Geum.ru

Методика эксперимента. Спектрально-кинетические характеристики замедленной флуоресценции и фосфоресценции молекул эозина и акрифлавина изучались на установке, блок-схема которой представлена на рис. 1

Вид материалаИсследование

Содержание


Philosophical-methdological analysis of synergetic effect from intellectuality and reactivity symbiosis in artificial
Подобный материал:
1   2   3   4   5   6   7   8   9   10   11

ФИЛОСОФСКО-МЕТОДОЛОГИЧЕСКИЙ АНАЛИЗ СИНЕРГЕТИЧЕСКОГО ЭФФЕКТА В СИМБИОЗЕ ИНТЕЛЛЕКТУАЛЬНОСТИ И РЕАКТИВНОСТИ В СИСТЕМАХ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА



УДК 004.81


С.В. Листопад

ФГОУ ВПО «Калининградский государственный технический университет»,

Россия, г. Калининград, ул. Киевская, д.115, кв.15

ser-list-post@yandex.ru


Актуальность философско-методологического осмысления систем искусственного интеллекта (ИИ) в историческом и теоретическом аспектах обусловлена исходными требованиями информационно-синергетической парадигмы постнеклассической науки, объединяющей научное и философское знание.

В рамках историко-методологического анализа эволюции теоретических оснований ИИ было выделено три основных этапа в развитии ИИ, на каждом из которых господствовала своя парадигма: когнитивистская, бионическая и синергетическая (гибридная). Схематически развитие подходов к построению систем ИИ представлено на рис. 1 [3].





Рис. 1. Основные направления в ИИ

(1-й этап – господство когнитивистской парадигмы; 2-й этап – бурное развитие бионической парадигмы; 3-й этап – зарождение синергетического ИИ)


В начальный период развития ИИ идея применения механизмов логического вывода в аксиоматических (или квазиаксиоматических, использующих в качестве аксиом определенные законы данной предметной области) системах занимала доминирующее положение. Это обусловлено, прежде всего, наличием разработанной к тому моменту мощной теорией формальной логики, которая берет начало в работах философов Древней Греции. Главная идея когнитивистской парадигмы состоит в моделировании вербализуемых понятий и построению на их основе внутренней модели внешнего мира. Свойство системы отвечать на изменение внешней среды на основе имеющейся у нее точной, подробной модели внешнего мира будем называть интеллектуальностью.

Понимание интеллекта как способности к обучению или адаптации в изменчивой, динамической среде вызвало появление так называемого бионического направления, представленного, в первую очередь, коннекционистскими моделями – нейронными сетями и алгоритмами эволюционного моделирования. Бионическое направление предполагает восходящее проектирование интеллектуальных систем, которое начинается с синтеза или выбора довольно простых, однородных, реактивных элементов. Под реактивностью будем понимать свойство системы реагировать на изменения внешней среды без использования ее модели. Основная идея бионической парадигмы заключается в том, что интеллектуальное поведение системы возникает спонтанно за счет возникновения многочисленных связей между примитивными элементами системы.

На первых двух этапах своего развития ИИ решал в основном задачи, которые адекватно можно было описать в терминах одного из подходов. К настоящему моменту перед исследователями в области ИИ ставятся задачи в том виде, в котором они существуют на практике. Сложным практическим задачам присущи неоднородность, неточность, недетерминированность, недоопределенность и т.д.[2]. Как показывает опыт, такие задачи не может удовлетворительно решить ни один из методов ИИ в отдельности, а более или менее приемлемые результаты могут быть достигнуты только с помощью их интегрирования. Следствием потребности в таких интегрированных системах явилось зарождение нового интеграционистского направления – синергетического ИИ.

Объектом синергетического ИИ выступают сложные, самоорганизующиеся интеллектуальные системы [3]. Примерами таких систем служат: гибридные интеллектуальные системы, системы мягких вычислений, системы с кооперативным поведением, распределенные системы управления, многоагентные системы, виртуальные коллективы, интеллектуальные организации, эволюционирующие искусственные сообщества.

Важной особенностью синергетического ИИ является объединение двух предшествующих парадигм, что, как и следовало ожидать, соответствует закону диалектического синтеза. Благодаря такой интеграции недостатки каждой из парадигм в какой-то степени компенсируются достоинствами другой, в результате чего значительно повышается общая эффективность системы.

Каждый из приведенных выше типов систем предполагает различное сочетание принципов когнитивистской и бионической парадигм. Некоторые из них оставляют использование синергетических эффектов на совести разработчика. Пожалуй, рассмотрение синтеза двух парадигм на примере многоагентных систем будет наиболее наглядным, так как сочетание интеллектуальности и реактивности заложено в самой технологии.

Агенты в многоагентных системах обладают двумя основными способностями. Во-первых, это возможность работать автономно, в том плане, что они могут самостоятельно определять свои действия исходя из целей, для которых они были созданы. Автономность позволяет использовать для построения отдельных агентов подходы когнитивистской парадигмы. Во-вторых, агенты могут взаимодействовать между собой, причем не просто обмениваться информацией, но и участвовать в коллективных процессах, таких как кооперация, коммуникация и т.п. Гибкость природы взаимодействия агентов означает, что природа и цели взаимодействия определяются агентами во время работы, а не жестко закладываются создателем системы во время разработки.

Благодаря такому сочетанию многоагентная система обладает не только преимуществами обоих парадигм, но в ней появляются дополнительные (эмерджентные) свойства, повышающие общую эффективность системы. Выделяют следующие основные характеристики многоагентных систем [3]:
  • каждый отдельный агент не должен иметь полной информации о среде, таким образом, многоагентные системы автоматически учитывают постулат о невозможности составления адекватного, полного описания сложной практической задачи;
  • система изначально поддерживает распределенность и распараллеливание, что крайне важно в условиях, когда задача, решаемая системой, сама по себе распределена и неоднородна (географически или функционально);
  • система способна воспринимать окружающую среду (естественную или искусственную) без посредника, как в когнитивистской парадигме;
  • система обучается и самоорганизуется в процессе работы для реализации общей, осознаваемой цели всей системы (частные интересы элементов системы приносятся в жертву общей цели);
  • система устойчива к потере отдельных элементов, в отличие от систем, разработанных в рамках когнитивистской парадигмы.

Важной особенностью многоагентных систем является то, что в них в полной мере реализуется концепция самоорганизации интеллектуальной системы, а также проявляется конструктивная роль случайности в развитии сложных систем. Через хаос осуществляется объемная связь разных уровней организации. В моменты неустойчивости – малые возмущения, флуктуации могут разрастаться в макроструктуры, что определяет конструктивную роль хаоса. Она объяснима «информационной причинностью», которая в качестве порождающего фактора характеризует эффект отражения во взаимодействии структур [1].

Свойство многоагентной системы организовывать хаотические взаимодействия между множеством самостоятельных элементов для достижения общей цели системы позволяет решать задачи большей сложности, а также делать это быстрее и эффективнее. Появление такого свойства подтверждает целесообразность интеграции когнитивистской и бионической парадигм в рамках нового синергетического направления ИИ.


Список литературы

  1. Каракозова Э.В. Взаимосвязь науки и философии в научной революции XX–XXI веков / Э.В. Каракозова // Известия КГТУ. – 2006. – № 10. – С. 56 - 64.
  2. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / под ред. А.М. Яшина. – СПб.: Изд-во СПбГТУ, 2001. – 711 с.
  3. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. / В.Б. Тарасов.– М.: Эдиториал УРСС, 2002. – 352 с.


PHILOSOPHICAL-METHDOLOGICAL ANALYSIS OF SYNERGETIC EFFECT FROM INTELLECTUALITY AND REACTIVITY SYMBIOSIS IN ARTIFICIAL

INTELLIGENCE SYSTEMS


S.V. Listopad


The work is dedicated to research of synergetic effects from combining intelligent and reactive elements in intelligent systems. Importance of such combining is shown on example of multiagent technology for developing intelligent systems.