НАУКА и ОБРАЗОВАНИЕ

В.А.Горбатов, д-р техн. наук, проф. Московского горного университета

Интеллектуальные информационные

технологии и стратегии (состояние и перспективы)

Описываются критические технологии, определяющие процветание государства в XXI веке. Особое внимание уделяется синтетическому подходу к решению основных базовых проблем на базе характеризационного анализа.

Рекламируются основные достижения и проблемы этого направления. Благосостояние и процветание любого государства в настоящее время и особенно в конце XX века — веке информационного общества — во многом определяется состоянием критических технологий [1].

Критические технологии должны быть:

 - базовыми, т.е. являться основой всех производных технологий, в совокупности образующих технологи­ческую мультиструктуру производства;

 - системными, т.е. имеющими два описания: пользова­тельское и описание в категориях технологического процесса, а также предикат функциональной целосности (эмерджентности), связывающий эти два описания и определяющий прагматизм технологий;

 - многопрофильными, т.е. применимыми в различных отраслях производства.

Такими технологиями международными и государственными организациями (Международное общество инженеров производства, Совет по оценке конкурентоспособности изделий США и др.) были признаны пять критических технологий:

1)        производство и обработка материалов различных классов;
2)        автоматизированное проектирование (САПР) особенно электронных, машиностроительных, организационных систем, а также строительных, банковских, картографических структур;
3)        производство электронных компонентов, в том числе hardware;
4)        создание информационных средств, в том числе
5) двигателестроение,

Из пяти критических технологий вторая, третья и четвертая относятся к собственно информационным технологиям.

По прогнозам международных ассоциаций развитие второй базовой технологии (САПР) позволит уже в 1995-2000 гг. передавать информацию о проекте на основе сетевой технологии. После 2000 г. реализуется полная автоматизация и оптимизация систем, начиная с проекта и кончая их производством. При этом эффек­тивное решение оптимизационных проблем позволяет получить применение характеризационной технологии, предложенной автором [2-4]. Эта технология обеспе­чивает свойство "зрячести" алгоритмическим построе­ниям и эффектно устраняет "информационный взрыв" в ЭВМ при получении оптимальных решений

Интеллектуализация технологических процессов и соответствующих машин определила проблему схематизации используемых алгоритмов. Эта проблема акту­альна не только в традиционных предметных технологиях (электронных, машиностроительных, механотронных и др.), но и новых, например, финансово-банковс­ких технологиях. Третья критическая технология осно­вана на развитии концепции мелкозернистых структур и реализуется в виде нейронных и транспьютерных технологий.

Актуальными проблемами нейронных технологий являются:

синтез повторной декомпозиции булевой функции при разложении ее в виде суперпозиции булевых функ­ций от фиксированного числа переменных (в настоящее время от четырех или пяти переменных), которой соот­ветствует структура с минимальным, в пределе равным нулю, временным дебалансом активизируемых цепей; числа "четыре" и "пять" определяют число синапсов элементарного нейрона: по технологии России и США— "четыре", Японии — "пять". Эта проблема решена в Московском государственном горном университете на основе характеризационной технологии [5];

определение всех 'аномалий динамических свойств нейронных сетей при их функционировании в условиях субмикронной технологии, когда большее влияние на переходной процесс оказывают задержки в аксонах, чем задержки от неодновременного переключения синапсов. Эта проблема решена в виде разработки теории трасс, 100%-но гарантирующей быстрое выявление всех анома­лий динамики нейронных сетей [6].

Кроме нейро-транспьютерных технологий в этот класс входят:

—  биомолекулярные и оптоэлектронные технологии, позволяющие создавать ЭВМ с большой производительностью;

—  сетевые технологии, реализуемые в виде локальных и глобальных вычислительных систем;

—  коммуникационные технологии: сетевая электронная почта, факсимильная связь, спутниковые ситемы связи;

—  интерфейсные технологии: визуализация решения задач, "искусственная реальность", мульти-медиа технологии, речевой ввод-вывод, распознаватели и синтезаторы речевых данных, световое перо, "мышь".

Четвертая критическая технология — создание инфор­мационных средств — определяется прежде всего разви­тием информационной математики, исследующей ис­числение многосортных множеств на основе знания запрещенных и разрешенных фигур. Эффективность четвертой технологии определяется не только успехами в информационной математике, но и разработкой новых математических моделей решения сложных задач, созда­нием программного инструментария поддержки проце­дур работы со знаниями, разработкой и внедрением новых глобальных, в масштабах отдельных регионов и всего Земного шара, информационных сетей.

В отличие от классической математики информацион­ная математика изучает не просто решение задач, а решение их на ЭВМ с учетом ограниченности вычисли­тельных средств по времени и объему памяти, т.е. с учетом временной и емкостной сложности используе­мых алгоритмов [7,8].

С точки зрения разработки информационных техноло­гий все множество задач можно разбить на три класс— задачи, при решении которых используются:

    — формальные модели конечномерной математики (модели арифметизации интегро-дифференциального исчисления и др.), для их решения разрабатываются вычислительные алгоритмы;

— формальные модели дискретной математики, здесь разрабатываются алгоритмы на дискретных структурах;

— формализованные модели искусственного интеллекта, на основе которых строятся процедуры решения задач, принципиально включающие в себя элементы озарения человека и/или его жизненного опыта, интуиции.

Успех решения любой задачи в основном определяется алгоритмом, при разработке которого в той или иной мере используется формальная модель (многосортное множество, совокупность) вида

< М,{О_i}, { R_j},{ (O_k^-1} >,    i,j,k = 1, 2, 3, ...   (1)

где М — носитель модели;

О_i^-1 — i-арная операция в множестве М, определяющая законы композиции;

R_j —  j-арное отношения, R_j Ì М^j, определяющее свойство;

О_k^-1 — k-я кооперация (обратная операция) в множе­стве М, определяющая законы декомпозиции;

{О_i}, {R_j}, {О_k^-1} — сигнатура модели.

Изучение совокупностей (многосортных множеств) в целях синтеза оптимальных алгоритмов решения задач на ЭВМ является предметом информационной матема­тики. В полной мере исследования совокупностей вида (1), на наш взгляд, будут проводиться в XXI веке. В настоящее время изучаются отдельные составляющие: алгебры —

<М,{0_i}>,   i=1,2,...               (2)

реляционные модели или собственно модели —

< М,{R_j} >,    j = 1, 2,...               (3)

коалгебры [4] —

< М,{0_k^-1} >,k=!, 2, ...             (4)

К 60-м годам нашего столетия завершился период разработки алгоритмов для решения задач первого класса на основе алгебр, в частном виде — арифметик. С прикладной (предметной) точки зрения эти алгорит­мы интенсивно разрабатываются в связи с решением ра­кетно-ядерной проблемы. Большой вклад в развитие этого периода внесли М.В.Келдыш, А.А.Самарский (Россия), Г.Биркгоф (США), А.Кон (Франция) и др. Начиная с 60-х годов начинают бурно разрабатываться алгоритмы на дискретных структурах и алгоритмы, основанные на моделях искусственного интеллекта, при этом активно используются модели (3), а именно их отдельные классы:

— графы (Г.А.Дирак (ФРГ), В.А.Горбатов, А.А.Зыков (Россия), Ф.Хахари, О.Оре (США) и др.):

< М, R₁, R₂ >,       R₁ Ì М, R₂ Ì М²         (5)

— мографы (В.А.Горбатов, 1965 г.),по западной терминалогии гиперграфы (К.Берж (Франция), 1970 г.), являющиеся обобщением неориентированных графов:

<М, S₁, S₂,...,S_k>,        S_i,Ì Мⁱ,            (6)

{m_a1,m_a2,...,m_ai} S_i i=1,2,...,k; m_aj e M, j =1,2,...,i

— взвешенные графы (С.Сешу (США), системы с сосредоточенными   параметрами;    Р.Гоулд   (США), Л.Лефгрен (Швеция), В.АТорбатов (Россия) — логические сети; И.Р.Форд, Д.Р.Фалкерсон (США), Н.Кристофидес (Великобритания) — потоковое программирование;   С.Бенцер   (США),   П.С.Гилмор,   А.Дж.Гофман (США)   —   генетика;   С.Петри,   (США),   Т.А.Крупа (Польша), М.Хэк (США), А.Холт (США) - сетевое моделирование; Н.Хомский (США) — лингвистика; М.Мински (США), Э.Фейгенбаум (США), Дж.Клир (США), Д.А.Поспелов (Россия) — семантические сети, ситуационные структуры и др.):

<(V, W), (U, Р)>,                                 (7)

U, V², W, Р — веса вершин и дуг соответственно.

Начинают исследоваться коалгебры (4) (В.А. Горбатов — коалгебра графов при синтезе БИС, 1965 г.).

При разработке алгоритмов, основанных на использо­вании моделей искусственного интеллекта, следует выделить три этапа развития. Первый этап — логичес­кий этап развития (Ван Хао, Дж.Б.Райт, Э.В.Беркс, А.Ныоэлл, Дж.С.Шоу, Г.А.Саймон (США), 50-е годы). Тезис этого этапа — небольшое число законов логики плюс вычислительная мощь ЭВМ позволяют создать "искусственный интеллект" для решения сложных задач, таких как НР — полные задачи. В этот период создается универсальная стратегия решения задач, основанная на символьном представлении, логическом выводе и эврис­тическом поиске оптимальных решений. Одной из первых работ этого периода была программа ЛОГИК-ТЕОРЕТИК (А.Ньюэл, Г.А. Саймон, Дж.С.Шоу, 1957 г.). Ван Хао выдвигает предположение, что настало время для создания новой ветви прикладной логики — инфе-ренциального анализа, в котором трактуются доказа­тельства так же, как в численном анализе — вычис­ления. Практика показала, что при решении задач общность метода решения и его эффективность нахо­дятся в известном антагонизме. Универсальная стратегия решения задач в рамках одной и той же формализации не дала ожидаемого эффекта. А.Ньюэл

С середины 70-х годов начинается второй этап разви­тия теории искусственного интеллекта — когнитивный период. Выдвинут тезис "знание-сила", исследователи пытаются построить универсальные системы представ­ления знаний и манипулирования ими (М. Минский — фреймы; язык КRL — Кпоwledge RepresentationLanguage и др.). Но "знание" — обширное и неоднородное поня­тие. В этом направлении исследований знания эксперта являются решающими, тогда как представление знаний и схемы логического вывода — лишь механизмами их использования (Э.Фейгенбаум, 1977 г.). "Вес" эксперта заключается в его компетентности, определяющейся индивидуальными знаниями в узкой профессиональной области. Отсюда стратегия решения задачи в этот период — не универсальная, а проблемно-ориентированная. Начинают интенсивно разрабатываться экспертные системы для узких предметных областей, активно прово­дятся конференции по отдельным проблемным областям ТООLS — Тесhпо1оgу оf Object-Оriented Lanuages and System.

Если логический этап можно отнести к теоретичес­кому направлению развития искусственного интеллекта, то второй — к экспериментальному. Экспертные систе­мы целесообразно использовать в случае отсутствия строго математического описания решаемой задачи или в случае отсутствия приемлемого алгоритма ее решения. В этом случае решение конструируется в пространстве альтернатив на основе избирательных процедур, вопло­щающих индивидуальные знания эксперта. При этом главным вопросом является извлечение знаний о пред­метной области у специалиста когнитологом и их эво­люция путем идентификации, концептуализации, фор­мализации с попоследующей реализацией в виде сово­купности множества результирующих правил, примени­мых над когнитивными элементами, и управляющих структур для организации соответствующего вычисли­тельного процесса.

Ограниченность экспертных систем (второго направ­ления развития систем искусственного интеллекта) является отсутствие конструктивной связи представ­лений знаний на различных уровнях абстрагирования — конструктивной связи двух или более различных по уровням абстрактных описаний одного и того же объек­та. Отсутствие такой связи не позволяет вычислять свойства объекта на /'-м уровне по его описанию на (*-1)-м уровне. Эта ограниченность будет усиливаться при решении сложных задач проектирования. Два других недостатка экспертных систем менее принципиальны: это — "стихийное" развитие самой экспертной системы и невозможность ее создать при "отсутствии знаний" о предметной области.

Построение экспертных систем, на наш взгляд, завер­шает пятисотлетие естественно -научного (эмпиричес­кого развития) человеческого познания. За это время возникли сотни наук и научных направлений, предста­вители которых с трудом понимают друг друга. Дальней­шая дифференциация наук будет усугублять противоре­чие между Человеком и Природой, углублять сегодняш­ние кризисы: экологический, информационный, гносео­логический. Выход из этих кризисов, да и самопроник­новение в тайны Вселенной, диктуют необходимость интеграции наук на базе синтетического подхода, на базе создания метатеорий, позволяющих с единых мате­матических позиций рассматривать различные области человеческого познания.

Одной из первых метатеорий на пути интеграции наук был характеризационный анализ, предложенный в сере­дине 60-х годов автором данной статьи. Уверенность в возможности создания такой метатеории основывалась на следующем:

— философском принципе "изоморфизма законов" (Л. фон Берталанфи), восходящего к Э.Галуа ("групповые законы" процессов реальности) и дальше к Пифагору ("музыкальный ряд");

— проективной семантики, связывающей две различные формализации одного и того же объекта (явления) [3];

— проективно- семантической конструкции упрощения систем (эквивалентирование систем) [3].

При этом система определяется как тройка

<Y_a, Y_b, P₀ (Y_a, Y_b)>                                 (8)

где Y_а — модель описывающая формализуемый объект (явление) как "черный ящик" (его поведение):

Y_а=<М_а,{Р_аi}>,      i=1,2,...;              (9)

Y_ь — модель определяющая структуру объекта,

Y_b =<М_b, {P_bj}>,    i=1,2,...;             (10)

Р₀(Y_а, Y_ь) — предикат функциональной целостности (эмерджентности) :

имеющая (тройка) хотя бы две различные предметные интерпретации (для удовлетворения принципа Л.фон Берталанфи).

Характеризационный анализ является основой инфор­мационной математики, в которой основной вычисли­тельной процедурой является расширение носителя и/или сужение сигнатуры заданной модели для приведе­ния ее к интерпретируемому виду в категориях искомой модели. Алгоритмы этого направления обладают свойст­вом "зрячести", их сложность при решении реальных задач на десятки-сотни порядков меньше, чем слож­ность эвристических алгоритмов, включающих в себя спектр алгоритмов широкого класса, начиная от ГСН алгоритмов (ГСН— Грубая Сила и Невежество) и кончая "хитрыми", "жадными" и другими алгоритмами, крите­рий отсечения неперспективных вариантов в которых основан на той или иной "эвристике". Оценить, на сколько удалено полученное с помощью эвристического алгоритма решение от минимального в смысле значения функционала качества решения, принципиально невоз­можно в рамках эвристического подхода. От этого существенного недостатка свободны характеризацион-ные алгоритмы.

Основой характеризационного анализа является ис­числение запрещенных и/или разрешенных фигур, поз­волившее впервые конструктивно связать различные формальные системы на семантическом уровне знаний и, как следствие, предложить принципиально новую интеллектуальную информационную технологию и стра­тегию решения задач большой размерности на дискрет­ных структурах. Предложенная технология основана на интерпретации категорий одной формальной системы в терминах другой, что позволяет решать проблему погружения одной теории в другую, разрабатывать не сотни-тысячи пакетов прикладных программ (ППП), ориентированных на решение задач конкретной пред­метной области, а создавать один-два десятка ППП, ориентированных на модельные преобразования Y_а ® Y_b, и интерфейсов "пользователь-ЭВМ" для каждой предметной области.

На основе метатеорий характеризационного анализа автором разработаны:

•  теория частичного упорядочения систем,  получившая большое практическое применение в информатике, в которой решена проблема оптимального уменьшения функциональной связности модели при проектировании больших и сложных систем при различных предметных интерпретациях:

— компьютерной — логическое проектирование программно-аппаратных комплексов;

— транспортной — трассирование скоростного движения в больших городах;

— диагностической — диагностирование сильносвязных систем (энергетические комплексы, парогенераторы подводных лодок и др.);

— коммерческой — гармонизация встречных поставок;

— физической — компьютерная интерпретация атомных спектров большой сложности  (трансурановые, редкоземельные элементы) при использовании их в физике термоядерного синтеза, создания лазеров, оптических ЭВМ; компьютерная обработка снимковой информации в экспериментах по физике высоких энергий;

— банковской — диверсификация портфеля инвестора;

•  семантическая теория проектирования автоматов, в которой предложен принципиально новый путь эффективного решения фундаментальных общетеоретических проблем синтеза автоматов на основе интерпретации выражений входного языка в категориях выходного без фактического построения соответствующих конструкций на выходном языке. Это позволило эффективно проектировать оптимальные системы логического управления на современных интегральных структурах: базовых матричных кристаллах, программируемых логических интегральных средах, нейронных структурах, впервые реализованных цифровым способом автором и его учениками в виде "сотовых" структур, проводить топологическое проектирование программных систем в транспьютерных сетях с гиперкубической архитектурой. На основе метатеории характеризационного анализа разработаны модельные инструментарии интеллектуальной информационной технологии и стратегии, реализующие следующие преобразования Y_i -> Y_j :

— частичное упорядочение мографов без/с заданными максимальными (минимальными) элементами в соответствующем структурном графе {диаграмма Хассе);

— преобразование мультиструктуры к параллельно-последовательному виду минимальным расширением его
носителя;

— гомеморфное вложение графа в булево пространство;

— минимальная (оптимальная) раскраска / мультикраска мографов, в пределе графов;

— разложение функционально взвешенного графа по мультипликативной связке.

Каждое из этих модельных преобразований имеет различные предметные интерпретации. Последнее преобразование является основой решения следующих проблем:

— создание безотказного программного обеспечения;

— оптимизация станочного парка в условиях гибкого производства с учетом непредвиденных и аварийных ситуаций;

— ослабление функциональной связности автоматного оператора, проблема, которая не была решена при ис­пользовании не алгебраической формализации (алгебра пар, троек, четверок,...,), хотя ее решением занимались ведущие алгебраисты: Дж.Хартманис, Р.Стирнс (США, 1964 г.), Нобуеки, Тауаши, Нориоши (Япония, 1974 г.).

Используемая стратегия в предложенной информа­ционной технологии основана на учете распределения запрещенных и/или разрешенных фигур в исходной модели Y_i

Характеризационный анализ позволяет эффективно решать задачи на дискретных структурах. На стыке характеризационного анализа и собственно искуст-венного интеллекта образовалось третье направление характеризационно-когнитивное (В.А.Горбатов, Л. А Пуч­ков, 1988 г.) [9], являющееся симбиозом логического и когнитивного направлений развития искусственного интеллекта. Решение задач при таком подходе состоит из двух этапов: эквивалентирование исходной задачи известными модельными преобразованиями {Y_i ® Y_j} и интерпретация Yi, в категориях Y_j Технологическая реализация предлагаемой интеллектуальной информа­ционной технологии и стратегии представляет собой распределенную информационно-вычислительную сеть, включающую в себя как автоматизированные рабочие места, так и специализированные автоматы, реализую­щие отдельные модельные преобразования Y_i ® Y_j.

Учитывая, что вторая, третья и четвертая критические технологии являются сильносвязными, целесообразно критическими технологиями считать три технологии:

—  производство материалов,

—  информационные,

—  двигателестроение.

Очевидно, что развитие информационных технологий во многом определяет совершенствование других техно­логий и позволит эффективно решить проблемы инфор­матизации мирового сообщества.

Литература

1.    Горбатов В.А. Базовые системные, многопрофильные технологии накануне XXI века.// Информатизация Москвы, России, Мира, Вселенной, ПА, М.,1995, N° 1(2). С. 22-23.

2.    Горбатов В.А. Синтез логических схем в произвольном базисе.// Теория дискретных автоматов, Рига, Зинатне. 1967. С.71-82.

3.    Горбатов В А. Теория частично упорядоченных систем, М.: Сов. Радио, 1976, 336 с.

4.    Горбатов ВА Основы дискретной математики, М.: Высшая школа, 1986,312с.

5.    Горбатов А.В. Решение проблемы синтеза повторной декомпозиции булевой функции и нейронная технология.// Информационные процессы, технологии, системы, коммуникации и сети, ПА, М., 1995. С.27-35.

6.    Горбатова М.В. Теория трасс.// Информационные коммуникации, сети, системы и технологии, ПА, М., 1993. С.45-52.

7.    Горбатов ВА. Интеллектуализация информационных технологий.// Информационные коммуникации, сети, системы и технологии, ПА, М.,
1993. С1-5.

8.    Горбатов ВА Теоретико-системная информатика и интеллектуальные информационные технологии и стратегии накануне XXI века.// Информационные коммуникации, сети, системы и технологии, ПА, М., 1992.
С. 9-17.

9.    Горбатов ВА., Пучков ЛА. Математическое и программное обеспечение интеллектуальных систем САПР-ГАП в горном деле (состояние и проблемы).// Логическое управление с использованием ЭВМ, АН СССР, Москва-Оржоникидзе, 1988. С.3-9.

 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, №5. 1996

ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ