Библиографическое описание:

Пахомова Ю. В., Бирюкова И. А., Васенина С. В. О разработке систем искусственного интеллекта в исследованиях процессов химической технологии // Молодой ученый. — 2016. — №7. — С. 144-146.



В статье представлены подходы, разрабатываемые авторами на кафедре «Технологические процессы, аппараты и техносферная безопасность» по внедрению систем искусственного интеллекта в научные исследования, проводимые сотрудниками и студентами кафедры в области процессов химической технологии, в частности тепло и массопереноса.

Ключевые слова: интеллект, эксперт, исследование, технология, система.

До того момента, как студенты сталкиваются с системами искусственного интеллекта, у большинства из них, в качестве ответа на вопрос: «Что у Вас ассоциируется со словосочетанием искусственный интеллект?» возникают ответы и образы в стиле пересказов сцен из фантастических рассказов и фильмов: профессор в белом халате ведет научный диспут о предмете бытия с огромным, перемигивающимся лампочками компьютером (как в рассказах В. H. Журавлевой «Летящие во Вселенной», «Второй путь») или робот с человеческим обликом уничтожающий людей (фильмы «Терминатор», да и чего стоит «Франкенштейн» или «Голова профессора Доуля»). Все эти образы, как правило, складываются в картину всеобщей катастрофы, уничтожающей все живое или приводящее к порабощению человека машинами. Вообще писатели-фантасты славно потрудились над созданием жуткого облика думающих машин, заменяющих в эволюции человека. Каково же бывает с одной стороны разочарование, а с другой даже некоторое душевное успокоение — «Конец света отменяется!!! Пока»..., когда студенты начинают осваивать курс лекций по искусственному интеллекту.

Искусственный интеллект (ИИ) — это совокупность знаний, данных и система их обработки базирующаяся на ЭВМ, реализующая процесс мышления и принятия решения, так как это делает человек. Это общая теоретическая концепция. Основная трудность реализации такой совокупной системы состоит в моделировании мышления человека. Это связано с одной философской проблемой, которую пытались разрешить выдающиеся мыслители всех времен — как познать человеку самого себя, свое сознание принципы мышления, поступки, чувства? Как мы размышляем, откуда появляются наши мысли?

Разработчики систем ИИ очень скоро столкнулись с этой проблемой и поняв, что «нельзя объять необъятное», пошли более простым путем. Они пошли по пути реализации отдельных процессов человеческого поведения и решения задач связанных более с математической логикой, чем с интуицией, образным мышлением, аналогиями.

Это задачи оптимального управления транспортными потоками, трассировки трубопроводов, выбора технологического оборудования, обработки экспериментальных данных с приборов в режиме реального времени и т. п. Вообще задачи, возникающие в научных исследованиях и в инженерной практике, в химической технологии составляют благодатную почву для реализации таких систем [1, с. 129].

Системы, реализующие принятие таких решений стали называть экспертными системами (ЭС). Основу математического аппарата таких систем составили понятия нечеткой логики, оперирующей терминами «почти», «близко к», «более», «менее» и т. п.

На сегодняшний день ЭС применяют при моделировании различных видов мыслительной деятельности человека: от простой игры в карты до систем медицинской диагностики. Однако, результаты работы подобных систем требуют постоянной оценки валидности получаемых результатов. Этому есть ряд объективных причин. Надо сказать, что основу любой ЭС составляет:

  1. база фактов из рассматриваемой предметной области (например: кислород — газ);
  2. база правил, реализующая связь фактов между собой (например: если вещество — газ, то оно летуче);
  3. система, реализующая получение возможных или конкретно заданных решений из входных данных через систему фактов и правил.

Например, в разрабатываемой нами экспертной системе начального уровня для реализации простой задачи распределения потоков в сушильной установке требуется обработка порядка десяти правил [2, c. 42]. В системе связанной с ректификационной установкой непрерывного действия требует уже обработка порядка полусотни правил. При этом часть правил нередко выдает противоречивые результаты, а это требует введения дополнительных ограничительных правил и фактов. Алгоритм же получения решений усложняется пропорционально возрастанию правил и фактов [3, c.70].

Таким образом, ЭС по самой изученной, простой и непротиворечивой предметной области часто не всегда дает корректное решение или выдает очевидное решение с большой временной задержкой или с помощью оператора в автоматизированном режиме.

О корректности работы ЭС часто говорят с позиции математической вероятности. Например: система выдает правильное решение в 70 случаях из 100 (если конечно правильность решения можно контролировать). Обычно система, работающая с малым объемом знаний, выдает корректное решение быстрее и с большей вероятностью, чем система, работающая с большим объемом знаний. Например, ЭС компоновки электронных плат работает более чем с 8,5 миллионами утверждений и выдает корректные решения с вероятностью 98 %.

В области химических технологий известно менее десятка ЭС, работающих с объемом фактов и правил, сопоставимых с объемом знаний эксперта в определенной предметной области (по некоторым оценкам это порядка 25–40 миллионов утверждений) и выдающих решения с вероятностью 90–96 %. Большинство других разработок — это либо демонстрационные программы намерений разработчиков, либо ЭС работающие в очень узкой специфической области.

Нами разрабатывается ЭС, позволяющая выбирать и рассчитывать оборудование для сушки жидких дисперсных продуктов в области химического и пищевого производства. Система правил и утверждений базируется на данных учебников, справочников, а также на данных, полученных при экспериментальных исследованиях кинетики сушки [4, с. 81].

На данный момент система работает с более чем 1000 правил. Основной проблемой применения этой системы является необходимость контроля получаемых промежуточных и конечных результатов со стороны человека. Такую особенность ЭС особенно важно учитывать при разработке системам работающих в областях напрямую влияющих на жизнь и судьбу человека, таких как медицина, системы управления производством, системы управления транспортом и особенно системы используемые в военных целях. Цена сбоя, ошибки, некорректного решения — человеческие жизни. Без человеческого контроля подобные системы принесут больше вреда, чем пользы.

Рассмотри возможность возникновения ситуации сбоя в ЭС. Необходимо отметить, что любая реально действующая сложная компьютерная система представляет собой совокупность программного и аппаратного обеспечения, своеобразный комплекс в котором одна составляющая не может существовать без другой.

Поэтому и ошибки могут возникать, во-первых, как уже отмечалось из за некорректностей в программном обеспечении, а во-вторых, из за сбоев в аппаратуре. «Начинка» компьютера — микросхемы (чипы), неустойчивы в работе при колебаниях силы тока и температуры (особенно при превышении пороговых значений). Поэтому сбой в системе может произойти по самой безобидной причине, в самой обычной ситуации. Решая эти проблемы, наука и техника идут по пути повышения надежности аппаратного обеспечения, увеличения быстродействия чипов при уменьшении их размеров. Однако ничто не дается бесплатно.

Увеличение компактности ведет к усложнению внутреннего строения чипа, что понижает его помехоустойчивость как магнитоэлектрическую, так и температурную. Здесь необходимо отметить одну особенность процессоров, о которой обычно не говорят. Ни один процессор в мире не может быть полностью протестирован. Как известно любая цифровая микропроцессорная система работает с двумя сигналами: логическим нулем и логической единицей. Говоря упрощенно, при работе процессора определенной комбинации сигналов на входе должна соответствовать определенная комбинация сигналов на выходе. Только в этом случае процессор работает правильно. Однако возможных комбинаций входных сигналов настолько много, что проверить все из них — физически невозможно. А это еще один источник возможного аппаратного сбоя.

Например, для полного тестирования всевозможных состояний процессора i8086 (использовался на первых ЭВМ фирмы IBM в конце 20 века) программным способом необходимо проверить 10е183 комбинаций. Учитывая время 1 операции на таком процессоре равной примерно 1 мкс получаем общее время тестирования 10е177сек что соответствует примерно 3*10е169 лет. Если учесть возраст Земли равный 4.17*10е9 лет (по некоторым геологическим исследованиям), то становится очевидным невозможность такой проверки. На практике для тестирования чипов используют специальные комбинации как программных, так и аппаратных тестов типовых состояний процессора, соответствующих набору команд процессора.

Литература:

  1. Пахомов, А.Н. Экспериментальные подходы к моделированию кинетики сушки дисперсных продуктов на подложках/Пахомов А. Н., Банин Р. Ю., Черных Е. А., Ловягина Е. А.//В сборнике: TheFourthInternationalConferenceonEurasianscientificdeveloрmentVienna, 2015. С. 128–130.
  2. Гатапова, Н. Ц. Особенности механизма и кинетики сушки жидких дисперсных продуктов на подложках/Гатапова Н. Ц., Пахомов А. Н., Пахомова Ю. В.//В сборнике: Актуальные проблемы сушки и термовлажностной обработки материалов в различных отраслях промышленности и агропромышленном комплексе сборник научных статей Первых Международных Лыковских научных чтений, посвящённых 105-летию академика А. В. Лыкова. Москва, 2015. С. 42–47.
  3. Рakhomov A. The observed heterogeneity of the fluidized bed/Рakhomov A., Banin R., Chernikh E., Loviagina E.// В сборнике: Scientific enquiry in the contemрorary world: theoretical basiсs and innovative aррroach 4th edition. Scienceeditor: A. Burkov. SanFrancisco, California, USA, 2015. Pp. 70–72.
  4. Пахомов, А.Н. Кинетические особенности сушки капель жидких дисперсных продуктов на подложках/Пахомов А. Н., Гатапова Н. Ц., Пахомова Ю. В.// В сборнике: Актуальные проблемы сушки и термовлажностной обработки материалов в различных отраслях промышленности и агропромышленном комплексе сборник научных статей Первых Международных Лыковских научных чтений, посвящённых 105-летию академика А. В. Лыкова. Москва, 2015. С. 81–83.
Основные термины (генерируются автоматически): жидких дисперсных продуктов, сушки жидких дисперсных, кинетики сушки, предметной области, Пахомова Ю, объемом знаний, Актуальные проблемы сушки, искусственного интеллекта, систем искусственного интеллекта, ЭС компоновки электронных, корректности работы ЭС, особенность ЭС, агропромышленном комплексе сборник, химической технологии, десятка ЭС, процессов химической технологии, посвящённых 105-летию академика, Международных Лыковских научных, комплексе сборник научных, Лыковских научных чтений.

Обсуждение

Социальные комментарии Cackle
Задать вопрос