Комплексные интеллектуальные САПР для разработки современных конструкций и технологических процессов РЭС

Основное назначение лекции - усвоение основных методов и средств повышения интеллектуальности систем проектирования.

1.1. Повышение интеллектуальности подсистем проектирования

Интеллектуальность средств/систем автоматизации заключается в использовании ими при переработке не только измеряемых на объекте количественных данных, но и знаний персонала, обслуживающего этот объект.

Здесь под знаниями понимается продукт интеллектуальности, т. е. проверенное практикой отражение действительности в сознании человека. На основе знаний персонала предприятия, в частности, принимаются решения по планированию и управлению производством.

Ответственные за нормализацию производственного процесса воздействия вырабатываются операторами не только путем анализа измеряемых величин, но также путем отбора и переработки таких наблюдаемых качественных показателей (определяемых словесно и не имеющих количественной шкалы измерения), которые характеризуют текущее состояние производства:

Принимаемые персоналом предприятия (технологами, операторами, ремонтниками и другими специалистами) решения по планированию работы основаны как на текущих значениях измеряемых и наблюдаемых на производстве показателей, так и на теоретических сведениях и обобщении ими опыта работы на данном предприятии.

Используемые для календарного планирования и оперативного управления технологами и диспетчерами модели производства разрабатываются на основе теоретических технологических зависимостей с использованием экспериментальных производственных данных.

На практике распространено несколько другое, более широкое понимание термина "интеллектуальность". Оно основано на сопоставлении существующих повсеместно в средствах/системах автоматизации методов и алгоритмов реализации функций контроля и управления с теми новыми, гораздо более точными, эффективными, охватывающими новые классы задач методами и алгоритмами, которые стали внедряться в средства/системы автоматизации в последние годы.

Обычный, типовой набор задач, повсеместно решаемых в отдельных средствах автоматизации нижних уровней:

Но наблюдаемое интенсивное развитие микропроцессоров в части увеличения быстродействия, разрядности, объемов разного вида памяти, наряду с непрерывным снижением их стоимости привели к технической возможности и экономической целесообразности расширять классы задач, решаемых в этих средствах автоматизации. В дополнение к перечисленным выше решаемым типовым задачам в них стали включаться и все более широко распространяться следующие задачи:

Все эти достаточно новые задачи объединяет то, что их реализация расширяет возможности автоматизации и повышает точность и качество контроля и управления. В большинстве источников и в документации производителей средств автоматизации принято, чтобы отличать эти задачи от типовых задач контроля и управления, называть новые решаемые задачи интеллектуальными, а реализующие их средства - интеллектуальными средствами.

Повышение интеллектуальности подсистем проектирования осуществляется за счет использования эвристического программирования, экспертных систем, путем перехода от режима диалога к пакетному режиму более высокого уровня.

Одно из требований автоматизированного проектирования в режиме диалога - это максимальное освобождение технолога-проектировщика от рутинных работ, требующих каких-либо вычислений или количественных оценок проектных ситуаций. В процессе проектирования технолог-проектировщик задает информацию о полезности следствий. Эта информация обрабатывается ЭВМ с целью сокращения числа целесообразных альтернатив и отбрасывания неприемлемых. Проектировщик, принимающий решение, анализирует результаты расчета на ЭВМ и отбирает рациональные (с его точки зрения) альтернативы, а если надо - осуществляет дальнейшую детализацию альтернатив и возникающих из них следствий.

Как уже было сказано, средством повышения интеллектуальности систем проектирования является использование на всех уровнях проектирования иерархии математических моделей.

Второе направление развития современных САПР - использование идей искусственного интеллекта, экспертных систем.

1.2. Об искусственном интеллекте

Искусственный интеллект (ИИ) как научное направление, связанное с попытками формализовать мышление человека, имеет длительную историю. Еще Платон, Аристотель, Р. Декарт, Г.В. Лейбниц, Дж. Буль и многие другие исследователи на уровне современных им знаний стремились описать мышление как совокупность некоторых элементарных операций, правил и процедур. Качественно новый период развития ИИ связан с появлением в научных лабораториях ЭВМ и с публикацией книги Н. Винера "Кибернетика или управление и связь в животном и машине", появившейся еще ранее книги У. Росс Эшби "Введение в кибернетику".

В нашей стране идеи создания ИИ получили признание после выхода целой серии переводных работ Н. Винера, У. Росс Эшби, Ст. Бира и Э. Беркли в конце 1950-х - начале 1960-х годов прошлого века и нашего соотечественника Берга. Однако к непосредственному использованию идей ИИ наши ученые обратились только с развитием информационных технологий, с необходимостью повышения интеллектуальности систем автоматизированного проектирования современных конструкций и технологических процессов изготовления изделий в различных областях.

Искусственный интеллект появился на базе вычислительной техники, математической логики, программирования,психологии, лингвистики, нейрофизиологии и других отраслей знаний. Искусственный интеллект - это образец междисциплинарных исследований,где соединяются профессиональные интересы специалистов разного профиля. Само название новой науки возникло в конце 60-х г.г., а в 1969 г. в Вашингтоне (США) состоялась первая Всемирная конференция по искусственному интеллекту.

Известно, что совокупность научных исследований обретает права науки, если выполнены два необходимых условия:у этих исследований должен быть объект изучения, не совпадающий с теми, которые изучают другие науки, и должны существовать специфические методы исследования этого объекта, отличные от методов других, уже сложившихся наук. Исследования, которые объединяются сейчас термином " искусственный интеллект ", имеют свой специфический объект изучения и свои специфические методы.

Когда в конце 1940-х - начале 1950-х г.г. появились ЭВМ, стало ясно, что инженеры и математики создали не просто быстро работающее устройство для вычислений, а нечто более значительное. Оказалось, что с помощью ЭВМ можно решать различные головоломки, логические задачи, играть в шахматы, создавать игровые программы.ЭВМ стали принимать участие в творческих процессах: сочинять мелодии, стихотворения и сказки. Появились программы для перевода с одного языка на другой, для распознавания образов,доказательства теорем. Это свидетельствовало о том, что с помощью ЭВМ и соответствующих программ можно автоматизировать такие виды человеческой деятельности, которые называются интеллектуальными и считаются доступными лишь человеку.

Несмотря на большое разнообразие невычислительных программ, созданных к началу 1960-х гг., программирование в сфере интеллектуальной деятельности находилось в гораздо худшем положении, чем решение расчетных задач. Программирование для задач расчетного характера опиралось на соответствующую теорию - вычислительную математику. На основе этой теории было разработано много методов решения задач. Эти методы стали основой для соответствующих программ. Ничего подобного для невычислительных задач не было. Любая программа была здесь уникальной, как произведение искусства. Опыт создания таких программ никак не обобщался, умение их создавать не формализовалось.

В отличие от искусства, у науки должны быть методы решения задач. С помощью этих методов все однотипные задачи должны решаться единообразным способом, и, "набив руку" на решении задач определенного типа, можно решать новые задачи, относящиеся к тому же типу. Но именно таких методов и не смогли придумать те, кто писал первые программы невычислительного характера.

Когда программист создавал программу для игры в шахматы, он использовал собственные знания о процессе игры. Он вкладывал их в программу, а компьютер лишь механически выполнял эту программу. Можно сказать, что компьютер не отличал вычислительные программы от невычислительных. Он одинаковым образом находил корень квадратного уравнения или писал стихи. В памяти компьютера не было знаний о том, что он на самом деле делает.

Об интеллекте компьютера можно было бы говорить, если бы он сам, на основании собственных знаний о том, как протекает игра в шахматы и как играют в эту игру люди, сумел составить шахматную программу или синтезировал программу для написания несложных вальсов и маршей.

Не сами процедуры, с помощью которых выполняется та или иная интеллектуальная деятельность, а понимание того, как их создать, научиться новому виду интеллектуальной деятельности, - вот где скрыто то, что можно назвать .Специальные метапроцедуры обучения новым видам интеллектуальной деятельности отличают человека от компьютера. Следовательно, при создании искусственного интеллекта основной задачей становится реализация машинными средствами тех метапроцедур, которые используются в интеллектуальной деятельности человека. Что это за процедуры?

В психологии мышления есть несколько моделей творческой деятельности. Одна из них называется лабиринтной. Суть лабиринтной гипотезы, на которой основана лабиринтная модель, состоит в следующем: переход от исходных данных задачи к ее решению лежит через лабиринт возможных альтернативных путей. Не все пути ведут к желаемой цели - многие из них заводят в тупик, из которого надо уметь возвращаться к тому месту, где потеряно правильное направление. Для этой цели на каждом шагу можно применять некоторые стандартные преобразования или придумывать искусственные приемы. Но весьма часто вместо упрощения выражения происходит его усложнение, и возникают тупики, из которых нет выхода. По мнению сторонников лабиринтной модели мышления, решение всякой творческой задачи сводится к целенаправленному поиску в лабиринте альтернативных путей с оценкой успеха после каждого шага.

С лабиринтной моделью связана первая из метапроцедур - целенаправленный поиск в лабиринте возможностей. Программированию этой метапроцедуры соответствуют многочисленные процедуры поиска, основанные на соображениях "здравого смысла" (человеческого опыта решения аналогичных задач). В 1960-х г.г. было создано немало программ на основе лабиринтной модели, в основном игровых и доказывающих теоремы "в лоб", без привлечения искусственных приемов. Соответствующее направление в программировании получило название эвристического программирования. Высказывались даже предположения, что целенаправленный поиск в лабиринте возможностей - универсальная процедура, пригодная для решения любых интеллектуальных задач.

Но исследователи отказались от этой идеи, когда столкнулись с задачами, в которых либо не существовало лабиринта возможностей, либо он был слишком велик для метапроцедуры поиска, как, например, при игре в шахматы. Конечно, в этой игре есть лабиринт возможностей - это все мыслимые партии игры. Но как в этом астрономически большом лабиринте найти те партии, которые ведут к выигрышу? Он столь велик, что никакие скорости вычислений не позволят целенаправленно перебрать пути в нем. И все попытки использовать для этого человеческие эвристики (в данном случае профессиональный опыт шахматистов) не дают пути решения задачи. Поэтому современные шахматные программы уже давно применяют не только метапроцедуру целенаправленного поиска, но и другие метапроцедуры, связанные с другими моделями мышления.

Долгие годы в психологии изучалась .Основной метапроцедурой этой модели является .Предполагается, что решение неизвестной задачи так или иначе основывается на уже решенных задачах, чем-то похожих на ту, которую надо решить. Новая задача рассматривается как уже известная, хотя и несколько отличающаяся от известной. Поэтому способ ее решения должен быть близок к тому, который когда-то помог решить подобную задачу.

Для этого надо обратиться к памяти и попытаться найти нечто похожее, что ранее уже встречалось. Это и есть ассоциативный поиск. Когда, увидев незнакомого человека, вы стараетесь вспомнить, на кого он похож, реализуется метапроцедура ассоциативного поиска. Но понятие ассоциации в психологии шире, чем просто "похожесть". Ассоциативные связи могут возникнуть и по контрасту, как противопоставление одного другому, и по смежности, т. е. в силу того, что некоторые явления возникали в рамках одной и той же ситуации или происходили одновременно (или с небольшим сдвигом по времени).

Ассоциативное рассуждение позволяет переносить приемы, использованные ранее, на текущую ситуацию. Несмотря на многолетнее изучение ассоциативной модели, не удалось построить стройную теорию ассоциативного поиска и ассоциативного рассуждения. Исключение составляет важный, но частный класс ассоциаций, называемых условными рефлексами. И все же метапроцедура ассоциативного поиска и рассуждения сыграла важную роль: она помогла создать эффективные программы ,в классификационных задачах и в обучении ЭВМ. Но одновременно эта метапроцедура привела к мысли о том, что для ее эффективного использования надо привлечь результаты, которые были получены в другой модели мышления, опирающейся на идею внутреннего представления проблемной области, на знаниях о ее особенностях, закономерностях и процедурах действия в ней.

Это представление о мыслительной деятельности человека обычно называют модельной гипотезой. Согласно ей, мозг человека содержит модель проблемной ситуации, в которой ему надо принять решение. Для решения применяются метапроцедуры, оперирующие с совокупностью знаний из той проблемной области, к которой принадлежит данная проблемная ситуация. Например, если проблемная ситуация - переход через улицу с интенсивным движением, то знания, которые могут помочь ее разрешить, касаются способов организации движения транспорта, сигналов светофоров, наличия дорожек для перехода и т. д.

В модельной гипотезе основными метапроцедурами становятся представление ,рассуждения, поиск релевантной (связанной с данной проблемной ситуацией) информации в совокупности имеющихся знаний, их пополнение и корректировка. Эти метапроцедуры составляют ядро интеллектуальных возможностей современных программ и программных систем, ориентированных на решение творческих задач. В совокупности с метапроцедурами целенаправленного поиска в лабиринте возможностей, ассоциативного поиска и рассуждения они образуют арсенал интеллектуальных средств, которым располагают современные интеллектуальные системы, часто называемые системами, основанными на знаниях.

Можно сформулировать основные цели и задачи искусственного интеллекта. Объектом изучения искусственного интеллекта являются метапроцедуры, которые применяются при решении человеком задач, традиционно называемых интеллектуальными, или творческими. Но если психология мышления изучает эти метапроцедуры применительно к человеку, то искусственный интеллект создает программные (а сейчас уже и программно-аппаратные) модели таких метапроцедур.

Цель исследований в области искусственного интеллекта - создание арсенала метапроцедур, достаточного для того, чтобы ЭВМ (или другие технические системы, например роботы) могли находить по постановкам задач их решения. Иными словами, стали автономными программистами, способными выполнять работу профессиональных программистов-прикладников (создающих программы для решения задач в определенной предметной области). Сформулированная цель не исчерпывает всех задач, которые ставит перед собой искусственный интеллект. Это цель ближайшая.Последующие цели связаны с попыткой проникнуть в области мышления человека,которые лежат вне сферы рационального и выразимого словесно (вербально) мышления. В поиске решения многих задач, особенно сильно отличающихся от ранее решенных, большую роль играет та сфера мышления, которую называют подсознательной, бессознательной или интуитивной.

Основными методами, используемыми в искусственном интеллекте, являются разного рода программные модели и средства, эксперименты на ЭВМ и теоретические модели. Однако современные ЭВМ уже мало удовлетворяют специалистов по искусственному интеллекту. Их конструкция не имеет ничего общего с тем, как устроен человеческий мозг. Поэтому идет интенсивный поиск новых технических структур, которые будут способны лучше решать задачи, связанные с интеллектуальными процессами. Сюда относятся исследования по нейроподобным искусственным сетям, попытки построить молекулярные машины, работы в области го-лографических систем и многое другое.

Существует несколько основных проблем, изучаемых в искусственном интеллекте.

Кроме этих проблем исследуются многие другие, составляющие тот задел, на который будут опираться специалисты на следующем витке развития теории искусственного интеллекта.

В практику человеческой деятельности интеллектуальные системы уже внедряются. Это наиболее известные широкому кругу специалистов экспертные системы, передающие опыт более подготовленных специалистов менее подготовленным. Сюда относятся и интеллектуальные информационные системы (например, системы машинного перевода),и интеллектуальные роботы,другие системы, имеющие полное право называться интеллектуальными. Без таких систем современный научно-технический прогресс уже невозможен.

Первые шаги кибернетики были направлены на изучение и осмысление процессов, протекающих в сложных, прежде всего, в живых системах, включая и мыслящие. Исследования имели ярко выраженный познавательный характер. Но уже тогда стали появляться разработки, направленные на воспроизведение в ЭВМ определенных процессов и феноменов мышления. Позднее именно это направление и оформилось в самостоятельную область, разрабатывающую проблему ИИ.

В ходе последующего развития исследований по ИИ, в 1960 - 1970-х годах, произошло их разделение на два самостоятельных направления. Это разделение сохраняется и до настоящего времени. Без четкого понимания различий и тенденций развития обоих направлений нельзя правильно разобраться и в современном состоянии проблемы.

1.3. Направление исследований в области искусственного интеллекта

Имеются различные точки зрения на то, что следовало бы считать искусственным интеллектом. Разделение работ по ИИ на два основных направления связано с существованием двух точек зрения на вопрос о том, каким именно образом строить системы ИИ.

В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека,а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д. Эту точку зрения называют нейробио-нической. Ее сторонники ставят перед собой цель воспроизвести искусственным образом те процессы, которые протекают в мозгу человека, - это путь изучения естественного мозга, выявление способов его работы, создания технических средств для повторения биологических структур и протекающих в них процессов. Сторонники этой точки зрения убеждены в том, что важнее всего результат,т. е. хорошее совпадение поведения искусственно созданных и естественных интеллектуальных систем, а что касается внутр енних механизмов формирования поведения, то разработчик ИИ вовсе не должен копировать или даже принимать во внимание особенности естественных, живых аналогов.

Другая точка зрения заключается в том, что именно изучение механизмов естественного мышления и анализ данных о способах формирования разумного поведения человека могут создать основу для построения систем ИИ, причем построение это должно осуществляться, прежде всего, как моделирование, воспроизведение техническими средствами принципов и конкретных особенностей функционирования биологических объектов. Вторую точку зрения, доминирующую в проблеме искусственного интеллекта, называют информационной. Сторонники информационного подхода считают, что основной целью работ в искусственном интеллекте является не построение технического аналога биологической системы, а создание средств для решения задач, традиционно считающихся интеллектуальными.

Таким образом, первое направление рассматривает продукт интеллектуальной деятельности человека, изучает его структуру (выделяя различные проявления интеллектуальной деятельности - решение задач, доказательство теорем, игры) и стремится воспроизвести этот продукт средствами современной техники, т. е. ЭВМ.Если удается запрограммировать ЭВМ так, чтобы она успешно решала конкретную задачу, то считают, что соответствующий вид интеллектуальной деятельности автоматизирован. Успехи этого направления ИИ тесно связаны с развитием ЭВМ и искусством программирования, т. е. с комплексом научно-технических исследований, называемым компьютерными науками. Это направление ИИ также часто называют машинным интеллектом.

Второе направление ИИ рассматривает данные о нейрофизиологических и психологических механизмах интеллектуальной деятельности, а в более широком плане - о разумном поведении человека. Разработчики стремятся воспроизвести эти механизмы с помощью технических устройств, чтобы поведение их хорошо совпадало с поведением человека в определенных, заранее задаваемых пределах. При положительном решении этой проблемы считают, что соответствующий вид человеческой деятельности автоматизирован. Развитие этого направления, называемого искусственным разумом, тесно связано с успехами наук о человеке. Характерным в данном случае является стремление к воспроизведению более широкого, чем в машинном интеллекте, спектра проявлений разумной деятельности человека. Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин.Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

Оба основных направления ИИ связаны с моделированием: в первом случае - с моделированием феноменологическим, имитационным, а во втором - со структурным. В упрощенном виде структура основных направлений, существующих в ИИ, изображена на рис. 21.1 курса "Автоматизированное проектирование промышленных изделий".

Однако существует и третий подход, который ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

Информационная точка зрения, в свою очередь, неоднородна. В ней можно выделить три направления.

Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ, были логические игры (шашки, шахматы), доказательство теорем, кибернетические игрушки типа "электронной мыши" Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла "исследовать" лабиринт и находить выход из него, и, кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта.

Правила игры в таких устройствах были заложены программно, так, что выбор очередного хода был подчинен этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно некоторому критерию качества игры. Разумно сочетая такие критерии (например, в виде линейной комбинации с экспериментально подбираемыми коэффициентами или более сложным образом), можно для оценки очередного хода машины получить некоторый числовой показатель эффективности - оценочную функцию. Тогда машина, сравнив между собой показатели эффективности очередных ходов, выберет ход, соответствующий наибольшему показателю. Подобная автоматизация выбора очередного хода не обязательно обеспечивает оптимальный выбор, но все же это какой-то выбор, и на его основе машина может продолжать игру, совершенствуя свою стратегию (образ действия) в процессе обучения на прошлом опыте. Формально обучение состоит в подстройке параметров (коэффициентов) оценочной функции на основе анализа проведенных ходов и игр с учетом их исхода.

В настоящее время существуют и успешно применяются программы, которые позволяют машинам играть в деловые или военные игры, имеющие большое прикладное значение. Здесь также придают программам присущие человеку способности к обучению и адаптации. Одной из наиболее интересных интеллектуальных задач, также с огромным прикладным значением, является задача обучения распознаванию образов и ситуаций. Решением ее занимались и продолжают заниматься представители различных наук - физиологи, психологи, математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы ИИ, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации.

В 1957 году американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания - перcептрон. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания, и породило большой поток теоретических и экспериментальных исследований. Перcептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом из них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать, по возможности, правильно.

Проблема обучения распознаванию тесно связана с другой интеллектуальной задачей - проблемой перевода с одного языка на другой, а также обучения машины языку. При достаточно формальной обработке и классификации основных грамматических правил и приемов пользования словарем можно создать вполне удовлетворительный алгоритм для перевода, скажем, научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 1960-х годов. Однако чтобы связно перевести достаточно большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Имеются также программы, обеспечивающие диалог между человеком и машиной на урезанном естественном языке.

Что же касается моделирования логического мышления, то хорошей модельной задачей здесь может служить задача автоматизации доказательства теорем. Начиная с 1960 года, был разработан ряд программ, способных находить доказательства теорем в исчислении предикатов первого порядка. Эти программы обладают, по словам американского специалиста в области ИИ Дж. Маккатти, "здравым смыслом", т. е. способностью делать дедуктивные заключения.

Очень большим направлением систем ИИ является роботехника. В чем основное отличие интеллекта робота от интеллекта универсальных вычислительных машин?

Для ответа на этот вопрос уместно вспомнить принадлежащее великому русскому физиологу И.М. Сеченову высказывание: "... все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению - мышечному движению". Другими словами, вся интеллектуальная деятельность человека направлена, в конечном счете, на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат, прежде всего, для организации его целенаправленных движений. В то же время основное назначение чисто компьютерных систем ИИ состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер, которые обычно не связаны ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.

В те годы, когда возникали ЭВМ, мало кто предполагал, что они очень быстро вытеснят из вычислительной сферы все остальные вычислительные устройства. Дж. фон Нейман, с именем которого связана идея архитектуры классической ЭВМ, в те годы интересовался и другой организацией процесса вычислений, использующей аналоги нейроподобных структур; первые модели формальных нейронов были предложены Мак-Калоком и Питсом.

По сути, эти элементы реализовали пороговую функцию: сигнал на выходе элемента возникал лишь тогда, когда взвешенная сумма разрешающих входных сигналов превышала взвешенную сумму запрещающих входных сигналов более чем на величину, определяемую значением порога элемента. Варьируя значения весов и порога, можно было добиться нужного срабатывания формального нейрона. Объединенные в сети, такие нейроны представлялись мощным способом реализации различных процедур.

Дальнейшие исследования в области нейробионических устройств шли по пути увеличения числа слоев из формальных нейронов, изменения и усложнения способа функционирования нейронов и построения решающего правила; параллельно развивалась теория персептронов. Но два обстоятельства затормозили эти работы. Очень быстро при решении практических задач распознавания стало понятно, что возможности устройств типа персептронов ограничены. Например, они не могли разложить на составляющие изображение, являющееся комбинацией двух ранее персептрону известных. Это заставляло рассматривать подобную комбинацию как новое изображение. С другой стороны, Н. Минский и С. Пейперт доказали ряд теорем о персептронах, в которых обосновали их принципиальную ограниченность, а отсутствие новых идей нейробиони-ческих устройств в течение десятка лет не давало повода для развития этих исследований. Но успехи микроэлектроники последних лет, сделавшие возможным создание большого числа нейроподобных элементов в малом объеме, вновь возродили надежды сторонников этого подхода. Появились нейрокомпьютеры, в которых процесс решения задачи развертывается на сети искусственных нейронов. Этот процесс может включать в себя множество параллельно и асинхронно протекающих подпроцессов, что сулит высокую эффективность решения задач на нейрокомпьютерах.

Программы для решения интеллектуальных задач могут быть разделены на несколько групп, которые определяются типом задач, решаемых этими программами. Первую группу составляют игровые программы, они, в свою очередь, делятся на две подгруппы: человеческие игры и компьютерные игры. Особенностью всех программ для имитации человеческих игр является большая роль поисковых процедур - поиск лучшего или локально лучшего хода требует в сложных играх типа шахмат просмотра большого числа вариантов. Недаром шахматные программы являются специальным тестом для проверки эффективности поисковых процедур.

Контрольные вопросы