Гибридные интеллектуальные человеко-машинные вычислительные
системы
и когнитивные процессы
М.Д. Сеченов
Процесс информатизации как в нашей стране, так и за рубежом сопровождается широким распространением информационно- поисковых, советующих, проектирующих и других систем в различных областях человеческой деятельности. Постоянно растущая потребность в автоматизации обработки всё увеличивающихся объёмов информации, развитие вычислительной техники и активизация роли человека как элемента системы обусловливают необходимость развития человеко-машинных вычислительных систем (ЧМВС) с целью повышения их эффективности. Анализ общей тенденции развития показывает, что наиболее перспективным направлением является создание интеллектуальных самоорганизующихся систем. Однако существующие методы и средства проектирования ЧМВС и управления ими не позволяют интегрировать интеллектуальные функции в достаточной мере. В этой связи многообещающим является поиск законов эволюции естественных и искусственных систем. В [1] показано, что радикальным направлением интеллектуализации является концепция на основе парадигмы «эволюционной интеллектуальной технологии», предполагающей комплексное использование методов и средств эволюционного синтеза имитационных моделей и их адаптация в задачах выделенной прикладной области.
Методология развития и совершенствования искусственных систем должна учитывать «опыт» и законы эволюции естественных. Однако, здесь неизбежна и взаимная адаптация. Методология взаимной адаптации помогла выявить многоструктурность процессов принятия решений. Она позволила переходить от внешних, технических, к внутренним, психологическим, факторам сложности интеллектуальной деятельности и отбирать ограниченное число действительно релевантных факторов, отражающих влияние внешних и внутренних условий труда, психологическую структуру и стратегию деятельности, тесно коррелирующих с критериями сложности, эффективности, надёжности, напряжённости деятельности [2].
В этой связи весьма важна разработка практических принципов взаимной адаптации человека с новейшей техникой и условиями труда, создание теории и методов синтеза и применение эффективных компьютеризованных систем адаптивного взаимодействия людей между собой и с ЭВМ по принципу гибридного интеллекта (ГИ).
Термин гибридный интеллект был впервые введён В.Ф. Вендой в 1975 году в докладе на конференции по семантическим вопросам искусственного интеллекта, а основы теории систем гибридного интеллекта изложены в сборнике по инженерной психологии в 1977 году. Теория ГИ систем, включая естественные, искусственные и комбинированные, может быть построена на основе законов, общих для всех видов систем. В качестве таковых В.Ф. Вендой предложен ряд законов взаимной адаптации и трансформации систем. Взаимная адаптация акцентирует внимание на изменениях, которые претерпевают объекты, становясь компонентами системы, на закономерностях этих изменений в ходе становления, развития, существования, трансформации структур системы. Взаимная адаптация человека и ЭВМ направлена на максимальное раскрытие индивидуальных способностей, компенсацию психофизиологических недостатков, учёт интересов лица принимающего решения. Этот процесс также ведёт к наиболее полному использованию возможностей вычислительной техники, заложенных в ней знаний, умений, находок и открытий предшественников.
Принципиальное отличие методологии системы гибридного интеллекта от традиционной методологии инженерной психологии состоит в том, что вместо анализа вариантов и попытки выбрать из них оптимальный проводится синтез разных вариантов решений, объединения скрытых и непосредственных участников решения [3]. По- существу, здесь можно вести речь о наборах популяций и применении к ним генетических алгоритмов.
Система гибридного интеллекта может рассматриваться как этап в переходе от случайной неорганизованной творческой деятельности в решении задач нового класса к автоматизированному решению этих задач в системах искусственного интеллекта. Такая эволюция способов и систем решения задач рассмотрена на примере САПР А.А. Самарским.
Следует отметить что системы гибридного интеллекта (применительно к ЧМВС) рассматриваются как комбинированные системы, интегрально включающие в себя искусственный и естественный интеллекты.
Искусственный интеллект - это интеллектуальная система, реализующая априорные стратегии Sa. Другими словами, искусственный интеллект - это система, для которой соблюдается максимальное значение коэффициента корреляции априорных и реальных стратегий (Sp) решения задач :  . Естественный интеллект может функционировать в интервале -1<= <=1. При естественный интеллект моделирует искусственный интеллект.
Комбинирование естественных и искусственных интеллектов в составе гибридного интеллекта производится следующим образом [3].
Определяются  ,  ,  (или кусочные интервалы) { -  }, { -  } и т.д., где - минимально допустимая эффективность системы; { -  } - интервал задач, решаемых системой.
Выявляются достоверные  и соответствующие им интервалы {- }, в которых соблюдается условие  .
Строятся характеристические кривые всех  как функции эффективности  в зависимости от факторов сложности задач  .
Определяются все интервалы , в которых  .
Выявляются оставшиеся интервалы , в которых  . Для этих интервалов подбираются дополнительные априорные стратегии - программы автоматического решения по типу искусственного интеллекта. Когда все априорные стратегии подобраны, то для этих интервалов подбираются люди и соответствующие им реальные стратегии  , которые могут обеспечить в этих интервалах эффективность  .
Все априорные стратегии и реальные стратегии проверяются на ассоциативность, так чтобы были возможны взаимопереходы между ними, причём трансформационные точки ответственных переходов должны соответствовать достаточно высокой эффективности .
Ответственными считаются такие переходы между стратегиями, которые имеют выходное значение. Например, если в ходе работы системы значение непрерывно изменяется от  , при котором действует и определяет эффективность всей системы стратегия  , до  , при котором действует и определяет эффективность всей системы стратегия  , то переходная эффективность стратегий и должна быть не ниже заданной:  .
Условие 5 можно назвать условием высокопроизводительной трансформации.
Главное следствие закона трансформаций состоит в том, что если система, имеющая определённую структуру, достигла стабильного максимума своей эффективности при данной структуре, то повысить эффективность системы можно, только изменив её структуру ; но переход возможен лишь через любое общее состояние для структур, эффективность системы в котором ниже, чем в максимуме имеющейся структуры. Иначе говоря, при переходе на другую структуру, в том числе и существенно более перспективную по возможному при ней максимуму эффективности, возникает тенденция снижения эффективности на период, необходимый для трансформации старой структуры в новую. Основанная на этом законе трансформационная теория обучения, развития, динамики систем значительно расширяет возможности анализа закономерностей и прогнозирования индивидуального развития и системного прогресса.
Следует отметить, что решение задачи интеллектуализации ЧМВС связано с проведением широкого спектра исследований по влиянию человеческого фактора на процесс функционирования системы, с разработкой методов и средств системной идентификации человека (его кодовой или модельной интерпретации), а также с разработкой методов и средств адаптации процесса функционирования системы на различных уровнях его структуризации с учётом особенностей человека.
На основании вышеизложенного в [1] предлагается концепция интеллектуализации глобальной информационно-вычислительной системы (ГИВС), обеспечивающей : включение в состав системы человека в качестве активного интеллектуального элемента ; возможность интеллектуального взаимодействия человека и системы ; реализацию функций самоорганизации ГИВС в условиях постоянного слежения за динамикой процессов, протекающих в макросистеме и состоянием её элементов.
Дальнейшее развитие эти идеи получили в [4]. Здесь рассматривается необходимость обеспечения устойчивого функционирования системы на основе совершенствования процесса и технологических средств формирования, получения, распознавания, обучения, запоминания и использования знаний. В основе лежит разработка целостного представления процесса накопления знаний в технологии при учёте эволюционного единства её с макросистемой. Это приводит к концепции вложенности всех компонент макросистемы, таких её подсистем, как интегрированные базы знаний (БЗ) различного уровня, с одной стороны, и к вложенности когнитивных процессов (процессов приобретения знаний), обеспечивающих интеграцию, - с другой. Используется следующая схема вложенности систем приобретения знаний : объект познания (макросистема), субъект познания (система), средство отражения объекта в субъекте (технология) и результат познания (БЗ).
На рис. представлена структура системы познания, в которой осуществляется процесс приобретения знаний [4].
Обратные связи продуктивных действий
ИБЗ Zm
Dm Ds Dt ИБЗ Zs
Yt
Макро- Ym Система Ys Технология БЗ
система
М S T Zt
Im Is Is It It
 Обратные связи интеллектуальной интеграции
Рис.1 Структура процесса познания макросистемы
Здесь база знаний Zt (БЗ Zt) на технологическом уровне является подсистемой технологии Т, на системном уровне технология Т и её БЗ Zt составляют интегрированную базу знаний (подсистему) системы S (ИБЗ Zs) и, наконец, на макросистемном уровне система S и ИБЗ Zs составляют интегрированную базу знаний макросистемы М (ИБЗ Zm).
Процессы взаимодействия между компонентами и соответствующие им связи разбиваются на два типа:
– связи, определяющие процесс приобретения знаний, соответственно: прямые и обратные связи взаимодействия макросистемного (Ym, Im), системного (Ys, Is) и технологического (Yt, It) уровней;
– связи, отражающие деятельностное взаимодействие элементов структуры на основе результатов познания, соответственно: связи продуктивного взаимодействия макросистемного Dm, системного Ds и технологического Dt уровней. Связи, определяющие процесс приобретения знаний, назовём интеллектуальными.
Прямые интеллектуальные связи обеспечивают систему нижележащего уровня информацией об изменении проблемной ситуации в системе вышележащего уровня. Обратные же интеллектуальные связи обеспечивают информацией о предыстории познания, которая включает информацию об изменениях в соответствующих базах знаний. Через прямые интеллектуальные связи осуществляется процесс передачи знаний в базу знаний того же уровня: от M через Ym в ИБЗ Zm, от S через Ys в ИБЗ Zs, от T через Yt в БЗ Zt. Этот процесс назовём процессом интеллектуализации.
Прямые (Ym, Ys) и обратные (Is, It) интеллектуальные связи, а также обратные связи продуктивных действий (Dm, Ds, Dt) определяют процессы накопления и суммирования знаний на каждом уровне - процессы макросистемной, системной и технологической интеллектуальной интеграции. Таким образом, макросистемная интеллектуальная интеграция осуществляется при учёте предыстории Im от ИБЗ Zm, предыстории Is от ИБЗ Zs и связи продуктивных действий Dm, что позволяет макросистеме M выдать в качестве результата интеграции новое знание Ym. Системная интеграция осуществляется при учёте предыстории Is от ИБЗ Zs, предыстории It от БЗ Zt и связи продуктивных действий Ds, что приводит к результату интеграции в системе S нового знания Ys, выдаваемого в ИБЗ Zs. Интеллектуальная технологическая интеграция происходит по предыстории от БЗ Zt и под действием связи продуктивных действий Dt, что выражается в результате Yt, выдаваемого в БЗ Zt. Таим образом, процесс интеллектуального взаимодействия смежных уровней определяется как процесс интеллектуальной интеграции.
В каждом контуре протекают свои процессы интеллектуализации и интеграции. В качестве примера приведём основные процессы, выделяемые в технологическом контуре:
P1(It) - процесс самоадаптации технологии T к предыстории It;
P2(Dt) - процесс самокоррекции на основе продуктивных действий относительно параметров, структур, организации технологии T;
P3(It, Dt) - процесс адаптивной самокоррекции технологии T (совместное выполнение процессов P1 и P2).
Можно показать, что объединение процессов P1¸P3 может рассматриваться как процесс самопознания в условиях замкнутости, т.е. использования знаний только внутреннего контура.
Кроме того, технологический контур как элемент системы S испытывает воздействие Ys (в другом временном темпе), что обусловливает следующие процессы:
P4(Ys) - процесс обучения технологии T как элемента системы;
P5(It, Ys) - процесс адаптивного обучения технологии T;
P6(Dt, Ys) - процесс корректирующего обучения технологии T (коррекция параметров и/или структуры на основе обучения);
P7(It, Dt, Ys) - процесс корректирующего адаптивного обучения на основе знания системы с адаптацией технологии T к предыстории It (одновременное выполнение процессов P4-P6).
Таким образом, в технологическом контуре процесс познания включает совместную (интеграция) и раздельную реализацию семи процессов P1-P7, сложным образом взаимодействующих между собой в процессе интеллектуальной интеграции.
В заключение необходимо упомянуть ещё одну монографию [5], где с позиций системной вложенности рассматривается происхождение и развитие интеллектуальных самоорганизующихся (СО) объектов. Проведённый анализ показал, что самоорганизующимися, т.е. творящими природу, а следовательно в той или иной мере интеллектуальными, могут быть только те объекты, которые как минимум способны распознавать, обучаться и запоминать. Автором предлагается рекуррентная теория самоорганизации, использующая ряд ещё не совсем привычных понятий. В работе сформулирован тезис о бесконечной множественности в природе типов и экземпляров СО объектов, позволивший поставить вопрос о единых механизмах генезиса их внутренней структуры, свойств и принципов функционирования. Показано, что главным свойством СО объектов является их способность быть создателем самих себя, сообщества себе подобных и внешних по отношению к ним несамоорганизующихся объектов, т.е. обменных квантов. В процессе обмена этими квантами друг с другом СО объекты и реализуют феномен «создателя».
Список литературы
Букатова И.Л., Макрусев В.В. Интеллектуализация глобальных информационно-вычислительных систем : основы, концепция, проблемы. М.: ИРЭ РАН.- Препринт №7 (595), 1994.- 37 с.
Венда В.Ф. Инженерная психология и синтез систем отображения информации.- М. : Машиностроение, 1982. -400 с.
Венда В.Ф. Системы гибридного интеллекта : Эволюция, психология, информатика. - М. : Машиностроение, 1990. - 448 с.
Букатова И.Л., Макрусев В.В. Когнитивные процессы эволюционирующих систем. М.: ИРЭ РАН.- Препринт №10 (598), 1994. - 32 с.
Клименко А.В. Основы естественного интеллекта. Рекуррентная теория самоорганизации. Версия 3. Ростов н/Д.: Изд-во Рост. ун-та, 1994. - 304 с.
|
