 |
||
|
||
Глава 1. Интеллектуальные системы и управление
1.1. Интеллектуальные системы и
интеллектуальное управление
1.2. От строгости математической
символики к свободе семантики
Интеллектуальность сложных систем
Глава 1. Интеллектуальные системы и управление
Для изучения систем как некоторой данности прежде всего нужно решить вопрос о допустимой методологии подхода, произвести выбор концепции открытости или замкнутости изучаемых систем.
Приведенный выше эпиграф полностью определяет методологию аксиоматической науки. В каждый момент времени базой изучения Природы является некоторое аксиоматическое “приближение” к ней. Это прекрасный путь для революций в науке и потрясения ее основ. Однако заметим, что сама феноменология Природы к этим потрясениям глубоко безразлична.
Вопрос построения “не революционирующей” науки заключается не в обеспечении “качества приближения”, а в желательности использовании “аксиоматики самой Природы”. Но даже и после достижения такого уровня познания методологические проблемы не исчезнут. Встанет вопрос об изменении аксиоматики в процессе существования Вселенной. Собственно говоря, почему бы и нет? Сотворенная из движения, имеющая движение своей основой, она вполне может находится в состоянии постоянного или периодического изменения своих аксиом.
И, как оказывается, все это не отдаленная философия науки, а сегодняшние проблемы всех общетеоретических и практических построений, связанных с изучением феномена информации. Без их если не решения, то, как минимум, понимания и учета, никакая наука об информации невозможна (также как и серьезный прогресс в науках, базирующихся на сборе и обработке информации). Но чтобы даже только выйти на эти проблемы, увидеть практическую взаимосвязь явления информации и систем, им образуемых, с привычными реалиями нашей жизни, надо пересмотреть многое в текущем состоянии информационной науки.
Мы считаем возможным начать сразу с одной из наиболее интересных форм информационных систем – систем интеллектуальных, наведение некоторого порядка в терминологии которых неизбежно повлечет за собой переосмысление всех базовых понятий информационной науки, ибо на основе существующих терминологических соглашений любое серьезное информационное исследование заведомо обречено на провал.
Именно поэтому мы вынуждены изначально пересмотреть практически всю терминологию сначала в общеинженерном, а потом и в теоретическом ключе, ибо прямая ее замена уже невозможна, а использование в сложившихся объемах понятий – бесперспективно.
1.1. Интеллектуальные системы и интеллектуальное управление
Системы, управление и интеллектуальность, понятие системной сложности и их глобальная взаимосвязь – вот основной перечень вопросов, без ясного понимания общесистемного смысла которых невозможно заниматься ни проблемами информационной науки, ни динамическими процессами, ни вообще развитием каких-либо естественных наук иначе, как только с использованием “моделирующего” подхода.
Существующие общие определения этих понятий или варианты, сформулированные для тех или иных надобностей, малопродуктивны и фактически всегда относятся к замкнутым системам, вернее к “модельному замыканию” реальных систем. Указанные же сущности в Природе относятся к образованиям открытым, модельному замыканию не подлежащим без настолько существенных потерь, что даже степень изоморфизма модели становится неразрешимой проблемой, относимой к искусству исследователя. Как говорят французы: “Chassez le naturel, il revient au galop {17.Прогоните природу, она вернется галопом (фр.).}”.
Мы предлагаем исследование, ориентированное на открытый Мир открытых систем и их взаимосвязей. Методологически нам представляется целесообразным начать с обсуждения достаточно уже распространенного сочетания “интеллектуальное управление”.
Сразу возникает вопрос: а как вообще может проявить себя интеллект, если не во взаимодействии, т.е. в том же управлении? Не синонимы ли эти термины в системном смысле? И для кого или чего именно выделяется именно интеллектуальное управление? Для систем? Может быть объектов или субъектов {18. Т.е., соответственно, источников активности и ее адресного приложения.}? Простых или сложных? Что такое сложность объектов, субъектов и систем и как сравнить их сложность, если это понятие относят то к количеству составных частей, то к формализму записи и представления, то к числу состояний, если в литературе даются определения, плохо разделяющее понятие объекта и системы {19. Например, в “Советском энциклопедическом словаре” (СЭС, 1979 г.) на стр. 1219 утверждается “Сложная система, составной объект, части которого можно рассматривать как отдельные системы…”, в “Математическом энциклопедическом словаре” (1988 г.) на стр. 269 сложной называется система, не имеющая простых описаний, в динамическом подходе к рассмотрению понятия системы утверждается, что о сложности можно судить по числу комбинаций переменных (или свойств), определяющих процесс и т.д. Сложность по А.Колмогорову мы уже рассмотрели во введении, а по А.Бергу это и вообще философская категория!} и просто исключающее возможность этого сравнения?
Система управления классически определяется как совокупность управляемого объекта и устройства управления. Ясно, что здесь устройство – это (по определению устройства) нечто целое, составленное из частей и ориентированное на выполнение определенной функции, т.е. система. Впрочем, и объект существует только в паре с субъектом, по крайней мере, по общепринятому определению является противопоставляемым чему-то активному. Так что же должно быть интеллектуально: управляемое или управляющее? Или все сразу?
В сегодняшней литературе по управлению на основе математических, экспертных, эвристических, адаптивных и других аналогичных моделей повсеместно употребляются понятия “интеллектуальная система” и “система, основанная на знаниях”, хотя то, что фактически под этим понимается, вряд ли может быть отнесено к какой-либо реализации интеллекта в его терминологически нормальном, историческом понимании.
В этом смысле характерно утверждение в весьма солидном журнале [28] о том, что “интеллектуальные системы управления могут вовсе и не обладать какой бы то ни было интеллектуальностью в общепринятом смысле”. Вне всякого сомнения, приняв это замечание, мы можем считать интеллектуальными любые системы управления, придавая интеллектуальности трактовку, соответствующую текущему замыслу той или иной группы авторов {20. Это один из ключевых моментов, пример для понимания истоков бедственного состояния информационной науки. Non ex opinionibus singulorum, sed ex communi usu nomina exaudiri debent (лат.) – “значения слов устанавливаются не мнением отдельных лиц, а обычаем употребления”, но хорошо бы, чтобы обычай вел к чему-то полезному.}.
Разумеется, с одной стороны, подобные определения не способствуют серьезности отношения к интеллектуальным системам. С другой стороны, все как-то забыли, что основой любого материала, связанного с системами, безразлично интеллектуальными или нет, должна является общая теория систем или общая теория управления, на базе которых только и можно формировать основные понятия и определения той или иной системы, в том числе и интеллектуальной.
Поэтому интеллектуальность как свойство системы должна проистекать из места последней в иерархии сложности систем, быть атрибутом определенного уровня сложности систем, но уж никак не “языковой метафорой” или “интеллектуальностью в том или ином смысле”, не терминологическим украшением очередного алгоритмического подхода.
Дополнительным источником проблем для понимания действительного смысла интеллектуальности некоторого объекта является традиционное “фундаментальное”, а на самом деле необоснованно математизированное отношение исследователей к “слабо формализуемым системам”, для которых контекстно-независимый язык математики не является собственным языком представления.
Среди прочего можно отметить и малое внимание исследователей к системным работам фон Берталанфи и практическое не востребование достаточно конструктивных, в свое время, гипотез Г.С. и Д.А.Поспеловых, о которых речь будет идти ниже.
Возможно, свою роль в этом сыграло и некорректное утверждение В.Алтаева в известном сборнике “отражающем дух времени” {21. Общая теория систем. Перевод с англ. В.Я.Алтаева и Э.Л.Наппельбаума. Изд.: Мир, М., 1966, стр.13.} о докладе К.Боулдинга, посвященном общесистемной точке зрения (по фон Берталанфи): “выступление, красочное по форме, но не глубокое по содержанию”. Может быть, именно отказ от публикации этого доклада в указанном сборнике и другие аналогичные рецензии стоили многих лет несистемной работы значительного числа специалистов разных областей и “абстракции сложных систем под информационным углом зрения”, введенной В.Глушковым {22. См. “Кибернетика”, журнал АН УССР, 1977, №3.}.
У фон Берталанфи и К.Боулдинга {23. Boulding K., “General Systems Theory: The Skeleton of Science”, Management Science, April, 1956.} и раньше и полнее был приведен информационно-системный взгляд на все действительно сложные системы в их сравнительном (по отношению к восприятию и переработке информации) сопоставлении, если, конечно, мы не будем полноту материала определять количеством использованных математических символов (определяли же сложность через “длину программы”), а открытые системы рассматривать только на уровне их кибернетических моделей.
Итак, изначальное пренебрежение конструктивностью и системностью терминологии дорого обошлось и интеллекту, и управлению. Тем не менее скажем: управление становится интеллектуальным потому, что на определенном уровне информационной сложности “управляемого” другое управление просто невозможно.
Рассмотрение интеллектуальных систем как систем управления, основанных на выработке, структуризации и обмене информацией, мы начнем с последовательного разбора действительного сопряженного смысла необходимых понятий и терминов {24. Из-за нашей ориентации на открытые системы некоторые термины придется сначала употреблять “в общепринятом понимании”, а уже формировать объем понятия “в различных контекстах” итеративно, по мере изложения материала, для некоторых терминов – на протяжении всей книги. Мы не беремся обеспечить всегда однозначное прочтение всех терминов, да это и невозможно для контекстно-зависимых систем. Но мы сделаем все возможное, чтобы текущий объем понятия был ясен из контекста предыдущего сообщения.}.
Постепенно мы подойдем и к связи информатики и управленческой науки, более того, к базированию интеллектуального управления на информационной “структуросогласующей”, а не на сигнальной (операторно-структурной в терминологии теории автоматического управления – ТАУ) парадигме управления, к фундаментальному отличию информации как феномена от его (феномена) частного проявления – сигнала, знака, образа.
Мы увидим, что ТАУ является крайне важным, но всего лишь частным случаем общего подхода к управлению, базирующегося на обобщенной информационной парадигме. Станет достаточно очевидным факт того, что интеллектуальное управление является собственностью информатики или, вернее, преемственной ей информодинамики, а не какой-либо другой науки.
Методология познания говорит о том, что анализ каждого из существующих решений по системам управления должен начинаться с выяснения ограничений и допущений, сделанных как в определении исходных понятий, так и в постановке целевой проблемы управления.
Далее необходимо выяснение пределов применимости выбранных аппаратов исследования, адекватности мощностей языков представления объекта и системы управления и, как следствие, – осознание нового уровня понятия наблюдаемости систем, явлений, процессов или объектов, являющихся предметом управления.
Начнем с предварительных замечаний по использованию общепринятого теоретического фундамента управления – математике. Предположим, Вы превосходно знаете математику, Вы можете применять математику в управлении и моделировании, но можете ли Вы указать пределы ее применимости? Кто сказал Вам, что можно понять, почему математика эффективна в описании некоторой реалии? Насколько и в каком смысле эффективна?
Сегодня ведущие математики сами ставят вопросы о гарантиях математики при ее применении даже в расчетных задачах [3]. Как же мы должны воспринимать утверждения, встречающиеся практически в любых работах по интеллектуальным системам, о построениях “на твердом математическом фундаменте” {25. Мы обращаемся здесь не к профессиональным математикам. Именно настоящие математики лучше нас понимают эти вопросы. См., например, раннего Эйнштейна, Б.Рассела, М.Клайна и др. Мы не только не отрицаем математику, но, уважая ее, обращаемся с предупреждением к “верующим в математику”, в догму тождественности ее аксиоматического языка языку Природы: для открытых систем это языки разные. А все, что в этом смысле связывается с теоремой Геделя, мы еще рассмотрим.}?
Для этого достаточно сравнить предельные возможности контекстно-независимого языка математики или программирования и возможности контекстно-зависимых языков, несущих в себе семантику общения. Обладание контекстно-зависимым языком изначально необходимо для интеллектуальной системы. А контекстно-независимый язык для нее не более чем полезен в некоторых частных случаях. Но об этом дальше.
Если неизвестна (неизмерима, не существует как определяемое понятие) “Природная” твердость теоретического фундамента (аксиоматики), то “строгость математического взгляда” на системы и управление через передаточные характеристики и их “интеллектуальную” коррекцию, является не более чем предположением, могущим повлечь за собой неадекватные выводы.
Значит необходимо создание и изучение некоторого аппарата сравнения систем (без их искусственного замыкания) на основе их фундаментальных характеристик, как важнейшей части некоторой общей теории систем или общей теории управления. Именно поэтому мы вводим далее “пространство существования систем” для рассмотрения возможных механизмов организации управления в некоторых областях этого пространства – демонстрационную, “ничего не замыкающую” модель. И уже только потом, на основе рассмотрения информационной сущности открытых систем переходим к собственно информодинамике.
Столь же корректно мы будем относиться и ко всем “допущениям и предположениям”, особенно в тех случаях, когда речь пойдет об определении базовых понятий. Это обещание совсем не просто выполнить не только из-за методологических трудностей описания контекстно-зависимого подхода на контекстно-зависимом языке (проблемы отсутствия метаязыка), но и из-за стереотипного, почти “на генетическом уровне” понимания объемов некоторых понятий, изменения собственного имени которых уже невозможно, а придание им нового понимания – необходимо.
К сожалению, за последние годы, из далеко не научных соображений, получил массовое распространение термин “интеллектуализация” (а чаще и вообще сразу “интеллектуальность”), под которым в основном преподносится вполне эвристическое предположение о полезности эвристической (экспертной, адаптивной, ситуационной, нечеткой и другой) коррекции формального (математического, алгоритмического, имитационного, другого аналогичного) описания объекта управления. Интеллектуальными “по определению” называют и все построения “перцептронного” характера.
Конечно, выбор того или иного названия – дело вкуса, и с рациональной точки зрения он, казалось бы, не должен иметь большого значения. Однако, в данном случае, эта подмена интеллекта алгоритмами явилась следствием былого повсеместного использования понятия “искусственный интеллект” (ИИ), включавшего в себя достаточно свободный набор задач на уровне прикладной математики, т.е. выступавшего как паллиатив кибернетики.
После “моральной смерти” ИИ, в приложении к управлению, да и не только к нему, пошла волна “интеллектуализаций” и “интеллектуальных” систем управления адаптивного плана, что и обеспечило деградацию понятия интеллекта в информационной науке (можно, конечно, говорить о “частичном (!) привнесении интеллекта” a la [28]).
Управление в общем случае должно начинаться не от операторно-структурного описания, не от математической модели и передаточной функции, а от предварительной оценки системной сложности управляемого объекта и выбора соответствующего объекту языка управления. Как будет ясно из дальнейшего, язык описания объекта и язык управления являются важнейшими характеристиками, от которых зависит оценка необходимого уровня подхода к контакту с системой.
Для замкнутых объектов или при нашей убежденности (другого критерия просто не существует – модель суть искусство выбора), что абстрагирование не нарушает “существенные в текущем исследовании” стороны представление объекта, эти языки имеют математическую или алгоритмическую реализацию.
В прочих случаях, при предъявлении к объектам требования сохранения достаточно высокого уровня своей коммуникативной функции относительно окружения, языки описания и управления становятся контекстно-зависимыми и предопределяют неизбежность введения и логику инженерно реализуемого понятия интеллекта и интеллектуального управления для обеспечения уровня контакта, адекватного коммуникативной сложности объекта, а не той или иной его модели.
Инженерная реализуемость интеллекта на технической элементной базе в решениях, диктуемых этой элементной базой и с ориентацией на “Природные построения”, но не их копирование, является одной из промежуточных целей наших построений, необходимой для выяснения многих аспектов феномена информации. Поэтому интеллектуальное управление мы будем рассматривать далее на основе последовательного изложения терминологии и инженерии предложенной нами прикладной теории интеллектуальных систем управления {26. Как известно, понятие “теория” определяет систему основных идей в той или иной области знания, дающую целостное представление о ее составных частях, их взаимосвязях и действующих закономерностях. В отличие от фундаментальной теории, всегда являющейся “обоснованием разумного мышления”, прикладная теория является “обоснованием разумного действия” и заведомо направлена на научную и методологическую поддержку практических разработок. Основные разделы теории ИСУ были изданы в 1995-97 гг. [1,2].}.
Это теория, в основе которой лежит понимание интеллекта, как целенаправленной свободы выбора некоторым системно-сложным устройством {27. Здесь и далее мы вынуждены использовать синонимию языка и употреблять понятие “системно-сложного устройства” вместо более логичного, но звучащего тавтологически понятия “системно-сложной системы”, тем более, что мы уже разобрали выше фактическую тождественность во многих случаях употребления терминов “устройство” и “система”. Понятие же “системной сложности” будет введено по мере изложения материала.} своих поведенческих, а, значит, управляющих решений {28. Напоминаем, что цель существования (возникновения) любой системы всегда лежит вне ее, а значит, интеллектуальная система отличается от всех прочих систем, прежде всего, фактором самоосознания, неразрывного включения в себя совокупности активного и пассивного начала. Дополняя К.Боулдинга, скажем: интеллектуальной системе недостаточно просто знать, что она знает, но надо еще знать, что она “обладает свойством знать”.}. Обеспечение такого выбора под воздействием потока сообщений при реализации на технической элементной базе и является инженерной (прикладной) задачей создания интеллектуальной системы.
В инженерном смысле такая система всегда искусственна {29. Но любой разум – искусственный, поскольку по мере изложения материала далее выясняется, что эволюция должна быть управляемой в “критической точке”, собственно эволюция, на основе чисто случайной манипуляции генами и структурами “протосознания”, может породить лишь исходный материал, бесконечное разнообразие животного мира “предразумных” информационных систем, которые, однако, никогда не смогут самостоятельно и случайно преодолеть порог, отделяющий их от разумности. // // Сразу же отметим: эта “концепция Творца” - не предлагаемый нами исходный постулат. Мы будем исходить как раз “от обратного”, от рассмотрения архитектуры негэнтропийной информационной машины. Сущность и первооснова этой конструкции в том и состоит, что она может существовать только одним единственным способом – порождать потоки данных, трансфинитно превосходящие входные потоки по мощности, и более чем счетное разнообразие структур.} – это “ящик с элементами и законами их соединения”. Если бы мы имели биологическую элементную базу, структура и законы соединения были бы, возможно, другими. Однако, когда мы приходим к “похожести технических и биологических построений” {30. Фактически мы все время будем сравнивать “похожесть” технических и биологических построений просто потому, что, за неимением другого, принимаем в качестве инженерного прототипа Природные решения.}, это еще не доказательство “мирового закона построения интеллектуальных систем”, но радующий фактор, свидетельствующий о правомочности надежд на создание искомого системно-сложного устройства.
Соответственно, интеллектуальное управление является не директивно – командным стилем контакта человека с искусственной системой, обладающей самыми совершенными алгоритмами адаптации и приспособления к неявным планам своего повелителя, а равноправным диалогом систем (возможно и не являющихся или не содержащих в себе человека), обладающих интеллектом как атрибутом.
Гуманоидной, равно как и негуманоидной системе для того, чтобы оценить, интеллектуально ли то, с чем она общается, нужно ощутить направленное и “разумное с ее точки зрения” сопротивление управляемого объекта, получить какое-либо подтверждение факта усвоения им полученной информации и некоторые гарантии правильности (опять же с собственной точки зрения “управителя”) ее усвоения.
Все же остальные постановки задачи управления, связанные с созданием самых совершенных алгоритмических систем и любыми способами их коррекции, мы предлагаем впредь не относить к понятию интеллектуального управления, ибо методологически использование или не использование такого термина ничего не меняет в их “математическом фундаменте”, если, конечно, не считать терминологической путаницы. В таких задачах интеллект остается у человека, алгоритм коррекции управления, выработанный на основании эвристик или копирования поведения человека – у системы и никакого их “смешивания” не происходит.
Отдельно отметим, так называемую “интеллектуализацию” за счет использования адаптивного управления. Пока этот термин является синонимом не более чем адаптивного регулирования, никаких постановочных проблем не возникает. Оно и полезно и эффективно.
Но мы должны решительно возражать против приписывания этому управлению какой-либо “интеллектуальности”. Не интеллектуальные системы мы при этом проектируем, а просто нормальные алгоритмы, пусть и адаптивные (адаптивность-то алгоритмическая, а не какая-то “интеллектуальная”) пишем. И не летчика или оператора копируем при создании “интеллектуальных систем, заменяющих человека”, а того робота, которого из них профессия сделала.
Она (профессия) подготовит на удобном материале (замкнутой системе, алгоритмизированном мире) человека-автомата, а мы его скопируем. А на “плохом” материале (открытой системе) подготовит – не скопируем, просто “не получится”.
В этом смысле работы, требующие меньшей специальной начальной подготовки, зачастую являются “более интеллектуальными”. И ничего обидного или противоречивого в этом нет.
1.2. От строгости математической символики к свободе семантики
Savoir pour prevoir, afin de pouvoir {31. Знать, чтобы предвидеть, с тем, чтобы мочь (фр.). О.Конт. Девиз позитивизма.} .
Ретроспективный взгляд на процессы становления интеллектуального управления выделяет 1977 год, когда была высказаны две, в общем-то очевидные из общей теории систем по фон Берталанфи, гипотезы {32. Г.С.Поспелов, Д.А.Поспелов. Влияние методов теории искусственного интеллекта на решение традиционных задач управления. Изд. Научного совета по комплексной проблеме “Кибернетика”, АН СССР, М., 1977.}.
Цитируем:
“…Попробуем описать принципиальные трудности, которые не позволяют надеяться на успех старых классических методов теории автоматического управления. В последние десятилетия классическая теория управления переживает определенный кризис. Этот кризис порожден тем, что до сих пор теория управления имела дело с объектами, структура и функционирования которых описывались на формальном уровне (например, задавались в виде дифференциальных уравнений того или иного типа). Цели управления и критерии управления также допускали четкую формализацию. Это позволяло строить теорию управления как чисто математическую науку, имевшую дело лишь с формальными моделями и точными методами. По существу, специалист, работающий в области управления, мог даже не знать те реальные объекты, для которых он исследовал модель управления. Важно было лишь быть уверенным в адекватности этой модели реальному объекту управления. Но об этом должен был заботиться не специалист по управлению, а специалист технолог, знающий объект управления. Подобное положение давало возможность типизировать объекты управления и методы управления.
Однако, начиная с пятидесятых годов, в поле зрения теории управления стали появляться объекты новой природы. Они обладали рядом существенно новых особенностей.
Во-первых, эти особенности не оставляли никакой надежды на то, что их структура и функционирование могут быть описаны привычными формальными моделями в виде некоторой совокупности уравнений (логических, алгебраических, дифференциальных и т.п.).
Во-вторых, сами эти объекты были активными, эволюционирующими во времени и обладали “свободой воли”. В-третьих, цели существования этих объектов и критерии управления ими также не могли быть формализованы и менялись с течением времени. Примером подобного объекта может служить город.
Город, как объект управления характерен, прежде всего, отсутствием четко выраженной цели своего существования. Зачем нужен город? На этот вопрос до сих пор не удалось дать четкий ответ. Как следствие этого, возникает невозможность четкой формулировки критериев управления городом. Эволюция города, в течение которой город может расти, расширяться, умирать, менять основные функции своего бытия, делает невозможной процедуру построения замкнутой модели управления им.
…Промышленное предприятие, отрасль, экономический регион дают другие примеры объектов подобного типа. Непригодность для управления объектами подобного типа классических методов теории управления очевидна. Можно было бы, конечно, считать, что из-за отсутствия формализации задача управления вообще не может быть поставлена. Однако, опыт людей, хорошо или не слишком хорошо управляющих подобными объектами, показывает, что сама постановка задачи управления и решение ее все-таки возможны.
…Выскажем две гипотезы.
Первая гипотеза состоит в том, что все, что необходимо знать для управления, может быть выражено в виде совокупности текстов на обычном естественном языке. Другими словами, все сведения об объекте управления, целях его существования, критериях управления и множестве возможных решений по управлению могут быть сообщены управляющей системе в виде последовательности фраз, написанных на естественном языке.
Вторая гипотеза состоит в том, что система управления исследуемого типа принципиально не может быть замкнутой. Эта система принципиально открыта и процесс ее обучения управлению никогда не завершается созданием окончательной формализованной модели…”.
Хотя эти гипотезы и требовали изначально большей строгости, но, тем не менее, они свидетельствовали о понимании необходимости отхода от концепции замены языка на математические символы {33. “Математика – наука, в которой издавна происходит прогрессирующая формализация, т.е. замена разговорного языка математическими символами”. Г.Герхард “Исследования логических выводов”.} на прямо противоположную для тех объектов, практические задачи изучения которых не могут базироваться на математическо - алгоритмических построениях.
Однако нам, к сожалению, не известны положительные публикации о полнообъемных построениях на базе этих гипотез, если конечно не считать построения логико-лингвистического и аналогичных направлений, умалчивающих о своей контекстно-независимой сущности.
Исходя из оценок реальной сложности по фон Берталанфи природных и информационных систем с которыми нам приходилось работать, мы уже давно поставили себе задачей рассматривать их только как открытые системы {34. И в смысле противоположности замкнутым системам, и в смысле программистской трактовки этого термина в привязке к информационным системам и базам данных. Еще шире нам придется трактовать этот термин в части IV. Это расширение станет “естественно необходимым” после изучения первых трех частей книги.} с контекстно-зависимым языком представления, сохраняющие семантику “в ее контекстной зависимости”.
Необходимые обоснования для такой работы были заложены нами в конце 70-х годов в терминологии работы с “надкибернетическими” {35. “Надкибернетические системы” – системы, уровень сложности которых не позволяет создать модель, адекватную множеству возможных целей исследований, на уровне системы с обратными связями. Подробнее см. в разделе 4.3.} системами [4]. Были разработаны оригинальные решения по минимизации семантических потерь при работе с контекстно-зависимыми языками [4,5] и решения по выбору языка технической реализации информационной базы, обеспечивающего ее необходимые функциональные свойства [6]. Далее было выполнено апробирование основных моментов организации управления научно-производственным процессом на мощнейшем, по тем временам, вычислительном комплексе Текрам [7] в составе сети Ethernet из 4-х компьютеров класса m VAX с более чем 80-ю терминалами класса VT и PC AT и подключением так называемых тыловых машин (для середины восьмидесятых годов это было весьма серьезное построение).
Такой подход соответствовал инженерному пониманию подходов к созданию интеллектуальных систем. Вместе с другими аналогичными направлениями он рассматривается в необходимом объеме в части II, как вариант “управления на потоках”, как путь к принятию решений при переходе к управлению, использующему не математические и не математико-лингвистические, а структурно-динамические и семантические характеристики информационных потоков.
| Site of Information
Technologies Designed by inftech@webservis.ru. |
|