Гібридні інтелектуальні людино-машинні обчислювальні системи і когнітивні процеси

М.Д. Сєченов

Процес інформатизації як в нашій країні, так і за кордоном супроводжується широким поширенням інформаційно-пошукових, дають поради, які проектують і інших систем у різних галузях людської діяльності. Постійно зростаюча потреба в автоматизації обробки все зростаючих обсягів інформації, розвиток обчислювальної техніки та активізація ролі людини як елемента системи обумовлюють необхідність розвитку людино-машинних обчислювальних систем (ЧМВС) з метою підвищення їх ефективності. Аналіз загальної тенденції розвитку показує, що найбільш перспективним напрямком є створення інтелектуальних самоорганизующихся систем. Однак існуючі методи і засоби проектування ЧМВС та управління ними не дозволяють інтегрувати інтелектуальні функції в достатній мірі. У зв'язку з цим багатообіцяючим є пошук законів еволюції природних і штучних систем. В [1] показано, що радикальним напрямком інтелектуалізації є концепція на основі парадигми «еволюційної інтелектуальної технології», що припускає комплексне використання методів і засобів еволюційного синтезу імітаційних моделей та їх адаптація в задачах виділеної прикладної області.

Методологія розвитку і вдосконалення штучних систем повинна враховувати «досвід» і закони еволюції природних. Однак, тут неминуча і взаємна адаптація. Методологія взаємної адаптації допомогла виявити многоструктурность процесів прийняття рішень. Вона дозволила переходити від зовнішніх, технічних, до внутрішнім, психологічним, факторів складності інтелектуальної діяльності і відбирати обмежене число дійсно релевантних чинників, що відбивають вплив зовнішніх і внутрішніх умов праці, психологічну структуру і стратегію діяльності, тісно корелюють із критеріями складності, ефективності, надійності, напруженості діяльності [2].

В зв'язку з цим дуже важливою є розробка практичних принципів взаємної адаптації людини з новітньою технікою і умовами праці, створення теорії і методів синтезу і застосування ефективних комп'ютеризованих систем адаптивного взаємодії людей між собою та з ЕОМ за принципом гібридного інтелекту (ГІ).

Термін гібридний інтелект був вперше введений В.Ф. Вендом в 1975 році в доповіді на конференції з семантичним питань штучного інтелекту, а основи теорії систем гібридного інтелекту викладені у збірнику з інженерного психології у 1977 році. Теорія ГИ систем, включаючи природні, штучні й комбіновані, може бути побудована на основі законів, загальних для всіх видів систем. Як такі В.Ф. Вендом запропоновано низку законів взаємної адаптації і трансформації систем. Взаємна адаптація акцентує увагу на зміни, які зазнають об'єкти, стаючи компонентами системи, на закономірностях цих змін у ході становлення, розвитку, існування, трансформації структур системи. Взаємна адаптація людини і ЕОМ спрямована на максимальне розкриття індивідуальних здібностей, компенсацію психофізіологічних недоліків, врахування інтересів особи що приймає рішення. Цей процес також веде до найбільш повного використання можливостей обчислювальної техніки, закладених у ній знань, умінь, знахідок і відкриттів попередників.

Принципове відміну методології системи гібридного інтелекту від традиційної методології інженерної психології полягає в тому, що замість аналізу варіантів і спроби вибрати з них оптимальний проводиться синтез різних варіантів рішень, об'єднання прихованих і безпосередніх учасників рішення [3]. По-суті, тут можна вести мову про наборах популяцій та застосування до них генетичних алгоритмів.

Система гібридного інтелекту може розглядатися як етап в переході від випадкового неорганізованої творчої діяльності у вирішенні завдань нового класу до автоматизованого вирішення цих завдань в системах штучного інтелекту. Така еволюція способів і систем вирішення завдань розглянута на прикладі САПР А.А. Самарським.

Слід відзначити що системи гібридного інтелекту (стосовно ЧМВС) розглядаються як комбіновані системи, інтегрально що включають у себе штучний і природний інтелекти.

Штучний інтелект - це інтелектуальна система, що реалізує апріорні стратегії Sa. Іншими словами, штучний інтелект - це система, для якої дотримується максимальне значення коефіцієнта кореляції апріорних і реальних стратегій (Sp) рішення задач: . Природний інтелект може функціонувати в інтервалі -1 <= <= 1 . При природний інтелект моделює штучний інтелект.

Комбінування природних і штучних інтелектів в складі гібридного інтелекту проводиться таким чином [3].

Визначаються , , (або кусково інтервали) ( - ), ( - ) і т.д., де -- мінімально допустима ефективність системи; ( - ) - інтервал завдань, що вирішуються системою.

Виявляються достовірні і відповідні їм інтервали ( - ), в яких дотримується умова .

Будуються характеристичні криві всіх як функції ефективності у залежно від факторів складності завдань .

Визначаються всі інтервали , в яких .

Виявляються що залишилися інтервали , в яких . Для цих інтервалів підбираються додаткові апріорні стратегії - програми автоматичного рішення за типом штучного інтелекту. Коли всі апріорні стратегії підібрані, то для цих інтервалів підбираються люди і відповідні їм реальні стратегії , які можуть забезпечити в цих інтервалах ефективність .

Всі апріорні стратегії і реальні стратегії перевіряються на асоціативність, так щоб були можливі взаємопереходів між ними, причому трансформаційні точки відповідальних переходів повинні відповідати досить високої ефективності .

Відповідальними вважаються такі переходи між стратегіями, які мають вихідне значення. Наприклад, якщо в ході роботи системи значення безперервно змінюється від , при якому діє і визначає ефективність всієї системи стратегія , до , при якому діє і визначає ефективність всієї системи стратегія , то перехідна ефективність стратегій і повинна бути не нижче заданої: .

Умова 5 можна назвати умовою високопродуктивної трансформації.

Головне наслідок закону трансформацій полягає в тому, що якщо система, що має певну структуру, досягла стабільного максимуму своєї ефективності при даній структурі, то підвищити ефективність системи можна, тільки змінивши її структуру, але перехід можливий лише через будь-який загальний стан для структур, ефективність системи в якому нижче, ніж в максимумі наявної структури. Інакше кажучи, при переході на іншу структуру, в тому числі і істотно перспективну з можливого при ній максимуму ефективності, виникає тенденція зниження ефективності на період, необхідний для трансформації старої структури в нову. Заснована на цьому законі Трансформаційна теорія навчання, розвитку, динаміки систем значно розширює можливості аналізу закономірностей і прогнозування індивідуального розвитку і системного прогресу.

Слід зазначити, що рішення задачі інтелектуалізації ЧМВС пов'язано з проведенням широкого спектру досліджень по впливу людського фактору на процес функціонування системи, з розробкою методів і засобів системної ідентифікації людини (його кодової або модельної інтерпретації), а також з розробкою методів і засобів адаптації процесу функціонування системи на різних рівнях його структуризації з урахуванням особливостей людини.

На підставі вищевикладеного в [1] пропонується концепція інтелектуалізації глобальної інформаційно-обчислювальної системи (ГІВС), що забезпечує: включення до складу системи людини в якості активного інтелектуального елемента; можливість інтелектуальної взаємодії людини та системи; реалізацію функцій самоорганізації ГІВС в умовах постійного спостереження за динамікою процесів, що протікають в макросистеми і станом її елементів.

Подальше розвиток ці ідеї отримали в [4]. Тут розглядається необхідність забезпечення сталого функціонування системи на основі вдосконалення процесу і технологічних засобів формування, отримання, розпізнавання, навчання, запам'ятовування і використання знань. В основі лежить розробка цілісного представлення процесу накопичення знань в технології при обліку еволюційного єдності її з макросистеми. Це призводить до концепції вкладеності всіх компонент макросистеми, таких її підсистем, як інтегровані бази знань (БЗ) різного рівня, з одного боку, і до вкладеності когнітивних процесів (процесів придбання знань), що забезпечують інтеграцію, - з інший. Використовується така схема вкладеності систем придбання знань: об'єкт пізнання (макросистема), суб'єкт пізнання (система), засіб відображення об'єкта в суб'єкта (технологія) і результат пізнання (БЗ).

На рис. представлено структуру системи пізнання, в якій здійснюється процес придбання знань [4].

Зворотні зв'язку продуктивних дій

ІБЗ Zm

Dm Ds Dt ІБЗ Zs

Yt

Макро - Ym Система Ys Технологія БЗ

система

М S T Zt

Im Is Is It It

Зворотні зв'язку інтелектуальної інтеграції

Рис.1 Структура процесу пізнання макросистеми

Тут база знань Zt (БЗ Zt) на технологічному рівні є підсистемою технології Т, на системному рівні технологія Т і її БЗ Zt становлять інтегровану базу знань (підсистему) системи S (ІБЗ Zs) і, нарешті, на макросістемном рівні система S і ІБЗ Zs складають інтегровану базу знань макросистеми М (ІБЗ Zm).

Процеси взаємодії між компонентами і відповідні їм зв'язку розбиваються на два типу:

-- зв'язки, що визначають процес придбання знань, відповідно: прямі і зворотні зв'язки взаємодії макросістемного (Ym, Im), системного (Ys, Is) і технологічного (Yt, It) рівнів;

-- зв'язку, що відображають діяльнісної взаємодія елементів структури на основі результатів пізнання, відповідно: зв'язку продуктивної взаємодії макросістемного Dm, системного Ds і технологічного Dt рівнів. Зв'язки, що визначають процес придбання знань, назвемо інтелектуальними.

Прямі інтелектуальні зв'язку забезпечують систему нище рівня інформацією про зміні проблемної ситуації в системі вищерозміщеного рівня. Зворотні ж інтелектуальні зв'язку забезпечують інформацією про передісторію пізнання, яка включає інформацію про зміни у відповідних базах знань. Через прямі інтелектуальні зв'язку здійснюється процес передачі знань у базу знань того ж рівня: від M через Ym в ІБЗ Zm, від S через Ys в ІБЗ Zs, від T через Yt в БЗ Zt. Цей процес назвемо процесом інтелектуалізації.

Прямі (Ym, Ys) і зворотні (Is, It) інтелектуальні зв'язку, а також зворотні зв'язку продуктивних дій (Dm, Ds, Dt) визначають процеси накопичення та підсумовування знань на кожному рівні -- процеси макросістемной, системної та технологічної інтелектуальної інтеграції. Таким чином, макросістемная інтелектуальна інтеграція здійснюється при обліку передісторії Im від ІБЗ Zm, передісторії Is від ІБЗ Zs і зв'язку продуктивних дій Dm, що дозволяє макросистеми M видати як результат інтеграції нове знання Ym. Системна інтеграція здійснюється при обліку передісторії Is від ІБЗ Zs, передісторії It від БЗ Zt і зв'язку продуктивних дій Ds, що призводить до результату інтеграції в системі S нового знання Ys, що видається в ІБЗ Zs. Інтелектуальна технологічна інтеграція відбувається з передісторії від БЗ Zt і під дією зв'язку продуктивних дій Dt, що виражається в результаті Yt, що видається в БЗ Zt. Таїмо чином,процес інтелектуальної взаємодії суміжних рівнів визначається як процес інтелектуальної інтеграції.

В кожному контурі протікають свої процеси інтелектуалізації та інтеграції. В якості прикладу наведемо основні процеси, що виділяються в технологічному контурі:

P1 (It) - процес самоадаптаціі технології T до передісторії It;

P2 (Dt) - процес самокорекції на основі продуктивних дій щодо параметрів, структур, організації технології T;

P3 (It, Dt) - процес адаптивної самокорекції технології T (спільне виконання процесів P1 і P2).

Можна показати, що об'єднання процесів P1