Статья на тему что такое математическая кибернетика. Математическая кибернетика

Возможности математического моделирования

Для любого объекта моделирования свойственны качественные и количественные характеристики. Математическое моделирование отдает предпочтение выявлению количественных особенностей и за­кономерностей развития систем. Это моделирование в значительной мере абстрагируется от конкретного содержания системы, но обяза­тельно учитывает его, пытаясь отобразить систему посредством ап­парата математики. Истинность математического моделирования, как и математики в целом, проверяется не путем соотнесения с конк­ретной эмпирической ситуацией, а фактом выводимости из других предложений .

Математическое моделирование представляет собой обширную сферу интеллектуальной деятельности. Это довольно сложный про­цесс создания математического описания модели. Оно включает в себя несколько этапов. Н. П. Бусленко выделяет три основных эта­па: построение содержательного описания, формализованной схемы и создание математической модели . По-нашему мнению, математическое моделирование состоит их четырех этапов:

первый - содержательное описание объекта или процесса, когда выделяются основные составляющие системы, закономерности си­стемы. Оно включает в себя числовые значения известных характе­ристик и параметров системы;

второй - формулировка прикладной задачи или задачи форма­лизации содержательного описания системы. Прикладная задача со­держит в себе изложение идей исследования, основных зависимостей, а также постановку вопроса, решение которого достигается посред­ством формализации системы;

третий - построение формализованной схемы объекта или про­цесса, что предполагает выбор основных характеристик и парамет­ров, которые будут использованы при формализации;

четвертый - превращение формализованной схемы в математи­ческую модель, когда идет создание или подбор соответствующих математических функций.

Исключительно важную роль в процессе создания математичес­кой модели системы играет формализация, под которой понимается специфический прием исследования, назначение которого в том, чтобы уточнять знание посредством выявления его формы (способа организации, структуры как связи компонентов содержания) . Процедура формализации предполагает введение симво­лов. Как отмечает А. К. Сухотин: "Формализовать некоторую со­держательную область, значит построить искусственный язык, в ко­тором понятия замещены символами, а высказывания - сочетания­ми символов (формулами). Создается исчисление, когда из одних знаковых сочетаний по фиксированным правилам можно получить другие" . При этом благодаря формализации оказывается выявленной такая информация, которая не улавливается на уровнях содержательного анализа . Понятно, что формализация затруднительна по отношению к сложным системам, отличающимся богатством и разнообразием связей.

После создания математической модели начинается ее применение для исследования некоторого реального процесса. При этом сначала определяется совокупность начальных условий и искомых величин. Здесь возможны несколько способов работы с моделью: аналитичес­кое ее исследование посредством специальных преобразований и ре­шением задач; использование численных методов решения, например метода статистических испытаний или метода Монте-Карло, метода­ми имитационного моделирования случайных процессов, а также посредством применения для моделирования компьютерной техники.

При математическом моделировании сложных систем надо учи­тывать сложность системы. Как справедливо отмечает Н. П. Буслен-ко, сложная система является многоуровневой конструкцией из вза­имодействующих элементов, объединенных в подсистемы различ­ных уровней. Математическая модель сложной системы состоит из математических моделей элементов и математических моделей взаи­модействия элементов . Взаимодействие элементов рассмат­ривается обычно как результат совокупности воздействий каждого элемента на другие элементы. Воздействие, представленное набором своих характеристик, называется сигналом. Поэтому взаимодействие элементов сложной системы изучается в рамках механизма обмена сигналами. Сигналы передаются по каналам связи, располагающи­мися между элементами сложной системы. Они имеют входы и выхо-

ды . При построении математической модели системы учи­тывают ее взаимодействие с внешней средой. При этом обычно внешнюю среду представляют в виде некоторой совокупности объ­ектов, воздействующих на элементы изучаемой системы. Значитель­ную трудность представляет решение таких задач как отображение качественных переходов элементов и системы из одних состояний в другие, отображение переходных процессов.

Согласно Н. П. Бусленко , механизм обмена сигналами как формализованная схема взаимодействия элементов сложной системы между собой или с объектами внешней среды включает в се­бя следующие составляющие:

процесс формирования выходного сигнала элементом, выдаю­ щим сигнал;

определение адреса передачи для каждой характеристики выход­ ного сигнала;

прохождение сигналов по каналам связи и компоновка входных сигналов для элементов, принимающих сигналы;

реагирование элемента, принимающего сигнал, на поступивший входной сигнал.

Таким образом, посредством последовательных этапов формали­зации, "разрезания" исходной задачи на части осуществляется про­цесс построения математической модели.

Особенности кибернетического моделирования

Основы кибернетики заложил известный американский философ и математик профессор Массачусетского технологического институ­та Норберт Винер (1894-1964) в работе "Кибернетика, или Управле­ние и связь в животном и машине" (1948 г.). Слово "кибернетика" происходит от греческого слова, означающего "кормчий". Большая заслуга Н. Винера в том, что он установил общность принципов уп­равленческой деятельности для принципиально различных объектов природы и общества. Управление сводится к передаче, хранению и переработке информации, т.е. к различным сигналам, сообщениям, сведениям. Основная заслуга Н. Винера заключается в том, что он впервые понял принципиальное значение информации в процессах управления. Ныне, по мнению академика А. Н. Колмогорова, кибер­нетика изучает системы любой природы, способные воспринимать, хранить и перерабатывать информацию и использовать ее для уп­равления и регулирования.

Существует известный разброс в определении кибернетики как науки, в выделении ее объекта и предмета. Согласно позиции акаде­мика А. И. Берга, кибернетика представляет собой науку об управ­лении сложными динамическими системами. Основу категориально­го аппарата кибернетики составляют такие понятия, как "модель", "система", "управление", "информация". Неоднозначность опреде­лений кибернетики связана с тем, что разные авторы делают акцен­ты на ту или иную базовую категорию. Например, акцентирование на категории "информация" заставляет рассматривать кибернетику как науку об общих законах получения, хранения, передачи и преоб­разования информации в сложных управляемых системах, а пред­почтение категории "управление"- как науку о моделировании уп­равления различными системами.

Подобная неоднозначность вполне правомерна, ибо она обус­ловлена полифункциональностью кибернетической науки, выполне­нием ею многообразных ролей в познании и практике. При этом ак­центирование интересов на той или иной функции заставляет видеть всю науку в свете этой функции. Такая гибкость кибернетической науки говорит о ее высоком познавательном потенциале.

Современная кибернетика представляет собой неоднородную на­уку (рис. 21). Она объединяет в себе совокупность наук, которые ис­следуют управление в системах различной природы с формальных позиций.

Как отмечалось, кибернетическое моделирование строится на формальном отображении систем и их составляющих с помощью понятий "вход" и "выход", которые характеризуют связи элемента со средой. При этом каждый элемент характеризуется некоторым количеством "входов" и "выходов" (рис. 22).

Рис. 22. Кибернетическое представление элемента

На рис. 22 Х 1 , Х 2 ,...Х М схематично показаны: "входы" элемента, Y 1 , Y 2 , ...,У Н - "выходы" элемента, а С 1 , С 2 ,...,С К - его состояния. Потоки вещества, энергии, информации воздействуют на "входы" элемента, формируют на его состояния и обеспечивают функциони­рование на "выходах". Количественной мерой взаимодействия "вхо­да" и "выхода" выступает интенсивность, которая представляет со­бой соответственно количество вещества, энергии, информации на единицу времени. Причем это взаимодействие непрерывное или дискретное. Теперь можно строить математические функции, кото­рые описывают поведение элемента.

Кибернетика рассматривает систему как единство управляющих и управляемых элементов. Управляемые элементы называются уп­равляемым объектом, а управляющие - управляющей системой. Структура управляющей системы строится по иерархическому принципу. Управляющая система и управляемая (объект) связаны между собой прямыми и обратными связями (рис. 23), а кроме того, каналами связи. Управляющая система по каналу прямой связи воз­действует на управляемый объект, корректируя воздействия на него окружающей среды. Это приводит к изменению состояния объекта управления и он меняет свое воздействие на окружающую среду. За­метим, что обратная связь может быть внешней, как это показано на рис. 23, или внутренней, которая обеспечивает внутреннее функцио­нирование системы, ее взаимодействие с внутренней средой.

Кибернетические системы представляют собой особый вид систе­мы. Как отмечает Л. А. Петрушенко , кибернетическая сис-

тема удовлетворяет, по крайней мере, трем требованиям: "1) она должна иметь определенный уровень организованности и особую структуру; 2) быть поэтому способной воспринимать, хранить, пере­рабатывать и использовать информацию, т.е. представлять собой информационную систему; 3) обладать управлением по принципу обратной связи. Кибернетическая система - это динамическая сис­тема, представляющая собой совокупность каналов и объектов свя­зи и обладающая структурой, позволяющей ей извлекать (восприни­мать) информацию из своего взаимодействия со средой или другой системой и использовать эту информацию для самоуправления по принципу обратной связи".

Определенный уровень организованности означает:

интеграцию в кибернетической системе управляемой и управля­ ющей подсистем;

иерархичность управляющей подсистемы и принципиальную сложность управляемой подсистемы;

наличие отклонений управляемой системы от цели или от равно­ весия, что приводит к изменению ее энтропии. Это предопределя­ ет необходимость выработки управленческого воздействия на нее со стороны управляющей системы.

Информация - основа кибернетической системы, которая ее воспринимает, перерабатывает и передает. Информация представ­ляет собой сведения, знания наблюдателя о системе, отражение ее меры разнообразия. Она определяет связи между элементами систе­мы, ее "вход" и "выход". Информационный характер кибернетичес­кой системы обусловлен:

Необходимостью получения информации о воздействии среды на управляемую систему;

важностью информации о поведении системы;

потребностью информации о строении системы.

Различные аспекты природы информации изучали Н. Винер, К. Шеннон, У. Р. Эшби, Л. Бриллюэн, А. И. Берг, В. М. Глушков, Н. М. Амосов, А. Н. Колмогоров и др. Философский энциклопедичес­кий словарь дает следующее толкование термина "информация" : 1) сообщение, осведомление о положении дел, сведения о чем-либо, передаваемые людьми; 2) уменьшаемая, снимаемая неоп­ределенность как результат получения сообщения; 3) сообщение, не­разрывно связанное с управлением, сигнал в единстве синтаксичес­ких, семантических и прагматических характеристик; 4) передача, отражение разнообразия в любых объектах и процессах (неживой и живой природы).

К наиболее важным свойствам информации следует отнести:

адекватность, т.е. соответствие реальным процессам и объектам;

релевантность, т.е. соответствие тем задачам, для решения кото­ рых она предназначена;

правильность, т.е. соответствие способа выражения информации ее содержанию;

точность, т.е. отражение соответствующих явлений с минималь­ ным искажением или минимальной ошибкой;

актуальность или своевременность, т.е. возможность ее исполь­ зования тогда, когда нужда в ней особенно велика;

всеобщность, т.е. независимость от отдельных частных измене­ ний;

степень подробности, т.е. детальность информации.

Любая кибернетическая система представляет собой элементы, которые связаны информационными потоками. В ней имеются ин­формационные ресурсы, осуществляется прием, переработка и пере­дача информации. Система существует в определенной информаци­онной среде, подвержена информационным шумам. К наиболее важ­ным ее проблемам следует отнести: недопущение искажения информации при передаче и приеме (проблема детской игры в "глу­хой телефон"); создание языка информации, который был бы поня­тен всем участникам управленческих отношений (проблема обще­ния); эффективного поиска, получения и использования информа­ции в управлении (проблема использования). Комплекс этих проблем приобретает известную неповторимость и разнообразие в

зависимости от специфики систем управления. Так, в информацион­ных системах органов государственной власти, как отмечают Н. Р. Нижник и О. А. Машков, возникает необходимость разреше­ния таких проблем: создания службы информационных ресурсов органов государственной власти и государственного управления; создания правовой основы ее функционирования; формирования инфраструктуры; создания системы информационного мониторинга; создания системы информационного сервиса .

Обратная связь представляет собой вид соединения элементов, когда связь между входом какого-либо элемента и выходом того же самого элемента осуществляется либо непосредственно, либо через другие элементы системы. Обратные связи бывают внутренние и внешние (рис. 24).

Управление по принципу обратной связи представляет собой сложный процесс, который включает:

постоянный мониторинг функционирования системы;

сравнение текущего функционирования системы с целями системы;

выработку воздействия на систему для приведения ее в соответ­ ствие с целью;

внедрение воздействия в систему.

Обратные связи бывают положительными и отрицательными. При этом положительная обратная связь усиливает действие вход­ного сигнала, имеет с ним одинаковый знак. Отрицательная же об­ратная связь ослабляет входной сигнал. Положительная обратная связь ухудшает устойчивость системы, поскольку выводит ее из рав­новесия, а отрицательная - способствует восстановлению равнове­сия в системе.

Немаловажную роль в кибернетическом моделировании играют представления о "черном", "сером" и "белом" ящиках. Под "черным ящиком" понимается кибернетическая система (объект, процесс, яв­ление), относительно внутренней организации, структуры и поведе­ния элементов которой наблюдатель (исследователь) не имеет ника­ких сведений, но есть возможность влиять на систему через ее входы и регистрировать ее реакции на выходе. Наблюдатель в процессе ма­нипулирования входа и фиксации результатов на віходе составляет протокол испытаний, анализ которого позволяет осветлить "черный ящик", т.е. получить представление о его структуре и закономернос­тях преобразования сигнала "входа" в сигнал "выхода". Такой ос­ветленный ящик получил название "серого ящика", который не да­ет, однако, полного представления о его содержании. Если наблюда­тель полностью представляет содержание системы, ее строение и механизм преобразования сигнала, то она превращается в "белый ящик".

Анохин П. К. Избранные труды: кибернетика функциональных систем. - М.: Медицина, 1968.

Батароев К. Б. Аналогии и модели в познании. - Новосибирск: Наука, 1981.

Бусленко Н. П. Моделирование сложных систем. - М.: Наука, 1978.

Бюриков Б. В. Кибернетика и методология науки. - М.: Наука, 1974.

Вартофский М. Модели. Репрезентация и научное понимание: Пер. с англ. / Общ. ред. и пред. И. Б. Новика и В. Н. Садовско­ го. - М.: Прогресс, 1988.

Винер Н. Кибернетика. - М.: Сов. Радио, 1968.

Идея, алгоритм, решение (при­ нятие решений и автоматизация). - М.: Воениздат, 1972.

Дружинин В. В., Конторов Д. С. Проблемы системологии (проб­ лемы теории сложных систем) / Пред. акад. Глушкова В. М. - М.: Сов. Радио, 1976.

Залмазон Л. А. Беседы об автоматике и кибернетике. - М.: На­ ука, 1981.

Кантарович Л. В., Плиско В. Е. Системный подход в методоло­ гии математики // Системные исследования: Ежегодник. - М.: Наука, 1983.

Кибернетика и диалектика. - М.: Наука, 1978.

Кобринский Н. Е., Майминас Е. З., Смирнов А. Д. Введение в эко­ номическую кибернетику. - М.: Экономика, 1975.

Лесечко М. Д. Основи системного підходу: теорія, методологія, практика: Навч. посіб. - Львів: ЛРІДУ УАДУ, 2002.

Математика и кибернетика в экономике. Словарь-справочник. - М.: Экономика, 1975.

Месарович М., Такахара Я. Общая теория систем: математичес­ кие основы. - М.: Мир, 1978.

Нижник Н. Р., Машков О. А. Системний підхід в організації дер­ жавного управління: Навч. посіб. / За заг. ред. Н. Р. Нижник. - К.: Вид-во УАДУ, 1998.

Новик И. Б. О моделировании сложных систем (Философский очерк). - М.: Мысль, 1965.

Петрушенко Л. А. Принцип обратной связи (Некоторые фило­ софские и методологические проблемы управления). - М.: Мысль, 1967.

Петрушенко Л. А. Единство системности, организованности и самодвижения. - М.: Мысль, 1975.

ПлотинскийЮ. М. Теоретические и эмпирические модели соци­ альных процессов: Учеб. пособ. для вузов. - М.: Логос, 1998.

Растригин Л. А. Современные принципы управления сложными объектами. - М.: Сов. Радио, 1980.

Сухотин А. К. Философия в математическом познании. - Томск: Изд-во Томского ун-та, 1977.

Тюхтин В. С. Отражение, система, кибернетика. - М.: Наука, 1972.

Уемов А. И. Логические основы метода моделирования. - М.: Мысль, 1971.

Философский энциклопедический словарь. - М.: Сов. энцикло­ педия, 1983.

Шрейдер Ю. А., Шаров А. А. Системы и модели. - М.: Радио и связь, 1982.

Штофф В. А. Введение в методологию научного познания: Учеб. пособ. - Л.: Изд-во ЛГУ, 1972.

Отсутствует Нет данных

Сборник продолжает (с 1988 г.) математическую направленность всемирно известной серии «Проблемы кибернетики». В сборник включены оригинальные и обзорные статьи по магистральным направлениям мировой науки, содержащие новейшие результаты фундаментальных исследований.

Авторами сборника являются в основном известные специалисты, часть статей написана молодыми учеными, получившими в последнее время яркие новые результаты. Среди представленных в сборнике направлений – теория синтеза и сложности управляющих систем; связанные с многозначными логиками и автоматами проблемы выразимости и полноты в теории функциональных систем; фундаментальные вопросы дискретной оптимизации и распознавания; проблематика экстремальных задач для дискретных функций (задачи Фейера, Турана, Дельсарта на конечной циклической группе); исследование математических моделей передачи информации в сетях связи, представлен также ряд других разделов математической кибернетики.

Следует особо отметить обзорную статью О. Б. Лупанова «А. Н. Колмогоров и теория сложности схем». Выпуск 16 – 2007 г. Для специалистов, аспирантов, студентов, интересующихся современным состоянием математической кибернетики и ее приложений.

Теория хранения и поиска информации

Валерий Кудрявцев Учебная литература Отсутствует

Вводится новый вид представления баз данных, называемый информационно-графовой моделью данных, обобщающий известные ранее модели. Рассматриваются основные типы задач поиска информации в базах данных и исследуются проблемы сложности решения этих задач применительно к информационно-графовой модели.

Разработан математический аппарат решения этих задач, основанный на методах теории сложности управляющих систем, теории вероятностей, а также на оригинальных методах характеристических носителей графа, оптимальной декомпозиции и снижения размерности.

Книга предназначена для специалистов в области дискретной математики , математической кибернетики, теории распознавания и алгоритмической сложности.

Теория тестового распознавания

Валерий Кудрявцев Учебная литература Отсутствует

Описывается логический подход к распознаванию образов. Его основным понятием выступает тест. Анализ совокупности тестов позволяет строить функционалы, характеризующие образ и процедуры вычисления их значений. Указываются качественные и метрические свойства тестов, функционалов и процедур распознавания.

Приводятся результаты решения конкретных задач. Книга может быть рекомендована математикам , кибернетикам, информатикам и инженерам как научная монография и как новый технологический аппарат, а также как учебное пособие для студентов и аспирантов, специализирующихся в области математической кибернетики, дискретной математики и математической информатики.

Задачи по теории множеств, математической логике и теории алгоритмов

Игорь Лавров Учебная литература Отсутствует Нет данных

В книге в форме задач систематически изложены основы теории множеств, математической логики и теории алгоритмов. Книга предназначена для активного изучения математической логики и смежных с ней наук. Состоит из трех частей: «Теория множеств», «Математическая логика» и «Теория алгоритмов».

Задачи снабжены указаниями и ответами. Все необходимые определения сформулированы в кратких теоретических введениях к каждому параграфу. 3-е издание книги вышло в 1995 г. Сборник может быть использован как учебное пособие для математических факультетов университетов, педагогических институтов, а также в технических вузах при изучении кибернетики и информатики.

Для математиков – алгебраистов, логиков и кибернетиков.

Основы теории булевых функций

Сергей Марченков Техническая литература Отсутствует Нет данных

Книга содержит развернутое введение в теорию булевых функций. Изложены основные свойства булевых функций и доказан критерий функциональной полноты. Приведено описание всех замкнутых классов булевых функций (классов Поста) и дано новое доказательство их конечной порождаемости.

Рассмотрено задание классов Поста в терминах некоторых стандартных предикатов. Изложены основы теории Галуа для классов Поста. Введены и исследованы два «сильных» оператора замыкания: параметрического и позитивного. Рассмотрены частичные булевы функции и доказан критерий функциональной полноты для класса частичных булевых функций.

Исследована сложность реализации булевых функций схемами из функциональных элементов. Для студентов, аспирантов и преподавателей высшей школы, изучающих и преподающих дискретную математику и математическую кибернетику. Допущено УМО по классическому университетскому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлениям ВПО 010400 «Прикладная математика и информатика» и 010300 «Фундаментальная информатика и информационные технологии».

Численные методы оптимизации 3-е изд., испр. и доп. Учебник и практикум для академического бакалаври

Александр Васильевич Тимохов Учебная литература Бакалавр. Академический курс

Учебник написан на основе курсов лекций по оптимизации, которые на протяжении ряда лет читались авторами на факультете вычислительной математики и кибернетики Московского государственного университета имени М. В. Ломоносова. Основное внимание уделено методам минимизации функций конечного числа переменных.

Издание включает в себя теорию и численные методы решения задач оптимизации, а также примеры прикладных моделей, сводящиеся к данному типу математических задач. В приложение вынесены все необходимые сведения из математического анализа и линейной алгебры.

Физика. Практический курс для поступающих в университеты

В. А. Макаров Учебная литература Отсутствует

Пособие предназначено для учащихся выпускных классов средних школ с углубленным изучением физики и математики. Его основу составляют задачи по физике, предлагавшиеся в течение последних 20 лет абитуриентам факультета вычислительной математики и кибернетики МГУ им.

М. В. Ломоносова. Материал разбит по темам в соответствии с программой вступительных испытаний по физике для поступающих в МГУ. Каждая тема предваряется краткой сводкой базовых теоретических сведений, которые необходимы для решения задач и окажутся полезными при подготовке к вступительным экзаменам.

Всего в сборник включено около 600 задач, свыше половины из них снабжены подробными решениями и методическими указаниями. Для школьников, готовящихся к поступлению на физико-математические факультеты университетов.

Методы оптимизации 3-е изд., испр. и доп. Учебник и практикум для академического бакалавриата

Вячеслав Васильевич Федоров Учебная литература Бакалавр и магистр. Академический курс

Учебник написан на основе курсов лекций по оптимизации, которые на протяжении ряда лет читались авторами на факультете вычислительной математики и кибернетики Московского государственного университета им. М. В. Ломоносова. Основное внимание уделено методам минимизации функций конечного числа переменных.

Издание включает задачи. В приложение вынесены все необходимые сведения из математического анализа и линейной алгебры.

Интеллектуальные системы. Теория хранения и поиска информации 2-е изд., испр. и доп. Учебник для бак

Рассматриваются основные типы задач поиска информации в базах данных, исследуются проблемы сложности решения этих задач применительно к информационно-графовой модели.

Аналитическая геометрия

В. А. Ильин Учебная литература Отсутствует Нет данных

Учебник написан на основе опыта преподавания авторов в Московском государственном университете им. М. В. Ломоносова. Первое издание вышло в 1968 г. , второе (1971 г.) и третье (1981 г.) издания стереотипные, четвертое издание (1988 г.) было дополнено материалом, посвященным линейным и проективным преобразованиям.

Математическая теория игр является составной частью обширного раздела математики – исследования операций. Методы теории игр широко применяется в экологии, психологии, кибернетике, биологии – везде, где множество участников преследуют в совместной деятельности различные (зачастую противоположные) цели.

Но основная область применения этой дисциплины – экономика и общественные науки. Учебник включает темы, которые являются базовыми и обязательны в обучении экономистов. В нем представлены классические разделы теории игр, такие как матричные, биматричные некооперативные и статистические игры, и современные разработки, например, игры с неполной и несовершенной информацией, кооперативные и динамические игры.

Теоретический материал в книге широко проиллюстрирован примерами и снабжен заданиями для индивидуальной работы, а также тестами.

Назвал её наукой эффективной организации, а Гордон Паск расширил определение, включив потоки информации «из любых источников», начиная со звёзд и заканчивая мозгом.

Согласно другому определению кибернетики, предложенному в 1956 году Л. Куффиньялем (англ. ) , одним из пионеров кибернетики, кибернетика - это «искусство обеспечения эффективности действия» .

Ещё одно определение предложено Льюисом Кауфманом (англ. ) : «Кибернетика - это исследование систем и процессов, которые взаимодействуют сами с собой и воспроизводят себя».

Кибернетические методы применяются при исследовании случая, когда действие системы в окружающей среде вызывает некоторое изменение в окружающей среде, а это изменение проявляется на системе через обратную связь , что вызывает изменения в способе поведения системы. В исследовании этих «петель обратной связи » и заключаются методы кибернетики.

Современная кибернетика зарождалась, включая в себя исследования в различных областях систем управления , теории электрических цепей , машиностроения , математического моделирования , математической логики , эволюционной биологии , неврологии , антропологии . Эти исследования появились в 1940 году , в основном, в трудах учёных на т. н. конференциях Мэйси (англ. ) .

Другие области исследований, повлиявшие на развитие кибернетики или оказавшиеся под её влиянием: теория управления , теория игр , теория систем (математический аналог кибернетики), психология (особенно нейропсихология , бихевиоризм , познавательная психология) и философия .

Видео по теме

Сфера кибернетики

Объектом кибернетики являются все управляемые системы. Системы , не поддающиеся управлению, в принципе, не являются объектами изучения кибернетики. Кибернетика вводит такие понятия, как кибернетический подход , кибернетическая система . Кибернетические системы рассматриваются абстрактно, вне зависимости от их материальной природы. Примеры кибернетических систем - автоматические регуляторы в технике, ЭВМ , человеческий мозг, биологические популяции, человеческое общество. Каждая такая система представляет собой множество взаимосвязанных объектов (элементов системы), способных воспринимать, запоминать и перерабатывать информацию, а также обмениваться ею. Кибернетика разрабатывает общие принципы создания систем управления и систем для автоматизации умственного труда. Основные технические средства для решения задач кибернетики - ЭВМ. Поэтому возникновение кибернетики как самостоятельной науки (Н. Винер , 1948) связано с созданием в 40-х годах XX века этих машин, а развитие кибернетики в теоретических и практических аспектах - с прогрессом электронной вычислительной техники.

Теория сложных систем

Теория сложных систем анализирует природу сложных систем и причины, лежащие в основе их необычных свойств.

Способ моделирования сложной адаптивной системы

В вычислительной технике

В вычислительной технике методы кибернетики применяются для управления устройствами и анализа информации.

В инженерии

Кибернетика в инженерии используется, чтобы проанализировать отказы систем, в которых маленькие ошибки и недостатки могут привести к сбою всей системы.

В экономике и управлении

В математике

В психологии

В социологии

История

В Древней Греции термин «кибернетика», изначально обозначавший искусство кормчего, стал использоваться в переносном смысле для обозначения искусства государственного деятеля, управляющего городом. В этом смысле он, в частности, используется Платоном в «Законах ».

Джеймс Уатт

Первая искусственная автоматическая регулирующая система, водяные часы , была изобретена древнегреческим механиком Ктезибием. В его водяных часах вода вытекала из источника, такого как стабилизирующий бак, в бассейн, затем из бассейна - на механизмы часов. Устройство Ктезибия использовало конусовидный поток для контроля уровня воды в своём резервуаре и регулировки скорости потока воды соответственно, чтобы поддержать постоянный уровень воды в резервуаре, так, чтобы он не был ни переполнен, ни осушен. Это было первым искусственным действительно автоматическим саморегулирующимся устройством, которое не требовало никакого внешнего вмешательства между обратной связью и управляющими механизмами. Хотя они, естественно, не ссылались на это понятие как на науку кибернетику (они считали это областью инженерного дела), Ктезибий и другие мастера древности, такие как Герон Александрийский или китайский учёный Су Сун, считаются одними из первых, изучавших кибернетические принципы. Исследование механизмов в машинах с корректирующей обратной связью датируется ещё концом XVIII века , когда паровой двигатель Джеймса Уатта был оборудован управляющим устройством, центробежным регулятором обратной связи для того, чтобы управлять скоростью двигателя. А. Уоллес описал обратную связь как «необходимую для принципа эволюции» в его известной работе 1858 года . В 1868 году великий физик Дж. Максвелл опубликовал теоретическую статью по управляющим устройствам, одним из первых рассмотрел и усовершенствовал принципы саморегулирующихся устройств. Я. Икскюль применил механизм обратной связи в своей модели функционального цикла (нем. Funktionskreis ) для объяснения поведения животных.

XX век

Современная кибернетика началась в 1940-х как междисциплинарная область исследования, объединяющая системы управления, теории электрических цепей, машиностроение, логическое моделирование, эволюционную биологию, неврологию. Системы электронного управления берут начало с работы инженера Bell Labs Гарольда Блэка в 1927 году по использованию отрицательной обратной связи, для управления усилителями. Идеи также имеют отношения к биологической работе Людвига фон Берталанфи в общей теории систем .

Кибернетика как научная дисциплина была основана на работах Винера, Мак-Каллока и других, таких как У. Р. Эшби и У. Г. Уолтер .

Уолтер был одним из первых, кто построил автономные роботы в помощь исследованию поведения животных. Наряду с Великобританией и США, важным географическим местоположением ранней кибернетики была Франция.

Норберт Винер

Во время этого пребывания во Франции Винер получил предложение написать сочинение на тему объединения этой части прикладной математики, которая найдена в исследовании броуновского движения (т. н. винеровский процесс) и в теории телекоммуникаций. Следующим летом, уже в Соединённых Штатах, он использовал термин «кибернетика» как заглавие научной теории. Это название было призвано описать изучение «целенаправленных механизмов» и было популяризировано в книге «Кибернетика, или управление и связь в животном и машине» (Hermann & Cie, Париж, 1948). В Великобритании вокруг этого в 1949 году образовался Ratio Club (англ. ) .

Кибернетика в СССР

Голландские учёные-социологи Гейер и Ван дер Зоувен в 1978 году выделили ряд особенностей появляющейся новой кибернетики. «Одной из особенностей новой кибернетики является то, что она рассматривает информацию как построенную и восстановленную человеком, взаимодействующим с окружающей средой. Это обеспечивает эпистемологическое основание науки, если смотреть на это с точки зрения наблюдателя. Другая особенность новой кибернетики - её вклад в преодоление проблемы редукции (противоречий между макро- и микроанализом). Таким образом, это связывает индивидуума с обществом» . Гейер и Ван дер Зоувен также отметили, что «переход от классической кибернетики к новой кибернетике приводит к переходу от классических проблем к новым проблемам. Эти изменения в размышлении включают, среди других, изменения от акцента на управляемой системе к управляющей и фактору, который направляет управляющие решения. И новый акцент на коммуникации между несколькими системами, которые пытаются управлять друг другом»

Поиск материалов:

Количество Ваших материалов: 0.

Добавьте 1 материал

Свидетельство
о создании электронного портфолио

Добавьте 5 материала

Секретный
подарок

Добавьте 10 материалов

Грамота за
информатизацию образования

Добавьте 12 материалов

Рецензия
на любой материал бесплатно

Добавьте 15 материалов

Видеоуроки
по быстрому созданию эффектных презентаций

Добавьте 17 материалов

1.8. Кибернетические аспекты информатики
1.8.1. Предмет кибернетики

Слово «кибернетика» происходит от греческого слова, означающего в переводе
«кормчий». Его современное значение связано с научной областью, начало которой
положила книга американского ученого Норберта Винера «Кибернетика, или
управление и связь в животном и машине», вышедшая в 1948 г. Вскоре предметом
новой науки стали не только биологические и технические системы, но и системы
любой природы, способные воспринимать, хранить и перерабатывать информацию
и использовать ее для управления и регулирования. В изданной в 1947 г.
«Энциклопедии кибернетики» говорится, что это «...наука об общих законах
получения, хранения, передачи и преобразования информации в сложных
управляющих системах. При этом под управляющими системами здесь понимаются
не только технические, а и любые биологические, административные и социальные
системы». Таким образом, кибернетика и информатика являются, скорее всего,
единой наукой. Сегодня кибернетику все чаще считают частью информатики, ее
«высшим» разделом, в какой­то степени аналогичным по положению «высшей
математике» по отношению ко всей математике вообще (примерно в таком же
положении по отношению к информатике находится и наука «искусственный
интеллект»). Информатика в целом шире кибернетики, так как в информатике
имеются аспекты, связанные с архитектурой и программированием ЭВМ, которые
непосредственно к кибернетике отнести нельзя.
Кибернетические разделы информатики богаты подходами и
моделями в исследовании разнообразных систем и используют в качестве аппарата
многие разделы фундаментальной и прикладной математики.
Классическим и до известной степени самостоятельным разделом кибернетики
считают исследование операций. Под этим термином понимают применение
математических методов для обоснования решений в различных областях
целенаправленной человеческой деятельности.

Поясним, что понимается под «решением». Пусть предпринимается некоторое
мероприятие (в производственной, экономической или социальной сфере),
направленное на достижение определенной цели – такое мероприятие называется
«операцией». У лица (или группы лиц), ответственного за проведение этого
мероприятия, имеется возможность выбора, как его организовать. Например: можно
выбрать виды продукции, которые будут выпускаться; оборудование, которое при
этом будет применяться; так или иначе распределить имеющиеся средства и т.д.
«Операция» есть управляемое мероприятие.
Решение есть выбор из ряда возможностей, имеющихся у ответственного лица.
Решения могут быть удачными и неудачными, разумными и
неразумными.Оптимальными называют решения, по тем или другим причинам
более предпочтительные, чем другие. Цель исследования операций –
математическое (количественное) обоснование оптимальных решений.
Исследование операций включает в себя следующие разделы:
1) математическое программирование (обоснование планов, программ
хозяйственной деятельности); оно включает в себя относительно самостоятельные
разделы:линейное программирование, нелинейное программирование,
динамическое программирование (во всех этих названиях термин
«программирование» возник исторически и не имеет отношения к
программированию ЭВМ);
2) теорию массового обслуживания, опирающуюся на теорию случайных процессов;
3) теорию игр, позволяющую обосновывать решения, принимаемые в условиях
неполноты информации.
Отметим, что эти разделы не связаны непосредственно с ЭВМ и техническими
системами. Иным, быстро развивавшимся в 1970–1980­х гг. разделом кибернетики
были системы автоматического (автоматизированного) регулирования. Этот раздел
имеет замкнутый, автономный характер, исторически сложившийся
самостоятельно. Он тесно связан с разработкой технических систем
автоматизированного регулирования и управления технологическими и
производственными процессами.

Еще одним классическим разделом кибернетики является распознавание
образов, возникшее из задачи моделирования в технических системах восприятия
человеком знаков, предметов и речи, а также формирования у человека понятий
(обучение в простейшем, техническом смысле). Этот раздел в значительной мере
возник из технических потребностей робототехники. Например, требуется, чтобы
робот­сборщик распознавал нужные детали. При автоматической сортировке (или
отбраковке) деталей необходима способность распознавания.
Вершиной кибернетики (и всей информатики в целом) является раздел,
посвященный проблемам искусственного интеллекта. Большинство современных
систем управления обладают свойством принятия решений – свойством
интеллектуальности, т.е. в них смоделирована интеллектуальная деятельность
человека при принятии решений.

1.8.2. Управляемые системы

Несмотря на многообразие задач, решаемых в кибернетике, разнообразие моделей,
подходов и методов, кибернетика остается единой наукой благодаря использованию
общей методологии, основанной на теории систем и системном анализе.
Система – это предельно широкое, начальное, строго не определяемое понятие.
Предполагается, что система обладает структурой, т.е. состоит из относительно
обособленных частей (элементов), находящихся, тем не менее, в существенной
взаимосвязи и взаимодействии. Существенность взаимодействия состоит в том, что
благодаря ему элементы системы приобретают все вместе некую новую функцию,
новое свойство, которыми не обладает ни один из элементов в отдельности. В этом
состоит отличие системы от сети, также состоящей из отдельных элементов, но не
связанных между собой существенными отношениями. Сравните, например,
предприятие, цеха которого образуют систему, поскольку лишь все вместе
приобретают свойство выпускать конечную продукцию (и ни один из них в
отдельности с этой задачей не справится), и сеть магазинов, которые могут работать
независимо друг от друга.

Кибернетика как наука об управлении изучает не все системы вообще, а
только управляемые системы. Зато область интересов и приложений кибернетики
распространяется на самые разнообразные биологические, экономические,
социальные системы.
Одной из характерных особенностей управляемой системы является возможность
переходить в различные состояния под влиянием управляющих воздействий. Всегда
существует некое множество состояний системы, из которых производится выбор
оптимального состояния.
Отвлекаясь от конкретных особенностей отдельных кибернетических систем и
выделяя общие для некоторого множества систем закономерности, описывающие
изменение их состояния при различных управляющих воздействиях, мы приходим к
понятию абстрактной кибернетической системы. Ее составляющими являются не
конкретные предметы, а абстрактные элементы, характеризующиеся
определенными свойствами, общими для широкого класса объектов.
Поскольку под кибернетическими системами понимаются управляемые системы, в
них должен присутствовать механизм, осуществляющий функции управления. Чаще
всего этот механизм реализуется в виде органов, специально предназначенных для
управления (рис. 1.38).

Рис. 1.38. Схематическое изображение кибернетической системы в виде
совокупности управляющей и управляемой частей

Стрелками на рисунке обозначены воздействия, которыми обмениваются части
системы. Стрелка, идущая от управляющей части системы к управляемой,
обозначает сигналы управления. Управляющая часть системы, вырабатывающая
сигналы управления, называется управляющим устройством. Управляющее
устройство вырабатывает сигналы управления на основе информации о состоянии

управляемой системы (изображены на рисунке стрелкой от управляемой части
системы к управляющей ее части) с целью достичь требуемого состояния
возмущающих воздействий. Совокупность правил, по которым информация,
поступающая в управляющее устройство, перерабатывается в сигналы управления,
называется алгоритмом управления.
На основе введенных понятий можно определить понятие
«управление». Управление – это воздействие на объект, выбранное из множества
возможных воздействий на основе имеющейся для этого информации, улучшающее
функционирование или развитие данного объекта.
В системах управления решаются четыре основных типа задач управления: 1)
регулирование (стабилизация); 2) выполнение программы; 3) слежение; 4)
оптимизация.
Задачами регулирования является поддержание параметров системы –
управляемых величин – вблизи некоторых неизменных заданных значений {x},
несмотря на действие возмущений М, влияющих на значения {x}. Здесь имеется в
виду активная защита от возмущений, принципиально отличающаяся от пассивного
способа защиты.Активная защита предполагает выработку в управляющих системах
управляющих воздействий, противодействующих возмущениям. Так, задача
поддержания необходимой температуры системы может быть решена с помощью
управляемого подогрева или охлаждения. Пассивная защита заключается в
придании объекту таких свойств, чтобы зависимость интересующих нас параметров
от внешних возмущений была мала. Примером пассивной защиты является
теплоизоляция для поддержания заданной температуры системы,
антикоррозионные покрытия деталей машин.
Задача выполнения программы возникает в случаях, когда заданные значения
управляемых величин {х} изменяются во времени известным образом, например в
производстве при выполнении работ согласно заранее намеченному графику. В
биологических системах примерами выполнения программы являются развитие
организмов из яйцеклеток, сезонные перелеты птиц, метаморфозы насекомых.
Задача слежения – поддержание как можно более точного соответствия некоторого
управляемого параметра x0(t) текущему состоянию системы, меняющемуся

непредвидимым образом. Необходимость в слежении возникает, например, при
управлении производством товаров в условиях изменения спроса.
Задачи оптимизации – установления наилучшего в определенном смысле режима
работы или состояния управляемого объекта – встречаются весьма часто, например
управление технологическими процессами с целью минимизации потерь сырья и т.д.
Системы, в которых для формирования управляющих воздействий не используется
информация о значениях, которые управляемые величины принимают в процессе
управления, называются разомкнутыми системами управления. Структура такой
системы показана на рис. 1.39.

Рис. 1.39. Разомкнутая система управления

Алгоритм управления реализуется управляющим устройством УУ, которое
обеспечивает слежение за возмущением М и компенсацию этого возмущения, без
использования управляемой величины X.
Напротив, в замкнутых системах управления для формирования управляющих
воздействий используется информация о значении управляемых величин.
Структура такой системы показана на рис. 1.40. Связь между выходными
параметрами X и входными У одного и того же элемента управляемой системы
называется обратной связью.

Рис. 1.40. Замкнутая система управления

Обратная связь является одним из важнейших понятий кибернетики, помогающим
понять многие явления, которые происходят в управляемых системах различной
природы. Обратную связь можно обнаружить при изучении процессов,
протекающих в живых организмах, экономических структурах, системах
автоматического регулирования. Обратная связь, увеличивающая влияние входного
воздействия на управляемые параметры системы, называется положительной,
уменьшающая влияние входного воздействия – отрицательной.
Положительная обратная связь используется во многих технических устройствах
для усиления, увеличения значений входных воздействий. Отрицательная
обратная связь используется для восстановления равновесия, нарушенного внешним
воздействием на систему.

1.8.3. Функции человека и машины в системах управления

Хорошо изученной областью применения кибернетических методов является
технологическая и производственная сфера, управление промышленным
предприятием.
Задачи, возникающие в управлении предприятием среднего и большого масштаба,
уже весьма сложны, но допускают решение с использованием электронно­
вычислительных машин. Системы управления хозяйством предприятий или
территорий (регионов, городов), использующие ЭВМ для переработки и хранения
информации, получили название автоматизированных систем управления (АСУ). По
своему характеру такие системы являются человеко­машинными, т.е. наряду с
использованием мощных компьютеров предполагается и наличие человека с его
интеллектом.
В человеко­машинных системах предполагается следующее разделение функций
машины и человека: машина хранит и перерабатывает большие массивы

информации, осуществляет информационное обеспечение принятия решений
человеком; человек принимает управленческие решения.
Чаще в человеко­машинных системах компьютеры выполняют рутинную,
нетворческую, трудоемкую переработку информации, освобождая человеку время
для творческой деятельности. Однако целью развития компьютерной
(информационной) технологии управления является полная автоматизация
деятельности, включающая частичное или полное освобождение человека от
необходимости принятия решений. Это связано не только со стремлением разгрузить
человека, но и с тем, что развитие техники и технологий привело к ситуациям, когда
человек в силу присущих ему физиологических и психологических ограничений
просто не успевает принимать решения в реальном масштабе времени протекания
процесса, что грозит катастрофическими последствиями, например: необходимость
включения аварийной защиты ядерного реактора, реакция на события,
происходящие при запусках космических аппаратов и т.д.
Система, заменяющая человека, должна обладать интеллектом, в какой­то мере
подобным человеческому – искусственным интеллектом. Исследовательское
направление в области систем искусственного интеллекта также относится к
кибернетике, однако вследствие его важности для перспектив всей информатики в
целом, мы рассмотрим его в отдельном параграфе.

Контрольные вопросы

1. Каков предмет науки «Кибернетика»?
2. Охарактеризуйте задачи, решаемые в научном разделе «исследование операций».
3. Какое место в кибернетике занимает теория автоматического управления и
регулирования?
4. Что означает понятие «система»?
5. Что такое «система управления»?
6. Охарактеризуйте задачи, возникающие в системах управления.

7. Что такое «обратная связь»? Приведите примеры обратной связи в окружающих
вас управляемых системах.
8. Что такое АСУ?
9. Каково место человека и ЭВМ в человеко­машинных системах управления?

В ходе развития научно­технической революции резко возрастает физическое, химическое
и биологическое воздействие человека на природу. Чем сильнее такое воздействие, тем
эффективнее должны быть и средства управления ими, и первостепенной задачей нашего
времени становится уже не только и не столько выбор оптимальных (экономически
выгодных) режимов управления, сколько предвидение и предотвращение
всевозрастающей опасности возникновения необратимых природных процессов, грозящих
существованию человека и вообще жизни на Земле. Едва ли когда­либо ранее перед
человечеством ставилась более сложная и более ответственная задача.
Можно спорить о том, когда именно наступят необратимые сдвиги в природе и какими
будут их последствия, однако несомненно, что срок, отведенный историей для решения
этой сложнейшей проблемы, не так уж велик.
В этом свете особое значение приобретают работы по теории систем или системологии
(чаще называемой “системным подходом”, который, собственно, и возник в связи с
потребностью решения задач подобной степени сложности). Особенно ценны те работы
системной ориентации, в которых не только излагаются основные принципы методологии
теории систем, по и демонстрируется эффективность системного подхода к решению
достаточно сложных и актуальных кибернетических проблем. Данная книга является
работой как раз такого типа: системной и по предмету, и по духу изложения.
В первой части книги автор детально разбирает сущность системного подхода, но второй
применяет его к решению наиболее общих семиотических проблем кибернетики. Обе
части книги оригинальны и имеют самостоятельное значение.
Одна из отличительных сторон книги состоит в попытке изложить суть системологии с
единой точки зрения. Для этого автор глубоко анализирует понятия, лежащие в основе
излагаемой концепции системологии, и показывает, что эти понятия связаны с законами и

категориями материалистической диалектики н что системный подход­­это лишь
доведение до уровня конкретных практических приложений знаний основных законов
развития природы, а не новое мировоззрение, как нередко представляется теоретикам
теории систем на Западе.
Автор не пытается формализовать само изложение, что, конечно, было бы
преждевременным, хотя и весьма заманчивым, однако принятую в книге манеру
изложения можно считать первым шагом в этом направлении.
При изложении системного подхода основное внимание в работе Г. П. Мельников уделяет
тому, что объединяет систему в единое целое. Многие авторы при исследовании сложных
систем стремятся либо разделить их на более простые части и рассматривать связи между
частями как помеху для подобного разделения, либо, наоборот, сосредоточить все
внимание лишь на связующих звеньях, на сети отношений (структуре) между частями и
элементами целого и объявляют природу связываемых элементов несущественной для
становления целостности. В отличие от них, Г. П. Мельников обращает внимание и на
структуру целого, и на те свойства, которые возникают в каждом се элементе благодаря
самому факту существования системы как некоторого единства, и на свойства целого,
вытекающие из своеобразия свойств элементов, показывая механизмы
взаимосогласования всех этих параметров системы, формирующейся при обязательном
взаимодействии с внешней средой.
Каждая система, поскольку она существует, должна приобрести свойства, необходимые
для противодействия внешним силам (воздействиям других систем), которые стремятся
разрушить данную систему. Чем дольше существует система и чем сильнее воздействия,
которым она подвергается, тем в большей мере в системе в целом и в каждом ее элементе
должны проявляться свойства взаимосогласованности, выработанные в процессе
адаптации. Именно эти свойства имел в виду Гегель, когда говорил, что в капле
отражаются свойства океана.
Выявление этих общих свойств и обнаружение их первопричины (таящейся в комплексе
внешних воздействий), названной автором детерминантой системы, открывает широкие
возможности для исследования тех свойств сложных систем, которые, собственно, и
делают их “сложными”.
Это позволяет по­новому взглянуть на понятие системы и обнаружить такие связи между
ее частями и такие особенности ее элементов, о существовании которых нередко трудно и

заподозрить. Именно на этом пути Г. П. Мельникову, в результате исследования свойств
подавляющего числа языков мира, удалось обнаружить вполне определенные типы
зависимостей между грамматикой языка и его фонетикой и создать новую, системную
типологию языков, сопоставляя строй языков по особенностям их детерминант .
Подход, развиваемый автором, позволяет достаточно четко определить отличие
системного подхода от структурного. Оказалось, что эти отличия по существу заключены
в одном постулате: представления структуралистов базируются на тезисе о том, что
существует абсолютно аморфный материал, из которого система (мгновенно) формирует
свойства данного элемента системы в соответствии только с его местом в структуре.
Согласно системологическим взглядам, абсолютно аморфного материала нет. Каждый
материал несет свойства предыдущих систем, в которые он ранее входил и, более того,
выработал в процессе адаптации в этих системах способность в той или иной мере
сохранять свои приобретенные свойства. Поэтому, когда такой материал служит для
образования новой системы, то происходит длительное приспособление старых и
формирование новых свойств в ходе адаптации, т. е. в каждый момент времени в каждом
элементе системы имеются два рода свойств: первоначальные (материальные),
отражающие предысторию материала, и навязанные системой (структурные),
определяемые детерминантой системы.
Затронутые автором вопросы отношений структурного (“логического”,
“синтаксического”) и субстанциального (“материального”, “систематического”) в
реальных естественных и искусственных системах не только представляют
общефилософский интерес, но имеют также весьма важное значение при построении
человекомашинных систем, которые являются основным инструментом решения наиболее
сложных современных задач кибернетики .
Для эффективного использования таких систем необходимо прежде всего разделить
процесс решения на две части: предназначенную для машины, формальную,
соотносящуюся со структурой исследуемого или конструируемого объекта, с логикой
взаимодействия его частей, и содержательную, семантическую, требующую учета не
сводимых к структуре особенностей субстанции объекта и поэтому возлагаемую на
человека. При этом главная забота человека заключается в наиболее полном
использовании возможностей техники, чтобы оставшаяся на его долю неформализованная
часть задачи оказалась посильной реальному коллективу специалистов.

Умение человека неформально выделять формализуемую часть задачи, как и другие
способности человека оперировать с неформальными объектами,-одна из величайших
загадок природы. Поэтому любая попытка проникнуть в эту тайну или хотя бы наметить
подходы к ней имеет большое значение.
С этой точки зрения концепции, изложенные в книге, открывают весьма заманчивые
перспективы. Хотя автор стремится не подчеркивать связь развиваемых им идей с
проблемами искусственного интеллекта, однако она вполне определенно ощущается при
чтении книги. При этом автор концентрирует внимание на центральной проблеме: как
мыслит человек, какую роль играет язык в процессе мышления, как мысль облекается в
слова в актах общения одного человека с другим, а не на модных проблемах создания
эвристических (человекоподобных) методов решения искусственных игровых задач. В
этом отношении проблематика книги касается разработки принципов построения
интегральных роботов (а не эвристического программирования) .
К выявлению этих принципов автор идет не столько от непосредственного технического
экспериментирования, сколько от системной интерпретации богатого семиотического,
лингвистического и психологического материала, накопленного к настоящему времени. В
связи с этим в книге большое внимание уделено анализу таких кардинальных вопросов
кибернетики, как истоки способности к формированию механизмов опознания,
прогнозирования, знаковой коммуникации и моделирования и опенка возможности
использования этих механизмов для содержательного общения человека с машиной и
машин между собой. Для экономного описания типовых компонентов этих процессов
автор вводит специализированный символический аппарат.
Изложение предлагаемого в книге содержания отличается фундаментальностью и
убедительностью. Однако нужно помнить, что вопросы, обсуждаемые в книге, относятся в
настоящее время к числу наиболее трудных для изложения и понимания, и поэтому
читатель, взявшийся за эту книгу, должен заранее настроиться на нелегкий труд. Многие
места придется перечитывать, над многим поразмыслить, по можно с уверенностью
сказать, что усердие читателя по мере углубления в материал книги будет вознаграждено.
Редко встречающийся в современной научной литературе содержательно­эволюционный, а
не формально­логический тип дедукции и вытекающая из него возможность улавливать
закономерности там, где раньше виделось лишь случайное нагромождение фактов,-вот
далеко не полный перечень того, что может приобрести достаточно усердный и

внимательный читатель.
Остановимся теперь подробнее на некоторых частных вопросах, затрагиваемых в книге, и
на оценке методов и результатов их решения.
1. Как ясно из сказанного, методологические аспекты для автора не самоцель, он
вынужден уделять этой стороне дела серьезное внимание Именно потому, что достаточно
серьезные задачи ставит он перед собой в общекибернетическом плане. Но именно
поэтому первая часть работы, посвященная изложению авторской концепции системного
подхода, действительно является изложением в достаточной мере целостной концепции.
Читатель, интересующийся прежде всего проблемами системологии, может
сосредоточить свое внимание на первой части книги, рассматривая ее вторую часть как
приложение, демонстрирующее тот факт, что излагаемая концепция способна служить
эффективным инструментом решения наиболее сложных проблем кибернетики.
Читатель, которого интересуют вопросы, излагаемые во второй части книги, может
рассматривать первую ее часть также как приложение, по совершенно обязательное, иначе
ни предпосылки, ни основной пафос выводов исследования не будут им поняты.
2. Концепция системного подхода, излагаемого автором книги, как уже отмечалось, имеет
прежде всего не формально­аксиоматическую, а явно онтологическую, телесную
направленность, ориентированную на такую формулировку основных понятий и
закономерностей системного подхода, которая допускала бы максимально ясную
инженерную, биологическую и психическую интерпретацию и, следовательно, могла быть
средством не только описания и осмысления природы реально существующих систем, но
и их конструирования, их реализации на вычислительных машинах. В связи с этим книга
не просто “системна”, но и актуально “кибернетична”.
Важно отметить, что диалектическая природа основных законов системологии,
представленных в концепции автора, не просто декларируется, а демонстрируется.
На основе учета принципов диалектического развития автор выявляет природу
содержательного общения человека с машиной, эти же принципы используются в
методологической части работы при введении исходных понятий системного подхода.
Эти понятия не просто берутся в качестве неопределяемых, как это принято при
построении аксиоматических теорий, а развиваются и углубляются по мере их

использования путем ретроспекции через понятия, производные от первых. Эта
творческая кухня, обычно стыдливо скрываемая в публикациях, выглядит очень
естественной в рассуждениях автора, стоящего на позициях диалектики. Это дает ему
возможность обрести опору при обсуждении вопроса о том, каковы пределы допустимой
формализации системного подхода и что принципиально должно опираться на учет
законов развития и законов противоречия, через реализацию которых можно создать
автомат, наделенный способностью осуществлять хотя бы элементарные творческие акты,
без чего планы на содержательное общение человека с машиной обречены на неудачу.
3. Следует заметить, что если читатель не разделяет исходных диалектических убеждений
автора, то и полученные на их основе выводы могут показаться неубедительными. Тот
факт, что для решения многих современных кибернетических задач необходимо, чтобы
автомат мог осуществлять творческие акты, ни у кого не вызывает сомнения. Менее
очевидно, что для этого следует заниматься не столько разработкой чисто формальных
алгоритмов поведения автомата, сколько искать пути решения проблемы на пути
кибернетизации законов диалектического противоречия.
Однако напомним в связи с этим, что известная серия отрицательных результатов,
относящихся к возможностям содержательных аксиоматических теорий, говорит о том,
что дедуктивным путем из постулатов таких теорий не может быть выведено
содержательно что­либо большее, чем то, что подразумевалось в постулатах. Таким
образом, творческий акт принципиально связан с выбором самих постулатов из
имеющихся в наличии знаний. Этот выбор осуществляется в рамках индукции.
Как показал в своих последних работах Л. В. Крушинский, изучающий интеллект
животных , самым простым творческим актом животного является такое
использование наличного опыта, которое приводит к выявлению обобщения типа
постулирования элементарного закона природы как нетривиальной гипотезы об
устройстве мира, не содержащейся в явном виде в предшествующем опыте, но
позволяющей животному взаимодействовать с внешним миром более целесообразно.
Если суть индуктивного творческого акта заключается в этом, а мы, конструируя
автомат, желаем, чтобы его интеллектуальный уровень был по крайней мере равен
интеллектуальному уровню животного, то необходимо проверить, можно ли чисто
формальным путем, на основе исходной экспериментальной информации, постулировать
гипотезу, т. е. выдвинуть постулат, вскрывающий нетривиальную информацию в исходных
данных. Положительный или отрицательный результат такой проверки имеет

принципиальное значение для выбора путей решения проблемы искусственного
интеллекта.
Автор исходит из второго, отрицательного ответа на данный вопрос, формально этого не
обосновывая. Но, как выяснилось в самое последнее время, эти, опирающиеся на чисто
качественные соображения, исходные представления автора справедливы и в некотором
точно определенном смысле. К. Ф. Самохваловым доказана теорема, выводы из которой
дают прямой ответ на обсуждаемый вопрос .
4. Таким образом, принципиальная необходимость выйти за пределы формальной логики
при разработке принципов индуктивного обобщения. без которого невозможно
содержательное человеко­машинное общение, имеет в настоящее время строгое
обоснование. Однако из этого автор книги отнюдь не делает вывода о принципиальной
бесполезности использования формального аппарата при решении наиболее сложных
кибернетических задач. Напротив, четко противопоставляя телесность,
субстанциальность технических и природных систем бестелесности их структурных
моделей, он ясно очерчивает тот круг явлений, описание и конструирование которых
может и должно опираться, в первую очередь, на строгий формальный аппарат логики и
математики в современном понимании этих терминов. Этот круг ограничивается глубоко
адаптированными системами.
Через это ключевое для излагаемой концепции представление о сущности адаптивности
автор показывает, что само понятие формального имеет немалые резервы расширения без
утраты строгости. В связи с этим интересно отметить современные попытки обогащения
исходных понятий оснований математики, разработку более богатых и необычных с
традиционной точки зрения теорий, направленных на учет онтологии исследуемых
сущностей .
5. Методологическое обоснование и глубокое значение этих работ для обогащения
арсенала самих принципов построения формальных теорий ясно интерпретируется в
терминах соотношения между формализуемым и неформализуемым, рассматриваемого в
системологической концепции автора книги. Очень важно, что автор доказывает
физическую реализуемость того, что не доступно строгой формализации, и благодаря
этому четко противопоставляет не только телесный объект его структурной модели, по и
собственно содержательное в коммуникации -любым техническим коммуникативным
единицам, несмотря на то, что и то и другое воплощено в субстанцию модели или в
нейроны мозга. Это даст возможность систематизировать исходные понятия семиотики,

показать внутреннюю связь и принципиальную противоположность между знаком и его
значением, между значением и смыслом, между мыслительными и собственно языковыми
процессами, между естественными и искусственными языками.
Особенно принципиально положение автора о том, что чем глубже адаптация даже
неживого, физического объекта, тем в большей мере ему присуща природная
предрасположенность к такому взаимодействию с внешней средой, которое, может
рассматриваться как хотя и примитивный, но акт опознания, акт опережающего
отражения. В связи с этим нельзя не вспомнить слова В. И. Ленина о том, что и мертвой
природе присуще свойство, близкое к ощущению...
6. Хотелось бы высказать сожаление о том, что такое обилие кардинальных научных
проблем обсуждается в объеме небольшой книги. Это обстоятельство, по­видимому,
лишило автора возможности использовать присущую ему манеру изложения своих
мыслей, которой он известен среди слушателей его выступлений на конференциях и
конгрессах, на семинарах и лекциях, где каждое свое положение он иллюстрирует
наглядными рисунками и примерами из самых различных научных областей, отраслей
техники, из социальных и бытовых ситуаций. В связи с этим хотелось бы отметить и тот
удивительно широкий диапазон явлений, к анализу которых он прилагает принципы своей
системологической концепции и из работы над которыми он выявляет слабые звенья этой
концепции, непрерывно ее совершенствуя. Об этом можно судить хотя бы по
публикациям автора, лишь меньшая часть из которых приведена в библиографии.
Ограниченность объема книги делает понятным и тот факт, что потребность изложить
хотя бы наиболее важные стороны предлагаемой концепции системного подхода и
продемонстрировать ее работоспособность заставила автора отказаться от широкого
обзора и анализа других системных концепций.
Термин «кибернетика» изначально ввел в научный оборот Ампер, который в своем
фундаментальном труде «Опыт о философии наук» (1834-1843) определил кибернетику
как науку об управлении государством, которая должна обеспечить гражданам
разнообразные блага. А в современном понимании - как наука об общих
закономерностях процессов управления и передачи информации в машинах, живых
.
организмах и обществе, впервые был предложен Норбертом Винером в 1948 году

Она включает изучение обратной связи, чёрных ящиков и производных концептов, таких
как управление и коммуникация в живых организмах, машинах и организациях,

включая самоорганизации. Она фокусирует внимание на том, как что­либо (цифровое,
механическое или биологическое) обрабатывает информацию, реагирует на неё и
изменяется или может быть изменено, для того чтобы лучше выполнять первые две
задачи. Стаффорд Бир назвал её наукой эффективной организации, а Гордон
Паскрасширил определение, включив потоки информации «из любых источников»,
начиная со звёзд и заканчивая мозгом.
Пример кибернетического мышления. С одной стороны, компания рассматривается в
качестве системы вокружающей среде. С другой стороны, кибернетическое
управление может быть представлено как система.
Более философское определение кибернетики, предложенное в 1956 году Л.
Куффиньялем (англ.), одним из пионеров кибернетики, описывает кибернетику как
«искусство обеспечения эффективности действия». Новое определение было
предложено Льюисом Кауфманом (англ.): «Кибернетика - исследование систем и
процессов, которые взаимодействуют сами с собой и воспроизводят себя».
Кибернетические методы применяются при исследовании случая, когда действие системы
в окружающей среде вызывает некоторое изменение в окружающей среде, а это изменение
проявляется на системе черезобратную связь, что вызывает изменения в способе
поведения системы. В исследовании этих «петельобратной связи» и заключаются методы
кибернетики.
Современная кибернетика зарождалась как междисциплинарные исследования, объединяя
области систем управления, теории электрических
цепей, машиностроения, математического моделирования, математической
логики, эволюционной биологии, неврологии, антропологии. Эти исследования появились
в 1940 году, в основном, в трудах учёных на т. н. конференциях Мэйси (англ.).

Другие области исследований, повлиявшие на развитие кибернетики или оказавшиеся под
её влиянием, -теория управления, теория игр, теория
систем (математический эквивалент кибернетики), психология(особенно нейропсихологи
я, бихевиоризм, познавательная психология) и философия.
Сфера кибернетики[править | править вики­текст]
Объектом кибернетики являются все управляемые системы. Системы, не поддающиеся
управлению, в принципе, не являются объектами изучения кибернетики. Кибернетика
вводит такие понятия, как кибернетический подход, кибернетическая система.
Кибернетические системы рассматриваются абстрактно, вне зависимости от их
материальной природы. Примеры кибернетических систем - автоматические регуляторы
в технике, ЭВМ, человеческий мозг, биологические популяции, человеческое общество.
Каждая такая система представляет собой множество взаимосвязанных объектов
(элементов системы), способных воспринимать, запоминать и перерабатывать
информацию, а также обмениваться ею. Кибернетика разрабатывает общие принципы
создания систем управления и систем для автоматизации умственного труда. Основные
технические средства для решения задач кибернетики - ЭВМ. Поэтому возникновение
кибернетики как самостоятельной науки (Н. Винер, 1948) связано с созданием в 40­х гг.
XX века этих машин, а развитие кибернетики в теоретических и практических
аспектах - с прогрессом электронной вычислительной техники.
Кибернетика является междисциплинарной наукой. Она возникла на стыке математики,
логики, семиотики, физиологии, биологии, социологии. Ей присущ анализ и выявление
общих принципов и подходов в процессе научного познания. Наиболее весомыми
теориями, объединяемыми кибернетикой, можно назвать следующие[источник не указан 156 дней]:
 Теория передачи сигналов
 Теория управления
 Теория автоматов
 Теория принятия решений
 Синергетика
 Теория алгоритмов
 Распознавание образов
 Теория оптимального управления

 Теория обучающихся систем
Кроме средств анализа, в кибернетике используются мощные инструменты
для синтеза решений, предоставляемые аппаратами математического анализа, линейной
алгебры, геометрии выпуклых множеств, теории вероятностей и математической
статистики, а также более прикладными областями математики, такими
какматематическое программирование, эконометрика, информатика и прочие
производные дисциплины.
Особенно велика роль кибернетики в психологии труда и таких ее отраслях,
как инженерная психология и психология профессионально­технического образования.
Кибернетика - наука об оптимальном управлении сложными динамическими системами,
изучающая общие принципы управления и связи, лежащие в основе работы самых
разнообразных по природе систем - от самонаводящих ракет­снарядов и
быстродействующих вычислительных машин до сложного живого
организма.Управление - это перевод управляемой системы из одного состояния в другое
посредством целенаправленного воздействия управляющего. Оптимальное управление -
это перевод системы в новое состояние с выполнением некоторого критерия
оптимальности, например, минимизации затрат времени, труда, веществ или
энергии. Сложная динамическая система - это любой реальный объект, элементы
которого изучаются в такой высокой степени взаимосвязи и подвижности, что изменение
одного элемента приводит к изменению других.
Направления[править | править вики­текст]
Кибернетика - более раннее, но всё ещё используемое общее обозначение для многих
предметов. Эти предметы также простираются в области многих других наук, но
объединены при исследовании управления системами.
Чистая кибернетика[править | править вики­текст]
Чистая кибернетика, или кибернетика второго порядка изучает системы управления как
понятие, пытаясь обнаружить основные её принципы.

ASIMO использует датчики и интеллектуальные алгоритмы, чтобы избежать препятствий
и перемещаться по лестнице
 Искусственный интеллект
 Кибернетика второго порядка
 Компьютерное зрение
 Системы управления
 Эмерджентность
 Обучающиеся организации
 Новая кибернетика

Interactions of Actors Theory
 Теория общения
В биологии[править | править вики­текст]
Кибернетика в биологии - исследование кибернетических систем в биологических
организмах, прежде всего сосредотачиваясь на том, как животные приспосабливаются к
их окружающей среде, и как информация в форме генов передаются от поколения к
поколению. Также имеется второе направление - киборги.
Термический снимокхолоднокровного тарантула на теплокровной руке человека
 Биоинженерия
 Биологическая кибернетика
 Биоинформатика
 Бионика
 Медицинская кибернетика

 Нейрокибернетика
 Гомеостаз
 Синтетическая биология
 Системная биология
Теория сложных систем[править | править вики­текст]
Теория сложных систем анализирует природу сложных систем и причины, лежащие в
основе их необычных свойств.
Способ моделирования сложной адаптивной системы
 Сложная адаптивная система
 Сложные системы
 Теория сложных систем
В вычислительной технике[править | править вики­текст]
В вычислительной технике методы кибернетики применяются для управления
устройствами и анализа информации.
 Робототехника
 Система поддержки принятия решений
 Клеточный автомат
 Симуляция
 Компьютерное зрение
 Искусственный интеллект
 Распознавание объектов

 Система управления
 АСУ
В инженерии[править | править вики­текст]
Кибернетика в инженерии используется, чтобы проанализировать отказы систем, в
которых маленькие ошибки и недостатки могут привести к сбою всей системы.
Искусственное сердце, пример биомедицинской инженерии.
 Адаптивная система
 Эргономика
 Биомедицинская инженерия
 Нейрокомпьютинг
 Техническая кибернетика
 Системотехника
В экономике и управлении[править | править вики­текст]
 Кибернетическое управление
 Экономическая кибернетика
 Исследование операций
В математике[править | править вики­текст]
 Динамическая система
 Теория информации
 Теория систем

В психологии[править | править вики­текст]
 Психологическая кибернетика
В социологии[править | править вики­текст]
 Меметика
 Социальная кибернетика
История[править | править вики­текст]
В Древней Греции термин «кибернетика», изначально обозначавший искусство кормчего,
стал использоваться в переносном смысле для обозначения искусства государственного
деятеля, управляющего городом. В этом смысле он, в частности,
используется Платоном в «Законах».
Слово фр. «cybernétique» использовалось практически в современном значении в 1834
году французским физиком и систематизатором наук Андре Ампером (фр. André­Marie
Ampère, 1775-1836), для обозначения науки управления в его системе классификации
человеческого знания:
Андре Мари Ампер
«КИБЕРНЕТИКА. Отношения народа к народу, изучаемые <…> предшествующими
науками, - лишь небольшая часть объектов, о которых должно печься правительство; его
внимания также непрерывно требуют поддержание общественного порядка, исполнения
законов, справедливое распределение налогов, отбор людей, которых оно должно
назначать на должности, и всё, способствующее улучшению общественного состояния.
Оно постоянно должно выбирать между различными мерами, наиболее пригодными для
достижения цели; и лишь благодаря глубокому изучению и сравнению разных элементов,

предоставляемых ему для этого выбора знанием всего, что имеет отношение к нации, оно
способно управлять в соответствии со своим характером, обычаями, средствами
существования процветания организацией и законами, которые могут служить общими
правилами поведения и которыми оно руководствуется в каждом особом случае. Итак,
только после всех наук, занимающихся этими различными объектами, надо поставить эту,
о которой сейчас идёт речь и которую я называю кибернетикой, от слова др.­
греч.
искусства кораблевождения, получило употребление у самих греков в несравненно более
широком значении искусства управления вообще».
; это слово, принятое в начале в узком смысле для обозначения
κυβερνητιχη
Джеймс Уатт
Первая искусственная автоматическая регулирующая система, водяные часы, была
изобретена древнегреческим механиком Ктезибием. В его водяных часах вода вытекала из
источника, такого как стабилизирующий бак, в бассейн, затем из бассейна - на
механизмы часов. Устройство Ктезибия использовало конусовидный поток для контроля
уровня воды в своём резервуаре и регулировки скорости потока воды соответственно,
чтобы поддержать постоянный уровень воды в резервуаре, так, чтобы он не был ни
переполнен, ни осушен. Это было первым искусственным действительно автоматическим
саморегулирующимся устройством, которое не требовало никакого внешнего
вмешательства между обратной связью и управляющими механизмами. Хотя они,
естественно, не ссылались на это понятие как на науку кибернетику (они считали это
областью инженерного дела), Ктезибий и другие мастера древности, такие как Герон
Александрийский или китайский учёный Су Сун, считаются одними из первых, изучавших
кибернетические принципы. Исследование механизмов в машинах с корректирующей
обратной связью датируется ещё концом XVIII века, когда паровой двигатель Джеймса

Уатта был оборудован управляющим устройством, центробежным регулятором обратной
связи для того, чтобы управлять скоростью двигателя. А. Уоллес описал обратную связь
как «необходимую для принципа эволюции» в его известной работе 1858 года. В 1868
году великий физик Дж. Максвелл опубликовал теоретическую статью по управляющим
устройствам, одним из первых рассмотрел и усовершенствовал принципы
саморегулирующихся устройств.Я. Икскюль применил механизм обратной связи в своей
модели функционального цикла (нем. Funktionskreis) для объяснения поведения
животных.
XX век[править | править вики­текст]
Современная кибернетика началась в 1940­х как междисциплинарная область
исследования, объединяющая системы управления, теории электрических цепей,
машиностроение, логическое моделирование, эволюционную биологию,
неврологию. Системы электронного управления берут начало с работы инженера Bell
LabsГарольда Блэка в 1927 году по использованию отрицательной обратной связи, для
управления усилителями. Идеи также имеют отношения к биологической работеЛюдвига
фон Берталанфи в общей теории систем.
Ранние применения отрицательной обратной связи в электронных схемах включали
управление артиллерийскими установками и радарными антеннами во время Второй
мировой войны. Джей Форрестер, аспирант в Лаборатории Сервомеханизмов
в Массачусетском технологическом институте, работавший во время Второй мировой
войны с Гордоном С. Брауном над совершенствованием систем электронного управления
для американского флота, позже применил эти идеи к общественным организациям,
таким как корпорации и города как первоначальный организатор Школы индустриального
управления Массачусетского технологического института в MIT Sloan School of
Management (англ.). Также Форрестер известен как основатель системной динамики.
У. Деминг, гуру комплексного управления качеством, в чью честь Япония в 1950
году учредила свою главную индустриальную награду, в 1927 году был молодым
специалистом в Bell Telephone Labs и, возможно, оказался тогда под влиянием работ в
области сетевого анализа). Деминг сделал «понимающие системы» одним из четырёх
столпов того, что он описал как глубокое знание в своей книге «Новая экономика».
Рассматривается книга:
Новые линии развития в физиологии и их соотношение

с кибернетикой // Философские вопросы физиологии высшей нервной деятельности и
психологии, М., Изд­во АН СССР, 1963 г.
* * *
Стр.499.
После основных выступлений проводилось обсуждение докладов.
«Обсуждение докладов. Ю.П. Фролов (Москва)…».
* * *
Стр. 501.
«…При этом мои товарищи по Павловской школе забыли, что эти обратные или круговые
связи открыты довольно давно. О них можно прочесть
в прекрасном произведении А.Ф. Самойлова о круговых ритмах возбуждения, начиная с
элементарного кольцевого движения нервного процесса в препарате сердца черепахи и
кончая общением, происходящим между оратором
и аудиторией. Обратные физиологические и психологические связи являются прообразом
обратных связей в кибернетических устройствах. Кибернетика
не имеет даже отдалённого понятия о разнообразии и мощи этих связей, которые
составляют сущность нашего общения в культурной, общественной среде…».
Всё­таки красиво и самое главное правильно сказано:
«…Кибернетика не имеет даже отдалённого понятия о разнообразии и мощи этих
связей, которые составляют сущность нашего общения
в культурной, общественной среде…».
Отметим, что А.Ф. Самойлов умер в 1930 году. Указанная работа была опубликована в
1930 году.
Поэтому его работы опередили на много лет работы всех последователей, которые стали
приписывать открытия себе, в том числе и П.К. Анохин и Н.А. Бернштейн.
Стоит отметить, что в живом организме не может быть обратной связи по определению,
так как что первично, а что вторично в живом организме до сих пор неясно. Если считать,
что рецепция первична, то тогда обратная связь ­ это эфферентные сигналы, а если
считать что первична власть воли ­ то тогда афферентные сигналы являются обратными.

Сам А.Ф. Самойлов, будучи физиологом, более глубоко понимал указанные процессы и
поэтому не мог ввести понятия обратная связь, как некорректное для живого организма.
В его ведённом понятие "замкнутый круг рефлекторной деятельности" нет ни начала, ни
конца и именно это определяет его физиологичность для живого организма в целом.
Многочисленные работы появились в смежных областях. В 1935 году российский
физиолог П. К. Анохин издал книгу, в которой было изучено понятие обратной
связи(«обратная афферентация»). Исследования продолжались, в особенности в области
математического моделирования регулирующих процессов, и две ключевые статьи были
опубликованы в 1943 году. Этими работами были «Поведение, цель и телеология» ,
Норберта Винера и Дж.Бигелоу (англ.) и работа «Логическое исчисление идей,
относящихся к нервной активности» У. Мак­Каллока и У. Питтса (англ.).
Кибернетика как научная дисциплина была основана на работах Винера, Мак­Каллока и
других, таких как У. Р. Эшби и У. Г. Уолтер (англ.).
Уолтер был одним из первых, кто построил автономные роботы в помощь исследованию
поведения животных. Наряду с Великобританией и США, важным географическим
местоположением ранней кибернетики была Франция.
Весной 1947 года Винер был приглашён на конгресс по гармоническому анализу,
проведённому в Нанси, Франция. Мероприятие было организовано группой
математиковНиколя Бурбаки, где большую роль сыграл математик Ш. Мандельбройт.
Норберт Винер
Во время этого пребывания во Франции Винер получил предложение написать сочинение
на тему объединения этой части прикладной математики, которая найдена в исследовании

броуновского движения (т. н. винеровский процесс) и в теории телекоммуникаций.
Следующим летом, уже в Соединённых Штатах, он использовал термин «кибернетика»
как заглавие научной теории. Это название было призвано описать изучение
«целенаправленных механизмов» и было популяризировано в книге «Кибернетика, или
управление и связь в животном и машине» (Hermann & Cie, Париж, 1948). В
Великобритании вокруг этого в 1949 году образовался Ratio Club (англ.).
В начале 1940­х Джон фон Нейман, более известный работами по математике и
информатике, внёс уникальное и необычное дополнение в мир кибернетики:
понятие клеточного автомата и «универсального конструктора»
(самовоспроизводящегося клеточного автомата). Результатом этих обманчиво простых
мысленных экспериментов стало точное понятие самовоспроизведения, которое
кибернетика приняла как основное понятие. Понятие, что те же самые свойства
генетического воспроизводства относились к социальному миру, живым клеткам и даже
компьютерным вирусам, является дальнейшим доказательством универсальности
кибернетических исследований.
Винер популяризировал социальные значения кибернетики, проведя аналогии между
автоматическими системами (такими как регулируемый паровой двигатель) и
человеческими институтами в его бестселлере «Кибернетика и общество» (The Human
Use of Human Beings: Cybernetics and Society Houghton­Mifflin, 1950).
Одним из главных центров исследований в те времена была Биологическая компьютерная
лаборатория в Иллинойском университете, которой в течение почти 20 лет, начиная
с 1958 года, руководил Х. Фёрстер.
Кибернетика в СССР[править | править вики­текст]
Основная статья: Кибернетика в СССР
Развитие кибернетики в СССР было начато в 1940­х годах.
В «Философский словарь» 1954 года издания попала характеристика кибернетики как
«реакционной лженауки»,
В 60­е и 70­е на кибернетику, как на техническую, так и на экономическую, уже стали
делать большую ставку.
Упадок и возрождение[править | править вики­текст]
В течение последних 30 лет кибернетика прошла через взлёты и падения, становилась всё
более значимой в области изучения искусственного интеллекта и биологических

машинных интерфейсов (то есть киборгов), но, лишившись поддержки, потеряла
ориентиры дальнейшего развития.
Франсиско Варела
Стюарт А.Амплеби
В 1970­х новая кибернетика проявилась в различных областях, но особенно - в биологии.
Некоторые биологи под влиянием кибернетических идей (Матурана и Варела,
1980; Варела, 1979; (Атлан (англ.), 1979), «осознали, что кибернетические метафоры
программы, на которых базировалась молекулярная биология, представляли собой
концепцию автономии, невозможную для живого существа. Следовательно, этим
мыслителям пришлось изобрести новую кибернетику, более подходящую для
организаций, которые человечество обнаруживает в природе - организаций, не
изобретённых им самим». Возможность того, что эта новая кибернетика применима к
социальным формам организаций, остаётся предметом теоретических споров с 1980­х
годов.
В экономике в рамках проекта Киберсин попытались ввести кибернетическую
административно­командную экономику в Чили в начале 1970­х. Эксперимент был
остановлен в результате путча 1973 года, оборудование было уничтожено.

В 1980­х новая кибернетика, в отличие от её предшественницы, интересуется
«взаимодействием автономных политических фигур и подгрупп, а также практического и
рефлексивного сознания предметов, создающих и воспроизводящих структуру
политического сообщества. Основное мнение - рассмотрение рекурсивности, или
самозависимости политических выступлений, как в отношении выражения политического
сознания, так и путями, в которых системы создаются на основе самих себя».
Голландские учёные­социологи Гейер и Ван дер Зоувен (нидерл.) в 1978 году выделили
ряд особенностей появляющейся новой кибернетики. «Одной из особенностей новой
кибернетики является то, что она рассматривает информацию как построенную и
восстановленную человеком, взаимодействующим с окружающей средой. Это
обеспечивает эпистемологическое основание науки, если смотреть на это с точки зрения
наблюдателя. Другая особенность новой кибернетики - её вклад в преодоление
проблемы редукции (противоречий между макро­ и микроанализом). Таким образом, это
связывает индивидуума с обществом». Гейер и Ван дер Зоувен также отметили, что
«переход от классической кибернетики к новой кибернетике приводит к переходу от
классических проблем к новым проблемам. Эти изменения в размышлении включают,
среди других, изменения от акцента на управляемой системе к управляющей и фактору,
который направляет управляющие решения. И новый акцент на коммуникации между
несколькими системами, которые пытаются управлять друг другом» .
Последние усилия в изучении кибернетики, систем управления и поведения в условиях
изменений, а также в таких смежных областях, как теория игр (анализ группового
взаимодействия), системы обратной связи в эволюции и исследование метаматериалов
(материалов со свойствами атомов, их составляющих, за пределами ньютоновых свойств),
привели к возрождению интереса к этой всё более актуальной области.
Известные ученые[править | править вики­текст]
 Ампер, Андре Мари (1775-1836)
 Вышнеградский, Иван Алексеевич (1831-1895)
 Норберт Винер (Norbert Wiener) (1894-1964)
 Уильям Эшби (Ashby) (1903-1972)
 Хайнц фон Фёрстер (1911-2002)
 Клод Шеннон (1916-2001)
 Грегори Бейтсон (1904-1980)

 Клаус, Георг (1912-1974)
 Китов, Анатолий Иванович (1920-2005)
 Ляпунов Алексей Андреевич (1911-1973)
 Глушков Виктор Михайлович (1923-1982)
 Бир Стаффорд (1926-2002)
 Берг, Аксель Иванович (1893-1979)
 Кузин, Лев Тимофеевич (1928-1997)
 Поваров, Геллий Николаевич (1928-2004)
 Пупков, Константин Александрович (род. 1930)
 Тихонов, Андрей Николаевич (1906-1993)
1.9. Основы искусственного интеллекта
1.9.1. Направления исследований и разработок в области систем искусственного
интеллекта

Научное направление, связанное с машинным моделированием человеческих
интеллектуальных функций – искусственный интеллект – возникло в середине 1960­х гг.
Его возникновение непосредственно связано с общим направлением научной и
инженерной мысли, которое привело к созданию компьютера – направлением на
автоматизацию человеческой интеллектуальной деятельности, на то, чтобы сложные
интеллектуальные задачи, считавшиеся прерогативой человека, решались техническими
средствами.
Говоря о сложных интеллектуальных задачах следует понимать, что всего 300–400 лет
назад перемножение больших чисел относилось к таковым; однако усвоив в детстве
правило умножения столбиком, современный человек пользуется им не задумываясь, и
вряд ли эта задача сегодня является «сложной интеллектуальной». По­видимому, в круг
таковых следует включить те задачи, для решения которых нет «автоматических» правил,
т.е. нет алгоритма (пусть даже и очень сложного), следование которому всегда приводит к
успеху. Если для решения задачи, которая нам сегодня представляется относящейся к

указанному кругу, в будущем придумают четкий алгоритм, она перестанет быть «сложной
интеллектуальной».
Несмотря на свою краткость, история исследований и разработок систем искусственного
интеллекта может быть разделена на четыре периода:
1960­е – начало 1970­х гг. – исследования по «общему интеллекту», попытки
смоделировать общие интеллектуальные процессы, свойственные человеку: свободный
диалог, решение разнообразных задач, доказательство теорем, различные игры (типа
шашек, шахмат и т.д.), сочинение стихов и музыки и т.д.;
1970­е гг. – исследования и разработка подходов к формальному представлению знаний
и умозаключений, попытки свести интеллектуальную деятельность к формальным
преобразованиям символов, строк и т.д.;
с конца 1970­х гг. – разработка специализированных на определенных предметных
областях интеллектуальных систем, имеющих прикладное практическое значение
(экспертных систем);
1990­е гг. – фронтальные работы по созданию ЭВМ пятого поколения, построенных на
иных принципах, чем обычные универсальные ЭВМ, и программного обеспечения для них.
В настоящее время «искусственный интеллект» – мощная ветвь информатики, имеющая
как фундаментальные, чисто научные основы, так и весьма развитые технические,
прикладные аспекты, связанные с созданием и эксплуатацией работоспособных образцов
интеллектуальных систем. Значение этих работ для развития информатики таково, что
именно от их успеха зависит появление ЭВМ нового пятого поколения. Именно этот
качественный скачок возможностей компьютеров – обретение ими в полной мере
интеллектуальных возможностей – положен в основу развития вычислительной техники в
перспективе и является признаком компьютерной техники нового поколения.
Любая задача, для которой не известен алгоритм решения, может быть отнесена к сфере
искусственного интеллекта. Примерами могут быть игра в шахматы, медицинская
диагностика, перевод текста на иностранный язык – для решения этих задач не
существует четких алгоритмов. Еще две характерные особенности задач искусственного
интеллекта: преобладающее использование информации в символьной (а не в числовой)
форме и наличие выбора между многими вариантами в условиях неопределенности.
Перечислим отдельные направления, где применяются методы искусственного
интеллекта.

1. Восприятие и распознавание образов (задача, упоминавшаяся ранее как одно из
направлений кибернетики). Теперь под этим понимаются не просто технические системы,
воспринимающие визуальную и звуковую информацию, кодирующие и размещающие ее в
памяти, а проблемы понимания и логического рассуждения в процессе обработки
визуальной и речевой информации.
2. Математика и автоматическое доказательство теорем.
3. Игры. Как и формальные системы в математике, игры, характеризующиеся конечным
числом ситуаций и четко определенными правилами, с самого начала исследований по
искусственному интеллекту привлекли к себе внимание как предпочтительные объекты
исследования, полигон для применения новых методов. Интеллектуальными системами
был быстро достигнут и превзойден уровень человека средних способностей, однако
уровень лучших специалистов не достигнут до сих пор. Возникшие трудности оказались
характерными и для многих других ситуаций, так как в своих «локальных» действиях
человек использует весь объем знаний, который он накопил за всю свою жизнь.
4. Решение задач. В данном случае понятие «решение» используется в широком смысле,
относится к постановке, анализу и представлению конкретных ситуаций, а
рассматриваемые задачи – это те, которые встречаются в повседневной жизни, для
решения которых требуется изобретательность и способность к обобщению.
5. Понимание естественного языка. Здесь ставится задача анализа и генерации текстов, их
внутреннего представления, выявление знаний, необходимых для понимания текстов.
Трудности связаны, в частности, с тем, что значительная часть информации в обычном
диалоге не выражается определенно и ясно. Предложениям естественного языка присущи:
неполнота;
неточность;
нечеткость;
грамматическая некорректность;
избыточность;
зависимость от контекста;
неоднозначность.
Однако такие свойства языка, являющегося результатом многовекового исторического
развития, служат условием функционирования языка как универсального средства

общения. Вместе с тем, понимание предложений естественного языка техническими
системами с трудом поддается моделированию из­за этих особенностей языка (да и
вопрос о том, что такое «понимание», нуждается в уточнении). В технических системах
должен использоваться формальный язык, смысл предложений которого однозначно
определяется их формой. Перевод с естественного языка на формальный является
нетривиальной задачей.
6. Выявление и представление знаний специалистов в экспертных системах. Экспертные
системы – интеллектуальные системы, вобравшие в себя знания специалистов в
конкретных видах деятельности – имеют большое практическое значение, с успехом
применяются во многих областях, таких как автоматизированное проектирование,
медицинская диагностика, химический анализ и синтез и т.д.
Во всех этих направлениях главные трудности связаны с тем, что недостаточно изучены и
поняты принципы человеческой интеллектуальной деятельности, процесс принятия
решений и решение задач. Если в 1960­х гг. широко обсуждался вопрос «может ли
компьютер мыслить», то теперь вопрос ставится иначе: «достаточно ли хорошо человек
понимает, как он мыслит, чтобы передать эту функцию компьютеру»? В силу этого,
работы в области искусственного интеллекта тесно соприкасаются с исследованиями по
соответствующим разделам психологии, физиологии, лингвистики.

1.9.2. Представление знаний в системах искусственного интеллекта

Основной особенностью интеллектуальных систем является то, что они основаны на
знаниях, а вернее, на некотором их представлении. Знания здесь понимаются как
хранимая (с помощью ЭВМ) информация, формализованная в соответствии с некоторыми
правилами, которую ЭВМ может использовать при логическом выводе по определенным
алгоритмам. Наиболее фундаментальной и важной проблемой является описание
смыслового содержания проблем самого широкого диапазона, т.е. должна использоваться
такая форма описания знаний, которая гарантировала бы правильную обработку их
содержимого по некоторым формальным правилам. Эта проблема называется проблемой
представления знаний.
В настоящее время наиболее известны три подхода к представлению знаний в
обсуждаемых системах:
продукционная и логическая модели;

Семантические сети;
фреймы.
Продукционные правила – наиболее простой способ представления знаний. Он основан на
представлении знаний в форме правил, структурированных в соответствии с образцом
«ЕСЛИ – ТО». Часть правила «ЕСЛИ» называется посылкой, а «ТО» – выводом или
действием. Правило в общем виде записывается так:

ЕСЛИ А1, А2, ..., Аn ТО В.

Такая запись означает, что «если все условия от А1 до Аn являются истинными, то В
также истинно» или «когда все условия от A1 до Аn выполняются, то следует выполнить
действие В».
Рассмотрим правило

ЕСЛИ
(1) у является отцом х

(2) z является братом у
ТО
z является дядей х

В данном случае число условий n = 2.
В случае n = 0 продукция описывает знание, состоящее только из вывода, т.е. факт.
Примером такого знания является факт «атомная масса железа 55,847 а.е.м».
Переменные х, у и z показывают, что правило содержит некое универсальное, общее
знание, абстрагированное от конкретных значений переменных. Одна и та же переменная,
использованная в выводе и различных посылках, может получать различные конкретные
значения.

Знания, представленные в интеллектуальной системе, образуют базу знаний. В
интеллектуальную систему входит также механизм выводов, который позволяет на основе
знаний, имеющихся в базе знаний, получать новые знания.
Проиллюстрируем сказанное. Положим, что в базе знаний вместе с описанным выше
правилом содержатся и такие знания:

ЕСЛИ
(1) z является отцом х

(2) z является отцом у

(3) x и у не являются одним и тем же человеком

х и у являются братьями
ТО
Иван является отцом Сергея

Иван является отцом Павла

Сергей является отцом Николая

Из представленных знаний можно формально вывести заключение, что Павел является
дядей Николая. При этом считается, что одинаковые переменные, входящие в разные
правила, независимы; объекты, имена которых эти переменные могут получать, никак не
связаны между собой. Формализованная процедура, использующая сопоставление (при
котором устанавливается, совпадают ли между собой две формы представления, включая
подстановку возможных значений переменных), поиск в базе знаний, возврат к исходному
состоянию при неудачной попытке решения, представляет собой механизм выводов.

Простота и наглядность представления знаний с помощью продукций обусловила его
применение во многих системах, которые называются продукционными.
Семантическая сеть – иной подход к представлению знаний, который основан на
изображении понятий (сущностей) с помощью точек (узлов) и отношений между ними с
помощью дуг на плоскости. Семантические сети способны отображать структуру знаний
во всей сложности их взаимосвязей, увязать в единое целое объекты и их свойства. В
качестве примера может быть приведена часть семантической сети, относящейся к
понятию «фрукты» (рис. 1.41).

Рис. 1.41. Пример семантической сети

Фреймовая система имеет все свойства, присущие языку представления знаний, и
одновременно являет собой новый способ обработки информации. Слово «фрейм» в
переводе с английского языка означает «рамка». Фрейм является единицей представления
знаний об объекте, которую можно описать некоторой совокупностью понятий и
сущностей. Фрейм имеет определенную внутреннюю структуру, состоящую из множества
элементов, называемых слотами. Каждый слот, в свою очередь, представляется
определенной структурой данных, процедурой, или может быть связан с другим фреймом.

Фрейм: человек

Класс
Животное
Структурный элемент
Голова, шея, руки, ноги, ...
Рост
30–220 см
Масса

1–200 кг
Хвост
Нет
Фрейм аналогии
Обезьяна

Существуют и другие, менее распространенные подходы к представлению знаний в
интеллектуальных системах, в том числе гибридные, на основе уже описанных подходов.
Перечислим главные особенности машинного представления данных.
1. Внутренняя интерпретируемость. Обеспечивается наличием у каждой информационной
единицы своего уникального имени, по которому система находит ее для ответа на
запросы, в которых это имя упомянуто.
2. Структурированность. Информационные единицы должны обладать гибкой структурой,
для них должен выполняться «принцип матрешки», т.е. вложенности одних
информационных единиц в другие, должна существовать возможность установления
соотношений типа «часть – целое», «род – вид», «элемент – класс» между отдельными
информационными единицами.
3. Связность. Должна быть предусмотрена возможность установления связей различного
типа между информационными единицами, которые бы характеризовали отношения
между информационными единицами. Эти отношения могут быть как декларативными
(описательными), так и процедурными (функциональными).
4. Семантическая метрика. Позволяет устанавливать ситуационную близость
информационных единиц, т.е. величину ассоциативной связи между ними. Такая близость
позволяет выделять в знаниях некоторые типовые ситуации, строить аналогии.
5. Активность. Выполнение действий в интеллектуальной системе должно инициироваться
не какими­либо внешними причинами, а текущим состоянием представленных в системе
знаний. Появление новых фактов или описание событий, установление связей должны
стать источником активности системы.

1.9.3. Моделирование рассуждений

Рассуждение – один из важнейших видов мыслительной деятельности человека, в
результате которого он формулирует на основе некоторых предложений, высказываний,
суждений новые предложения, высказывания, суждения. Действительный механизм
рассуждений человека остается пока недостаточно исследованным. Человеческим
рассуждениям присущи: неформальность, нечеткость, нелогичность, широкое
использование образов, эмоций и чувств, что делает чрезвычайно трудными их
исследование и моделирование. К настоящему времени лучше всего изучены логические
рассуждения и разработано много механизмов дедуктивных выводов, реализованных в
различных интеллектуальных системах, основанных на представлении знаний с помощью
логики предикатов 1­го порядка.
Предикат – это конструкция вида P(t1, t2, ..., tn), выражающая какую­то связь между
некоторыми объектами или свойствами объектов. Обозначение этой связи, или свойства,
P называют «предикатным символом»; t1, t2, …, tn называют термами, они обозначают
объекты, связанные свойством (предикатом) Р.
Термы могут быть только трех следующих типов:
1) константа (обозначает индивидуальный объект или понятие);
2) переменная (обозначает в разное время различные объекты);
3) составной терм – функция f(t1, t2, …, tm), имеющая в качестве m аргументов термы t1,
t2, ..., tm.
Пример 1.
1. Предложение «Волга впадает в Каспийское море» можно записать в виде предиката

впадает (Волга, Каспийское море).

«Впадает» – предикатный символ; «Волга» и «Каспийское море» – термы­константы. Мы
могли обозначить отношение «впадает» и объекты «Волга» и «Каспийское море»
символами.
Вместо термов­констант можно рассматривать переменные:

впадает (X, Каспийское море)

впадает (X, Y).

Это тоже предикаты.
2. Отношение х + 1 < у можно записать в виде предиката А(х, у). Предикатный символ А
здесь обозначает то, что «останется» от х + 1 < у, если выбросить из этой записи
переменные х и у.
Итак, предикат – это логическая функция, принимающая значения «истина» или «ложь» в
зависимости от значений своих аргументов. Количество аргументов у предиката называют
его арностью.
Так, для наших примеров предикат «впадает» имеет арность 2 и при Х = «Волга», а Y =
«Каспийское море» истинен, а при Х = «Дон», Y = «Бискайский залив» ложен. Предикат
А в примере 2 также имеет арность 2, истинен при Х = 1, Y = 3 и ложен при Х = 3, Y = 1.
Предикаты могут быть объединены в формулы с помощью логических связок (союзов): ^
↔
(И, конъюнкция), v (ИЛИ, дизъюнкция), ~ (НЕ, отрицание),
(«следует», импликация),
(«тогда и только тогда, когда», эквиваленция).
→
Таблица истинности (табл. 1.15) этих союзов позволяет определить, истинно или ложно
значение формулы­связки при различных значениях входящих в нее предикатов А и В (и –
истина, л – ложь).

Таблица 1.15
Истинность связок предикатов

А
В
А ^ В

А v В
~А
А
А
В→
В↔
и
и
и
и
л
и
и
и
л
л
и
л
л
л
л
и
л
и
и
и
л

л
л
л
л
и
и
и

Математически строго формулы логики предикатов определяются рекурсивно:
1) предикат есть формула;
2) если А и В – формулы, то А, В, А ^ В, А v В, А
3) других формул не бывает.
→
В, А
↔
В – тоже формулы;
Многие формулы логики предикатов требуют использования кванторов, определяющих
область значений переменных – аргументов предикатов. Используются кванторы
общности: (перевернутое А от англ. All – все) и квантор существования (перевернутое Е
от англ. Exists – существует). Запись x читается «для любого х», «для каждого х»; х –
«существует х», «хотя бы для одного х». Кванторы связывают переменные предикатов, на
которые они действуют, и превращают предикаты в высказывания.
Пример 2.
Введем обозначения: А(х) – студент х учится отлично; В(х) – студент х получает
повышенную стипендию. Теперь формула А (Иванов)
Иванов учится отлично, следовательно, студент Иванов получает повышенную стипендию,
а формула с квантором общности (x) (A(х)
учится отлично, получает повышенную стипендию.
В(х)) означает: каждый студент, который
В (Иванов) означает: студент
→
→
Из всевозможных формул нам потребуется только один их вид, называемый фразами
Хорна. Фразы Хорна содержат в общем случае импликацию и конъюнкцию предикатов А,
В1, В2, ..., Вn следующим образом: B1, B2, ..., Bn
А, или в более удобных обозначениях:
→

А: – B1, B2, ..., Bn

(читается: А если B1 и B2 и... и Bn).
Очевидно, фраза Хорна является формой записи некоего правила, и в дальнейшем будет
называться правилом. Предикат А называется заголовком или головой правила, а
предикаты B1, B2, ..., Вn – его подцелями.
Очевидно, что отдельный предикат является частным случаем фразы Хорна: А.
Другой частный случай фразы Хорна – правило без головы

: – B1, B2, ..., Вn,

Такая фраза Хорна называется вопросом. Мы будем записывать «: – B» в виде «? – В», а
«: – B1, B2, ..., Вn» в виде «? – B1, B2, ..., Вn».
А) →
Поясним логический смысл такой формулы. Напомним, что импликация А: – В (B
может быть выражена через отрицание и дизъюнкцию: ~B v A (проверьте это с помощью
таблицы истинности). Значит, если отбросить А, останется только ~В – отрицание В.
Формула
B1, B2, ..., Вn означает отрицание конъюнкции ~(B1 ^ B2 ^ ... ^ Вn), что по
закону де Моргана ~(X ^ Y) = (~X) v (~Y) равно (~B1) v (~B2) v ... v (~Bn) – дизъюнкции
отрицаний.
←
Множество фраз Хорна применительно к некоторой проблемной области образует теорию
(в логическом смысле).
Пример 3.
Рассмотрим предметную область: сдачу экзамена по некоторой дисциплине. Введем
обозначения:
А – студент успешно сдает экзамен;
В – студент посещал занятия;

С – студент освоил учебный материал;
D – студент занимался самостоятельно;
Е – студент подготовил шпаргалку.
Ограничим знания о предметной области следующими утверждениями:
студент успешно сдаст экзамен, если студент освоил учебный материал;
студент освоил учебный материал, если студент посещал занятия и студент занимался
самостоятельно;
студент посещал занятия;
студент занимался самостоятельно.
Форма логической записи:
А: – С;
C: – B, D;
В;
D.
В приведенном примере можно выполнить логический вывод. Так, из истинности фактов
В и D и правила С: – В, D следует истинность С, и из правила А: – С – истинность
предиката А, т.е. студент успешно сдаст экзамен. Кроме того, правила А: – С и С: – В, D
можно было бы переписать в виде А: – В, D.
В этих случаях используют правила вывода, называемые методом резолюций.
Рассмотрим простейшую форму резолюции. Допустим, имеются «родительские»
предложения
отрицание: ~А
импликация: А:– В.
В результате одного шага резолютивного вывода получаем новое предложение В, которое
называется резольвентой. В этом случае резолюция соответствует стандартному
пропозициональному правилу вывода:
допуская, что не А

и А, если В
выводим не В.
Еще более простой случай:
отрицание: ~А
факт: А.
Резольвента – противоречие.
В общем случае имеются родительские предложения

~(A1 ^ ... ^ Аn)
Аk:– В1, ..., Вm, 1 ≤ k< n.

В качестве резольвенты за один шаг вывода получается ~{А1 ^ ... ^ Аk – 1 ^ В1 ^ ... ^ Вm ^
Аk + 1 ^ ... ^ Аn).
Таким образом, резолюция является подстановкой предикатов – подцелей B1, ... Вm
вместо соответствующего предиката Аk из отрицания. Отрицание инициирует логический
вывод и поэтому называется запросом (или вопросом) и обозначается А1, А2, ..., An.
Смысл метода резолюций состоит в том, что строится отрицание конъюнкции и
проверяется, истинно его значение или ложно. Если значение результирующей
конъюнкции ложь, значит получилось противоречие и, поскольку на старте было
отрицание предикатов, выполнено доказательство «от обратного». Если получено
значение «истина», то доказательство не выполнено.
Пример 4.
Пусть предикат дает (X, Y, Z) означает, что «X дает Y некоторому объекту Z», а
предикат получают (X, Y) означает, что «Y получает X». Пусть знания об этих
отношениях выражаются предложениями:
1) получает (вы, сила): – дает (логика, сила, вы);
2) дает (логика, сила, вы).
Задача, которую нужно решить, состоит в том, чтобы ответить на вопрос: получаете ли вы
силу?

Представим этот вопрос в виде отрицания ~получает (вы, сила). Резолюция предложения
1 и отрицания приводит к ~дает (логика, сила, вы), что вместе с фактом 2 приводит к
противоречию. Следовательно, ответом исходной задачи является «да».
Пока что мы рассмотрели резолюцию для высказываний или предикатов без переменных.
Если же вывод производится для множества предикатов с переменными в качестве
аргументов, эти переменные в ходе вывода получают значения соответствующих
констант, или, как еще говорят, конкретизируются константами.
Поясним это на примере.
Пример 5.
Рассмотрим следующие родительские предложения:
1) ~получает (вы, Y);
2) получает (Х, сила): – дает (Z,сила,X).
Они содержат три переменные X, Y и Z, которые неявно находятся под действием
квантора общности. Так, предложение 1 утверждает, что «для всех Y вы не получаете Y»,
а 2 – «для всех Z любой X получает силу, если Z дает силу X». Правило резолюции
требует совпадения предиката из отрицания 1 и головы правила 2. Это означает, что
переменные получают значения (конкретизируются) соответственно их месту в
предложениях 1 и 2 следующим образом: Х = вы, Y = сила. Предикат получает (вы, сила)
называется общим примером для предикатов получает (вы, Y) и получает (X, сила).
Изложенные положения логики предикатов находят реализацию и дальнейшее развитие в
языке программирования Пролог.

1.9.4. Распознавание образов

Распознавание образов – это совокупность методов и средств автоматического
восприятия и анализа окружающего мира.
Задачами теории распознавания образов являются:
автоматическое чтение машинописного или рукописного текстов;
восприятие речи (независимо от особенностей языка и диктора);

Медицинская, психологическая и педагогическая диагностика;
автоматический синхронный перевод с одного языка на другой;
дистанционная идентификация объектов и т.д. Выделяют два класса образов:
конкретные и абстрактные.
Конкретные образы – все реальные объекты окружающего мира, их изображения и
описания; абстрактные – понятия, категории, мнения, пожелания и т.п. В соответствии с
этим определены два варианта распознавания: перцептивный и концептуальный.
В перцептивных системах распознавания (как правило, это технические системы)
входным элементом является датчик, задача которого – преобразование физической
величины, характеризующей наблюдаемый объект реального мира, в другую величину,
предназначенную для восприятия ее обрабатывающей системой. С точки зрения теории
информации датчик является элементом согласования устройства обработки входных
сигналов, а его выходные сигналы дают «априорное» описание наблюдаемого объекта.
Выходные сигналы датчика, как правило, являются аналогово­цифровыми или
цифровыми.
В концептуальных системах роль датчика играют абстрактные, логические системы (как
правило, построенные на принципах булевой алгебры).
Рассмотрим основные задачи и методы распознавания образов.
Задача 1. Изучение особенностей объектов и выяснение отличия и сходства изучаемых
объектов.
Пример: периодическая таблица Менделеева, классификация растительного и животного
мира Линнея и Дарвина.
Задача 2. Проведение классификации распознаваемых объектов или явлений. Главное –
выбор подходящего принципа классификации.
Пример: коллекция нумизмата, распознавание самолетов.
Задача 3. Составление словаря признаков, используемого как для априорного описания
классов, так и для апостериорного описания каждого неизвестного объекта. Признаки
можно подразделить на логические (детерминированные) и вероятностные.
Пример: автомат, предназначенный для размена монет. Распознавание монет. Можно
придумать разные признаки, но среди них есть целесообразные (диаметр, масса).

Задача 4. Описание классов объектов на языке признаков.
Метод пространства признаков. Распознаваемые объекты имеют признаки. Пусть G = {G1,
G2, ..., Gk ...} – множество объектов. Каждый объект обладает признаками С – (с1, c2, ...,
cn), среди которых есть существенные и несущественные. Существенные признаки
назовем определяющими и обозначим Y = (y1, у2, ..., уm). Определим m­мерное
пространство признаков объектов, в котором каждая точка пространства соответствует
объекту.
Пример: рассмотрим множество треугольников, в качестве определяющих признаков
возьмем их стороны, которые мы можем измерить (рис. 1.42, а). Можно было бы взять
углы, или одну сторону и два угла и т.п.

Рис. 1.42. Метод пространства признаков

Полученные данные можно отобразить в трехмерном пространстве признаков х1, х2, х3
(Рис. 1.42, б). В нем можно выделить пять классов (подпространств): класс
равносторонних треугольников x1 = х2 = х3, (прямая, представляющая пространственную
биссектрису); класс равнобедренных треугольников x1 = х2 (плоскость, проходящая через
ось х3 и биссектрису на плоскости х1, х2); класс прямоугольных треугольников,
остроугольных и тупоугольных треугольников.
Таким образом, нами проведена идентификация классов (придуманы названия и
определены признаки классов). Дальнейшее принятие решения по распознаванию объекта
(произвольного треугольника) связано с определением принадлежности распознаваемого
объекта к какому­либо классу.
В общем виде задачу распознавания можно формулировать как задачу разработки
процедуры разбиения множества объектов на классы.
Пусть G = {G1, G2, ..., Gk...} – множество объектов. Для них определены n признаков,
которые можно представить в виде вектора Х = (х1, х2, ..., хn). Значения признаков
элементов множества объектов можно определять тремя способами:
количественно (измерение характеристики признака);

Вероятностно (значением является вероятность появления события);
альтернативно (двоичная кодировка – есть/нет).
Пусть множество объектов разбито на m классов 1, 2, …, m. Требуется выделить в
пространстве признаков области Di, i = 1, ..., m, эквивалентные классам, т.е. если объект
относится к классу k, то соответствующая ей точка лежит в области Dk.
Ω
Ω Ω
Ω
В алгебраической трактовке задачу распознавания можно сформулировать следующим
образом.
Требуется построить разделяющие функции Fi(x1, x2, ..., xn), i = 1, ..., m, обладающие
свойствами: если некоторый объект с признаками (х01, х02, ..., х0n)
i, то величина
Fi(х01, х02, ..., х0n) должна быть наибольшей. Она должна быть наибольшей и для других
значений признаков объектов, относящихся к
i, т.е.
Ω
Ω

Таким образом, граница разбиений, называемая решающей границей между областями Di,
выражается уравнением Fp(x) – Fg(x) = 0.
На рис. 1.43 показана модель пространства признаков для случая двумерного
пространства D1, D2 с соответствующими классами 1, 2.
Ω Ω

Рис. 1.43. Иллюстрация к методу пространства признаков

Операция классификации состоит в распределении объектов по классам, где под классом
понимается совокупность образов, имеющих одни и те же признаки. Один и тот же набор
данных может служить источником разных классификаций.
Пример: разыскать букву в N­буквенном алфавите – это задача с N классами, разыскать
гласные или согласные в этом же алфавите – задача на два класса. Обычно число классов
увеличивается. Если число их заранее неизвестно, то говорят об обучении «без учителя»

(самообучение). Если все пространство объектов разделено, а наборы объектов в классах
не определены, то это обучение «с учителем».
Задача 5. Разработка алгоритма распознавания, обеспечивающего отнесение
распознаваемого объекта к тому или иному классу или их некоторой совокупности.
Пример: распознавание неизвестного слова. Алгоритмы основаны на сравнении той или
иной меры близости или меры сходства распознаваемого объекта с каким­либо классом.
Введем понятие расстояния между объектами (сходство двух объектов). Чем меньше
расстояние между двумя объектами, тем больше сходства между ними. Расстоянием
между точкой Р X и классом Х0 называют величину

d1(P, X0) = inf{(P, M)|M X0}.

Расстояние между двумя классами определяется величиной

d2(X1, X2) = inf{d1(Р, М)|Р Х1, М Х2}.

На практике часто используют следующие расстояния:
1. Евклидово расстояние

d2(Xi, Xj) = {∑|xik – xjk|2}1/2.

2. Расстояние по Манхеттену (метрика городских кварталов)

d2(Xi, Xj) = ∑|xik – xjk|.

3. Чебышевское расстояние

d3(Xi, Xj) = max |xik – xjk| (k).

Метод словаря. Пусть известен каталог всех возможных слов, классифицированных по
длине слов и упорядоченных в алфавитном порядке. Например, рассмотрим служебные
слова языка программирования Паскаль:

и т.д., где N – число букв в словаре.
Каждый символ латинского алфавита определим признаком, например, его порядковым
номером или частотой (вероятностью) его появления в тексте.
Определим расстояние между заданной буквой и буквами алфавита как |xa – xb|, где ха –
признак заданной буквы, хb – признак некоторой буквы алфавита. Примем для
определенности в качестве признака буквы ее порядковый номер в алфавите:

А
В
С
D
Е
F
G
H
I
J
К
L
М

N
О
Р
Q
R
S
Т
U
V
W
X
Y
Z
1
2
3
4
5
6
7
8
9
10
11
12

13
14
15
16
17
18
19
20
21
22
23
24
25
26

Пусть n = 4. Задано слово с признаками х1х2х3х4. Например, ELSE. При этом x1 = 5; х2 =
12; x3 = 19; х4 = 5. Обозначим (ai, xj) =
буквы, находящейся на i­м месте в алфавите, и признака хj.
θ
ij = |аi – xj| – число, равное разности признака
θ
Найдем расстояния по Манхеттену для всех слов из словаря

Наименьшая сумма (расстояние) связана со вторым словом словаря. Оно определяет
сходство с распознаваемым словом.
Задача 6. Распознавание изображений.
Пример: распознавание изображения буквы. Распознаваемое изображение получают
различными способами и характеризуют разными величинами.

Растровый объект чаще представляют как заданное матричное отношение признаков.
Например, наложив на изображение сетку N x M, можно определить в каждой ячейке
уровень «черноты» или «серости» (для черно­белых изображений) числами в интервале . При этом 0 – белый цвет, 1 – черный.
Таким образом, изображение А можно представить в виде матрицы

где элементы матрицы доопределяют степень черноты каждой i, j­й ячейки.
Пусть известен словарь изображений, например изображения букв русского алфавита.
При этом будем подразумевать, что соответствующие им матрицы черноты представляют
обобщенные буквы, т.е. сборный образ букв различных шрифтов, гарнитур и начертаний.
Пусть А1, А2, ..., Ар – набор изображений (классов), Н – распознаваемый образ.
Тогда задача распознавания сводится к поиску экземпляра (реализации) Аk, наиболее
близкого в смысле расстояния к Н.
Синтаксическое распознавание. Существует отдельный класс задач, связанных с
синтаксическим распознаванием заданной цепочки некоторого языка в смысле его
грамматики. Грамматика – это механизм создания языка. Существуют порождающая и
распознающая грамматики (рис. 1.44).

Рис. 1.44. Порождающая и распознающая грамматики

Конечным автоматом­распознавателем называется пятерка объектов: А = {S, X, s0, d, F),
где S – конечное непустое множество (состояний); X – конечное непустое множество
входных сигналов (входной алфавит); s0 < S – начальное состояние; d: S x X
функция переходов; F – множество заключительных состояний.
S – →

Конечный автомат­распознаватель А = {S, X, s0, d, F} допускает входную цепочку из X*,
если эта цепочка переводит его из начального состояния в одно из заключительных
состояний.
Множество всех цепочек, допускаемых автоматом А, образует язык, допускаемый А.
Язык, для которого существует распознающий его конечный автомат, называют
автоматным языком.
Примеры языков (V – алфавит, L – язык):
1. V1 = {а, b, с); L= {abc, aa}

Это неполный автомат. (Двойной рамкой обозначены заключительные состояния.)
2. V2 = {а, b, с); L = o.
Любой автомат с пустым множеством заключительных состояний допускает L.
3. V3 = {а, b, с}; L = V*.
V* – это множество цепочек произвольной длины.
Автомат с единственным состоянием, которое является заключительным, имеет три
перехода из этого состояния в него же

5. V5 = {0, 1}; L = {множество четных двоичных чисел}

6. V6 = {+, –, 0, ..., 9}; L = {множество целых числовых констант}

7. V7 = {+, –, 0, ..., 9, "."}; L = {множество вещественных чисел}

Большую роль в информатике играют синтаксические диаграммы. Синтаксические
диаграммы – это направленные графы с одним входным ребром, одним выходным ребром
и помеченными вершинами. Они задают язык и поэтому являются порождающими
грамматиками автоматных языков.

Допустимые цепочки: aab, aacabcb и т.д.
Примерами являются синтаксические диаграммы языка Паскаль, Си.
Можно доказать следующее утверждение: любой автоматный язык задается
синтаксической диаграммой и обратно, по любой синтаксической диаграмме можно
построить конечный автомат (в общем случае недетерминированный), распознающий
язык, которым задана синтаксическая диаграмма.
Построив по синтаксической диаграмме соответствующий распознающий автомат, можно
затем реализовать этот автомат либо аппаратно, либо программно. Таким образом,
синтаксические диаграммы служат не только для порождения, но и для распознавания
автоматных языков.

1.9.5. Интеллектуальный интерфейс информационной системы

Анализ развития средств вычислительной техники позволяет утверждать, что она
постоянно эволюционирует в двух направлениях.
Первое направление связано с улучшением параметров существующих компьютеров,
повышением их быстродействия, увеличением объемов их оперативной и дисковой
памяти, а также с совершенствованием и модификацией программных средств,
ориентированных на повышение эффективности выполнения ими своих функций.
Второе направление определяет изменения в технологии обработки информации,
приводящие к улучшению использования компьютерных систем. Развитие в этом
направлении связано с появлением новых типов компьютеров и качественно новых
программных средств, дополняющих уже существующие.
Развитие программных средств идет по пути увеличения дружественности интерфейса,
т.е. такого упрощения управления ими, что от пользователя не требуется специальной
подготовки и система создает максимально комфортные условия для его работы.
Основной ориентир в совершенствовании вычислительных систем – превращение их в
удобного партнера конечного пользователя при решении задач в ходе его
профессиональной деятельности.
Для обеспечения наибольшей дружественности интерфейса программного средства с
пользователем первый должен стать интеллектуальным. Интеллектуальный интерфейс,
обеспечивающий непосредственное взаимодействие конечного пользователя и компьютера
при решении задачи в составе человеко­машинной системы, должен выполнять три группы
функций:
обеспечение для пользователя возможности постановки задачи для ЭВМ путем
сообщения только условия задачи (без задания программы решения);
обеспечение для пользователя возможности формирования сред решения задачи с
использованием только терминов и понятий из области профессиональной деятельности
пользователя, естественных форм представления информации;
обеспечение гибкого диалога с использованием разнообразных средств, в том числе не
регламентируемых заранее, с коррекцией возможных ошибок пользователя.
Структура системы (рис. 1.45), удовлетворяющей требованиям новой технологии решения
задач, состоит из трех компонентов:
исполнительной системы, представляющей собой совокупность средств,
обеспечивающих выполнение программ;

Базы знаний, содержащей систему знаний о проблемной среде;
интеллектуального интерфейса, обеспечивающего возможность адаптации
вычислительной системы к пользователю и включающего в себя систему общения и
решатель задач.
Такая система существенно отличается от создававшихся на более ранних этапах
развития информатики и вычислительной техники. Путь реализации новейших
информационных технологий предполагает использование вычислительных систем,
построенных на основе представления знаний предметной области задачи и
интеллектуального интерфейса.

Рис. 1.45. Структура современной системы решения прикладных задач

1.9.6. Структура современной системы решения прикладных задач

Разработки систем искусственного интеллекта шли сначала по пути моделирования
общих интеллектуальных функций индивидуального сознания. Однако развитие
вычислительной техники и программного обеспечения в 1990­х гг. опровергает прогнозы
предыдущих десятилетий о скором переходе к ЭВМ пятого поколения.
Интеллектуальные функции основной массы программных систем общения на
естественном языке пока не находят широкого внедрения в промышленных масштабах.
Характерную инфляцию претерпело такое понятие, как «новая информационная
технология». Первоначально это понятие означало интеллектуальный интерфейс к базе
данных, позволяющий прикладным пользователям общаться с ней непосредственно на
естественном языке. Ныне под «новыми информационными технологиями» понимают
просто технологии, использующие вычислительную технику в обработке информации, в
том числе технологии, основанные на применении текстовых и табличных процессоров, а
также информационных систем.
Столкнувшись с непреодолимыми проблемами, разработчики системы, обладающей
«общим» искусственным интеллектом, пошли по пути все большей и большей
специализации, вначале по направлению к экспертным системам, затем – к отдельным

очень специфичным интеллектуальным функциям, встроенным в инструментальные
программные средства, не считавшиеся до настоящего времени сферой разработок по
искусственному интеллекту. Например, такие системы сейчас часто обладают
возможностями аналитических математических вычислений, перевода технических и
деловых текстов, распознавания текста после сканирования, синтаксического анализа
фраз и предложений, самонастраиваемостью и т.д.
Парадигма исследований и разработок в области искусственного интеллекта постепенно
пересматривается. По­видимому, возможности скорого развития программных систем,
моделирующих интеллектуальные функции индивидуального сознания, в значительной
мере исчерпаны. Необходимо обратить внимание на новые возможности, которые
открывают в отношении общественного сознания информационные системы и сети.
Развитие вычислительных систем и сетей ведет, по­видимому, к созданию нового типа
общественного сознания, в которое информационные средства будут органично встроены
как технологическая среда обработки и передачи информации. После этого человечество
получит именно гибридный человеко­машинный интеллект не столько в масштабе
индивидуального сознания, сколько в сфере социальной практики.

Контрольные вопросы

1. Какова история возникновения и развития исследований по искусственному
интеллекту?
2. Каковы отличительные черты задач из сферы искусственного интеллекта?
3. Охарактеризуйте направления исследований по искусственному интеллекту.
4. Что такое «знания» с точки зрения систем искусственного интеллекта?
5. В чем состоит метод представлений знаний с помощью продукций?
6. На чем основано представление знаний с помощью семантической сети?
7. Как фреймовые системы могут использоваться для представления знаний?
8. В чем отличия представления знаний в интеллектуальных системах от представления
просто данных?
9. Что значит понятие «предикат»?

10. Что такое «фраза Хорна»?
11. Как происходит логический вывод с помощью метода резолюций?
12. Проверьте справедливость законов де Моргана: ~(Х ^ Y) = (~X) v (~Y) и ~(X v Y) =
(~X) ^ (~Y).
13. В каком направлении развиваются интерфейсные части информационных систем?
14. В чем состоит дружественность интерфейса программных средств?
15. Какова структура перспективных информационных систем будущего?