Самоприспосабливающаяся система Печать

Вернуться к оглавлению

Самоприспосабливающаяся система это адаптивная система, которая сохраняет работоспособность при непредвиденных изменениях свойств управляемого объекта, а также целей управления или окружающей среды путем поиска целесообразного состояния.
selfadaptive

Представьте себе единую автоматическую систему, которая мгновенно отзывается на любые изменения в режиме работы или внешней среды. Повысилась вдруг температура - незамедлительная реакция. Неожиданно упало давление - тут же срабатывают датчики, и оно восстанавливается. Непредвиденно нарушился состав жидкости - сейчас же система его выравнивает.

«Ну и автомат! - думаете вы.- Такого и не существует». Оказывается, существует. Это живой организм. Например, организм человека представляет собой ту наивыгоднейшую, наилучшую, оптимальную систему, «у которой автоматически изменяется способ действия с целью наилучшего управлению».

Такое автоматическое приспособление называют адаптацией. Она неоценимое свойство живого организма, выработанное в результате многомиллионной истории. Адаптация проявляется по-разному, но всегда с определенной целью: добиться самого выгодного режима работы живой системы. По пути адаптации шла эволюция, проявление адаптации - обучение и самообучение, управление и самоуправление.

Без адаптации не могут работать и системы, созданные человеком. Но, как правило, приспособительную функцию берет на себя человек, выполняя роль наладчика, контролера, оператора. Именно они поддерживают технические устройства в нужном состоянии.

Кибернетика позволила рассматривать приспособление организма к внешней среде как аналог (подобие) для технической автоматической системы. Вначале для этого ученым пришлось ответить на, казалось бы, простой вопрос: что такое хорошая и плохая организация?

На первый взгляд и разбираться-то не в чем: хорошая организация та, которая правильно на все реагирует, плохая - та, которая реагирует на все неправильно. Организация считается хорошей - независимо от того, кошка это, автопилот или завод-автомат,- когда она работает исправно, действует в строго определенных границах, то есть действует хорошо.

Ученый утверждает, что нет ни одного свойства или способности мозга, которые давно и безоговорочно признаны желательными и которые становятся нежелательными в другой обстановке. И он при водит пример.

Хорошо или плохо, что мозг обладает памятью? Это хорошо, если среда устроена так, что будущее часто повторяет прошлое. Если бы события будущего были противоположны, память была бы невыгодной.

Такая ситуация наблюдается, когда крыса, обитающая в канализационных трубах, сталкивается с приманкой. Крыса очень подозрительна, она берет незнакомую пищу только маленькими порциями. Однако, если вкусное появляется в одном и том же месте три дня подряд, крыса обучается. На четвертый день она берет приманку смело и отравляется. Крыса, лишенная памяти (организация плохая при обычной оценке), будет и на четвертый день так же подозрительна, как и в первый. Она выживет. Таким образом, память при подобных условиях невыгодна.

Следовательно, нельзя делить на хорошее и плохое? Любая организация может быть и плохой и хорошей?

Секрет адаптивной системы как раз в том и заключается, что она сама переходит от плохого к хорошему.

Известно, что маленький ребенок всегда тянется к огню. Перед нами система, организованная явно плохо. В результате накопленного опыта появляется новая организация - хорошая: ребенок старается не приближаться к огню - мозг как система самоприспособился.

То же и в системе технической. Автомат работал бы хорошо не только в нормальной для него обстановке, но и в аварийной, выравнивался бы при любых режимах, действовал бы подобно человеку.

В адаптивных технических системах существует своеобразное деление по поведению. Наиболее простые из них - самонастраивающиеся, они отыскивают наилучший режим в зависимости от внешних влияний. Эти системы все больше и больше находят применение в технике.

Например, сделаны самонастраивающиеся станки с программным управлением. Управляющее устройство следит за отклонениями в размерах изготовляемых деталей, автоматически вносит изменения в программу, по которой работает станок, и программа по мере работы станка улучшается, брак сводится к минимуму. Об этих настройках станка на лучший режим ученые говорят как о «самоусовершенствовании станком своего алгоритма» - своего руководства к действию.

Раз система может усовершенствовать свой алгоритм работы, то она может усовершенствовать и алгоритм поведения, сделать его гибким, ищущим, приспосабливающимся к внешней среде. Такую систему, изменяющую характер действия в зависимости от непредвиденных обстоятельств, или, как говорят, отличающуюся наличием неопределенности, принято называть самоорганизующейся. Она уже на ступеньку выше самонастраивающейся.

А вот другой пример самоорганизации системы - моделирование процесса выживания на вычислительной машине.

Представьте себе вычислительную машину, в памяти которой самым неприхотливым, самым случайным образом перемешались цифры от 0 до 9. Машина работает так, что все цифры попарно перемножаются, а крайняя правая цифра произведения встает на место первого сомножителя. Запустим машину. Мы знаем, что четное, умноженное на четное, дает четное число. Нечетное, умноженное на нечетное, дает нечетное. А четное, умноженное на нечетное, дает опять-таки четное. Отсюда можно сделать вывод, что после смешанных встреч четных чисел в памяти машины будет все больше - четные имеют больше шансов «выжить». Они постепенно будут замещать в памяти машины числа нечетные. Машина самоорганизовалась на «выживание». Со временем, проводя в жизнь свое целенаправленное поведение, она вытеснит из памяти все нечетные.

Есть и еще один вид в этом мудром классе самоприспосабливающихся автоматов. Его называют самообучающимся. Чтобы автомат был достоин такого названия, он прежде всего должен быть способен к поиску. Обучив автомат этой способности, его надо снабдить памятью для накопления информации в процессе поиска. Затем разработать систему «поощрений», когда его действие удачно, и «наказаний» при неудачах. Такой метод самообучения называется методом проб и ошибок, и его применяют в некоторых программах для задач на обучение.

Вот пример работы программы для самообучающейся машины. Программу разделили на две части. Одна играла роль «ученика», другая представляла собой несколько «магазинов» с разным ассортиментом товаров. «ученик» должен был научиться быстро находить нужный товар.

Вначале «ученик» блуждал по «магазинам», стараясь найти товар. В одном из них его ждала удача - он «натыкался» на товар. Тогда он «запоминает» этот «магазин» ведь за это он получал «поощрение».

Меняли товар. Надо было снова обходить «магазины». Снова поиски, снова удача, за которую положено «поощрение». И конечно, снова «зарубка» в памяти. Так продолжалось несколько раз. В результате тренировки «ученик» самообучался: он уже безошибочно «отправлялся» в тот или иной «магазин» за нужным в данном случае товаром.

Что и говорить, автоматы, поступающие подобным образом, по праву можно назвать умными, ведь они ведут себя, как настоящие ученики.

А каково практическое применение принципов адаптивных систем, в частности самообучающихся?

Конструируют самонастраивающиеся станки с числовым программным управлением и шаговым приводом, станки-роботы, которые могут брать, поднимать, нести, поворачивать, наклонять и обрабатывать детали, все время совершенствуя свою работу, уровень точности.

Особый интерес представляет реализация принципов адаптации в вычислительных системах. Введение в них адаптации связано с необходимостью поддерживать работу машин в оптимальном состоянии независимо от всех факторов, которые мешают ей нормально действовать.

Создают самообучающиеся быстродействующие вычислительные машины, работающие со скоростью в десятки миллиардов операций в секунду. Причем у такой машины обучающаяся программа, а сама машина - с перестраиваемой структурой. В перспективе на основе принципа самообучения построят вычислительные машины с гибкой архитектурой.

Как они будут работать? Проектировщики таких машин отвечают: «По принципу производственного предприятия».

Для производственного предприятия, как и для компьютера, важно повышение эффективности действия, другими словами, оптимизация производства. Для компьютера - это повышение быстродействия и производительности.

Оказывается, функционирование предприятия и вычисления на машине математически описываются идентичными уравнениями. Чтобы наилучшим образом управлять выпуском продукции или процессом вычислений на машине, необходимо преодолеть аналогичные трудности: надо запоминать результаты прежней работы, анализировать ее, делать выводы об ошибках и, совершенствуя управление, перестраивать структуру производства.

Имея возможность запоминать достаточно большое число похожих программ и анализировать, как они прежде реализовывались в машине, обучающаяся программа в процессе вычислений научится использовать те или иные элементы компьютера все с большей и большей эффективностью. Обучающаяся программа будет перестраивать структуру машины и наилучшим образом планировать свою работу, а в случае любых сбоев и «перепланировать» (корректировать) ее, по сути дела, осуществлять оперативное управление. Оно сведется к неоднократному, регулярно повторяющемуся и быстрому решению самой машиной задач по улучшению планирования собственной работы в процессе вычислений.

Конечно, это общий принцип. Надо еще знать, каким образом строить из большого числа микропроцессоров единую гибкую систему, какой должна быть ее схема, каковы правила функционирования системы.

Развитие информатики выдвинуло и идею самоорганизующихся информационных сетей, основанных на знаниях, заложенных в компьютерах. Таким сетям, как полагают, должны быть свойственны два качества: постоянная способность к расширению места действия и повышение эффективности. И то и другое возможно, если система все время самосовершенствуется. А для этого ей необходим какой-то внутренний механизм перестройки, самоорганизация в сторону улучшения работы, повышения содержательности знаний в памяти машины всей системы.

Для системы важно, чтобы она работала в диапазоне самых различных условий и работала эффективно, выходила на нужные режимы работы в кратчайшие сроки. Ведь в самоорганизующуюся информационную систему теперь будет задействовано множество «непрограммирующих пользователей», работающих на персональных компьютерах. ПК станут ее весомой частью. Им придется выполнять общую программу оптимизации работы сети, настраиваться на все более высокий уровень накапливания знаний, развивать свои связи со многими элементами системы в соответствии с новыми вариантами ее самосовершенствующейся структуры.

В заключение подчеркну, что любая работающая система в своей жизни проходит два этапа: сначала от нее добиваются просто нормальной работы, а потом - оптимального функционирования в изменяющихся условиях эксплуатации, в результате чего она будет самосовершенствоваться.