|
144
«Молодой учёный»
.
№ 7 (111)
.
Апрель, 2016 г.
Технические науки
О разработке систем искусственного интеллекта в исследованиях процессов
химической технологии
Пахомова Юлия Владимировна, кандидат технических наук, доцент;
Бирюкова Ирина Александровна, студент;
Васенина Светлана Владимировна, студент
Тамбовский государственный технический университет
В статье представлены подходы, разрабатываемые авторами на кафедре «Технологические процессы, ап-
параты и техносферная безопасность» по внедрению систем искусственного интеллекта в научные иссле-
дования, проводимые сотрудниками и студентами кафедры в области процессов химической технологии,
в частности тепло и массопереноса.
Ключевые слова:
интеллект, эксперт, исследование, технология, система.
Д
о того момента, как студенты сталкиваются с систе-
мами искусственного интеллекта, у большинства
из них, в качестве ответа на вопрос: «Что у Вас ассоцииру-
ется со словосочетанием искусственный интеллект?» воз-
никают ответы и образы в стиле пересказов сцен из фанта-
стических рассказов и фильмов: профессор в белом халате
ведет научный диспут о предмете бытия с огромным, пе-
ремигивающимся лампочками компьютером (как в рас-
сказах В.
H. Журавлевой «Летящие во Вселенной»,
«Второй путь») или робот с человеческим обликом унич-
тожающий людей (фильмы «Терминатор», да и чего стоит
«Франкенштейн» или «Голова профессора Доуля»). Все
эти образы, как правило, складываются в картину все-
общей катастрофы, уничтожающей все живое или при-
водящее к порабощению человека машинами. Вообще
писатели-фантасты славно потрудились над созданием
жуткого облика думающих машин, заменяющих в эво-
люции человека. Каково же бывает с одной стороны ра-
зочарование, а с другой даже некоторое душевное успо-
коение — «Конец света отменяется!!! Пока»…, когда
студенты начинают осваивать курс лекций по искусствен-
ному интеллекту.
Искусственный интеллект (ИИ) — это совокупность
знаний, данных и система их обработки базирующаяся
на ЭВМ, реализующая процесс мышления и принятия ре-
шения, так как это делает человек. Это общая теоретиче-
ская концепция. Основная трудность реализации такой
совокупной системы состоит в моделировании мышления
человека. Это связано с одной философской проблемой,
которую пытались разрешить выдающиеся мыслители
всех времен — как познать человеку самого себя, свое со-
знание принципы мышления, поступки, чувства? Как мы
размышляем, откуда появляются наши мысли?
Разработчики систем ИИ очень скоро столкнулись
с этой проблемой и поняв, что «нельзя объять необъ-
ятное», пошли более простым путем. Они пошли по пути
реализации отдельных процессов человеческого пове-
дения и решения задач связанных более с математической
логикой, чем с интуицией, образным мышлением, анало-
гиями.
Это задачи оптимального управления транспортными
потоками, трассировки трубопроводов, выбора техноло-
гического оборудования, обработки экспериментальных
данных с приборов в режиме реального времени и т. п.
Вообще задачи, возникающие в научных исследованиях
и в инженерной практике, в химической технологии со-
ставляют благодатную почву для реализации таких си-
стем [1, с. 129].
Системы, реализующие принятие таких решений стали
называть экспертными системами (ЭС). Основу мате-
матического аппарата таких систем составили понятия
нечеткой логики, оперирующей терминами «почти»,
«близко к», «более», «менее» и т. п.
На сегодняшний день ЭС применяют при моделиро-
вании различных видов мыслительной деятельности чело-
века: от простой игры в карты до систем медицинской ди-
агностики. Однако, результаты работы подобных систем
требуют постоянной оценки валидности получаемых ре-
зультатов. Этому есть ряд объективных причин. Надо ска-
зать, что основу любой ЭС составляет:
1. база фактов из рассматриваемой предметной об-
ласти (например: кислород — газ);
2. база правил, реализующая связь фактов между
собой (например: если вещество — газ, то оно летуче);
3. система, реализующая получение возможных
или конкретно заданных решений из входных данных через
систему фактов и правил.
Например, в разрабатываемой нами экспертной си-
стеме начального уровня для реализации простой задачи
распределения потоков в сушильной установке требуется
обработка порядка десяти правил [2, c. 42]. В системе
связанной с ректификационной установкой непрерыв-
ного действия требует уже обработка порядка полусотни
правил. При этом часть правил нередко выдает проти-
воречивые результаты, а это требует введения дополни-
тельных ограничительных правил и фактов. Алгоритм же
получения решений усложняется пропорционально воз-
растанию правил и фактов [3, c. 70].
Таким образом, ЭС по самой изученной, простой и не-
противоречивой предметной области часто не всегда дает
Do'stlaringiz bilan baham: |
