Конспект лекций по дисциплине «Информационные технологии управления» Содержание дисциплины.
Тема 1. Предпосылки использования информационных технологий в управлении.
Введение в историю проблемы ≪человек-машина≫. Взгляды Н.Винера, А.Тьюринга. История дискуссии ≪Может ли машина мыслить?≫. Тест Тьюринга. Взлеты и падения искусственного интеллекта. Как человек и машина решают одну и ту же проблему.
Понятие управления Теоретические подходы к понятию управления появились как естественное развитие системного анализа. Логически это понятно - после того как сформулировано понятие системы и выбран математический аппарат для описания системы, сразу же возникает вопрос о том, как можно системой управлять. Здесь сказал свое веское слово Норберт Винер.
Норберт Винер – отец кибернетки
Родители Норберта были еврейскими иммигрантами, выходцами из небольшого городка Белосток в Польше (конец 19 века, тогда входила в состав Российской Империи). На исходе девятнадцатого столетия они покинули всё ещё внешне спокойную и вполне благополучную Россию, и перебрались в Штаты.
В 4 года Винер уже был допущен к родительской библиотеке, а в 7 лет написал свой первый научный трактат по дарвинизму. Норберт никогда по-настоящему не учился в средней школе. Зато 11 лет от роду он поступил в престижный Тафт-колледж, который закончил с отличием уже через три года, получив степень бакалавра искусств. В 18 лет Норберт Винер уже числился доктором наук по специальности ≪математическая логика≫ в Корнельском и Гарвардском университетах. В девятнадцатилетнем возрасте доктор Винер был приглашён на кафедру математики Массачусетского технологического института.
В 1913 году молодой Винер начинает своё путешествие по Европе, слушает лекции Рассела и Харди в Кембридже и Гильберта в Гёттингене. После начала войны он возвращается в Америку. Перед второй мировой войной Винер стал профессором Гарвардского, Корнельского, Колумбийского, Брауновского, Геттингенского университетов, получил в собственное безраздельное владение кафедру в Массачусетском институте, написал сотни статей по теории вероятностей и статистике, по рядам и интегралам Фурье, по теории потенциала и теории чисел, по обобщённому гармоническому анализу…
Практическое воплощение
Во время второй мировой войны, на которую профессор пожелал быть призванным, он работает над математическим аппаратом для систем наведения зенитного огня (детерминированные стохастические модели по организации и управлению американскими силами противовоздушной обороны). Он разработал новую действенную вероятностную модель управления силами ПВО.
Основной научный труд Винера - ≪Кибернетика≫ Винера увидела свет в 1948 году. Полное название главной книги Винера выглядит следующим образом ≪Кибернетика, или управление и связь в животном и машине≫. За пару месяцев до смерти Норберт Винер был удостоен Золотой Медали Учёного, высшей награды для человека науки в Америке. Он тихо умер 18 марта 1964 года в Стокгольме.
Оставил после себя книги воспоминаний ≪Записки бывшего вундеркинда≫, ≪Я - математик≫.
Кибернетика
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 и прочие. Кибернетика является междисциплинарной наукой, призванной объединить и систематизировать знания тех областей, которые до сих пор было принято считать различными и несовместимыми. Данная цель достигается в кибернетике за счёт анализа и выявления общих принципов и подходов в процессе научного познания. Наиболее весомыми теориями, объединяемыми кибернетикой, можно назвать следующие:
• теория передачи сигналов
• теория информации
• теория систем
• теория управления
• теория автоматов
• теория принятия решений
• синергетика
Кроме средств анализа, кибернетика предлагает мощные инструменты для синтеза решений, предоставляемые аппаратами математического анализа, линейной алгебры, геометрии выпуклых множеств, теории вероятностей и математической статистики. А также более высокоприкладные области математики, такие, как математическое программирование, эконометрика, информатика и прочие производные дисциплины.
Направления
• Биологическая кибернетика и медицинская кибернетика
• Техническая и инженерная кибернетика.
• Экономическая кибернетика, социальная кибернетика.
Одно из ключевых понятий теории управления - "цель управления", т. к. бесцельных управлений не бывает. В технических системах цель не принадлежит системе, а задается, т. е. это внешний по отношению к системе фактор.
Управление - процедура выбора и реализации определенных целенаправленных действий.
Кибернетика экономическая,
научное направление, занимающееся приложением идей и методов кибернетики к экономическим системам. Экономическая кибернетека рассматривает экономику, а также её структурные и функциональные звенья как системы, в которых протекают процессы регулирования и управления, реализуемые движением и преобразованием информации. Методы экономической кибернетики дают возможность стандартизировать и унифицировать эту информацию, рационализировать получение, передачу и обработку экономической информации, обосновать структуру и состав технических средств её обработки. Именно такой подход определяет внутреннее единство и характер исследований в рамках экономическая кибернетека. Они служат, в частности, теоретической основой создания автоматизированных систем управления (АСУ) и систем обработки данных (СОД). Экономическая кибернетека развивается по трём основным направлениям, которые всё более тесно увязываются друг с другом.
Теория экономических систем и моделей
разрабатывает: методологию системного анализа экономики и её моделирования, отражения структуры и функционирования экономических систем в моделях; вопросы классификации и построения комплексов экономико-математических моделей; проблемы экономического регулирования, соотношения и взаимного согласования различных стимулов и воздействий в функционировании экономических систем; вопросы поведения людей и коллективов. При исследовании этих проблем экономическая кибернетика, прежде всего, опирается на политическую экономию и общую теорию систем, а также на социологию и теорию регулирования, обобщает результаты разработки экономико-математических методов и моделей.
Теория экономической информации
рассматривает экономику как информационную систему. Она изучает: потоки информации, циркулирующие в народном хозяйстве как коммуникации между его элементами и подсистемами, характеристики информационных каналов и передаваемых по ним сообщений; экономические измерения и вообще знаковые системы в экономике, то есть языки экономического управления, включая разработку комплексов хозяйственных показателей, правил их расчёта (эти вопросы выделяются в экономическую семиотику); процессы принятия решений и обработки данных в информационных системах народного хозяйства на всех его уровнях и вопросы наилучшей организации этих процессов. Здесь экономическая кибернетика тесно соприкасается с теорией информации, исследованиями по определению полезности или ценности информации, семиотикой, теорией программирования, информатикой.
Теория управляющих систем в экономке
конкретизирует и сводит воедино исследования остальных разделов экономическая кибернетика Она направлена на комплексное изучение и совершенствование системы управления народным хозяйством и отдельными хозяйственными объектами, а в конечном счете, — на их оптимальное функционирование. Особое внимание уделяется: проблемам планирования и руководства реализацией планов — методологии, технологии и организации этих функций управления, использованию комплексов экономико-математических моделей и других научных методов в практике управления; разработке внутренне согласованного комплекса экономических, административных, правовых и других стимулов и норм управления, построению организационных структур органов управления; изучению и учету человеческих факторов (социально-психологических и т. п.) в процессах хозяйственного управления, взаимодействию человека и машины в АСУ; проблемам проектирования и внедрения АСУ в целом.
Экономическая кибернетека рассматривает АСУ не как ≪пристройку≫ к тем или иным органам управления для обработки данных, а как саму систему управления хозяйственным объектом, основанную на комплексном применении экономико-математических методов и моделей, современной информационно-вычислительной техники — с соответствующей технологией и организацией её работы.
Современное состояние
С 80-х годов можно считать, что технология решения задач, опирающаяся на идею использования знаний о предметной области, где возникла задача, и знаний о том, как решаются подобные задачи, характерная для работ по интеллектуальным системам, стала основной парадигмой для современной информатики. Но это уже относится к тому периоду, который наступил после завершения в середине 70-х начального этапа развития информатики в нашей стране. Термин "информатика" в 80-е годы получает широкое распространение, а термин "кибернетика" постепенно исчезает из обращения, сохранившись лишь в названиях тех институтов, которые возникли в эпоху "кибернетического бума" конца 50-х - начала 60-х годов. В названиях новых организаций термин "кибернетика" уже не используется.
Алан Тьюринг
Тьюринг родился в 1912 году, 23 июня. В школе он испытывал тягу к техническимнаукам и в пятнадцать лет самостоятельно разобрался в теории относительности, при этом совершенно не хотел заниматься языками, латынью и пр. Дирекция школы терпела долго, но однажды все-таки направила матери Тьюринга записку следующего содержания: « Ваш сын, видимо, хочет быть только научным специалистом. Может быть, математиком — такие ученики, как он, рождаются раз в 200 лет. Но что он вообще забыл в Public School?≫.
Машина Тьюринга
Алана Тьюринга чрезвычайно вдохновляла идея о том, что для решения любой проблемы не надо думать, и уж тем более - угадывать. Достаточно разработать определенный метод. Если механически следовать этому порядку действий, правильное решение можно будет получить гораздо быстрее.
Тьюринг разработал свои собственные логические ходы и ввел понятие ≪определительного метода≫, который позже получил название ≪алгоритм≫. В 1936 г. Алан построил логическую модель своей знаменитой машины Тьюринга. Надо сказать, что в те годы под словом Computer подразумевался человек, проводящий однообразные вычисления по определенным инструкциям. Например, так называли бухгалтеров, счетоводов и т.п. Идея Алана Тьюринга была в том, что для проведения подобных действий присутствие человека не требуется.
Машина Тьюринга —это очень простое вычислительное устройство. Она состоит из ленты бесконечной длины, разделенной на ячейки, и головки, которая перемещается вдоль ленты и способна читать и записывать символы. Также у машины Тьюринга есть такая характеристика, как состояние, которое может выражаться целым числом от нуля до некоторой максимальной величины. В зависимости от состояния машина Тьюринга может выполнить одно из трех действий: записать символ в ячейку, передвинуться на одну ячейку вправо или влево и установить внутреннее состояние.
Устройство машины Тьюринга чрезвычайно просто, однако на ней можно выполнить практически любую программу. Для выполнения всех этих действий предусмотрена специальная таблица правил, в которой прописано, что нужно делать при различных комбинациях текущих состояний и символов, прочитанных с ленты. До сих пор машина Тьюринга служит моделью для изучения теоретических проблем в области математических алгоритмов.
Бесконечно длинная лента поделена на дискретные сегменты, в каждом из которых записан 0 или 1. "Головка для считывания и записи", которая может находиться в любом из нескольких внутренних состояний (здесь только два состояния: А и В), перемещается вдоль ленты. Каждый цикл начинается с того, что головка считывает один бит с сегмента ленты. Затем, в соответствии с фиксированным набором правил перехода, она записывает в сегмент ленты бит данных, изменяет свое внутреннее состояние и перемещается на одну позицию влево или вправо.
Поскольку данная машина Тьюринга обладает всего двумя внутренними состояниями, ее возможности ограничиваются лишь тривиальными вычислениями. Более сложные машины с большим числом состояний способны смоделировать поведение любой ЭВМ, в том числе и значительно более сложной, чем они сами.
Это оказывается возможным благодаря тому, что они хранят полное представление логического состояния большей машины на бесконечной ленте и разбивают каждый вычислительный цикл на большое количество простых шагов. Показанная здесь машина логически обратима: мы всегда можем определить предшествующие состояния машины. Машины Тьюринга, обладающие другими правилами перехода, могут и не быть логически обратимыми.
Вклад в криптографию (время Второй Мировой войны)
Во время войны Тьюринг был призван на секретную работу в британское криптоаналитическое бюро (Государственный институт кодов и шифров). Бюро занималось перехватом и расшифровкой немецких шифровок. В то время как немецкие криптографы действовали по наитию, подходя к криптографии прежде всего как к искусству, Алан Тьюринг использовал научный и алгоритмический подход, основанный на статистическом анализе данных. Для шифрования немцы использовали специальный трехдисковый шифратор ≪Энигма≫, а британские ученые создали специальный вычислитель ≪Бомба≫, с помощью которого, начиная с 1940 года, расшифровывали все переговоры Люфтваффе. К концу войны они построили ряд более мощных вычислителей и расшифровали шифр Верховного главнокомандования.
Компьютерный интеллект
Алан Тьюринг первым поставил вопрос о том, что такое компьютерный интеллект. В 1950 г. он опубликовал свою знаменитую статью под названием ≪Может ли машина думать?≫ (Can the machine think?). В ней Тьюринг рассмотрел два основополагающих определения —≪машина≫ и ≪мыслить≫. Но если размышления ученого по первому пункту были актуальны лишь для его современников, то разработанный Тьюрингом критерий разумности вычислительных систем используется до сих пор. В упрощенном изложении тест Тьюринга формулируется таким образом: ≪Судья и подопытный общаются между собой с помощью телеграфа (чтобы исключить узнавание по голосу). Судья может задавать подопытному любые вопросы. Если на основании ответов подопытного он не может ответить на вопрос –кто общается с ним человек или компьютер, то компьютер обладает искусственным интеллектом≫. По поводу искусственного интелекта Тьюринг истывал чрезвычайный оптимизм. « И лишь в одном случае нельзя будет построить мыслящую машину, —писал в своей статье Тьюринг, — если человеческое общение основано на психокинезе и способности к прорицанию. В этом случае науке просто предстоит изучить подобные явления и смоделировать их≫. Алан Тьюринг прогнозировал, что в ходе пятиминутного теста компьютер с памятью около 126 Мб сможет обмануть человека в 30% случаев.
Что показало время
Сегодня компьютеры далеко перешли рубеж в 128 Мб памяти. И даже существует множество чат-ботов, которые могут поддерживать общение. До сих пор остается открытым вопрос, насколько адекватно тест Тьюринга определяет разумность машины. В сегодняшней его интерпретации он позволяет оценить лишь имитационные способности программы —то есть насколько хорошо она притворяется человеком. В 2001 г. утешительный приз за человекоподобие достался программе ALICE Ричарда Уоллеса, которая смогла убедить более 30% судей в своей немашинной природе.
Развитие подхода
Термин «искусственный интеллект» датируется 1955 г., когда Джон МакКарти (John McCarthy) предложил его на конференции в Дартмутском университете.
Казалось, что огромный успех неизбежен. Так, Герберт Саймон (Herbert Simon, 1965) смело предсказал, что «в пределах самого ближайшего будущего — значительно меньше, чем двадцать пять лет, —мы будем иметь техническую возможность заменить машиной любую функцию человека во всех организациях».
Такое волнение первых лет подпитывалось рядом успешных демонстраций ИИ в ряде ограниченных областей. Авторы системы одной из систем ИИ Ньювелл и Саймон утверждали, что при достаточно высоком уровне обобщения все задачи выглядят одинаково: это всегда проблема перехода от начального состояния к желательному. Поэтому, имея проблемно-ориентированный набор операторов (каждый из которых может осуществлять переход от одного такого состояния к другому), с помощью единственного общего метода можно решить какую бы то ни было задачу, используя общую эвристику сокращения различий.
Искусственный интеллект сейчас
Цель искусственного интеллекта (ИИ) состоит в построении компьютерных систем, которые могут продемонстрировать уровень интеллекта, подобный человеческому разуму. Начиная с компьютерных программ, понимания естественного языка, игр, доказательства теорем, распознавания образца, обучающихся машин и робототехники, ИИ превратился в зрелую дисциплину, продукты которой имеют широкое практическое применение.
Однако цель не была достигнута: каждая из систем ИИ обычно компетентна только в одной узкой предметной области. Экспертные системы интенсивно развиваются, начиная с 60-х годов прошлого века. Вот примеры промышленных экспертных систем, все ни основаны на формальной логике:
•MICIN —экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета.
Ставит соответствующий диагноз, исходя из представленных ей симпт омов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.
•PUFF —анализ нарушения дыхания. Данная система представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.
•DENDRAL —распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. По льзователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующе й химической структуры.
•PROSPECTOR —экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.
К 90-м годам эти системы пордили столь большую волну общественных ожиданий к ИИ, что вызвали инвестиционный бум в эту область знаний. Инвестиционный бум достаточно быстро прекратился по двум причинам:
•неспособеность экспериных систем дать сколько-нибудь полезные промышленные результаты,
•появление конкурирующих промышленных технлогий: Интернет, мобильная связь В целом попытки разработки систем искусственного интеллекта выявили следующие проблемы.
Принципиальные особенности человеческогомышления
•формальная дедуктивная логика[1] — довольно бедная модель человеческого мышления, (например человек легко оперирует с
•формальная логика имеет свойство монотонности –это означает, по мере приближения к цели количество вариантов, которое над просчитать для получения правильного ответа может только возрастать, человеческая логика принципиально немонотонна; •мы даже не знаем, откуда у нас появляются идеи, гипотезы, решения и схемы;
формальной логики эти утвержения противоречивы), однако на сегодня другой модели мышления не существует;
•самые значительные успехи были достигнуты тогда, когда моделируемые миры были крошечными, но такие системы становились несовершенными, когда предпринимались попытки увеличить их до масштаба реального объема элемента, объединить данные большого количества датчиков или найти обобщение путем объединения нескольких предметных областей[2];
•сложно подобрать структурированные представления знаний, которые были бы достаточно гибкими для того, чтобы моделировать разумный человеческий навык оценки соотвествия (человек может мгновенно загрузить огромные области знания в свою «рабочую память» или достать их оттуда, если что-то сделает их значимыми);
•можно построить обучающуюся машину, но сегодняшние ИИ-системы требуют огромных человеческих вложений в обучение (в инжиниринг знаний) и настройку исполнения;
•хотя сегодняшние настольные компьютеры предлагают такие объемы запоминающих устройств и производительность, которые в тысячи раз превышают показатели машин, использовавшихся пионерами, мы все еще рассматриваем ИИ, устроенный в миллионы раз проще, чем мозг человека.
Хотя ум может в значительной степени компенсироваться мощностью, мы все еще пытаемся моделировать человеческий разум с процессорами таракана.
Против ярых сторонников ИИ свой знаменитый аргумент «китайская комната» выдвинул Сирли (Searle, 1984). По аналогии с компьютером он предположил комнату, в которой рабочие без знания китайского языка переводят тексты с китайского на английский, рабски следуя набору правил. Так как в соответствии с гипотезой ни одно существо внутри комнаты не понимало китайского, Сирли, проводя аналогию, говорил, что ни одна ИИ-программа не может понимать свою тематику.
Тем не менее, поиск ИИ привел к значительным достижениям в области информатики и информационных технологий в дополнение к их широко распространенным практическим применениям. Это стало причиной интригующих философских проблем. Цель во многом изменилась. Машинный интеллект теперь не рассматривается как копия человеческого разума, хотя многие все еще полагают, что мы однажды создадим интеллекты, превосходящие наши.
Самые большие выгоды от разработок ИИ —это сопутствующие результаты.
Непосредственно или косвенно разработки инспирировали успехи в компьютерных языках, проектировании баз данных, объектно-ориентированном программировании, параллелизме, нечеткой логике и распознавании образцов, воспроизвели эволюцию, генетические алгоритмы и искусственную жизнь.
В области человеко-машинного взаимодействия никто не ведет речь о замене человека. Вектор развития изменился. Первым это положение зафиксировал Уолтер Эшби, который выдвинул идею «усилителя интеллекта». Затем эта идея появлялась под аналогичными названиями «партнерская система» и пр.