Разделы 1, 2 и 7 данной монографии написаны Варламовым О.О. Раздел 3 написан Санду Р.А. Остальные разделы монографии написаны авторами совместно.
Кроме того, разделы 5.9.3, 6.5.1, 6.5.2, 6.5.3 и 7.5 данной монографии написаны авторами вместе с Сергушиным Г.С. Разделы 1.5, 2.1, 2.3, 7.1.1, 7.1.3, 7.1.7, 7.2.1, 7.2.3, 7.2.4 и 7.5 данной монографии написаны авторами вместе с Васюговой С.А. Разделы 7.2.1, 7.2.2, 7.2.3, 7.2.4 и 7.5 данной монографии написаны авторами вместе с Белоусовой А.И. Раздел 2.5 оформлен рисунками Варламовой Л.О.
Благодарности. Данная книга написана по результатам многолетних исследований, которые были бы невозможны без поддержки и помощи многих и многих наших друзей, товарищей, сотрудников. Выражаем искреннюю благодарность нашим семьям, друзьям, учителям и всем тем, кто оказывал помощь в проведении научных исследований, а также при написании, редактировании и опубликовании этой монографии.
Спасибо!
1. Мивары и искусственный интеллект
Проведем обзор литературных источников [1-525] и краткое сравнение и сопоставление достижений и возможностей миварных технологий и основных подходов в области создания ИИ. Но перед этим совсем кратко изложим основы миварного подхода и опишем, для каких систем он создавался. Надеемся, что после такого описания станет понятно, что существующие "традиционные" интеллектуальные системы решают гораздо более простые задачи, традиционные подходы к их решению не удовлетворяют реальным требованиям, а миварный подход является развитием и обобщением практически всех существующих технологий и обладает качественно новыми достоинствами и важными преимуществами.
1.1. Основы миварного подхода
Проблема моделирования интеллектуальной деятельности человека для создания ИИ является актуальной и важной. Миварный подход позволяет предложить новые модели и методы обработки информации и управления. Будем понимать под системами искусственного интеллекта активные самообучающиеся логически рассуждающие системы. В прошлом веке были разработаны технологии создания экспертных систем по отдельным узконаправленным предметным областям. Это было обусловлено сложностями формализованного описания требуемых предметных областей и тем, что системы логического вывода не могли обрабатывать более 20 объектов/правил. В то же время, получили развитие интеллектуальные пакеты прикладных программ (ИППП), которые позволяли решать в автоматизированном режиме задачи в разных областях, где требовались вычисления и конструирование алгоритмов решения задач. Технологии ИППП развиваются в миварах и сервисно-ориентированных архитектурах.
В Интернете развиваются различные формы справочных и обучающих систем. Например, Википедия или проект "Вольфрам". Российская фундаментальная инновационная технология "миварный подход" [46-126, 303, 354-355, 503-504] позволяет использовать эволюционные базы данных и знаний (правил) для формирования единого образовательного и справочного пространства. Активная миварная Интернет-энциклопедия будет содержать в себе не только факты в разных предметных областях, по аналогии с существующими энциклопедиями, но и активные программы для решения различных логических и вычислительных задач (технологии ИППП и сервисов). В миварном подходе объединяются в единую технологию базы данных, вычислительные задачи и логические проблемы.
Миварный подход [46-126, 303, 354-355, 503-504] развивается с 1985 года и включает две основные технологии:
1) эволюционные базы данных и правил (знаний) с изменяемой структурой на основе миварного информационного пространства унифицированного представления данных и правил, базирующегося на "тройке" "вещь, свойство, отношение", предназначенные для хранения любой информации с изменением структуры и без ограничения по объему и формам представления;
2) систему логического вывода или конструирования алгоритмов на основе активной обучаемой миварной сети правил с линейной вычислительной сложностью, предназначенную для обработки информации, включая не только логический вывод, но и вычислительные процедуры и сервисы.
В отличие от традиционных подходов, разделяющих хранение в базах данных, логический вывод и вычислительную обработку [226, 244-245, 264, 273, 328], миварный подход позволяет создавать многомерные и эволюционные системы, обрабатывающие информацию в реальном масштабе времени с совмещением логических выводов и вычислительной обработки [46-126, 303, 354-355, 503-504]. Основой многомерного эволюционного миварного подхода является то, что реальный мир существует сам по себе, а при изучении и познании некоторой предметной области человек представляет себе описание этого мира в виде начального трехмерного пространства, осями которого являются понятия: вещь, свойство и отношение. Эти три понятия – абстракции, удобные для описания реального мира. Отметим, что миварный подход – это современный подход для разработки интеллектуальных систем и, в перспективе, создания систем искусственного интеллекта [72].
1.2. Для каких систем создан миварный подход
Практика общения с коллегами на научных конференциях и дискуссиях показала, что необходимо сразу и четко формулировать, для каких систем был создан миварный подход. Дело в том, что, по признанию многих авторитетных ученых, их работы направлены на решение "игрушечных задач" с очень ограничивающими требованиями, например: замкнутость описания предметной области, не более 20-30 логических правил и т.п. На ранних этапах исследований такие постановки имели право на жизнь. Но миварный подход создавался для принципиально других систем, которые можно кратко называть глобальными познающе-диагностическими системами реального времени. По указанным выше примерам, для миварного подхода сразу было поставлено условие работы с открытыми и достаточно большими предметными областями, где счет логическим правилам идет на десятки тысяч. При этом стоит отметить, что были практически сняты ограничения на вычислительные ресурсы и прочие материальные ограничения, т.к. стояла задача оценки определения предельных возможностей таких систем.
Глобальные познающе-диагностические системы (ГПДС) должны решать задачу мониторинга и прогнозирования сложной предметной области. Обобщенная схема таких систем показана на рисунке 1.
Рисунок 1 – Схема познающе-диагностических систем реального времени
Отметим, что основой работы глобальных познающе-диагностические систем является информация – глобальная же модель предметной области, включающая и все данные, и все правила, и все отношения и т.д. В терминологии миваров это и есть эволюционная база данных и правил. Именно на ее основе можно по кратким фрагментам получаемых сообщений делать обоснованные выводы и прогнозы. Эти краткие сообщения представляют собой лишь горные вершины или вершины айсбергов, за которыми скрываются огромные описания, хранящиеся в базах данных.
Для решения задачи мониторинга и прогнозирования сложной предметной области (ПО) необходимо создать автоматизированную систему информационного моделирования и прогнозирования. Прежде всего, необходимо создать информационную модель предметной области и решить задачи сбора требуемых данных, обработки информации и прогнозирования развития объекта наблюдения. Эта классическая задача имеет большое множество возможных решений, зависящих от особенностей предметной области, имеющихся ресурсов, заданных требований по достоверности, своевременности, надежности, точности прогнозирования и т.п. В любом случае, необходимо выделение и создание трех подсистем:
· сбора данных;
· накопления и обработки информации;
· прогнозирования и имитационного моделирования.
Создание информационной модели сложной предметной области является творческой задачей с применением информационных технологий баз данных, экспертных систем, систем поддержки принятия решений, интеллектуальных систем и др. Успех решения задачи зависит от концептуального моделирования предметной области (выделяют концептуальный, логический и физический уровни моделирования ПО). Отметим, что анализ разработки существующих аналогов показывает необходимость изначального применения эволюционных (развивающихся, обучаемых) систем. В настоящее время существуют современные и перспективные методы моделирования самых сложных предметных областей в предельно жестких ограничениях и внешних условиях. К таким информационным технологиям относится отечественная технология создания самоорганизующихся программно-аппаратных комплексов оперативной диагностики (СПАКОД) на основе эволюционного многомерного информационного пространства универсального представления данных и правил [72, 46-126, 303, 354-355, 503-504].
При решении задач моделирования и прогнозирования сложных предметных областей невозможно изначально определить требуемые ресурсы и возможные проблемы. Такая задача относится к классу познавательных задач и не имеет однозначных, тем более, простых решений. Кроме того, задача мониторинга относится к классу диагностических задач, требующих обработки данных в реальном масштабе времени. Когда задачи познания и диагностики решаются одновременно, возникает наиболее сложный класс познающе-диагностических задач. В настоящее время для одновременного решения задач мониторинга и прогноза сложных реальных предметных областей не существует готовых информационных систем.
