Оптические вычисления - Арратуна Р.
Скачать (прямая ссылка):
Для другой парадигмы система может предположить, что не исправен лазер и
описать неисправность следующим образом. Если отсутствует Лазерное,
излучение от Лазер, тогда отсутствует Лазерное, излучение на Линза. 1.
Линза. 1 : Вход = нуль;
Если Вход = Нуль, тогда Выход = Нуль;
Если отсутствует Лазерное, излучение от Линза. 1, тогда Лазерное,
излучение не попадает в Фильтр; и т. д. ...
Наконец, завершая:
Если отсутствует Лазерное, излучение от Лазер, тогда на Фотодетектор не
попадает Лазерное, излучение;
Если Вход Фотодетектор = Нуль, тогда Выход Фотодетектор = Нуль.
Выработав гипотезу, что лазер имеет дефект, система могла бы ее
проверить, спрашивая пользователя:
Система: Является ли выходной сигнал от Лазер к настоящему моменту
времени равным Лазерное, излучение? (Соответствует ли Лазер: Выход =
Лазерное, излуче-
ние?)
Если ответ положителен, то дефектными являются какие-то другие
компоненты, стоящие на пути луча. Тогда система может предположить, что
неисправен другой компонент, и продолжить процесс диагностики.
Приведенный выше пример является типичным для работы экспертной системы.
Система приходит к заключению, основанному на истинности ряда элементов
базы знаний, в любой конкретный момент времени. Гипотезы вырабатываются
системой, а их справедливость проверяется через дополнительное
взаимодействие с пользователем, поставляющим необходимую информацию о
состоянии системы. Таким образом, экспертные системы могут
функционировать как средство диагностики для различных пользователей.
Данный пример позволяет пользователю оценить трудности, связанные с
включением знаний и экспертизы в систему ИИ. Приведенный случай является
еще одной иллюстрацией, указывающей на необходимость компромисса между
универсальностью системы и рабочими характеристиками. Одним из
ограничений экспертных систем является узость области экспертизы,
включенной в систему. Каждая экспертная система предназначена для
определенных задач, и поэтому методики, разработанные для ее реализации,
не могут быть использованы для других экспертных систем. В то же время
увеличение размеров базы
328
Часть IV. Символьные вычисления и искусственный интеллект
знаний, эквивалентное расширению области экспертизы, приводит к
комбинаторному "взрыву" числа возможных логических заключений и состояний
машины. Имеются также и ограничения, связанные с аппаратным обеспечением,
например размером рабочей памяти компьютера, куда могли бы накапливаться
знания в произвольный момент времени.
Читатель может задать вопрос, почему увеличение размера рабочей памяти,
приводящее таким образом в любой момент к возможности расширения активной
базы знаний, хотя бы частично не облегчит проблему узости области
экспертизы. Это действительно происходит, но при этом все же приходится
столкнуться с трудностью организации и управления знаниями, и после всего
этого возникает необходимость последовательно вводить знания по каналу в
процессор. Это усложняется трудностями представления определенных типов
знаний, таких как данные, зависящие от времени, данные, обладающие
неопределенностью, зависящей от времени, а также знания о процессах и
причинных связях. Типы представления, обсуждавшиеся в разд. 10.2.2, не
адекватны для многих видов задач, поскольку они неспособны к
соответствующему накоплению временных изменений или статических
неопределенностей, связанных с этим знанием. Возвращаясь к нашему примеру
поиска неисправности в оптической схеме, определим, что использование
слов "обычно" и "типично" в правилах подразумевает неопределенность
знания:
Правило 1: Если выходной сигнал детектора спадает до нуля, то обычно
детектор неисправен.
Правило 2: Если в схеме имеется нелинейное оптическое устройство, то
выходные сигналы устройства чувствительны к юстировке (установке
оптических осей).
В настоящее время возможности представления этих типов знаний весьма
ограничены.
В качестве примера рассмотрим проблемы, связанные с представлением
объектов в пространстве, а также пространственными и временными
соотношениями между ними. Эти проблемы широко распространены в области
исследований технического зрения и они также возникают в экспертных
системах в случае представления соотношений. Например, компьютеру трудно
"понять", что световой пучок, падающий на линзу, как и свет, появляющийся
с другой стороны, реально являются частями одного и того же пучка.
Некоторые типы знаний, например зрительные образы, лучше хранить в
несловесной форме. Дело в том, что их кодирование может потребовать очень
большого числа компьютерных кодов. Однако в настоящее время не существует
способа хранения графических знаний, позволяющего проводить модификацию,
поиск и получение логических выводов,
Глава 10. Оптика и символьные вычисления
329
Отметим также, что если бы можно было бы расширить область экспертизы, то
все равно в обработке знаний существует ряд "узких мест", которые
ограничивают производительность экспертных систем величинами,
