Современные направления в разработке интеллектуальных систем

Современные подходы, связанные с моделированием систем управления на основе знаний можно разбить на три группы:

1) Экспертные системы, предназначенные для решения задач управления в реальном масштабе времени.

2) Интеллектуальное управление, методологическую основу которого составляет теория интеллектуальных машин Дж. Саридиса.

3) Системы экспертного управления – системы экспертного контроля адаптивными и неадаптивными регуляторами с использованием базы знаний

Первая группа. Системы экспертного управления в реальном масштабе времени могут рассматриваться как своего рода распространение области применения традиционных экспертных систем на решение задач управления динамическими объектами в реальном масштабе времени.

Такое моделирование базируется на применении качественных, логических правил по выбору управляющего сигнала в различных ситуациях. Поэтому используемые правили заменяют традиционные алгоритмы управления. Областью применения этого подхода являются задачи управления сложными процессами, для которых не существует соответствующих формальных моделей, либо эти модели не адекватны процессу, описываемому ими. Решение подобных задач ориентируется на представление эмпирических знаний о том, как должен управляться рассматриваемый конкретный объект.

В качестве примера можно рассмотреть систему, которая способна осуществлять диагностирование управляемого объекта на основе использования текущих данных об объекте, поступающих от датчиков. При появлении аномалий эта система дает сигнал оператору для выполнения корректирующих действий, направленных на минимизацию возможного ущерба.

Одной из главных черт экспертного управления систем является применение в подсистеме вывода методологии, называемой прогрессивным рассуждением. Используя этот метод, подсистема вывода разбивает весь процесс рассуждения на несколько различных уровней в соответствии с их сложностью. С вычислительной точки зрения самый верхний уровень является наименее трудоемким; чем ниже расположен данный уровень, тем больше вычислительные затраты и тем более точные результаты достигаются.

Таким образом, процесс принятия решения, протекающий в реальном масштабе времени, подсистема вывода начинает с верхнего уровня. Если позволяет время, последовательно используются более глубокие уровни с целью получения более точного решения. Если же время не позволяет, то подсистемой вывода будет принято решение, полученное на текущем уровне сложности процесса принятия решения.

Вторая группа. Теория интеллектуального управления исследует наиболее общие прикладные задачи управления, такие, как интеллектуальные роботы, автономные устройства, и формулирует их в рамках единого математического подхода. В 1971 г. было введено понятие интеллектуального управления как области, лежащей на пересечении таких научных разделов, как искусственный интеллект и автоматическое управление.

Поскольку системы интеллектуального управления используются для решения задач достижения автономными объектами заданных им целей без какого-либо взаимодействия с человеком-оператором, в такие системы должны быть заложены организующие, планирующие и исполнительные функции.

При этом структурная организация систем интеллектуального управления строится в соответствии с принципом, который является во многом общим для большинства организационных структур и представляет собой повышение точности при понижении интеллектуальности. Этот принцип, устанавливающий иерархию при распределении интеллекта в любой системе интеллектуального управления, во многом схож с принципом неопределенностей Гейзенберга и просто говорит о том, что там, где степень интеллектуальности высока, там не требуется высокой точности и наоборот.

В качестве обобщающего результата такого аналитико-структурного определения Дж. Саридисом предложена система иерархического оптимального управления, состоящая из трех основных уровней интеллектуальности, или точности (рис. 4.3).

Рис. 4.3. Схема иерархического оптимального управления

Эти три уровни включают:

· уровень организации, который определяет области применения системы, с функциями рассуждения, планирования и принятия решений по организации процесса решения задачи. Эти функции в основном базируются на методах искусственного интеллекта;

· уровень согласования, который осуществляет взаимодействие между верхним и нижним уровнями интеллектуализации, с функциями, направленными на согласование работы нижнего уровня. Эти функции в основном базируются на методах искусственного интеллекта и исследования операций;

· уровень исполнения, являющийся нижним уровнем, с высокими требованиями к точности и с функциями, которые в основном базируются на методах теории автоматического управления.

Задачи, решаемые на уровне исполнения, всегда включают выбор подходящего регулятора, удовлетворяющего определенным условиям, которые задаются разработчиком. Поскольку в автономной системе разработчиком является сама интеллектуальная машина, постольку процессу выбора управления придается новый вид, учитывающий различные требования. При этом проблема получения управления может рассматриваться как выбор наилучшего регулятора в смысле удовлетворения условиям поставленной задачи. выбор проводится среди регуляторов, осуществляющих допустимое управление.

Общим элементом всех уровней систем интеллектуального управления является неопределенность, вносимая в различные действия интеллектуальной машины.

3-я группа. Идеально приспособленной для решения задачи экспертного управления следует считать такую систему, которая:

· может надлежащим образом управлять произвольными объектами, являющимися нестационарными, нелинейными, подверженными различным возмущениям;

· требует минимального количества априорных знаний об объекте управления;

· может использовать преимущества, предоставляемые имеющимися априорными знаниями;

· позволяет вводить характеристики контура управления в ка­чественных терминах, например; "как можно быстрее", "малые отклонения от заданной траектории" и т.д.;

· увеличивает количество собственных знаний об объекте и соответственно этому улучшает управление;

· осуществляет диагностику процесса управления и компонент контура управления;

· может функционировать в диалоге с пользователем и полу­чать дополнительную информацию, например, о динамических и статических характеристиках объекта, факторах, определяющих границы применимости управления, и т.д.;

· свободно позволяет модифицировать и расширять знания и эвристические методы управления, лежащие в основе её функционирования.

Выполнение всех этих требований выводит идеальную систему экспертного управления за рамки любых существующих систем.

Метод достижения идеальной цели экспертного управления можно выразить как попытку включить опытного специалиста по управлению в контур управления, предоставив ему возможность использовать любые алгоритмы управления, идентификации, измерения, контроля и создания системы управления. Структурная схема системы управления, основанной на знаниях, представлена на рис. 4.4. В данном случае эти знания включают как теоретические сведения по управлению, так и эвристические знания и имеют как процедуральную, так и декларативную природу.

Рис. 4.4. Функциональная структура системы управления на основе знаний

Экспертное управление осуществляется в двух различных режимах функционирования – обучения и адаптации on-line. Первая фаза режима обучения представляет собой постановку вопросов, когда пользователь может предлагать свои априорные знания об объекте и о характеристиках контура управления. Какая-то часть первоначальных знаний об объекте всегда является доступной.