Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике 1.4. НЕЧЕТКИЕ СИСТЕМЫНаучная 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. ЛИТЕРАТУРА1. 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.
|
1 |
Оглавление
|