Автоматизированные интеллектуальные системы и нечеткая логика



Интеллектуальная система — этотехническаяилипрограммная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Структура интеллектуальной системы включает три основных блока —базу знаний,механизм вывода решенийи интеллектуальныйинтерфейс.

Виды интеллектуальных систем

‒ Интеллектуальная информационная система

‒ Экспертная система

‒ Расчётно-логические системы

‒ Гибридная интеллектуальная система

‒ Рефлекторная интеллектуальная система

К расчётно-логическим системам относят системы, способные решать управленческие и проектные задачи по декларативным описаниям условий. При этом пользователь имеет возможность контролировать в режиме диалога все стадии вычислительного процесса. Данные системы способны автоматически строить математическую модель задачи и автоматически синтезировать вычислительные алгоритмы по формулировке задачи.

Рефлекторная система — это система, которая формирует вырабатываемые специальными алгоритмами ответные реакции на различные комбинации входных воздействий. Алгоритм обеспечивает выбор наиболее вероятной реакции интеллектуальной системы на множество входных воздействий, при известных вероятностях выбора реакции на каждое входное воздействие, а также на некоторые комбинации входных воздействий.

Рефлекторные программные системы применяются к следующим задачам:

‒ естественно-языковой доступ к базам данных; оценки инвестиционных предложений;

‒ оценки и прогнозирования влияния вредных веществ на здоровье населения;

‒ прогнозирования результатов спортивных игр.

Нечёткая логика — раздел математики, являющийся обобщением классическойлогикиитеории множеств, базирующийся на понятиинечёткого множества, впервые введённогоЛютфи Задев1965 годукак объекта сфункцией принадлежностиэлемента к множеству, принимающей любые значения в интервале, а не только 0 или 1. На основе этого понятия вводятся различные логические операции над нечёткими множествами и формулируется понятие лингвистической переменной, в качестве значений которой выступают нечёткие множества.

Основными потребителями нечеткой логики являются банкиры и финансисты, а также специалисты в области политического и экономического анализа. Они используют CubiCalc для создания моделей разных экономических, политических, биржевых ситуаций. Что же касается пакета FuziCalc, то он занял свое место на компьютерах больших банкиров и специалистов по чрезвычайным ситуациям — то есть тех, для кого важна скорость проведения расчетов в условиях неполноты и неточности входной информации.

Так же нечеткая логика применяется и в программных системах, обслуживающих большой бизнес. Первыми, разумеется, были финансисты, задачи которых требуют ежедневного принятия правильных решений в сложных условиях непредвиденного рынка. Первый год использования системы Fuji Bank принес банку в среднем $770000 на месяц (и это только официально объявленная прибыль!).

Очевидной областью внедрения алгоритмов нечеткой логики являются всевозможные экспертные системы, в том числе:

‒ нелинейный контроль над процессами (производство);

‒ самообучающиеся системы (или классификаторы), исследование рисковых и критических ситуаций;

‒ распознавание образов;

‒ финансовый анализ (рынки ценных бумаг);

‒ исследование данных (корпоративные хранилища);

‒ совершенствование стратегий управления и координации действий, например сложное промышленное производство.

Недостатками нечетких систем являются:

‒ отсутствие стандартной методики конструирования нечетких систем;

‒ невозможность математического анализа нечетких систем существующими методами;

‒ применение нечеткого подхода по сравнению с вероятностным не приводит к повышению точности вычислений.

Но все, же недостатки нечёткой логики не могут перевесить ее достоинства, именно поэтому перспективы нечёткой логики, а значит, нейросетевых подходов к решению прикладных и плохо формализуемых задач огромны и востребованы.

Сами информационные системы способны диагностировать состояние предприятия, оказывать помощь в антикризисном управлении, обеспечивать выбор оптимальных решений по стратегии развития предприятия и его инвестиционной деятельности. Но если это автоматизированная система, то при выполнении функции часть работы выполняется персоналом, а часть техникой.

История Информационных систем начинается В 50-е — 60-е гг. Была осознана роль информации как важнейшего ресурса предприятия, организации, региона, общества в целом; начали разрабатывать автоматизированные информационные системы разного рода.

Но уже начиная с 60-х годов, в истории развития информационного поиска в нашей стране относительно независимо сформировались два направления:

1) разработка автоматизированных информационных систем (АИС)как первой очереди автоматизированных систем управления (АСУ);

2) разработка автоматизированных систем научно-технической информации (АСНТИ).

Вся история информационных систем делится на этапы:

1. Рождение ИИ (1943–1956);
2. Подъем ИИ (1956- конец 1960-х);
3. Нечеткие множества и нечеткая логика (середина 1960-х и далее);
4. Открытие и разработка экспертных систем (начало 1970-х — середина 1980-х);
5. Эволюционное вычисление (начало 1970-х и далее);
6. Вычисления при помощи слов (конец 1980-х и далее).

Шахматы относятся кинтеллектуальным системам или нечеткой логике?

Нечеткая логика не такая уж и загадочная штука.

В тех же шахматах — оценку оптимальности хода можно представить как «оптимальный» или «неоптимальный».

Если бы можно было просчитать все ходы до конца, то любой ход был бы либо оптимальным (1) либо неоптимальным (0).

Это обычная логика, где есть только два значения истинности. На ура сработает, к примеру, в крестиках-ноликах.

Но в шахматах на основе грубых просчетов и эвристик можно только дать поверхностную «не дискретную» оценку оптимальности. Это уже нечеткая логика, где истинность выражения колеблется в пределах от 0 до 1 включительно.

Что есть модель шахматной игры?

Это математическая модель игры двух соперников с полной информацией:

1. Математическое описание начальной позиции.
2. Описание правил (Два игрока ходят по очереди, начинают белые, ходы делаются по соответствующим правилам)
3. Цель игры — получить наибольшую оценку, где 1- победа, о — ничья, минус единица — поражение.
4. Дано четкое определение окончания партии, и соответствующей оценки.

Поставлена задача — найти результат в начальной позиции, и найти ход (ходы) ведущие к этому результату.

Доказано:

1. Что игра конечна (и определена максимальная продолжительность шахматной партии в ходах)
2. Доказано, что в любой позиции есть четкая оценка. (Выиграна, ничья, или проиграна)

Используются два метода поиска решения — с конца (рестроспективный анализ) — добрались до семи фигур — нужно дойти до 32-х.

И «с начала» — перебор — добились того, что программы считаю на 20 полуходов (10 ходов) за несколько минут (но естественно продлевая перспективные ветви, и сокращая бесперспективные по мнению программы)

Осталось досчитать до 5000-го хода с небольшим (это максимальная продолжительность партии)

Кто выиграет, человек или компьютер?

Филадельфийский эксперимент

С 10 по 17 февраля 1996 года проходил матч в Филадельфии. Происходили соревнования между человеком и компьютером. В эксперименте участвовали создатели «Deep Blue» и чемпион мира по шахматам Гарри Каспаров. Призовой фонд 500 тысяч долларов. Было сыграно 6 партий. Несмотря на то, что к середине 90-х шахматные программы для ПК стали непростыми соперниками для гроссмейстеров, приблизиться к уровню чемпиона мира им всё ещё не удавалось. Их шахматная сила на классических контролях времени, колебалась в районе 2300–2400 пунктов рейтинга, что по-прежнему было ниже уровня гроссмейстеров (от 2500), и уж тем более, ниже уровня игры Каспарова (2800). В будущем многие специалисты ожидали улучшения качества игры шахматных машин, но что же можно было сделать прямо сейчас?

Между тем время шло, и к 1995 году окончание разработки Дип Блю кажется, уже просматривалось. В IBM решили, что срок настал, и отправили Каспарову вызов на матч. Каспаров, конечно же, поднял брошенную перчатку. Тем более что и предложенный призовой фонд вполне соответствовал — всё-таки 500 тысяч долларов всего за 6 партий.

По окончанию матча победил человек, со счетом 4:2

В 1997 году «Deep Blue» усовершенствовали процессор, что дало прирост к скорости машины. Состоялся матч реванш, в котором победила МАШИНА! Со счетом 2,5:3,5

Как сказали разработчики, в программе был баг, который допустил отступление от заданной схемы ведения игры. Что и помогло победить Каспарова.

Вывод:

В 21 веке нас обслуживает целая армия машин, которые работают быстрее выносливее и умнее нас, но они плохо умеют обобщать и не обладают универсальностью как люди. С каждым годом они становятся все интеллектуальнее.

Литература:

1. // www.gamedev.ru. URL: http://www.gamedev.ru/code/forum/?id=63518
2. // geektimes.ru. URL: https://geektimes.ru/post/245176/
3. // https://ru.wikipedia.org.
4. // https://www.google.ru/