Интеллектуальные информационные системы. Дубровин А.Д. - 179 стр.

алгоритмом функционирования. При этом ядро модели системы естественного интеллекта
(то есть «мозг» ИИС) будет решать уже не столь большое многообразие задач.
       Данный принцип разбиения задачи на подзадачи уже давно используется природой. К
примеру, мы далеко не полностью используем все возможности наших мышц в аспекте
разнообразия движений. Мы не можем заставить наши глаза смотреть в разные стороны.
При ходьбе мы часто используем далеко не оптимальный набор движений и далеко не все
доступные сочетания вариантов напряжения мышц. Попытайтесь, к примеру, сделать
«волну» мышцами брюшного пресса. В принципе здесь нет ничего сложного, поскольку
каждый пучок мышц пресса иннервируется отдельно, но если человек этого не делал ранее,
то получить необходимый результат будет не просто. Это объясняется тем, что в
повседневной жизни такие движения не нужны, а значит, их нет и в "словаре движений"
нашей памяти, и на обучение им и запоминание понадобится определенное время. По поводу
оптимальности походки существуют расчеты, говорящие о том, что если бы человек всегда
выбирал только оптимальную траекторию движения, в которой существует более 200
степеней свободы, то он бы не ходил, а только думал о том, как надо ходить.
       Все вышесказанное свидетельствует о том, что наша система управления
построена по иерархическому принципу, в соответствии с которым задача распределяется
между несколькими уровнями. Высший уровень нервной системы (связанный с большими
полушариями мозга) ставит лишь общую задачу, скажем, переложить книгу с полки на стол.
Этот уровень вообще не контролирует действие отдельных двигательных единиц,
направленных на решение поставленной задачи. Здесь уместна аналогия с командующий
армией, который, ставя задачу войскам, не доводит ее лично до каждого солдата.
       Детализация построения движений у человека происходит на уровнях более низких,
чем командный уровень коры больших полушарий. Более того, в некоторых случаях (когда
мы отдергиваем руку, прикоснувшись к горячему предмету, даже не успев осознать, что
произошло) все управление формируется на нижних уровнях, связанных с различными
отделами спинного мозга.
       В общем, ситуация напоминает работу программиста, использующего библиотеку
подпрограмм. При таком программировании не имеет значения, какой алгоритм используют
подпрограмма, если она работает нормально. Общий вывод состоит в том, что в настоящее
время существуют методы, алгоритмы и устройства, которые позволяют нам довольно
неплохо моделировать нижние уровни человеческого интеллекта, причем совсем не
обязательно на таком же физическом принципе.
       Основным недостатком имитационного подхода                      является низкая
информативность большинства моделей, построенных с его помощью. Особенно, если
они основаны на концепции «черного ящика».
       По мнению Г.С Поспелова (18) в работах, посвященных имитационному
моделированию в области решения задач интеллектуального управления сложными
системами и объектами, требуется охват всех фаз и аспектов управления, основными из
которых являются:
       - анализ цели управления и условий, в которых оно должно или может
осуществляться;
       - планирование возможности изменения цели управления с учетом результатов
прогнозирования динамики факторов окружающей среды.
       Эффективность имитационной модели (ИМ) определяется ее адекватностью
реальному процессу управления. Сложность решения этой задачи - в стохастичности
(случайном характере) параметров окружающей среды и трудности нахождения
компромисса между понятием гибкость управления и понятием определенность или
твердость управления. Во многом именно этими обстоятельствами определяется сложность
математического и алгоритмического описания имитационных моделей. Наиболее
правильным считается отображать объект управления, его функции и влияние внешней
среды в виде системы алгоритмов. Приемлемым в этом отношении подходом считается

                                                                                  214