Гибридные интеллектуальные человеко-машинные вычислительные системы и когнитивные процессы

М.Д. Сеченов

Процесс информатизации как в нашей стране, так и за рубежом сопровождается широким распространением информационно- поисковых, советующих, проектирующих и других систем в различных областях человеческой деятельности. Постоянно растущая потребность в автоматизации обработки всё увеличивающихся объёмов информации, развитие вычислительной техники и активизация роли человека как элемента системы обусловливают необходимость развития человеко-машинных вычислительных систем (ЧМВС) с целью повышения их эффективности. Анализ общей тенденции развития показывает, что наиболее перспективным направлением является создание интеллектуальных самоорганизующихся систем. Однако существующие методы и средства проектирования ЧМВС и управления ими не позволяют интегрировать интеллектуальные функции в достаточной мере. В этой связи многообещающим является поиск законов эволюции естественных и искусственных систем. В [1] показано, что радикальным направлением интеллектуализации является концепция на основе парадигмы «эволюционной интеллектуальной технологии», предполагающей комплексное использование методов и средств эволюционного синтеза имитационных моделей и их адаптация в задачах выделенной прикладной области.

Методология развития и совершенствования искусственных систем должна учитывать «опыт» и законы эволюции естественных. Однако, здесь неизбежна и взаимная адаптация. Методология взаимной адаптации помогла выявить многоструктурность процессов принятия решений. Она позволила переходить от внешних, технических, к внутренним, психологическим, факторам сложности интеллектуальной деятельности и отбирать ограниченное число действительно релевантных факторов, отражающих влияние внешних и внутренних условий труда, психологическую структуру и стратегию деятельности, тесно коррелирующих с критериями сложности, эффективности, надёжности, напряжённости деятельности [2].

В этой связи весьма важна разработка практических принципов взаимной адаптации человека с новейшей техникой и условиями труда, создание теории и методов синтеза и применение эффективных компьютеризованных систем адаптивного взаимодействия людей между собой и с ЭВМ по принципу гибридного интеллекта (ГИ).

Термин гибридный интеллект был впервые введён В.Ф. Вендой в 1975 году в докладе на конференции по семантическим вопросам искусственного интеллекта, а основы теории систем гибридного интеллекта изложены в сборнике по инженерной психологии в 1977 году. Теория ГИ систем, включая естественные, искусственные и комбинированные, может быть построена на основе законов, общих для всех видов систем. В качестве таковых В.Ф. Вендой предложен ряд законов взаимной адаптации и трансформации систем. Взаимная адаптация акцентирует внимание на изменениях, которые претерпевают объекты, становясь компонентами системы, на закономерностях этих изменений в ходе становления, развития, существования, трансформации структур системы. Взаимная адаптация человека и ЭВМ направлена на максимальное раскрытие индивидуальных способностей, компенсацию психофизиологических недостатков, учёт интересов лица принимающего решения. Этот процесс также ведёт к наиболее полному использованию возможностей вычислительной техники, заложенных в ней знаний, умений, находок и открытий предшественников.

Принципиальное отличие методологии системы гибридного интеллекта от традиционной методологии инженерной психологии состоит в том, что вместо анализа вариантов и попытки выбрать из них оптимальный проводится синтез разных вариантов решений, объединения скрытых и непосредственных участников решения [3]. По- существу, здесь можно вести речь о наборах популяций и применении к ним генетических алгоритмов.

Система гибридного интеллекта может рассматриваться как этап в переходе от случайной неорганизованной творческой деятельности в решении задач нового класса к автоматизированному решению этих задач в системах искусственного интеллекта. Такая эволюция способов и систем решения задач рассмотрена на примере САПР А.А. Самарским.

Следует отметить что системы гибридного интеллекта (применительно к ЧМВС) рассматриваются как комбинированные системы, интегрально включающие в себя искусственный и естественный интеллекты.

Искусственный интеллект - это интеллектуальная система, реализующая априорные стратегии Sa. Другими словами, искусственный интеллект - это система, для которой соблюдается максимальное значение коэффициента корреляции априорных и реальных стратегий (Sp) решения задач: . Естественный интеллект может функционировать в интервале -1<= <=1. При  естественный интеллект моделирует искусственный интеллект.

Комбинирование естественных и искусственных интеллектов в составе гибридного интеллекта производится следующим образом [3].

Определяются , ,  (или кусочные интервалы) { - }, { - } и т.д., где  - минимально допустимая эффективность системы; { - } - интервал задач, решаемых системой.

Выявляются достоверные и соответствующие им интервалы { - }, в которых соблюдается условие .

Строятся характеристические кривые всех как функции эффективности  в зависимости от факторов сложности задач .

Определяются все интервалы , в которых .

Выявляются оставшиеся интервалы , в которых . Для этих интервалов подбираются дополнительные априорные стратегии - программы автоматического решения по типу искусственного интеллекта. Когда все априорные стратегии подобраны, то для этих интервалов подбираются люди и соответствующие им реальные стратегии , которые могут обеспечить в этих интервалах эффективность .

Все априорные стратегии и реальные стратегии проверяются на ассоциативность, так чтобы были возможны взаимопереходы между ними, причём трансформационные точки ответственных переходов должны соответствовать достаточно высокой эффективности .

Ответственными считаются такие переходы между стратегиями, которые имеют выходное значение. Например, если в ходе работы системы значение непрерывно изменяется от , при котором действует и определяет эффективность всей системы стратегия , до , при котором действует и определяет эффективность всей системы стратегия , то переходная эффективность стратегий и  должна быть не ниже заданной: .

Условие 5 можно назвать условием высокопроизводительной трансформации.

Главное следствие закона трансформаций состоит в том, что если система, имеющая определённую структуру, достигла стабильного максимума своей эффективности при данной структуре, то повысить эффективность системы можно, только изменив её структуру; но переход возможен лишь через любое общее состояние для структур, эффективность системы в котором ниже, чем в максимуме имеющейся структуры. Иначе говоря, при переходе на другую структуру, в том числе и существенно более перспективную по возможному при ней максимуму эффективности, возникает тенденция снижения эффективности на период, необходимый для трансформации старой структуры в новую. Основанная на этом законе трансформационная теория обучения, развития, динамики систем значительно расширяет возможности анализа закономерностей и прогнозирования индивидуального развития и системного прогресса.

Следует отметить, что решение задачи интеллектуализации ЧМВС связано с проведением широкого спектра исследований по влиянию человеческого фактора на процесс функционирования системы, с разработкой методов и средств системной идентификации человека (его кодовой или модельной интерпретации), а также с разработкой методов и средств адаптации процесса функционирования системы на различных уровнях его структуризации с учётом особенностей человека.

На основании вышеизложенного в [1] предлагается концепция интеллектуализации глобальной информационно-вычислительной системы (ГИВС), обеспечивающей: включение в состав системы человека в качестве активного интеллектуального элемента; возможность интеллектуального взаимодействия человека и системы; реализацию функций самоорганизации ГИВС в условиях постоянного слежения за динамикой процессов, протекающих в макросистеме и состоянием её элементов.

Дальнейшее развитие эти идеи получили в [4]. Здесь рассматривается необходимость обеспечения устойчивого функционирования системы на основе совершенствования процесса и технологических средств формирования, получения, распознавания, обучения, запоминания и использования знаний. В основе лежит разработка целостного представления процесса накопления знаний в технологии при учёте эволюционного единства её с макросистемой. Это приводит к концепции вложенности всех компонент макросистемы, таких её подсистем, как интегрированные базы знаний (БЗ) различного уровня, с одной стороны, и к вложенности когнитивных процессов (процессов приобретения знаний), обеспечивающих интеграцию, - с другой. Используется следующая схема вложенности систем приобретения знаний: объект познания (макросистема), субъект познания (система), средство отражения объекта в субъекте (технология) и результат познания (БЗ).

На рис. представлена структура системы познания, в которой осуществляется процесс приобретения знаний [4].