Введение в философию. Поликарпов В.С. - 220 стр.

UptoLike

ВУЗ: 

ТТИ ЮФУ | Таганрог

Составители: 

Рубрика: 

220
топологии дискретна, поэтому она естественно выполняет функцию носителя цифровой информации. В
этом случае для осуществления бинарной логики необходимы волноведущие структуры с двумя модами,
каждой из которых соответствует определенная топология поля. «Реализация логики других размерностей
(три и более) при помощи топологической импульсной модуляции не имеет принципиальных трудно-
стей»
562
. Иными словами, развитие научного познания приводит к выявлению областей объективного ми-
ра, имеющего на уровне мышления эквиваленты различных логик, т.е. определенным образом решается
старый философский вопрос о соотношении логики и реального мира.
Сейчас достаточно рельефно проявляются возможности методов так называемой нечеткой логики
(fuzzy logic) в сфере искусственного интеллекта. В основе нечеткой
логики лежит теория нечетких мно-
жеств, изложенная в серии работ американского ученого Л. Заде в 1965-1973 годах
563
. В них рассматрива-
ются элементы множеств, для которых функция принадлежности это не жесткий порог (принадлежит/не
принадлежит), а плавная сигмоида (часто упрощаемая ломаной линией), пробегающая непрерывный
спектр значений от нуля до единицы. Следует заметить, что некоторые ученые считают само название
«fuzzу» («нечеткий», «размытый», «пушистый») применительно к теории Заде не совсем
адекватным и
предлагают заменить его на более точное – «непрерывная логика». Понятие нечеткого множества вполне
согласуется с нашими интуитивными представлениями об окружающем мире, так как большая часть ис-
пользуемых нами понятий по своей природе нечетки и размыты и попытка загнать их в шоры двоичной
логики приводит к недопустимым искажениям.
И хотя
основные понятия нечеткой логики выглядели внешне простыми и естественными, понадо-
билось более пяти лет, чтобы построить и доказать комплекс постулатов и теорем, делающих логику ло-
гикой, а алгебру - алгеброй. Одновременно с разработкой теоретических основ новой науки Заде рассмат-
ривал различные возможности ее практического применения. В итоге ему удалось показать, что нечеткая
логика может быть положена в основу нового поколения интеллектуальных систем управления. Вполне
естественно, что мимо такого перспективного инструмента не могли пройти военные - в начале 80-х годов
в Японии, а затем и в США в обстановке глубокой секретности были развернуты комплексные работы по
использованию нечеткой логики в различных оборонных проектах. Одним
из самых существенных ре-
зультатов является создание управляющего микропроцессора на основе нечеткой логики, который спосо-
бен автоматически решать известную «задачу о собаке, догоняющей кота». Здесь в роли кота выступает
межконтинентальная ракета противника, а в роли собаки - мобильная зенитная ракета, слишком легкая
для установки на нее громоздкой традиционной системы управления. Данная задача
теперь относится к
разряду классических, она включена во все учебные пособия и пакеты по нечеткой логике, и каждый мо-
жет поэкспериментировать с различными стратегиями поражения движущейся цели одним или несколь-
кими самоуправляемыми зарядами. Затем эти же метолы нечеткой логики позволили решить и обратную
задачу - разработать маневры для эффективного ухода от
антиракет. В результате такого успеха нечеткая
логика уверенно заняла свое место в ряду стратегически важных научных дисциплин, особенно в решении
разнообразных проблем искусственного интеллекта.
Искусственный интеллект как научное направление насчитывает более 40 лет и занимается исследо-
ванием любой интеллектуальной деятельностью человека, которая подчиняется «заранее известным зако-
нам» и связана с «поиском решений
, действий, закономерностей в новых, нестандартных ситуациях»
564
.
Основная задача состоит в воссоздании разумных рассуждений и действий на программном и аппаратном
уровнях. Искусственный интеллект используется в случаях, когда решения предполагают выбор между
многими вариантами в условиях неопределенности. Сама сфера искусственного интеллекта включает в
себя такие взаимосвязанные фундаментальные разделы, как представление знаний, манипулирование зна-
ниями, общение, восприятие, обучение и
поведение.
В последние годы сформировались два самостоятельных подхода к построению искусственного ра-
зума: первый основан на применении технологии экспертных систем, предполагающей программно-
алгоритмическую реализацию интеллектуальных функций, связанных с использованием знаний (так на-
зываемая «линия фон Неймана»), второй – на применении технологий нейросетевых структур, модели-
рующих интеллектуальные функции (нейрокомпьютинг)
565
. Именно нейрокомпьютинг – архитектура об-
работки информации «по образу и подобию» биологических нервных систем – за счет увеличения степени
параллелизма вычислений дает возможность решать проблемы, связанные с функционированием Интер-
нета, в котором большую часть трафика составляют уже не символы, а образы – картинка, музыка, речь и
видео. Поскольку компьютерная революция еще не завершена,
постольку проблемы искусственного ин-
562
Гвоздев В.И., Кузаев Г.А., Назаров И.В. Проблемы повышения быстродействия обработки цифровой информации // Ус-
пехи современной радиоэлектроники. 1996. № 6. С. 28.
563
См. Zadeh Lotfi. Fuzzy Sets // Information and Control. 1965. June. P. 338-353.
564
Макаров И.М. Искусственный интеллект – близкая реальность // Вестник РАН. 1996. Т. 66. № 2. С. 139.
565
Там же; Шумский С.А. Нейрокомпьютинг: состязание с человеческим мозгом // Вестник РАН. 2000. Т. 70. № 1.

Страницы