8.1. Новая структура веполя
Вводится новая структура веполя или ЭлД (на английском El-Action). Кроме элементов и действий, вводится еще один компонент — знание.
Новая структура включает «элемент (Эл) , на английском Element (E) », «действие (Д) , на английском Action (A) », и «знания (З), на английском Knowledge (K) ».
Модель, включающую элемент, действие и знание, будем называть ЭлДЗ (на английском EAK). Методику анализа и преобразования ЭлДЗ будем назвать ЭлДЗ анализ.
Возможны следующие этапы учета знаний (K) в системе.
1. Знания вне системы. Не ЭлДЗ система.
2. Частичные знания водятся при проектировании системы. Остальные необходимые знания находятся вне системы (в надсистеме).
3. Все необходимые знания вводятся в систему. Управление знаниями находится вне системы (в надсистеме).
4. Управление знаниями осуществляется в системе.
Пример 8.1. Сверление отверстия
Необходимо просверлить отверстие в детали.
1. Знания (З) вне системы.
Сверлят вручную. Действие (Д) — это вращение. Оно действует на элемент (Э) — сверло. Знания (З) вне системы. Они находятся у рабочего. Он знает, где необходимо просверлить отверстие и как его сверлить.
2. Частичные знания в системе.
Делается специальное приспособление (кондуктор) для сверления отверстия. Рабочему не нужно не только делать разметку места сверления, но и кернить. Эти знания уже заложены в систему в виде приспособления.
Знание (З) управляет действием (Д), которое воздействует на элемент (Э). Знания, как делать отверстие (технология изготовления), — вне системы (у рабочего). Пунктирная стрелка обозначает, что используется частичные знания.
3. Все знания о процессе в системе.
Станки с числовым программным управлением (ЧПУ) имеют все необходимые знания для осуществления технологии изготовления изделия. Управление этими знаниями — программирование — вне системы. Управление знаниями выполняется оператором.
4. Управление знаниями осуществляется в системе.
Программирование (З 2 — знание, управляющее знаниями З 1 ) должно осуществляться в самом станке. Это следующий этап развития.
Этапы 2—4 (частичные знания в системе, все знания о процессе в системе, управление знаниями осуществляется в системе) могут быть в общем виде описаны более сложными схемами, чем модели (8.2) — (8.4).
Элемент (Э) может первоначально содержать какие-то знания (З). Для управления элементом (Э) часто необходимо знание (З) о его состоянии. Это знание учитывается при проектировании, заранее подстраивая действие под данное состояние. При работе системы не учитывается изменение состояния элемента. Действие всегда одинаково.
Тогда модель (8.2) можно представить так:
где З 1 — знание о состоянии элемента Э. Это знание З 1 изменяет действие Д в зависимости от состояния элемента Э. Пунктирные стрелки означают, что знание о состоянии элемента введено заранее.
На этапе 3, если состояние элемента (Э) контролируется, т. е. система постоянно получает информацию о состоянии элемента, то модель (8.3) может быть представлена так:
Этот случай характерен для любых самонастраивающихся систем.
Пример 8.2. Самонаводящаяся ракета
С помощью головки самонаведения, расположенной в носовой части ракеты, получаются данные о координатах цели, направлении и скорости ее передвижения.
Эти данные передаются в систему автоматического управления ракетой, которая направляет ракету в нужном направлении и с нужной скоростью.
Этап 4 при контролировании состояния элемента (Э) может быть представлен, например, так:
где:
З 1 — знание, управляющее действием (Д);
З 2 — знание о состоянии элемента (Э);
З 3 — знание, управляющее знаниями (З 1 ).
Пример 8.3. Самонаводящаяся ракета
В примере 8.2 с самонаводящейся ракетой З 3 может представлять собой, например, изменение цели, отмену действия или самоуничтожение и т. д.
Пример 8.4. Изготовления шоколада
Рассмотрим процесс изготовления шоколада.
1. Знания (З) вне системы.
Сначала процесс осуществлялся человеком вручную. Он знал весь процесс. Выбирал необходимые бобы какао, жарил их и молол до нужной консистенции. Таким образом, знания о процессе изготовления шоколада были только в голове работника, т. е. знания не присутствовали в системе.
2. Частичные знания в системе.
На следующем этапе делались простейшие механизмы и машины. Они уже включали определенные знания, например, как размельчать бобы какао, — была создана мельница. Это этап частичного включения знаний в систему. Далее процесс все более автоматизировался. В систему вносили все большие знания.
3. Все знания о процессе в системе.
Создали полностью автоматизированную систему. В систему внесли все необходимые знания для изготовления определенного вида шоколада.
4. Управление знаниями осуществляется в системе.
На следующем этапе в систему изготовления шоколада необходимо ввести управление знаниями изготовления шоколада.
Например, система будет адаптироваться и изменять процесс для различных сортов какао и конкретно под бобы, имеющиеся в системе. Система будет изучать процесс изготовления шоколада и улучшать его. Система будет сама перестраиваться под различные сорта шоколада. Система будет создавать новые рецепты шоколада и саморазвиваться. Система будет создавать подобные себе системы.
Учет знаний и закономерностей их развития — это современные тенденции развития техники. Особенно важно их учитывать при развитии информационных технологий.
Часто веполь изображают в виде треугольника. Аналогично можно представить и ЭлД . Тогда ЭлДЗ в общем виде можно изобразить так:
Таким образом, вепольный и ЭлД анализ являются частными случаями ЭлДЗ анализа, при условии, что знания не учитываются или не рассматриваются при анализе и синтезе системы.
Для полноты картины необходимо учитывать изменения элементов (Э), действий (Д) и знаний (З) во времени, т. е. их динамизацию. Схематично это изобразим в виде стрелки с буквой t (время).
8.2. Параметрический анализ
Для полноты картины необходим учет всех параметров составляющих компонентов (элемента, действия и знаний).
8.2.1. Данные об элементе
В качестве данных об элементе можно рассматривать:
1. Структуру;
2. Свойства;
3. Изменения во времени.
Структура элемента
Под структурой элемента понимается:
— Внутреннее строение и/или состав;
— Форма;
— Агрегатное состояние с учетом цепочки дробления (рис. 6.6).
Структура зависит от самого элемента.
Пример 8.5. Структура технической системы
Для технических элементов это может быть, например, конструкция (устройство) элемента, его состав (пластмасса, металл, «умное» вещество, например, материал с эффектом памяти формы, чип и т. д.). Форма элемента и его агрегатное состояние (твердый, жидкий, газообразный, плазма).
Пример 8.6. Структура организационной системы
Для организационных систем, например, структура компании или подразделения.
Пример 8.7. Структура бизнес-системы
Для бизнес-системы, например, структура и состав бизнеса, какой-то сделки и т. д.
Пример 8.8. Структура информационной системы
Для информационных систем — это может быть структура элемента, вид информации и ее параметры и т. д.
Свойства элемента
Описываются все свойства и параметры элемента.
Это могут быть:
— технические свойства, включая вес и габариты;
— экономические характеристики;
— эстетические характеристики;
— эргономические характеристики;
— экологические характеристики;
— психологические характеристики;
— и т. п.
Изменения во времени
Учитывает изменяется ли элемент во времени и характеристики изменения, т. е. элемент динамичный или статичный и характеристики динамичности.
8.2.2. Данные о действии
В качестве данных об элементе можно рассматривать:
1. Вид действия;
2. Градиент действия (grad Д).
Вид действия
Любое действие, воздействие и взаимодействие любой природы:
1. Потоки:
— вещества;
— поля;
— информации.
2. Силы;
3. Энергия;
4. и т. д.
Градиент действия
Градие́нт (от лат. gradiens, род. падеж gradientis — шагающий, растущий) — вектор, своим направлением указывающий направление наибольшего возрастания некоторой величины ψ, значение которой меняется от одной точки пространства к другой (скалярного поля), а по величине (модулю) равный скорости роста этой величины в этом направлении.
Градиент — вектор, своим направлением указывающий направление наискорейшего возрастания некоторой величины ψ. Другими словами, направление градиента есть направление наибыстрейшего возрастания функции [.
Учитывая, что величина, с которой мы имеем дело, — это действие (Д), формулу (8.10) можно представить
Таким образом, для действия указывается его:
— направление:
— сила;
— скорость.
В некоторых случаях нужно указывать более высокие производные и интеграл действия.
8.2.3. Данные о знании
Сначала дадим некоторые определения.
Знание — форма существования и систематизации результатов познавательной деятельности человека. Выделяют различные виды знания: научное, обыденное (здравый смысл), интуитивное, религиозное и др. Обыденное знание служит основой ориентации человека в окружающем мире, основой его повседневного поведения и предвидения, но обычно содержит ошибки, противоречия. Научному знанию присущи логическая обоснованность, доказательность, воспроизводимость результатов, проверяемость, стремление к устранению ошибок и преодолению противоречий.
Знание — субъективный образ объективной реальности, то есть адекватное отражение внешнего и внутреннего мира в сознании человека в форме представлений, понятий, суждений, теорий.
Знание в широком смысле — совокупность понятий, теоретических построений и представлений.
Отличительные характеристики знания все еще являются предметом неопределенности в философии. Согласно большинству мыслителей, для того чтобы нечто считалось знанием, это нечто должно удовлетворять трем критериям:
— быть подтверждаемым;
— быть истинным;
— заслуживающим доверия.
В качестве данных о знаниях можно рассматривать:
1. Структуру;
2. Свойства;
3. Изменения во времени.
Структура знаний
Под структурой знаний мы понимаем:
1. Вид знания
2. Составные части знания и их взаимодействия.
Свойства знаний
Под свойствами знаний мы понимаем то, что могут дать эти знания.
Изменения во времени
Знания могут быть:
1. неизменными;
2. меняющимися, например адаптирующимися.
8.1.2. Закономерности развития ЭлДЗа
Развитие ЭлДЗа осуществляется по закону, подобному закону увеличения степени вепольности (рис. 6.1—6.5) и закону увеличения степени ЭлДа (рис.7.1—7.40. Общая тенденция развития ЭлДЗа представлена на рис. 8.1.
Рис. 8.1. Общая тенденция развития ЭлДЗа
Тенденцию развития ЭлДЗа начнем рассматривать с этапа, когда в систему еще не введены знания (З). Это предшествующий этап — развития ЭлДа (рис. 8.2—8.4). Такой этап мы условно назвали не ЭлДЗ система.
Простой ЭлДЗ — это этап введения в систему знания (З). Следующий этап увеличения управляемости системы — это изменение и согласование элементов (Э), действий (Д) и знаний (З). Согласование означает, что необходимо, чтобы действие (Д) отзывалось на знания (З), элемент (Э) отзывался на действие (Д), а знание воспринимало изменение состояния элементов (Э) и действий (Д), управляя ими.
Структура ЭлДЗ отличается от структур, изображенных на рис. 7.1—7.4, тем, что дополнительно вводится знание (З).
Изменение структуры означает, что для каждой из структур, изображенных на рис. 7.1 и 7.4, дополнительно вводится знание (K). Схема изменения структуры ЭлДЗ показана на рис. 8.2 и 8.3.
Рис. 8.2. Тенденция изменения структуры ЭлДЗа
Рис. 8.3. Тенденция изменения комплексного ЭлДЗа
Следующий этап — форсированный ЭлДЗ. Форсирование означает увеличение степени управляемости. Форсированный ЭлДЗ предусматривает форсирование элемента (Э), действия (Д), знаний (З) и структуры.
Рис. 8.4. Тенденция изменения форсированного ЭлДЗа
Закономерности увеличения управляемости элемента, действия и аналогичны закономерностям изменения вещества и поля. В самом общем виде будут изложены ниже. Также ниже будут описаны закономерности управления знаниями.
8.2. Закономерность управления элементом
Закономерность управления элементом представлена на рис. 8.5.
Рис. 8.5. Структура законов эволюции систем
Управление элементом аналогично управлению веществом.
Закономерность перехода к КПМ не характерна для информационных систем, поэтому она не учитывается.
Закономерность изменения степени дробления рассматривается в общем виде (рис. 6.6). Элементы могут быть раздроблены и иметь жесткие или гибкие связи между собой.
8.3. Закономерности управления действием
Закономерность управления действием представлена на рис. 8.6.
Закономерность заключается в том, что любая система в своем развитии стремится изменить концентрацию (насыщенность) действий в необходимый момент в нужном месте по необходимому условию .
Рис. 8.6. Закономерность управления действиями
Механизмы изменения концентрации (насыщенности) действий аналогичны механизмам изменения энергетической и информационной концентрации (насыщенности), которые, прежде всего, относятся к рабочему органу (рис. 8.7—8.8).
Рис. 8.7. Тенденция замены вида действия
Рис. 8.8. Тенденция перехода моно-, би-, полидействия
8.4. Закономерности развития знаний
Нами выявлены следующие закономерности развития знаний:
— Расширение — сжатие.
— Дифференциация — специализация.
— Комбинация известных знаний и интеграция.
— Интеллектуализация.
8.4.2. Расширение — сжатие (свертывание)
Тенденцию «расширение — сжатие» можно продемонстрировать на примере развития различных теорий.
Пример 8.9. Развитие теории электромагнитного взаимодействия
Первоначально электричество и магнетизм считались двумя отдельными силами. Затем многие ученые замечали связь электрических и магнитных явлений. Первым из них был Джованни Доменико Романьози (1802 г.). Далее свой вклад внесли Ганс Христиан Эрстед, Доминика Франсуа Араго, Жан-Батисто Био, Фелекс Савару, Андре-Мари Ампер, Макл Фарадей (1820 г.) Это этапы расширения знаний.
Джеймс Максвелл в 1873 г. свел их воедино, создав классическую электродинамику. Это этап сжатия знаний.
Пример 8.10. Развитие теории гравитации
Опишем только некоторые из шагов развития теории гравитации.
Первый вклад внес древнегреческий астроном Клавдий Птолемей (87—165), разработав геоцентрическую модель мира (центральное положение во Вселенной занимает неподвижная Земля).
Коперник (1473—-1543 гг.) изучал небесные тела в течение 40 лет (этап расширения знаний). В 1543 г. была опубликована его книга «О вращении небесных тел», где была описана гелиоцентрическая модель мира (Солнце является центром небесных тел).
Затем накопились данные, дополняющие и противоречащие теоретическим знаниям Коперника (расхождение астрономических таблиц с наблюдениями), — это этап расширения. Уже теория Коперника не объясняла все имеющиеся дополнительные знания.
Гильберт (1540—1603) предположил, что силы тяготения подобны силе магнитов. Рене Декарт предположил, что тяготение создают вихри тонкой невидимой материи, а планеты подобны телам, попавшим в водяные воронки. Но строгий порядок в мысли о тяготении внес Иоганн Кеплер (1571—1630), который вывел количественные законы движения планет. Потом Галилей добавил закон инерции и принцип независимости действия сил. Роберт Гук (1635—1703) сделал практически первый эскиз закона: «Все небесные тела производят притяжение к их центрам, притягивая не только свои части, как мы это наблюдали на Земле, но и другие небесные тела, находящиеся в сфере их действия».
Следующий этап сделал Кеплер (1571—1630). Он вывел количественные законы движения планет. Его теория включала знания, описанные Коперником (вел три закона, полностью объясняющие видимую неравномерность движения планет). Это этап сжатия.
Галилей добавил закон инерции и принцип независимости действия сил. Многие ученые высказывали предположения о силе притяжения. Это был этап расширения.
Самый значительный вклад в теорию гравитации внес Исаак Ньютон (1642—1727). Он учел знания Коперника, Кеплера и Галилея, открыл закон всемирного тяготения в 1666 году. Вывел формулу силы гравитационного притяжения. Это был этап сжатия. Дальнейшее накопление знаний (расширение) показало неточность теории Ньютона.
Очередной этап сжатия осуществил Эйнштейн в 1915 году, создав общую теорию относительности. Теория Ньютона, в полном согласии с принципом соответствия, оказалась приближением более общей теории, применимым при выполнении двух условий:
1. Гравитационный потенциал в исследуемой системе не слишком велик.
2. Скорости движения в этой системе незначительны по сравнению со скоростью света.
Далее снова стали накапливаться знания, не объясняемые теорией относительности, например гравитационные процессы в квантовых масштабах. К настоящему времени проводятся исследования, но теория квантовой гравитации пока не создана.
Делаются попытки создать единую теорию поля. Пока это этап расширения знаний.
На этапе расширения знаний находится и «Теория всего (Theory of everything —TOE)». Это попытка создать теорию, описывающую все фундаментальные взаимодействия (гравитационноее, электромагнитное, сильное и слабое).
8.4.3. Дифференциация — специализация
От одной области науки отпочковывается наука, и она начинает самостоятельно развиваться.
Пример 8.11. Физика
Первоначально физика была единой наукой. Затем появились отдельные науки — механика, термодинамика, оптика, электродинамика, атомная физика и т. д. Механика разделилась на классическую механику, релятивистскую механику, механику сплошных сред. Последняя наука разделилась на гидромеханику, акустику и механику твердого тела. Каждый из разделов продолжает делиться и специализироваться дальше.
8.4.4. Комбинация известных знаний и интеграция
Новые знания образуются и соединением уже известных.
Пример 8.12. Физика и химия
Например, были науки физика и химия. Затем появились науки физическая химия и химическая физика.
Новые знания могут появляться путем комбинирования старых.
Знание «А» известно, знание «Б» тоже известно. Новое знание «В» получают соединением «А» и «Б».
Пример 8.13. Физика и химия
Периодичность солнечных пятен была давно известна, периодичность явлений в ионосфере — тоже; открытие состояло в том, что было найдено явление взаимосвязи между активностью солнечных пятен и функциями ионосферы.
Могут быть и более сложные варианты получение новых знаний: формула «А + Б» дает новое знание «В», затем «В + известное Г» дает новое знание «Д».
Пример 8.14. Солнечная активность
Периодичность в солнечной активности известна, периодичность в слипании коллоидов — тоже. Сначала установили взаимосвязь между этими явлениями. Затем полученное новое явление связали с известным явлением, состоящем в том, что тело человека — коллоидальная система. В итоге было открыто явление взаимосвязи некоторых процессов в организме с периодичностью солнечных пятен.
Обратный прием: исследование явления «А» с целью установления, что оно есть совокупность двух ранее неизвестных явлений «В» и «Б».
Пример 8.15. Радиоактивное излучение
Сначала было известно вообще радиоактивное излучение, затем — применяя магнитное поле — установили, что лучи радия — совокупность трех разных лучей. Так открыли явления альфа-, бета- и гамма-радиоактивности.
Другие схемы:
По аналогии. Есть группа явлений и, допустим, есть другая более или менее похожая на нее вторая группа явлений; тогда можно рассчитывать, что явлению «А» в первой группе соответствует еще не известное явление «А1» во второй группе.
Подвергать сомнению самоочевидные и общепризнанные явления. На каждом этапе развития техники эксперимента полезно проверить, казалось бы, достоверные явления.
Исключение неуниверсального явления. Допустим, явление «А» хорошо объединяет ряд факторов, но не объясняет какого-то одного факта. Тогда есть смысл попытаться отказаться от явления «А» или заменить его частными явлениями. При этом существование границ между частными явлениями — само по себе новое явление.
Отыскание среди явлений взаимопротиворечивых. Такая противоречивость далеко не всегда очевидна.
8.4.5. Интеллектуализация
Переход от неуправляемых к управляемым знаниям происходит по следующей цепочке: адаптивные (самонастраивающиеся) знания, самообучаемые и самоорганизующиеся знания и, наконец, саморазвивающиеся и самовоспроизводящиеся знания.
На сегодняшний день имеются системы адаптирующиеся, самонастраивающиеся и самообучающиеся, способные адаптировать и накапливать знания в процессе обучения. Развитие искусственного интеллекта постепенно приводит к получению саморазвивающихся и самовоспроизводящихся знаний.
Эта закономерность — развитие знаний в будущем.
Пример 8.16. Алгоритм открыл периодическую таблицу элементов
Междисциплинарная группа ученых из Стэнфорда создала алгоритм Atom2Vec, который всего за несколько часов открыл периодическую таблицу элементов. Но более всего поражает даже не скорость, с которой ИИ сделал то, на что ушли столетия у человечества, а использованный для этого лингвистический метод, приложенный к материаловедению.
Физики Стэнфорда использовали гипотезу Зеллига Харриса о распределенной структуре языка.
Лингвистическая концепция Харриса основана на идее, что базовые классы сущностей языка могут быть сгруппированы по сходным свойствам распределения. Например, слово «тетя» связано со словами «женщина», «дядя» и «мужчина» так, что тётю можно описать формулой:
Тётя = Дядя — Мужской + Женский
Основываясь на этой лингвистической аналогии, исследовательская группа создала алгоритм Atom2Vec с концепциями, взятыми из Word2Vec от Google, и запустила его на двухслойной нейронной сети для разбора естественного языка.
Только применили Atom2Vec не к словам, а к атомам. А в итоге получилась периодическая таблица элементов.
8.5. Структурный анализ для систем обработки информации
Рассмотрим особенности применения EAK анализа для систем обработки информации.
Процесс обработки информации характерен для многих систем, но для систем обработки информации он является главным. Он имеет свои особенности и закономерности.
В этих системах элемент представлен в виде данных (Д) и на английском (Data — D), действие — функция (Ф) и на английском (Function — F) и знание (З) и на английском (Knowledge — K). Модель, включающая Данные, Функцию, Знание (на английском Data, Function, Knowledge), будем называть ДаФЗ, на английском — DFK.
Методику анализа и преобразования ДФЗ будем назвать ДаФЗ- анализ, на английском — DFK-анализ.
В системах обработки информации мы имеем дело с данными и функциями.
Данные — это часть информации, поступающей в систему.
Функция — это действие по обработке данных в системе.
Знание — это совокупность обоснованной, доказательной, эмпирической и воспроизводимой информации. Главное отличие знаний от данных состоит в их структуризации и активности. Знания доступны вне связи с поступающими данными и задаются во время разработки системы или ее обновления. Появление в базе новых факторов или установление новых связей может стать источником изменений в принятии решений.
8.5.2. ДаФЗ-анализ
Система неуправляема, если функция постоянна и не зависит от данных. Этот случай можно представить, как неполный ДаФЗ (8.12):
Как правило, имеются некоторые предварительные знания , которые могут быть использованы для корректировки функций в соответствии с классом входных данных. Такую модель будем называть полный ДаФЗ, простой ДаФЗ или ДаФЗ. Эту модель можно представить в следующем виде (8.13):
Система может адаптировать свои функции путем анализа входных данных и выбора наилучшей стратегии обработки данных. Такую структуру будем называть адаптивным ДаФЗ. Она может быть представлена в следующем виде (8.14):
Эта концепция может помочь исследовать различные системы обработки информации, определять эффективность их работы и выбрать путь для улучшения идеальности таких систем.
Пример 8.17. Система сжатия данных
Рассмотрим систему сжатия данных.
1. Тип входных данных неизвестен. В этом случае единственным надежным подходом является метод сжатия без потерь. При этом осуществляется относительно низкая степень сжатия. Эта система не использует знаний, поэтому это неполный ДаФЗ (8.12).
2. Если тип данных известен (например, изображение или звук), то для этого типа данных может быть использована конкретная схема сжатия (например, JPEG для изображений и MP3 для аудиопотоков). Выбранная схема сжатия использует структуру данных, что позволяет осуществить более высокую степень сжатия данных по сравнению с первым примером. Эта схема использует только внешние знания, полученные извне системы, без какого-либо анализа входных данных. Это пример простого ДаФЗ (8.13).
3. Наилучшая производительность сжатия может быть осуществлена путем анализа входных данных и определения типа данных (например, фото, рисунок, текст и т. д.). Выбирается наилучший метод сжатия для конкретного типа данных. Эта система использует как внешние знания, полученные извне системы, так и внутренние знания, собранные путем анализа входных данных. Это пример адаптивного ДаФЗ (8.14).
8.5.3. Закономерности увеличения степени ДаФЗа
Системы обработки информации подчиняются закону увеличения степени ДаФЗа. Мы сформулировали четыре закономерности увеличения степени ДаФЗа.
1. Закономерность многоступенчатой обработки.
2. Закономерность обработки многих источников.
3. Закономерность приспособляемости.
4. Закономерность многоступенчатой обработки.
Закономерность многоступенчатой обработки
Закономерность многоступенчатой обработки гласит: любая система обработки информации, как правило, обрабатывает данные в несколько этапов. То есть при увеличении сложности обработки обработка разделена на несколько этапов. Есть ряд различных причин многоступенчатой обработки:
1. Распределенные системы. Система, в которой обработка информации осуществляется различными компонентами.
Пример 8.18. Глобальные сети информации
В глобальной сети информация распределена на многих серверах. Обработка информации осуществляется на серверах и на персональном компьютере клиента.
2. Оптимизационное развитие. Сложные системы делятся на компоненты так, что каждый компонент может быть разработан и проверен самостоятельно. Минимизация связи между компонентами позволяет развивать систему более эффективно и быстро.
Пример 8.19. Разделение на компоненты
Практически все системы обработки информации разделены на компоненты, например программные комплексы разделены на модули, а отдельные программы — на функции.
В соответствии с закономерностью многоступенчатой обработки простой ДаФЗ становится простым многоступенчатым ДаФЗом . В простом многоступенчатом ДаФЗ каждая стадия обработки не зависит от всех других, только передаются данные. Простой многоступенчатый ДаФЗ превращается в согласованный многоступенчатый ДаФЗ , в котором частичное количество знаний осуществляет обмен между этапами обработки. Наконец, согласованный многоступенчатый ДаФЗ становится общим многоступенчатым ДаФЗ . В общем многоступенчатом ДаФЗ все знания полностью распределяются между всеми этапами обработки (рис. 8.9).
Рис. 8.9. Закономерность многоступенчатой обработки
1. Простой многоступенчатый ДаФЗ.
Пример 8.20. Веб-страница
Изображение на веб-странице делается фотоаппаратом, а представляется на мониторе. Фотоаппарат фиксирует световой сигнал, обрабатывает его и создает файл изображения. Компьютер, представляющий веб-страницу, может дополнительно обрабатывать файл, например адаптировать цвета и размеры для лучшего представления на мониторе. Фотоаппарат и монитор не обмениваются информацией.
2.Согласованный многоступенчатый ДаФЗ. Имеются случаи, когда вместе с информацией включаются и метаданные.
Пример 8.21. Цифровой зеркальный фотоаппарат
Цифровой зеркальный фотоаппарат (DSLR) фиксирует необработанное (или частично обработанное) изображение вместе с настройками съемки. Необработанное изображение передается на персональный компьютер, на котором эти параметры используются для завершения обработки изображения и получения окончательной фотографии.
3. Общий многоступенчатый ДаФЗ. Алгоритм обработки разделен на подпрограммы, которые могут иметь общую структуру, чтобы содержать все знания. Глобальные знания используются для обработки информации от каждого входа.
Закономерность обработки многих источников
Закономерность обработки многих источников гласит: система обработки информации с разными источниками, как правило, обрабатывает несколько источников совместно. Несколько входов с одинаковыми или различными видами информации могут совместно обрабатываться, исследуя корреляцию между ними.
Пример 8.22. Несколько источников информации
Несколько источников информации — это видео, содержащее видео- и аудиоинформацию. Отношение между ними может быть использовано для улучшения распознавание речи, уменьшения шума и сжатия видео.
В соответствии с закономерностью обработки многих источников любой простой ДаФЗ со многими источниками имеет тенденцию стать когерентным ДаФЗ со многими источниками. В когерентном ДаФЗ со многими источниками отслеживаются и обрабатываются все источники информации, но обработка выполняется независимо. Когерентный ДаФЗ со многими источниками может преобразовываться в согласованный ДаФЗ со многими источниками, где знания частично распределяются посредством подсистем между разными источниками. В конце концов, согласованный ДаФЗ со многими источниками может влиться в коллективный ДаФЗ со многими источниками с центральной обработкой знаний (рис. 8.10).
Рис. 8.10. Закономерность обработки многих источников
Пример 8.23. Видеоконференция
1. Простой ДаФЗ со многими источниками.
Две независимые системы находятся рядом. Например, видеоконференция с двумя независимыми системами: аудио и видео.
2. Когерентный ДаФЗ со многими источниками.
Управление видеоконференцией осуществляется на основании аудио и видеосигналов. Например, направленный микрофон ориентируется на говорящего человека на основании обработки видеосигнала.
3. Согласованный ДаФЗ со многими источниками.
В видеоконференции изображение может быть увеличено на основании обработки видеосигнала и направления звука говорящего, в то время как микрофон ориентирован на основании обработки звука и расположение говорящего человека. Это может быть особо полезно для выявления основного докладчика, когда имеется несколько человек в фоновом режиме.
4. Коллективный ДаФЗ со многими источниками.
В видеоконференции видеоизображение будет увеличено и направленный микрофон ориентирован на основании совместного анализа видео- и аудиоканалов.
Закономерность приспособляемости
Закономерность приспособляемости гласит: система обработки информации имеет тенденцию приспосабливать прежние данные для повышения своей эффективности. То есть система имеет тенденцию изучения информации, полученной раньше, и можно приспособить ее, чтобы получить наилучшие результаты для поступающей информации.
Пример 8.24. Система распознавания речи
Неконтролируемая система обучения, распознавание речи, поисковые системы и т. д.
Статический ДаФЗ не изменяется во времени, имеет набор априорных знаний (З) и функциональности (Ф). Меняться могут только данные (Д1 — Дn). Статический ДаФЗ может стать обучающимся ДаФЗ, если база знаний (З1 — Зn) меняется в зависимости от поступающих данных (Д1 — Дn). В эволюционном ДаФЗ изменяются во времени не только знания (З1 — Зn), но и функции (Ф1 — Фn), воздействуют на данные (Д1 — Дn), (рис. 8.11).
Рис. 8.11. Тенденция приспособляемости
Пример 8.25. Система распознавания речи
1. Статический ДаФЗ.
Для распознавания речи используется только заранее фиксированный словарь. Изменяться во времени могут только данные (Д1 — Дn), например информация, которую произносит человек. Знания (З) и функция (Ф) остаются неизменными. Знания — фиксированный словарь, функция — распознавание речи.
2. Обучающийся ДаФЗ.
Система реализована в виде системы неконтролируемого обучения. Словарь адаптируется и включает новый образец, каждый раз, когда речь произнесена с высокой степенью достоверности. Со временем словарь (З1 — Зn) приспосабливается под говорящих, использующих эту систему. Система знаний (З1 — Зn) приспосабливается к окружающей среде, но функция (Ф) не меняется.
3. Эволюционный ДаФЗ.
Система не только адаптирует свои знания (З1 — Зn), но и изменяет свои функции (Ф1 — Фn) или добавляет новые возможности. Добавляется новая функциональность (Ф1 — Фn) — система может говорить, синтезируя речь на основании собранных знаний. Может воспроизводиться речь не только любого, даже не существующего человека, но и любого существа, возможен синтез новой музыки и любых новых звуков.
Комплексный ДаФЗ
Можно применять комбинации описанных выше законов. На рис. 8.12 показан пример обучающегося коллективного ДаФЗ со многими источниками.
Имеются два источника информации Д1n и Д2n. Коллективное знание Зn изучает изменение данных во времени. Функция Ф1n воздействует на эволюционирующие данные Д1n, поэтому Д1n—Ф1n—Зn является развивающейся ДаФЗ. При многоступенчатой обработке на источник Д2n воздействуют Ф2 и Ф’2 под воздействием общего обучающегося знания Зn.
Рис. 8.12. Пример комплексного ДаФЗ
Пример 8.26. Распознавание объекта
Система может осуществлять распознавание любого объекта, не только по аудио и визуальной информации, но и по запаху, температуре, электромагнитным излучениям и т. д. Кроме того, система может осуществлять синтез существующих и несуществующих объектов по любым параметрам.