Интеллектуальное управление

ПОДЕЛИТЬСЯ С ДРУЗЬЯМИ
Авторы


профессор, доктор технических наук, генеральный директор, Академик академии транспорта, Академик международной академии наук Евразии
Россия, Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте
ig.rozenb2012@yandex.ru

Аннотация

Статья анализирует состояние и развитие интеллектуального управления. Показано, что методологически интеллектуальное управление основано на семиотическом подходе. Оно включает три уровня: концептуальный, информационный и операционный. Раскрываются особенности прикладной семиотики как теоретической основы интеллектуального управления. Раскрыто содержание семиотической системы. Показаны статическая и динамическая компоненты семиотической системы. Показана связь между информационными моделями и семиотической системой.

Ключевые слова

искусственный интеллект, управление, интеллектуальное управление, прикладная семиотика, информационные модели

Print Friendly, PDF & Email

Категории статьи:

Читайте также

Статья также доступна (this article also available):

Рекомендуемая ссылка

Розенберг Игорь Наумович
Интеллектуальное управление// Современные технологии управления. ISSN 2226-9339. — №4 (76). Номер статьи: 7608. Дата публикации: . Режим доступа: https://sovman.ru/article/7608/

Введение

Интеллектуальное управление является обобщением семиотического [1], когнитивного [2] и информационного управления [3]. В интеллектуальном управлении транспортом выделяют направления: интеллектуальных транспортных систем [4], интеллектуального семиотического управления [5] и интеллектуального когнитивного управления. Интеллектуальное семиотическое управление связано с разными формами логики, системой продукций, эволюционными алгоритмами. Интеллектуальное когнитивное управление рассматривается как синтез человеческого компьютерного управления с использованием ассоциативных каналов и анализа неявных знаний. Интеллектуальное управление рассматривается как средство принятия решений в условиях неопределенности [6]. Интеллектуальное информационное управление рассматривается как поддержка интеллектуального управления с помощью информационных технологий.

 

Необходимость интеллектуального управления

По мере развития общества и усложнения объектов и задач управления менялись и технологии управления. Наиболее остро в управлении сложными ситуациями обнаружилась проблема «больших данных» [7]. Она создает информационный барьер [8, 9] для технологий «организационного управления». Для современного управления характерен рост  слабо структурированной информации. Это обуславливает переход к интеллектуальному управлению [10, 11], которое, в свою очередь, приводит к необходимости применения технологий управления знаниями [12]. Основой интеллектуального управления являются интеллектуальные системы и интеллектуальные технологии. Интеллектуальная система — это техническая или программно-техническая система, способная получать творческие решения задач, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Упрощенно структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс [13]. Решатель является доминирующей составляющей интеллектуальной системы. В логиках первого порядка решателем называют механизм получения решений логических выражений [14]. В мультиагентных системах, которые относят к области искусственного интеллекта, также используют понятие решателя. Агентом называют [15] решатель задач, который представляет собой программную сущность, способную  действовать в интересах достижения поставленных целей. В символическом моделировании  решателем (s-solver) называют значение специализации сообщения. Одним из первых в России ввел  это понятие Ефимов Е.И. [16]. Из этого краткого перечня следует важность  решателя для интеллектуальных систем и интеллектуальных технологий.

 

Интеллектуальное управление в рамках прикладной семиотики

Семиотика изучает природу, виды и функции знаков, знаковые системы и знаковую деятельность человека, знаковую сущность естественных и искусственных языков с целью построения общей теории знаков. В области семиотики существует направление «прикладная семиотика», основоположником которого является Д.А. Поспелов [1].

В семиотике выделяют  две сферы приложения знаков: познания и коммуникации. Это делит семиотику на две части: семиотика познания;  семиотика смысловых коммуникаций. Основой интеллектуального управления служит семиотическая система. Согласно Поспелову [1] семиотической системой W называется упорядоченная восьмерка множеств:

 

W=< T, R, A, P, τ, ρ, α, π>,  (1)

 где
T — множество основных символов;
R — множество синтаксических правил;
A — множество знаний о предметной области;
P — множество правил вывода решений (прагматических правил);
τ — правила изменения множества T;
ρ — правила изменения множества R;
α — правила изменения множества A;
π — правила изменения множества P.

 

Первые два множества порождают язык системы W, а τ и ρ осуществляют его изменение. Правила α изменяют множество знаний о предметной области. Если считать знания аксиомами формальной системы (которую образуют первые четыре элемента из W), то правила α, по существу, изменяют интерпретацию основных символов и, следовательно, правильно построенных формул языка семиотической системы W.

Первые четыре множества образуют формальную систему FS, элементы с пятого по восьмой образуют правила изменения формальной системы. Этим они обеспечивают адаптацию формальной системы, «подстраивая» ее для решения задач и проблем, которые в рамках системы FS решить не удается.

Таким образом, семиотическая система (1) может быть определена как составная динамическая система: W=<FSi, MFsi >, где FSi — определяет состояние семиотической системы, а MFsi – правило смены ее состояния. В этом следует отметить, что хотя речь идет о семиотической системе, де факто такая система описывает объект управления, то есть состояние объекта управления и его динамику.

Поэтому семиотической системе можно дать новую интерпретацию. Составная  динамическая система: W=<FSi, MFsi > включает два компонента: статический FSi, который  определяет состояние в информационной ситуации или информационную позицию, динамический MFsi  , который определяет правила перехода  объекта управления из одной информационной позиции в другую.

Правила  MFsi = (τ, ρ, α, π), меняющие состояние формальной системы (объекта управления) связаны зависимостью, существующей в элементах семиотического треугольника (треугольника Фреге) [17]. Это означает, что применение одного из правил из этой четверки приводит к применению оставшихся правил.

Зависимости эти сложны, их аналитическое представление отсутствует, и это представляет трудность и является предметом исследования семиотических систем искусственного интеллекта. Поэтому более простым является применение информационного подхода и информационного моделирования.

Расширения формальных систем управления  в виде динамических компонент MFsi обеспечивают свойства открытости систем. Они создают возможность адаптации объекта управления к управленческим воздействиям  и меняющемся внешним условиям.

Это, в частности, позволяют значительно расширить возможности поддержки принятия решений в условиях неопределенности, неполноты и противоречивости исходной информации [17].

 

Виды неопределенностей при реализации интеллектуального управления

Традиционные методы  управления, включая некоторые виды интеллектуального управления основаны на предположении, что модели состояния и управления  объекта  точно описывают его поведение. Методы, основанные на этом предположении, входят в классическую теорию управления. Однако в условиях увеличения объемов, роста неструктурированной информации и воздействия внешней среды – характерны отклонения от этого условия.

Практически  любая модель представляет собой упрощенное описание реального объекта, его состояния и его поведения. Степень упрощения может быть допустимой или создавать неопределенность [18]. В динамике поведения объекта управления  некоторые характеристики объекта могут значительно изменяться в процессе его функционирования. Все это создает  неопределенности  различных моделей описания объекта и затрудняет управление им, включая интеллектуальное. Типовую модель управления, положенную в основу алгоритма управления или совокупность установленных правил управления, называют номинальной.

В условиях значимой неопределенности классические методы теории управления оказываются неприменимыми или дают неудовлетворительные  результаты. В этих случаях необходимо применение специальных методов анализа и синтеза систем управления объектами с неопределенными моделями. Первым этапом является оценка вида и значения неопределенности.

Выделяют  основные типы неопределенностей управленческих моделей: параметрическая, функциональная, структурная и сигнальная.

Параметрическая неопределенность означает, что неизвестными или неточно определенными являются постоянные параметры  модели. Например, вместо точечных значений имеют место интервальные значения. При переходе к информационно измерительным системам можно говорить об отсутствии информационной определенности параметров. Поэтому во  многих случаях реальные значения параметров могут существенно отличаться от принятых номинальных

Функциональная неопределенность означает, что функциональная модель объекта либо не адекватно описывает его функции, либо содержит неучтенные функциональные зависимости (чаще всего зацикливание или паразитические обратные связи).

Структурная неопределенность означает, что структура модели управления или структура объекта управления. структура взаимодействия объекта управления со внешней средой — является неточно установленной. Структурная неопределенность означает также, что при известной структуре плохо определены отношения между элементами структуры. Структурная неопределенность означает также, что при известной структуре плохо согласованы информационные потоки для данной структуры, то есть отсутствует информационное соответствие между потоками и структурой. Структурная неопределенность может приводить к наличию у объекта паразитной динамики.

Сигнальная неопределенность означает, что на управленческое воздействие или информационные потоки в системе управления воздействуют помехи существенно изменяющие номинальные сигналы. Такие сигналы, отклоняющие процесс управления от номинального называют возмущениями или помехами. Различие в том, что помеха пассивна и меняет только отношение сигнал/шум. Возмущение меняет сигнал при той же помехе.

 

Многоуровневое  интеллектуальное управление

Современные системы интеллектуального управления должны обеспечивать автономную работу множества связанных технических объектов. Это дает основание говорить об интеллектуальной системе управления (ИСУ). Интеллектуальная система должна решать сложные задачи, включая планирование, целеполагание, прогнозирование и прочее. Для универсальности, адаптации и точности решений целесообразно применение многоцелевого  интеллектуального управления.

Многоуровневая  архитектура интеллектуальной системы управления состоит из трех уровней: концептуального, информационного и операционного (рис.1). Система, построенная по такой архитектуре, управляет поведением сложных технических объектов в условиях автономного и коллективного взаимодействия. Концептуальный  уровень является ответственным за реализацию высших интеллектуальных функций

 

Многоуровневое интеллектуальное управление

Рис.1. Многоуровневое интеллектуальное управление.

 

На концептуальном уровне используется семиотическое (знаковое) представление знаний и осуществляется обмен сообщениями с остальными уровнями. Информационный и операционный  уровни содержат модули, поддерживающие разные интеллектуальные и информационные процедуры и трансформирующие их в управление.

Основной задачей управления на концептуальном уровне является хранение, приобретение и использование концептуальных знаний, представленных в семиотическом (символьном) виде.

Составная  динамическая система: W=<FSi, MFsi > включает два компонента: статический FSi, который  определяет систему знаков динамический MFsi  , который определяет систему правил (рис.1).

Приобретение знаний  основывается на модели реальной ситуации во внешней среде.  К высшим интеллектуальным функциям относят функции постановки главной цели и подцелей, планирования поведения  и распределения воздействий в общем плане действий.

На информационном уровне управления решаются задачи информационного моделирования, основными из которых являются: построение информационной ситуации [19], информационной позиции [20], которые соответствуют компоненте FSi. На информационном уровне управления решаются задачи построения информационной конструкции [21], которая является отражением системы правил концептуального уровня и соответствует компоненте MfsiЯзыковая среда семиотического управления на информационном уровне реализуется применением различных информационных единиц. Которые служат основой построения информационной ситуации, информационной позиции и информационной конструкции.

На операционном (исполнительном) уровне происходит реализация управленческих решений (управленческих воздействий). Управленческие воздействия в обязательном порядке меняют информационную позицию объекта управления. Управленческие воздействия могут менять, если это необходимо, информационную ситуацию объекта управления. В то же время менять информационную ситуацию, чаще всего,  нет необходимости. Основной задачей этого уровня изменение состояния и позиции объекта управления и сообщение  об изменениях на концептуальный уровень.

Многоуровневая архитектура имеет ряд особенностей. Она включает в себя ряд  когнитивных функций человека. Она опирается на использование информационного подхода к интеллектуальному  управлению.

Следует отметить различие между интеллектуальными и информационными  технологиями. Информационные технологии выполняют функции поддержки интеллектуального управления. Основную роль играют интеллектуальные технологии принятия решений. Они дают возможность наряду с решением или в ходе получения решения осуществлять поиск новых знаний и накопления интеллектуальных ресурсов. Информационные технологии создают только информационные ресурсы. Это означает, что знания, формализованные в явном виде, будучи освоенными, могут стать частью опыта и частью базы знаний и быть использованы им для решения задач и принятия решений.

 

Заключение

Интеллектуальное управление  эффективно и необходимо при управлении сложными объектами, для которых трудно или невозможно найти формальные модели функционирования. Основой интеллектуального управления являются семиотические модели [22, 23] в первую очередь и информационные во вторую. Методы  интеллектуального управления разнообразны и применимы к техническим, когнитивным и транспортным  системам [24-26]. Интеллектуальное управление широко применяют для многоцелевого управления [27]. Современное интеллектуальное управление интегрируют в облачные платформы и сервисы [28]. При управлении распределенными организациями и корпорациями возникает необходимость учета пространственных отношений и пространственных знаний. Еще одной проблемой является ограниченное количество интеллектуальных технологий работы с неявными знаниями. Технически проблема управления знаниями связана трансформацией информационных ресурсов  в интеллектуальны  ресурсы и их применением их в интеллектуальных технологиях.


Библиографический список

  1. Поспелов Д.А. Прикладная семиотика и искусственный интеллект// Программные продукты и системы. – 1996. – №3. –  C.10-13
  2. Цветков В.Я. Когнитивное управление. Монография — М.: МАКС Пресс , 2017. — 72с. ISBN 978-5-317-05434-2
  3. Цветков В.Я. Информационное управление. — LAP LAMBERT Academic Publishing GmbH & Co. KG, Saarbrücken, Germany 2012 -201с
  4. Осипов Г. С. и др. Интеллектуальное управление транспортными средствами: стандарты, проекты, реализации //Авиакосмическое приборостроение. – 2009. – №. 6. – С. 34-43.
  5. Осипов Г.С. От ситуационного управления к прикладной семиотике. Новости искусственного интеллекта. 2002, № 6.
  6. Никифоров В. О., Слита О. В., Ушаков А. В. Интеллектуальное управление в условиях неопределенности. — СПб: СПбГУ ИТМО, 2011.
  7. McAfee A., Brynjolfsson E. Big data: the management revolution //Harvard business review. – 2012. – №. 90. – С. 60-6, 68, 128.
  8. Цветков В.Я Маркелов В.М., Романов И.А. Преодоление информационных барьеров // Дистанционное и виртуальное обучение. 2012. № 11. С. 4-7.
  9. Forbes L. S., Kaiser G. W. Habitat choice in breeding seabirds: when to cross the information barrier //Oikos. – 1994. – С. 377-384.
  10. Tsvetkov V. Ya. Intelligent control technology. // Russian Journal of Sociology, 2015, Vol. (2), Is. 2.-р.97-104. DOI: 10.13187/rjs.2015.2.97 www.ejournal32.com.
  11. Zilouchian A., Jamshidi M. Intelligent control systems using soft computing methodologies. – CRC Press, Inc., 2000
  12. Alavi M., Leidner D. E. Review: Knowledge management and knowledge management systems: Conceptual foundations and research issues //MIS quarterly. – 2001. – р.107-136.
  13. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989. -184c.
  14. De Moura L., Bjørner N. Z3: An efficient SMT solver //Tools and Algorithms for the Construction and Analysis of Systems. – Springer Berlin Heidelberg, 2008. – С. 337-340.
  15. Розенберг И.Н., Цветков В.Я. Применение мультиагентных систем в интеллектуальных логистических системах. // Международный журнал экспериментального образования. – 2012. — №6. – с.107-109
  16. Ефимов Е.И. Решатель интеллектуальных задач — М.: Наука, Главная редакция физико-математической литературы, 1982. – 320с.
  17. Поспелов Д.А., Осипов Г.С. Прикладная семиотика // Новости искусственного интеллекта. — 1999. — №1.
  18. Цветков В.Я. Информационная неопределенность и определенность в науках об информации // Информационные технологии. — 2015. — №1. -с.3-7
  19. Tsvetkov V. Yа. Dichotomic Assessment of Information Situations and Information Superiority // European researcher. Series A. 2014, Vol.(86), № 11-1, pp.1901-1909.    DOI: 10.13187/er.2014.86.1901
  20. Tsvetkov V. Ya. Information Situation and Information Position as a Management Tool // European researcher. Series A. 2012, Vol.(36), 12-1, p.2166- 2170
  21. Tsvetkov V. Ya. Information Constructions // European Journal of Technology and Design. -2014, Vol (5), № 3. — p.147-152
  22. 22. Поспелов Д.А. Семиотические модели: успехи и перспективы// Кибернетика. – 1976. – №6. – С.114-123.
  23. 23. Поспелов Д.А. Семиотические модели в управлении. Кибернетика. Дела практические. — М.: Наука, 1984. – С.70-87
  24. Осипов Г. С. и др. Интеллектуальное управление транспортными средствами: стандарты, проекты, реализации //Авиакосмическое приборостроение. – 2009. – №. 6. – С. 34-43.
  25. Снитюк В. Е., Юрченко К. Н. Интеллектуальное управление оцениванием знаний //ВЕ Снитюк, КН Юрченко.− Черкассы. – 2013.
  26. Пугачев И. Н., Маркелов Г. Я. Интеллектуальное управление транспортными системами городов //Транспорт и сервис: сб. науч. трудов.–Калининград: Изд-во имени И. Канта. – 2014. – №. 2. – С. 58-66.
  27. Атиенсия В., Дивеев А. И. Синтез интеллектуальной системы многоцелевого управления //Современные проблемы науки и образования. – 2012. – №. 6.
  28. Грибова В. В. и др. Облачная платформа для разработки и управления интеллектуальными системами //Международная научно-техническая конференция «Открытые семантические технологии проектирования интеллектуальных систем»(OSTIS-2011).-Минск: БГУИР. – 2011. – С. 5-14.