От встроенных систем к системам интеллектуальным

Презентацию к лекции Вы можете скачать здесь.

Кибернетическая революция

В истории развития цивилизации произошло несколько информационных революций — преобразований общественных отношений из-за кардинальных изменений в сфере обработки информации, информационных технологий. Следствием подобных преобразований являлось всякий раз приобретение человеческим сообществом нового качества.

Начало совпадает по времени с выделения человека из природы, с появления языка, способного оперировать абстрактными понятиями. Первой информационной технологией можно считать способ передачи довольно сложной информации с помощью наскальной "живописи". После изобретения письменности появилась возможность локального распространения знаний и сохранения их для передачи последующим поколениям. Следующий этап связан с изобретением книгопечатания, которое радикальным образом изменило общество, культуру.

Книга стала универсальным массовым распространителем и хранителем больших объемов информации.

В эру использования электричества появились телеграф, телефон, радио, телевидение, позволяющие оперативно передавать информацию в любые уголки Земли.

Без преувеличения можно сказать, что последние 200 лет были "колыбелью" многих больших и малых революций (рис. 1.1). Промышленная революция XIX-начала ХХ вв. и Первая мировая война породили волну социальных революций, которые если не перевернули, то основательно потрясли мировые устои. Вторая мировая война и послевоенное развитие экономики, исследования в ядерной и микромолекулярной физике, электронике твердого тела и пограничных явлений, создание первых промышленных вычислительных устройств дали толчок индустриальной революции, которая за четверть века подготовила почву для бурного всплеска развития информационных технологий.

Изобретение компьютера — универсального, многофункционального, электронного автоматического устройства для работы с данными и информацией — привело к тому, что компьютерная техника в современном обществе взяла на себя значительную часть работ, связанных с её обработкой, систематизацией и хранением.

В ХХI веке мы наблюдаем новый сдвиг в технологиях, который проявляется в разных аспектах (рис. 1.2). Если в последней четверти ХХ века подчеркивали, что развитие нашего общества находится на стадии урбанизации, индустриальной экономики, технологии массовых продуктов, то сейчас её все больше характеризуют глобализация, экономика знаний, цифровые технологии. Ранее ключевым ресурсом был капитал, сейчас — знания/информация. В распределении материальных объектов превалировали дороги и транспорт, сейчас на передовые позиции выходят цифровые сети. Ранее фокус был на региональной cфере, сейчас — на глобальной. Факторами успеха были возможности экономии ресурсов и сокращения затрат при масштабировании производства, теперь таким фактором стала адаптивность — способность быстрого ответа в виде эффективного решения на непредсказуемые изменения (Г. Ржевский, 2012).

При этом за последние полвека стоимость применения цифровых технологий снизилась чрезвычайно сильно в отличие от роста затрат на труд и на использование традиционных механических технологий (рис. 1.3).

У людей всегда был интерес к искусственному интеллекту. В конце ХХ века выделилось два основных подхода к моделированию искусственного интеллекта (Artificial Intelligence — AI): машинный интеллект, заключающийся в строгом задании результата функционирования, и искусственный разум, основанный на моделирование внутренней структуры автоматизированной системы, соответствующей строению человеческого мозга.

Но сейчас от теорий человечество делает серьезный шаг к новой реальности: кибернетическому будущему. По многим признакам мы вступили в новую фазу кибернетической революции. На диаграмме 1.1 начало этой фазы показано в конце 90х годов XX века. До сих пор в литературе не достаточно изучены причины текущего мирового финансового кризиса, наиболее острая фаза которого пришлась на вторую половину 2008 года. Одним из ключевых технологических факторов стало появление в конце 90х годов XX века первых программ-роботов на финансовых биржах. Непрерывную череду финансовых кризисов XIX и XX вв. в капиталистическом обществе удалось остановить введение в начале 70х годов XX века торговли на биржах "производными" ценными бумагами – опционами. Параллельно с практикой существенные достижения были получены и в теории финансового менеджмента, базирующиеся на гипотезах арбитража (справедливой цены). Теория во многом основывались на эмпирическом опыте и новые механизмы существенно "затруднили" п роцесс обогащения простыми спекуляциями. Но "программы-роботы" изменили положение дел. В теории традиционно "за скобки" выносили транзакционные издержки (плату за операцию) в связи с их незначительной величиной, но с появлением "программ-роботов" количество операций в единицу времени выросло колоссально и общая "выручка" от них у финансовых учреждений стала существенным фактором сверхприбылей и огромных бонусов руководителей, за которые в итоге заплатили (и продолжают платить) все рядовые граждане развитых стран.

Понять суть происходящих изменений нельзя без переосмысления многих аспектов парадигмы "Что такое вычислительное устройство и что такое вычислительный процесс".

В ближайшее время должны измениться традиционные представления о том, как устроен компьютер, что такое вычислительная система. Эти процессы принесут изменения в стиль программирования, в то, как будут использоваться вычислительные устройства. Переход к новой парадигме вычислений приведет, наверное, к тому, что архитектура вычислительных устройств "сдвинется" в сторону "набора одновременно работающих асинхронных моделей взаимодействующих динамических систем (функциональных элементов)". Среди новых характерных черт будущей парадигмы все более отчетливо проступают следующие: стохастичность, гибридность, асинхронность, кластерность (отсутствие жесткой централизации и динамическая кластеризация на классы связанных моделей).

Естественным этапом на этом переходном пути является вытеснение производства "чистых" процессоров системами на кристалле (System on Chip – SoC). Сейчас корпорация Intel уже начала производство SoC, в которых на чип перенесены контроллеры ввода-вывода, системы обработки видео и ряд других. В "новых" чипах существенно сокращаются объемы вспомогательных обменов в памяти, повышается эффективность, производительность и упрощается конструкция плат. Разработчику архитектуры уже меньше надо думать куда "воткнуть" на плате тот или иной узел. Процессоры, а точнее новые SoC, становятся как бы конечными устройствами, которые можно программировать, не задумываясь о периферии. Это идеальная ситуация, когда программисту не надо думать о целой цепочке посредников, через которые должны пройти его команды и сигналы!

Одним из ключевых моментов современных изменений в ИТ является мобильность! Основная тенденция развития средств вычислительной техники – миниатюризация. Все более хрупкие и миниатюрные вычислительные устройства становятся и более мобильными. Речь идет не только о телефонах и нетбуках, серьезное внимание уделяется широкому спектру встроенных системам, которые могут включаться в разнообразные технологические процессы. О них как раз и будет весь этот курс, о том, как писать для них программы и чем для этого удобно пользоваться.

Для начала надо разобраться в таких кажущихся общепринятыми и понятными терминах как "информация, сигналы, данные, знания и управление".

Информация, сигналы, данные, знания и управление

В XX веке слово "информация" стало термином во множестве научных областей, получив особые для них определения и толкования (О.Н. Граничин, В.И. Кияев, 2008).

Обычно мы рассматриваем информацию как сообщение о том, что что-то произошло, т.е. одна из важнейших ее черт – изменение чего-то (объекта информации). Но информация возникает у кого-то или в чем-то (субъект информации).

Ценность информации определяется ее способностью "подтолкнуть" субъекта к определенным действиям, т.е. его способности на основании полученной информации сформулировать некоторое управляющее воздействие (табл. 1.1).

На самом деле два крайних термина в заголовке этого раздела неразрывно друг с другом связаны и не могут друг без друга существовать (как двуликий Янус или Инь и Янь в китайской философии). Информация, "не подталкивающая" к действию, – бессмысленна, так же как и бессмысленны какие-то действия без лежащей в их основе информации.

Норберт Винер более шестидесяти лет тому назад провозгласил начало эры новой науки "Кибернетики", одним из первых четко подметив, что "информационно-управленческая связь – это существенная часть любых явлений в живой и не живой природе".

Введем для информации обозначение x, а для управления – u. Процесс принятия управленческого решения формализовано может быть записан так

$$u=U(x)$$

где $$U(x)$$ – некоторая функция от x. Часто информацию x отождествляют с вектором состояний исследуемой системы. В этом случае говорят, что соотношение (1) задает обратную связь по состоянию.

Связь между информацией и управлением можно представить в виде схемы, изображенной на рис. 1.5. Реализация управления естественно влияет на информацию, способствуя новым изменениям объекта информации. Сформированное управление u поступает в систему и воздействует на состояние x, во многих случаях изменяя его.

Формализация процесса принятия решений приводит к необходимости определения понятий: сигналы, данные и знания.

Информация проявляет себя через изменения в тех или иных физических или социальных явлениях. Например, у заболевшего человека повышается температура тела. При падении дерева органы слуха фиксируют изменения в окружающих нас звуках, а глаза – изменения в отображаемой картинке. При движении подводной лодки от ее гребных винтов распространяются специфические акустические волны. При приближении самолета и попадании его в зону видимости нашего радара от него отражается посылаемая радаром электромагнитная волна. Социальные изменения проявляются через выборочные опросы, голосования и т. п.

Физические и социальные явления и процессы, изменение которых можно зарегистрировать с помощью органов чувств или приборов, называются сигналами . Результаты регистрации называются данными. Обозначим через $$f$$ – сигналы и через $$y$$ – данные. Схема процесса регистрации сигнала показана на рис. 1.6

Если нам доступны только данные наблюдений, то процесс принятия решения – это выработка управляющего воздействия на основе зарегистрированных данных

$$u=U(y)$$

Законы управления такого типа называются обратными связями по наблюдениям.

До сих пор мы оставляли открытым вопрос о том, как выбирать функцию обратной связи. В классической теории управления вводятся понятия наблюдаемости и управляемости, соответствующие возможности восстановить состояние объекта по наблюдениям или перевести объект в произвольное заданное состояние. Здесь мы не будем детально останавливаться на этих вопросах. В последующих разделах книги будет делаться упор на программную и аппаратную реализацию тех или иных управляющих воздействий, способы выбора которых будут отдельно описываться для каждого из случаев.

Осознание связей между зарегистрированными данными и информацией, а также способы выбора управляющих воздействий в зависимости от той или иной информации будем называть знаниями.

Например, регистрация температуры тела человека дала значение более 38,5 градусов Цельсия. Это говорит о том, что пациент болен.

Информация о разливе Нила в определенный день по лунному календарю дала возможность создать первую крупную цивилизацию в Египте, позволив прогнозировать этот процесс и организовать посевы риса в строго определенное время.

В работоспособных системах имеющиеся знания позволяют на основании получаемых данных y формировать управляющие воздействия u, которые или дают какой-то выигрыш или позволяют как-то скомпенсировать негативную информацию. Без базы знаний постановка задачи о выработке обоснованных управляющих воздействий оказывается почти бессмысленной. Уточнение "почти" включено, т.к. при априорном отсутствии знаний их зачастую можно приобрести с течением времени.

Совокупность накопленных знаний называют онтологией.

Знания в онтологию поступают как "из вне" в виде постулируе-мых законов ("откровений"), так и формируются "внутри" системы при обработке данных. Процесс извлечения знаний из данных опре-деляет круг задач такой новой бурно развивающейся области как Data Mining.

В контексте задач управления онтология служит своеобразной базой данных (знаний), из которой выбирается наиболее адекватная текущей ситуации функция управления $$U(x)$$ (см. рис. 1.7).

Изменение набора знаний со временем очень важная черта, позволяющая адаптироваться к изменяющимся условиям.

Реакция на информацию (управляющее воздействие) может быть ранее определена "из вне" в соответствии с некоторыми правилами (законами), записанными в онтологии, либо формироваться "изнутри", адаптируясь к изменениям (т.е. пытаясь найти лучшее решение для поведения в изменившейся ситуации).

Процессы управления и накопления знаний часто являются взаимно противоречивыми. Целью управления обычно является достижение какого-то устойчивого состояния (по возможности не из-меняющегося со временем). В этом состоянии "очень мало информации", и, следовательно, невозможно выявить или установить новые связи, значения и т.п. Например, о лежащем в пыли на обочине дороги камне мало что можно узнать при поверхностном осмотре.

Его неизменность дает мало информации (характеристик изменений). Камень надо перевернуть, поднять, толкнуть или расколоть для получения какой-то информации. Это приводит к тому, что при синтезе законов управления часто сталкиваются с проблемой недостаточной вариативности последовательности наблюдений. А.А. Фельдбаум сформулировал известный принцип "дуального управления": управляющие воздействия должны быть в известной мере изучающими, но, в известной мере, направляющими. Напри-мер, если цель адаптивного управления состоит в минимизации отклонения вектора состояния системы от заданной траектории, то это часто приводит к вырожденной последовательности наблюдений, в то время как для успешного проведения идентификации неизвестных параметров системы должно быть обеспечено "разнообразие" наблюдений.

На практике реальная ситуация осложняется еще и тем, что при получении данных в любом регистрационном устройстве к сигналам добавляются некоторые помехи (ошибки) ($$v$$рис. 1.8).

Структурная схема системы с обратной связью при наблюдени-ях с помехами приведена на рис. 1.9.

Хорошо поставленный эксперимент при тщательном измерении позволяет в некоторых случаях свести ошибки $$v$$ к минимуму $$v \approx 0$$. Если первоначально "чистый" эксперимент не поставить, то стараются сделать его таковым с течением времени, т.е. $$v \rightarrow 0$$.В других случаях в задачах о наблюдении физических явлений часто достаточно обоснованно предполагают статистическую природу помех, но возможны осмысленные постановки задачи и при произвольных внешних помехах (см. О.Н. Граничин, Б.Т. Поляк, 2003).

На фундаментальность понятия "информация" указывал еще основоположник кибернетики Норберт Винер. Феномен информации оказался настолько неоднозначным, что по праву считается одной из сложнейших проблем современности. Уже сами попытки подобраться к понятию информации, различные его трактовки в трудах ученых и практиков заставляют задуматься о необычной роли информации в жизни развивающихся систем (В.А. Абчук, С. Ю. Трапицин, В.В. Тимченко, 2006).

Первые попытки осмысления этой категории сделали основоположники теории информации. Еще в 1927 году Р.В.Л. Хартли отмечал, что количество информации, заключенной в любом сообщении, тесно связано с количеством возможностей, данным сообщением исключающихся. Фраза "яблоки красные" несет намного больше информации, чем фразы "фрукты красные" или "яблоки цветные", так как первая фраза исключает все фрукты кроме яблок, и все цвета, кроме красного. Исключение других возможностей повышает информационное содержание (В.С. Готт, А.Д. Урсул, 1971).

У. Эшби предостерегал против попыток рассматривать информацию как "материальную или индивидуальную вещь": "Всякая попытка трактовать информацию как вещь, которая может содержаться в другой вещи, обычно ведет к трудным проблемам, которые никогда не должны были бы возникать" (У.Р. Эшби, 1959).

В 1949 году Шеннон и Уивер представили формулу вычисления количества информации, в которой информация возрастала с уменьшением вероятности отдельного сообщения. В их представлении информация определяется как мера свободы чьего-либо (или какой-либо системы) выбора в выделении сообщения (К. Шеннон, Л. Уивер, 1956).

Н. Винер определяет информацию как обозначение содержания, полученного из внешнего мира в процессе приспособления к нему наших чувств. Вводя понятие о семантически значимой информации, Винер отмечает количественное и качественное отличие ЭВМ от человека: машины могут правильно работать в том случае, если получают от человека необходимую им информацию и в самой точной форме. Следовательно, характер информации, вводимой в машину, должен быть точно определён и заранее известен человеку. А живые организмы получают необходимую им информацию, благодаря постоянному взаимодействию с природой. Возникновение способности перерабатывать информацию в живых организмах есть исторически развивающийся процесс.

Н. Винер одним из первых показал, что сущность информации заключается в способности систем с памятью к саморазвитию. Другими словами, процессами развития управляет не только внешнее воздействие, но и память. По своей сути, память о прошлом представляет собой информацию, записанную в определенных структурах, которые могут передаваться, запоминаться, воспроизводиться.

В рассуждениях Н. Винера познание — это часть жизни, более того — самая ее суть. "Действенно жить — значит жить, располагая правильной информацией". При этом процесс познания, накопления информации непрерывен и бесконечен. "Я никогда не представлял себе логику, знания и всю умственную деятельность, как завершенную замкнутую картину. Я мог понять эти явления только, как процесс, с помощью которого человек организует свою жизнь таким образом, чтобы она протекала в соответствии с внешней средой. Важна битва за знание, а не победа. За каждой победой, т. е. за всем, что достигает апогея своего, сразу же наступают сумерки богов, в которых само понятие победы растворяется в тот самый момент, когда она достигнута" (Н. Винер,1958).

В 1968 году А.Д. Урсул указал на то, что информация неоднородна, она обладает качественными характеристиками, и два разных типа информации не могут сравниваться. Каждый уровень природы обладает собственной информацией. Для Урсула "человеческая" или "социальная" информация была одним типом, и в рамках ее он выделял еще два аспекта: семантический (содержание) и прагматический (ценность) [А.Д. Урсул, 1968].

Семантическая концепция преодолевает чисто вероятностный подход. Здесь количество информации, содержащейся в суждении по некоторой проблеме, определяется тем, насколько доказательство или допущение истинности этого суждения уменьшает энтропию, дезорганизованность системы.

При прагматическом подходе делается попытка установить зависимость между информацией и целью, которую ставит перед собой человек, работающий с информацией. Ценность информации определяется через разность между вероятностями достижения цели до и после получения информации. В соответствие с этим определением, информация измеряется всегда положительной величиной, а ценность ее может быть в известных случаях и отрицательной. Информация ценна, поскольку она способствует достижению поставленной цели. Информация может действительно иметь различную ценность, если критерием оценки избрать ее использование для различных целей.

Вопросом особой значимости является отношение информации и знания, первичности одного к другому. Понятия "знание" и "информация" часто отождествляются. В то же время знание рассматривают как высшую форму отражения действительности, а последнее, в свою очередь, как особое фундаментальное свойство материи. Говоря, что объект (или субъект) А отражает объект В, имеют в виду определенные изменения в А, которые соответствуют определенным изменениям в В и вызываются ими. Говоря об информации, подразумевается, прежде всего, особый способ взаимодействия, через который осуществляется передача изменения от В к А в процессе отражения, способ, реализующийся через поток сигналов, идущих от объекта к субъекту и особым образом в нем преобразуемых.

Уровень сложности и формы информации зависят, следовательно, от качественных характеристик объекта и субъекта, от типа передающихся сигналов, которые на самом высоком уровне реализуются в форме языковых знаковых систем. Наконец, говоря о знании, мы имеем в виду именно высший уровень информации, функционирующий в человеческом обществе. При этом в качестве знания выступает не вся информация, идущая от В и воспринимаемая А, а лишь та ее часть, которая преобразована и переработана А (в данном случае — человеком) особым образом.

В процессе переработки информация должна приобрести знаковую форму и выразиться в ней с помощью других знаний, хранящихся в памяти, она должна получить смысл и значение. Следовательно, знание — это всегда информация, но не всякая информация — знание. В превращении информации в знание участвует целый ряд закономерностей, включающих знание в систему общественных связей, в культурный контекст определенной эпохи. Благодаря этому "знание становится достоянием общества, а не только отдельных индивидов" систем (В.А. Абчук, С. Ю. Трапицин, В.В. Тимченко, 2006).

В то же время информация — не просто результат отражения, не просто данные или знание. Только взаимодействуя с потребителем, данные или знание приобретают характер сообщения, сведения, т. е. становится информацией. Информация — это данные, находящиеся в постоянном обороте и движении, это знания, которые собираются, хранятся, перерабатываются, передаются и используются развивающейся системой. Знание только тогда приобретает качество информации, когда оно действует или может действовать как основа регуляции, управления. Информация есть только там, где есть движение, преобразование, использование и управление.

Относительность информации проявляется в том, что системы с различным уровнем организации извлекают из одного и того же источника различную, но всегда соответствующую своему уровню информацию. Положение об извлечении и использовании информации для построения определенных программ поведения и действия принципиально. Именно оно является основой функциональной концепции информации, связывая последнюю с процессами управления. В связи с этим, Н.И. Жуков отмечает, что "информация является не субстанциональным свойством всей материи, а функциональным свойством систем управления, связью управляющих систем с управляемыми".

Между информацией и ее значением (смыслом) можно установить четкое различие. Информация — это неотъемлемая данность любых систем, взаимодействующих с человеком. Значение (смысл) достигается только тогда, когда обретенная информация помещается в определенный контекст, то есть информация становится значимой лишь после анализа, сравнения и интеграции с другой, уже существующей в воспринимающей системе информацией.

Соединение процессов обработки данных и управления в интеллектуальных встроенных устройствах

Сложившаяся к настоящему времени парадигма использования вычислительных устройств базируется на исторически сложившемся разделении процессов обработки данных и принятия управленческих решений (после обработки). Основания этого разделения прослеживаются в истории развития средств вычислительной техники. Первоначально компьютеров было мало и они, занимая огромные пространства, требовали специальных условий для эксплуатации. Формировались особые вычислительные центры для объединенного решения в одном месте множества разных задач, причем до сих пор актуальным остается одно из приоритетных направлений развития – создание суперкомпьютеров. Встроенным устройствам традиционно отводилась роль или устройств для сбора данных, или устройств для реализации определенных управляющих воздействий. В некоторых случаях они использовались как регуляторы в простых контурах обратной связи. Суперкомпьютеры брали на себя выполнение задач Data Mining.

Но надо четко отдавать себе отчет в применимости этой традиционной парадигмы. В природе и обществе все-таки информационно-управленческие связи являются основой всех явлений и процессов. Искусственно разделяя процессы обработки данных и управления, мы существенно снижаем наши потенциальные возможности использования информационно-коммуникационных технологий.

Надо ли разделять процессы обработки данных и управления? С начала XXI века в теории управления заметен всплеск интереса к тематике управления в сетях, коллективному взаимодействию, мультиагентным технологиям и т.п. Это во многом связано с технологическим прогрессом. Сейчас миниатюризация и быстродействие средств вычислительной техники достигли такого уровня, что стало возможным в миниатюрных встроенных системах реального времени использовать вычислительные блоки, соизмеримые по производительности с мощными компьютерами XX в. Все чаще "простые" встроенные устройства заменяются на "интеллектуальные встроенные системы".

Новые альтернативы позволяют по-новому взглянуть на ставшую уже традиционной область Data Mining.

В литературе все чаще появляются мысли о возрождении науки "Кибернетика" с большой буквы, о появлении "неокибернетики" (Б.В. Соколов, Р.М. Юсупов). Теория управления, начавшись с регуляторов механических систем в ХIХ в., пройдя к концу ХХ в. этап глубокой интеграции с цифровыми технологиями обработки данных и принятия решений, фокусируясь в ХХI в. на сетях объектов, выступает "собирателем" трех основных компонент прогресса второй половины ХХ века:

Может ли дать какое-то новое качество в обработке данных и извлечении знаний применение кибернетической парадигмы, при которой процессы "добычи знаний" и получения информации будут учитывать неразрывную связь информации и управления (и опираться на нее)?

Да, может!!!

Для иллюстрации положительного ответа в статье О.Н. Граничина (2012) рассмотрены несколько примеров повышения эффективности процессов обработки данных и управления при изменении парадигмы, основанных на рандомизации управляющих воздействий и использовании замкнутых стратегий управления в условиях неопределенностей. Остановимся на одном из них.

Эффективность замкнутых стратегий в условиях неопределенностей.Рассмотрим объект управления (ОУ) с входами $$u(t)$$ и выходами $$y(t)$$, и предположим, что задано начальное состояние $$y(0) = 1$$, и динамика объекта при $$t = 1,2$$ описывается уравнением

$$y(t)+ay(t-1)=u(t-1)+v(t)$$

с неопределенностями $$v$$ и $$a$$ типов:

Мы можем выбирать входы $$u(0)$$ и $$u(1)$$ . Пусть наша цель – минимизировать $$\left | y(2)\right |$$. Рассмотрим минимаксный функционал качества:

$$J=sup_{a \in \left[ 1;5 \right]}sup_{\left | v(1)\right |\leqslant 1,\left | v(2)\right |\leqslant 1}\left | y(2)\right | \rightarrow min_{u(0)\mu(1)}$$

Конечно, это пример не для супервычислений. Мы специально выбрали достаточно простую модель и рассматриваем всего два шага по времени t = 1,2, с тем чтобы решить задачу почти устно. Но если рассмотреть t = 1,2,3, то сложность серьезно возрастает, а при больших t несколько лет тому назад одному из моих дипломников не хватило времени для решения задачи не только на персональном компьютере, но и с привлечением дополнительных вычислительных ресурсов нашего университета.

Мы сравним качество минимаксной оптимизации для двух классов допустимых стратегий управления

Программное управление. Этот класс состоит из всевозможных пар $$(u(0)$$, $$u(1))$$. Для того чтобы выбрать $$(u(0)$$ и $$u(1))$$, перепишем функционал качества в соответствии с уравнением ОУ как функцию от $$a, v(1), v(2), u(0), u(1)$$:

$$J=sup_{a \in \left[ 1;5 \right]}sup_{\left | v(1)\right |\leqslant 1,\left | v(2)\right |\leqslant 1}\left | a^2-au(0)+av(1)+u(1)+v(2)\right |$$

Произведя максимизацию по отношению к $$a$$, $$v(1)$$ и $$v(2)$$, получаем функцию от переменных $$u(0)$$ и $$u(1)$$. Минимизация этой функции по $$u(0)$$ и $$u(1)$$ дает значения $$u(0) = 7$$, $$u(1)$$ = 12,25 и

$$J^{opt}_{pr}=8,25$$

Замкнутое управление. В момент времени t = 1 мы получаем выход $$y(1)$$ и знаем предыдущее управление $$u(0)$$. Замкнутые стратегии управления определяются парой $$u(0)$$ и функцией обратной связи $$U_1(y(1),u(0))$$. При фиксированных входе $$y(1)$$ и управлении $$u(0)$$ с силу уравнения ОУ и условия $$\left | v(1)\right |\leqslant 1$$ выполняется следующее неравенство:

$$\left | y(1)+a-u(0)\right |\leqslant 1$$

Следовательно, можно определить интервал

$$\left [ a^-;a^+ \right ]=\left [1;5 \right ] \bigcap \left [ -1+u(0)-y(1);1+u(0)-y(1)\right ]$$

который гарантированно содержит параметр a, и его границы вычисляются по формулам:

$$a^-=max \lbrace 1;-1+u(0)-y(1)\rbrace {;a^+=min \lbrace 1+u(0)-y(1);5\rbrace $$

Для оптимального выбора $$u(1)$$ функционал качества можно переписать как функцию от $$a, y(1), v(2), u(1)$$:

$$J=sup_{a \in \left[ 1;5 \right]}sup_{\left | v(1)\right |\leqslant 1}( sup_{a \in [a^-;a^+]} sup_{\left | v(2)\right |\leqslant 1}\lvert - ay(1)+u(1)+v(2)\rvert) $$

Минимизация по $$u(1)$$ приводит к формуле

$$u(1)=U_1(y(1),u(0))=y(1)(a^-+a^+)/2 $$

учитывая которую, получаем

$$J=sup_{a \in \left[ 1;5 \right]}sup_{\left | v(1)\right |\leqslant 1}\lvert y(1)(a^-+a^+)/2+1\rvert $$После исключения $$y(1)$$ в силу уравнения ОУ, произведя операции максимизации, мы можем переписать $$J$$ как функцию от $$u(0)$$.

Минимизация по $$u(0)$$ дает значение $$u(0) = –3$$ и $$J^{opt}_{cl}=2,125$$.В итоге имеем

$$J^{opt}_{cl}=2,125$$<<$$J^{opt}_{pr}=8,25 $$

Зависимость качества управления от задания класса неупреждающих стратегий адекватно понимается далеко не всех публикациях. Если все параметры объекта управления известны и помехи отсутствуют, то множества программных и замкнутых стратегий управления оказываются совпадающими.

Основатель кафедры теоретический кибернетики СПбГУ В.А. Якубович любил приводить еще и такую шутку о связи процессов обработки данных и управлений: как-то раз две мышки на молочной ферме одновременно упали с полки с сырами и угодили в неполные бидоны с молоком (в два разных). Задача у них – выжить. Время сильно ограничено, под поверхностью дышать они не могут, а сил "барахтаться" на много не хватит. Возможны две стратегии:

Первая мышка утонула, так и не придумав способ как выжить. У второй молоко в бидоне "взбилось" и превратилось в густую сметану, на поверхности которой мышка прожила пару дней и в конце концов нашла способ выбраться из бидона.

Компьютерный континуум Intel и процессор Intel®Atom

Основные тенденции полупроводниковой индустрии в настоящее время:

Закон Мура пока продолжает действовать.

Растет стоимость разработки новых технологий и материалов, а также затрат на содержание фабрик.

Производительность процессоров (систем) также растет; ожидается скачок при переходе на 450 мм пластины.

Что есть уже сейчас для реализации умных встроенных устройств? У корпорации Intel уже появился процессор Atom. Это самый маленький процессор Intel для мобильных систем, он построен на самых маленьких транзисторах в мире. У него очень низкое энергопотребление и размером он с зернышко риса! Но – это полноценная архитектура x86.

Где сейчас уже используются, или начнут использоваться в ближайшее время процессоры Intel®Atom? Это – хорошо знакомые всем персональные компьютеры, нетбуки/неттопы, мобильные Интенет-устройства, бытовая электроника с подключением к Интернет (например, IPTV), встраиваемые устройства (особенно для автомобилей – разнообразные системы поддержки движения). Многие автомобилисты уже не представляют себе, как ездить на машине без GPS-навигатора.

Что собой представляют SoC (системы-на-чипе), которые уже сейчас производит корпорация Intel? Выше речь шла о будущих перспективах одновременного выполнения тысяч задач. Сейчас, как минимум, речь идет о переносе на чип контроллеров ввода-вывода, систем обработки видео и ряда других, существенно сокращая объемы вспомогательных обменов в памяти, повышая эффективность, производительность и упрощая конструкции. Разработчику архитектуры уже меньше надо думать куда "воткнуть" на плате тот или иной узел. Процессоры, а точнее новые SoC, становятся как бы конечными устройствами, которые можно программировать, не задумываясь о периферии. Это идеальная ситуация, когда программисту не надо думать о целой цепочке посредников, через которые должны пройти его команды и сигналы.

Что сейчас предлагает Intel на рынке процессоров для встраиваемых устройств и SoC?

Осенью 2010 года корпорация Intel объявила о выпуске семейства "систем-на-чипе" Intel®Atom^TM E600 (кодовое наименование Tunnel Creek) для встраиваемых систем и о предстоящем появлении Intel®Atom^TM CE4200 (кодовое наименование Groveland) – семейство "систем-на-чипе" третьего поколения, базирующееся на архитектуре Intel. Эти процессоры предназначены для использования в "умном" телевидении, в системах, объединяющих стандартное телевещание с Интернетом, библиотекой контента и мощными функциями поиска. В состав решений входят интегрированные ядро Intel®Atom с частотой 1,2 ГГц и кэш-память второго уровня объемом 512 КБ. Оно предлагает широкие возможности для разработки интерактивных, открытых и персонализированных приложений для запуска на экране телевизора. На базе Intel®Atom^TM CE4200 уже разработано решение для потребительской электроники.

Эта "Система-на-чипе" осуществляет многопоточное декодирование и обработку HD-видео, поддерживает 3D, MPEG2, MPEG4-2 и VC-11. Решение оснащено интегрированным декодером HD-видео (H.264), позволяет осуществлять видеозвонки, потоковую передачу материалов на другие устройства, в том числе портативную электронику. Благодаря поддержке различных режимов питания новые решения помогают снизить энергопотребление и создавать устройства, удовлетворяющие промышленным стандартам по энергопотреблению. Планы по созданию цифровых приставок нового поколения на базе компонентов Intel озвучили ADB*, Sagemcom,* Samsung* и Technicolor*.

В ближайшее время будет выпушена новая платформа – Medfield (Penwell SoC and Avantele Passage MSIC) – разрабатываемая по технологии 32 нм с существенным уменьшением общих размеров и потребляемой мощности, с размером высокоинтергированной SoC: 144 кв мм, увеличением до 4X graphics performance.

В 2012 году корпорация Intel запустила в Израиле новую фабрику по производству микросхем по технологии 22 нм. Одним из "неожиданных" следствий закона Мура для развития бизнеса корпорации стал тот факт, что в ближайшее время при очередной смене технологической платформы возможности новых фабрик достигнут такого уровня, что в кратчайшие сроки будет возможно модернизировать все существующие места традиционного использования компьютеров, активно выйти на рынок планшетников, смартфонов и даже встроенных систем. Сохранение при этом универсальной x86 архитектуры и системы команд в значительной степени послужит явным конкурентным преимуществом.

Все это приводит к изменению роли и места на рынке корпорации Intel. К традиционным процессорам для серверов и персональных компьютеров и ноутбуков добавляются нетбуки, смартфоны, различные персональные устройства, мобильные Интернет-устройства, "умное" телевидение, бытовая электроника с подключением к Интернету (например, IPTV), встраиваемые системы и т.п. При этом в перспективе нивелируются аппаратные отличия. Уже сейчас формируется то, что можно назвать своеобразным компьютерным континуумом Intel (рис. 1.10), включающий наряду с новыми аппаратными платформами и операционные системы, специализированные программы поддержки разработчиков, средства хранения, доступа и реализации разработанных компьютерным сообществом приложений.

(рис 1.10) Компьютерный континуум Intel