Članak na temu što je matematička kibernetika. Matematička kibernetika. Provedeno u okviru programa
Mogućnosti matematičkog modeliranja
Svaki objekt modeliranja karakteriziraju kvalitativne i kvantitativne karakteristike. Matematičko modeliranje daje prednost identificiranju kvantitativnih značajki i obrazaca razvoja sustava. Ovo modeliranje u velikoj mjeri apstrahira od specifičnog sadržaja sustava, ali ga nužno uzima u obzir kada se sustav pokušava prikazati kroz aparat matematike. Istinitost matematičkog modeliranja, kao i matematike općenito, ne provjerava se korelacijom s određenom empirijskom situacijom, već činjenicom deducibilnosti iz drugih tvrdnji.
Matematičko modeliranje je široko područje intelektualne aktivnosti. Ovo je prilično složen proces stvaranja matematičkog opisa modela. Uključuje nekoliko faza. N.P. Buslenko identificira tri glavne faze: konstruiranje smislenog opisa, formalizirane sheme i stvaranje matematičkog modela. Prema našem mišljenju, matematičko modeliranje se sastoji od četiri faze:
prvi - smisleni opis objekta ili procesa, kada su identificirane glavne komponente sustava i zakonitosti sustava. Uključuje numeričke vrijednosti poznatih karakteristika i parametara sustava;
drugi - formuliranje primijenjenog problema ili zadatak formaliziranja smislenog opisa sustava. Primijenjeni problem sadrži iskaz istraživačkih ideja, glavne ovisnosti, kao i formulaciju pitanja čije se rješenje postiže formalizacijom sustava;
treći - izgradnja formaliziranog dijagrama objekta ili procesa, što uključuje odabir glavnih karakteristika i parametara koji će se koristiti tijekom formalizacije;
Četvrta - transformacija formalizirane sheme u matematički model, kada je u tijeku izrada ili izbor odgovarajućih matematičkih funkcija.
Izuzetno važnu ulogu u procesu stvaranja matematičkog modela sustava ima formalizacija, koja se shvaća kao specifična istraživačka tehnika, čija je svrha razjasniti znanje identificiranjem njegovog oblika (načina organizacije, strukture kao veze između sastavnica sadržaja). Postupak formalizacije uključuje uvođenje simbola. Kako primjećuje A. K. Suhotin: „Formalizirati određeno područje sadržaja znači izgraditi umjetni jezik u kojem se pojmovi zamjenjuju simbolima, a iskazi se zamjenjuju kombinacijama simbola (formula). fiksna pravila, druga se mogu dobiti.” Istovremeno, zahvaljujući formalizaciji, otkrivaju se informacije koje nisu obuhvaćene razinama smislene analize. Jasno je da je formalizacija teška u odnosu na složene sustave koje karakterizira bogatstvo i raznolikost veza.
Nakon izrade matematičkog modela, njegovom primjenom počinje proučavanje nekog stvarnog procesa. U tom slučaju najprije se određuje skup početnih uvjeta i potrebnih količina. Ovdje je moguće nekoliko načina rada s modelom: njegovo analitičko proučavanje posebnim transformacijama i rješavanje problema; uporabom numeričkih metoda rješavanja, npr. metodom statističkih ispitivanja ili Monte Carlo metodom, metodama simulacije slučajnih procesa, kao i korištenjem računalne tehnologije za modeliranje.
Pri matematičkom modeliranju složenih sustava potrebno je voditi računa o složenosti sustava. Kao što ispravno primjećuje N.P. Buslenko, složeni sustav je višerazinska struktura međusobno povezanih elemenata kombiniranih u podsustave različitih razina. Matematički model složenog sustava sastoji se od matematičkih modela elemenata i matematičkih modela međudjelovanja elemenata. Međudjelovanje elemenata obično se smatra rezultatom ukupnosti učinaka svakog elementa na druge elemente. Utjecaj predstavljen skupom svojih karakteristika naziva se signal. Stoga se interakcija elemenata složenog sustava proučava u okviru mehanizma razmjene signala. Signali se prenose komunikacijskim kanalima koji se nalaze između elemenata složenog sustava. Imaju ulaze i izlaze
Da. Pri izradi matematičkog modela sustava u obzir se uzima njegova interakcija s vanjskom okolinom. U ovom slučaju, vanjsko okruženje obično se predstavlja u obliku određenog skupa objekata koji utječu na elemente sustava koji se proučava. Značajne poteškoće nastaju u rješavanju takvih problema kao što su prikaz kvalitativnih prijelaza elemenata i sustava iz jednog stanja u drugo, prikaz prijelaznih procesa.
Prema N.P. Buslenku, mehanizam razmjene signala kao formalizirana shema interakcije elemenata složenog sustava međusobno ili s objektima vanjskog okruženja uključuje sljedeće komponente:
proces generiranja izlaznog signala elementom koji proizvodi signal;
određivanje adrese prijenosa za svaku karakteristiku izlaznog signala;
prolaz signala kroz komunikacijske kanale i raspored ulaznih signala za elemente koji primaju signale;
odgovor elementa koji prima signal na primljeni ulazni signal.
Dakle, kroz uzastopne faze formalizacije, “rezanja” izvornog problema na dijelove, provodi se proces konstruiranja matematičkog modela.
Značajke kibernetskog modeliranja
Temelje kibernetike postavio je slavni američki filozof i matematičar, profesor na Massachusetts Institute of Technology. Norbert Wiener (1894.-1964.) u djelu "Kibernetika, ili kontrola i komunikacija u životinji i stroju" (1948). Riječ "kibernetika" dolazi od grčke riječi koja znači "kormilar". Velika je zasluga N. Wienera što je uspostavio zajednička načela gospodarenja bitno različitim objektima prirode i društva. Upravljanje se svodi na prijenos, pohranu i obradu informacija, tj. na razne signale, poruke, informacije. Glavna zasluga N. Wienera je što je prvi shvatio temeljnu važnost informacija u upravljačkim procesima. Danas, prema akademiku A. N. Kolmogorovu, kibernetika proučava sustave bilo koje prirode koji su sposobni percipirati, pohraniti i obraditi informacije te ih koristiti za kontrolu i regulaciju.
Postoji izvjesna disperzija u definiranju kibernetike kao znanosti, u identificiranju njezina objekta i subjekta. Prema stavu akademika A.I. Berga, kibernetika je znanost o upravljanju složenim dinamičkim sustavima. Osnova kategorijalnog aparata kibernetike sastoji se od pojmova kao što su "model", "sustav", "kontrola", "informacija". Dvosmislenost u definicijama kibernetike posljedica je činjenice da različiti autori stavljaju naglasak na jednu ili drugu temeljnu kategoriju. Na primjer, naglasak na kategoriji "informacija" tjera nas da kibernetiku smatramo znanošću o općim zakonima primanja, pohranjivanja, prijenosa i transformacije informacija u složenim kontroliranim sustavima, a prednost kategoriji "upravljanje" - kao znanosti o modeliranje upravljanja različitim sustavima.
Takva dvosmislenost sasvim je legitimna, jer je posljedica multifunkcionalnosti kibernetičke znanosti, njezinog ispunjavanja raznolikih uloga u znanju i praksi. U isto vrijeme, fokusiranje interesa na jednu ili drugu funkciju tjera čovjeka da sagleda cijelu znanost u svjetlu te funkcije. Takva fleksibilnost kibernetičke znanosti govori o njezinom visokom kognitivnom potencijalu.
Moderna kibernetika je heterogena znanost (slika 21). Kombinira skup znanosti koje proučavaju upravljanje u sustavima različite prirode iz formalne perspektive.
Kao što je navedeno, kibernetsko modeliranje temelji se na formalnom predstavljanju sustava i njihovih komponenti korištenjem koncepata "ulaza" i "izlaza", koji karakteriziraju veze elementa s okolinom. Štoviše, svaki element karakterizira određeni broj "ulaza" i "izlaza" (slika 22).
Riža. 22. Kibernetski prikaz elementa
Na sl. 22 x 1 , X 2 ,...X M shematski prikazano: "ulazi" elementa, Y 1 , Y 2 , ...,U N su "izlazi" elementa, i S 1 , C 2,..., C K - njegova stanja. Tokovi materije, energije, informacija utječu na “ulaze” elementa, oblikuju njegova stanja i osiguravaju funkcioniranje na “izlazima”. Kvantitativna mjera interakcije između "inputa" i "outputa" je intenzitet, koji predstavlja količinu materije, energije i informacije po jedinici vremena. Štoviše, ova interakcija je kontinuirana ili diskretna. Sada možete izgraditi matematičke funkcije koje opisuju ponašanje elementa.
Kibernetika sustav promatra kao jedinstvo upravljačkih i kontroliranih elemenata. Upravljani elementi nazivaju se upravljani objekt, a upravljački elementi nazivaju se upravljački sustav. Struktura upravljačkog sustava izgrađena je na hijerarhijskom principu. Upravljački sustav i upravljani (objekt) međusobno su povezani direktnim i povratnim vezama (slika 23), a dodatno i komunikacijskim kanalima. Upravljački sustav direktnim komunikacijskim kanalom utječe na upravljani objekt korigirajući utjecaje okoline na njega. To dovodi do promjene stanja objekta upravljanja i mijenja njegov utjecaj na okolinu. Imajte na umu da povratna sprega može biti vanjska, kao što je prikazano na sl. 23, odnosno interni, koji osigurava interno funkcioniranje sustava i njegovu interakciju s internim okruženjem.
Kibernetički sustavi su posebna vrsta sustava. Kako primjećuje L.A. Petrushenko, kibernetički sustav
tema zadovoljava najmanje tri zahtjeva: „1) mora imati određenu razinu organizacije i posebnu strukturu; 2) biti u stanju percipirati, pohranjivati i koristiti informacije, tj. biti informacijski sustav; 3) imati kontrolu prema prema principu povratne sprege, kibernetički sustav je dinamički sustav koji je skup komunikacijskih kanala i objekata i ima strukturu koja mu omogućuje izvlačenje (percipiranje) informacija iz njegove interakcije s okolinom ili drugim sustavom i korištenje tih informacija za samo- upravljanje po principu povratne sprege."
Određena razina organiziranosti znači:
integracija upravljanih i upravljačkih podsustava u kibernetički sustav;
hijerarhija upravljačkog podsustava i temeljna složenost upravljanog podsustava;
prisutnost odstupanja kontroliranog sustava od cilja ili od ravnoteže, što dovodi do promjene njegove entropije. To predodređuje potrebu razvijanja upravljačkog utjecaja na njega iz sustava upravljanja.
Informacija je osnova kibernetičkog sustava koji je percipira, obrađuje i prenosi. Informacija predstavlja informaciju, znanje promatrača o sustavu, odraz njegove mjere raznolikosti. Definira veze između elemenata sustava, njegov “ulaz” i “izlaz”. Informacijska priroda kibernetičkog sustava je posljedica:
Potreba za dobivanjem informacija o utjecaju okoline na upravljani sustav;
važnost informacija o ponašanju sustava;
potreba za informacijama o strukturi sustava.
Proučavani su različiti aspekti prirode informacija N. Wiener, K. Shannon, W. R. Ashby, L. Brillouin, A. I. Berg, V. M. Gluškov, N. M. Amosov, A. N. Kolmogorov itd. Filozofski enciklopedijski rječnik daje sljedeće tumačenje pojma "informacije": 1) poruka, informacija o stanju stvari, informacija o nečemu što ljudi prenose; 2) smanjena, uklonjena neizvjesnost kao rezultat primanja poruke; 3) poruka neraskidivo povezana s kontrolom, signal u jedinstvu sintaktičkih, semantičkih i pragmatičkih karakteristika; 4) prijenos, odraz raznolikosti u bilo kojim objektima i procesima (neživa i živa priroda).
Najvažnija svojstva informacija uključuju:
adekvatnost, oni. podudarnost sa stvarnim procesima i objektima;
relevantnost, oni. usklađenost sa zadacima za koje je namijenjen;
pravo, oni. usklađenost načina izražavanja informacija s njihovim sadržajem;
točnost, oni. odraz relevantnih pojava s minimalnim izobličenjem ili minimalnom pogreškom;
relevantnost ili pravodobnost, oni. mogućnost njegove uporabe kada je potreba za njom posebno velika;
univerzalnost, oni. neovisnost o pojedinačnim privatnim promjenama;
stupanj detalja oni. detalj informacija.
Svaki kibernetički sustav sastoji se od elemenata koji su povezani tokovima informacija. Sadrži informacijske resurse, prima, obrađuje i prenosi informacije. Sustav postoji u određenom informacijskom okruženju i podložan je informacijskom šumu. Njegovi najvažniji problemi uključuju: sprječavanje iskrivljenja informacija tijekom prijenosa i prijema (problem dječje igre "gluhog telefona"); stvaranje jezika informacija koji bi bio razumljiv svim sudionicima u upravljačkim odnosima (komunikacijski problem); učinkovito pretraživanje, primanje i korištenje informacija u upravljanju (problem korištenja). Kompleks ovih problema poprima određenu jedinstvenost i raznolikost
ovisno o specifičnostima upravljačkih sustava. Dakle, u informacijskim sustavima tijela javne vlasti, kako navode N. R. Nizhnik i O. A. Mashkov, postoji potreba za rješavanjem sljedećih problema: stvaranje servisa informacijskih resursa tijela javne vlasti i javne uprave; stvaranje pravne osnove za njegovo funkcioniranje; formiranje infrastrukture; stvaranje sustava za praćenje informacija; stvaranje informacijskog servisnog sustava.
Povratna veza je vrsta povezanosti elemenata kada se veza između ulaza elementa i izlaza istog elementa ostvaruje bilo izravno ili preko drugih elemenata sustava. Povratna veza može biti unutarnja i vanjska (slika 24).
Upravljanje povratnim informacijama složen je proces koji uključuje:
stalno praćenje funkcioniranja sustava;
usporedba trenutnog funkcioniranja sustava s ciljevima sustava;
razvoj utjecaja na sustav kako bi se uskladio s ciljem;
uvođenje utjecaja u sustav.
Povratna informacija može biti pozitivna ili negativna. U ovom slučaju pozitivna povratna sprega pojačava učinak ulaznog signala i ima isti predznak kao i on. Negativna povratna sprega slabi ulazni signal. Pozitivna povratna sprega pogoršava stabilnost sustava jer ga izbacuje iz ravnoteže, a negativna povratna sprega pomaže u uspostavljanju ravnoteže u sustavu.
Važnu ulogu u kibernetičkom modeliranju igraju koncepti "crne", "sive" i "bijele" kutije. Pod “crnom kutijom” podrazumijeva se kibernetički sustav (objekt, proces, pojava), o unutarnjoj organizaciji, strukturi i ponašanju elemenata o kojima promatrač (istraživač) nema informacija, ali je moguće utjecati na sustav putem njegove ulaze i bilježi njegove reakcije na izlazu. Promatrač, u procesu manipuliranja ulazom i bilježenja rezultata na izlazu, sastavlja izvještaj o ispitivanju, čijom analizom je moguće razjasniti “crnu kutiju”, tj. steći predodžbu o njegovoj strukturi i zakonitostima transformacije "ulaznog" signala u "izlazni" signal. Tako razjašnjena kutija naziva se "siva kutija", koja, međutim, ne daje potpunu ideju o njenom sadržaju. Ako promatrač u potpunosti razumije sadržaj sustava, njegovu strukturu i mehanizam pretvorbe signala, tada se on pretvara u “bijelu kutiju”.
Anohin P.K. Izabrana djela: kibernetika funkcionalnih sustava. - M.: Medicina, 1968.
Bataroev K. B. Analogije i modeli u spoznaji. - Novosibirsk: Nauka, 1981.
Buslenko N. P. Modeliranje složenih sustava. - M.: Nauka, 1978.
Byurikov B.V. Kibernetika i metodologija znanosti. - M.: Nauka, 1974.
Vartofsky M. Modeli. Reprezentacija i znanstveno razumijevanje: Trans. s engleskog / Općenito izd. i prev. I. B. Novik i V. N. Sadovski. - M.: Napredak, 1988.
Viner N. Kibernetika. - M.: Sov. Radio, 1968.
Ideja, algoritam, rješenje (odlučivanje i automatizacija). - M.: Voenizdat, 1972.
Družinin V.V., Kontorov D.S. Problemi sistemologije (problemi teorije složenih sustava) / Prev. akad. Glushkova V.M. - M.: Sov. Radio, 1976.
Zalmazon L. A. Razgovori o automatizaciji i kibernetici. - M.: Nauka, 1981.
Kantarovich L. V., Plisko V. E. Sustavni pristup u metodici matematike // System Research: Godišnjak. - M.: Nauka, 1983.
Kibernetika i dijalektiku. - M.: Nauka, 1978.
Kobrinsky N.E., Mayminas E.Z., Smirnov A.D. Uvod u ekonomsku kibernetiku. - M.: Ekonomija, 1975.
Lesečko M. D. Osnove sustavnog pristupa: teorija, metodologija, praksa: Glav. pos_b. - Lavov: LRIDU UADU, 2002.
Matematika a kibernetika u ekonomiji. Rječnik-priručnik. - M.: Ekonomija, 1975.
Mesarović M., Takahara Y. Opća teorija sustava: matematičke osnove. - M.: Mir, 1978.
Nizhnik N. R., Mashkov O. A. Sustavni pristup organizaciji državne uprave: Pročel. pos_b. / Za zag. izd. N. R. Nizhnik. - K.: Pogled na UADU, 1998.
Novik I. B. O modeliranju složenih sustava (Filozofski esej). - M.: Mysl, 1965.
Petrushenko L. A. Načelo povratne sprege (Neki filozofsko-metodološki problemi menadžmenta). - M.: Mysl, 1967.
Petrushenko L. A. Jedinstvo dosljednosti, organizacije i samopokreta. - M.: Mysl, 1975.
Plotinsky Yu. M. Teorijski i empirijski modeli društvenih procesa: Udžbenik. džeparac za sveučilišta. - M.: Logos, 1998.
Rastrigin L. A. Suvremeni principi upravljanja složenim objektima. - M.: Sov. Radio, 1980.
Suhotin A. K. Filozofija u matematičkom znanju. - Tomsk: Sveučilišna izdavačka kuća Tomsk, 1977.
Tyukhtin V.S. Refleksija, sustav, kibernetika. - M.: Nauka, 1972.
Uemov A.I. Logičke osnove metode modeliranja. - M.: Mysl, 1971.
filozofski enciklopedijski rječnik. - M.: Sov. enciklopedija, 1983.
Schrader Yu A., Sharov A. A. Sustavi i modeli. - M.: Radio i komunikacije, 1982.
Štof V. A. Uvod u metodologiju znanstvene spoznaje: Zbornik. džeparac - L.: Izdavačka kuća Lenjingradskog državnog sveučilišta, 1972.
KIBERNETIKA, disciplina posvećena proučavanju sustava kontrole i komunikacije kod životinja, organizacija i mehanizama. Termin je u ovom smislu prvi upotrijebio Norbert Wiener 1948. Znanstveni i tehnički rječnik
KIBERNETIKA, znanost o upravljanju koja uglavnom matematičkim metodama proučava opće zakonitosti primanja, pohranjivanja, prijenosa i pretvaranja informacija u složenim sustavima upravljanja. Postoje i druge, malo drugačije definicije kibernetike. Neki se temelje na informacijskom aspektu, drugi na algoritamskom aspektu, au trećima se ističe pojam povratne sprege kao izraz specifičnosti kibernetike. U svim definicijama, međutim, nužno je naznačena zadaća proučavanja upravljačkih sustava i procesa te informacijskih procesa matematičkim metodama. Pod složenim sustavom upravljanja u kibernetici podrazumijeva se svaki tehnički, biološki, administrativni, društveni, ekološki ili ekonomski sustav. Kibernetika se temelji na sličnosti procesa upravljanja i komunikacije u strojevima, živim organizmima i njihovim populacijama.
Glavna zadaća kibernetike je proučavanje općih obrazaca koji leže u osnovi procesa upravljanja u različitim okruženjima, uvjetima i područjima. To su prije svega procesi prijenosa, pohrane i obrade informacija. Pritom se procesi upravljanja odvijaju u složenim dinamičkim sustavima – objektima s promjenjivošću i sposobnošću razvoja.
Povijesna crtica. Vjeruje se da je riječ “kibernetika” prvi upotrijebio Platon u dijalogu “Zakoni” (4. st. pr. Kr.) u značenju “vlada naroda” [od grčkog ϰυβερνητιϰή - umijeće vladanja, gdje su latinske riječi gubernare (upravljati) i gubernator (guverner) dolaze iz ]. Godine 1834., A. Ampere, u svojoj klasifikaciji znanosti, upotrijebio je ovaj izraz za "praksu upravljanja". Pojam je u suvremenu znanost uveo N. Wiener (1947).
Kibernetičko načelo automatske regulacije temeljeno na povratnoj sprezi implementirali su u automatske uređaje Ktesibije (oko 2. - 1. st. pr. Kr.; vodeni satovi s plovkom) i Heron iz Aleksandrije (oko 1. st. po Kr.). Tijekom srednjeg vijeka stvoreni su mnogi automatski i poluautomatski uređaji koji su se koristili u satnim i navigacijskim mehanizmima, kao iu vodenicama. Sustavni rad na stvaranju teleoloških mehanizama, odnosno strojeva koji pokazuju odgovarajuće ponašanje i opremljeni su korektivnom povratnom spregom, započeo je u 18. stoljeću zbog potrebe reguliranja rada parnih strojeva. Godine 1784. J. Watt patentirao je parni stroj s automatskim regulatorom, koji je odigrao veliku ulogu u prijelazu na industrijsku proizvodnju. Početkom razvoja teorije automatske regulacije smatra se članak J. C. Maxwella o regulatorima (1868). Utemeljitelji teorije automatskog upravljanja uključuju I. A. Vyshnegradsky. U 1930-ima, radovi I. P. Pavlova ocrtali su usporedbu mozga i električnih sklopnih krugova. P. K. Anohin proučavao je aktivnost tijela na temelju teorije funkcionalnih sustava koju je razvio, a 1935. godine predložio je takozvanu metodu obrnute aferentacije - fiziološki analog povratne sprege u kontroli ponašanja tijela. Konačni potrebni preduvjeti za razvoj matematičke kibernetike stvoreni su tridesetih godina prošlog stoljeća radom A. N. Kolmogorova, V. A. Kotelnikova, E. L. Posta, A. M. Turinga, A. Churcha.
Potrebu za stvaranjem znanosti posvećene opisivanju upravljanja i komunikacije u složenim tehničkim sustavima u smislu informacijskih procesa i pružanju mogućnosti njihove automatizacije shvatili su znanstvenici i inženjeri tijekom 2. svjetskog rata. Složeni sustavi naoružanja i drugih tehničkih sredstava, zapovijedanja i upravljanja postrojbama i njihove opskrbe na kazalištima vojnih operacija povećali su pozornost na probleme automatizacije upravljanja i veza. Složenost i raznolikost automatiziranih sustava, potreba da se u njima kombiniraju različita upravljačka i komunikacijska sredstva te nove mogućnosti koje stvaraju računala doveli su do stvaranja jedinstvene, opće teorije upravljanja i komunikacije, opće teorije prijenosa informacija i transformacija. Ovi su zadaci, u ovoj ili onoj mjeri, zahtijevali opis procesa koji se proučavaju u smislu prikupljanja, pohranjivanja, obrade, analize i evaluacije informacija i dobivanja upravljačke ili prognostičke odluke.
Od početka rata N. Wiener (zajedno s američkim dizajnerom V. Bushom) sudjeluje u razvoju računalnih uređaja. Od 1943. počeo je razvijati računala zajedno s J. von Neumannom. U tom smislu, na Institutu za napredne studije Princeton (SAD) 1943.-44. godine održani su sastanci na kojima su sudjelovali predstavnici različitih specijalnosti - matematičari, fizičari, inženjeri, fiziolozi, neurolozi. Ovdje se konačno formira grupa Wiener-von Neumann u koju su ušli znanstvenici W. McCulloch (SAD) i A. Rosenbluth (Meksiko); Rad ove skupine omogućio je formuliranje i razvoj kibernetičkih ideja u odnosu na stvarne tehničke i medicinske probleme. Rezultate ovih istraživanja Wiener je sažeo u svojoj knjizi Kibernetika, objavljenoj 1948. godine.
Značajan doprinos razvoju kibernetike dali su N. M. Amosov, P. K. Anohin, A. I. Berg, E. S. Bir, V. M. Guljajev, S. V. Emeljanov, Ju. I. Žuravljev, A. N. Kolmogorov, V. A. Kotelnikov, N. A. Kuznjecov, O. I. Larichev, O. B. Lupanov, A. A. Lyapunov, A. A. Markov, J. von Neumann, B. N. Petrov, E. L. Post, A. M. Turing, Ya. Z. Tsypkin, N. Chomsky, A. Church, K. Shannon, S. V. Yablonsky, kao i domaći znanstvenici M. A. Aizerman, V. M. Akhutin, B. V. Biryukov, A. I. Kitov, A. Ya Lerner, Vyach. Vjač. Petrov, ukrajinski znanstvenik A. G. Ivakhnenko.
Razvoj kibernetike pratila je njezina apsorpcija pojedinih znanosti, znanstvenih pravaca i njihovih odjeljaka te, zauzvrat, pojava u kibernetici i kasnije odvajanje novih znanosti iz nje, od kojih su mnoge formirale funkcionalne i primijenjene dijelove računalne znanosti (u posebno, prepoznavanje uzoraka, analiza slike, umjetna inteligencija). Kibernetika ima prilično složenu strukturu, a znanstvena zajednica nije postigla potpunu suglasnost oko smjerova i dijelova koji su njen sastavni dio. Tumačenje predloženo u ovom članku temelji se na tradiciji domaćih škola računalne znanosti, matematike i kibernetike i na odredbama koje ne izazivaju ozbiljne nesuglasice između vodećih znanstvenika i stručnjaka, od kojih se većina slaže da je kibernetika posvećena informacijama, praksi njegovu obradu i tehnologiju vezanu uz informacijske sustave; proučava strukturu, ponašanje i interakciju prirodnih i umjetnih sustava koji pohranjuju, obrađuju i prenose informacije; razvija vlastite konceptualne i teorijske osnove; ima računalne, kognitivne i društvene aspekte, uključujući društvene implikacije informacijske tehnologije jer računala, pojedinci i organizacije obrađuju informacije.
Od 1980-ih bilježi se lagani pad interesa za kibernetiku. Povezan je s dva glavna čimbenika: 1) u razdoblju nastanka kibernetike stvaranje umjetne inteligencije mnogima se činilo jednostavnijim zadatkom nego što je zapravo bio, a izgledi za njegovo rješenje bili su u doglednoj budućnosti; 2) na temelju kibernetike, naslijedivši njezine temeljne metode, posebice matematičke, i gotovo potpuno apsorbirajući kibernetiku, nastala je nova znanost - informatika.
Najvažnije istraživačke metode i veze s drugim znanostima. Kibernetika je interdisciplinarna znanost. Nastao je na sjecištu matematike, teorije automatskog upravljanja, logike, semiotike, fiziologije, biologije i sociologije. Na formiranje kibernetike utjecali su trendovi u razvoju same matematike, matematizacija raznih područja znanosti, prodor matematičkih metoda u mnoga područja praktične djelatnosti te brzi napredak računalne tehnologije. Proces matematizacije popraćen je nastankom niza novih matematičkih disciplina, kao što su teorija algoritama, teorija informacija, operacijska istraživanja, teorija igara, koje čine bitan dio aparata matematičke kibernetike. Na temelju problema iz teorije sustava upravljanja, kombinatorne analize, teorije grafova i teorije kodiranja, nastala je diskretna matematika, koja je ujedno i jedan od glavnih matematičkih alata kibernetike. Početkom sedamdesetih godina prošlog stoljeća kibernetika se formira kao fizikalno-matematička znanost sa svojim predmetom istraživanja - tzv. kibernetičkim sustavima. Kibernetički sustav se sastoji od elemenata; u najjednostavnijem slučaju može se sastojati od jednog elementa. Kibernetički sustav prima ulazni signal (koji predstavlja ulazne signale njegovih elemenata), ima unutarnja stanja (odnosno definirani su skupovi unutarnjih stanja elemenata); Obradom ulaznog signala sustav transformira interno stanje i proizvodi izlazni signal. Struktura kibernetičkog sustava određena je mnogim odnosima koji povezuju ulazne i izlazne signale elemenata.
U kibernetici su od velike važnosti zadaće analize i sinteze kibernetičkih sustava. Zadatak analize je pronaći svojstva transformacije informacija koju provodi sustav. Zadatak sinteze je konstruirati sustav prema opisu transformacije koju mora izvršiti; u ovom slučaju klasa elemenata od kojih se sustav može sastojati je fiksna. Od velike važnosti je problem pronalaženja kibernetičkih sustava koji zadaju istu transformaciju, odnosno problem ekvivalentnosti kibernetičkih sustava. Ako specificiramo funkcional kvalitete kibernetičkih sustava, tada se javlja problem pronalaženja najboljeg sustava u klasi ekvivalentnih kibernetičkih sustava, odnosno sustava s maksimalnom vrijednošću funkcionala kvalitete. Kibernetika također razmatra probleme pouzdanosti kibernetičkih sustava, čije je rješavanje usmjereno na povećanje pouzdanosti funkcioniranja sustava poboljšanjem njihove strukture.
Za prilično jednostavne sustave navedeni se problemi obično mogu riješiti klasičnim matematičkim sredstvima. Poteškoće nastaju u analizi i sintezi složenih sustava, koji se u kibernetici shvaćaju kao sustavi koji nemaju jednostavne opise. To su obično kibernetički sustavi koji se proučavaju u biologiji. Smjer istraživanja koji je dobio naziv “teorija velikih (složenih) sustava” razvija se u kibernetici od pedesetih godina prošlog stoljeća. Osim složenih sustava u prirodi proučavaju se složeni sustavi automatizacije proizvodnje, sustavi gospodarskog planiranja, administrativno-ekonomski sustavi te vojni sustavi. Metode za proučavanje složenih sustava upravljanja temelj su analize sustava i operacijskog istraživanja.
Za proučavanje složenih sustava u kibernetici koriste se i pristup koji koristi matematičke metode i eksperimentalni pristup, koristeći različite pokuse bilo s predmetom koji se proučava ili s njegovim stvarnim fizičkim modelom. Glavne metode kibernetike uključuju algoritmizaciju, korištenje povratnih informacija, metodu strojnog eksperimenta, metodu "crne kutije", sistemski pristup i formalizaciju. Jedno od najvažnijih postignuća kibernetike je razvoj novog pristupa - metode matematičkog modeliranja. Sastoji se od činjenice da se eksperimenti ne provode sa stvarnim fizičkim modelom, već s računalnom implementacijom modela objekta koji se proučava, izgrađen prema njegovom opisu. Ovaj računalni model, uključujući programe koji provode promjene parametara objekta u skladu s njegovim opisom, implementiran je na računalu, što omogućuje provođenje raznih eksperimenata s modelom, snimanje njegovog ponašanja u različitim uvjetima, promjenu određenih struktura model, itd.
Teorijska osnova kibernetike je matematička kibernetika, posvećena metodama proučavanja širokih klasa kibernetičkih sustava. Matematička kibernetika koristi brojne grane matematike, kao što su matematička logika, diskretna matematika, teorija vjerojatnosti, računalna matematika, teorija informacija, teorija kodiranja, teorija brojeva, teorija automata, teorija složenosti, kao i matematičko modeliranje i programiranje.
Ovisno o području primjene u kibernetici razlikuju: tehničku kibernetiku, uključujući automatizaciju tehnoloških procesa, teoriju sustava automatskog upravljanja, računalnu tehnologiju, teoriju računala, sustave automatskog projektiranja, teoriju pouzdanosti; ekonomska kibernetika; biološka kibernetika, uključujući bioniku, matematičke i strojne modele biosustava, neurokibernetiku, bioinženjering; medicinska kibernetika, koja se bavi procesima upravljanja u medicini i zdravstvu, razvojem simulacijskih i matematičkih modela bolesti, automatizacijom dijagnostike i planiranjem liječenja; psihološka kibernetika, uključujući proučavanje i modeliranje mentalnih funkcija na temelju proučavanja ljudskog ponašanja; fiziološka kibernetika, uključujući proučavanje i modeliranje funkcija stanica, organa i sustava u normalnim i patološkim uvjetima u medicinske svrhe; lingvistička kibernetika, uključujući razvoj strojnog prevođenja i komunikacije s računalima na prirodnom jeziku, kao i strukturne modele obrade, analize i evaluacije informacija. Jedno od najvažnijih postignuća kibernetike je identificiranje i formuliranje problema modeliranja procesa ljudskog mišljenja.
Lit.: Ashby W. R. Uvod u kibernetiku. M., 1959; Anokhin P.K. Fiziologija i kibernetika // Filozofska pitanja kibernetike. M., 1961.; Logike. Automatski strojevi. Algoritmi. M., 1963.; Glushkov V. M. Uvod u kibernetiku. K., 1964.; aka Kibernetika. Pitanja teorije i prakse. M., 1986.; Tsetlin M. L. Istraživanja teorije automata i modeliranja bioloških sustava. M., 1969; Biryukov B.V., Geller E.S. Kibernetika u humanističkim znanostima. M., 1973.; Biryukov B.V. Kibernetika i metodologija znanosti. M., 1974.; Wiener N. Cybernetics, or Control and Communication in Animals and Machines. 2. izd. M., 1983.; aka Kibernetika i društvo. M., 2003.; George F. Osnove kibernetike. M., 1984.; Umjetna inteligencija: priručnik. M., 1990. T. 1-3; Zhuravlev Yu. Odabrani znanstveni radovi. M., 1998.; Luger J.F. Umjetna inteligencija: strategije i metode za rješavanje složenih problema. M., 2003.; Samarsky A. A., Mikhailov A. P. Matematičko modeliranje. Ideje, metode, primjeri. 2. izd. M., 2005.; Laričev O.I. Teorija i metode odlučivanja. 3. izd. M., 2008. (monografija).
Yu. I. Zhuravlev, I. B. Gurevich.
Nazvao ju je znanošću o učinkovitoj organizaciji, a Gordon Pask proširio je definiciju tako da uključuje tokove informacija "iz bilo kojeg izvora", od zvijezda do mozga.
Prema drugoj definiciji kibernetike, koju je 1956. predložio L. Couffignal (Engleski), jedan od pionira kibernetike, kibernetika je “umjetnost osiguravanja učinkovitosti djelovanja”.
Drugu definiciju predložio je Lewis Kaufman (Engleski): “Kibernetika je proučavanje sustava i procesa koji međusobno djeluju i sami se reproduciraju.”
Kibernetičkim metodama proučava se slučaj kada djelovanje sustava u okolini uzrokuje neku promjenu u okolini, a ta se promjena očituje na sustavu povratnom spregom koja uzrokuje promjene u ponašanju sustava. Proučavanje ovih "petlji povratne sprege" leži u metodama kibernetike.
Nastala je moderna kibernetika, uključujući istraživanja u raznim područjima sustava upravljanja, teorije električnih krugova, strojarstva, matematičkog modeliranja, matematičke logike, evolucijske biologije, neuroznanosti, antropologije. Te su se studije pojavile 1940. godine, uglavnom u radovima znanstvenika o tzv. Macyjeve konferencije (Engleski).
Ostala područja istraživanja koja su utjecala ili bila pod utjecajem razvoja kibernetike: teorija upravljanja, teorija igara, teorija sustava (matematički analog kibernetike), psihologija (osobito neuropsihologija, biheviorizam, kognitivna psihologija) i filozofija.
Video na temu
Sfera kibernetike
Objekt kibernetike su svi upravljani sustavi. Sustavi koji se ne mogu kontrolirati u principu nisu predmet proučavanja kibernetike. Kibernetika uvodi pojmove kao što su kibernetički pristup, kibernetički sustav. Kibernetski sustavi se razmatraju apstraktno, bez obzira na njihovu materijalnu prirodu. Primjeri kibernetičkih sustava su automatski regulatori u tehnologiji, računala, ljudski mozak, biološke populacije, ljudsko društvo. Svaki takav sustav skup je međusobno povezanih objekata (elemenata sustava) sposobnih za percipiranje, pamćenje i obradu informacija, kao i za njihovu razmjenu. Kibernetika razvija opća načela za stvaranje sustava upravljanja i sustava za automatizaciju mentalnog rada. Glavna tehnička sredstva za rješavanje problema kibernetike su računala. Stoga je pojava kibernetike kao samostalne znanosti (N. Wiener, 1948.) povezana s nastankom ovih strojeva 40-ih godina 20. stoljeća, a razvoj kibernetike u teoretskom i praktičnom aspektu povezan je s napretkom elektroničke tehnologije. računalna tehnologija.
Teorija složenih sustava
Teorija složenih sustava analizira prirodu složenih sustava i razloge iza njihovih neobičnih svojstava.
Metoda za modeliranje složenog adaptivnog sustava
U računarstvu
U računalstvu se kibernetičke metode koriste za upravljanje uređajima i analizu informacija.
U strojarstvu
Kibernetika u inženjerstvu koristi se za analizu kvarova sustava, pri čemu male greške i nedostaci mogu dovesti do kvara cijelog sustava.
U ekonomiji i menadžmentu
U matematici
U psihologiji
U sociologiji
Priča
U staroj Grčkoj pojam "kibernetika", koji je izvorno označavao umijeće kormilara, počeo se koristiti u prenesenom značenju za označavanje umijeća državnika koji upravlja gradom. U tom smislu ga, posebice, koristi Platon u Zakonima.
James Watt
Prvi umjetni automatski regulacijski sustav, vodeni sat, izumio je starogrčki mehaničar Ctesibius. U njegovom vodenom satu, voda je tekla iz izvora, kao što je stabilizirajući spremnik, u bazen, a zatim iz bazena na mehanizme sata. Ctesibiusov uređaj koristio je protok u obliku stošca za praćenje razine vode u svom rezervoaru i prilagođavao brzinu protoka vode u skladu s tim kako bi održao stalnu razinu vode u rezervoaru tako da nije bio niti prepunjen niti ispušten. Bio je to prvi umjetni, istinski automatski, samoregulirajući uređaj koji nije zahtijevao nikakvu vanjsku intervenciju između povratnih informacija i kontrolnih mehanizama. Iako ovaj koncept prirodno nisu nazivali znanošću kibernetike (smatrali su je poljem inženjerstva), Ktesibije i drugi drevni majstori poput Herona iz Aleksandrije ili kineskog znanstvenika Su Songa smatraju se među prvima koji su proučavali kibernetiku. principi. Proučavanje mehanizama u strojevima s korektivnom povratnom spregom datira još od kraja 18. stoljeća, kada je parni stroj Jamesa Watta opremljen upravljačkim uređajem, regulatorom centrifugalne povratne sprege, za upravljanje brzinom vrtnje motora. A. Wallace opisao je povratnu informaciju kao "potrebnu za načelo evolucije" u svom poznatom radu iz 1858. godine. Godine 1868. veliki fizičar J. Maxwell objavio je teorijski članak o upravljačkim uređajima i bio jedan od prvih koji je pregledao i poboljšao principe samoregulirajućih uređaja. J. Uexküll je koristio mehanizam povratne sprege u svom modelu funkcionalnog ciklusa (njemački Funktionskreis) kako bi objasnio ponašanje životinja.
XX. stoljeća
Moderna kibernetika započela je 1940-ih kao interdisciplinarno područje proučavanja koje kombinira sustave upravljanja, teoriju električnih krugova, strojarstvo, logičko modeliranje, evolucijsku biologiju i neuroznanost. Sustavi elektroničke kontrole datiraju još od rada inženjera Bell Labsa Harolda Blacka 1927. godine o korištenju negativne povratne sprege za kontrolu pojačala. Ideje također imaju veze s biološkim radom Ludwiga von Bertalanffyja u općoj teoriji sustava.
Kibernetika kao znanstvena disciplina temeljila se na radu Wienera, McCullocha i drugih kao što su W. R. Ashby i W. G. Walter.
Walter je bio jedan od prvih koji je izgradio autonomne robote za pomoć u istraživanju ponašanja životinja. Uz Veliku Britaniju i Sjedinjene Države, Francuska je bila važno geografsko mjesto za ranu kibernetiku.
Norbert Wiener
Tijekom ovog boravka u Francuskoj Wiener je dobio prijedlog da napiše esej na temu spajanja ovog dijela primijenjene matematike koji se nalazi u proučavanju Brownovog gibanja (tzv. Wienerov proces) i u teoriji telekomunikacija. Sljedećeg ljeta, već u Sjedinjenim Državama, upotrijebio je izraz "kibernetika" kao naslov znanstvene teorije. Ovaj naziv trebao je opisati proučavanje "svrhovitih mehanizama" i populariziran je u knjizi Cybernetics, or Control and Communication in the Animal and the Machine (Hermann & Cie, Pariz, 1948.). U Velikoj Britaniji, Ratio Club je formiran oko toga 1949. godine. (Engleski).
Kibernetika u SSSR-u
Nizozemski sociolozi Geyer i Van der Zouwena 1978. identificirali su niz značajki nove kibernetike u nastajanju. “Jedna od značajki nove kibernetike je da gleda na informacije koje su konstruirali i rekonstruirali ljudi u interakciji s okolinom. Ovo daje epistemološku osnovu znanosti kada se promatra sa stajališta promatrača. Druga je značajka nove kibernetike njezin doprinos prevladavanju problema redukcije (proturječja između makro- i mikroanalize). Tako povezuje pojedinca s društvom." Geyer i Van der Zouwen također su primijetili da “prijelaz s klasične kibernetike na novu kibernetiku dovodi do prijelaza s klasičnih problema na nove probleme. Te promjene u razmišljanju uključuju, između ostalog, promjene s naglaska na upravljani sustav na onaj kontrolni i faktor koji usmjerava odluke o kontroli. I novi naglasak na komunikaciji između više sustava koji pokušavaju upravljati jedni drugima."
Pretražite materijale:
Broj vaših materijala: 0.
Dodajte 1 materijal
Potvrda
o izradi elektroničkog portfelja
Dodajte 5 materijala
Tajna
predstaviti
Dodajte 10 materijala
Certifikat za
informatizacija obrazovanja
Dodajte 12 materijala
Pregled
besplatno za bilo koji materijal
Dodajte 15 materijala
Video lekcije
za brzo stvaranje učinkovitih prezentacija
Dodajte 17 materijala
1.8. Kibernetički aspekti računalne znanosti
1.8.1. Predmet kibernetike
Riječ "kibernetika" dolazi od grčke riječi koja u prijevodu znači
"kormilar". Njegovo suvremeno značenje povezuje se sa znanstvenim područjem čiji je početak
utemeljena je knjigom američkog znanstvenika Norberta Wienera “Kibernetika, odn
kontrolu i komunikaciju kod životinja i strojeva”, objavljenu 1948. Uskoro predmet
ne samo bioloških i tehničkih sustava, nego i sustava
bilo koje prirode, sposobni percipirati, pohraniti i obraditi informacije
te ga koristiti za upravljanje i regulaciju. Objavljeno 1947. godine
Enciklopedija kibernetike kaže da je to “...znanost o općim zakonima
primanje, pohranjivanje, prijenos i pretvaranje informacija u složene
sustavi upravljanja. U ovom slučaju sustavi upravljanja ovdje znače
ne samo tehničke, nego i bilo koje biološke, administrativne i društvene
sustavi." Dakle, najvjerojatnije su kibernetika i informatika
jedinstvena znanost. Danas se kibernetika sve više smatra dijelom računalne znanosti, njezine
“najviši” dio, donekle sličan po položaju “najvišem”
matematika" u odnosu na svu matematiku općenito (u približno istom
položaj u odnosu na informatiku je i znanost o “umjetnim
inteligencija"). Računalna znanost u cjelini je šira od kibernetike, budući da u informatici
Postoje aspekti koji se odnose na računalnu arhitekturu i programiranje
ne može se izravno pripisati kibernetici.
Kibernetičke grane računalne znanosti bogate su pristupima i
modeli u proučavanju raznih sustava i koriste se kao aparat
mnoge grane fundamentalne i primijenjene matematike.
Klasična i donekle samostalna grana kibernetike
razmotriti operacijsko istraživanje. Ovaj izraz se odnosi na korištenje
matematičke metode za opravdavanje odluka u raznim područjima
svrhovita ljudska djelatnost.
Objasnimo što se podrazumijeva pod "odlukom". Neka se malo potrudi
događaj (u industrijskoj, gospodarskoj ili društvenoj sferi),
usmjerena na postizanje određenog cilja – takav se događaj naziva
"operacija". Osoba (ili skupina osoba) odgovorna za izvođenje ovoga
događaju, imate priliku odabrati kako ćete ga organizirati. Na primjer: možete
odabrati vrste proizvoda koji će se proizvoditi; oprema koja
ovo će se primijeniti; raspodijeliti raspoloživa sredstva na ovaj ili onaj način itd.
“Operacija” je kontrolirani događaj.
Odluka je izbor iz niza opcija koje su dostupne donositelju odluke.
Odluke mogu biti uspješne i neuspješne, razumne i
nerazumna rješenja se nazivaju optimalnim, iz ovog ili onog razloga
poželjniji od drugih. Svrha operacijskog istraživanja je
matematičko (kvantitativno) opravdanje optimalnih rješenja.
Operacijska istraživanja uključuju sljedeće odjeljke:
1) matematičko programiranje (opravdanost planova, programa
ekonomska aktivnost); uključuje relativno nezavisne
sekcije: linearno programiranje, nelinearno programiranje,
dinamičko programiranje (u svim ovim nazivima termin
"programiranje" je nastalo povijesno i nema nikakve veze s
računalno programiranje);
2) teorija čekanja, koja se temelji na teoriji slučajnih procesa;
3) teorija igara, koja omogućuje da se opravdaju odluke donesene pod uvjetima
nepotpune informacije.
Imajte na umu da se ovi odjeljci ne odnose izravno na računala i tehniku
sustava. Drugi, koji su se brzo razvili 1970-ih i 1980-ih. dio kibernetike
postojali su automatski (automatizirani) sustavi upravljanja. Ovaj odjeljak
ima zatvoren, autonoman karakter, povijesno utemeljen
na svome. Usko je povezan s razvojem tehničkih sustava
automatizirana regulacija i upravljanje tehnološkim i
proizvodni procesi.
Druga klasična grana kibernetike je prepoznavanje
slike, koje su proizašle iz problema modeliranja u sustavima tehničke percepcije
osoba znakova, predmeta i govora, kao i formiranje pojmova u osobi
(trening u najjednostavnijem, tehničkom smislu). Ovaj dio je u velikoj mjeri
nastao iz tehničkih potreba robotike. Na primjer, potrebno je da
robotski sastavljač je prepoznao potrebne dijelove. Prilikom automatskog sortiranja (ili
Odbacivanje) dijelova zahtijeva sposobnost prepoznavanja.
Vrhunac kibernetike (i cijele informatike općenito) je sekcija
posvećen problemima umjetne inteligencije. Najmodernije
sustavi upravljanja imaju svojstvo donošenja odluka – svojstvo
intelektualnost, tj. modeliraju intelektualnu aktivnost
osobu prilikom donošenja odluka.
1.8.2. Upravljani sustavi
Unatoč raznolikosti problema koji se rješavaju u kibernetici, raznolikost modela,
pristupa i metoda, kibernetika ostaje jedinstvena znanost zahvaljujući upotrebi
opća metodologija temeljena na teoriji sustava i analizi sustava.
Sustav je izuzetno širok, početni, nestrogo definiran pojam.
Pretpostavlja se da sustav ima strukturu, tj. sastoji se od relativno
izolirani dijelovi (elementi), koji su, ipak, u značajnom
odnosi i interakcije. Značaj interakcije je u tome
zahvaljujući njemu, elementi sustava zajedno dobivaju određenu novu funkciju,
novo svojstvo koje ne posjeduje nijedan od elemenata zasebno. U tome
je razlika između sustava i mreže, koja se također sastoji od pojedinačnih elemenata, ali ne
međusobno povezani značajnim odnosima. Usporedi npr.
poduzeće čije radionice čine sustav, budući da samo svi zajedno
steći sposobnost proizvodnje finalnih proizvoda (i nijedan od njih u
sami se neće nositi s ovim zadatkom), i mreža trgovina koje mogu raditi
neovisno jedan o drugom.
Kibernetika, kao znanost o kontroli, ne proučava sve sustave općenito, već
samo upravljani sustavi. Ali područje interesa i primjene kibernetike
proteže se na široku paletu bioloških, ekonomskih,
društveni sustavi.
Jedna od karakterističnih značajki upravljanog sustava je sposobnost
transformirati u različita stanja pod utjecajem upravljačkih radnji. Stalno
postoji određeni skup stanja sustava iz kojih se vrši izbor
optimalno stanje.
Apstrahirajući od specifičnosti pojedinih kibernetičkih sustava i
ističući obrasce zajedničke određenom skupu sustava koji opisuju
mijenjajući svoje stanje pod raznim kontrolnim akcijama, dolazimo do
koncept apstraktnog kibernetičkog sustava. Njegove komponente nisu
konkretni objekti, ali apstraktni elementi karakterizirani
određena svojstva zajednička širokoj klasi objekata.
Budući da se kibernetički sustavi shvaćaju kao kontrolirani sustavi, u
Moraju imati mehanizam koji obavlja kontrolne funkcije. Češće
Ukupno, ovaj mehanizam se provodi u obliku organa posebno dizajniranih za
kontrola (slika 1.38).
Riža. 1.38. Shematski prikaz kibernetskog sustava u obliku
skup upravljačkih i kontroliranih dijelova
Strelice na slici pokazuju utjecaje koji se izmjenjuju između dijelova
sustava. Strelica koja ide od upravljačkog dijela sustava prema kontroliranom dijelu,
označava kontrolne signale. Upravljački dio sustava koji generira
upravljački signali nazivaju se upravljački uređaj. Menadžer
uređaj generira upravljačke signale na temelju informacija o stanju
kontrolirani sustav (prikazan na slici strelicom od kontroliranog dijela
sustava na njegov upravljački dio) kako bi se postiglo traženo stanje
uznemirujući utjecaji. Skup pravila prema kojima informacije
ulazak u upravljački uređaj obrađuje se u upravljačke signale,
naziva se kontrolnim algoritmom.
Na temelju uvedenih pojmova možete definirati pojam
"kontrolirati". Kontrola je utjecaj na objekt, odabran iz skupa
mogući utjecaji na temelju informacija dostupnih za ovu svrhu, poboljšanje
rad ili razvoj ovog objekta.
Sustavi upravljanja rješavaju četiri glavne vrste problema upravljanja: 1)
regulacija (stabilizacija); 2) izvođenje programa; 3) praćenje; 4)
optimizacija.
Ciljevi regulacije su održavanje parametara sustava –
kontrolirane veličine – blizu nekih konstantnih postavljenih vrijednosti (x),
unatoč utjecaju poremećaja M koji utječu na vrijednosti (x). Dostupno ovdje u
oblik aktivne zaštite od smetnji, koji se bitno razlikuje od pasivne
Metoda zaštite uključuje razvoj sustava upravljanja
kontrolne akcije koje suzbijaju poremećaje. Da, zadatak
održavanje potrebne temperature sustava može se riješiti pomoću
kontrolirano grijanje ili hlađenje. Pasivna zaštita sastoji se od
dajući objektu takva svojstva da ovisnost o parametrima koji nas zanimaju
od vanjskih smetnji bila mala. Primjer pasivne zaštite je
toplinska izolacija za održavanje zadane temperature sustava,
antikorozivni premazi za dijelove strojeva.
Zadatak izvršenja programa javlja se u slučajevima kada su navedene vrijednosti
kontrolirane veličine (x) mijenjaju se tijekom vremena na poznat način, na primjer u
proizvodnje pri izvođenju radova prema unaprijed utvrđenom rasporedu. U
u biološkim sustavima primjeri implementacije programa su razvoj
organizmi iz jaja, sezonske migracije ptica, metamorfoze insekata.
Zadatak praćenja je održavanje što je moguće bližeg podudaranja s nekima
kontrolirani parametar x0(t) na trenutno stanje sustava, mijenja se
na nepredviđen način. Potreba za praćenjem javlja se npr. kada
upravljanje proizvodnjom dobara u uvjetima promjenjive potražnje.
Problemi optimizacije - uspostavljanje u određenom smislu najboljeg moda
rad ili stanje upravljanog objekta - prilično su uobičajeni, na primjer
vođenje tehnoloških procesa kako bi se smanjili gubici sirovina i dr.
Sustavi u kojima se ne koristi za generiranje upravljačkih radnji
podatke o vrijednostima koje kontrolirane količine poprimaju u procesu
sustavi upravljanja nazivaju se sustavi upravljanja otvorenom petljom. Struktura je ovakva
sustav je prikazan na sl. 1.39.
Riža. 1.39. Otvoreni sustav upravljanja
Upravljački algoritam provodi upravljački uređaj CU koji
osigurava nadzor smetnje M i kompenzaciju te smetnje, bez
pomoću kontrolirane varijable X.
Naprotiv, u zatvorenim sustavima kontrole za formiranje menadžera
utjecaja, koriste se podaci o vrijednosti kontroliranih veličina.
Struktura takvog sustava prikazana je na sl. 1.40. Komunikacija između vikenda
parametara X i ulaza Y istog elementa upravljanog sustava
zove povratna sprega.
Riža. 1.40. Sustav upravljanja zatvorenom petljom
Povratna informacija je jedan od najvažnijih pojmova kibernetike, pomaganje
razumjeti mnoge pojave koje se događaju u kontroliranim sustavima raznih
priroda. Povratne informacije mogu se pronaći proučavanjem procesa
koji se javljaju u živim organizmima, gospodarskim strukturama, sustavima
automatska regulacija. Povratna informacija koja povećava utjecaj ulaza
utjecaj na kontrolirane parametre sustava naziva se pozitivnim,
smanjenje utjecaja ulaznog utjecaja – negativan.
Pozitivna povratna informacija koristi se u mnogim tehničkim uređajima
poboljšati, povećati vrijednosti ulaznih utjecaja. Negativan
povratna informacija se koristi za uspostavljanje ravnoteže narušene vanjskim
utjecaj na sustav.
1.8.3. Funkcije čovjeka i stroja u sustavima upravljanja
Dobro proučeno područje primjene kibernetičkih metoda je
tehnološko-proizvodna sfera, industrijski menadžment
poduzeće.
Izazovi koji se javljaju u upravljanju srednjim i velikim poduzećem
već su prilično složeni, ali se mogu riješiti elektroničkim putem
računala. Sustavi upravljanja poduzećem ili
teritoriji (regije, gradovi) koji koriste računala za obradu i pohranu
informacije nazivaju se automatizirani sustavi upravljanja (ACS). Po
Po svojoj prirodi takvi sustavi su čovjek-stroj, tj. zajedno s
uporaba moćnih računala pretpostavlja prisutnost osobe sa svojim
inteligencija.
U sustavima čovjek-stroj pretpostavlja se sljedeća podjela funkcija
stroj i čovjek: stroj skladišti i obrađuje velike količine
informacija, pruža informacijsku podršku za donošenje odluka
od strane osobe; osoba donosi upravljačke odluke.
Češće u sustavima čovjek-stroj, računala izvode rutinu,
nekreativna, radno intenzivna obrada informacija, oslobađanje vremena osobe
za kreativne aktivnosti. Međutim, cilj razvoja računala
(informacijska) tehnologija upravljanja je potpuna automatizacija
aktivnosti koje uključuju djelomično ili potpuno oslobađanje osobe od
potreba za donošenjem odluka. To nije samo zbog želje za istovarom
ljudski, ali i s činjenicom da je razvoj tehnologije i tehnologije doveo do situacija u kojima
osoba zbog svojih inherentnih fizioloških i psiholoških ograničenja
jednostavno nema vremena za donošenje odluka u stvarnom vremenu
proces, koji prijeti katastrofalnim posljedicama, npr.: potreba
aktiviranje hitne zaštite nuklearnog reaktora, odgovor na događaje,
koji se javljaju tijekom lansiranja svemirskih letjelica itd.
Sustav koji zamjenjuje čovjeka mora imati inteligenciju, donekle
slična ljudskoj – umjetna inteligencija. Istraživanje
smjer u području sustava umjetne inteligencije također se odnosi na
kibernetika, međutim, zbog svoje važnosti za izglede svih računalnih znanosti u
Općenito, razmotrit ćemo to u zasebnom paragrafu.
Kontrolna pitanja
1. Što je predmet znanosti “Kibernetika”?
2. Opišite probleme koji se rješavaju u znanstvenom dijelu “Operacijska istraživanja”.
3. Koje mjesto zauzima teorija automatskog upravljanja i
regulacija?
4. Što znači pojam "sustav"?
5. Što je "kontrolni sustav"?
6. Opišite zadatke koji se javljaju u sustavima upravljanja.
7. Što je "povratna informacija"? Navedite primjere povratnih informacija od drugih
upravljali ste sustavima.
8. Što je automatizirani sustav upravljanja?
9. Koje je mjesto čovjeka i računala u sustavima upravljanja čovjek-stroj?
Tijekom razvoja znanstveno-tehnološke revolucije fizikalna, kemijska
i biološki utjecaj čovjeka na prirodu. Što je utjecaj jači, to
sredstva za upravljanje njima moraju biti učinkovitija, a primarna je zadaća našeg
vrijeme postaje ne samo i ne toliko izbor optimalnog (ekonomski
korisni) načini upravljanja, koliko predviđanja i prevencije
sve veća opasnost od nastanka nepovratnih prirodnih procesa koji prijete
ljudskog postojanja i života na Zemlji općenito. Gotovo nikad prije
čovječanstvo je pred sebe postavilo složeniji i odgovorniji zadatak.
Može se raspravljati o tome kada će se točno dogoditi nepovratne promjene u prirodi i na koji način.
bit će njihovih posljedica, ali nema sumnje da je razdoblje koje je povijest odredila za rješenje
ovaj složeni problem nije tako velik.
U tom svjetlu posebno značenje dobivaju radovi iz teorije sustava ili sistemologije.
(češće se naziva "sustavski pristup", koji je, zapravo, nastao u vezi s
potreba za rješavanjem problema slične složenosti). Ta su djela posebno vrijedna
sustavna orijentacija, koja ne samo da postavlja temeljna načela metodologije
teorije sustava, te pokazuje učinkovitost sistemskog pristupa rješavanju
prilično složene i relevantne kibernetičke probleme. Ova knjiga je
djelo upravo ovakvog tipa: sustavno i po tematici i po duhu izlaganja.
U prvom dijelu knjige autor detaljno razmatra bit sistemskog pristupa, ali u drugom
primjenjuje ga na rješavanje najopćenitijih semiotičkih problema kibernetike. Oba
dijelovi knjige su izvorni i imaju samostalno značenje.
Jedna od posebnosti knjige je njezin pokušaj da se kroz sustavno izloži bit sistemologije
jedno gledište. Da bi to učinio, autor duboko analizira koncepte koji leže u pozadini
prikazan koncept sistemologije, te pokazuje da su ti pojmovi povezani sa zakonima i
kategorije materijalističke dijalektike i da je sustavni pristup samo
dovođenje znanja o temeljnim zakonitostima na razinu konkretnih praktičnih primjena
razvojem prirode, a ne novim svjetonazorom, kako to često zamišljaju teoretičari
teorija sustava na Zapadu.
Autor ne pokušava formalizirati samo izlaganje, što bi, dakako, bilo
preuranjen, iako vrlo primamljiv, ali način usvojen u knjizi
prezentacija se može smatrati prvim korakom u tom smjeru.
Prilikom predstavljanja sustavnog pristupa, glavna pozornost u radu G. P. Melnikova posvećena je
ono što ujedinjuje sustav u jedinstvenu cjelinu. Mnogi autori, kada proučavaju kompleks
sustavi ih teže ili podijeliti na jednostavnije dijelove i razmotriti veze između
dijelove kao prepreku takvoj podjeli, ili, obrnuto, koncentrirati sve
pozornost samo na poveznice, na mrežu odnosa (strukturu) između dijelova i
elemente cjeline i prirodu povezanih elemenata proglasiti nevažnom za
formiranje cjelovitosti. Za razliku od njih, G.P. Melnikov također obraća pozornost na
strukturu cjeline, te na ona svojstva koja nastaju u svakom elementu zbog
sama činjenica postojanja sustava kao izvjesne cjeline i svojstava cjeline,
koji proizlaze iz jedinstvenih svojstava elemenata, prikazujući mehanizme
međusobnog slaganja svih ovih parametara sustava formiranog s obveznim
interakcija s vanjskom okolinom.
Svaki sustav, ukoliko postoji, mora steći potrebna svojstva
suprotstaviti se vanjskim silama (utjecajima drugih sustava) koje teže
uništiti ovaj sustav. Što sustav dulje postoji i utjecaji su jači,
kojima je izložena, tim više u sustavu kao cjelini iu svakom njegovom elementu
svojstva uzajamne dosljednosti razvijena u procesu trebala bi se očitovati
prilagodba. Upravo je na ta svojstva mislio Hegel kad je rekao da u kapi
odražavaju se svojstva oceana.
Identificiranje ovih zajedničkih svojstava i otkrivanje njihovog temeljnog uzroka (skrivenog u kompleksu
vanjski utjecaji), koju autor naziva odrednicom sustava, otvara se široko
mogućnosti za proučavanje onih svojstava složenih sustava koji, zapravo,
učiniti ih "kompliciranima".
To nam omogućuje novi pogled na koncept sustava i otkrivanje takvih veza između
njegovih dijelova i takvih obilježja njegovih elemenata čije je postojanje često otežano i
osumnjičenik. Na tom je putu G.P. Melnikov, kao rezultat proučavanja svojstava
ogromnog broja jezika u svijetu, bilo je moguće otkriti vrlo specifične vrste
ovisnosti između gramatike jezika i njegove fonetike i stvaraju novi, sustavni
tipologija jezika, uspoređujući strukturu jezika prema karakteristikama njihovih odrednica.
Pristup koji je autor razvio omogućuje prilično jasno definiranje razlike
sustavni pristup od strukturalnog. Pokazalo se da su te razlike u biti sadržane
u jednom postulatu: ideje strukturalista temelje se na tezi da
postoji potpuno amorfan materijal iz kojeg (trenutačno) nastaje sustav
svojstva danog elementa sustava u skladu samo s njegovim mjestom u strukturi.
Prema sustavološkim stajalištima, ne postoji apsolutno amorfan materijal. Svaki
materijal nosi svojstva prethodnih sustava u koje je prethodno bio uključen i, štoviše,
razvili u procesu prilagodbe u tim sustavima sposobnost do jednog ili drugog stupnja
održavaju svoja stečena svojstva. Stoga, kada se takav materijal koristi za
formiranje novog sustava, zatim dolazi do dugotrajne prilagodbe starog i
formiranje novih svojstava tijekom prilagodbe, tj. u svakom trenutku u svakom
element sustava postoje dvije vrste svojstava: početna (materijalna),
odražava pozadinu materijala, a nameće ga sustav (strukturalni),
određen determinantom sustava.
Pitanja koja autor postavlja u vezi s odnosima strukturalnog („logičkog“,
“sintaktička”) i supstancijalna (“materijalna”, “sustavna”) u
pravi prirodni i umjetni sustavi ne samo da predstavljaju
opći filozofski interes, ali su također vrlo važni u konstruiranju
sustavi čovjek-stroj, koji su glavni alat za rješavanje većine
složeni suvremeni problemi kibernetike.
Za učinkovito korištenje takvih sustava potrebno je prije svega odvojiti
proces rješenja na dva dijela: specifičan za stroj, formalni,
u korelaciji sa strukturom predmeta koji se proučava ili konstruira, s logikom
međudjelovanje njegovih dijelova, i sadržajno, semantičko, ne zahtijeva razmatranje
svedivi na strukturu obilježja supstancije predmeta i stoga pridijeljeni
osoba. Istovremeno, glavna briga osobe je najpotpunija
koristeći se mogućnostima tehnologije tako da preostali neformalizirani
Dio zadatka pokazao se izvedivim za pravi tim stručnjaka.
Sposobnost osobe da neformalno identificira formalizirani dio zadatka, poput drugih
ljudska sposobnost za rad s neformalnim objektima jedna je od najvećih
misterije prirode. Stoga svaki pokušaj da se pronikne u tu tajnu ili barem ocrta
pristupi tome su od velike važnosti.
S te točke gledišta, koncepti predstavljeni u knjizi otvaraju se vrlo primamljivo
izgledi. Iako se autor trudi ne naglašavati povezanost ideja koje razvija
problemi umjetne inteligencije, ali se sasvim sigurno osjeti kada
čitanje knjiga. Pritom se autor fokusira na središnji problem: kako
misli li čovjek, kakvu ulogu ima jezik u procesu mišljenja, kako se razvija misao
riječi u činovima komunikacije jedne osobe s drugom, a ne na pomodnim problemima stvaranja
heurističke (humanoidne) metode za rješavanje problema umjetne igre. U
U tom smislu, problemi knjige tiču se razvoja principa konstruiranja
integralni roboti (ne heurističko programiranje).
Autor dolazi do identificiranja ovih principa ne toliko izravno tehnički
eksperimentiranja, koliko od sustavne interpretacije bogate semiotike,
lingvistički i psihološki materijal nakupljen do danas. U
S tim u vezi knjiga posvećuje veliku pozornost analizi takvih kardinalnih pitanja
kibernetika, kao ishodište sposobnosti formiranja mehanizama prepoznavanja,
predviđanje, znakovna komunikacija i modeliranje te procjena mogućnosti
koristeći te mehanizme za smislenu komunikaciju između čovjeka i stroja i
automobila jedan između drugog. Ekonomski opisati tipične komponente ovih procesa
autorica uvodi specijalizirani simbolički aparat.
Prezentacija sadržaja predloženog u knjizi temeljna je i
uvjerljivost. Međutim, treba imati na umu da se pitanja o kojima se govori u knjizi odnose na
sadašnje vrijeme jedno je od najtežih za objasniti i razumjeti, te stoga
Čitatelj koji uzme ovu knjigu u ruke mora se unaprijed pripremiti na naporan rad. Puno
Morat ću ponovno pročitati odlomke i razmisliti o mnogo čemu, ali mogu biti siguran
reći da će čitateljeva marljivost dok dublje ulazi u materijal knjige biti nagrađena.
Rijetko se nalazi u suvremenoj znanstvenoj literaturi, sadržajno-evolucijski i
neformalni logički tip dedukcije i iz toga proizašla sposobnost hvatanja
obrasci gdje se prije vidjela samo nasumična akumulacija činjenica - ovdje
Ovo nipošto nije potpuni popis onoga što je dovoljno marljivo i
pažljiv čitatelj.
Zadržimo se sada detaljnije na nekim od posebnih pitanja koja se postavljaju u knjizi, i
o vrednovanju metoda i rezultata njihova rješavanja.
1. Kao što je jasno iz navedenog, metodološki aspekti nisu sami sebi cilj;
prisiljen obratiti ozbiljnu pozornost na ovu stranu stvari upravo zato što je dovoljno
On sebi postavlja ozbiljne zadatke u općoj kibernetici. Ali točno
dakle, prvi dio rada, posvećen prikazu autorova koncepta sustavnosti
pristup je doista prikaz prilično holističkog koncepta.
Čitatelj zainteresiran prvenstveno za probleme sistemologije može
usredotočite svoju pozornost na prvi dio knjige, smatrajući njezin drugi dio kao
aplikacija koja pokazuje činjenicu da predstavljeni koncept može poslužiti
učinkovito sredstvo za rješavanje najsloženijih problema kibernetike.
Čitatelj kojeg zanima problematika predstavljena u drugom dijelu knjige može
njegov prvi dio također smatrati dodatkom, ali apsolutno obaveznim, inače
neće razumjeti niti premise niti glavni patos istraživačkih zaključaka.
2. Koncept sistemskog pristupa koji je postavio autor knjige, kao što je već navedeno, ima
prije svega ne formalno aksiomatski, nego jasno ontološki, tjelesni
usmjerenja, usmjerena na takvu formulaciju osnovnih pojmova i
obrazaca sustavnog pristupa, koji bi omogućio što jasniju
inženjerska, biološka i mentalna interpretacija i, prema tome, mogla bi biti
sredstvo ne samo za opisivanje i razumijevanje prirode stvarno postojećih sustava, već
i njihov dizajn, njihova implementacija na računala. S tim u vezi, knjiga
ne samo “sistemski”, nego i zapravo “kibernetski”.
Važno je napomenuti da dijalektička priroda osnovnih zakona sistemologije,
predstavljeno u autorovom konceptu nije samo deklarirano, nego demonstrirano.
Na principima dijalektičkog razvoja autor otkriva prirodu
smislenoj komunikaciji između osobe i stroja koriste se isti principi
metodološki dio rada pri uvođenju početnih pojmova sistemskog pristupa.
Ti se pojmovi ne uzimaju jednostavno kao neodredivi, kao što je to uobičajeno
konstrukciju aksiomatskih teorija, ali se razvijaju i produbljuju kako one
korištenje retrospekcijom kroz koncepte izvedene iz prvog. Ovaj
kreativna kuhinja, obično sramežljivo skrivena u publikacijama, izgleda vrlo
prirodno u promišljanju autora, koji stoji na pozicijama dijalektike. To mu daje
priliku za dobivanje podrške u raspravi o pitanju koje su granice prihvatljivog
formalizacija sustavnog pristupa i da bi se načelno trebala temeljiti na računovodstvu
zakoni razvoja i zakoni kontradikcije čijom se implementacijom može stvarati
automat obdaren sposobnošću izvršavanja barem elementarnih kreativnih radnji,
bez kojih su planovi za smislenu komunikaciju između čovjeka i stroja osuđeni na neuspjeh.
3. Valja napomenuti da ako čitatelj ne dijeli izvorna dijalektička uvjerenja
autora, onda se zaključci izvedeni iz njih mogu činiti neuvjerljivima. Da
činjenica da je za rješavanje mnogih suvremenih kibernetičkih problema potrebno da
nitko ne sumnja da bi automat mogao izvoditi kreativne radnje. Manje
očito je da se u tu svrhu treba baviti ne toliko razvojem čisto formalnih
algoritme za ponašanje stroja, koliko načina tražiti načine za rješavanje problema usput
kibernizacija zakona dijalektičke proturječnosti.
Međutim, podsjetimo u tom smislu da je poznata serija negativnih rezultata,
povezano s mogućnostima smislenih aksiomatskih teorija, sugerira da
da se ne može izvesti iz postavki takvih teorija
smisleno nešto veće od onoga što je bilo implicirano u postulatima. Tako
Stoga je kreativni čin temeljno povezan s izborom samih postulata iz
dostupno znanje. Ovaj izbor se vrši u okviru indukcije.
Kao što je L.V. Krushinsky, koji proučava inteligenciju, pokazao u svojim posljednjim radovima
životinje, najjednostavniji kreativni čin životinje je ovo
korištenje postojećeg iskustva, što dovodi do identifikacije generalizacije tipa
postulirajući elementarni zakon prirode kao netrivijalnu hipotezu o
strukturu svijeta, koja nije eksplicitno sadržana u prethodnom iskustvu, ali
omogućujući životinji da prikladnije komunicira s vanjskim svijetom.
Ako u tome leži bit induktivnog stvaralačkog čina, i mi, konstruirajući
automatskom stroju, želimo da njegova intelektualna razina bude barem jednaka
intelektualnoj razini životinje, tada je potrebno provjeriti je li moguće čisto
formalno, na temelju početnih eksperimentalnih informacija, postulat
hipotezu, tj. iznio postulat koji otkriva netrivijalne informacije u izvorniku
podaci. Pozitivan ili negativan rezultat takve provjere ima
temeljnu važnost za odabir načina rješavanja problema umjetnih
inteligencija.
Autor polazi od drugog, niječnog odgovora na ovo pitanje;
pravdajući se. Ali, kako se pokazalo nedavno, ovi, temeljeni isključivo na
kvalitativna razmatranja, autorove početne ideje su valjane i donekle
u točno određenom smislu. K. F. Samokhvalov dokazao je teorem, zaključci iz kojih
dati izravan odgovor na pitanje o kojem se raspravlja.
4. Dakle, temeljna potreba da se ide dalje od formalne logike
pri razvijanju principa induktivne generalizacije. bez koje se ne može
smislena komunikacija čovjek-stroj trenutno ima strogu
opravdanje. No, iz toga autor knjige uopće ne izvodi zaključak o temeljnom
uzaludnost korištenja formalnog aparata u rješavanju najsloženijih
kibernetičke zadatke. Naprotiv, jasno suprotstavljena tjelesnost,
supstancijalnost tehničkih i prirodnih sustava, netjelesnost njihovih strukturalnih
modela, on jasno ocrtava niz pojava čiji opis i konstrukcija
mogu i trebaju se prije svega oslanjati na strogi formalni aparat logike i
matematike u modernom razumijevanju ovih pojmova. Ovaj krug je duboko ograničen
prilagođeni sustavi.
Kroz ovu ključnu ideju za koncept koji se predstavlja, bit prilagodljivosti
autor pokazuje da sam koncept formalnog ima znatne rezerve širenja bez
gubitak strogosti. U tom smislu zanimljivi su suvremeni pokušaji obogaćivanja
početni pojmovi o temeljima matematike, razvoj bogatijeg i neobičnijeg
tradicionalno gledište teorija usmjereno na uzimanje u obzir ontologije proučavanog
entiteta.
5. Metodološka opravdanost i duboki značaj ovih radova za obogaćivanje
arsenal samih principa izgradnje formalnih teorija jasno je interpretiran u
u smislu odnosa između formalizirajućeg i neformalizibilnog, razmatran u
sistemološki koncept autora knjige. Vrlo je važno da autor dokazuje
fizička ostvarivost onoga što nije dostupno strogoj formalizaciji, a zahvaljujući
tome se jasno suprotstavlja ne samo fizički objekt njegovom strukturnom modelu, već također
stvarni sadržaj u komunikaciji – svaki tehnički komunik
jedinice, unatoč činjenici da su obje utjelovljene u supstanci modela ili u
moždani neuroni. To će omogućiti sistematizaciju početnih pojmova semiotike,
pokazuju unutarnju povezanost i temeljnu suprotnost između znaka i njegovog
značenje, između značenja i značenja, između mentalnog i jezičnog
procesi između prirodnih i umjetnih jezika.
Osobito je važan autorov stav da što je adaptacija dublja, čak
neživi, fizički objekt, to je prirodniji inherentan
sklonost takvoj interakciji s vanjskim okruženjem, koja može
smatrati, iako primitivnim, činom identifikacije, činom anticipacije
refleksije. U tom smislu ne možemo se ne prisjetiti riječi V.I.Lenjina da su čak i mrtvi
priroda ima svojstvo blisko osjetu...
6. Želio bih izraziti žaljenje što takvo obilje kardinalnih znanstvenih
problemi se raspravljaju u svesku male knjige. Čini se da je ova okolnost
lišio autora mogućnosti da se posluži njemu svojstvenim načinom predstavljanja svojih
misli po kojima je poznat među slušateljima njegovih govora na konferencijama i
kongresima, na seminarima i predavanjima, gdje ilustrira svaki svoj stav
vizualni crteži i primjeri iz raznih znanstvenih područja i industrija
tehnologije, iz društvenih i svakodnevnih situacija. S tim u vezi želim napomenuti da
iznenađujuće širok raspon pojava, na čiju analizu primjenjuje načela svog
sistemološki koncept i iz rada na kojemu utvrđuje slabe karike ovoga
koncept, neprestano ga poboljšavajući. O tome se može suditi barem po
publikacije autora, od kojih je samo manji dio naveden u bibliografiji.
Ograničeni obim knjige jasno daje do znanja da je potreba prezentiranja
barem najvažnije aspekte predloženog koncepta sistemskog pristupa i
pokazati svoju izvedbu natjerao je autora da napusti široku
pregled i analiza ostalih koncepata sustava.
Pojam "kibernetika" izvorno je u znanstveni opticaj uveo Ampere, koji je u svojoj
temeljno djelo “Esej o filozofiji znanosti” (1834.-1843.) definiralo je kibernetiku.
kao znanost o vladanju, koja treba građanima pružiti
razne beneficije. A u suvremenom shvaćanju – kao znanost o općem
obrasci upravljačkih procesa i prijenosa informacija u strojevima, život
.
organizmi i društvo, prvi je predložio Norbert Wiener 1948
Uključuje proučavanje povratnih informacija, crnih kutija i izvedenih koncepata kao što su
kao kontrola i komunikacija u živim organizmima, strojevima i organizacijama,
uključujući samoorganizacije. Fokusira se na to kako nešto (digitalno,
mehanički ili biološki) obrađuje informacije, reagira na njih i
mijenja ili se može mijenjati kako bi se bolje ispunila prva dva
zadaci. Stafford Beer to je nazvao znanošću učinkovite organizacije, a Gordon
Passcraz je proširio definiciju kako bi uključio tokove informacija "iz bilo kojeg izvora",
počevši od zvijezda pa do mozga.
Primjer kibernetičkog mišljenja. S jedne strane smatra se tvrtka
kvalitetu sustava u okruženju. S druge strane, kibernetička
kontrola se može prikazati kao sustav.
Više filozofska definicija kibernetike, koju je 1956. predložio L.
Couffignal, jedan od pionira kibernetike, opisuje kibernetiku kao
"umijeće osiguranja učinkovitosti djelovanja". Nova definicija bila je
predložio Lewis Kaufman (engleski): "Kibernetika je proučavanje sustava i
procesi koji su u interakciji sami sa sobom i sami se reproduciraju.”
Kibernetičke metode se koriste za proučavanje slučaja kada djelovanje sustava
u okolini uzrokuje neku promjenu u okolini, a ta promjena
pojavljuje se u sustavu putem povratne informacije, što uzrokuje promjene u načinu
ponašanje sustava. Metode leže u proučavanju ovih "petlji povratne sprege".
kibernetika.
Moderna kibernetika nastala je kao interdisciplinarna istraživanja, kombinirajući
područja sustava upravljanja, teorije elektrike
sklopovi, strojarstvo, matematičko modeliranje, matem
logika, evolucijska biologija, neuroznanost, antropologija. Ove studije su se pojavile
1940. uglavnom u radovima znanstvenika o tzv. Macy konferencije.
Ostala područja istraživanja koja su utjecala na razvoj kibernetike ili su bila pod njezinim utjecajem
njegov utjecaj - teorija kontrole, teorija igara, teorija
sustavi (matematički ekvivalent kibernetike), psihologija (osobito neuropsih.
I, biheviorizam, kognitivna psihologija) i filozofija.
Sfera kibernetike[uredi | uredi wikitekst]
Objekt kibernetike su svi upravljani sustavi. Sustavi koji ne mogu biti
upravljanje, u načelu, nisu predmet proučavanja kibernetike. Kibernetika
uvodi pojmove kao što su kibernetički pristup, kibernetički sustav.
Kibernetski sustavi razmatraju se apstraktno, bez obzira na njihovu
materijalna priroda. Primjeri kibernetičkih sustava - automatski regulatori
u tehnologiji, računalima, ljudskom mozgu, biološkim populacijama, ljudskom društvu.
Svaki takav sustav je skup međusobno povezanih objekata
(elementi sustava) sposobni za opažanje, pamćenje i obradu
informacije i razmjenjivati ih. Kibernetika razvija opće principe
stvaranje sustava upravljanja i sustava za automatizaciju mentalnog rada. Osnovni, temeljni
tehnička sredstva za rješavanje problema kibernetike – računala. Stoga, nastanak
kibernetika kao samostalna znanost (N. Wiener, 1948) povezana je sa stvaranjem 40-ih godina.
XX. st. tih strojeva, te razvoj kibernetike u teoretskom i praktičnom
aspekti - s napretkom elektroničke računalne tehnologije.
Kibernetika je interdisciplinarna znanost. Nastao je na raskrižju matematike,
logika, semiotika, fiziologija, biologija, sociologija. Karakterizira ga analiza i identifikacija
opći principi i pristupi u procesu znanstvene spoznaje. Najznačajniji
Teorije koje objedinjuje kibernetika su sljedeće [izvor nije naveden 156 dana]:
Teorija prijenosa signala
Teorija upravljanja
Teorija automata
Teorija odlučivanja
Sinergetika
Teorija algoritama
Prepoznavanje uzoraka
Teorija optimalnog upravljanja
Teorija sustava učenja
Osim alata za analizu, kibernetika koristi moćne alate
za sintezu rješenja koja pružaju alati matematičke analize, linearni
algebra, geometrija konveksnih skupova, teorija vjerojatnosti i matemat
statistike, kao i više primijenjenih područja matematike, npr
kao što su matematičko programiranje, ekonometrija, računalna znanost i drugi
izvedenih disciplina.
Uloga kibernetike posebno je velika u psihologiji rada i njezinim granama,
kao inženjerska psihologija i psihologija strukovnog obrazovanja.
Kibernetika je znanost o optimalnom upravljanju složenim dinamičkim sustavima,
proučavanje općih principa kontrole i komunikacije koji su u osnovi rada većine
sustavi različite prirode - od projektila za samonavođenje i
brza računala za složen život
Kontrola je prijenos kontroliranog sustava iz jednog stanja u drugo
putem ciljanog utjecaja menadžera. Optimalna kontrola -
ovo je prijenos sustava u novo stanje uz ispunjenje nekog kriterija
optimalnost, na primjer, minimiziranje troškova vremena, rada, tvari ili
energije. Složeni dinamički sustav je svaki stvarni objekt, elementi
koji se proučavaju do tako visokog stupnja međusobne povezanosti i mobilnosti da se mijenjaju
jedan element dovodi do promjena u drugima.
Upute[uredi | uredi wikitekst]
Kibernetika je raniji, ali još uvijek korišten opći izraz za mnoge
stavke. Ti se predmeti također protežu u polje mnogih drugih znanosti, ali
kombinirani u studiju upravljanja sustavima.
Čista kibernetika[uredi | uredi wikitekst]
Čista kibernetika, ili kibernetika drugog reda, proučava upravljačke sustave kao
koncepta, pokušavajući otkriti njegove osnovne principe.
ASIMO koristi senzore i inteligentne algoritme za izbjegavanje prepreka
i krenuti uz stepenice
Umjetna inteligencija
Kibernetika drugog reda
Računalni vid
Kontrolni sustavi
Pojava
Organizacije koje uče
Nova kibernetika
Teorija interakcija glumaca
Teorija komunikacije
U biologiji[uredi | uredi wikitekst]
Kibernetika u biologiji - proučavanje kibernetičkih sustava u biološkom
organizama, prvenstveno se fokusirajući na to kako se životinje prilagođavaju
njihovu okolinu i kako se informacije u obliku gena prenose s generacije na generaciju
generacija. Postoji i drugi smjer - kiborzi.
Toplinska slika hladnokrvne tarantule na toplokrvnoj ljudskoj ruci
Bioinženjering
Biološka kibernetika
Bioinformatika
Bionika
Medicinska kibernetika
Neurokibernetika
Homeostaza
Sintetička biologija
Sistemska biologija
Teorija složenih sustava[uredi | uredi wikitekst]
Teorija složenih sustava analizira prirodu složenih sustava i razloge iza njih
na temelju njihovih neobičnih svojstava.
Metoda za modeliranje složenog adaptivnog sustava
Složeni adaptivni sustav
Složeni sustavi
Teorija složenih sustava
U računarstvu[uredi | uredi wikitekst]
U računarstvu se za upravljanje koriste metode kibernetike
uređaji i analiza informacija.
Robotika
Sustav podrške odlučivanju
Stanični automat
Simulacija
Računalni vid
Umjetna inteligencija
Prepoznavanje predmeta
Kontrolni sustav
ACS
U inženjerstvu[uredi | uredi wikitekst]
Kibernetika u inženjerstvu koristi se za analizu kvarova sustava, u
gdje male pogreške i nedostaci mogu dovesti do kvara cijelog sustava.
Umjetno srce, primjer biomedicinskog inženjeringa.
Adaptivni sustav
Ergonomija
Biomedicinsko inženjerstvo
Neuroračunalstvo
Tehnička kibernetika
Inženjering sustava
U ekonomiji i menadžmentu[uredi | uredi wikitekst]
Kibernetička kontrola
Ekonomska kibernetika
Operacijska istraživanja
U matematici[uredi | uredi wikitekst]
Dinamički sustav
Teorija informacija
Teorija sustava
U psihologiji[uredi | uredi wikitekst]
Psihološka kibernetika
U sociologiji[uredi | uredi wikitekst]
Memetici
Socijalna kibernetika
Povijest[uredi | uredi wikitekst]
U staroj Grčkoj izraz "kibernetika", koji je izvorno označavao umijeće kormilara,
počeo se upotrebljavati figurativno za označavanje umijeća državnog umijeća
vođa grada. U tom smislu, on je posebno
koristi Platon u svojim Zakonima.
Riječ fr. "cybernétique" je korišten u gotovo svom modernom značenju 1834
godine francuski fizičar i sistematizator znanosti André Ampère (franc. AndréMarie
Ampère, 1775-1836), kako bi označio znanost o menadžmentu u svom klasifikacijskom sustavu
ljudsko znanje:
Andre Marie Ampere
"KIBERNETIKA. Odnosi među ljudima i proučavanim ljudima<…>prethodni
znanosti su samo mali dio objekata o kojima bi se država trebala brinuti; njegov
održavanje javnog reda, izvršenje
zakoni, pravedna raspodjela poreza, odabir ljudi koji bi trebali
postavljati na položaje, te sve ono što pridonosi poboljšanju društvenih prilika.
Mora stalno birati između različitih mjera koje su najprikladnije za
postizanje cilja; i samo kroz duboko proučavanje i usporedbu različitih elemenata,
koje mu je za ovaj izbor osiguralo znanje o svemu što ima veze s nacijom, to
sposoban vladati u skladu sa svojim karakterom, običajima, sredstvima
postojanje blagostanja organizacijom i zakonima koji mogu poslužiti kao opći
pravila ponašanja i kojima se rukovodi u svakom posebnom slučaju. Tako,
tek nakon svih znanosti koje se bave ovim raznim predmetima trebamo staviti ovaj,
o kojoj sada govorimo i koju ja od drugih nazivam kibernetikom.
grčki
umijeće plovidbe, koristili su sami Grci u neusporedivo više
široko značenje umjetnosti upravljanja općenito.”
; je riječ usvojena na početku u užem smislu da znači
κυβερνητιχη
James Watt
Prvi umjetni automatski regulacijski sustav, vodeni sat, bio je
izumio starogrčki mehaničar Ktesibije. U njegovom vodenom satu istjecala je voda
izvora, kao što je spremnik za stabilizaciju, u bazen, zatim iz bazena u
satni mehanizmi. Ktesibijeva naprava za kontrolu je koristila protok u obliku stošca
razinu vode u vašem spremniku i prilagođavanje brzine protoka vode u skladu s tim,
održavati stalnu razinu vode u spremniku, tako da nije
preliven, niti ocijeđen. Bio je to prvi umjetni doista automatski
samoregulirajući uređaj koji ne zahtijeva nikakve vanjske
interferencija između povratnih informacija i kontrolnih mehanizama. Iako oni
Naravno, oni taj koncept nisu nazivali znanošću kibernetike (smatrali su ga
polje tehnike), Ktesibije i drugi antički majstori poput Herona
Aleksandrijski ili kineski znanstvenik Su Song smatra se jednim od prvih koji je proučavao
kibernetičkih principa. Proučavanje mehanizama u strojevima s korektivom
povratne informacije datiraju s kraja 18. stoljeća, kada je Jamesov parni stroj
Watt je bio opremljen kontrolnim uređajem, centrifugalnim reverznim regulatorom
komunikacija kako bi se kontrolirala brzina motora. A. Wallace je opisao povratnu informaciju
kao "neophodan za načelo evolucije" u svom poznatom djelu iz 1858. Godine 1868
godine, veliki fizičar J. Maxwell objavio je teorijski članak o menadžerima
uređaja, bio je jedan od prvih koji je razmotrio i poboljšao principe
samoregulirajući uređaji.Ya. Uexküll je koristio mehanizam povratne sprege u svom
modeli ciklusa funkcija (njemački: Funktionskreis) za objašnjenje ponašanja
životinje.
XX. stoljeće[uredi | uredi wikitekst]
Moderna kibernetika započela je 1940-ih kao interdisciplinarno područje
istraživanje kombiniranja sustava upravljanja, teorije električnih krugova,
strojarstvo, logičko modeliranje, evolucijska biologija,
neurologija. Elektronički upravljački sustavi započinju posao Bell inženjera
Labs Harolda Blacka 1927. o korištenju negativnih povratnih informacija
kontrola pojačala. Ideje se također odnose na Ludwigov biološki rad
von Bertalanffy u općoj teoriji sustava.
Uključene rane primjene negativne povratne sprege u elektroničkim sklopovima
kontrola topničkih postrojenja i radarskih antena tijekom Drugog
svjetski rat. Jay Forrester, student diplomskog studija u Laboratoriju za servomehanizam
na MIT-u, radeći tijekom Drugog svjetskog rata
rat s Gordonom S. Brownom za poboljšanje elektroničkih kontrolnih sustava
za američku mornaricu, kasnije primijenio te ideje na javne organizacije,
kao što su korporacije i gradovi kao izvorni organizator School of Industrial
upravljanje Massachusetts Institute of Technology na MIT Sloan School of
Upravljanje (engleski). Forrester je poznat i kao utemeljitelj sistemske dinamike.
W. Deming, guru upravljanja potpunom kvalitetom, u čiju je čast 1950. osnovan Japan
osnovao svoju glavnu industrijsku nagradu, 1927. bio je mlad
specijalist u Bell Telephone Labs i možda je bio pod utjecajem posla u
polje mrežne analize). Deming je "sustave razumijevanja" učinio jednim od četiri
stupove onoga što je opisao kao duboko znanje u svojoj knjizi Nova ekonomija.
Knjiga u recenziji:
Nove pravce razvoja u fiziologiji i njihov odnos
s kibernetikom // Filozofska pitanja fiziologije višeg živčanog djelovanja i
Psihologija, M., Izdavačka kuća Akademije znanosti SSSR-a, 1963.
* * *
Stranica 499.
Nakon glavnih izlaganja održana je rasprava o izvješćima.
“Rasprava o izvješćima. Yu.P. Frolov (Moskva)...".
* * *
Stranica 501.
“...Istodobno su moji drugovi u pavlovskoj školi zaboravili da su ovi reversni ili kružni
veze su otvorene već neko vrijeme. Možete čitati o njima
u prekrasnom djelu A.F. Samoilov o kružnim ritmovima uzbuđenja, počevši od
elementarno kružno kretanje živčanog procesa u uzorku srca kornjače i
završavajući komunikacijom koja se odvija između govornika
i publika. Inverzne fiziološke i psihološke veze su prototip
povratne veze u kibernetičkim uređajima. Kibernetika
nema ni najmanju predodžbu o raznolikosti i snazi tih veza koje
čine bit naše komunikacije u kulturnom i društvenom okruženju...”
I dalje je lijepo i što je najvažnije točno rečeno:
“...Kibernetika nema ni izdaleka razumijevanje raznolikosti i moći ovih
veze koje čine bit naše komunikacije
u kulturnom, društvenom okruženju...”
Imajte na umu da je A.F. Samojlov je umro 1930. Ovaj rad je objavljen u
1930. godine.
Stoga je njegov rad bio mnogo godina ispred rada svih njegovih sljedbenika koji su postali
otkrića pripisuju sebi, uključujući P.K. Anohin i N.A. Bernstein.
Vrijedno je napomenuti da u živom organizmu ne može postojati povratna sprega po definiciji,
budući da je još uvijek nejasno što je u živom organizmu primarno, a što sekundarno. Ako uzmemo u obzir
da je recepcija primarna, onda su povratna sprega eferentni signali, a ako
Ako pretpostavimo da je snaga volje primarna, tada su aferentni signali obrnuti.
sam A.F Samoilov, kao fiziolog, dublje je razumio te procese i
stoga nije mogao uvesti koncept povratne sprege, jer je bio netočan za živi organizam.
U njegovom konceptu “začaranog kruga refleksne aktivnosti” nema ni početka ni
kraju, a to je upravo ono što određuje njegovu fiziologiju za živi organizam u cjelini.
Iz srodnih područja pojavili su se brojni radovi. Godine 1935. ruski
fiziolog P.K.Anohin objavio je knjigu u kojoj koncept inverz
veze (“obrnuta aferentacija”). Istraživanja su nastavljena, posebice na tom području
matematičko modeliranje regulacijskih procesa, a dva ključna članka bila su
objavljen 1943. Ta su djela bila Ponašanje, Svrha i Teleologija.
Norbert Wiener i J. Bigelow (engleski) i djelo “The Logical Calculus of Ideas,
koji se odnosi na živčanu aktivnost" W. McCullocha i W. Pittsa (engleski).
Kibernetika kao znanstvena disciplina temelji se na radovima Wienera, McCullocha i
drugi kao što su W. R. Ashby i W. G. Walter.
Walter je bio jedan od prvih koji je izgradio autonomne robote za pomoć u istraživanju
ponašanje životinja. Uz UK i SAD, važno zemljopisno područje
mjesto rane kibernetike bila je Francuska.
U proljeće 1947. Wiener je pozvan na kongres harmonijske analize,
održan u Nancyju u Francuskoj. Događaj je organizirala grupa
matematičara Nicolasa Bourbakija, gdje je veliku ulogu imao matematičar S. Mandelbroit.
Norbert Wiener
Tijekom ovog boravka u Francuskoj Wiener je dobio ponudu da napiše esej
na temu objedinjavanja ovog dijela primijenjene matematike koji se nalazi u studiju
Brownovo gibanje (tzv. Wienerov proces) iu teoriji telekomunikacija.
Sljedećeg ljeta, već u Sjedinjenim Državama, upotrijebio je izraz "kibernetika"
kao naslov znanstvene teorije. Ovaj naziv je trebao opisati studiju
“svrhovitih mehanizama” i populariziran je u knjizi “Kibernetika, odn
kontrola i komunikacija kod životinja i strojeva" (Hermann & Cie, Pariz, 1948.). U
U Velikoj Britaniji oko toga je 1949. nastao Ratio Club.
Početkom 1940-ih, John von Neumann, poznatiji po svom radu u matematici i
računalna znanost, napravila je jedinstven i neobičan dodatak svijetu kibernetike:
koncept staničnog automata i “univerzalnog konstruktora”
(stanični automat koji se samoreproducira). Rezultat ovih varljivo jednostavan
misaoni eksperimenti postali su precizni koncept samoreprodukcije, koji
kibernetika prihvaćena kao osnovni pojam. Koncept da ista svojstva
genetička reprodukcija primijenjena na društveni svijet, žive stanice i čak
računalni virusi, još je jedan dokaz univerzalnosti
kibernetička istraživanja.
Wiener je popularizirao društvene implikacije kibernetike povlačeći analogije između
automatski sustavi (kao što je varijabilni parni stroj) i
ljudskih institucija u svom bestseleru “Kibernetika i društvo” (The Human
Uporaba ljudskih bića: Kibernetika i društvo HoughtonMifflin, 1950).
Jedan od glavnih istraživačkih centara tih dana bilo je Biološko računalo
laboratoriju na Sveučilištu Illinois, koji već gotovo 20 godina, počevši
od 1958. na čelu s H. Försterom.
Kibernetika u SSSR-u[uredi | uredi wikitekst]
Glavni članak: Kibernetika u SSSR-u
Razvoj kibernetike u SSSR-u započeo je 1940-ih.
Izdanje Filozofskog rječnika iz 1954. uključivalo je opis kibernetike kao
"reakcionarna pseudoznanost"
U 60-im i 70-im godinama kibernetika, tehnička i ekonomska, već je postala
napraviti veliku okladu.
Pad i ponovno rođenje[uredi | uredi wikitekst]
Tijekom proteklih 30 godina kibernetika je prolazila kroz uspone i padove, postajući sve više
značajniji u području proučavanja umjetne inteligencije i biološke
strojna sučelja (to jest, kiborzi), ali, izgubivši podršku, izgubili
smjernice daljnjeg razvoja.
Francisco Varela
Stuart A. Umpleby
Sedamdesetih godina prošlog stoljeća pojavila se nova kibernetika u raznim područjima, a posebno u biologiji.
Neki su biolozi bili pod utjecajem kibernetičkih ideja (Maturana i Varela,
1980; Varela, 1979.; (Atlan (engleski), 1979), "shvatio da kibernetičke metafore
programi na kojima se temeljila molekularna biologija bili su
koncept autonomije nemoguće za živo biće. Stoga, ovo
mislioci su morali izmisliti novu kibernetiku, prikladniju za
organizacije koje čovječanstvo otkriva u prirodi – organizacije koje to nisu
sam izmislio." Mogućnost na koju je ova nova kibernetika primjenjiva
društveni oblici organizacija ostali su predmetom teorijske rasprave od 1980-ih
godine.
U gospodarstvu su u okviru projekta Cybersyn pokušali uvesti kibernetiku
komandna ekonomija u Čileu ranih 1970-ih. Pokus je bio
zaustavljen kao rezultat državnog udara 1973., oprema je uništena.
U 1980-ima se nova kibernetika, za razliku od svoje prethodnice, zanimala
“interakcija autonomnih političkih figura i podskupina, kao i praktična i
refleksivna svijest o objektima koji stvaraju i reproduciraju strukturu
politička zajednica. Glavni pogled je razmatranje rekurzivnosti, odn
samozavisnost političkih govora, kako u odnosu na izražavanje politič
svijesti, te u načinima na koje se sustavi stvaraju na temelju samih sebe."
Nizozemski sociolozi Geyer i Van der Zouwen (Nizozemci) identificirali su 1978.
niz značajki nove kibernetike u nastajanju. „Jedna od značajki novog
kibernetika je u tome što informaciju smatra konstruiranom i
obnovio čovjek u interakciji s okolišem. Ovaj
daje epistemološki temelj znanosti kada se promatra iz perspektive
posmatrač. Druga je značajka nove kibernetike njezin doprinos prevladavanju
problemi redukcije (kontradikcije između makro i mikroanalize). Dakle, ovo je
povezuje pojedinca s društvom." Geyer i van der Zouwen također su to primijetili
“prijelaz iz klasične kibernetike u novu kibernetiku dovodi do prijelaza iz
od klasičnih problema do novih problema. Ove promjene u razmišljanju uključuju,
među ostalim, promjene s naglaska na kontrolirani sustav na kontrolu i faktor,
koji usmjerava upravljačke odluke. I novi naglasak na komunikaciji između
nekoliko sustava koji pokušavaju kontrolirati jedni druge."
Nedavni napori u proučavanju kibernetike, sustava upravljanja i ponašanja u okolišima
promjenama, kao iu srodnim poljima kao što je teorija igara (analiza grupa
interakcije), povratni sustavi u evoluciji i istraživanje metamaterijala
(materijali sa svojstvima atoma i njihovih komponenti izvan Newtonovih svojstava),
doveli su do oživljavanja interesa za ovo sve važnije područje.
Slavni znanstvenici[uredi | uredi wikitekst]
Ampere, Andre Marie (1775.-1836.)
Višnjegradski, Ivan Aleksejevič (1831.-1895.)
Norbert Wiener (1894.-1964.)
William Ashby (1903.-1972.)
Heinz von Foerster (1911.-2002.)
Claude Shannon (1916.-2001.)
Gregory Bateson (1904.-1980.)
Klaus, Georg (1912.-1974.)
Kitov, Anatolij Ivanovič (1920.-2005.)
Ljapunov Aleksej Andrejevič (1911.-1973.)
Gluškov Viktor Mihajlovič (1923.-1982.)
Beer Stafford (1926.-2002.)
Berg, Axel Ivanovich (1893-1979)
Kuzin, Lav Timofejevič (1928.-1997.)
Povarov, Gelij Nikolajevič (1928.-2004.)
Pupkov, Konstantin Aleksandrovič (rođen 1930.)
Tihonov, Andrej Nikolajevič (1906.-1993.)
1.9. Osnove umjetne inteligencije
1.9.1. Pravci istraživanja i razvoja u području umjetnih
inteligencija
Znanstveni smjer vezan uz strojno modeliranje čovjeka
intelektualne funkcije – umjetna inteligencija – pojavile su se sredinom 1960-ih.
Njegov nastanak izravno je povezan s općim smjerom znanstvenog i
inženjerska misao, koja je dovela do stvaranja računala – smjer prema
automatizacija ljudske intelektualne aktivnosti, tako da složena
intelektualne zadaće, smatrane prerogativom čovjeka, rješavale su tehničke
sredstva.
Govoreći o složenim intelektualnim zadacima, treba imati na umu da samo 300–400 god.
prije je množenje velikih brojeva klasificirano kao takvo; međutim naučivši u djetinjstvu
pravilo množenja stupaca, moderni ljudi koriste ga bez razmišljanja, i
Ovaj zadatak teško da je danas "intelektualno zahtjevan". Očigledno u krugu
Oni bi trebali uključivati one zadatke za koje ne postoje "automatska" pravila,
oni. ne postoji algoritam (čak i vrlo složen) koji uvijek vodi do
uspjeh. Ako da bi se riješio problem koji nam se danas čini vezan uz
određenog kruga, u budućnosti će smisliti jasan algoritam, prestat će biti „kompliciran
intelektualac."
Unatoč svojoj kratkoći, povijest istraživanja i razvoja umjetnih
inteligencija se može podijeliti u četiri razdoblja:
1960-ih – ranih 1970-ih – istraživanja o “općoj inteligenciji”, pokušaji
modelirati opće intelektualne procese karakteristične za ljude: slobodni
dijalog, rješavanje raznih problema, dokazivanje teorema, razne igre (npr
dame, šah itd.), pisanje poezije i glazbe itd.;
1970-ih – istraživanje i razvoj pristupa formalnom predstavljanju znanja
i zaključivanja, pokušaji da se intelektualna aktivnost svede na formalnu
transformacije znakova, nizova itd.;
od kasnih 1970-ih – razvoj specijaliziranih za pojedina nastavna područja
područja inteligentnih sustava od praktične praktične važnosti
(ekspertni sustavi);
1990-ih – frontalni rad na izradi izgrađenih računala pete generacije
načela koja nisu konvencionalna glavna računala i softver za njih.
Trenutno je "umjetna inteligencija" moćna grana računalne znanosti koja ima
i temeljna, čisto znanstvena načela i visoko razvijena tehnička,
primijenjene aspekte koji se odnose na stvaranje i rad obradivih uzoraka
inteligentni sustavi. Značaj ovih radova za razvoj informatike je takav da
O njihovom uspjehu ovisi pojava novog računala pete generacije. Upravo ovaj
kvalitativni skok u mogućnostima računala – njihovo stjecanje pune
intelektualne sposobnosti - čini osnovu za razvoj računalne tehnologije u
perspektive i znak je nove generacije računalne tehnologije.
Svaki problem za koji algoritam rješenja nije poznat može se klasificirati kao
umjetna inteligencija. Primjeri uključuju igranje šaha, medicinski
dijagnostika, prijevod teksta na strani jezik - riješiti te probleme nije
Postoje jasni algoritmi. Još dvije karakteristične značajke umjetnih problema
inteligencija: pretežno korištenje simboličkih (umjesto brojčanih) informacija
oblik i prisutnost izbora između mnogih opcija u uvjetima neizvjesnosti.
Nabrojimo neka područja u kojima se koriste umjetne metode
inteligencija.
1. Percepcija i prepoznavanje slika (zadatak koji je ranije spomenut kao jedan od
pravci kibernetike). Sada to ne znači samo tehničke sustave,
percipirati vizualne i audio informacije, kodirati ih i smjestiti u njih
pamćenje, te problemi razumijevanja i logičkog zaključivanja tijekom obrade
vizualne i govorne informacije.
2. Matematika i automatski dokaz teorema.
3. Igre. Poput formalnih sustava u matematici, igre karakterizirane konačnošću
niz situacija i jasno definiranih pravila, od samog početka istraživanja na
umjetna inteligencija privukla je pažnju kao preferirani objekti
istraživanja, poligon za primjenu novih metoda. Inteligentni sustavi
međutim, razina osobe prosječnih sposobnosti brzo je dosegnuta i nadmašena
Razina najboljih stručnjaka još nije dosegnuta. Poteškoće koje su se pojavile pokazale su se
karakteristično za mnoge druge situacije, budući da u svojim “lokalnim” radnjama
osoba koristi cjelokupnu količinu znanja koju je prikupila tijekom života.
4. Rješavanje problema. U ovom slučaju, koncept "rješenja" se koristi u širokom smislu,
odnosi se na formuliranje, analizu i prikaz konkretnih situacija, te
U pitanju su zadaci koji se javljaju u svakodnevnom životu, npr
rješenja koja zahtijevaju domišljatost i sposobnost generaliziranja.
5. Razumijevanje prirodnog jezika. Ovdje je zadatak analizirati i generirati tekstove, njihove
interno predstavljanje, prepoznavanje znanja potrebnih za razumijevanje tekstova.
Poteškoće proizlaze posebice iz činjenice da je značajan dio informacija u običnom obliku
dijalog nije izražen određeno i jasno. Rečenice prirodnog jezika karakteriziraju:
nepotpunost;
netočnost;
neodređenost;
gramatička netočnost;
zalihost;
ovisno o kontekstu;
dvosmislenost.
Međutim, takva svojstva jezika, koja je rezultat višestoljetne povijesne
razvoja, služe kao uvjet za funkcioniranje jezika kao univerzalnog sredstva
komunikacija. Istovremeno, razumijevanje rečenica prirodnog jezika tehničkim
sustave je teško modelirati zbog ovih značajki jezika (i
pitanje što je "razumijevanje" treba razjasniti). U tehničkim sustavima
mora se koristiti formalni jezik, značenje rečenica je jasno
određena njihovim oblikom. Prijevod s prirodnog jezika na formalni jezik je
netrivijalan zadatak.
6. Identifikacija i prezentacija specijalističkih znanja u ekspertnim sustavima. Stručnjak
sustavi – inteligentni sustavi koji su apsorbirali znanja stručnjaka u
specifične vrste aktivnosti - od velike su praktične važnosti, s uspjehom
koriste se u mnogim područjima kao što je računalno potpomognuto projektiranje,
medicinska dijagnostika, kemijska analiza i sinteza itd.
U svim tim područjima glavne poteškoće vezane su uz činjenicu da
shvaćaju se principi ljudske intelektualne aktivnosti, proces prihvaćanja
odluke i rješavanje problema. Ako je 1960-ih. Pitanje „može
računalo za razmišljanje”, sada se pitanje postavlja drugačije: “je li osoba dovoljno dobra
razumije kako razmišlja kako bi ovu funkciju prenio na računalo"? Zbog ovoga,
rad u području umjetne inteligencije usko je povezan s istraživanjem na
relevantne dijelove psihologije, fiziologije, lingvistike.
1.9.2. Reprezentacija znanja u sustavima umjetne inteligencije
Glavna značajka inteligentnih sustava je da se temelje na
znanja, ili bolje rečeno, na nekom njegovom prikazu. Znanje se ovdje shvaća kao
pohranjene (pomoću računala) informacije formalizirane u skladu s određenim
pravila koja računalo može koristiti za logično zaključivanje prema određenim
algoritmi. Najosnovniji i najvažniji problem je opis
semantički sadržaj problema najšireg spektra, tj. trebalo bi se koristiti
takav oblik opisa znanja koji bi jamčio njegovu ispravnu obradu
sadržaj prema nekim formalnim pravilima. Ovaj problem se zove problem
reprezentacije znanja.
Trenutno postoje tri najpoznatija pristupa predstavljanju znanja
raspravljani sustavi:
produkcijski i logički modeli;
Semantičke mreže;
okviri.
Pravila proizvodnje su najjednostavniji način predstavljanja znanja. Temelji se na
reprezentacija znanja u obliku pravila strukturiranih prema uzorku
"AKO TADA." “Ako” dio pravila naziva se premisa, a “ONDA” dio se naziva zaključak ili
akcijski. Opće pravilo je napisano na sljedeći način:
AKO A1, A2, ..., An ONDA B.
Ova oznaka znači da “ako su svi uvjeti od A1 do An istiniti, tada B
također vrijedi" ili "kada su svi uvjeti od A1 do An zadovoljeni, tada
akcija B."
Razmotrite pravilo
AKO
(1) y je otac od x
(2) z je brat od y
DA
z je x-ov ujak
U ovom slučaju, broj uvjeta je n = 2.
U slučaju n = 0, proizvodnja opisuje znanje koje se sastoji samo od zaključivanja, tj. činjenica.
Primjer takvog znanja je činjenica "atomska masa željeza je 55.847 amu."
Varijable x, y i z pokazuju da pravilo sadrži nešto univerzalno, opće
znanje apstrahirano iz specifičnih vrijednosti varijabli. Ista varijabla
koristi se u ispisu i raznim slanjima, može primati razne specifične
značenja.
Znanje predstavljeno u inteligentnom sustavu čini bazu znanja. U
Inteligentni sustav također uključuje izlazni mehanizam koji omogućuje, na temelju
znanja dostupna u bazi znanja, steći nova znanja.
Ilustrirajmo ono što je rečeno. Pretpostavimo da u bazi znanja, zajedno s gore navedenim
Pravilo također sadrži sljedeća znanja:
AKO
(1) z je otac od x
(2) z je otac od y
(3) x i y nisu ista osoba
x i y su braća
DA
Ivan je Sergejev otac
Ivan je Pavelov otac
Sergej je Nikolajev otac
Iz prezentiranih spoznaja može se formalno izvesti zaključak da je Pavao
ujak Nikolaj. U ovom slučaju, pretpostavlja se da su identične varijable uključene u različite
pravila, nezavisna; objekti čija imena te varijable mogu dobiti ni na koji način
povezani jedni s drugima. Formalizirani postupak koji koristi podudaranje (sa
koji utvrđuje da li se dva oblika reprezentacije međusobno podudaraju, uključujući
zamjena mogućih vrijednosti varijabli), pretraživanje u bazi znanja, povratak na izvornik
stanje kada je pokušaj rješenja neuspješan, predstavlja mehanizam zaključivanja.
Odredila ga je jednostavnost i jasnoća prezentiranja znanja uz pomoć proizvoda
primjena u mnogim sustavima, koji se nazivaju proizvodni sustavi.
Semantička mreža je drugačiji pristup predstavljanju znanja koji se temelji na
prikazivanje pojmova (entiteta) pomoću točaka (čvorova) i odnosa između njih sa
pomoću lukova na ravnini. Semantičke mreže sposobne su prikazati strukturu znanja
u svoj složenosti njihovih odnosa povezati predmete i njihova svojstva u jedinstvenu cjelinu. U
Kao primjer, dio semantičke mreže koji se odnosi na
pojam "voće" (slika 1.41).
Riža. 1.41. Primjer semantičkog weba
Okvirni sustav ima sva svojstva svojstvena jeziku predstavljanja znanja i
ujedno predstavlja i novi način obrade informacija. Riječ "okvir" u
u prijevodu s engleskog znači "okvir". Okvir je jedinica prezentacije
znanje o objektu, koji se može opisati određenim skupom pojmova i
entiteta. Okvir ima određenu unutarnju strukturu, koja se sastoji od skupa
elementi koji se nazivaju utori. Svaki utor je zauzvrat predstavljen
specifična podatkovna struktura, procedura ili može biti povezana s drugim okvirom.
Okvir: ljudski
Klasa
Životinja
Strukturni element
Glava, vrat, ruke, noge...
Visina
30–220 cm
Težina
1–200 kg
Rep
Ne
Analogni okvir
Majmun
Postoje i drugi, manje uobičajeni pristupi predstavljanju znanja
inteligentni sustavi, uključujući i hibridne, koji se temelje na već opisanim pristupima.
Nabrojimo glavne značajke strojnog prikaza podataka.
1. Interna interpretabilnost. Osigurava se da svaka informacija
jedinice svog jedinstvenog imena, prema kojem sustav pronalazi da odgovara na njega
zahtjeva u kojima se navodi ovo ime.
2. Struktura. Informacijske jedinice moraju imati fleksibilnu strukturu,
za njih mora biti ispunjen "načelo matrjoške", tj. gniježđenje nekih
informacijske jedinice u druge, mora biti moguće uspostaviti
odnosi kao što su “dio – cjelina”, “rod – vrsta”, “element – klasa” između jedinki
informacijske jedinice.
3. Povezivost. Mora biti moguće uspostaviti veze između različitih
tipa između informacijskih jedinica koje bi karakterizirale odnose
između informacijskih jedinica. Ti odnosi mogu biti ili deklarativni
(deskriptivna) i proceduralna (funkcionalna).
4. Semantička metrika. Omogućuje vam uspostavljanje situacijske blizine
informacijske jedinice, tj. veličina asocijativne veze među njima. Takva bliskost
omogućuje vam da identificirate neke tipične situacije u znanju i izgradite analogije.
5. Aktivnost. Izvršenje radnji u inteligentnom sustavu mora biti pokrenuto
ne bilo kakvim vanjskim razlozima, nego trenutnim stanjem onih koji su zastupljeni u sustavu
znanje. Pojava novih činjenica ili opisa događaja, uspostavljanje veza treba
postati izvor aktivnosti sustava.
1.9.3. Modeliranje rasuđivanja
Rasuđivanje je jedna od najvažnijih vrsta ljudske mentalne aktivnosti, u
čiji rezultat formulira na temelju nekih rečenica, izjava,
presude nove rečenice, iskazi, presude. Valjani mehanizam
ljudsko razmišljanje ostaje nedovoljno proučeno. ljudski
zaključivanje karakteriziraju: neformalnost, nedorečenost, nelogičnost, širok
korištenje slika, emocija i osjećaja, što ih čini iznimno teškima
istraživanje i modeliranje. Do danas, najbolje proučena logička
razmišljanje i mnogi deduktivni mehanizmi zaključivanja su razvijeni, implementirani u
različiti inteligentni sustavi temeljeni na predstavljanju znanja korištenjem
Logika predikata 1. reda.
Predikat je konstrukcija oblika P(t1, t2, ..., tn), koja izražava neku vrstu veze između
neki predmeti ili svojstva objekata. Oznaka ove veze ili svojstva,
P se naziva "predikatni simbol"; t1, t2, …, tn nazivaju se članovima, označavaju
objekti povezani svojstvom (predikatom) R.
Termi mogu biti samo sljedeće tri vrste:
1) konstanta (označava pojedinačni predmet ili pojam);
2) varijabla (označava različite objekte u različitim vremenima);
3) složeni član – funkcija f(t1, t2, …, tm), koja ima članove t1 kao m argumenata,
t2, ..., tm.
Primjer 1.
1. Rečenica "Volga se ulijeva u Kaspijsko jezero" može se napisati kao predikat
ulijeva se u (Volga, Kaspijsko jezero).
"Upada" je predikatni simbol; “Volga” i “Kaspijsko more” su toplinske konstante. Mi
mogao ukazivati na odnos "utječe" i objekte "Volga" i "Kaspijsko more"
simboli.
Umjesto toplinskih konstanti, možemo uzeti u obzir varijable:
ulijeva se u (X, Kaspijsko more)
teče u (X, Y).
To su također predikati.
2. Omjer x + 1< у можно записать в виде предиката А(х, у). Предикатный символ А
ovdje označava ono što "ostaje" od x + 1< у, если выбросить из этой записи
varijable x i y.
Dakle, predikat je logička funkcija koja uzima vrijednosti "točno" ili "netočno".
ovisno o vrijednostima njegovih argumenata. Poziva se broj argumenata za predikat
svoju arnost.
Dakle, za naše primjere, predikat "pada" ima arnost 2 i kada je X = "Volga", a Y =
"Kaspijsko more" je točno, ali kada je X = "Don", Y = "Biskajski zaljev" je lažno. Predikat
A u primjeru 2 također ima aritet 2, istinit je kada je X = 1, Y = 3 i lažan kada je X = 3, Y = 1.
Predikati se mogu spajati u formule pomoću logičkih veznika (konjunkcija): ^
↔
(I, konjunkcija), v (ILI, disjunkcija), ~ (NE, negacija),
("trebao", implikacija),
(“ako i samo ako”, ekvivalentnost).
→
Tablica istinitosti (tablica 1.15) ovih veznika omogućuje vam da odredite je li istinita ili lažna
značenje formule povezivanja za različite vrijednosti predikata A i B uključenih u nju (i -
točno, l – netočno).
Tablica 1.15
Istinitost predikatskih veznika
A
U
A^B
A protiv B
~A
A
A
B→
B↔
I
I
I
I
l
I
I
I
l
l
I
l
l
l
l
I
l
I
I
I
l
l
l
l
l
I
I
I
Matematički striktno, formule logike predikata definirane su rekurzivno:
1) predikat je formula;
2) ako su A i B formule, tada su A, B, A ^ B, A v B, A
3) nema drugih formula.
→
B, A
↔
B – također formule;
Mnoge logičke formule predikata zahtijevaju upotrebu kvantifikatora koji definiraju
raspon vrijednosti varijabli - argumenata predikata. Koriste se kvantifikatori
općenitosti: (obrnuto A od engleskog All - sve) i kvantifikator postojanja (obrnuto E
s engleskog Postoji – postoji). Unos x glasi “za bilo koji x”, “za svaki x”; X -
“x postoji”, “za barem jedan x”. Kvantifikatori povezuju predikatske varijable s
kojima operiraju i pretvaraju predikate u iskaze.
Primjer 2.
Uvedimo sljedeću oznaku: A(x) – učenik x je odličan učenik; B(x) – student x prima
povećana stipendija. Sada formula A (Ivanov)
Ivanov je odličan student, stoga student Ivanov prima povećanu stipendiju,
i formula s općim kvantifikatorom (x) (A(x)
Dobro uči i prima povećanu stipendiju.
B(x)) znači: svaki učenik koji
V (Ivanov) znači: učenik
→
→
Od svih mogućih formula, potrebna nam je samo jedna vrsta njih, a to su fraze
Horna. Horn fraze općenito sadrže implikaciju i konjunkciju predikata A,
B1, B2, ..., Bn kako slijedi: B1, B2, ..., Bn
A, ili u prikladnijem zapisu:
→
A: – B1, B2, ..., Bn
(čita se: I ako B1 i B2 i... i Bn).
Očito je da je Hornova fraza oblik zapisa određenog pravila, au nastavku će to i biti
nazvati pravilom. Predikat A naziva se glava ili glava pravila, i
predikati B1, B2, ..., Bn su njegovi podciljevi.
Očito je pojedinačni predikat poseban slučaj Hornove fraze: A.
Još jedan poseban slučaj Hornove fraze je pravilo bez glave.
: – B1, B2, ..., Bn,
Hornov izraz se zove pitanje. Napisat ćemo ":-B" kao "? - Bend
“: – B1, B2, ..., Bn” u obliku “? – B1, B2, ..., Bn.”
A) →
Objasnimo logično značenje ove formule. Podsjetimo se da implikacija A: – B (B
može se izraziti kroz negaciju i disjunkciju: ~B v A (provjerite ovo pomoću
tablice istine). To znači da ako odbacimo A, ostaje samo ~B - negacija B.
Formula
B1, B2, ..., Bn znači negaciju konjunkcije ~(B1 ^ B2 ^ ... ^ Bn), koja prema
de Morganov zakon ~(X ^ Y) = (~X) v (~Y) jednako (~B1) v (~B2) v ... v (~Bn) – disjunkcije
poricanja.
←
Skup Hornovih fraza primijenjenih na neko problematično područje tvori teoriju
(u logičnom smislu).
Primjer 3.
Razmotrimo predmetno područje: polaganje ispita iz određene discipline. Predstavimo se
oznake:
A – student uspješno položi ispit;
B – student je pohađao nastavu;
C – učenik je savladao nastavno gradivo;
D – student uči samostalno;
E – učenik je pripremio varalicu.
Ograničimo naše znanje o predmetnom području na sljedeće izjave:
student će uspješno položiti ispit ako je savladao nastavno gradivo;
učenik je savladao nastavno gradivo ako je pohađao nastavu i učio
on one's own;
student je pohađao nastavu;
učenik je učio samostalno.
Logički oblik zapisa:
A: – C;
C: – B, D;
U;
D.
U navedenom primjeru možete izvesti logičko zaključivanje. Dakle, iz istine činjenica
B i D i pravila C: – B, D implicira istinitost C, a iz pravila A: – C – istinitost
predikat A, tj. student će uspješno položiti ispit. Osim toga, pravila A: – C i C: – B, D
može se prepisati kao A: – B, D.
U tim se slučajevima koriste pravila zaključivanja koja se zovu metoda razlučivanja.
Pogledajmo najjednostavniji oblik rješenja. Recimo da postoji "roditelj"
ponude
negacija: ~A
implikacija: A:– B.
Kao rezultat jednog koraka rezolutivnog zaključivanja dobivamo novu rečenicu B, koja
naziva se rezolvent. U ovom slučaju rezolucija je u skladu sa standardom
pravilo propozicijskog zaključivanja:
pod pretpostavkom da nije A
i A ako je B
ispisujemo ne V.
Još jednostavniji slučaj:
negacija: ~A
činjenica: A.
Rješenje je kontradikcija.
Općenito, postoje roditeljske klauzule
~(A1 ^ ... ^ An)
Ak:– V1, ..., Vm, 1 ≤ k< n.
Kao rezolventa, jedan korak izlaza daje ~(A1 ^ ... ^ Ak – 1 ^ B1 ^ ... ^ Bm ^
Ak + 1 ^ ... ^ An).
Dakle, rezolucija je zamjena predikata - podciljeva B1, ... Bm
umjesto odgovarajućeg predikata Ak iz negacije. Negacija započinje logično
izlaz i stoga se naziva zahtjev (ili pitanje) i označava se s A1, A2, ..., An.
Smisao metode razlučivanja je da negacija veznika i
provjerava je li njegova vrijednost istinita ili lažna. Ako vrijednost rezultirajućeg
konjunkcija je lažna, to znači da je rezultat kontradikcija i, budući da je na početku bilo
negacija predikata, izvodi se dokaz “obrnuto”. Ako se primi
vrijednost "true", onda dokaz ne uspijeva.
Primjer 4.
Neka predikat daje (X, Y, Z) znači da "X daje Y nekom objektu Z" i
predikat primiti (X, Y) znači "Y prima X". Neka znanje o ovim
odnosi su izraženi rečenicama:
1) prima (vas, moć): – daje (logiku, moć, vas);
2) daje (logiku, snagu, vas).
Problem koji treba riješiti je odgovoriti na pitanje: primate li
snaga?
Zamislimo ovo pitanje u obliku negacije ~prima (ti, moć). Prijedlog rezolucije
1 i negacija vodi do ~ daje (logika, sila, ti), što zajedno s činjenicom 2 vodi do
kontradikcija. Stoga je odgovor na izvorni problem "da".
Do sada smo gledali rezoluciju za izjave ili predikate bez varijabli.
Ako se zaključak izvodi za skup predikata s varijablama kao
argumenata, te varijable dobivaju vrijednosti odgovarajućih
konstante, ili, kako se također kaže, specificirane su konstantama.
Objasnimo to na primjeru.
Primjer 5.
Razmotrite sljedeće nadređene rečenice:
1) ~ dobiva (vas, Y);
2) prima (X, snaga): – daje (Z, snaga, X).
Sadrže tri varijable X, Y i Z, na koje implicitno utječe
opći kvantifikator. Dakle, rečenica 1 kaže da "za sve Y, ne dobivate Y"
i 2 – "za sve Z, svaki X dobiva snagu ako Z daje snagu X-u." Pravilo rezolucije
zahtijeva podudaranje između predikata iz negacije 1 i glave pravila 2. To znači da
varijable primaju vrijednosti (instanciraju se) prema svom mjestu u
rečenice 1 i 2 kako slijedi: X = vi, Y = moć. Predikat prima (ti, moć)
naziva se općim primjerom za predikate gets(you, Y) i gets(X, power).
Navedene odredbe predikatske logike nalaze primjenu i daljnji razvoj u
Programski jezik Prolog.
1.9.4. Prepoznavanje uzorka
Prepoznavanje uzoraka skup je metoda i alata za automatsko
percepciju i analizu okolnog svijeta.
Ciljevi teorije prepoznavanja uzoraka su:
automatsko čitanje tipkanih ili rukom pisanih tekstova;
percepcija govora (bez obzira na karakteristike jezika i govornika);
Medicinska, psihološka i pedagoška dijagnostika;
automatski simultani prijevod s jednog jezika na drugi;
daljinska identifikacija objekata itd. Postoje dvije klase slika:
konkretno i apstraktno.
Specifične slike su svi stvarni objekti okolnog svijeta, njihove slike i
opisi; apstraktno – pojmovi, kategorije, mišljenja, želje itd. U skladu s
Ovo definira dvije mogućnosti prepoznavanja: perceptualno i konceptualno.
U sustavima perceptivnog prepoznavanja (u pravilu su to tehnički sustavi)
ulazni element je senzor čija je zadaća transformacija fizičkog
veličina koja karakterizira promatrani objekt u stvarnom svijetu u drugu veličinu,
namijenjen za percepciju svojim sustavom obrade. S teorijskog gledišta
informacijski senzor je element za usklađivanje uređaja za obradu ulaza
signala, a njegovi izlazni signali daju “a priori” opis promatranog objekta.
Izlazni signali senzora su obično analogno-digitalni ili
digitalni.
U konceptualnim sustavima ulogu senzora imaju apstraktni, logički sustavi (kao npr
pravila izgrađena na principima Booleove algebre).
Razmotrimo glavne zadatke i metode prepoznavanja uzoraka.
Zadatak 1. Proučavanje značajki objekata i razjašnjavanje razlika i sličnosti predmeta koji se proučavaju
objekti.
Primjer: periodni sustav Mendeljejeva, klasifikacija biljaka i životinja
svijet Linnaeusa i Darwina.
Zadatak 2. Klasifikacija prepoznatih objekata ili pojava. Glavni -
izbor prikladnog načela klasifikacije.
Primjer: zbirka kolekcionara novčića, prepoznavanje zrakoplova.
Zadatak 3. Sastavljanje rječnika obilježja koja se koriste za apriorni opis
klase, te za aposteriorni opis svakog nepoznatog objekta. Znakovi
mogu se podijeliti na logičke (determinističke) i probabilističke.
Primjer: stroj dizajniran za mijenjanje kovanica. Prepoznavanje novčića. Limenka
smislite različite znakove, ali među njima postoje odgovarajući (promjer, masa).
Zadatak 4. Opis klasa objekata u jeziku značajki.
Metoda prostora značajki. Prepoznati objekti imaju karakteristike. Neka je G = (G1,
G2, ..., Gk ...) – skup objekata. Svaki objekt ima karakteristike C – (c1, c2, ...,
cn), među kojima ima bitnih i nebitnih. Bitne značajke
nazvat ćemo ih definirajućima i označiti Y = (y1, y2, ..., ym). Definirajmo m-dimenzionalno
prostor značajki objekta, u kojem odgovara svaka točka u prostoru
objekt.
Primjer: razmotrite skup trokuta kao definirajuće značajke
Uzmimo njihove strane, koje možemo izmjeriti (Sl. 1.42, a). Moglo bi se uzeti
kutovi, ili jedna strana i dva kuta, itd.
Riža. 1.42. Metoda prostora značajki
Dobiveni podaci mogu se prikazati u trodimenzionalnom prostoru značajki x1, x2, x3
(Slika 1.42, b). U njemu se može razlikovati pet klasa (potprostora): klasa
jednakostranični trokuti x1 = x2 = x3, (ravna crta koja predstavlja prostornu
simetrala); klasa jednakokračnih trokuta x1 = x2 (ravnina koja prolazi kroz
os x3 i simetrala na ravnini x1, x2); klasa pravokutnih trokuta,
šiljasti i tupokutni trokut.
Tako smo identificirali klase (izmišljena imena i
definirane su karakteristike klase). Daljnje odlučivanje o prepoznavanju objekta
(proizvoljan trokut) povezuje se s određivanjem identiteta prepoznatog
prigovoriti bilo kojoj klasi.
Općenito, problem prepoznavanja može se formulirati kao problem razvoja
procedure za podjelu skupa objekata u klase.
Neka je G = (G1, G2, ..., Gk...) skup objekata. Za njih je definirano n znakova,
koji se može prikazati kao vektor X = (x1, x2, ..., xn). Vrijednosti obilježja
elementi skupa objekata mogu se definirati na tri načina:
kvantitativno (mjerenje karakterističnih svojstava);
Probabilistički (vrijednost je vjerojatnost događanja događaja);
alternativno (binarno kodiranje – da/ne).
Neka je skup objekata podijeljen u m klasa 1, 2, …, m. Obavezno istaknuti u
prostor obilježja, površine Di, i = 1, ..., m, ekvivalent klasama, tj. ako objekt
pripada klasi k, tada odgovarajuća točka leži u domeni Dk.
Ω
Ω Ω
Ω
U algebarskoj interpretaciji, problem prepoznavanja može se formulirati na sljedeći način
put.
Potrebno je konstruirati funkcije razdvajanja Fi(x1, x2, ..., xn), i = 1, ..., m, koje imaju
svojstva: ako neki objekt sa karakteristikama (x01, x02, ..., x0n)
i, zatim vrijednost
Fi(x01, x02, ..., x0n) mora biti najveći. Trebao bi biti najveći i za druge
vrijednosti atributa objekata koji se odnose na
ja, tj.
Ω
Ω
Dakle, granica podjela, nazvana odlučujućom granicom između regija Di,
izražava se jednadžbom Fp(x) – Fg(x) = 0.
Na sl. Slika 1.43 prikazuje model prostora značajki za slučaj dvodimenzionalnog
prostori D1, D2 s pripadajućim klasama 1, 2.
Ω Ω
Riža. 1.43. Ilustracija metode prostora značajki
Operacija klasifikacije sastoji se od raspodjele objekata u klase, gdje je pod klasom
se shvaća kao skup slika koje imaju iste karakteristike. Isti set
podaci mogu poslužiti kao izvor različitih klasifikacija.
Primjer: pronalaženje slova u abecedi od N slova zadatak je s N klasa, pronađi
samoglasnika ili suglasnika u istoj abecedi zadatak je za dva razreda. Obično broj razreda
povećava se. Ako je njihov broj unaprijed nepoznat, onda govore o učenju "bez učitelja"
(samostalno istraživanje). Ako je cijeli objektni prostor podijeljen, a skupovi objekata u klasama
nisu definirani, onda je ovo "nadzirano" učenje.
Zadatak 5. Izrada algoritma za prepoznavanje koji omogućuje dodjelu
prepoznatljivog objekta jednoj ili drugoj klasi ili nekoj njihovoj kombinaciji.
Primjer: prepoznavanje nepoznate riječi. Algoritmi se temelje na usporedbi jednog ili
drugu mjeru blizine ili mjeru sličnosti prepoznatog objekta s bilo kojom klasom.
Uvedimo pojam udaljenosti između objekata (sličnost dva predmeta). Manje
što je udaljenost između dva objekta, to je veća sličnost između njih. Udaljenost
između točke P X i klase X0 naziva se veličina
d1(P, X0) = inf((P, M)|M X0).
Udaljenost između dvije klase određena je vrijednošću
d2(X1, X2) = inf(d1(P, M)|P X1, M X2).
U praksi se često koriste sljedeće udaljenosti:
1. Euklidska udaljenost
d2(Xi, Xj) = (∑|xik – xjk|2)1/2.
2. Udaljenost na Manhattanu (metrika gradskih blokova)
d2(Xi, Xj) = ∑|xik – xjk|.
3. Čebiševljeva udaljenost
d3(Xi, Xj) = max |xik – xjk| (k).
Metoda rječnika. Neka katalog svih mogućih riječi razvrstanih po
dužine riječi i poredane abecednim redom. Na primjer, razmislite o usluzi
Riječi programskog jezika Pascal:
itd., gdje je N broj slova u rječniku.
Svaki znak latinične abecede definiramo znakom, na primjer, njegovim rednim brojem
broj ili učestalost (vjerojatnost) njegova pojavljivanja u tekstu.
Definirajmo udaljenost između zadanog slova i slova abecede kao |xa – xb|, gdje je xa –
znak određenog slova, xb je znak određenog slova abecede. Prihvati za
sigurnost kao znak slova njegov redni broj u abecedi:
A
U
S
D
E
F
G
H
ja
J
DO
L
M
N
OKO
R
Q
R
S
T
U
V
W
x
Y
Z
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Neka je n = 4. Zadana je riječ sa karakteristikama x1x2x3x4. Na primjer, ELSE. U ovom slučaju x1 = 5; x2 =
12; x3 = 19; x4 = 5. Označimo (ai, xj) =
slovo koje se nalazi na i mjestu u abecedi i znak xj.
θ
ij = |ai – xj| – broj jednak razlici obilježja
θ
Pronađimo udaljenosti na Manhattanu za sve riječi iz rječnika
Najmanji iznos (udaljenost) povezan je s drugom riječi u rječniku. Ono definira
sličnost s prepoznatom riječi.
Zadatak 6. Prepoznavanje slike.
Primjer: prepoznavanje slike slova. Dobiva se prepoznata slika
na različite načine i karakterizirane različitim količinama.
Rasterski objekt se češće predstavlja kao zadani matrični odnos značajki.
Na primjer, preklapanjem mreže N x M na sliku, možete odrediti u svakoj ćeliji
razina “crnila” ili “sivila” (za crno-bijele slike) s brojevima u intervalu . U ovom slučaju, 0 je bijelo, 1 je crno.
Stoga se slika A može prikazati kao matrica
gdje elementi matrice dalje određuju stupanj crnila svake i, j-te ćelije.
Neka bude poznat rječnik slika, na primjer, slike slova ruske abecede.
U ovom slučaju pretpostavit ćemo da odgovarajuće matrice crnila predstavljaju
generalizirana slova, tj. složena slika slova različitih fontova, tipova i stilova.
Neka je A1, A2, ..., Ap skup slika (klasa), H neka prepoznatljiva slika.
Tada se zadatak prepoznavanja svodi na traženje instance (implementacije) Ak, najviše
blizu u smislu udaljenosti od N.
Sintaktičko prepoznavanje. Postoji posebna klasa problema vezanih uz
sintaktičko prepoznavanje danog lanca nekog jezika u smislu njegovog
gramatike. Gramatika je mehanizam za stvaranje jezika. Postoje generativni i
prepoznavanje gramatika (sl. 1.44).
Riža. 1.44. Generativne gramatike i gramatike prepoznavanja
Prepoznavač konačnog automata je skup od pet objekata: A = (S, X, s0, d, F),
gdje je S konačan neprazan skup (stanja); X je konačan neprazan skup
ulazni signali (ulazna abeceda); s0< S – начальное состояние; d: S x X
prijelazna funkcija; F – skup konačnih stanja.
S – →
Prepoznavač konačnog automata A = (S, X, s0, d, F) dopušta ulazni lanac od X*,
ako ga ovaj lanac odvede iz početnog stanja u jedno od završnih
Države.
Skup svih lanaca koje dopušta automat A tvori jezik koji dopušta A.
Jezik za koji postoji konačni stroj koji ga prepoznaje naziva se
automatski jezik.
Primjeri jezika (V – abeceda, L – jezik):
1. V1 = (a, b, c); L= (abc, aa)
Ovo je nepotpuni automatski stroj. (Konačna stanja označena su dvostrukim okvirom.)
2. V2 = (a, b, c); L = o.
Svaki automat s praznim skupom završnih stanja dopušta L.
3. V3 = (a, b, c); L = V*.
V* je skup lanaca proizvoljne duljine.
Automat s jednim stanjem koje je konačno ima tri
prijelaz iz ovog stanja u isto
5. V5 = (0, 1); L = (skup parnih binarnih brojeva)
6. V6 = (+, –, 0, ..., 9); L = (skup cjelobrojnih numeričkih konstanti)
7. V7 = (+, –, 0, ..., 9, "."); L = (skup realnih brojeva)
Sintaktički dijagrami igraju veliku ulogu u informatici. Sintaktički
dijagrami su usmjereni grafovi s jednim ulaznim bridom, jednim izlaznim bridom
i označene vrhove. Oni definiraju jezik i stoga su generativni
gramatike automatskih jezika.
Valjani lanci: aab, aacabcb itd.
Primjeri su dijagrami sintakse jezika Pascal i C.
Može se dokazati sljedeća tvrdnja: dat je bilo koji automatski jezik
dijagram sintakse i obrnuto, koristeći bilo koji dijagram sintakse koji možete
izgraditi konačni automat (općenito nedeterministički) koji prepoznaje
jezik na kojem je naveden dijagram sintakse.
Konstruiranjem odgovarajućeg automata za prepoznavanje na temelju sintaktičkog dijagrama možemo
zatim implementirajte ovaj stroj bilo u hardver ili softver. Tako,
sintaktički dijagrami služe ne samo za generiranje, već i za prepoznavanje
jezici automata.
1.9.5. Sučelje inteligentnog informacijskog sustava
Analiza razvoja računalne tehnologije sugerira da je
stalno se razvija u dva smjera.
Prvi smjer odnosi se na poboljšanje parametara postojećih računala,
povećanje njihove izvedbe, povećanje volumena njihovog operativnog i diska
memorije, kao i uz poboljšanje i modifikaciju softvera,
s ciljem povećanja učinkovitosti njihovih funkcija.
Drugi smjer određuje promjene u tehnologiji obrade informacija,
što dovodi do poboljšane upotrebe računalnih sustava. Razvoj u ovom
smjer povezan je s pojavom novih tipova računala i kvalitativno novih
softverski alati koji nadopunjuju postojeće.
Razvoj softvera ide putem povećanja jednostavnosti sučelja,
oni. takvo pojednostavljenje njihovog upravljanja da korisnik ne zahtijeva posebne
priprema i sustav stvara najudobnije uvjete za svoj rad.
Glavna smjernica u poboljšanju računalnih sustava je njihovo pretvaranje u
pogodan partner krajnjem korisniku pri rješavanju problema tijekom njegovog
profesionalna djelatnost.
Kako bi se osiguralo najjednostavnije sučelje softvera s
Korisnik prvo mora postati inteligentan. Inteligentno sučelje,
pružanje izravne interakcije između krajnjeg korisnika i računala
pri rješavanju problema u sklopu sustava čovjek-stroj, mora izvesti tri skupine
funkcije:
pružajući korisniku mogućnost postavljanja zadatka računalu putem
poruke samo o uvjetima problema (bez navođenja programa rješenja);
pružajući korisniku mogućnost stvaranja okruženja za rješavanje problema
koristeći samo termine i pojmove iz područja stručne djelatnosti
korisnik, prirodni oblici prezentiranja informacija;
osiguravanje fleksibilnog dijaloga korištenjem raznih sredstava, uključujući
unaprijed regulirano, uz ispravljanje mogućih pogrešaka korisnika.
Struktura sustava (slika 1.45) koja zadovoljava zahtjeve nove tehnologije rješenja
zadaci se sastoje od tri komponente:
izvršni sustav, koji je skup sredstava,
osiguranje provedbe programa;
Baza znanja koja sadrži sustav znanja o problemskom okruženju;
inteligentno sučelje koje omogućuje prilagodbu
računalni sustav do korisnika i uključujući komunikacijski sustav i
rješavač problema.
Ovaj se sustav bitno razlikuje od onih stvorenih u ranijim fazama.
razvoj informatike i računalne tehnologije. Put do implementacije najnovijih
informacijska tehnologija uključuje korištenje računalnih sustava,
izgrađen na temelju reprezentacije znanja problemske domene i
inteligentno sučelje.
Riža. 1.45. Struktura suvremenog sustava za rješavanje primijenjenih problema
1.9.6. Struktura suvremenog sustava za rješavanje primijenjenih problema
Razvoj sustava umjetne inteligencije prvo je išao putem modeliranja
opće intelektualne funkcije individualne svijesti. Međutim, razvoj
računalne tehnologije i softvera 1990-ih. opovrgava prognoze
prethodnih desetljeća o skorom prijelazu na računala pete generacije.
Intelektualne funkcije većine programskih komunikacijskih sustava na
prirodni jezik još nije pronašao široku primjenu u industrijskim razmjerima.
Takav koncept kao što je "nova informacijska informacija" prošao je kroz karakterističnu inflaciju.
tehnologija". U početku je ovaj koncept značio inteligentno sučelje za bazu podataka
podataka, omogućujući korisnicima aplikacije da s njima izravno komuniciraju
prirodni jezik. U današnje vrijeme “nove informacijske tehnologije” znače
jednostavno tehnologije koje koriste računalnu tehnologiju u obradi informacija, u
uključujući tehnologije temeljene na korištenju programa za obradu teksta i proračunskih tablica, i
također informacijski sustavi.
Suočeni s nepremostivim problemima, programeri sustava sa
"opća" umjetna inteligencija, krenuli su putem sve većeg i većeg
specijalizacija, prvo prema ekspertnim sustavima, zatim prema individualnim
vrlo specifične inteligentne funkcije ugrađene u instrumental
softverskih alata koji do sada nisu bili razmatrani kao područje razvoja
umjetna inteligencija. Na primjer, takvi sustavi sada često imaju
sposobnosti analitičkih matematičkih izračuna, prijevod tehničkih i
poslovni tekstovi, prepoznavanje teksta nakon skeniranja, parsiranje
fraze i rečenice, samoprilagođavanje itd.
Paradigma istraživanja i razvoja u umjetnoj inteligenciji je postupna
se revidira. Očigledno, mogućnost brzog razvoja softverskih sustava
modeliranje intelektualnih funkcija individualne svijesti, uglavnom
najmanje iscrpljen. Potrebno je obratiti pažnju na nove mogućnosti koje
otvoreni informacijski sustavi i mreže u odnosu na javnu svijest.
Čini se da razvoj računalnih sustava i mreža dovodi do stvaranja novog tipa
javne svijesti, u koju će se informacijski mediji organski uklopiti
kao tehnološko okruženje za obradu i prijenos informacija. Nakon ove ljudskosti
to će biti hibridna ljudsko-strojna inteligencija koja će primati ne toliko na ljestvici
individualne svijesti koliko i u sferi društvene prakse.
Kontrolna pitanja
1. Kakva je povijest nastanka i razvoja istraživanja umjetnih
inteligencija?
2. Koje su osobitosti problema u području umjetne inteligencije?
3. Opišite područja istraživanja umjetne inteligencije.
4. Što je “znanje” sa stajališta sustava umjetne inteligencije?
5. Koja je metoda predstavljanja znanja pomoću proizvoda?
6. Što je temelj reprezentacije znanja pomoću semantičke mreže?
7. Kako se sustavi okvira mogu koristiti za predstavljanje znanja?
8. Koje su razlike između reprezentacije znanja u inteligentnim sustavima i reprezentacije
samo podaci?
9. Što znači pojam “predikat”?
10. Što je "horn fraza"?
11. Kako dolazi do logičkog zaključivanja korištenjem metode rezolucije?
12. Provjerite valjanost de Morganovih zakona: ~(X ^ Y) = (~X) v (~Y) i ~(X v Y) =
(~X) ^ (~Y).
13. U kojem se smjeru razvijaju sučelja informacijskih sustava?
14. Kakva je jednostavnost softverskog sučelja?
15. Kakva je struktura perspektivnih informacijskih sustava budućnosti?