История искусства Энергетика Локальные компьютерные сети Начертательная геометрия и инженерная графика Курс физики Задачи примеры решения Математика лекции и примеры решения задач Электротехника расчет цепей Информатика
Методы математического моделирования экологических систем

Введение в экологию энергетики

Широкое развитие неуглеводородных видов энергетики рассматривается в дополнительном сценарии МЭА, предполагающем активное вмешательство государства в мировую энергетику в случае сохранения стабильно высоких цен на ископаемые энергоносители.

Методы и модели искусственного интеллекта

Мем № 19: «Обладая возможностью запоминать и взаимосвязывать огромное число каузальных сил, компьютер может нам помочь справляться с проблемами на гораздо более глубоком, чем обычно уровне. Он может просеивать громадные массивы данных, чтобы отыскать едва уловимые образцы, помочь собрать разрозненные "крупицы информации" в большое по объему и значению целое... Можно ожидать, что компьютеры углубят всю культуру суждения о причинности, усиливая наше понимание взаимосвязанности вещей, помогая нам синтезировать значимое "целое" из вихря кружащихся вокруг нас разрозненных данных»

Э. Тоффлер ["Третья волна", цит. по: Леонов, URLв].

Развитие концепции искусственного интеллекта

Современные исследователи экономики, истории, философии и геополитики признают уже как свершившийся факт начало эры "Третьей волны", концепция которой описана и сформулирована в известной книге американского футуролога Э. Тоффлера. Третья волна – зарождение цивилизации, в которой доминирующим ресурсом развития становятся Информация и Знание. В этой связи наступает переосмысление наших взглядов на компьютеры и информационные технологии [Райс, 1998, Смолл, 1997]. Самый важный компонент системы – теплоноситель. Различают коллекторы с естественной и принудительной (с помощью насосов) его циркуляцией. Широкое применение находят солнечные установки не только с водой, но и с воздухом, а также с низкокипящими жидкостями типа аммония

Однако и сами традиционные компьютерные технологии в предшествующее десятилетие столкнулись с лавинообразным ростом информации, которую не в состоянии обработать. На первый план выдвинулись трудно формализуемые проблемы и задачи, оперирующие с нечеткими множествами [Заде, 1974; Орловский, 1981; Масалович, 1995, URL]. Необходимость бесконечно создавать терабайты программного обеспечения вылилась в "творческий" кризис, выход из которого связан с переходом на качественно новый информационно-технологический уровень, который могут обеспечить только системы искусственного интеллекта [Нильсон, 1973, Хант, 1978; Уинстон, 1980; Лорьер, 1991]. Поэтому дальнейшее развитие средств компьютеризации во всем мире проходит под знаком программы "Вычисления в Реальном мире" (Real World Computing – RWC), инициированной Японией в 1992 г. [Горбань с соавт., 1998]. В ней речь идет прежде всего о том, чтобы дать вычислительным и управляющим системам возможность самостоятельно, без помощи "переводчика"-человека воспринимать сигналы внешнего мира и воздействовать на него. Авторы программы огромную роль – до 30-40% ее содержания – отводят развитию систем искусственного интеллекта, исследованию естественных и созданию искусственных нейросетевых систем.

Искусственный интеллект ИИ (artificial intelligence) обычно трактуется как свойство автоматических систем брать на себя отдельные функции мыслительной способности человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий [Сотник, URL]. Речь идет, в первую очередь, о системах, в основу которых положены принципы обучения, самоорганизации и эволюции при минимальном участии человека, но привлечении его в качестве учителя и партнёра, гармоничного элемента человеко-машинной системы.

Естественно, что попытки создать ИИ на базе компьютеров начались на заре развития компьютерной техники. Тогда господствовала компьютерная парадигма, ключевыми тезисами которой утверждалось, что машина Тьюринга является теоретической моделью мозга, а компьютер – реализацией универсальной машины и любой информационный процесс может быть воспроизведён на компьютере. Такая парадигма была доминирующей долгое время, принесла много интересных результатов, но главной задачи – построения ИИ в смысле моделирования мышления человека, так и не достигла. Компьютерная парадигма создания ИИ, потерпевшая крах в связи с неправильным набором ключевых предпосылок, логично трансформировалась в нейроинформатику, развивающую некомпьютерный подход к моделированию интеллектуальных процессов. Человеческий мозг, оперирующий с нерасчленённой информацией, оказался значительно сложнее машины Тьюринга. Каждая человеческая мысль имеет свой контекст, вне которого она бессмысленна, знания хранятся в форме образов, которые характеризуются нечёткостью, размытостью, система образов слабо чувствительна к противоречиям. Система хранения знаний человека характеризуется высокой надёжностью вследствие распределённого хранения знаний, а оперирование с информацией характеризуется большой глубиной и высоким параллелизмом.

Переработка информации в любых интеллектуальных системах основывается на использовании фундаментального процесса – обучения. Образы обладают характерными объективными свойствами в том смысле, что разные распознающие системы, обучающиеся на различном материале наблюдений, большей частью одинаково и независимо друг от друга классифицируют одни и те же объекты. Именно эта объективность образов позволяет людям всего мира понимать друг друга. Обучением обычно называют процесс выработки в некоторой системе специфической реакции на группы внешних идентичных сигналов путем многократного воздействия на распознающую систему сигналов внешней корректировки. Механизм генерации этой корректировки, которая чаще всего имеет смысл поощрения и наказания, практически полностью определяет алгоритм обучения. Самообучение отличается от обучения тем, что здесь дополнительная информация о верности реакции системе не сообщается.

Мы рассмотрели в предыдущем разделе два основных принципа обучения распознаванию образов – геометрический, основанный на построении разделяющих поверхностей в пространстве образов, и структурный (лингвистический), основанный на выделении базовых структурных признаков и отношений между ними. Однако, например, концепции построения нейронных сетей, нелинейных по своей природе, предоставляют качественно более мощные методы моделирования процесса распознавания, позволяющие воспроизводить чрезвычайно сложные зависимости. 

Интеллектуальные информационные системы могут использовать "библиотеки" самых различных методов и алгоритмов, реализующих разные подходы к процессам обучения, самоорганизации и эволюции при синтезе систем ИИ. Поскольку к настоящему времени нет ни обобщающей теории искусственного интеллекта, ни работающего образца полнофункциональной ИИ-модели, то нельзя сказать, какой из этих подходов является правильным, а какой ошибочным: скорее всего они способны гармонично дополнять друг друга.

Искусственный интеллект реализуется с использованием четырех подходов (с трудом удержимся, чтобы не произнести модное «парадигм»): логического, эволюционного, имитационного и структурного. Все эти четыре направления развиваются параллельно, часто взаимно переплетаясь.

Логический подход Основой для логического подхода служит булева алгебра и ее логические операторы (в первую очередь, знакомый всем оператор IF ["если"]). Свое дальнейшее развитие булева алгебра получила в виде исчисления предикатов, в котором она расширена за счет введения предметных символов, отношений между ними, кванторов существования и всеобщности. Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом, а правила логического вывода – как отношения между ними.

По своим принципам инвариантного отображения среды многорядные алгоритмы МГУА чрезвычайно близки идеям нейросетевого моделирования, в частности, многослойному персептрону Ф. Розенблатта.

Структурный подход и нейросетевое моделирование Под структурным подходом подразумеваются попытки построения систем ИИ путем моделирования структуры человеческого мозга. В последние десять лет впечатляет феномен взрыва интереса к структурным методам самоорганизации – нейросетевому моделированию, которое успешно применяется в самых различных областях – бизнесе, медицине, технике, геологии, физике, т.е. везде, где нужно решать задачи прогнозирования, классификации или управления

Наименее вероятным из возможных новых технологий представляется появление коммерчески эффективной технологии производства биотоплива второго поколения из непродовольственного сырья: целлюлозы, а также биотоплива третьего поколения из специальных видов биомассы для смесей с бензином и дизельным топливом соответственно
Взаимосвязь экосистемы со средой