Гипотезы Поспеловых. Управление и открытость

 

Из всех существующих работ в области ИИ реально выдержали испытание временем только так называемые «гипотезы Поспеловых».

Приведем большую цитату из их работы:

 

«…Развитие работ в области ИИ порождает надежду на то, что появится реальная возможность получения целенаправленных методов решения комбинаторных задач управления. … Стандартным приемом, используемым для решения таких задач, служат различные эвристические приемы, обеспечивающие локальные критерии успеха. Недостатком подобного подхода является неформальность введения эвристик и невозможность оценки их эффективности.

Попробуем описать принципиальные трудности, которые не позволяют надеяться на успех старых классических методов теории автоматического управления. В последние десятилетия классическая теория управления переживает определенный кризис. Этот кризис порожден тем, что до сих пор теория управления имела дело с объектами, структура и функционирования которых описывались на формальном уровне (например, задавались в виде дифференциальных уравнений того или иного типа). Цели управления и критерии управления также допускали четкую формализацию. Это позволяло строить теорию управления как чисто математическую науку, имевшую дело лишь с формальными моделями и точными методами. По существу, специалист, работающий в области управления, мог даже не знать те реальные объекты, для которых он исследовал модель управления. Важно было лишь быть уверенным в адекватности этой модели реальному объекту управления. Но об этом должен был заботиться не специалист по управлению, а специалист технолог, знающий объект управления. Подобное положение давало возможность типизировать объекты управления и методы управления.

Однако, начиная с пятидесятых годов, в поле зрения теории управления стали появляться объекты новой природы. Они обладали рядом существенно новых особенностей.

Во-первых, эти особенности не оставляли никакой надежды на то, что их структура и функционирование могут быть описаны привычными формальными моделями в виде некоторой совокупности уравнений (логических, алгебраических, дифференциальных и т.п.).

Во-вторых, сами эти объекты были активными, эволюционирующими во времени и обладали «свободой воли».

В-третьих, цели существования этих объектов и критерии управления ими также не могли быть формализованы и менялись с течением времени. Примером подобного объекта может служить город.

Город, как объект управления характерен, прежде всего, отсутствием четко выраженной цели своего существования. Зачем нужен город? На этот вопрос до сих пор не удалось дать четкий ответ. Как следствие этого, возникает невозможность четкой формулировки критериев управления городом. Эволюция города, в течение которой город может расти, расширяться, умирать, менять основные функции своего бытия, делает невозможной процедуру построения замкнутой модели управления им.

Промышленное предприятие, отрасль, экономический регион дают другие примеры объектов подобного типа.

Непригодность для управления объектами подобного типа классических методов теории управления очевидна. Можно было бы, конечно, считать, что из-за отсутствия формализации задача управления вообще не может быть поставлена. Однако, опыт людей, хорошо или не слишком хорошо управляющих подобными объектами, показывает, что сама постановка задачи управления и решение ее все-таки возможны.

Выскажем две гипотезы.

Первая гипотеза состоит в том, что все, что необходимо знать для управления, может быть выражено в виде совокупности текстов на обычном естественном языке. Другими словами, все сведения об объекте управления, целях его существования, критериях управления и множестве возможных решений по управлению могут быть сообщены управляющей системе в виде последовательности фраз, написанных на естественном языке.

Вторая гипотеза состоит в том, что система управления исследуемого типа принципиально не может быть замкнутой. Эта система принципиально открыта и процесс ее обучения управлению никогда не завершается созданием окончательной формализованной модели…».

 

Эти гипотезы свидетельствовали о понимании необходимости отхода от концепции замены языка на математические символы по Г. Герхарду на прямо противоположную для тех объектов, которые не могут иметь своего адекватного математического выражения.

Напомним, что термин «управление» в его математическом понимании используется в двух принципиально различных смыслах:

а) управление, как достаточно свободная организационная деятельность, направленная на достижение определенных целей: .

б) управление в смысле использования конкретного управляющего воздействия, т.е. некоторой физической величины, изменение которой производится по алгоритму достижения априорно поставленной цели: .

Обратим внимание, в результате, для организационного целевого управления требуются решения в открытой постановке, а аппарат выработки управляющего воздействия декларируется в подходе замкнутом, обеспечиваемом алгоритмически.

Кроме учета этой коллизии в некоторых случаях требуется еще и некоторое новое специфическое понимание управления, учитывающее особенности симбиоза систем с принципиально разными свойствами, разными собственными языками представления:

     (8.1)

 

Управление в технических системах всегда понималось как выражение воли стороннего для нее управленца, воли, на которую накладывались лишь технические ограничения управляемой системы.

Однако при любых попытках построения технических систем с биологической компонентой, на управление накладываются еще и не технические ограничения. Речь идет о предварительной самостоятельной оценке биологической компонентой целесообразности управляющего воздействия. Тогда управление U в (8.1) представляется в виде (8.2)

 

.                   (8.2)

 

Такого рода оценка не может быть выражена математически (без учета контекстной зависимости восприятия управления).

Мы уже располагаем достаточным объемом исходных соглашений, чтобы перейти к изложению понятия «система». Это понятие должно быть конструктивным, т.е. таким, на базе которого возможно изложение построений, составляющих сущность прикладной теории интеллектуальных систем управления. Нас должно интересовать нахождение определения системно-сложной тройки СУО, отражающего некоторую глобальную характеристику ее сложности и объясняющего неизбежность возникновения на некотором уровне именно интеллектуальной системы управления.

В классическом варианте теории автоматического управления или, что здесь то же самое, в системах автоматического управления (САУ) по определению система управления включает в себя объект управления (управляемую систему).

В теории ИСУ [5], как в более общей теории, методологически необходимо раздельное рассмотрение системы управления и управляемой системы (субъекта и объекта). Поэтому, при чтении дальнейшего материала книги рекомендуется обратить особое внимание на уяснение этих различий и особенностей употребления терминов в разных ситуациях управления.

Рассмотрим простое определение системы:

- система есть совокупность или множество организационно связанных внешним наблюдателем частей, называемых подсистемами (элементами системы, обладающими свойством выделяемости из системы в соответствии с целевой задачей этого наблюдателя), и, в свою очередь, могущих являться системами.

По этому определению элементами системы могут являться любые системы, являющиеся объектами, например, антенна, навигационный спутник, вся система навигации и т.д. Элементы системы могут быть умозрительными и абстрактными. Примером как системы, так и подсистемы могут служить не только технические объекты, но и объекты биологические, социум, язык, экология, экономика.

Системой управления в общепринятом понимании такая система становится только после количественного или качественного определения указанным наблюдателем некоторого множества функциональных связей между выходами и входами составляющих ее подсистем, в свою очередь характеризующихся своими передаточными характеристиками. Для этого всегда выставляется требование измерения взаимодействия сигналов и подсистем, определяется допустимый диапазон их существования. Тем самым управление сводится к управлению в замкнутых системах.

Любая активность, имитируемая в подсистемах алгоритмическим, вероятностным, эвристическим и другим аналогичным путем, подчиняется привнесенным наблюдателем законам связи между этими подсистемами. Эти законы выражаются алгоритмом функционирования и, следовательно, управление такого рода гарантируется заданным предписанием, заданным законом реагирования, т.е. является контекстно – независимым (Напоминаем, что условная зависимость, присущая алгоритмам, не может трактоваться как контекстная зависимость).

Система, выше некоторого уровня сложности, рассматриваемая по К. Боулдингу всегда существует как система управления в структуре СУО, всегда становится сочетанием субъекта (субъектов) и объекта (объектов) находящихся во внешнем, относительно них, мире:

- интеллектуальная система есть совокупность или множество субъектов и объектов, связанных между собой организационно, т.е. находящихся в состоянии активности и противостояния друг относительно друга и под воздействием единого для них внешнего мира.

В данном случае мы избавлены от необходимости дополнительного определения управления в системе, оно предопределено активностью субъекта как носителя познания. Таким образом, управление, по определению интеллектуальной системы, зависит от результатов познания, оценка которых возможна только через индивидуальный смысловой (информационный) фильтр, созданный субъектом в себе, как некоторый ситуационный «образ». В этом случае управление характеризуется как контекстно-зависимое, его сущность определяется не сигналом управления, а контекстной тождественностью порождаемой информации системному образу. Отсутствие диссонанса как, впрочем, и резкий диссонанс между ними, станет побуждающим мотивом к действию противоположного свойства.

Из сказанного следует, что интеллектуальная система, содержащая в себе совокупность субъекта (субъектов) и объекта, в принципе не нуждается во «внешнем наблюдателе» для выделения ее из внешнего мира, но допускает его как внесистемного субъекта, как дополнительное, внешнее целенаправленное управление. На самом деле это и есть то самое интеллектуальное управление, понимаемое как управление одной интеллектуальной системы другой.

Конечно, мы не должны здесь забывать и о воздействии внешнего мира, которое, в отличие от внешнего субъекта, оказывает на интеллектуальную систему возмущающее воздействие, не имеющее с точки зрения этой системы целевой направленности.

Разработчики классических САУ вынуждены абстрагироваться от такого рода связей во имя чистоты математических построений или говорить об управлении по возмущению, требуя точного измерения внешних возмущений и точного задания характеристик объекта управления, что в свою очередь сводит представление системы к замкнутой. В прикладной теории ИСУ утверждается, что все инженерные решения должны быть обоснованы и приняты в условиях, когда игнорирование внешних связей невозможно, а измерение возмущений и нахождение точных характеристик системы нереально.

Для корректности изложения материала сделаем следующее замечание. Систему можно породить и из элементов, существующих в разных внешних, относительно них мирах, но в момент объединения этих элементов мы вынуждены объединять и их окружение, т.е. для возникновения системы из элементов необходимо и возникновение их единого внешнего мира, обеспечивающего смысл или контекст существования системы.

Сказанное выше означает, что прикладная теория ИСУ не только ориентирована на работу с открытыми системами, но и на явное разделение управления в интеллектуальной системе на внутреннее и внешнее. Здесь полезно напомнить и о третьем виде управления – целевом, связанным с направленностью интеллектуальной системы на достижение некоторой собственной цели, выработанной как реализация «свободы воли», присущей активным системам.

Изучая открытые системы, мы переходим от функциональных моделей систем, заданных на языке передаточных функций, к реальным системам в их внешнем окружении. Вспомним: большинство принципиальных трудностей теории статистических решений и автоматического управления возникает, когда рассматриваемые системы являются открытыми и решения необходимо принимать при наличии неопределенностей.

Отметим, что во многих случаях реальная картина управления оказывается еще более сложной. Открытые системы могут существовать на основе централизованного или децентрализованного как внутреннего, так и внешнего управления, базирующегося на сообщениях о положительных результатах поддержания системы в устойчивом состоянии (или состоянии целенаправленного изменения) при воздействии на нее внешнего мира и внутренних дестабилизирующих факторов.

Рассмотрение объектов и систем во внешнем мире обычно называют «системным подходом». В общем случае, «системный подход» и «прикладная теория систем» могут считаться синонимами. Ясно, что прикладная теория ИСУ изучает специфику систем управления, ответственных за устойчивость и поведенческие (целевые) аспекты управляемой системы, исключительно в контексте системного подхода.

В качестве основных вариантов отношения интеллектуальных систем с внешним миром укажем следующие:

· системы с непрогнозируемыми возмущениями - системы, не полностью изолированные от окружающей среды (системы, для которых внешним миром является совокупность неопределенностей, возникающих из-за невозможности дать их законченное функциональное описание);

· самоорганизующиеся системы - системы, реагирующие на возмущения или экспериментальные исследования так, что это вызывает существенное изменение в их поведении и структуре (самоприспосабливающиеся системы с пассивной реакцией на внешний мир);

· системы с активной реакцией на внешний мир - системы, с которыми среда или экспериментатор взаимодействуют двусторонне, т.е., воздействуя на систему, они одновременно испытывают воздействия со стороны системы.

Отметим, что чаще всего системы на практике обладают всеми этими свойствами, неравномерно распределенными между их подсистемам, но одно из них, с точки зрения текущей проблемы, обычно является более выраженным.

 

Знание и данные

 

О бщение на уровне знания должно предопределять возможность равнопонятного (воспринимаемого в одном контексте) использования двумя и более системами взаимосвязанных сообщкний на языке, способном нести и передавать данные и знание о предметной области. Определим, что данные включают в себя (состоят из) описания объектов, их окружения, явлений, фактов, а знание, в общем случае, является переменной во времени и контексте совокупностью именованных отношений между ними.

Соответственно, предметной или проблемной областью называют совокупность данных и знания в некоторой базе, представляющуюся достаточной для информационного (заданного на контекстно-зависимом языке) обеспечения решения некоторой задачи или совокупности задач интеллектуальной системы. Сложность понятия знание, всегда выражаемого на некотором языке отношений, заключена в множественности возможностей его реализации и неразрывностью с понятием данные. Можно выделить несколько уровней представления знания в его связи с данными:

уровень интеллектуальной системы – знание и данные, существуют в форме языковой модели предметной области и как описание составляющих этой системы на уровне контекстно-зависимого языка. Напомним. В настоящей работе используется терминология математической логики и рассматривается понятие контекстно-зависимого языка, как языка, смысл любой совокупности предложений которого может быть зависим от предыдущего высказывания на этом языке. При этом наличие в некотором языке условного оператора типа «если – то» не переводит его автоматически в разряд контекстно-зависимых.

1) Поэтому контекст определяется в его классическом смысле локализованной в пространстве и времени совокупности высказываний и терминов, предопределяющей текущее значение рассматриваемого термина или их совокупности; это подобно тому, как в языкознании контекстом называют «лингвистическое окружение данной языковой единицы». В принципе, можно ввести понятие пределов контекста, но здесь нам важнее дать понятие контекстуального (контекстно-зависимого) определения – определения, которое строится на основании знания связи определяемого с текущим контекстом, в котором он употребляется. Все языковое представление сигналов сообщений на входе, внутри, при возникновении информации, и на выходе интеллектуальной системы в общем случае контекстуально.

2) уровень информационной системы – знание и данные существуют в форме языковой модели на основе использования контекстно-независимых языков;

3) уровень математической модели – данные, формализованные на уровне математического языка формул и передаточных функций, содержат в себе знание как формализованные правила и аппарат производства выводов;

4) уровень фактографической модели – текстовые записи с фиксированной на уровне языка их представления системой отношений между ними (например, табличная запись).

Как будет видно из дальнейшего, между первым и последующими уровнями представления знания проходит стена, отделяющая интеллектуальные системы от неинтеллектуальных, а само понятие знания не является исключительной принадлежностью интеллектуальных систем и кардинально изменяется на каждом уровне его представления.

На первом уровне оно связано с выражением контекстно-зависимых отношений между данными. Здесь знание определяется текущей структурой связей между данными в некоторой базе, фиксирующей возникшую в процессе согласования (сопряжения, сравнения) данных и сообщений информацию, т.е. в базе, которая изменяется после каждого акта общения, после обработки каждого входящего сообщения на контекстно-зависимом языке. Это высшая форма представления знания, допускающая для сохранения семантики интерпретации данных как актуализацию этих данных и возможных типов отношений между ними, так и актуализацию самой структуры их связей. Тогда, информацией можно назвать познавательный процесс, приводящий систему в новое когнитивное состояние.

На втором уровне знание понимается лишь как процедура содержательной интерпретации связей данных. Отношения между данными практически неизменны и определены исходной структурой базы данных. Содержательная интерпретация обеспечивается на уровне программ на контекстно-независимом языке. Знание, как это и следует предполагать для неинтеллектуального уровня, определяемого использованием алгоритмического языка, обеднено стабильностью связей между данными. Можно сказать, что это уровень фиксированного знания, знания, которое мы понимаем как справочные сведения с возможностью актуализации данных, но не связей между ними.

На третьем уровне вместо громоздкой, но неограниченной в первичной организации своих связей базы данных второго уровня, речь идет об использовании различного вида математических выражений, экономно описывающих данные и их связи. В пределах этого языка находятся и интерпретируются связи между данными, то есть «пространный» контекстно-независимый язык здесь по возможности заменяется «экономным» языком математики. Все остальное здесь аналогично второму уровню.

Четвертый уровень фактически соответствует предельно обедненному второму уровню и рассматривается здесь только в связи с необходимостью обеспечения сравнительного анализа с другими подходами к определению понятия знания. Это связано с тем, что фактографические данные, как записи с обедненной структурой их связей, зачастую выделяются в отдельную группу.

Отметим, что до сих пор в литературе рассматриваются «особенности знания, которые отличают его от данных», знание как метауровень данных и подобное. Правильный подход здесь только один: данные не существуют без отношений между ними (того или иного варианта упорядочения, изменяющегося в ту или иную сторону по мере получения новых информационных посылок) и в этом смысле не отличаются, а неразделимы со знанием. Представить себе абстрактные данные в реальном мире достаточно затруднительно. Это будут уже не данные, а их виртуальное представление, абстрактная модель.

Существенным подтверждением взаимосвязи данных и знания является наличие классифицирующих отношений практически для всех наборов данных. Аналогичное подтверждение дает факт существования для данных ситуативных связей, определяющих ситуативную совместимость отдельных событий или фактов, хранимых или вводимых в память, а также таких отношения как одновременность, расположение в одной области пространства, нахождение в состоянии механического или иного взаимодействия и т.д.

Отметим сферу предметных областей, где наиболее целесообразно работать с данными и знанием, представленными языковыми моделями. Это области с преобладанием эмпирического знания, где сложность фактов и описаний исключает использование языка математики – так называемые описательные науки, которые в общем-то и стали таковыми, ибо изучают то, что не может быть обеспечено языком математики – системно-сложные объекты. «Настоящие» математики, возможно, не согласятся с этим утверждением. Что ж, Бог им в помощь.

Такие хорошо структурированные области, как математика, физика, теоретическая механика, имеют в основе богатый математический аппарат для описания своих закономерностей, который позволяет проводить машинное моделирование с использованием алгоритмического программирования.

Анализ данных и знания на языковом контекстно-зависимом уровне, как область для самостоятельного рассмотрения, важен там, где не применим язык математических определений, область определения понятий меняется, ситуации зависят от контекстов, где языковое (описательное) представление доминирует над алгоритмическим.