| |||
|
Анализ подходов к ИИ (фрагмент книги 1) ВЗАИМОСВЯЗЬ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ И СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Область исследования интеллектуальных автоматизированных систем взаимосвязана и взаимодействует с областью создания систем искусственного интеллекта, но эти две области все же различны. Под интеллектуальными системами понимают такие автоматизированные системы, которые (с участием человека-оператора) позволяют решать различные сложные, интеллектуальные задачи. Под системами искусственного интеллекта принято понимать автоматические (без участия человека), самостоятельные или самообучающиеся системы, которые также должны решать сложные интеллектуальные задачи. При общем назначении, такие системы различаются по научным подходам, по принципам построения, по методам решения задач и т.д. Сама возможность создания систем искусственного интеллекта (СИИ) до сих пор находится под вопросом, хотя отдельные интеллектуальные системы, относящиеся к классу автоматизированных систем обработки информации, созданы и эксплуатируются достаточно успешно. Для понимания существа проблемы создания эволюционных баз данных и знаний в целях синтеза интеллектуальных систем, прежде всего, необходимо проанализировать достижения и проблемы, которые существуют в этой научной области. Отметим, что проблема "интеллекта", "интеллектуальных систем" взаимосвязана со многими научными областями, но начать наше исследование целесообразно с анализа проблематики искусственного интеллекта. 1. ПРОБЛЕМАТИКА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Наиболее полным, "ярким", "предельным" воплощением автоматизированных интеллектуальных систем являются системы искусственного интеллекта (ИИ). В настоящее время продолжаются споры о том, что такое искусственный интеллект. Прежде всего, отметим, что проблема искусственного интеллекта возникла давно, и во все времена ученые пробовали найти подходы к ее решению. В ИИ отразились и слились проблемы философии, математики, физики и других естественных наук, а также и гуманитарные вопросы. Познание искусственного интеллекта неотделимо от познания самого человека, его сознания и мышления. Исследователи ИИ следуют великому призыву древних: "Познай самого себя". Но они не ограничиваются только этим, а выходят за рамки, границы "человекоподобия" и затрагивают самые древние, самые сокровенные тайны природы. У большинства исследователей, искусственный интеллект ассоциируется с человеческим, естественным интеллектом, который и является главным средством и главным орудием познания мира, т.е. "универсальным инструментом познания". На таком уровне осмысления проблемы ИИ, приходим к необходимости признания тесной взаимосвязи и взаимозависимости познания реального мира и познания ИИ. Познание мира невозможно без познания самого орудия этого познания. Рассматривая искусственный интеллект в более узком смысле, подчеркнем, что эта проблема не может решаться, изучаться какой-либо одной наукой. Проблема ИИ требует комплексного подхода с точек зрения различных наук, причем, все это должно сочетаться, собираться и обобщаться в виде некоторой цельной теории. Главной целью (задачей) этой теории - является изучение такого явления, предмета, объекта, который включал бы в себя и мышление человека, и процессы переработки, генерации информации различными техническими системами. В настоящее время сложно однозначно сказать, что конкретно понимается под предметом изучения ИИ, не совсем ясна, точна и строга даже сама постановка, формулировка проблемы ИИ. Прежде всего, необходимо выяснить, понять, что такое искусственный интеллект, каковы цели и задачи его познания. Возможно, человеку еще многое необходимо изучить и понять, прежде чем он сможет осознать всю сложность, необычность и масштабность проблемы ИИ. На наш взгляд, актуальными для настоящего этапа исследований ИИ являются следующие три основные задачи. 1. Показать всю важность и сложность проблемы ИИ, доказать, что ИИ - это наука (научное направление), но не совсем обычная. 2. Определить предмет теории ИИ, т.е. определить что изучать, исследовать, создавать. 3. Определить метод теории ИИ, т.е. как изучать. Итак, подчеркнем, что проблема ИИ гораздо старше и информатики, и кибернетики [Л. 30, 52, 159-162, 174, 193, 212, 215, 232, 235, 239, 258, 277, 288, 292, 298, 304, 306, 324, 340, 381, 414, 415, 462-465, 472-475, 481-503], которые лишь дали новую, более научную интерпретацию искусственного интеллекта. Некоторые исследователи считают: проблема ИИ настолько необычна и сложна, что мы до сих пор не можем осознать и понять ее в целом, во всем ее многообразии, многогранности. Например, одной из задач ИИ является изучение познавательной деятельности человека, а это невозможно без познания реальности и без изучения самого процесса познания. Искусственный интеллект является, образно выражаясь, с одной стороны, "зеркалом", в котором человек видит и изучает самого себя, а с другой стороны, ИИ также является и "окном в мир", через которое человек познает окружающий его мир. При таком подходе, проблема ИИ открывается нашему взору во всем великолепии своей многообразности, сложности, важности, необходимости и неизбежности. 1.2.2. ОБЗОР ПОНЯТИЙ, КОНЦЕПЦИЙ И ПРЕДСТАВЛЕНИЙ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Прежде чем говорить об уже сложившихся подходах к проблеме искусственного интеллекта, необходимо более подробно обсудить истоки этого понятия, разобрать по отдельности, а затем и в совокупности эти термины: "интеллект", "искусственное" и, наконец, "искусственный интеллект". Прежде всего, целесообразно начать обзор понятий с термина "интеллект". 1.2.3. ИНТЕЛЛЕКТ Понятие "интеллект" впервые возникло в психологии. Психологи считают, что интеллект - это "свойство личности, выражающееся в способности глубоко и точно отражать в сознании предметы и явления объективной действительности в их существенных связях и закономерностях, а также в творческом преобразовании опыта ... (и) ... система ориентировки на существенные отношения решаемой задачи ... . Стадия интеллекта (или "ручное мышление") есть высшая ступень развития психики животных, (а) ... ядро ... собственно интеллекта составляет способность выделить в ситуации ее существенные для действия свойства в их связях и отношениях и привести свое поведение в соответствие с ними" [Л. 153]. Мы видим, что интеллект не отделяется от самого человека. Отметим, что основными свойствами (способностями, возможностями) интеллекта являются: • отражение объективной действительности, • накопление и преобразование опыта, • выделение существенного для отражающей системы, • управление действиями самой системы. Есть и другие определения понятия "интеллект" (разум), которые характеризуют взгляды "не психологов", а представителей кибернетики, математики и т.п. Например, "Интеллект - (это) а) способность понимать или обучаться на опыте; способность приобретать и сохранять знания ... ; б) способность быстро и правильно реагировать на новую ситуацию ... ; в) в психологии - мера успешности в использовании названных способностей при выполнении конкретной задачи" [Л. 304, с. 222]. В свое время, М. Минский сказал так: "..."интеллект" означает едва ли больше, чем комплекс активности, который мы уважаем, но не понимаем" [Л. 193, с. 453]. В толковом словаре по информатике сказано: "интеллект - ум, рассудок, разум; мыслительные способности человека. Отдельные интеллектуальные способности человека могут быть автоматизированы путем создания систем искусственного интеллекта" [Л. 226, с. 126]. На основе анализа существующих определений и результатов научных исследований Донецкого Института проблем искусственного интеллекта было предложено и обосновано расширенное определение этого термина: "интеллект - алгоритм действия биологической системы, находящейся в сознательном состоянии, способной самостоятельно вести общение с окружающим миром, обобщать опыт, осуществлять постановку и решение задач в соответствии с выбранной целью" [Л. 47, с. 316]. Или еще более кратко: "интеллект - алгоритм решения задач, сформированных сознанием" [Л. 47, с. 318]. При этом, термин интеллект определяется через другое, более сложное понятие "сознание", что в общем случае не совсем корректно и информативно (так как один сложный термин определяется через другой, еще более сложный). Кроме того, есть и научно-популярные толкования этого термина. Например, А. и Б. Стругацкие считают, что: • разум есть такое свойство человека, которое отличает его деятельность от деятельности животных; • разум есть способность живого существа совершать нецелесообразные или неестественные поступки (из горестных наблюдений); • разум есть сложный инстинкт, не успевший еще сформироваться ...; • разум есть способность использовать силы окружающего мира без разрушения этого мира ... [Л. 31, с. 35]. Таким образом, в данной работе, под понятием "интеллект" будем понимать такую систему (комплекс, объект), которая способна отражать объективную действительность, преобразовывать накопленный опыт, выделять существенное для себя и управлять своими действиями. 1.2.4. ИСКУССТВЕННОЕ И ЕСТЕСТВЕННОЕ Прежде всего, обратим внимание на слова Гете: "И неестественное тоже природа. Кто не видит ее во всем, тот не видит ее как должно" [Л. 31, стр. 36]. Термин "искусственное" можно охарактеризовать тремя положениями Г. Саймона [Л. 258, с. 14]: 1) "искусственные объекты конструируются (хотя и не всегда преднамеренно) человеком, 2) искусственные объекты можно охарактеризовать их функциями, целями и степенью приспособления к требованиям среды, 3) искусственные объекты часто, особенно при их проектировании рассматриваются не только в описательных терминах, но и с точки зрения категории долженствования ...". Поясним эти положения. Искусственные объекты создаются для чего-либо и что-то должны выполнять, делать, либо что-то замещать по замыслу их создателя, конструктора. Приведем пример. Когда человек поднимает с земли палку, чтобы сбить, сорвать банан, то эта палка является естественным объектом. Но, как только, человек соединяет вместе естественные объекты: палку и камень, чтобы такая палка с наконечником пронзала животных, так сразу же получается искусственный объект, предназначенный для охоты. Теперь это уже не палка с камнем, т.е. два естественных объекта, а один искусственный объект: копье! Попробуйте сказать, что палка или камень должны что-то делать. Они ничего не должны, а вот копье должно "летать и пронзать цель". Иначе копье и не было бы копьем. 1.2.5. ПОНЯТИЕ "ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ" В настоящее время известны различные, порой даже противоречивые, толкования понятия: "искусственный интеллект". Приведем некоторые из них. Итак, искусственный интеллект - это "..."создание" таких программ для вычислительных машин, поведение которых мы бы назвали "разумным", если бы обнаружили его у людей" [Л. 298, с. 25]. ИИ - это " ... по существу инженерная дисциплина. Мы хотим строить разумные системы (,) ... эвристический поиск ... представляет главную компоненту техники искусственного интеллекта" [Л. 215, с. 10]. "Искусственный интеллект будет реализован лишь тогда, когда неодушевленная машина сможет решить задачи, которые до сих пор не удавалось решить человеку, - не вследствие большей скорости и точности машины, а в результате ее способности найти новые методы для решения имеющейся задачи" [Л. 306, с. 28]. Мнение У. Р. Эшби таково: "Сегодня создание системы, подобной мозгу, с определенными интеллектуальными способностями в принципе также доступно, как создание паровой машины с заданной мощностью" [Л. 277, с. 155]. Есть и другие мнения: область ИИ - это "область исследований, в которой цифровые вычислительные машины используются для моделирования разумного поведения..." [Л. 92, с. 19]. "Трудности в разработке проблем "искусственного интеллекта" отражают не столько недостаточное развитие нашей технологии, сколько, пожалуй, указывают на принципиальные границы ее возможностей" [Л. 92, с. 192]. Академик А. Н. Колмогоров отмечает, что "моделирование способа организации материальной системы не может заключаться ни в чем ином, как в создании из других материальных элементов новой системы, обладающей в существенных чертах той же организацией, как и система моделируемая. Поэтому достаточно полная модель живого существа по справедливости должна называться живым существом, модель мыслящего существа - мыслящим существом" [Л. 217, с. 52]. Теперь приведем более общие "философские" определения и прогнозы: "... бурное развитие кибернетики в гармоническом сочетании с развитием молекулярной биологии и наук о высшей нервной деятельности в конечном итоге позволит создать искусственные разумные существа, принципиально не отличающиеся от естественных, но значительно более совершенные, чем они, и способные к дальнейшему самоусовершенствованию" [Л. 329, с. 318]. "Выполнение машиной сложных логических операций не есть ... мышление в строгом смысле ... . Живой мозг решает задачи совсем по иному. Он работает по направляющему плану, ведущему мысль к определенной, ясно осознаваемой цели. Машина же реализует не свои, а человеческие цели. Решая задачи по определенным формальным правилам, она, конечно, не понимает сути самой задачи и последствий своих действий. Разумеется, человек тоже "программируется" жизнью, обществом. Но он сознательно пользуется этой программой" [Л. 267, с. 55]. Г. С. Поспелов писал, что " под "искусственным интеллектом" понимается наука о том, как заставить машину делать то, что умеет делать умный человек" [Л. 31, с.3]. Интересный подход к определению ИИ приведен в книге В.И. Васильева и А.И. Шевченко - ученых Донецкого Института проблем искусственного интеллекта, где прежде определяется термин "искусственное сознание" - как "высшая управляющая система машины, владеющая определенными знаниями о себе и своем окружении, способная получать информацию и формировать новые знания в соответствии с поставленными ее создателем целями и задачами" [Л. 47, с. 331]. Затем, на основе этого определения формулируется оригинальное "простое для понимания определение термина "искусственный интеллект" ... - алгоритм решения задач, сформированный искусственным сознанием" [Л. 47, с. 331]. Впрочем, такое определение представляется не совсем корректным и информативным, так как один сложный термин определяется через другой, еще более сложный, да еще к тому взятый из другой области науки. Продолжение анализа ИИ Кроме того, существуют определения, которые, по сути, также относятся к исследуемой области. Например, "интеллектуальная система представляет собой объединение комплекса средств познавательной деятельности с функциональным коллективом специалистов, которые используют их при постановке и решении познавательных задач" [Л. 160, с. 3-4]. При этом, такой комплекс может включать методы, семиотические системы, ЭВМ и другие технические средства, информацию и организационные структуры. Люди-специалисты обладают также вполне конкретными возможностями, которые определяются их профессиональной подготовкой, опытом предшествующей работы, особенностями психического склада и т.п. Каждая интеллектуальная система, при условии возможностей варьирования всех выше перечисленных свойств, обладает своими специфическими особенностями, а ее организация и обеспечение функционирования требуют соответствующих знаний и методики. Многие авторы подчеркивают необходимость решения проблемы искусственного интеллекта, например: "... под тем, что называют искусственным интеллектом, кроется общая проблема резкого упрощения общения человека с вычислительными системами на пути развития "семантических формализмов"... . Решение задач такого масштаба - задач, с которыми человечество сталкивается все более непосредственно и остро, - непосильно для ничем не вооруженного человеческого интеллекта" [Л. 31, с. 65]. Из всего выше сказанного, с учетом мнения изложенного в работе Б. В. Бирюкова и И. Б. Гутчина [Л. 31, с. 38] можно сделать три основных вывода. 1. Термин "искусственный интеллект" употребляется в двух различных смыслах. Во-первых, под этим термином понимают определенное научное направление, а во-вторых, этот термин используется как название для систем и объектов, на разработку которых и нацелены проводимые исследования. 2. Среди ученых существуют разногласия относительно возможностей, как принципиальных, так и реальных - исследовательского направления "искусственный интеллект". 3. Для обсуждения проблемы искусственного интеллекта характерен функциональный подход, т.е. машина признается "интеллектуальной" - в том или ином смысле, если в рассматриваемой сфере интеллектуальной деятельности она будет выдавать результаты аналогичные тем, какие выдают люди, а желательно, даже далеко превосходящие их результаты. Приведем еще одно, очень важное на наш взгляд, высказывание биофизика А. Сент-Дьерди: "Мозг есть не орган мышления, а орган выживания, как клыки или когти. Он устроен таким образом, чтобы заставить нас воспринимать как истину то, что является только преимуществом, и тот, кто логически доводит мысли до конца, совершенно не заботясь о последствиях, должен обладать исключительной, почти патологической конструкцией. Из таких людей выходят мученики, апостолы или ученые, и большинство из них кончает жизнь на костре или же на стуле - электрическом или академическом" [Л. 239, с. 416]. Таковы основные существующие взгляды и подходы к пониманию содержания термина - "искусственный интеллект". Существуют различные подходы к исследованию проблемы искусственного интеллекта, к исследованию которых мы и переходим в следующем разделе. 1.3. ОСНОВНЫЕ ПОДХОДЫ К ПРОБЛЕМЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Проведенный нами анализ показал, что в настоящее время выражение "искусственный интеллект" используется в двояком смысле: • как техническая или кибернетическая модель естественного интеллекта, • как научное направление, лежащее на стыке разнообразных научных дисциплин. Таким образом, аналогично, целесообразно выделить два основных подхода к проблеме искусственного интеллекта. На основании этих двух подходов принято выделять два направления исследований в этой научной области: 1) прикладное направление развития области искусственного интеллекта, 2) фундаментальное направление развития области искусственного интеллекта. Рассмотрим эти направления развития области искусственного интеллекта более подробно. 1.3.1. ПРИКЛАДНОЕ НАПРАВЛЕНИЕ РАЗВИТИЯ ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Рассмотрим первый подход. В предисловии к работе [Л. 340] Д. А. Поспелов пишет: "С самого начала работ по созданию интеллектуальных систем возникло два вопроса: какова глобальная цель подобных исследований и какова их глобальная стратегия?" [Л. 340, с. 6]. На первый вопрос Д. А. Поспелов отвечает так: "Несмотря на то, что призыв "Познай самого себя" актуален для человечества с тех давних времен, когда только зародилось его самосознание, на современном этапе его нельзя рассматривать как основную - и тем более единственно возможную цель. С практической точки зрения более важной представляется другая цель: создание искусственных систем, способных выполнять не хуже (а, возможно, и лучше) человека ту работу, которую люди традиционно относят к сфере интеллектуального труда" [Л. 340, с. 6]. При ответе на второй вопрос Д. А. Поспелов занимает компромиссную позицию, сочетающую воедино такие крайние точки зрения, как: 1) многие важные задачи могут быть решены путем "копирования" опыта природы; 2) ряд функций интеллекта, связанных с символьными преобразованиями, эффективнее и легче реализовывать "нечеловеческими" способами. При таком подходе, основные исследования, которые ведутся в области искусственного интеллекта, можно свести к следующим 4 направлениям [Л. 340, с. 10]. 1) Представление знаний и работа с ними, т.е. создание специализированных моделей и языков для представления знаний в ЭВМ, а также программных и аппаратных средств для их преобразования; исследования по созданию специальных логик, позволяющих пополнять и обобщать знания, хранимые в машине. 2) Планирование целесообразного поведения, т.е. исследования по созданию методов формирования целей и решения задач планирования действий автоматического устройства, функционирующего в сложной внешней среде. 3) Общение человека с ЭВМ, т.е. задачи создания языковых средств, позволяющих эффективно взаимодействовать с ЭВМ непрограммирующему пользователю, а также исследования в области синтаксиса и семантики естественных языков, способов хранения знаний о языке в памяти машины и построения специальных процессоров, осуществляющих перевод текстовой информации во внутреннее машинное представление. 4) Распознавание образов и обучение, т.е. исследования по восприятию зрительной, слуховой и других видов информации, методам ее обработки, формированию ответных реакций на воздействия внешней среды и способам адаптации искусственных систем к среде путем обучения. Считается, что такой подход непосредственно связан с техникой, с существующими и перспективными ЭВМ, а также с программированием. Поэтому, такой подход можно назвать (определить) "прикладным подходом в области ИИ". При таком подходе под системами искусственного интеллекта (или под искусственным интеллектом) понимают системы, выполняющие функции, которые принято считать интеллектуальными. Таким образом, основоположники прикладного подхода и их последователи сразу же сужают область ИИ, сводя ее лишь к прикладным, чисто практическим целям. Это тоже важно, но путем создания таких искусственных систем вряд ли можно создать нечто "мыслящее", разумное. Ибо, при таком подходе изучаются лишь отдельные функции и способности мозга, следовательно, происходит упрощение задачи. Конечно же, одну из функций моделировать и исследовать проще, но нельзя забывать о том, что мозг - это динамическая саморегулирующаяся система, в которой все функции взаимосвязаны и взаимозависимы. Изучая только отдельные функции мозга - как системы мышления, без учета их взаимозависимости и взаимосвязанности, мы уже не исследуем, не изучаем саму систему, которая нас интересует. Получается, что, не рассматривая, не изучая мышления как целостную, единую систему мы намереваемся создать искусственные системы, которые выполняли бы некоторые отдельные функции мышления. Но, может быть, даже отдельные функции мышления являются свойством всей системы мышления в целом. Следовательно, необходимо изучать, исследовать, познавать процесс мышления в целом, как единую динамическую саморегулирующуюся систему. Можно сделать такой вывод: следуя только по прикладному направлению в области ИИ, в принципе, невозможно будет создать такую искусственную систему, которая выполняла бы не хуже человека всю ту работу, которую люди относят к сфере интеллектуального труда. Попробуем определить свойством какой системы является интеллект. Предположим, что это свойство любого человеческого мозга. Тогда можно провести следующий мысленный эксперимент. Берем некий человеческий мозг и изолируем его от всех внешних воздействий, кроме жизнеобеспечивающих, питающих мозг. Для такого эксперимента можно взять известную "голову профессора Доуэла" и накрыть ее звуконепроницаемым, черным ящиком. Итак, если в мозг не будут поступать сигналы от органов чувств, то в мозг перестанет поступать информация, и интеллекту нечего будет перерабатывать и обдумывать. В таком случае, интеллект не сможет развиваться, а, скорее всего, он просто "засохнет", испортится, "сойдет с ума". Таким образом, без органов чувств, без поступления новой информации мышление не может развиваться (даже, не сможет появиться), а вероятнее всего, мышление просто не может существовать без этого. Следовательно, система "обладающая" интеллектом должна содержать помимо "мозга" еще и подсистему органов чувств, т.е. подсистему приема информации. По нашему глубокому убеждению, интеллект - это свойство, как минимум, всего человека, а не только человеческого мозга. Рассмотрим другой, "литературный" опыт, например, жизнь человека на необитаемом острове, т.е. случай с Робинзоном Крузо. Интеллектом Робинзон обладал, но почему и откуда появилось у него это свойство? Интеллект - это свойство личности, отдельного человека? Робинзон был на острове единственным разумным существом и у него не было ни какой связи с другими людьми. Но от этого он не утратил свой "интеллект", ведь до этого Робинзон жил среди людей и общался с ними, получил определенные знания и навыки. Общение с людьми как с носителями "интеллекта" послужило причиной интеллектуальности Робинзона. Следовательно, кроме того, что некоторая система должна быть способной к интеллектуальной деятельности, эта система должна еще пройти курс обучения "интеллектуальности", т.е. научиться мыслить и рассуждать, а, кроме того, она еще должна накопить внутри себя, "в себе", некоторый определенный запас знаний. В подтверждение правильности наших рассуждений, приведем пример, когда человек сразу после своего рождения остается один, без общения с другими людьми. Например, это случай с Маугли. Известно достаточно много случаев таких природных, трагических "опытов" над человеческими детьми. Такие дети, если они пробыли в лесу достаточно долгий срок, уже не могли быть нормальными людьми в полном смысле этого слова. Такие "маугли" уже никогда не способны научиться говорить, писать, мыслить. Можем сделать такой вывод, что конкретный человек - это лишь определенный материальный носитель интеллекта, который, в свою очередь, является свойством общественного явления - мышления или, даже, сознания. Остается процитировать известную поговорку: "Для того, чтобы быть Человеком мало родиться человеком, надо еще и стать Человеком". Подведем некоторые итоги. Исходя из смысла установившейся терминологии, получается, что если мы собираемся создать искусственный интеллект, то мы будем стремиться создать такую систему, которая имела бы равные возможности с естественным интеллектом. Получается борьба за чистоту терминологии и корректное применение слов. Это направление занимается созданием систем, которые моделируют, заменяют, усиливают лишь какую-то одну или несколько конкретных функций интеллекта и не более того, т.е. не занимается моделированием системы мышления, интеллекта в целом. Как может такое научное направление называться искусственным интеллектом? Ведь у этого направления даже и цели изучения интеллекта, в целом, нет. Поэтому, предлагается это научное направление называть - "прикладное направление в области искусственного интеллекта". В заключении отметим, что можно сделать вывод о необходимых условиях возникновения и существования интеллектуальных систем. Перечислим данные условия. 1. Непрерывное движение, внутреннее изменение системы. 2. Постоянное отражение, связь, взаимодействие с внешним миром. 3. Активность системы, т.е. наличие у нее собственной внутренней модели, (самосознания, самоотношения), существование и действие комплекса целей. 4. Закрепление опыта, накопление и обработка информации. 5. Необходимый уровень сложности самой системы, т.е. система должна быть "физически" способна к интеллектуальной деятельности. 6. Наличие некоторого количества таких систем, образование некоторой популяции систем. 7. Наличие взаимодействия, взаимопомощи с подобными себе системами внутри определенной популяции. 8. "Размножение", порождение новых подобных себе систем, отличающихся от уже существующих и "умирание", исчезновение старых и не приспособленных систем. 9. Благоприятные, удовлетворительные условия окружающей среды, существование необходимых ресурсов для реализации системами своих целей. Прежде всего, надо создать, разработать такую систему, которая была бы способна к интеллектуальной деятельности, а уж затем из такой "заготовки", путем обучения и самообучения, создавать систему искусственного интеллекта. Рассмотрим другое направление в области развития ИИ. Завершение анализа ИИ 1.3.2. ФУНДАМЕНТАЛЬНОЕ НАПРАВЛЕНИЕ РАЗВИТИЯ ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Одним из сторонников этого, более общего, "философского", подхода является С. М. Шалютин [Л. 324]. Данный подход можно назвать "фундаментальным", а в дальнейшем этот термин мы будем использовать без кавычек, так как он вполне выражает сущность этого научного направления. В своей работе [Л. 324, с. 6] С. М. Шалютин подчеркивает, что глубокая связь гносеологии и проблемы искусственного интеллекта имеет и такой важный аспект, как включение технических систем в познавательный процесс. Это означает, что человек как субъект познавательного процесса использует создаваемые им специальные орудия познавательной деятельности. Диалектико-материалистическая теория познания не ограничивается констатацией абстрактной возможности познания мира. Она выявляет реальные возможности и границы познания в каждую эпоху. Познание человека ограничивается психофизиологическими особенностями его организма и, здесь, ему на помощь приходит кибернетическая, информационно-вычислительная техника. Анализ области ИИ показал, что требуется уточнение проблематики данной области и вычленение ее из совокупности вопросов, относящихся к сфере воспроизведения мышления и его функций. В этой области можно выделить три основных направления, тесно связанных между собой, но вместе с тем и существенно различающихся: 1) проблема искусственного интеллекта; 2) кибернетическое моделирование мыслительных процессов; 3) общетеоретические исследования. Проанализируем содержание этих направлений [Л. 324, с. 6 - 11]. 1. Проблема искусственного интеллекта. Исследователи, конструирующие ИИ, с самого начала ставят своей целью создание технических систем, осуществляющих функции, которые обычно выполняет человек, естественный интеллект. Конструкторы таких систем ориентируются на получение определенного результата: решение машинами некоторого класса задач, которые до сих пор решал человек. При этом не имеет существенного значения, подобны ли процессы, происходящие в машине, процессам, происходящим в нервной системе человека. Таким образом, конечная цель заключается в том, чтобы получить определенный результат, аналогичный тому, который получает человек в результате размышлений. В действительности, перед системой ИИ ставится цель: решение задач высокого уровня сложности, а не только получение каких-либо результатов. Определение 1.3.1. В этом смысле, понятие ИИ может быть определено, как свойство технических систем решать задачи, которые и для естественного интеллекта сохраняют элементы творчества, т.е. такие задачи, которые не могут быть решены простым применением последовательности стандартных правил. "Искусственный интеллект не есть нечто, существующее независимо от естественного интеллекта. Он является техническим, инструментальным продолжением последнего, усилителем интеллектуальных способностей человека" [Л. 324, с. 9]. Благодаря ИИ человек становится способным моделировать сложные системы, познавать их, управлять ими и, таким образом, преодолевать психофизиологическую ограниченность своей нервной системы. Особо подчеркнем, что высшие функции целепологания и формирования субъективных образов остаются только за человеком и его интеллектом. Тем более, что от систем ИИ не требуется сходства с естественным интеллектом, с точки зрения процессов его функционирования. 2. Моделирование процессов мышления. При моделировании процессов мышления сущность проблемы иная. Важен не результат сам по себе, а процесс, который приводил бы к результату. Моделирование мышления представляет собой применение метода моделей к познанию определенного объекта: мышления. В рассматриваемой области ученые пытаются упростить сложнейшую задачу познания мышления путем применения различных моделей. Развитие ЭВМ создает предпосылки для технического моделирования мыслительных процессов. Таким образом, постановка проблем и задач при моделировании мышления по сравнению с конструированием ИИ существенно различна. Возможно, что те или иные задачи, связанные с созданием искусственного интеллекта, могут быть решены только при условии воспроизведения в нем определенных черт познавательного процесса. Гипотеза С. М. Шалютина в том и заключается, что ряд выявленных гносеологией исторически сложившихся орудий познавательной деятельности (язык, категории и т.п.) обязательны для всякой системы, которая была бы способна выполнить весь объем интеллектуальных функций, осуществляемых человеком. Чем в большей степени эти орудия будут воплощены в системах искусственного интеллекта, тем более "разумными", "интеллектуальными" будут эти системы. 3. Общетеоретическое направление области искусственного интеллекта. Для этого направления актуальным является вопрос: "может ли машина мыслить?". Сущность этого направления состоит в следующем. Если бы модель была тождественна оригиналу, то ее исследование не давало бы познавательного выигрыша. Тем не менее, очень важен вопрос о возможности создания модели, столь адекватной оригиналу, что различие между нею и классом объектов, составляющих оригинал, по основным, конституирующим характеристикам, было бы не большим, чем различие внутри этого класса. Ответ на поставленный вопрос требует анализа мышления как целостной системы и сопоставления с ним созданных моделей. Итак, сделаем вывод о том, что задача создания мыслящей машины не совпадает с задачей моделирования мышления. Другими словами, сущностью этого направления является теоретическое, фундаментальное изучение и познание мышления, с точки зрения кибернетики, математики и информатики. Результатом развития этого направления, по всей видимости, будет создание абстрактной теории мышления, с точки зрения процессов генерации и обработки знаний, информации. Дальнейшее исследование области развития интеллектуальных систем целесообразно провести после изложения полученных нами новых научных результатов по созданию эволюционных баз данных и знаний, т.е. в последнем разделе этой работы. СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ТЕОРИЯ АКТИВНОГО ОТРАЖЕНИЯ (часть 1) 8.7. СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ТЕОРИЯ АКТИВНОГО ОТРАЖЕНИЯ 8.7.1 ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ - КАК НАУЧНОЕ НАПРАВЛЕНИЕ Определить искусственный интеллект как научное направление - это значит, прежде всего, определить предмет и метод искусственного интеллекта. Уточним, что такое предмет науки. "Предмет познания - зафиксированные в опыте и включенные в процесс практической деятельности человека стороны, свойства и отношения объектов, исследуемые с определенной целью в данных условиях и обстоятельствах" [Л. 303, с. 379]. Проанализируем это понятие. Прежде чем что-то познавать, изучать, исследовать, необходимо выяснить, показать, доказать, что это "нечто" действительно есть, существует, т.е., что мы можем каким-либо образом "пощупать его руками" непосредственно или достоверно убедиться, отразить его существование посредством либо наших ощущений, либо специальных приспособлений, устройств, приборов. Итак, это самое "нечто" мы обнаружили, следовательно "оно" должно быть чувственно - отражаемой, ощущаемой объективной реальностью. В этом выражается объективная сторона понятия "предмет познания". Все свои ощущения субъект постепенно анализирует, обобщает и выделяет в них основное, повторяющееся, главное, а различные случайности и помехи отбрасываются. В результате этого, у познающего создается некое представление об изучаемом "нечто", хотя оно еще довольно смутно и не совсем понятно. Познающий старается уяснить и точно определить, что же это самое "нечто" собой представляет. Этот процесс опирается уже на все ранее известное, познанное, на знания познающего субъекта. Субъект пробует, пытается выразить в терминах естественного языка, знаками описать то, что он ощутил, понял, узнал. Он старается определить, как можно точнее, свое полученное представление. В результате, у познающего субъекта получается языковое выражение, символьное представление изучаемого "нечто". В это формальное, символьное выражение он вкладывает (или "навешивает на ...", соотносит с ...) вполне определенное содержание, отвечающее и соотносящееся со всеми его знаниями. Поскольку это выражение зависит от представлений субъекта, его знаний и от его способности ощущать, воспринимать, отражать реальность, постольку это представление вносит свое субъективное влияние. Следовательно, выражение - представление - понятие об изучаемом "нечто" является единством объективного и субъективного, при доминирующей роли объективного. Оно объективно потому, что отражает объективную реальность, но оно и субъективно, так как эту самую отражаемую реальность субъект воспринимает через свое представление, основываясь и исходя из всего ранее познанного им и из своих отражательных способностей. Приведем пример. Древние ученые изучали мир. Предметом их исследований была окружающая среда. Возникает вопрос: являлись ли такие явления, как электричество, ядерные реакции и т.п. предметом их изучения? Все эти явления существовали и тогда. Ответ будет таким: эти явления не являлись предметом познания, так как древние ученые только могли догадываться, подозревать об их существовании. Следовательно, предмет познания зависит и от возможностей познающего субъекта. Остается добавить, что познающий субъект изучает "нечто" с какой то целью, которая, может быть, даже и не совсем ясна и понятна ему самому. Но цель у него обязательно есть! Итак, обобщим все вышеизложенное в данном пункте. Предмет изучения - это чувственно отражаемые стороны, части, свойства и отношения объектов, изучаемые с определенной целью, обобщенно выделенные в знаковом представлении, которое постоянно наполняется содержанием, соответствующим развивающемуся знанию как о непосредственно изучаемом, так и обо всей объективной реальности в целом. Предмета изучения не существует вне процесса познания. Предмета изучения нет и без познающего субъекта. Предмет отражает представление познающего, а его содержание постоянно обновляется, дополняется, хотя форма выражения, конкретное символьное представление такой формы может быть неизменным. Итак, предмет познания объективен, как часть объективной реальности, но он и субъективен, поскольку эта объективная часть должна быть еще и выделена познающим субъектом. Следовательно, предмет познания существует лишь в единстве познающего и познаваемого. Символьное выражение, представление познаваемого предмета должно быть кратким и отражать самую суть. 8.7.2. ПРЕДМЕТ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Рассматривая различные "интеллектуальные" процессы такие, как мышление человека, его психическая деятельность, а также процессы генерации знаний, переработки информации не "человекоподобными" методами, приходим к выводу о том, что все эти процессы являются процессами отражения окружающей действительности. Но, у любого материального объекта есть свойство отражения. Под отражением мы понимаем некую реакцию на взаимодействие с другими объектами. Главным, принципиальным отличием "интеллектуального" отражения является то, что "интеллектуальный" объект активно реагирует, перерабатывает, отражает воздействие других объектов. Такие процессы "интеллектуального отражения действительности" будем, в дальнейшем, называть процессами активного отражения. Введя понятие "активного отражения", мы можем рассматривать "интеллектуальные" процессы без учета человекоподобия, антропоморфности известных нам интеллектуальных систем, т.е. человеческого мышления. Таким образом, пока нам известны, только системы естественного интеллекта, но исходя из предположения о том, что могут существовать и другие интеллектуальные (в том числе и искусственные) системы, мы вводим понятие "активного отражения". Под интеллектуальными системами будем понимать такие системы, у которых есть способность к активному отражению. Отметим сразу, что, как существуют различные стадии, ступени, степени естественного интеллекта, так, по всей видимости, должны существовать и степени активности отражательной способности различных систем. Подробнее опишем, что мы понимаем под активным отражением. Система, способная к активному отражению действительности, самостоятельно формирует некий комплекс целей, самостоятельно выбирает объект изучения и целенаправленно отражает, познает, изучает его посредством своих органов чувств, датчиков информации. Важно отметить, что при активном отражении у субъекта появляется цель. Причем, цель может быть порождена внутри этого субъекта, например, в случае мышления человека или поведения животных. Также, цель может быть заложена в отражающую систему внешним субъектом, например, при обработке информации в ЭВМ, программа для которой написана человеком. Возникает проблема того, что различные системы обладают и различной степенью активности. Например, всякая интеллектуальная система - активна, но далеко не каждую активную систему можно считать интеллектуальной, в прямом смысле этого слова. В дальнейшем, можно ввести некоторую единицу измерения степени активности различных систем, что-то, образно выражаясь, наподобие коэффициента интеллектуальности. Данный вопрос еще не достаточно проработан и требует дальнейшего изучения. Кратко поясним, что мы понимаем под "активностью". В работе Ю. В. Орфеева и В. С. Тюхтина [Л. 222] написано о том, что активность как состояние некоторой системы - это состояние нужды, потребности в тех или иных полезных агентах среды или же в реакциях, спасающих от внешней угрозы, отрицательного воздействия". Суть ориентировочной активности в устремленности субъекта во вне, в мир вещей и процессов, откуда могут исходить как полезные агенты, удовлетворяющие ту или иную потребность, так и вредные, угрожающие ... . Состояние ориентировочной активности представляет собой основу, ключ к пониманию мыслительной, интеллектуальной деятельности, психического поведения животных и человека" [Л. 222, с. 45 - 50]. При активном отражении порождаются те существенные явления, феномены, присущие процессам мышления и творчества, которые не формализуются, не моделируются на уровне информационно-логических программ. Как сказано в работе [Л. 222], состояние органических и ориентировочных потребностей есть высшее выражение целостности организма в его активном отношении к внешней среде. Потребности порождают цели и задачи, которые субъект решает, и благодаря этому его поведение носит целенаправленный и целесообразный характер. Современные машины, не имеющие потребностей, не могут самостоятельно вырабатывать цели, ставить новые задачи. Цели и критерии поведения вкладываются в них человеком из вне, в виде программ, следовательно, они не обладают активностью. Итак, понятие "процесс активного отражения" вводится как более широкое, более емкое понятие, чем "интеллектуальные процессы" или "мышление" и, в то же время, оно содержит основное, главное, что характеризует эти процессы, причем без всякого влияния антропоморфизма понятий "интеллект" и "мышление". Теперь мы можем сделать вывод о том, что предметом искусственного интеллекта как научного направления - являются процессы активного отражения. 8.7.3. МЕТОД ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Прежде всего, метод (греч. methodos - буквально "путь к чему-либо") - это "в самом общем значении - способ достижения цели ... Метод как средство познания есть способ воспроизведения в мышлении изучаемого предмета" [Л. 303, с. 278]. Таким образом, имея перед собой предмет познания, мы задаемся целью изучить его, понять, что он собой представляет. Для этого нам необходимо определить, выбрать путь к цели, а также способ и средства преодоления этого пути. Познание, изучение, понимание предмета - это процесс описания и объяснения, хотя бы даже и себе самому, этого предмета, т.е. воспроизведение в мышлении познаваемого предмета. Следовательно, под методом понимается как способ, так и сам процесс достижения цели. Таким образом, метод представляет собой единство способа, средств и процесса достижения цели. Учитывая это, предлагается следующее определение. Метод - это способ организации деятельности для достижения цели научного объяснения предмета исследования, посредством воспроизведения этого предмета в мышлении, в виде определенным образом организованного, символьного, знакового описания. Рассматривая ИИ - как научное направление, приходим к выводу, что основным методом является моделирование, причем в самых различных формах, от формализованного знакового моделирования до построения и создания различных физических, кибернетических, биологических и т.д. моделей. Важную роль играет и системно-структурный подход, как общенаучный методологический принцип. По нашему мнению, основным методом теории искусственного интеллекта является формализованное знаковое моделирование, которое имеет следующие два аспекта: 1) формализация; 2) знаковое представление модели. Модель, в данном случае, рассматривается как отражение, обобщение субъектом предмета познания, т.е. мышления или процессов активного отражения. При этом, мышление определяется, представляется логикой, по крайней мере, в области осознанного мышления, т.е. сознания. Рассмотрение мышления, как предмета теории ИИ, предполагает две стороны. С одной стороны, это определенная логическая система - система знаний или, просто, знания, т.е. логические формы и отношения между ними. С другой стороны, нельзя забывать и о процессе движения, изменения логической системы, что приводит к изменению системы знаний, в том числе и к генерации, порождению новых знаний. Формализация предполагает построение некоторой формально-логической системы, которую в свою очередь, можно определить как формальную систему знаний. Знаковое представление необходимо для материализации, фиксации, определенности полученной системы знаний (данный пункт основан на различных работах и выступлениях В. Г. Атрощенко). Не исключено, что в области ИИ будут применяться и другие научные методы исследований. часть 2 8.7.4. ТЕОРИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА - КАК ТЕОРИЯ АКТИВНОГО ОТРАЖЕНИЯ Итак, предметом теории ИИ являются процессы мышления или, в более широком смысле, процессы активного отражения. По нашему мнению, с учетом истории и неоднозначности понятия "искусственный интеллект", можно заменить, в контексте данной работы, понятие "теория ИИ" на новое понятие "теория активного отражения". Такая замена позволит уйти от столь неоднозначного, двусмысленного термина "ИИ" и освободиться от необходимости постоянно напоминать, что эти два слова используются в таком-то смысле. К тому же, такая замена позволит не употреблять столь антропоморфный, непосредственно связанный, ассоциирующийся с человеком, термина "интеллект". Да и слово "искусственный", на наш взгляд, не самое лучшее, хорошее для названия научного направления. Термин "Искусственный Интеллект" был хорош на ранних стадиях развития данного научного направления, но ... сейчас, этот термин вносит лишь сумятицу, неоднозначность, играет, скорее, отрицательную роль. Будем писать "искусственный интеллект", там где это соответствует общепринятому, в узком смысле, понятию, т.е. как техническая информационная модель естественного интеллекта, а, когда будем говорить о научном направлении, тогда будем использовать термин "теория активного отражения". Предметом теории активного отражения (ТАО) являются процессы активного отражения, в том числе и мышление, и сознание. Основным методом ТАО является формализованное знаковое моделирование. Мышление является предметом многих наук, например таких, как биология, логика, гносеология, физиология высшей нервной деятельности и другие. Каждая из этих наук изучает мышление своими методами и для своих целей, т.е. со своей точки зрения. Целью теории активного отражения является изучение процессов мышления, как процессов порождения, накопления, обработки, обмена, хранения информации и, если это возможно, то создание искусственных систем, сравнимых по своим возможностям с человеческим мышлением. ТАО должна дать обоснованный ответ на известный вопрос: "может ли машина мыслить?". ТАО должна вобрать в себя достижения и результаты самых разнообразных научных дисциплин. Масштабы области интересов и исследований ТАО характеризуются самым широчайшим диапазоном. В этом и заключается основная проблема ТАО: собрать все, что известно о мышлении, переработать, проанализировать, обобщить эти материалы, выделить все существенное, с точки зрения ТАО, а затем, наметить пути и способы решения поставленных задач. Дело в том, что говорить о теории активного отражения, о создании систем искусственного интеллекта, не изучая при этом естественный интеллект, мышление и сознание человека, было бы не верно. С точки зрения ТАО, человеческий интеллект - это лишь одна из существующих форм мышления, активного отражения. Поэтому ТАО не должна замыкаться только на изучении человеческого интеллекта, который является, всего лишь, хорошим готовым образцом системы активного отражения (и ничем более того). В этом и заключается основное отличие ТАО от других наук, изучающих мышление. Кроме того, существует целый ряд проблем, вопросов, которые не рассматривались в других науках. Вероятно, многие проблемы, которые даже затрагивались другими науками, нам придется решать, прорабатывать заново, исходя из целей ТАО. Например, рассмотрим такую проблему. Существует реальная объективная действительность и есть мышление человека, нас же интересует процесс отражения. Необходимо выяснить, узнать, во-первых, что отображается из действительности, во-вторых, во что это отражается в мышлении и, в-третьих, как происходит процесс отражения. Причем, нас интересует кибернетическая, информационная сторона всего этого. Кроме того, важно понять и процессы обработки данных, информации в ЭВМ. Рассматривая проблему "мыслящих машин", мы неизбежно столкнемся с такой философской проблемой: как, каким образом объективная (материальная) система порождает или обрабатывает субъективное (идеальное), генерирует новые знания. В таком аспекте вопрос взаимодействия материального и идеального подробно не разрабатывался, хотя, вероятно, именно от этого и зависит ответ на вопрос о возможности создания искусственных мыслящих машин, искусственного интеллекта. Проблему порождения материальным объектом субъективных, идеальных знаний никаким образом не обойти, остается только познать, изучить и решить эту, казалось бы, чисто философскую, проблему на техническом уровне. Отметим тот факт, что до сих пор исследования в области искусственного интеллекта велись разрознено, без единых целей и задач, да и к тому же, в ограниченных масштабах. Теория активного отражения должна устранить недостатки предыдущих исследований и стать тем стержнем, вокруг которого и объединятся интересы, цели, задачи всех направлений и научных дисциплин, которые занимаются исследованием возможности создания "разумных, думающих машин" - искусственного интеллекта. 8.7.5. ОСНОВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ТЕОРИИ АКТИВНОГО ОТРАЖЕНИЯ Анализируя уже известные подходы в области ИИ и используя новые положения, можно прийти к выводу о том, что существует три основных направления. 1. Прикладное направление. Основная цель - разработка и создание технических систем, которые могут решать отдельные задачи высокого уровня сложности и, таким образом, эти системы должны являться дополнением естественного интеллекта, которое позволяло бы усиливать интеллектуальные способности человека. Основное отличие данного направления в том, что не ставится задача создания автономных интеллектуальных систем, а решаются задачи моделирования отдельных интеллектуальных функций таких, как представление знаний, планирование целесообразного поведения, распознавание образов и обучение, общение человека и ЭВМ. В это направление входят все работы, которые рассматривает Д. А. Поспелов в предисловии к работе [Л. 340, с. 10 - 12], а также это близко к первому направлению классификации, предложенной С. М. Шалютиным в работе [Л. 324]. 2. Кибернетическое (информационное) моделирование мышления. Основная цель - разработка и создание технических, кибернетических, математических моделей мыслительных процессов. Важен не результат, которого достигали бы такие модели, а сам процесс получения этого результата. Данное направление близко ко второму направлению классификации, обсуждаемой выше и предложенной С.М. Шалютиным [Л. 324], а также работам ДонГИИИ [Л. 47]. 3. Общетеоретическое направление. В него выделяются работы и исследования по созданию общей кибернетической теории мышления, искусственного интеллекта или активного отражения. Это направление является наиболее абстрактным и наименее проработанным. Например, одной из задач данного направления является создание модели (или моделей) человеческого интеллекта, мышления, а, в перспективе, и решение задачи создания мыслящей, разумной машины. Это направление близко третьему направлению классификации, приведенной выше и предложенной С. М. Шалютиным [Л. 324, с. 10 - 11]. 8.7.6. ИСТОКИ, ЦЕЛИ И ЗАДАЧИ ТЕОРИИ АКТИВНОГО ОТРАЖЕНИЯ Для начала определим истоки, отправные точки теории активного отражения. Общий подход, направление исследований нам дает философия. Предметная область, которую мы исследуем и моделируем, описывается естественными науками, хотя, вполне вероятно, что должны привлекаться гуманитарные науки и, даже, должен учитываться весь накопленный мировым искусством опыт. Это объясняется тем, что человеческий интеллект, мышление проявляет себя в самых различных формах, и мы не можем заранее точно установить границы области мыслительной деятельности человека. Критерием адекватности, проверки правильности и полноты наших моделей, является практика, прикладные исследования, проводимые в первом или во втором, а может быть и совместно, направлении нашей классификации. Необходимо отметить, что только комплексное, органичное сочетание проводимых работ во всех трех направлениях позволит нам добиться успеха. Рассмотрим цели и задачи, которые ставятся перед теорией активного отражения. Во-первых, стратегической, фундаментальной целью ТАО является научное объяснение мыслительного процесса и природы возникновения активности отражения, оценка возможности передачи мыслительных функций техническим системам, машинам. Во-вторых, теоретическая, естественно - научная цель - это познание механизма различных отдельных функций мозга и переработки информации, разработка и создание моделей этих отдельных функций. В-третьих, практическая, техническая цель - это решение насущных, неотложных задач высокой степени сложности, с которыми естественный интеллект не может справиться без помощи технических средств, ЭВМ. Отметим, что сущностью этих задач является автоматизация деятельности (в том числе и умственной) человека, в широком смысле этого слова, которая приведет к расширению возможностей и усилению способностей человеческого мышления. Еще раз подчеркнем, что проблема ИИ (ТАО) имеет глубокую связь со многими науками. 8.7.7. ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ СОЗДАНИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА С ТОЧКИ ЗРЕНИЯ ТЕОРИИ АКТИВНОГО ОТРАЖЕНИЯ С точки зрения теории активного отражения любая система, претендующая на название "система искусственного интеллекта", обязательно должна содержать следующие подсистемы: 1) приема и выделения необходимой, важной информации, т.е. подсистема ввода и распознавания; 2) обработки, получения новой информации внутри системы, т.е. подсистема обучения; 3) накопления и хранения необходимой информации, т.е. подсистема представления знаний; 4) выработки целей и принятия решений, т.е. подсистема целепологания; 5) обмена информацией с другими системами, т.е. подсистема общения; 6) поддержания целостности системы, т.е. подсистема жизнеобеспечения; 7) воздействия на окружающую среду, т.е. подсистема реализации своих принятых решений. Основная проблема, затруднение при разработке систем искусственного интеллекта будет заключаться в области знакового моделирования. Одной из основных отличительных черт интеллектуальных систем является способность к генерации, порождению знака. Более того, мы убеждены, что системы, не обладающие такой способностью не могут называться "интеллектуальными". Знак, в нашем представлении (как было указано выше, этот тезис основывается на материалах В. Г. Атрощенко), состоит из двух частей: • объективный, материальный носитель и • субъективный, идеальный образ, "навешиваемый" на материальный носитель. Причем, знак - это неразрывное единство двух компонент, частей. Следовательно, для генезиса, порождения знака некоторая система должна быть способна выделить этот знак материально, а затем и сразу же, наделить его, "навесить" на него идеальный образ, некую интерпретацию данного знака, содержание. Без интеллектуального, мыслящего субъекта нет знака, равно, как и нет знака без материального носителя, т.е. чисто в идеальном образе. Кроме того, в некотором смысле знак - это процесс, процесс взаимодействия двух или более субъектов, либо на расстоянии, либо во времени, либо на расстоянии и во времени. Данный вопрос требует особого рассмотрения и изучения. Подчеркнем, что без генезиса знака внутри самой системы, т.е. именно без внутреннего активного генезиса знака, система не сможет работать со знаками, а, следовательно, система не сможет мыслить и перерабатывать знаковую информацию. Как было показано выше, современные ЭВМ не работают с информацией (в широком - интеллектуальном - смысле слова). ЭВМ, всего лишь обрабатывает, преобразует, трансформирует, по определенным правилам - алгоритмам, материальный носитель знака, но не сам знак. Этот материальный носитель становится знаком (в настоящее время), только после того, как человек прочитает, проинтерпретирует его, навесит на него соответствующий субъективный, идеальный образ и, таким образом, породит, создаст знак. Технические средства обработки информации, в том числе и ЭВМ, и средства передачи данных, и т.п., всего лишь, осуществляют связь между людьми (например, между программистом и конечным, непрограммирующим пользователем), всего лишь преобразуют или передают материальную основу информации. Следовательно, информации в современных ЭВМ нет, а есть, лишь переработка данных, преобразование электрических сигналов, которые, в свою очередь, являются носителем информации. Информация же существует только до загрузки в машину - в голове программиста, а появляется информация вновь лишь после интерпретации, прочтения - в голове у пользователя. Поэтому, предлагается следующий критерий определения степени интеллектуальности различных систем: если некоторая система способна к порождению, генезису знака и, следовательно, способна обрабатывать непосредственно информацию, значит она - интеллектуальна. Если же не способна, то система не является интеллектуальной, т.е., например, обладает "отрицательной или нулевой степенью активности" или "интеллектуальности". Отметим, что проблема введения и определения степени "активности" или "интеллектуальности" требует особого рассмотрения, не входящего в рамки данной работы. При таком подходе, системами искусственного интеллекта (СИИ) имеют основания называться такие искусственные технические системы, которые способны к порождению знака и к обработке информации. В настоящее время, таких систем нет, а есть только ССИИ - системы стремящиеся к искусственному интеллекту. Существующие же, так называемые "СИИ", становятся интеллектуальными системами только в том случае, если в их состав, явно или не явно, включают человека, оператора, хотя бы даже на начальной или (и) на заключительной стадии обработки информации. Таким образом, можно заменить вопрос: "могут ли машины мыслить?" на вопрос: "могут ли машины порождать знак?". Если машина сможет работать со знаками, то она научится и мыслить! При этом возникает вопрос - проблема измерения, сравнения, определения степени интеллектуальности, разумности таких машин. Ведь даже люди, казалось бы, способные мыслить, имеют различную степень, ступень, уровень интеллектуальности. Существует и такая проблема: останутся ли мыслящие машины всего лишь машинами или мы вынуждены будем считать их членами нашего человеческого общества со всеми правами и обязанностями. Нужны ли вообще мыслящие машины или это - чисто научная, абстрактная цель, которую лучше не воплощать в реальную практику. Большинство этих проблем видится нам в таком отдаленном и фантастическом будущем времени ... , но на все эти вопросы ответы надо искать уже сейчас, уже сегодня, когда только формируются, прорисовываются цели теории активного отражения. РОЛЬ ЭВМ В ПРОЦЕССАХ ОБРАБОТКИ ИНФОРМАЦИИ РОЛЬ ЭВМ В ПРОЦЕССАХ ОБРАБОТКИ ИНФОРМАЦИИ В настоящее время ученые стремятся, как можно шире автоматизировать процессы обработки информации в различных областях. Проанализируем возможности и пределы автоматизации мыслительной деятельности. Прежде всего, рассмотрим вопрос о характере взаимодействия между человеком и ЭВМ в АССОИ и интеллектуальных системах. В качестве элементов в такие системы могут быть включены такие объекты, как человек, вычислительные средства, семиотические и математические модели. Отметим, что использование ЭВМ или моделей предполагает владение определенными навыками, которые частично можно зафиксировать с помощью правил. Однако, действуя по правилам, человек в первую очередь взаимодействует не с машиной, не с объектом своего действия, а с другим человеком, с другими людьми, он вступает в социальное взаимодействие коммуникации. Конечно, он при этом вступает в контакт и с объектом, но это два совершенно различных типа взаимодействия [Л. 415]. Приведем обзор высказываний ученых по интересующей нас теме. Итак, А. Г. Спиркин считает, что выполнение машиной сложных логических операций не есть мышление в строгом смысле этого слова, так как живой мозг решает задачи совсем по другому [Л. 267]. Г. Клаус пишет [Л. 414], что мышление есть функция высшей формы движения, качественно отличной от всех форм движения низших ступеней, следовательно, ее сущность никогда нельзя повторить на моделях низшей ступени. Качественное различие между ЭВМ и мозгом нельзя устранить с помощью, какой бы то ни было системы слов или определений. Еще более ярко и понятно им написано следующее: кибернетические машины, хотя и могут состоять из меди (и т.д.), но их структура и способ функционирования не принадлежат к ступени неорганического, а являются структурой и функцией самого мышления, спроецированного человеком в природу [Л. 414, с. 51]. Таким образом, на данном этапе получаем, что машины могут выполнять отдельные функции и даже достигать результатов, превосходящих результаты нашего мозга, но все, что они в состоянии сделать, не является мышлением. Следовательно, полностью исключить человека из АССОИ или интеллектуальных систем не получится, как минимум - на данном этапе развития науки и техники. Впрочем, этого и не требуется, если учитывать знаменитое положение Н. Винера: машине - машинное, человеку - человеческое [Л. 52]. Попробуем проанализировать, какие же функции в АССОИ являются принципиально "человеческими", а какие можно отдать машине. Для ответа на этот вопрос необходимо выяснить, что же такое "информация" в широком (интеллектуальном) смысле этого слова. Начнем с анализа философских основ понятия информации. Информацию нельзя просто причислить к сознанию, так как хотя семантика (значение, смысл) информации субъективна, но ее субъективность имеет объективную основу. С другой стороны, информацию нельзя отнести к сфере материи (к сфере объективного) потому, что материальная, объективная сторона информации явно является вторичной. Первоначально, "информацией было то, что имело какую-то связь с человеческим сознанием" [Л. 414, с. 77]. Безусловно, сознание причастно к созданию, порождению информации. Но, будучи когда-то созданной, информация получает до некоторой степени самостоятельную жизнь. Таким образом, информация - это единство субъективного и объективного, которое состоит из объективного (материального, физического) носителя и "наложенного" на него субъективного содержания, семантики. С философской точки зрения в этом нет ничего удивительного. Более того, исходя из основных законов, прежде всего - единства и борьбы противоположностей, именно этого и следовало ожидать. Таким образом, по своей природе информация - есть противоречивое и неразрывное единство объективного и субъективного. На материальной основе носителя "семантика информации обладает способностью вызывать психический эффект, и только поэтому мы говорим о семантике... Чисто физические действия, появляющиеся в замкнутой системе управления, не имеют никакой семантики" [Л. 414, с. 89-90]. В качестве примера можно привести регулятор центробежной силы в паровой машине Уатта, не передающий никакой семантики. Для анализа взаимодействия человека и ЭВМ в процессе переработки информации большую роль играет следующее положение Г. Клауса: "техническая конструкция ЭВМ и моделированное повторение определенных логических операций - это еще не счетная операция и не логическая операция. Мысль остается мыслью, а ее физическая модель остается физической моделью. При построении физической модели, мысль не превращается в нечто такое, что не является мыслью" [Л. 414, с. 91]. Отсюда следует принципиальный вывод о том, что семантика информации, созданная сознанием, не исчезает в области объективных (материальных) сущностей бесследно, так же как она и не возникает там. Если информация (И) представляет собою единство (субъективного) семантики (СЕМ) и (объективного) носителя (Н), то есть И=(СЕМ, Н), то машина только физически оперирует с носителями. При этом здесь нет никакой информации в широком (интеллектуальном) смысле, а просто осуществляется физический результат [Л. 414]. То же самое можно выразить и другими словами. Знак, в нашем представлении (данное положение основывается на материалах В. Г. Атрощенко), состоит из двух частей: 1) объективный, материальный носитель и 2) субъективный, идеальный образ, "навешиваемый" на материальный носитель. Причем, знак - это неразрывное единство двух компонент, частей. Таким образом, мы работаем в рамках знакового моделирования, где под знаком (Зн), с помощью которого выражается информация, будем понимать следующее единство: Зн=(СЕМ, Н), то есть субъективной семантики "навешенной" на конкретный объективный носитель. Таким образом, получаем, что ЭВМ оперирует лишь с носителями знаков, но ни коим образом не с самими знаками. Это принципиально важное положение позволяет сделать вывод о том, какие функции в АССОИ и интеллектуальных системах являются принципиально человеческими и не могут быть переданы машине. Как только возникает необходимость порождения знака в процессе моделирования или интерпретации результатов, полученных при оперировании ЭВМ с материальными носителями знаков, то можно утверждать, что пока такие функции может выполнять только человек. От человека зависит и выбор материальных объективных носителей знаков (информации), будь то чернила на бумаге или последовательность электрических сигналов. Отметим, что совершенно обоснованно при обработке информации в АССОИ отдельно и специально выделяют данные и базы данных, в качестве носителя обрабатываемой в ЭВМ информации. От выбора материальных носителей зависит возможность проведения операций с ними, обеспечение хранения информации, а также повышение скорости обработки данных. В принципе, человек может навешивать (назначать, определять и т.п.) любое значение на любой материальный носитель, образую таким образом знаки. Кроме того, отдельной темой является выбор количества навешиваемой информации и формирование сложных или составных знаков. Конечно, при этом необходимо учитывать то, что человек работает не один и его должны понимать другие люди. В противном случае информация теряет свою коммуникативную функцию. Впрочем, в некоторых случаях люди, наоборот, стараются спрятать, зашифровать информацию, что бы она была доступна ограниченному кругу лиц, но это другая тема исследований. В этом случае, например, Г. Клаус специально подчеркивал, что "информация не есть нечто абсолютное; то, что для одного какого-либо сознания играет роль информации, для другого сознания ... не является информацией" [Л. 414, с. 102-103]. Однако, существует закономерная связь между семантикой и носителем информации. Семантика информации субъективна, но ее субъективность имеет объективную основу. Эта объективная основа делает так же понятным, почему вообще могут быть расшифрованы системы информации, семантика которых сначала абсолютно неизвестна. Во всех этих случаях мы в начале знаем лишь физический носитель информации и его структуру. Если информация была бы чисто субъективной, то при исчезновении (смерти) субъективного сознания, создавшего эту информацию, должна была бы навсегда погибнуть и семантика этой информации. К счастью, как доказала история развития науки [Л. 414], этого не бывает. Таким образом, приходим к выводу, что информация не является чем-то особенным, независимым, третьим компонентом, в которой элементы субъективного (сознания) и объективного (материи) слиты друг с другом особым образом. В настоящее время, в автоматизированных системах сбора и обработки информации на самом деле с информацией работает только человек, а в ЭВМ обрабатывается только лишь специальным образом структурированный объективный (материальный) носитель информации, который принято называть - данные. Взаимодействуя с ЭВМ человек, на самом деле человек вступает в отношение коммуникации с другими людьми, написавшими программное обеспечение для этой ЭВМ. Роль ЭВМ в процессах обработки информации в АССОИ сводится только к обработке объективных (материальных) носителей информации, т.е. только к обработке, передаче и хранению данных. Функции ввода/вывода (интерпретации) информации в АССОИ, в настоящее время, принципиально может исполнять только носитель субъективного сознания, т.е. человек. ПРИНЦИПЫ ПОСТРОЕНИЯ ОДНОРОДНЫХ МНОГОПРОЦЕССОРНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ ЭВОЛЮЦИОННЫЕ НЕОДНОРОДНЫЕ КОМПЬЮТЕРНЫЕ СИСТЕМЫ И СИНТЕЗ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В завершающем разделе данной работы, после решения проблемы создания эволюционных баз данных и правил, нам осталось рассмотреть только проблему синтеза интеллектуальных систем. Эта проблема сформулирована и подробно описана в первом разделе данной книги. Отметим, что начать исследование проблемы синтеза интеллектуальных систем представляется целесообразным с обзора существующих научных взглядов, проблем, достижений и перспектив в области построения многопроцессорных вычислительных систем. Ведь, как мы уже определили выше, интеллектуальная система, как правило, должна быть многопроцессорной. Кроме того, любая однопроцессорная ЭВМ, в общем случае, может рассматриваться как частный случай многопроцессорных систем. Следовательно, исследование принципов построения многопроцессорных вычислительных систем позволит нам перейти к исследованию синтеза интеллектуальных систем. В настоящее время, практически все наиболее производительные многопроцессорные вычислительные системы - МВС - являются однородными. Следовательно, прежде всего, целесообразно рассмотреть основные архитектуры и принципы построения традиционных однородных многопроцессорных вычислительных систем (параллельных ЭВМ) или однородных высокопроизводительных вычислительных комплексов - ВВК (т.е. информационно-вычислительных конфигураций). Понятие "архитектура параллельной ЭВМ" включает совокупность свойств, определяющих состав и связи оборудования (структуру ЭВМ), типы используемых параллельных вычислительных алгоритмов (алгоритмику) и средства программирования (языки, трансляторы, операционные системы). Евреинов Э.В. в [Л. 94-96] отмечает, что в основе однородных вычислительных систем, структур и сред (ОВС) лежит модель коллектива вычислителей, которая является обобщением общепринятой модели вычислителя. Прежде всего, в этой модели коллектива вычислителей все элементы и связи однородны. Многопроцессорные вычислительные системы и ВВК, как и все параллельные компьютеры состоят из трех основных компонент: 1) процессоры, 2) модули памяти, и 3) коммутирующая сеть. Именно эти компоненты и их взаимосвязи лучше всего отличают один параллельный компьютер от другого [Л. 86, 94-96, 115-116, 146, 152, 197-198, 204-206, 212, 224, 236, 264, 279, 285-286, 310-311, 318, 328, 331, 333, 384-386]. Основным принципом построения однородных ВВК является то, что коммутирующая сеть соединяет однородные процессоры друг с другом и иногда, также с модулями памяти. Процессоры, используемые в параллельных компьютерах, как правило, точно такие же, что и процессоры однопроцессорных (иногда - двухпроцессорных) систем, хотя современная технология позволяет разместить на микросхеме более одного процессора (до четырех). Кроме того, на микросхеме вместе с процессором могут быть расположены те компоненты (модули) или их составляющие, которые дают наибольший эффект при обработке соответствующего класса задач и параллельных вычислениях. Архитектуры параллельных компьютеров могут значительно отличаться друг от друга. Одним из свойств, различающих параллельные компьютеры, является число возможных потоков команд. По этому признаку различают следующие архитектуры: • MIMD (Multiple Instruction Multiple Data - множество потоков команд и множество потоков данных). MIMD компьютер имеет N процессоров, N потоков команд и N потоков данных. Каждый процессор функционирует под управлением собственного потока команд. • SIMD (Single Instruction Multiple Data - единственный поток команд и множество потоков данных). SIMD компьютер имеет N идентичных синхронно работающих процессоров, N потоков данных и один поток команд. Каждый процессор обладает собственной локальной памятью. Сеть, соединяющая процессоры, обычно имеет регулярную топологию. Другим принципом построения однородных многопроцессорных вычислительных систем (ВВК) является способ доступа к модулям памяти, то есть, имеет ли каждый процессор локальную память и обращается к другим блокам памяти, используя коммутирующую сеть, или коммутирующая сеть соединяет все процессоры с общей памятью. Исходя из способа доступа к памяти, различают следующие (довольно условные) типы параллельных (MIMD) архитектур. Компьютеры с распределенной памятью (Distributed memory). Каждый процессор имеет доступ только к локальной собственной памяти. Процессоры объединены в сеть. Доступ к удаленной памяти возможен только с помощью системы обмена сообщениями. Компьютеры с общей (разделяемой) памятью (True shared memory). Каждый процессор компьютера обладает возможностью прямого доступа к общей памяти, используя общую шину (возможно, реализованную на основе высокоскоростной сети). В таких компьютерах нельзя существенно увеличить число процессоров, поскольку при этом происходит резкое увеличение числа конфликтов доступа к шине. В некоторых архитектурах каждый процессор имеет и прямой доступ к общей памяти, и собственную локальную память. Компьютеры с виртуальной общей (разделяемой) памятью (Virtual shared memory) В таких системах общая память как таковая отсутствует. Каждый процессор имеет собственную локальную память. Он может обращаться к локальной памяти других процессоров, используя "глобальный адрес". Если "глобальный адрес" указывает не на локальную память, то доступ к памяти реализуется с помощью сообщений с малой задержкой, пересылаемых по сети, соединяющей процессоры. Отметим два класса компьютерных систем, которые иногда используются как параллельные компьютеры: • локальные вычислительные сети (LAN), в которых компьютеры находятся физически близко и соединены "быстрой" сетью, • глобальные вычислительные сети (WAN), которые соединяют географически распределенные компьютеры. Хотя распределенные вычислительные системы, т.е. вычислительные сети, вводят дополнительные свойства, такие как надежность и защита, во многих случаях они могут рассматриваться как MIMD компьютеры, хотя и с высокой стоимостью удаленного доступа. Известно, что в векторных суперЭВМ обеспечена предельная производительность для процессов скалярной и векторной обработки, которая присутствует в большинстве задач. Задачи, содержащие высокую степень внутреннего параллелизма, могут быть хорошо адаптированы к системам массового параллелизма. Реальные задачи и, тем более, пакеты задач содержат целый ряд алгоритмов, имеющих различные уровни параллелизма. Все это говорит о том, что вместо попыток приспособить все типы алгоритмов к одной архитектуре, что отражается на конфигурации архитектур и сопровождается не всегда корректными сравнениями пиковой производительности, более продуктивным является взаимное дополнение архитектур в единой системе, с переходом к построению неоднородных многопроцессорных вычислительных систем (ВВК). Одним из первых примеров такой системы является объединение векторной системы Cray Y-XM с системой Cray T3D [Л. 115-116, 369]. Однако это объединение с помощью высокоскоростного канала приводит к необходимости разбиения задач на крупные блоки и к потерям времени и памяти на обмен информацией. В то же время, дифференциация функций и специализация отдельных подсистем начала развиваться с появления отдельных подсистем и процессоров для обслуживания ввода/вывода, коммуникационных сетей, внешней памяти. Для реализации этого, в суперЭВМ кроме основного процессора включались внешние машины. В различных компьютерных системах можно наблюдать элементы специализации в направлениях автономного выполнения функций операционной системы, системы программирования и подготовки заданий. Во-первых, эти вспомогательные функции могут выполняться параллельно с основными вычислениями. Во-вторых, для их реализации не требуются многие из тех средств, которые обеспечивают высокую производительность основного процессора, например, возможность выполнения операций с плавающей запятой и векторных операций. В дальнейшем, при интеграции скалярной, векторной и параллельной обработки в рамках единой вычислительной подсистемы состав этих вспомогательных функций должен быть дополнен функциями анализа программ с целью обеспечения требуемого уровня параллелизма и распределения отдельных частей программы по различным ветвям вычислительной подсистемы. Таким образом, в настоящее время многопроцессорные вычислительные системы и ВВК построенные как симметричные мультипроцессорные системы с общей памятью являются наиболее развитыми с точки зрения накопленного опыта их использования [Л. 35, 73, 115-116, 148-149, 151-152, 154, 156]. Обычно они включают не более 32-64 скалярных процессоров. Для них характерны модульность и масштабируемость. Пример таких систем - отечественные многопроцессорные вычислительные комплексы "Эльбрус 1" и "Эльбрус 2". Широко распространены и векторные мультипроцессорные системы. Они являются основным, причем, высокоэффективным инструментом при решении многих задач, для которых накоплен большой объем программ. Число процессоров в таких суперсистемах также не превышает 64. Характерные представители данного семейства – компьютеры серий Cray X MP, Cray C90, Cray T90; системы SX-1, SX-2, SX-3 фирмы NEC; двухпроцессорный вариант системы "Электроника СС БИС-1" [Л. 115-116, 369]. Системы с массовым параллелизмом обеспечивают наивысшую пиковую производительность. Обычно они содержат от десятков до нескольких тысяч высокопроизводительных микропроцессоров, связанных посредством коммутатора с высокой пропускной способностью. Однако, при масштабировании таких систем трудно достичь соответствующего роста производительности. До сих пор в полной мере не решены проблемы распараллеливания вычислений, за исключением задач, разделяемых на большое число локальных процессов. Было разработано немало систем с массовым параллелизмом, различающихся средствами коммутации, методами доступа к памяти и обмена межу процессорами, например: SP2 (IBM), Intel Paragon, nCube, Cray T3E, отечественная система МВС-1000 [Л. 115, 116, 148, 412]. Масштабируемые векторные системы являются развитием серии векторных мультипроцессорных систем и представляют собой системы с массовым параллелизмом на специализированных микропроцессорах. Они представлены суперкомпьютерами Cray SV1 и Cray SV2 (проект) фирмы SGI, а также SX-4 и SX-5 компании NEC. После описания принципов построения однородных многопроцессорных вычислительных систем и ВВК представляется целесообразным перейти к анализу возможных путей создания эволюционных неоднородных компьютерных систем. АНАЛИЗ ПУТЕЙ СОЗДАНИЯ ЭВОЛЮЦИОННЫХ НЕОДНОРОДНЫХ КОМПЬЮТЕРНЫХ СИСТЕМ Отметим, что кроме изучения традиционных вопросов создания однородных многопроцессорных вычислительных систем и высокопроизводительных вычислительных комплексов (Бабаян Б.А., Евреинов Э.В., Корнеев В.В. и др. [Л. 21, 73-75, 94-96, 112-116, 146, 148-149, 197, 307, 404, 412]), в настоящее время во всем мире проводятся активные исследования по изысканию возможных путей создания эволюционных и неоднородных компьютерных систем (Амамия М., Танака Ю., Бурцев В.С., Вальковский В.С., Валях Е., Воеводин В.В., Каляев А.В. и др. [Л. 11, 16, 34, 38-40, 54-57, 89-90, 112-116, 126-131, 147, 165-167, 384-386]). Так как все однородные системы могут рассматриваться как частный случай неоднородной системы, то данные исследования обобщают весь накопленный опыт и открывают новые перспективы развития многопроцессорных вычислительных систем и ЭВМ в целом. Неоднородные многопроцессорные вычислительные системы предназначены для оптимизации выполнения больших задач, включающих программы с разными формами параллелизма. Известно, что из-за функциональной специализации неоднородны многие мультипроцессорные системы. Так, в отечественной системе АС-6 имеются периферийные машины и телеметрический процессор, а во всех векторных суперЭВМ есть внешние машины для управления периферийным и коммутационным оборудованием [Л. 115]. Как было показано выше, актуальность создания систем адаптивного синтеза информационно-вычислительных конфигураций - САС ИВК - и эволюционных неоднородных компьютерных систем обусловлена необходимостью постоянной модернизации ЭВМ в условиях непрерывности их функционирования. Создание эволюционных компьютерных систем позволит изменить процесс проектирования и создания ВВК (многопроцессорных вычислительных систем), а также обеспечит возможность проведения поэтапной модернизации модулей ВВК в условиях эксплуатации. Из этого следует, что эволюционные компьютерные системы в общем случае должны быть неоднородными. Существует противоречие между универсальностью ЭВМ и требованиями эффективности, производительности при решении конкретных специальных задач. Известно, что для различных типов задач наиболее эффективными являются разные вычислительные устройства, а все универсальные ЭВМ решают такие задачи с различной производительностью, как правило, не превышающей 10 30 % от пиковой. Неоднородные компьютерные системы позволят повысить универсальность ЭВМ за счет подключения к основной системе специализированных устройств, предназначенных для эффективного решения отдельных задач. Известные научно-технические результаты не позволяют полностью решить данную проблему, что определяет важность и необходимость проведения дополнительных исследований. Подчеркнем, что решение проблемы создания эволюционных неоднородных компьютерных систем позволит повысить интеллектуальность, универсальность и эффективность компьютерных систем, увеличить срок их эксплуатации, а также существенно снизить финансовые затраты на автоматизацию деятельности и повысить эффективность решения различных сложных и специальных задач. В настоящее время применяются различные подходы к классификации вычислительных систем. Исходя из критерия однородности систем и, следуя модифицированному подходу, изложенному в [Л. 95], можно выделить: • однородные системы; • частично неоднородные распределенные системы обработки данных • полностью неоднородные конфигурации. Полностью неоднородные системы характеризуются тем, что в них объединены устройства, построенные на основе различных архитектур и функционирующие под управлением разных программных средств. Прежде всего, необходимо уточнить значение термина "эволюционные неоднородные компьютерные системы", показать актуальность и возможность их создания. Основные возможные пути создания эволюционных и неоднородных ВВК (многопроцессорных вычислительных систем) разрабатывались и исследовались в ряде научно-исследовательских работ [Л. 11, 43, 89-90, 112-116, 126-131, 135, 146-152, 165-167, 183, 195, 197-198, 204-206, 212, 224, 236, 245, 264, 279, 285, 286, 294, 307, 309, 313, 333, 343-347, 357, 369, 371, 384-386, 391, 393-394, 404-406, 410, 412]. Эти исследования показали, что наиболее перспективными возможными путями создания неоднородных эволюционных компьютерных систем, в том числе и ВВК, являются: 1) создание функциональных частично неоднородных ВВК, 2) создание ВВК на основе неоднородных основных вычислительных средств, 3) создание ВВК с изменяемой (перепрограммируемой) архитектурой. Неоднородные ВВК предназначены для оптимизации выполнения больших задач, включающих программы с разными формами параллелизма. Вообще говоря, из-за функциональной специализации неоднородны многие мультипроцессорные системы [Л. 48, 115, 146]. Так, в отечественной системе АС-6 имеются периферийные машины и телеметрический процессор, в компьютерах CDC 6600 и CDC 7600 – периферийные процессоры. Во всех векторных суперкомпьютерах есть внешние машины для управления периферийным и коммутационным оборудованием. Система Cray-2 кроме четырех вычислительных векторных процессоров оснащена мониторным процессором, реализующим функции операционной системы [Л. 115]. Однако, в случае существующих неоднородных суперсистем и ВВК речь идет о неоднородности основных вычислительных средств, что не исключает неоднородность и за счет функциональной специализации. Исследования архитектуры таких систем показали, что повышение эффективности возможно за счет сочетания достоинств конвейерной обработки в мультиконвейерном процессоре и параллельной обработки в процессоре с массовым параллелизмом, тесно связанных между собой и с подсистемой автоматического распределения ресурсов. Этот подход хорошо согласуется с требованиями по масштабированию и оптимизации алгоритмов в соответствии с архитектурой. Так, в новом проекте Cray SV2 ставится задача построения системы, которая должна заменить суперкомпьютер с массовым параллелизмом Cray Т3Е и выпускаемые фирмой SGI векторные системы. Отметим, что распределенные вычислительные системы основаны на разделении, распределении задач между вычислительными узлами, в которых могут находиться самые различные машины и системы, объединенные в локальные или глобальные сети. Для эффективного решения больших задач в таких системах необходимы новые подходы к методам вычислений. Таким образом, можно сделать вывод, что наибольшие перспективы имеют неоднородные и распределенные ВВК. При этом, в общем случае, распределенные многопроцессорные вычислительные системы и ВВК также являются неоднородными. Кроме того, при разработке новых процессоров необходима их специализация и оптимальное сочетание свойств мультиконвейерных, векторных процессоров и процессоров с длинным командным словом. В то же время, процессоры, управляемые потоком данных, наиболее перспективны для применения в подсистемах моделирования и анализа сложных задач с целью выявления параллелизма. Построение эволюционных неоднородных компьютерных систем основано на том, что компьютерная система состоит из подсистем, блоков, модулей, процессоров и памяти, которые взаимодействуют между собой посредством коммуникационной среды. Для обеспечения эволюционности (синергизма, развития) и неоднородности компьютерных систем, необходимо разработать специальные интерфейсы и управляющее программное обеспечение. Интерфейсы должны использовать достижения современных сетевых технологий и обеспечивать универсальность подключения любых модулей процессоров или памяти, а также взаимодействие блоков и подсистем эволюционных неоднородных компьютерных систем. Время взаимодействия различных модулей внутри одного блока должно быть меньше межблокового времени взаимодействия. Аналогичные требования предъявляются и к подсистемам эволюционных неоднородных компьютерных систем [Л. 46] по отношению к компьютерной системе в целом. Программное обеспечение эволюционных неоднородных компьютерных систем должно учитывать функциональное типовое предназначение каждого блока и модуля, накапливать сведения о загрузке и эффективности функционирования вычислительных блоков и модулей, выдавать запросы и рекомендации по повышению эффективности компьютерной системы при решении различных типовых задач. Для этого необходимо разработать на основе существующих, новые модели обработки информации для каждого типа задач и модель функционирования компьютерной системы при решении таких задач, в которых для каждого типа задач будут определены наиболее эффективные типы вычислительных устройств. Кроме того, программное обеспечение должно обеспечивать возможность замены отдельных блоков и модулей без прекращения функционирования самой компьютерной системы в целом. Для решения задачи создания эволюционных неоднородных компьютерных систем необходимо использовать предложенные выше концепцию создания системы адаптивного синтеза информационно-вычислительных конфигураций - САС ИВК, и миварную концепцию унифицированного представления данных и правил на основе методологии синергетического накопления и оперативной обработки данных. Для создания системы адаптивного синтеза информационно-вычислительных конфигураций необходимо использовать теоретические основы создания эволюционных, адаптивных баз данных и знаний, т.е. новую систему представления и обработки данных, так как существующие традиционные системы не удовлетворяют возросшим требованиям. Кроме того, целесообразно использовать предложенные выше методы обработки данных, которые использует все преимущества нового миварного представления данных. Как уже было показано, миварная концепция информационного пространства позволит создать более интеллектуальные информационные системы. В то же время, миварный подход целесообразно применять и для создания эволюционных неоднородных компьютерных систем. Таким образом, понятно, что интеллектуальные информационные системы некоторым образом взаимосвязаны с проблемой создания эволюционных неоднородных компьютерных систем. Рассмотрим более подробно взаимосвязь проблемы создания эволюционных неоднородных компьютерных систем с проблемой построения интеллектуальных систем. ВЗАИМОСВЯЗЬ ИНТЕЛЛЕКТУАЛЬНЫХ И ЭВОЛЮЦИОННЫХ НЕОДНОРОДНЫХ КОМПЬЮТЕРНЫХ СИСТЕМ Проблема создания эволюционных неоднородных компьютерных систем тесно связана с проблемой построения интеллектуальных автоматизированных систем обработки информации (АСОИ), а также с научным направлением, изучающим возможности создания систем искусственного интеллекта. Так, для создания действительно интеллектуальной системы необходимо выполнить ряд условий. Например: 1. Для обеспечения живучести и надежности АСОИ такая система должна быть многопроцессорной. 2. Система обработки и накопления информации должна быть универсальной и единой для любых предметных областей, так как интеллектуальная АСОИ (ИАСОИ) должна иметь возможность обучения и работы в любых предметных областях. 3. Для своевременного реагирования на изменения предметной области и окружающей среды, процессы обработки информации должны управляться потоком входных данных. 4. Кроме того, для выживания в агрессивной окружающей среде, ИАСОИ должна активно управлять процессом сбора необходимой исходной информации, формируя, таким образом, систему обработки информации типа "активная логическая сеть, управляемая потоком данных". 5. Принципиально важно, что функционирование ИАСОИ должно быть непрерывным, следовательно, и новые данные, и новые правила должны вводиться и встраиваться в систему обработки без перезагрузки и перепланирования баз данных и знаний. 6. Исходя из необходимости обучения различным предметным задачам в условиях непрерывности функционирования, следует, что система накопления информации должна иметь изменяемую эволюционную (адаптивную) структуру представления данных и правил. 7. Кроме того, такая система накопления информации должна иметь возможность быть глобальной, т.е. обобщать и содержать всю имеющуюся доступную информацию, теоретически, "в пределе", без ограничений по количеству информации. Так как любая однородная система является частным случаем неоднородной и, исходя из требований непрерывности функционирования и живучести, следует, что: интеллектуальная система обработки информации должна быть многопроцессорной эволюционной неоднородной компьютерной системой, в которой можно наращивать, заменять и модернизировать любую аппаратную или программную подсистему, блок, элемент. До настоящего времени не предложено комплексного решения указанных проблем и противоречий. Основой любой современной автоматизированной системы обработки информации является система обработки данных (СОД), которая собственно обрабатывает преобразованную и введенную пользователем информацию в виде данных на ЭВМ. Так как практически любая современная система обработки информации является автоматизированной, то и само слово "автоматизированная" может больше не употребляться. Развитие компьютерных сетевых технологий создало технические предпосылки для создания на основе эволюционных неоднородных компьютерных систем глобальных систем обработки данных. Базы данных, являющиеся основным элементом любой СОД, в настоящее время используют морально устаревшие модели данных, которые не могут обеспечить адекватность моделирования сложных, многоаспектных и взаимосвязанных объектов реального мира. В то же время, системы логического вывода, используемые в системах поддержки принятия решений, плохо взаимодействуют с БД. В результате, вместо единой глобальной СОД, мы имеем в настоящее время множество взаимодействующих, но все же различных СОД. Под эволюционными СОД будем понимать такие СОД, в которых обеспечена возможность единого системного представления и накопления данных, изменения структур хранения данных, наращивания и/или замены технических и программных средств СОД без прекращения ее функционирования. Эволюционные СОД могут стать основой создания познающих, гносеологических АСОИ и систем искусственного интеллекта. Отметим, что частные вопросы создания и обеспечения функционирования СОД, которые хорошо проработаны и исследованы [Л. 10-12, 20-22, 25, 34-40, 48, 52, 54-57, 62-66, 70-80, 84, 86-98, 100-105, 107-118, 120-132, 135-152, 154-167, 170-176, 178-180, 183-185, 189-216, 219-222, 224-245, 247-253, 255-258, 261-264, 266, 268-271, 274-280, 284-300, 304-319, 321-331, 338-426], в этой работе рассматриваться не будут. Разработка методологии развития эволюционных систем обработки данных (ЭСОД) предполагает выделение двух основных классов систем обработки данных: • познающих, • диагностических. Познающие системы обработки данных исследуют новые предметные области, активно накапливают новые данные, что приводит к быстрому наращиванию объема данных и частому изменению структуры их представления. Диагностические системы обработки данных при практически неизменных объемах данных должны за минимальное время выявлять изменения в предметной области и выполнять необходимые при этом действия. Все реально работающие системы обработки данных сочетают в себе черты двух этих классов в той или иной мере, но к наиболее сложным и наукоемким проблемам относится построение познающе-диагностической системы (ПДС). Эволюционность, неоднородность и многопроцессорность эволюционных компьютерных систем позволяет совместить эти противоречивые требования (познание и диагностика), например, следующим образом. В компьютерной системе выделяется некоторая подсистема диагностирования изученных фрагментов и объектов предметной области, в которой на основе миварного подхода, который описан выше, осуществляется представление и обработка данных за минимальное время. На остальной части (в других подсистемах) системы обработки данных осуществляется исследование и уточнение сведений об объектах и предметной области в целом. Подчеркнем, что только миварный подход позволит реализовать это одновременно и в рамках одной системы. Если некоторый объект достаточно хорошо изучен и необходим для диагностики, то сведения о нем передаются в подсистему диагностики. При диагностике постоянно ведется учет правильности диагностирования. В случае сильных отклонений результатов диагностики осуществляется поиск причины ошибки, в результате чего некоторые объекты могут быть выведены в подсистему познания для дальнейших исследований. В подсистеме познания одновременно может существовать несколько различных представлений одной и той же предметной области, которые сравниваются с результатами системы диагностирования, с целью оценки адекватности моделей реальной предметной области. Отметим, что при разработке различных представлений предметной области представляется возможным использовать подходы традиционной теории биологической эволюции [Л. 29, 32, 52, 58-61, 67, 76-77, 83, 85, 99, 133, 138, 168, 177, 187-188, 212, 217, 221, 229, 239, 256, 260, 281-283, 288, 295, 299, 301, 312, 320, 330, 332, 334, 336], которые кратко были рассмотрены в первом разделе. Для решения задач прогнозирования возможно параллельное моделирование на нескольких представлениях предметной области с последующим оцениванием полученных результатов. Такой подход позволит сочетать достоинства отдельных систем обучения и распознавания в рамках единой системы. Любой пользователь эволюционной неоднородной компьютерной системы (включая САС ИВК), реализованной на миварной концепции накопления и обработки данных, получает возможность своевременного полного и достоверного получения необходимых сведений в наиболее удобной форме, что сделает реальным, доступным и наглядным понятие "единого информационного пространства" любой предметной области. При этом необходимо учесть возможность применения разрабатываемых под руководством академика РАН Каляева А.В. многопроцессорных систем с программируемой архитектурой и структурно-процедурной организацией вычислений [Л. 44, 46, 112-115, 118, 126-131, 165-167, 384-386]. Кроме того, в США также проводятся исследования по данной тематике. Например, журнал "Компьютерра" в номере 356 от 15.08.2000г. на с.9 сообщает, что молодая американская компания QuickSilver Technology надеется произвести революцию на рынке микроэлектроники, выпустив микропроцессор, способный быстро изменять собственную структуру [Л. 144]. Авторы называют разработку адаптивным вычислителем и обращают внимание на его отличие: новая однокристальная система сможет изменять алгоритмы обработки информации, а также реконфигурировать собственные аппаратные ресурсы. Отметим, что такой подход в некоторой степени аналогичен подходу к созданию САС ИВК, но, кроме того, программное обеспечение САС ИВК должно обеспечивать возможность замены отдельных блоков и модулей без прекращения функционирования самой компьютерной системы в целом. Кроме того, отдельно выделим эволюционные глобальные системы обработки данных (ЭГСОД), которые представляют собой такие СОД, которые являются эволюционными без теоретических ограничений по структуре, составу и количеству накапливаемых и обрабатываемых данных. Теоретически, единая универсальная ЭГСОД может обеспечить системное представление, накопление и обработку всех известных человечеству данных. В настоящее время, компьютерная сеть Интернет предоставляет теоретические возможности по накоплению любых объемов данных, но не позволяет осуществить единое обобщенное системно-структурное представление данных и тем более их совместную обработку на основе общей системы различных правил. Научные исследования в направлении создания перспективных автоматизированных систем активно ведутся во всем мире и в России. Так, например, в настоящее время в Институте высокопроизводительных вычислительных систем РАН (ИВВС РАН) проводятся фундаментальные исследования, направленные на создание архитектуры перспективных вычислительных суперсистем [Л. 115]. Создание проектов перспективных систем включает разработку архитектуры, ее программной модели для анализа эффективности решения различных задач, анализ различных подходов к аппаратной реализации, анализ алгоритмов и программ и методов их оптимизации. Высокая производительность суперсистем может быть достигнута за счет высокой степени параллелизма, а высокая эффективность за счет оптимизации распределения ресурсов. По существу, при создании проекта суперсистемы необходимо комплексно решить как проблему создания параллельной архитектуры, так и проблему распределения ресурсов. Проект по разработке архитектуры неоднородной вычислительной системы основан на тесном объединении подсистем с различной архитектурой, соответствующей различным моделям вычислений. Для статического и динамического распределения ресурсов при решении задач в системе предусматриваются аппаратно-программные средства, обеспечивающие анализ задачи, выделение фрагментов с той или иной моделью вычислений и распределение их по вычислительным подсистемам. Проект суперЭВМ с нетрадиционной архитектурой основан на использовании принципа потока данных. Этот принцип предполагает, что последовательность вычислений определяется готовностью операндов и наличием свободного функционального устройства для выполнения операции. При этом, можно значительно увеличить реальный параллелизм работы и реализовать распределение ресурсов в машине с дискретностью до одной операции. Однако, для реализации этой нетрадиционной архитектуры необходима ассоциативная память, сохраняющая готовые операнды и формирующая их пары для выдачи на вход функциональных устройств. Таким образом, создание эволюционных неоднородных компьютерных систем позволит: повысить универсальность и эффективность компьютерных систем, увеличить срок их эксплуатации, а также существенно снизить финансовые затраты на автоматизацию деятельности многих организаций. Проведенный нами анализ показал, что наиболее рациональным путем построения эволюционных неоднородных компьютерных систем следует считать концепцию создания систем адаптивного синтеза информационно-вычислительных конфигураций - САС ИВК. В свою очередь, такая система адаптивного синтеза информационно-вычислительных конфигураций представляет собой саморазвивающийся, синергетический программно-аппаратный комплекс на основе адаптивного синтеза своей собственной информационно-вычислительной конфигурации, управляемого единой миварной системой унифицированной обработки данных и правил. Рассмотрим более подробно основные пути создания систем адаптивного синтеза информационно-вычислительных конфигураций. ОСНОВНЫЕ ПУТИ СОЗДАНИЯ СИСТЕМ АДАПТИВНОГО СИНТЕЗА ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ КОНФИГУРАЦИЙ Задача синтеза вычислительной структуры, реализующей некоторый заданный алгоритм, представляет собой важное направление в информатике, которое получило название "Отображение проблем вычислительной математики на архитектуру вычислительных систем". Известны исследования Каляева А.В., Каляева И.А., Левина И.И., Станишевского О.Б., Коробкина В.В., Пономарева И.М. [Л. 115-116, 126-131, 165-167, 384-386], в которых на основании изучения матрицы инциденций ярусно-параллельной формы графа алгоритма предложены процедуры синтеза вычислительных структур, позволяющие проектировать специализированные вычислительные устройства с учетом наложенных ограничений. При этом, как правило, свойства алгоритма удобно исследовать с помощью графов. В тоже время, как показали Корженевич Ю.В. и Кобайло Ю.С. [Л. 146], вычислительная структура также может быть описана ориентированным графом, в котором вершины отождествлены с функциональными устройствами, а дуги с линиями связи. При этом реализация алгоритма предполагает выполнение в определенном порядке его операций. Тогда, в качестве вычислительной структуры можно рассмотреть и такую, граф которой совпадает с вычислительным графом алгоритма. Однако, в этом случае каждое функциональное устройство срабатывает всего один раз [Л. 146]. С помощью гомоморфной свертки, т.е. слияния нескольких вершин с соответствующим применением множества дуг, можно формировать вычислительные структуры, состоящие из меньшего числа функциональных устройств и характеризующиеся более полной загруженностью. Например, в [Л. 146] рассмотрены методы отображения параллельной формы алгоритма на вычислительную структуру, реализующую данный алгоритм при наложенных ограничениях. Таким образом, известно достаточно много систем синтеза вычислительных конфигураций, но до сих пор не рассматривались более подробно вопросы адаптивного синтеза конфигураций компьютерных систем. Проведенные исследования показали, что разработка многопроцессорных вычислительных систем и ВВК на традиционных принципах и известных технологических решениях является не достаточно эффективной. Новые принципы, архитектурные и технологические решения требуют разработки новых подходов и теоретических основ разработки многопроцессорных вычислительных систем. Адаптивный синтез конфигураций компьютерных систем является одним из наиболее перспективных направлений исследований в данной области. Как было показано в первом разделе, разработка принципов построения и применения систем адаптивного синтеза (САС) информационно-вычислительных конфигураций (ИВК) для оперативного анализа и решения сложных, специальных и/или уникальных диагностических задач (УДЗ) является сложной наукоемкой проблемой. Подчеркнем, что научная проблема создания САС ИВК, кратко описанная выше, относится к управлению в технических системах, в частности, к области самооценки, саморазвития и адаптации компьютерных систем. Кроме того, как было указано выше, проблема может быть сформулирована следующим образом: создание адаптивного синергетического (саморазвивающегося) программно-аппаратного комплекса активной обработки потоков входных данных на основе пространства унифицированного представления данных и правил, управляемых потоком данных, в условиях дефицита времени одновременного анализа внезапно возникающих сложных задач обучения и распознавания. Для достижения цели создания САС ИВК, подробно сформулированной в первом разделе, могут быть использованы полученные выше следующие научные результаты: 1) разработаны принципы построения эволюционных адаптивных баз данных и правил, т.е. объектно-структурного динамически многомерного информационного пространства представления данных и правил; 2) разработан метод обработки данных на основе применения "активной" логической сети правил, управляемой потоком данных; 3) разработан метод быстрого поиска маршрута логического вывода на основе построения многополюсной сети и поиска ее минимального разреза; 4) разработан метод максимального распараллеливания потоковой обработки взаимозависимых данных путем построения виртуальных потоковых баз данных; 5) разработан метод алгоритмической минимизации необходимого количества вычислительных процедур и устройств сложения для решения отдельных сложных диагностических задач. Эти результаты взаимосвязаны следующим образом. В результате разработки эволюционных, адаптивных баз данных, т.е. новых принципов построения систем представления данных, были предложены принципы построения нового объектно-структурного динамически многомерного пространства унифицированного представления данных и правил (миварное пространство), которое полностью удовлетворяет требованиям САС ИВК. Кроме того, миварная концепция представления данных может быть использована для создания теоретических основ адаптивного синтеза конфигураций многопроцессорных вычислительных систем. Так как новый миварный подход к представлению и обработке данных существенно расширяет возможности по универсальности и оперативности обработки информации в САС ИВК, то был разработан новый метод оперативной обработки данных на основе применения миварного пространства и построения адаптивной активной логической сети, управляемой потоком данных. Для повышения быстродействия и оперативности обработки данных в САС ИВК путем использования новых возможностей миварного пространства представления данных и правил был разработан новый метод быстрого поиска маршрута вывода на основе использования логической сети правил. Суть этого метода в преобразовании логической сети правил миварного пространства в многополюсную сеть теории графов и поиска ее минимального разреза. Анализ известных алгоритмов поиска минимального разреза сетей и дополнительные исследования позволили значительно повысить оперативность обработки данных и разработать квадратичной сложности метод поиска минимального разреза многополюсных сетей. Оценка возможностей известных методов распараллеливания множественного доступа к общей базе данных выявила необходимость решения проблемы обеспечения реального параллельного доступа к базе данных для обеспечения оперативности потоковой обработки данных в САС ИВК. В результате проведенных исследований был разработан метод максимального распараллеливания множественного доступа к общей базе данных в условиях недопущения взаимного искажения используемых данных на основе построения виртуальных потоковых баз данных. Анализ дополнительных возможностей повышения оперативности обработки информации в САС ИВК выявил возможность существенного ускорения обработки при решении некоторых классов переборных задач. В результате был разработан новый метод (способ) алгоритмической минимизации количества вычислительных процедур и устройств сложения, позволяющий перейти от степенной к линейной зависимости общего количества операций сложения от разрядности чисел. Таким образом, для завершения разработки теоретических основ адаптивного синтеза конфигураций компьютерных систем, т.е. для построения САС ИВК, осталось предложить только научно-технические принципы построения и применения систем адаптивного синтеза информационно-вычислительных конфигураций для решения сложных, специальных и уникальных диагностических задач. Рассмотрим более подробно принципы построения и применения систем адаптивного синтеза информационно-вычислительных конфигураций - САС ИВК. ПРИНЦИПЫ ПОСТРОЕНИЯ И ПРИМЕНЕНИЯ СИСТЕМ АДАПТИВНОГО СИНТЕЗА ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ КОНФИГУРАЦИЙ Система адаптивного синтеза информационно-вычислительных конфигураций предназначена для формирования оптимально возможных проблемно-ориентированных конфигураций многопроцессорных вычислительных систем, на основе: • как классификации решаемых сложных специальных задач, • так и анализа существующих и доступных компонент многопроцессорных вычислительных систем с учетом их совместимости. Следовательно, в системе адаптивного синтеза информационно-вычислительных конфигураций должны храниться данные и модели, описывающие как специальные задачи, так и возможные конфигурации элементов, блоков и средств многопроцессорных вычислительных систем и ВВК. Таким образом, система адаптивного синтеза информационно-вычислительных конфигураций может быть отнесена к классу автоматизированных систем сбора и обработки информации (АССОИ). В области исследования АССОИ работали многие специалисты (Калиниченко Л.А., Крылов Г.О., Рывкин В.М., Замулин А.В., Попов Э.В., Поспелов Д.А., Шеремет И.А., Цаленко М.Ш., Атре Ш., Дейт К., Мартин Дж., Смит Дж., Тиори Т., Фрай Дж., Ульман Дж., Цикритзис Д.С., Лоховски Ф.Х. и др.) [Л. 1-13, 15-28, 30-48, 54-57, 62-66, 70-80, 86-98, 100-118, 120-132, 135-152, 154-167, 170-176, 178, 183-185, 189-216, 224-228, 231-245, 247-253, 255-258, 261-264, 268-271, 274-280, 284-300, 304-311, 313-319, 321-328, 342-426]. Однако, результаты этих исследований не являются достаточными для решения проблемы создания САС ИВК. Прежде всего, выделим следующие основные принципы построения и применения систем адаптивного синтеза информационно-вычислительных конфигураций: возможность перестройки архитектуры системы в целом, распределенность обработки и памяти, модульность, наращиваемость, непрерывность функционирования, живучесть, многопроцессорность, универсальность, возможность неограниченного накопления и обработки в едином унифицированном формате любых данных и правил, максимальная оперативность обработки потоков информации (возможно после некоторого периода настройки системы), синергетическая адаптивность, самонастраиваемость по определенным критериям оптимизации функционирования, самоанализ и активное формирование требований по изменению своих ресурсов и конфигурации. Все изменения и дополнения в любой подсистеме не должны прерывать функционирование системы в целом, независимость от конкретных технических средств, открытость системы. Отметим, что органичное сочетание требований универсальности и максимальной оперативности возможно на основе применения компьютерных систем с массовым параллелизмом, программируемой архитектурой и структурно-процедурной обработкой информации. Рассмотрим более подробно следующие основные принципы построения и применения систем адаптивного синтеза информационно-вычислительных конфигураций. 1. Адаптивность архитектуры - исходя из общих требований адаптивности синтеза компьютерных конфигураций следует, что система адаптивного синтеза информационно-вычислительных конфигураций сама по себе должна быть адаптивной автоматизированной системой сбора и обработки информации, т.е. АССОИ. 2. Непрерывность функционирования - исходя из требований, предъявляемых к непрерывности процесса решения сложных специальных задач, принципиально важно, что функционирование систем адаптивного синтеза информационно-вычислительных конфигураций должно быть непрерывным. 3. Живучесть - система адаптивного синтеза информационно-вычислительных конфигураций должна быть устойчива к отказам отдельных технических устройств, блоков, средств и т.п., обеспечивая автоматическую переконфигурацию системы и непрерывное решение задач на исправных, доступных технических средствах. 4. Наращиваемость вычислительной мощности - так как финансирование закупок технических средств ведется постоянно, непрерывно, но периодически, т.е. через определенные (иногда, различные по длительности) интервалы времени, то целесообразно постепенно добавлять в систему адаптивного синтеза информационно-вычислительных конфигураций новые технические блоки и т.п. 5. Модульность - наращиваемость вычислительной мощности, т.е. добавление новых блоков, представляется целесообразным осуществлять в виде функциональных модулей. 6. Многопроцессорность - для обеспечения производительности, адаптивности, живучести, непрерывности и надежности система адаптивного синтеза информационно-вычислительных конфигураций должна быть многопроцессорной. 7. Неоднородность - для реализации адаптивности систем адаптивного синтеза информационно-вычислительных конфигураций в условиях непрерывности функционирования и с учетом обязательной модернизации технических средств, САС ИВК должна быть неоднородной многопроцессорной системой. 8. Активное формирование требований по изменению своей конфигурации - так как система адаптивного синтеза информационно-вычислительных конфигураций предназначена для синтеза конфигураций компьютерных систем (т.е. ИВК), следовательно, задача синтеза (самосинтеза) структуры самой САС так же может быть ею решена, если САС ИВК будет иметь возможность активно, т.е. самостоятельно, формировать требования к Заказчику (метасистеме) по изменению своей конфигурации. 9. Независимость от конкретных технических средств - система адаптивного синтеза информационно-вычислительных конфигураций должна адаптироваться и функционировать непрерывно и постоянно, следовательно всегда должно быть несколько вариантов по изменению конфигурации и модернизации конкретных технических средств. 10. Открытость - в общем случае такая сложная техническая многофункциональная система, как система адаптивного синтеза информационно-вычислительных конфигураций, должна иметь возможность взаимодействовать с различными техническими системами и средствами, т.е. быть "открытой" технической системой. 11. Универсальность представления данных - подсистема обработки и накопления информации системы адаптивного синтеза информационно-вычислительных конфигураций, основанная на технологиях баз данных, должна быть универсальной для любых предметных областей, так как теоретически САС ИВК должна иметь возможность обучения и работы в любых предметных областях. 12. Общность и единство представления данных - подсистема обработки и накопления информации системы адаптивного синтеза информационно-вычислительных конфигураций должна быть общей и единой, унифицированной для всех предметных областей. 13. Адаптивность обработки данных - для своевременного реагирования на изменения предметной области и окружающей среды, процессы обработки информации должны адаптивно управляться потоком входных данных. 14. Распределенность обработки - так как система адаптивного синтеза информационно-вычислительных конфигураций является многопроцессорной вычислительной системой, то, в общем случае, одновременная обработка данных должна быть организована на территориально распределенных вычислительных средствах. 15. Активное управление сбором данных - при решении сложных специальных задач, система адаптивного синтеза информационно-вычислительных конфигураций должна активно управлять процессом сбора необходимой исходной информации, формируя, таким образом, единую систему обработки информации типа "активная логическая сеть правил, управляемая потоком данных". 16. Эволюционность представления данных и правил - так как система адаптивного синтеза информационно-вычислительных конфигураций должна функционировать непрерывно, следовательно, и новые данные, и новые правила должны вводиться и встраиваться в подсистему обработки и накопления информации эволюционно, без перезагрузки и перепланирования баз данных и знаний. 17. Обучаемость - исходя из необходимости адаптивности и обучения различным предметным задачам в условиях непрерывности функционирования, следует, что подсистема накопления информации системы адаптивного синтеза информационно-вычислительных конфигураций должна иметь изменяемую синергетическую эволюционную структуру представления данных и правил. 18. Глобальность, т.е. возможность неограниченного накопления любых данных и правил - так как система адаптивного синтеза информационно-вычислительных конфигураций должна быть обучаема различным задачам, без теоретического ограничения объема хранимых данных, значит, в подсистеме накопления и хранения данных системы адаптивного синтеза информационно-вычислительных конфигураций необходимо предусмотреть возможность неограниченного эволюционного накопления любых данных и правил. 19. Максимальное быстродействие обработки потоков данных - этот принцип является желательным и следует из необходимости оперативного решения сложных и специальных задач на основе применения систем адаптивного синтеза информационно-вычислительных конфигураций. Целесообразно продолжить научные исследования в направлении разработки принципов построения и применения систем адаптивного синтеза информационно-вычислительных конфигураций. В процессе дальнейших исследований возможно выявление новых принципов построения и применения систем адаптивного синтеза компьютерных конфигураций. Однако, указанных выше принципов достаточно для реализации и внедрения систем адаптивного синтеза информационно-вычислительных конфигураций. Главное заключается в том, что система адаптивного синтеза информационно-вычислительных конфигураций должна быть интеллектуальной неоднородной многопроцессорной универсальной развивающейся синергетической автоматизированной системой сбора и обработки информации, в которой можно наращивать, заменять и модернизировать любые подсистемы, модули, блоки, элементы и средства, а также данные и правила их обработки. На данном этапе исследований представляется возможным вернуться к обсуждению проблем создания систем искусственного интеллекта, с учетом полученных нами выше научных результатов. Рассмотрим роль ЭВМ при обработке информации и представление теории искусственного интеллекта в качестве новой теории активного отражения. Переход на главную страницу сайта Переход на вводную страницу сайта | |||
| Напишите мне |
