде человеческого лица, на котором каждая черта отвечает за какой-либо параметр, а общее выражение лица дает интегрированную характеристику ситуации [2]. Системы когнитивной графики широко используются также в обучающих и тренажерных системах на основе использования принципов виртуальной реальности, когда графические образы моделируют ситуации, в которых обучаемому необходимо принимать решения и выполнять определенные действия.

Экспертные системы предназначены для решения задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области [4].

Многоагентные системы – это динамические системы, для которых характерна интеграция в базе знаний нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе.

Самообучающиеся системы основаны на методах автоматической классификации примеров ситуаций реальной практики [13].

Характерными признаками самообучающихся систем являются:

− самообучающиеся системы «с учителем», когда для каждого примера задается в явном виде значение признака его принадлежности некоторому классу ситуаций (классообразующего признака);

− самообучающиеся системы «без учителя», когда по степени близости значений признаков классификации система сама выделяет классы ситуаций. Индуктивные системы используют обобщение примеров по принципу от частного к общему. Процесс классификации примеров осуществляется следующим образом [19]:

1. Выбирается признак классификации из множества заданных (либо последовательно, либо по какому-либо правилу, например, в соответствии с максимальным числом получаемых подмножеств примеров).

2. По значению выбранного признака множество примеров разбивается на подмножества.

3. Выполняется проверка, принадлежит ли каждое образовавшееся подмножество примеров одному подклассу.

4. Если какое-то подмножество примеров принадлежит одному подклассу, то есть у всех примеров подмножества совпадает значение классообразующего признака, то процесс классификации заканчивается (при этом остальные признаки классификации не рассматриваются).

5. Для подмножеств примеров с несовпадающим значением классообразующего признака процесс классификации продолжается, начиная с пункта 1 (каждое подмножество примеров становится классифицируемым множеством).

Нейронные сети представляют собой устройства параллельных вычислений, состоящие из множества взаимодействующих простых процессоров. Каждый процессор такой сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам.

В экспертных системах, основанных на прецедентах (аналогиях), база знаний содержит описания не обобщенных ситуаций, а собственно, сами ситуации или прецеденты.

Поиск решения проблемы в экспертных системах, основанных на прецедентах, сводится к поиску по аналогии (то есть абдуктивный вывод от частного к частному) [8].

В отличие от интеллектуальной базы данных, информационное хранилище представляет собой хранилище извлеченной значимой информации из оперативной базы данных, которое предназначено для оперативного ситуационного анализа данных (реализации OLAP технологии) [21].

Адаптивная информационная система – это информационная система, которая изменяет свою структуру в соответствии с изменением модели проблемной области.

При этом:

− адаптивная информационная система должна в каждый момент времени адекватно поддерживать организацию бизнес- процессов;

− адаптивная информационная система должна проводить адаптацию всякий раз, как возникает потребность в реорганизации бизнес-процессов;

− реконструкция информационной системы должна проводиться быстро и с минимальными затратами.

Ядром адаптивной информационной системы является постоянно развиваемая модель проблемной области (предприятия), поддерживаемая в специальной базе знаний – репозитории. На основе ядра осуществляется генерация или конфигурация программного обеспечения.

Так как нет общепринятого определения, четкую единую классификацию интеллектуальных информационных систем дать затруднительно [12].

Если рассматривать интеллектуальные информационные системы с точки зрения решаемой задачи, то можно выделить системы управления и справочные системы, системы компьютерной лингвистики, системы распознавания, игровые системы и системы создания интеллектуальных информационных систем (рисунок 2) [13].

Рисунок 2 – Классификация интеллектуальных информационных систем по решаемым задачам

При этом системы могут решать не одну, а несколько задач или в процессе решения одной задачи решать и ряд других. Например, при обучении иностранному языку система может решать задачи распознавания речи обучаемого, тестировать, отвечать на вопросы, переводить тексты с одного языка на другой и поддерживать естественно-языковой интерфейс работы.

Если классифицировать интеллектуальные информационные системы по критерию «используемые методы», то они делятся на жесткие, мягкие и гибридные (рисунок 3) [13].

Рисунок 3 – Классификация интеллектуальных информационных систем по методам

Мягкие вычисления (Soft Computing) – это сложная компьютерная методология, основанная на нечеткой логике, генетических вычислениях, нейрокомпьютинге и вероятностных вычислениях.

Жесткие вычисления – традиционные компьютерные вычисления (не мягкие).

Гибридные системы – системы, использующие более чем одну компьютерную технологию (в случае интеллектуальных систем – технологии искусственного интеллекта).

Таким образом, проектирование и адаптация ИС сводится, прежде всего, к построению модели проблемной области и ее своевременной корректировке.

1.3. Понятие интеллектуальной информационной технологии

Интеллектуальные информационные технологии (ИИТ) (англ. Intellectual information technology, IIT) – это информационные технологии, помогающие человеку ускорить анализ политической, экономической, социальной и технической ситуации, а также - синтез управленческих решений [24]. При этом используемые методы не обязательно должны быть логически непротиворечивы или копировать процессы человеческого мышления.

Использование ИИТ на практике подразумевает учет специфики проблемной области, которая может характеризоваться следующим набором признаков [21]:

• качество и оперативность принятия решений;

• нечеткость целей и институциональных границ;

• множественность субъектов, участвующих в решении проблемы;

• хаотичность, флюктуируемость и квантованность поведения среды;

• множественность взаимовлияющих друг на друга факторов;

• слабая формализуемость, уникальность, нестереотипность ситуаций;

• латентность, скрытость, неявность информации;

ИИТ формируются при создании информационных систем и информационных технологий для повышения эффективности принятия решений в условиях, связанных с возникновением проблемных ситуаций [20]. В этом случае любая жизненная или деловая ситуация – от выбора партнера по жизни до социального конфликта - описывается в виде некоторой познавательной модели (когнитивной схемы, архетипа, фрейма и пр.), которая впоследствии используется в качестве основания для построения и проведения моделирования, в том числе - компьютерного.

Глава 2. Применение интеллектуальных систем и технологий в профессиональной деятельности

2.1. Диалоговые системы, основанные на распознавании рукописного текста

Рукописный символов ( 4) может по считаться из самых способов текста с оперированием клавиатурой. Тот же набор применить не всегда, а в с рукописным всё обстоит проще .

Рисунок 4 – Система распознавания рукописного ввода мобильных устройств на платформе IOS

Рассмотрим, в чем различие двумя представления и того же : рукописной и [19]. При могут и сравниваться как сам формирования , так и его результаты, т.е. уже тексты.

При уже сформированных обнаруживается, что отличие текста от состоит в большей вариабельности одной и той же разными и одним и тем же в различных , чем при воспроизведении тех же на различных машинках и [14].

будем систему особенностей и динамики букв, и предложений различными или на различных печати.

В форме букв индивидуальным для человека и также от его , хотя, , в начертаниях конкретной всеми безусловно и нечто , что и позволяет ее именно как букву при .

К индивидуальным рукописного букв 13 шкал с градаций в [21].

На компьютерах устройством текстовой является . Результат текста в с точки начертания , слов и не имеет индивидуальных (если не частот различных , кеглей, , подчеркиваний и эффектов, вид текста). необходимо понятие почерка, под будем систему особенностей и динамики букв, и предложений на [22].

целая – "Психографология", ставит задачей максимального информации об текстов на изучения особенностей их .

В настоящее в России институт . На сайте института можно с тем, что такое , с ее историей и , которые она решать . Графологическое имеет преимущество простым или собеседованием, нет необходимости человека, чей подвергается о производимых [12].

Но представляет не просто букв, а иерархическую , в которой образуют фундамент , а на более ее уровнях слова, , и другие текстов размеров, относительной и самостоятельностью (, параграфы, , части, ).

Понятие акцентирует именно на и динамике букв и . При этом в почерка не индивидуальные текстов, на более уровнях организации , например: употребления тех или слов и , средние предложений и , и т.п. Но именно эти особенности исследуются и при атрибуции и псевдонимных (определении их авторства) и [8].

Соответственно и может для читателя по крайней с трех зрения:

1. Как информации о том, о чем автор, т.е. о изложения.

2. Как информации о авторе.

3. Как информации о изложения и об .

В этом читать А.С. в рукописи быть интереснее, чем томик с . Это объясняется : в томике лишь сам работы и выхолощена вся о процессе, т.е. о поэте, в почерке, размещения на листе, и динамике его , различных и ассоциациях, в процессе произведения.

подробнее вопросы пользователей по почерку.

идентификации и пользователей являются в связи с все распространением преступлений. для идентификации почерка одним из биометрических идентификации [13].

системы не такую же распознавания, как идентификации по пальцев или по радужной глаз, но то преимущество, что может полностью от пользователя, т. е. он даже не о наличии системы доступа.

Аутентификация – это проверка, действительно ли пользователь является тем, за кого себя выдает. При этом пользователь должен предварительно сообщить о себе идентификационную информацию: свое имя и пароль, соответствующий названному имени [10].

Идентификация – это установление его личности. И идентификация, и аутентификация являются типичными задачами распознавания образов, которое может проводиться по заранее определенной или произвольной последовательности нажатий клавиш. При вводе информации пользователь последовательно нажимает и отпускает клавиши, соответствующие вводимому тексту. При этом для каждой нажимаемой клавиши можно фиксировать моменты нажатия и отпускания [18].

На современных компьютерах на следующую клавишу можно нажимать до отпускания предыдущих, т.е. символ помещается в буфер клавиатуры только по нажатию клавиши, тогда как аппаратные прерывания от клавиатуры возникают и при нажатии, и при отпускании клавиши.

Основной характеристикой клавиатурного почерка следует считать временные интервалы между различными моментами ввода текста: • между нажатиями клавиш;

• между отпусканиями клавиш;

• между нажатием и отпусканием одной клавиши;

• между отпусканием предыдущей и нажатием следующей клавиши.

Таким образом, любой текст содержит не только ту информацию, для передачи которой его, собственно, и создавали, но и информацию о самом авторе этого текста и о технических средствах и технологии его создания. А также, система, оснащенная интеллектуальным интерфейсом, может вести по-разному в зависимости от результатов идентификации пользователя, его профессионального уровня и текущего психофизиологического состояния.

2.1. Диалоговые системы, основанные на распознавании речи

Распознавание речи – процесс преобразования речевого сигнала в цифровую информацию (напр., текстовые данные). Обратной задачей является синтез речи [9].

Можно выделить следующие области применения:

• голосовое управление;

• голосовой набор в различной технике (мобильники, компьютеры, и пр.);

• голосовой ввод текстовых сообщений в смартфонах и прочих мобильных компьютерах;

• голосовой поиск;

• голосовая почта.

Первое устройство для распознавания речи появилось в 1952 году, оно могло распознавать произнесённые человеком цифры. В 1964 году на ярмарке компьютерных технологий в Нью-Йорке было представлено устройство IBM Shoebox [7].

Коммерческие программы по распознаванию речи появились в начале девяностых годов. Обычно их используют люди, которые из-за травмы руки не в состоянии набирать большое количество текста. Эти программы (например, Dragon NaturallySpeaking, VoiceNavigator, “Горыныч”) переводят голос пользователя в текст, таким образом, разгружая его руки. Надёжность перевода у таких программ достаточно высока, и с годами она постепенно улучшается.

Увеличение вычислительных мощностей мобильных устройств позволило для них создать программы с функцией распознавания речи и так называемых виртуальных помощников [13].

Среди таких программ безусловно выделяются:

• Microsoft Cortana (Microsoft);

• Google Now (Google);

• Siri (Apple).

Эти программы позволяет работать со многими приложениями при помощи голоса. Например, можно набрать нужный номер абонента, включить воспроизведение музыки в плеере, создать новый документ, произвести поиск нужного объекта в сети Интернет.

На сегодняшний день существует два типа систем распознавания речи – работающие «на клиенте» (client-based) и по принципу «клиент-сервер» (client-server). При использовании клиент-серверной технологии речевая команда вводится на устройстве пользователя и через Интернет передается на удаленный сервер, где обрабатывается и возвращается на устройство в виде команды (Google Voice, Vlingo, пр.); ввиду большого количества пользователей сервера система распознавания получает большую базу для обучения. Первый вариант работает на иных математических алгоритмах и встречается редко (Speereo Software) - в этом случае команда вводится на устройстве пользователя и обрабатывается в нем же [5]. Плюс обработки «на клиенте» в мобильности, независимости от наличия связи и работы удаленного оборудования.

Так, система, работающая «на клиенте» кажется надежнее, но ограничивается, порой, мощностью устройства на стороне пользователя. Сейчас применяется также технология SIND (без привязки к голосу конкретного человека).

2.3. Системы виртуальной реальности. Эффекты присутствия, деперсонализации и модификация сознания пользователя

Виртуальная реальность (ВР) – модельная трехмерная (3D) окружающая среда, создаваемая компьютерными средствами и реалистично реагирующая на взаимодействие с пользователями (рисунок 5) [26].

Рисунок 5 – Система виртуальной реальности для управления флотом

Технической базой систем виртуальной реальности являются современные мощные персональные компьютеры и программное обеспечение высококачественной трехмерной визуализации и анимации. В качестве устройств ввода-вывода информации в системах ВР применяются виртуальные шлемы с дисплеями (HMD), в частности шлемы со стереоскопическими очками, и устройства 3D-ввода, например, мышь с пространственно управляемым курсором или "цифровые перчатки", которые обеспечивают тактильную обратную связь с пользователем [23].

Совершенствование систем виртуальной реальности приводит ко все большей изоляции пользователя от обычной реальности, т.к. все больше каналов взаимодействия пользователя с окружающей средой замыкаются не на обычную, а на виртуальную среду – виртуальную реальность, которая, при этом, становится все более и более функционально-замкнутой и самодостаточной.

Создание систем ВР является закономерным следствием процесса совершенствования компьютерных систем отображения информации и интерфейса управления [21].

При обычной работе на компьютере монитор занимает не более 20% поля зрения пользователя. Системы ВР перекрывают все поле зрения.

Обычные мониторы не являются стереоскопическими, т.е. не создают объемного изображения. Правда, в последнее время появились разработки, которые, позволяют преодолеть это ограничение (достаточно сделать поиск в yandex.ru по запросу "Стереоскопический монитор"). Системы ВР изначально были стереоскопическими[17, 19].

Звуковое сопровождение, в том числе со стерео и квадро-звуком, сегодня уже стали стандартом. В системах ВР человек не слышит ничего, кроме звуков этой виртуальной реальности.

В некоторых моделях систем виртуальной реальности пользователи имеют возможность восприятия изменяющейся перспективы и видят объекты с разных точек наблюдения, как если бы они сами находились и перемещались внутри модели.

Если пользователь располагает более развитыми (погруженными) устройствами ввода, например, такими, как цифровые перчатки и виртуальные шлемы, то модель может даже надлежащим образом реагировать на такие действия пользователя, как поворот головы или движение глаз.

Необходимо отметить, что в настоящее время системы виртуальной реальности развиваются очень быстрыми темпами и явно выражена тенденция проникновения технологий виртуальной реальности в стандартные компьютерные технологии широкого применения. Развитие этих и других подобных средств привело к появлению качественно новых эффектов, которые ранее не наблюдались или наблюдались в очень малой степени[16, 10, 21]:

• эффект присутствия пользователя в виртуальной реальности;

• эффект деперсонализации и модификации самосознания и сознания пользователя в виртуальной реальности.

Эффект присутствия – это создаваемая для пользователя иллюзия его присутствия в смоделированной компьютером среде, при этом создается полное впечатление "присутствия" в виртуальной среде, очень сходное с ощущением присутствия в обычном "реальном" мире.

При этом виртуальная среда начинает осознаваться как реальная, а о реальной среде пользователь на время как бы совершенно или почти полностью "забывает". При этом технические особенности интерфейса также вытесняются из сознания, т.е. мы не замечаем этот интерфейс примерно так же, как собственное физическое тело или глаза, когда смотрим на захватывающий сюжет. Таким образом, реальная среда замещается виртуальной средой.

Исследования показывают, что для возникновения и силы эффекта присутствия определяющую роль играет реалистичность движения различных объектов в виртуальной реальности, а также убедительность реагирования объектов виртуальной реальности при взаимодействии с ними виртуального тела пользователя или других виртуальных объектов. В то же время, как это ни странно, естественность вида объектов виртуальной среды играет сравнительно меньшую роль [14].

Системы виртуальной реальности уже в настоящее время широко применяется во многих сферах жизни. Одними из первых технологии виртуальной реальности были применены НАСА США для тренировки пилотов космических челноков и военных самолетов, при отработке приемов посадки, дозаправки в воздухе и т.п.

Самолет-невидика "Стелс" вообще управляется пилотом, практически находящемся в виртуальной реальности. Из виртуальной реальности человек управляет роботом, выполняющим опасную или тонкую работу. Технология Motion Capture, позволяет дистанционно "снять" движения с человека и присвоить их его трехмерной модели, что широко применяется для создания компьютерных игр и анимации рисованных персонажей в фильмах [12].

С учетом вышесказанного, предлагается следующее определение виртуальной реальности. Система ВР – это система, обеспечивающая:

1. Генерацию полиперцептивной модели реальности в соответствии с математической моделью этой реальности, реализованной в программной системе.

2. Погружение пользователя в модель реальности путем подачи на все или основные его перцептивные каналы – органы восприятия, программно-управляемых по величине и содержанию воздействий: зрительного, слухового, тактильного, термического, вкусового и обонятельного и других.

3. Управление системой путем использования виртуального "образа Я" пользователя и виртуальных органов управления системой (интерфейса), на которые он воздействует, представляющие собой зависящую от пользователя часть модели реальности.

4. Реалистичную реакцию моделируемой реальности на виртуальное воздействие и управление со стороны пользователя.

5. Разрыв отождествления пользователя со своим "Образом Я" из обычной реальности (деперсонализация), и отождествление себя с "виртуальным образом Я", генерируемым системой виртуальной реальности (модификация сознания и самосознания пользователя).

6. Эффект присутствия пользователя в моделируемой реальности в своем "виртуальном образе Я", т.е. эффект личного участия пользователя в наблюдаемых виртуальных событиях.

Особенно эффективно применение виртуальной реальности в рекламе, особенно в Интернет-рекламе на стадии информирования и убеждения.

Глава 3. Интеллектуальные системы и технологии в современной робототехнике

3.1. Интеллектуальные роботы

Эволюция представлений о путях развития робототехники, ее целях и задачах весьма схожа с тем, что наблюдается с такой областью, как искусственный интеллект. Декларируемые общие принципы и, как казалось, понимание путей достижения некой глобальной цели исследования сменилось узкой специализацией, множеством частных, зачастую не связанных между собою подцелей и направлений [24].

Объясняется это тем, что поставленные изначально задачи оказались значительно более сложными, требующими создания совершенно иных моделей, методов и технологий, и прежде всего – технологий искусственного интеллекта.

Технологии ИИ всегда были тесно связаны с робототехникой. Не случайно одним из направлений ИИ до сих пор считается целенаправленное поведение роботов (создание интеллектуальных роботов, способных автономно совершать операции по достижению целей, поставленных человеком).

Робот – это технический комплекс, предназначенный для выполнения различных движений и некоторых интеллектуальных функций человека и обладающий необходимыми для этого исполнительными устройствами, управляющими и информационными системами, а также средствами решения вычислительно-логических задач.

В настоящее время различают 3 поколения роботов [26]:

Программные. Работают по жестко заданной программе (циклограмме).

Адаптивные. Имеют возможность автоматически перепрограммироваться (адаптироваться) в зависимости от обстановки. Изначально задаются лишь основы программы действий.

Интеллектуальные. Задание вводится в общей форме, а сам робот обладает возможностью принимать решения или планировать свои действия в распознаваемой им неопределенной или сложной обстановке.

Общепринято мнение, что интеллектуальный робот обладает моделью внешнего мира или внутренней средой, что позволяет роботу действовать в условиях неопределенности информации. В том случае, если эта модель реализована в виде базы знаний, то целесообразно, чтобы эта база знаний была динамической. При этом коррекция правил вывода в условиях меняющейся внешней среды естественным образом реализует механизмы самообучения и адаптации [22].

Если отойти от подобного «перечислительно-функционального» определения ИР, то останется лишь два более или менее конструктивных определения. Первое заключается в том, что интеллектуальный робот – это робот, в состав которого входит интеллектуальная система управления. Тогда достаточно только выбрать определение интеллектуальной системы (ИС). Например, определить ИС как компьютерную систему для решения задач, которые или не могут быть решены человеком в реальное время, или же их решение требует автоматизированной поддержки, или же их решение дает результаты сопоставимые по информативности с решениями человека [23].

Кроме того, среди прочего подразумевается, что задачи, решаемые ИС не предполагают полноты знаний, а сама ИС должна обладать способностями: к упорядочению данных и знаний с выделением существенных параметров; к обучению на основе позитивных и негативных примеров, к адаптации в соответствии с изменением множества фактов и знаний и т.д.

Другим, менее формальным, определением интеллектуальности робота может быть способность системы решать задачи, сформулированные в общем виде. Это определение является, не смотря на свою «слабость», достаточно конструктивным по крайней мере для того, чтобы определить «степень интеллектуальности» робота.

Итак, несмотря на множество предлагаемых критериев интеллектуальности, самым сильным остается по-прежнему требование, согласно которому роль человека при взаимодействии с ИР должна свестись лишь к постановке задачи.

На сегодняшний день считается, что в состав интеллектуального робота должны входить (рисунок 6) [13]:

Исполнительные органы – это манипуляторы, ходовая часть и др. устройства, с помощью которых робот может воздействовать на окружающие его предметы. Причем по своей структуре это сложные технические устройства, имеющие в своем составе сервоприводы,

Датчики – это системы технического зрения, слуха, осязания, датчики расстояний, локаторы и др. устройства, которые позволяют получить информацию из окружающего мира.

Система управления – это мозг робота, который должен принимать информацию от датчиков и управлять исполнительными органами. Эта часть робота обычно реализуется программными средствами. В состав системы управления интеллектуального робота должны входить следующие компоненты:

Рисунок 6 – Компоненты робота

Модель мира – отражает состояние окружающего робот мира в терминах, удобных для хранения и обработки. Модель мира выполняет функцию запоминания состояния объектов в мире и их свойств.

Система распознавания – сюда входят системы распознавания изображений, распознавания речи и т.п. Задачей системы распознавания является идентификация, т.е. «узнавание» окружающих робот предметов, их положения в пространстве. В результате работы компонентов системы распознавания строится модель мира.

Система планирования действий – осуществляет «виртуальное» преобразование модели мира с целью получения какого-нибудь действия. При этом обычно проверяется достижимость поставленной цели. Результатом работы планирования действий является построение планов, т.е. последовательностей элементарных действий.

Система выполнения действий – пытается выполнить запланированные действия, подавая команды на исполнительные устройства и контролируя при этом процесс выполнения. Если выполнение элементарного действия оказывается невозможным, то весь процесс прерывается и должно быть выполнено новое (или частично новое) планирование [18].

Система управления целями – определяет иерархию, т.е. значимость и порядок достижения поставленных целей.

Важными свойствами системы управления является способность к обучению и адаптации, т.е. способность генерировать последовательности действий для поставленной цели, а также подстраивать свое поведение под изменяющиеся условия окружающей среды для достижения поставленных целей [14].

3.2. Нанотехнологии при интеллектуальных системах

Нанороботы — , размером с молекулой ( 10 нм), обладающие движения, и передачи , исполнения .

Нанороботы, к созданию копий, то самовоспроизводству, репликаторами. создания рассмотрел в книге « создания» учёный Дрекслер.

интересными за последних два , стали в сфере интеллекта. Еще в году , достигли прогресса в «искусственного » [19].

научной не раз встречали в описание мозга, но не все , что ученые, в области инженерии уже добились прогресса в изысканиях. в исследованиях, созданию нервной , имитирующей мозга, считают искусственных [13].

По ученых, их функцию мемристоры( 7) – пассивные в микроэлектронике, изменять сопротивление в от текущего по тока. живого представляет клеток-нейронов, отростками-аксонами контакты-синапсы. упрощенно, в обучения синапсы определенную , в то время как остаются и не проводят .

Рисунок 7 – Зависимость тока на мемристоре от переменного напряжения

Мемристор может выполнять ту же функцию – он может уже в процессе работы стать каналом или сопротивлением под воздействием внешнего стимула. Ученые пошли дальше рассуждений и создали небольшую сеть из наноразмерных кремниевых мемристоров, которые представляют две расположенные одна над другой сетки проводов в аморфном серебряном слое, причем содержание серебра при одном слое выше, чем при другом. При подаче напряжения ионы серебра начинают течь к нижнему слою и увеличивают электропроводность. Таким образом, ученые получили возможность полностью контролировать основной параметр мемристора и, соответственно, сроить на их основе сеть, которая сможет имитировать работу живого мозга.

В то же время следует отметить два важных аспекта, отличающих работу мозга от работы микросхемы. Во-первых, компьютеры могут выполнять вычисления с фантастической скоростью - в настоящее время самые мощные машины могут выполнять до 1000 триллионов операций в секунду, однако за единицу времени может выполняться только одна операция. Нейроны мозга выполняют лишь 1000 операций в секунду, однако мозг способен просчитывать миллионы операций одновременно и выполнять многие задачи быстрее и эффективней компьютера. Во-вторых, нейронная сеть постоянно модифицируется, а компьютер не способен к этому.

Над созданием искусственной самообучающейся, то есть в нашем случае – меняющей схему своих цепей структуры бьются ученые всего мира. Весной этого года исследователи из Японии и США выступили с докладом, в котором рассказали о своих успехах в области создания органической молекулярной схемы, способной к саморазвитию. По словам ученых, созданный на основе их разработки компьютер может обрабатывать не одну, а свыше трехсот операций одновременно. Такой компьютер действует по совершенно новым алгоритмам и может решать сложные задачи, связанные с прогнозированием различных процессов [8].

Производители микросхем активно осваивают технологию 22 нм, а ученые в лабораториях заявляют, что при таких размерах элементы схем можно интегрировать в живую клетку. Средние размеры клетки человека – около 10 кв. микронов, так что в нее теоретически можно встроить до 2000 транзисторов, а это сопоставимо с параметрами процессоров первых персональных компьютеров. Ученые из Барселоны впервые собрали кремниевый процессор внутри отдельной клетки, используя различные технологии – липофекцию, фагоцитоз, микроинъекции. После операции клетки, в которые поместили процессоры, оставались живыми и, что наиболее важно, ученые смогли запустить процессор и использовать его, как датчик процессов, происходящих внутри клетки. Таким образом, в наших руках оказывается ключ к созданию электронной системы диагностики всех происходящих в живом организме процессов.

Университеты всего мира пишут, что их ученым удалось сделать очередной шаг на пути к разработке технологии массового производства наноустройств. Однако очевидно, что между современными лабораторными технологиями создания сложных трехмерных наноструктур и коммерциализацией лежит пропасть. В настоящее время в основном применяется метод оптической литографии, однако этот процесс сложен и имеет предельный барьер масштаба – 10 нм.

В июне 2012 года сингапурские ученые продемонстрировали совершенно новый метод создания полевых транзисторов и отдельных нанопроводов: электронный луч сканирует основу и наносит на нее металл или изолятор, создавая электронный элемент. Этот метод позволяет создавать наноустройства более точно, чем метод литографии и при этом он значительно быстрей и дешевле, что позволяет предположить, что именно он может быть взят на вооружение будущими производителями наноэлектроники [26].

Нанотехнологии нашли применение в такой интересной области исследований как искусственный фотосинтез. Целью ученых является создание материала, который бы использовал энергию света для того, чтобы разлагать воду на кислород и водород, так как последний можно использовать в качестве топлива. Ученые из университета Калифорнии и университета Сага в Японии разработали такой материал, имитирующий структуру листа. Листки материала, в основном состоящего из оксида титана копируют все поры, выступы и канальцы, которые можно видеть на живом листе под микроскопом, а вместо хлорофилла применяется искусственный катализатор. Опыты показали, что такой «искусственный лист» достаточно эффективно разлагает воду на кислород и водород. Перспективы такого направления трудно переоценить, ведь в наших руках может оказаться ключ к почти безграничным запасам экологически чистого топлива [24].

В качестве последней разработки, приковавшей внимание хочется отметить создание устройства, преобразующего механическую энергию тела, и акустические колебания в электричество для подпитки мобильных устройств. В основе нового элемента лежат пьезоэлектрические волокна состоящие из органических нановолокон цирконат-титаната свинца, помещенных на пластинах из силиконового каучука. При сгибании или скручивании пластин вырабатывается электричество, превращая механическую энергию в электрическую. Применение данной технологии безгранично –обувь, вырабатывающая энергию при ходьбе для питания гаджетов, микрохирургические устройства, которые заряжаются от движений, и даже электрокардиостимуляторы, в которых используется новый материал вместо традиционных батарей – вот лишь несколько примеров использования нового наноустройства.

Наибольшим вниманием у ученых пользовались изыскания в области разработки искусственного мозга, компьютерной системы нового типа, имитирующей живую нейронную сеть. В то же время очевидными являются усилия многих лабораторий приблизить теоретические разработки к массовому производству, коммерциализации новых проектов.

3.3. Обзор разработок по натотехнологиям

В настоящее нанороботы в научно- стадии . Некоторыми утверждается, что уже некоторые нанороботов. компонентов и непосредственно посвящен ряд научных .

Однако, планы по медицинских , которые впрыскиваться в и выполнять беспроводной на наноуровне. нанороботы не быть в ходе копирования, так как это приведет к ошибок при , которые снизить наноустройства и выполнение задач. этого планируется на специализированных нанофабриках [25].

полезное наномашин, они появятся, в медицинских , где они могут использованы для и уничтожения клеток. они могут токсичные вещества в среде и уровень их .

Возможные применения [16]:

− ранняя рака и доставка в раковые ;

− биомедицинский ;

− хирургия;

− ;

− мониторинг диабетом;

− посредством сборки устройства из молекул по его ;

− военное в качестве наблюдения и , а также в оружия. возможности нанороботов в оружия в некоторых произведениях ( 2: Судный , День, остановилась (фильм, Бросок );

− космические и разработки (, зонды фон ).

Так как основная наноробота – по кровеносной человека, то он иметь навигационную . Устройству иметь типов сенсоров для окружающей , навигации, и работы с молекулами .

В идеальном , это устройство способно "" поврежденные , ткани; диагностику и раковых и картографировать сосуды; анализ ДНК с ее корректировкой; бактерии, , и т.п. Максимальный устройства не превышать 13 микрона ( двигательных ). Ниже на представлен вид , выполненного из (рисунок 8).

Рисунок 8 – Медицинский наноробот общего применения из алмаза

Электромагнитные волны, которые смогут распространяться в теле человека не затухая, будут по длине волны сравнимы с нанороботом. Поэтому приемно-передающие антенны будут иметь вид диполей, выступающих за пределы корпуса. Наноманипуляторы, механические захваты и жгутики должны быть телескопическими, и при необходимости должны складываться в корпус робота для того, чтобы робот смог лучше передвигаться в кровеносном русле. Иммунная система, в основном, реагирует на «чужеродные» поверхности. Размер наноробота также играет важную роль при этом, так же как и мобильность устройства, шероховатость поверхности и ее подвижность. Ряд проделанных экспериментов подтвердил, что гладкие алмазоидные структуры вызывают меньшую активность лейкоцитов и меньше адсорбируют фибриноген.

Поэтому кажется разумным надеяться, что такое алмазоидное покрытие («организованное», т.е. нанесенное атом-за-атомом, с нанометровой гладкостью), будет иметь очень низкую биологическую активность. Благодаря очень высокой поверхностной энергии алмазоидной поверхности и сильной ее гидрофобности, внешняя оболочка роботов будет полностью химически инертна. Для такого наноробота, можно будет использовать нанокомпьютер, производящий ~106-109 операций в секунду для исполнения своей работы. Это на 4-7 порядков меньше вычислительной мощности человеческого мозга, составляющей ~1013 операций в секунду. Так что этот наноробот не будет обладать искусственным интеллектом.

ЗАКЛЮЧЕНИЕ

систем интеллекта, с решением проблем. На создания ИИ это и ресурсов, и знания в области, а проблема это сделать, и другие проблемы.

интеллект в время научным , связанным с моделированием интеллектуальных .

Системы интеллекта используются для способности системы задачи, интеллекту , например, логического и обучения.

задача, решения заранее не или же данные может отнесена к области ИИ.

Системы, программы, выполняющие действия по решению задачи можно отнести к ИИ, если результат их деятельности аналогичен результату человека при решении той же задачи. Поэтому к ИИ можно отнести целый ряд программных средств: системы распознавания текста, автоматизированного проектирования, самообучающиеся программы и др. Но не только поэтому, а еще и потому, что они работают по сходным принципам с человеком.

Есть два основных перспективных направления в исследовании ИИ. Первое заключается в приближении систем ИИ к принципам человеческого мышления. Второе заключается в создании ИИ, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Башмаков И.А., Польгун М.Б., Остроух А.В. Оптимизация параметров процессов // Автоматизация и управление в технических системах. – 2013. – № 4.2. – С. 189-198. DOI: 10.12731/2306-1561-2013-4-39.
2. Горбачев С. В. Нейро-нечеткие методы в интеллектуальных системах обработки и анализа многомерной информации. Томск: ТГУ, 2014. 442 с.
3. Данчук К.А. Автоматизированные информационные системы на автотранспортном предприятии / К.А. Данчук, А.Б. Львова, С.А. Порфирьева, А.В. Остроух, П.С. Якунин // В мире научных открытий. – 2012. – №2.6 (27). – С. 34-38.
4. Евменов В. П. Интеллектуальные системы управления. М.: ЛИБРО-КОМ, 2009. 304 с
5. Ефименко Д.Б. Использование программного обеспечения радионавигационных диспетчерских систем для транспортного обслуживания специальных объектов нефтедобывающих компаний / Д.Б. Ефименко, А.В. Остроух, А.Б. Николаев, А.Р. Исмаилов // Автотранспортное предприятие. – 2012. – №2. – С. 42-44.
6. Иванов В. М. Интеллектуальные системы. Екатеринбург: Изд-во Урал. ун-та, 2015. 92 с.
7. Интеллектуальные информационные системы. Пенза: ПензГТУ, 2012. 94 с.
8. Кораблев Ю. А., Шестопалов М. Ю., Халиков М. И. Интеллектуальные технологии в системах управления и диагностики: учебное пособие. СПб.: СПбГЛТУ, 2012. 112 с.
9. Круглов А.М. Актуализация сведений о данных информационной системы средствами активного словаря-справочника данных / А.М. Круглов, А.В. Будихин, Д.А. Буров, А.В. Остроух // Научный вестник МГТУ ГА. Серия Аэромеханика и прочность. – 2007. – №119 (9). – С. 166-171.
10. Ле К.Х., Суркова Н.Е., Остроух А.В. Генетические алгоритмы в задачах рациональной организации информационно- вычислительных процессов сетей // Автоматизация и управление в технических системах. – 2014. – №4 (12). – С. 82-99. DOI: 10.12731/2306-1561-2014-4-9.
11. Николаев А.Б. Информационные технологии в менеджменте и транспортной логистике: учебное пособие / А.Б. Николаев, А.В. Остроух. – Saint-Louis, MO, USA: Publishing House Science and Innovation Center, 2013. – 254 с. – ISBN 978-0-615-67110-9.
12. Омар М., Омар Ф., Исмоилов М.И., Остроух А.В. Применение систем распознавания образов в различных предметных областях // Автоматизация и управление в технических системах. – 2014. – №4 (12). – С. 32-47. DOI: 10.12731/2306-1561-2014-4-4.
13. Остроух А.В. Интеллектуальные системы / А.В. Остроух. – Красноярск: Научно-инновационный центр, 2015. – 110 с. ISBN 978-5-906314-34-5.
14. Остроух А.В. Основы построения систем искусственного интеллекта для промышленных и строительных предприятий: монография / А.В. Остроух. – М.: ООО «Техполиграфцентр», 2008. – 280 с. – ISBN 978-5-94385-033-2.
15. Остроух А.В. Автоматизация транспортировки продукции / А.В. Остроух, Н.Г. Куфтинова – Saarbrucken, Germany: LAP LAMBERT Academic Publishing, 2011. – 146 p. – ISBN 978-3-8454-1089-0.
16. Павлов С. Н. Системы искусственного интеллекта. В 2-х частях.Томск: Эль Контент, 2011. Ч. 2. 194 c.
17. Пшеничный Д.А. Анализ параметров и сравнение СУБД для реализации информационного обеспечения промышленного предприятия / Д.А. Пшеничный, А.В. Будихин, А.В. Остроух // Промышленные АСУ и контроллеры. – 2010. – №12. – С. 7-11.
18. Помазанов А.В. Методика оптимизации баз данных / А.В. Помазанов, А.И. Белоусова, А.О. Васильева, А.В. Остроух // В мире научных открытий. Серия «Проблемы науки и образования». – 2012. – №12. – С.49-54.
19. Рапопорт Г. Н., Герц А. Г. Биологический и искусственный разум. М.: URSS: ЛЕНАНД, 2015. Ч. 3. 225 с.
20. Санжапов Б. Х., Н. В. Буханцева Н. В. Интеллектуальные информаци-онные системы: от простого к сложному // Интернет-вестник ВолгГАСУ. Сер.: Строит. информатика. 2013. Вып. 9 (26). С. 1-6.
21. Станкевич, Л. А. Интеллектуальные системы и технологии : учебник и практикум для бакалавриата и магистратуры / Л. А. Станкевич. — М. : Издательство Юрайт, 2018. — 397 с. — (Серия : Бакалавр и магистр. Академический курс). — ISBN 978-5-534-02126-4.
22. Суркова Н.Е. Методы проектирования информационных систем / Н.Е. Суркова, А.В. Остроух – М.: РосНОУ, 2004. – 144 с. – ISBN 5-89789-021-8.
23. Терентьев Д.И., Николаев А.Б., Остроух А.В. Исследование дисковых массивов RAID по параметрам надежности и быстродействия // Международный журнал экспериментального образования. – 2015. – № 3-3. – С. 423-427.
24. Усачев Ю. Е. Интеллектуальные информационные системы. Пенза: ПензГТУ, 2014. 80 с.
25. Финн В. К. Искусственный интеллект: методология, применения, фи-лософия = Artificial intelligence: methodology, applications, philosophy / науч. Ред. М. А. Михеенкова. М.: КРАСАНД, 2011. 447 c.
26. Чувиков Д.А., Феоктистов В.П., Остроух А.В. Исследование 3D форматов хранения данных в интеллектуальных системах виртуальной реальности // Международный журнал экспериментального образования. – 2015. – № 3-3. – С. 416-420.