ПОИСК Статьи Чертежи Таблицы Общие вопросы построения систем с искусственном интеллектом из "АСУ ТП промыслов газоконденсатного месторождения Крайнего Севера " На заре создания систем с искусственным интеллектом, да и некоторое время спустя, основное внимание разработчиков было сосредоточено на том, чтобы промоделировать сложный процесс мышления человека, найти общие методы решения задач и использовать их при построении универсальных компьютерных программ. Однако их усилия в этом направлении не привели к ощутимым результатам, хотя и ради справедливости, нельзя отрицать некоторые достижения. Это объясняется тем, что создание универсальных программ оказалось делом слишком трудным и контрпродуктивным, связанным со значительными, ничем не оправданными интеллектуальными, материальными и временными затратами. [c.91] Компьютерная революция 70-х годов стала базисом для качественного скачка в области создания систем с искусственном интеллектом. Специалистам, занятым исследованиями этой проблемы, стало очевидным, что в ранее разработанных программах не хватало очень важного компонента — знаний в соответствующей предметной области. Выяснилось, что эффективность программы при решении задач зависит не только от формализмов и схем логического вывода, которые она использует, но и от знаний о предметной области. Именно этот фактор стал основой появления совершенно новой концепции построения систем с искусственным интеллектом, идею о которой вкратце можно сформулировать следующим образом Чтобы сделать программу интеллектуальной, ее нужно снабдить множеством ваьаюококачественных специальных знаний о некоторой предметной области 49]. [c.91] Применение знаний при построении таких систем привело к развитию специализированных пакетов программ, каждый из которых являлся экспертом в определенной узкой предметной области. В дальнейшем эти программы, основанные на знаниях, получили название жспертиьк сшстемы. [c.91] Необходимость использования знаний при построении экспертных систем порождала вторую проблему как передать эти знания в систему. Решение этого вопроса требует взаимодействия разработчика экспертной системы, обычно его называют инженером знаний, с экспертом (экспертами) в данной предметной области и с другими источниками знаний. [c.92] Технологию накопления знаний и передачу их в систему, точнее, процесс построения экспертных систем, часто называют инженерией знаний (этот вопрос подробней рассмотрен в следующем параграфе). [c.92] Часто задается простой вопрос для чего нужна экспертная система, если существует высококлассный эксперт Сравнительной анализ человеческой и искусственной компетентности показывает, что компетентность человека в отличие от экспертной системы является непрочной (любые перерывы в профессиональной деятельности снижает его компетентность), она трудно передается (требует довольно длительного процесса обучения). Знания, составляющие основы компетенции, сложно документируются и требуют на это достаточно большого времени. Компетентность человека является во многом непредсказуемой (эксперт под влиянием различных эмоциональных и других факторов в абсолютно идентичных ситуациях может принимать совершенно различные решения), является продуктом дорогостоящим, так как труд высококлассных экспертов соответственно и оплачивается. [c.92] Сердцевиной технологии Soft omputinq является нечеткая логика. Ее основу составляет теория нечетких множеств, созданная в конце 60-х гг. американским ученым азербайджанского происхождения А. Заде (кстати сказать, родившимся в городе Баку и в 30-х годах эмигрировавшим в США), Именно теория нечетких множеств стала основой совершенно нового направления в области создания систем с искусственным интеллектом и позволила преодолеть некоторый кризис, имевший место в начале 90-х гг. в развитии этих систем. Разработка этой теории создала реальные предпосылки для построения не только экспертных систем, выступающих в роли хорошего советчика, но и интеллектуальных систем управления, принимающих эффективные решения и реализующих их. [c.94] В целях усвоения материала последующих глав ниже дается некоторый минимум терминов и понятий теории упомянутых нечетких множеств и нечетких систем управления. Читателей, желающих более основательно ознакомиться с этими вопросами, мы адресуем, например, к работам [50 — 52, 54]. [c.95] Из этого выражения видно, что любой элемент множества. X однозначно либо входит в подмножество А. либо нет. [c.95] Над нечеткими множествами можно производить различные операции. Наиболее распространенными из них являются объединение, пересечение и дополнение. [c.96] На рис. 4.1, 4.2 и 4.3 изображены объединение, пересечение и дополнение нечетких множеств. [c.97] Как правило, основными функциональными элементами нечеткой системы управления являются блоки фаззифика-ции и дефаззификации, база данных, база знаний и механизм вывода. [c.98] На рис. 4.4 изображена базовая структурная схема нечеткой системы управления [50]. [c.98] Система функционирует следующим образом с выхода системы четкий сигнал обратной связи поступает на вход элемента сравнения. На второй вход этого же элемента поступает четкий входной сигнал, где происходит их сравнение. В результате сравнения четкий сигнал рассогласования поступает на вход блока фаззификаци БФ, в котором происходит преобразование четкого сигнала в нечеткий. Этот нечеткий сигнал поступает в блок, реализующий механизм вывода БМВ, последний, используя содержание базы данных и базы знаний, осуществляет соответствующий логический вывод для формирования выходного нечеткого сигнала. Этот нечеткий сигнал поступает на вход блока дефаззификации БДФ, в котором происходит преобразование нечеткого сигнала в четкий. С выхода БДФ уже четкий сигнал поступает на исполнительный механизм. [c.98] Отметим, что более подробно выполняемые функции и описание принципа работы как отдельных блоков (БФ, БДФ и т.д.), так и нечеткой системы в целом, будут показаны на примере расчета теплового режима входных шлейфов УКПГ в параграфе 5.2. [c.99] Вернуться к основной статье