1.2.Информационные аспекты организации интеллектуальных САУ

Итак, преимущество интеллектуальной САУ при управлении сложными технологическими процессами обусловлено тем, что данный класс систем работает не с количественными данными, как традиционные САУ, а со знаниями, базирующимися не только на количественной, но и на качественной информации. Это дает возможность достаточно объективно и полно описать окружающий мир и организовать адекватное, в определенной степени «человеческое», поведение управляющей системы в условиях непрерывной изменчивости реальной ситуации, в которой находится интеллектуальная САУ. Чем же отличаются данные от знаний, если это отличие дает такие огромные преимущества интеллектуальным САУ, несмотря на то, что для многих понятия «данные» и «знания» являются едва ли не синонимичными?

Популярно и доступно сформулировать различия между этими двумя понятиями довольно сложно, поскольку в этом случае объяснение будет содержать большей частью философские понятия. На бытовом уровне различия между данными и знаниями хорошо отражает такой известный анекдот.

Двое пилотов-дилетантов впервые летят на самолете. Первый: «Какой у нас курс?» Второй: «Курс – 18!» Первый: «Что – 18?» Второй: «А что – курс?»

Обладают ли эти пилоты данными? Безусловно обладают, и не просто данными, а данными количественными, которые по традиционным понятиям гораздо более ценны, чем данные качественные. Но проку от этих данных никакого, поскольку соответствующих этим данным знаний у пилотов, увы, нет.

Если придерживаться буквального технического смысла терминов, то данные – это комплекс информации, совместимый в рамках некоторой формальной системы, а знания – это базирующиеся на данных способы изменения компонент формальной системы [1], [10], [11]. В зависимости от конкретной предметной области эти формулировки можно конкретизировать и уточнить, т.е. дать более частное определение. Применительно к процессу управления: данные – это информация, характеризующая множество возможных ситуаций, складывающихся при взаимодействии управляющей системы с реальным миром; знания – это информация о причинно-следственных взаимосвязях в каждой конкретной ситуации, о возможном дальнейшем развитии событий в управляющей системе и переходе к другой ситуации в зависимости от предпринятых действий и т.п.

Например, рассмотрим классическую систему стабилизации температуры в помещении, оперирующую количественными данными: сигнал от датчика температуры и сигнал, соответствующий желаемому значению температуры, поступает к блоку сравнения; блок сравнения вычисляет сигнал рассогласования и выдает его на вход регулятора; регулятор по сигналу рассогласования формирует регулирующее воздействие согласно конкретному фиксированному закону управления (алгоритм работы регулятора будет зависеть от его структуры и метода синтеза); регулирующее воздействие поступает на исполнительный элемент, непосредственно влияющий на температуру в помещении (клапан подачи горячей воды в системе отопления, электронагреватель и т.п.); вызванное регулирующим воздействием изменение режима работы исполнительного устройства приводит к изменению температуры в помещении и ее приближению к желаемому значению. Работа такой системы безупречна, если ее взаимодействие с окружающим миром было формально количественно описано на этапе синтеза регулятора и реально никогда не выходит за рамки этого описания. Но реальный мир одними количественными данными описать нельзя – реальный мир описывается количественными, описываемыми математическими терминами, и качественными, описываемыми средствами естественного языка, знаниями. Поэтому работа такой системы на практике в определенных нештатных ситуациях (т.е. ситуациях, не предусмотренных при синтезе регулятора, а предусмотреть все, как известно, невозможно) будет протекать с точки зрения человека нерационально или даже абсурдно. Представим себе, что кто то забыл закрыть наружные двери, а на улице – зима, или на датчик температуры через окно падает солнечный свет, или датчик неисправен, или …(этот список можно продолжать бесконечно).

А теперь представим, что стабильную температуру в помещении пытается поддержать человек, а не вышеописанная САУ. Сидит человек перед термометром, посматривает на него и, в зависимости от его показаний, поворачивает клапан отопительной системы, реостат термонагревателя и т.п. Если термометр выйдет из строя, человек быстро это поймет по своим ощущениям (допустим термометр показывает $\text{20}{}^{\mathrm{°}}C$, а по ощущениям оператора в комнате гораздо жарче). Если кто-то ненадолго открыл дверь и потянуло холодом по термометру, то человек может ничего и не предпринимать, если уверен, что дверь вот-вот закроют. Если дверь забыли закрыть, то вместо того, чтобы включать нагреватель, нужно эту дверь закрыть, иначе энергия будет растрачиваться впустую. Такой список нештатных для САУ ситуаций, в которых человеческое управление предпочтительнее можно продолжать до бесконечности. Почему человек, как «устройство управления», зачастую, оказывается более приемлемым – потому что он обладает не только данными, но и, самое главное, знаниями о данной системе: знает, что термометр может иногда давать ошибочные показания; знает, что, пока возникший интенсивный приток холодного воздуха перекрыть нельзя, то комнату отапливать бесполезно; знает, что кратковременное незначительное охлаждение термометра сквозняком еще не означает охлаждение всей комнаты; знает … знает много чего, а если чего и не знает, то сможет сделать выводы по наблюдаемым данным, и, таким образом, пополнить свои знания. К примеру, если вроде все в порядке, а температура в комнате падает, несмотря на предельные режимы работы отопительных приборов, то человек может предположить, что или прибор нагрева неисправен, или работы этого прибора нагрева недостаточно (снизилась температура в сети отопления, упало напряжение питания электронагревателя, слишком большие потери тепла из-за понизившейся температуры на улице), затем проверить эти гипотезы и предпринять адекватные меры. Следует обратить внимание на то, что в отличие от САУ, человек оперирует не только точной количественной информацией (показаниями термометра), но и качественной информацией: в комнате слишком жарко, а не точной количественной оценкой «температура в комнате $\text{30}{}^{\mathrm{°}}C$»; имеют место ошибочные показания термометра, а не – «погрешность составляет 25%»; кратковременное незначительное охлаждение, а не – «охлаждение в течение трех секунд на $2{}^{\mathrm{°}}C$»; интенсивный приток холодного воздуха, а не – «поток воздуха с температурой $\mathrm{-}\text{20}{}^{\mathrm{°}}C$ и со скоростью $4{м}^3\mathrm{/}с$» и т.д. Это объясняется тем, что знания об окружающем нас мире далеко не всегда могут быть четко описаны количественными характеристиками. Поэтому для успешного взаимодействия с реальным миром необходимо оперировать не только количественными, но и качественными знаниями, в том числе неопределенными (нечеткими). Например: температура воздуха в комнате $2{}^{\mathrm{°}}C$(это количественное четкое знание); температура воздуха в комнате значительно выше $2{}^{\mathrm{°}}C$(это количественное нечеткое знание); температура воздуха в комнате высокая (это качественное нечеткое знание); имеющиеся численные данные соответствуют температуре воздуха именно в комнате, а не на улице, не в коридоре и т.п. (это качественное четкое знание).

В условиях реального мира знания качественного характера обладают не меньшей, а, зачастую, гораздо большей полезностью, чем знания количественные. К примеру, известно, что при нагреве среды в реакторе до $\text{90}{}^{\mathrm{°}}C$ выход готового продукта составляет $2\text{кг}\mathrm{/}с$, при нагреве среды в реакторе до $\text{100}{}^{\mathrm{°}}C$ выход готового продукта составляет $5\text{кг}\mathrm{/}с$, при нагреве среды в реакторе до $\text{110}{}^{\mathrm{°}}C$ выход готового продукта составляет $3\text{кг}\mathrm{/}с$. Безусловно, эти количественные знания ценные, поскольку позволяют выбрать один из трех вариантов режима работы реактора. Но еще ценнее, вытекающее (разумеется, с помощью рассуждений) из приведенных четких количественных знаний нечеткое качественное знание о том, что реактор имеет экстремальную статическую характеристику, следовательно (снова следует нечеткий вывод), можно попытаться достичь наибольшего выхода готового продукта, проведя ряд дополнительных экспериментов или реализовав экстремальную систему регулирования. Более того, большинство проблем человеку приходится решать изначально опираясь только на нечеткие знания. К примеру, известно, что тормозной путь машины зависит от ее скорости, массы, состояния покрышек, дорожного покрытия, погодных условий, состояния водителя. Переходя дорогу, пешеход оценивает ситуацию исключительно в качественных нечетких терминах: машина довольно далеко от пешеходного перехода, едет со средней скоростью, легковая (значит не тяжелая), покрышек не видно (неопределенность полная), дорога не скользкая (хотя зима, но дорога посыпана песком), погода ясная, значит водитель дорогу видит хорошо, если только не усталый и трезвый (это уже знания относительно состояния водителя, и тоже полностью неопределенные). И вот, опираясь на свои исключительно нечеткие знания, пешеход просто переходит дорогу, не зная точно расстояния до машины в метрах, скорость машины в $м\mathrm{/}с$, вес машины в $\text{кг}$, износа покрышек в %, коэффициента трения, видимости в %, скорости реакции водителя и концентрации алкоголя в его крови $\text{мг}\mathrm{/}л$. Можно сказать, он рискует своей жизнью, не просчитав все точно на калькуляторе, не подставив данные в формулу, по которой можно точно вычислить тормозной путь автомобиля (хотя такая методика точного расчета существует и бережно хранится в недрах ГИБДД). И, как правило, риск оправдывается – пешеход благополучно переходит дорогу. Такие «чудеса» управления происходят с читателем каждый день. С точки зрения ортодоксального специалиста ТАУ – это настоящее чудо или чистая случайность: система выполнила поставленную задачу, не располагая количественной оценкой ни одного из параметров, характеризующих сложившуюся ситуацию и динамику ее развития. Это легко объясняется тем, что человек в полной мере обладает способностью оперировать всеми видами знаний (количественными и качественными, четкими и нечеткими) благодаря своему естественному языку. Любые знания можно описать средствами естественного языка. Человек мыслит категориями естественного языка, и, как правило, эти категории являются неопределенными и нечеткими.

Таким образом, для того чтобы интеллектуальная САУ обладала близкой к человеческой возможностью работы со знаниями, необходима их формализация и представление в технической системе посредством некоего языка описания знаний, категориями которого система могла бы оперировать так же, как человек словами. Также очевидно, что для достижения большего эффекта интеллектуализации технической системы этот язык должен описывать все возможные виды знаний: количественные и качественные, четкие и нечеткие.