1.4. НЕЧЕТКИЕ СИСТЕМЫ

Научная методология требует логической строгости, но проблемы доказательства предпосылок и гипотез, входящих в методологию, не вызывают энтузиазма. Причины этою явления в науке и технике, по-видимому, заключаются в том, что предпосылки и гипотезы, гак же как, впрочем, и аксиомы в математике, сами по себе нелогичны. Подобные проблемы решаются в настоящее время благодаря опыту и интуиции выдающихся специалистов. Однако в технических областях существует риск совершить серьезную ошибку, если тщательно не изучить предпосылки и гипотезы. Например, непредсказуемые аварии в системах обеспечения безопасности, неразумные выводы в информационных системах, разбалансированные системы автоматизации и многое другое возникает из-за того, что все предпосылки проектирования слишком расходятся с реальным положением дел.

Наука и техника полностью отвергают субъективизм, но, как сказано выше, новые открытия и изобретения рождаются в результате деятельности правого полушария человека, основанной на субъективных мыслях, а объективизация и логическое обоснование - всего лишь вторичные средства для передачи идей другому человеку. Более того, даже в процессе

объективизации необычайно полезно проявление субъективизма. Например, с точки зрения обработки нечеткостей даже в теории вероятностей, которую часто противопоставляет теории нечетких систем, нельзя получить выдающиеся результаты, пока экспериментатор не исследует в полной мере исходные данные, не оценит общую структуру проблемы, не исключит сомнительные данные или не примет других субъективных решений. Не говоря уже о том, что установить гипотезы и предпосылки нельзя иначе, как полагаясь на субъективное мнение.

Вопрос о том, как обрабатывать нечеткости, перекликается с вопросом о том, каким образом ввести в науку и технику субъективизм человека. И здесь не обойтись без нечетких множеств. Это математический метод, созданный для того, чтобы представлять смысловые нечеткости слов человека, это уникальный метод с точки зрения предоставления возможностей математически обрабатывать субъективные данные.

Возможность математически представлять и логически обрабатывать смысл слов означает, что появились новые средства, которые позволяют удовлетворить трем необходимым условиям реализации человеко-машинных систем, о которых шла речь выше. А именно: можно ожидать, что благодаря этим средствам искусственный интеллект сможет понимать нечеткости и глубинный смысл естественного языка и в будущем его общение с человеком станет более естественным. Кроме того, можно будет представить в виде нечетких тезисов даже такие крайне нечеткие макрознания, как здравый смысл, если сузить специальную область. Все это существенно повысит практическую ценность искусственного интеллекта. Последнее условие - представление нечетких мыслей - наиболее трудное для реализации. Мысли, возникающие в правом полушарии человека, нельзя назвать совсем нечеткими. Однако, если прикладная область ограниченна, они могут пригодиться как качественные логические отношения между макрознаниями, поэтому в какой-то степени возможны логические выводы, присущие человеку.

Выходные данные, получаемые нечеткими системами, разумеется, будут нечеткими. По-видимому, найдутся люди, которые окажутся в тупике из-за нечетких ответов системы, помогающей принятию решений; затруднения вызовут ответы о микрознаниях. Что же касается макрознаний, то они по

сути являются нечеткими, проблемными, поэтому нечеткость ответов о таких знаниях естественна. Нечеткие ответы будут стимулировать работу правого полушария человека, что повысит эффективность человеко-машинной системы.

Приведем примеры человеко-машинных систем, которые предназначены для обработки нечетких знаний (своего рода реализация универсальных роботов в услужении человеку). В технических областях - автоматическое управление высокого уровня, автоматический перевод, интеллектуальные работы, системы поддержания целостности баз данных и системы обеспечения безопасности, распознавание изображений и речи, автоматическое проектирование, поиск информации, базы знаний, интеллектуальные терминалы, автоматизация домашних работ и др. В медицине диагностика, китайская медицина, искусственные встроенные органы, роботы для ухода за больными, диспансеризация и медицинское наблюдение после выздоровления, системы здравоохранения, протезы и др. В сфере бизнеса - помощь в принятии экономических решений, маркетинг, советы по вложению капитала, различного рода управление и планирование, управление системами, помощь в подготовке контрактов, автоматизация учреждений и др. Кроме того, оценка состояния окружающей среды, анализ риска, предсказание землетрясений, прогнозы погоды для сельского хозяйства, геологическая съемка, оценка качества сельскохозяйственных продуктов, системы самообучения, дегустация, обработка данных анализа и т. д.

В настоящее время наметилась тенденция применения теории нечетких множеств в гуманитарных науках и в социологии. В ближайшем будущем появятся модели деятельности человека, модели мышления, психологические модели, модели надежности, экономические модели, которые будут активно использоваться в обучении, законодательстве, опросе общественного мнения и других проблемах, анализе и оценке данных.

Теория нечетких множеств, возможно, сыграет большую роль при решении таких проблем, как представление и приобретение макрознаний, методы макромышления (макровыводов), форматы данных для стимулирования правого полушария, отождествление функций принадлежности, прогнозирование технических характеристик систем, систематические методы проектирования и т. п. Надеемся,

что появление новой методологии, учитывающей нечеткости, заложит фундамент решения этих проблем.

ЛИТЕРАТУРА

1. Терано Т. и др. Прогресс нечеткой технологии.-Токио: Коданся, 1981.

2. Синагава X. Компьютер правого полушария,-Токио: Дайямондося, 1986.

3. Терано Т. Введение в системотехнику - вызов нечетким проблемам.-Токио: Керицу сюппан, 1985.

4. Уэно X. Введение в инженерию знаний,-Токио: Омся, 1985.

5. Кобаяси С. Современное состояние и будущее системотехники знаний. Кэйсоку то сэйге, 1988. Т. 27, № 10.

6. Современное состояние и проблемы исследования искусственного интеллекта. Дзинко тино гаккайси, 1988. Т. 3, № 5.

7. Накамура и др. Нечеткие знания - развитие новых идей.-Токио: Никкан коге симбунся, 1989.