Интеллектуальные робототехнические системы

Интеллектуальные робототехнические системы

2-е издание, исправленное

Афонин В.Л.
Макушкин В.А.

Национальный Открытый Университет “ИНТУИТ”
2016

2

УДК 004.896(075.8)
ББК 11
А-94
Интеллектуальные робототехнические системы / Афонин В.Л., Макушкин В.А. - M.: Национальный
Открытый Университет “ИНТУИТ”, 2016 (Основы информационных технологий)
ISBN 5-9556-00024-8

Курс посвящен основам теории и методологии создания интеллектуальных систем и
робототехнических комплексов. Даются примеры создания интеллектуальных систем и решения
робототехнических задач.
В курсе излагаются основы теории интеллектуальных систем: представление знаний, методы поиска
решений. Даются методология и примеры создания экспертных систем. Рассматриваются основы
теории распознавания изображений и системы распознавания изображений, общение с ЭВМ на
естественном языке и системы речевого общения. <p>Излагаются основы теории решения
робототехнических задач, включая элементы искусственного интеллекта при выполнении
технологических операций. Распознавание качества обрабатываемой поверхности, определение
геометрических параметров при распознавании сложных поверхностей. Построение систем
управления специальных роботов-станков с элементами искусственного интеллекта при выполнении
обработки сложных поверхностей.

(c) ООО “ИНТУИТ.РУ”, 2005-2016
(c) Афонин В.Л., Макушкин В.А., 2005-2016

3

Интеллектуальные системы

В данной лекции рассматриваются понятия искусственного интеллекта (ИИ) и
интеллектуальной системы. Сделан краткий исторический обзор работ в области ИИ,
робототехники и промышленных роботов.

Предмет исследования искусственного интеллекта.

В 1950 году британский математик Алан Тьюринг опубликовал в журнале “Mind” свою
работу “Вычислительная машина и интеллект”, в которой описал тест для проверки
программы на интеллектуальность. Он предложил поместить исследователя и
программу в разные комнаты и до тех пор, пока исследователь не определит, кто за
стеной - человек или программа, считать поведение программы разумным. Это было
одно из первых определений интеллектуальности, то есть А. Тьюринг предложил
называть интеллектуальным такое поведение программы, которое будет моделировать
разумное поведение человека.

С тех пор появилось много определений интеллектуальных систем ( ИС ) и
искусственного интеллекта ( ИИ ). Сам термин ИИ (AI - Artificial Intelligence) был
предложен в 1956 году на семинаре в Дартсмутском колледже (США). Приведем
некоторые из этих определений. Д. Люгер в своей книге [2] определяет ” ИИ как
область компьютерных наук, занимающуюся исследованием и автоматизацией
разумного поведения”.

В учебнике по ИС [3] дается такое определение: ” ИИ - это одно из направлений
информатики, целью которого является разработка аппаратно-программных средств,
позволяющих пользователю-непрограммисту ставить и решать свои, традиционно
считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном
подмножестве естественного языка”.

Введем определения, которые будем использовать в данной книге в качестве рабочих
определений. Предметом информатики является обработка информации по известным
законам. Предметом ИИ является изучение интеллектуальной деятельности человека,
подчиняющейся заранее неизвестным законам. ИИ это все то, что не может быть
обработано с помощью алгоритмических методов.

Системой будем называть множество элементов, находящихся в отношениях друг с
другом и образующих причинно-следственную связь.

Адаптивная система - это система, которая сохраняет работоспособность при
непредвиденных изменениях свойств управляемого объекта, целей управления или
окружающей среды путем смены алгоритма функционирования, программы поведения
или поиска оптимальных, в некоторых случаях просто эффективных, решений и
состояний. Традиционно, по способу адаптации различают самонастраивающиеся,
самообучающиеся и самоорганизующиеся системы [4].

Под алгоритмом будем понимать последовательность заданных действий, которые
однозначно определены и выполнимы на современных ЭВМ за приемлемое время для

4

решаемой задачи.

Под ИС будем понимать адаптивную систему, позволяющую строить программы
целесообразной деятельности по решению поставленных перед ними задач на
основании конкретной ситуации, складывающейся на данный момент в окружающей
их среде [5].

Сделаем два важных дополнения к данному определению.

1. К сфере решаемых ИС задач относятся задачи, обладающие, как правило,

следующими особенностями:

в них неизвестен алгоритм решения задач (такие задачи будем называть
интеллектуальными задачами);
в них используется помимо традиционных данных в числовом формате
информация в виде изображений, рисунков, знаков, букв, слов, звуков;
в них предполагается наличие выбора (не существует алгоритма - это значит,
что нужно сделать выбор между многими вариантами в условиях
неопределенности). Свобода действий является существенной составляющей
интеллектуальных задач.

2. Интеллектуальные робототехнические системы ( ИРС ) содержат переменную,

настраиваемую модель внешнего мира и реальной исполнительной системы с
объектом управления. Цель и управляющие воздействия формируются в ИРС на
основе знаний о внешней среде, объекте управления и на основе моделирования
ситуаций в реальной системе.

О каких признаках интеллекта уместно говорить применительно к интеллектуальным
системам? ИС должна уметь в наборе фактов распознать существенные, ИС способны
из имеющихся фактов и знаний сделать выводы не только с использованием дедукции,
но и с помощью аналогии, индукции и т. д. Кроме того, ИС должны быть способны к
самооценке - обладать рефлексией, то есть средствами для оценки результатов
собственной работы. С помощью подсистем объяснения ИС может ответить на вопрос,
почему получен тот или иной результат. Наконец, ИС должна уметь обобщать,
улавливая сходство между имеющимися фактами.

Можно ли считать шахматную программу интеллектуальной системой? Если
шахматная программа при повторной игре делает одну и ту же ошибку - то нельзя.
Обучаемость, адаптивность, накопление опыта и знаний - важнейшие свойства
интеллекта. Если шахматная программа реализована на компьютере с бесконечно-
высоким быстродействием и обыгрывает человека за счет просчета всех возможных
вариантов игры по жестким алгоритмам - то такую программу мы также не назовем
интеллектуальной. Но если шахматная программа осуществляет выбор и принятие
решений в условиях неопределенности на основе эффективных методов принятия
решений и эвристик, корректируя свою игру от партии к партии в лучшую сторону, то
такую программу можно считать достаточно интеллектуальной.

Всякий раз, как только возникают сомнения в интеллектуальности некоторой системы,
договоримся вспоминать тест Алана Тьюринга на интеллектуальность. После этого
сомнения и дальнейшие споры, как правило, прекращаются.

5

Следует определить также понятие знания - центрального понятия в ИС. Рассмотрим
несколько определений.

1. Знания есть результат, полученный познанием окружающего мира и его объектов.
2. Знания - система суждений с принципиальной и единой организацией, основанная

на объективной закономерности.

3. Знания - это формализованная информация, на которую ссылаются или которую

используют в процессе логического вывода (рис. 1.1).

4. Под знаниями будем понимать совокупность фактов и правил. Понятие правила,

представляющего фрагмент знаний, имеет вид:

если <условие> то <действие>

Например, если X истинно и Y истинно, то Z истинно с достоверностью P.

Рис. 1.1.  Процесс логического вывода в ИС

Определения 1 и 2 являются достаточно общими философскими определениями. В ИC
принято использовать определение 3 для определения знаний. Определение 4 есть
частный случай определения 3.

Под статическими знаниями будем понимать знания, введенные в ИС на этапе
проектирования. Под динамическими знаниями (опытом) будем понимать знания,
полученные ИС в процессе функционирования или эксплуатации в реальном масштабе
времени.

Знания можно разделить на факты и правила. Под фактами подразумеваются знания
типа “A это A”, они характерны для баз данных. Под правилами (продукциями)
понимаются знания вида “ЕСЛИ-ТО”. Кроме этих знаний существуют так называемые
метазнания ( знания о знаниях ). Создание продукционных систем для представления
знаний позволило разделить знания и управление в компьютерной программе,
обеспечить модульность продукционных правил, т. е. отсутствие синтаксического
взаимодействия между правилами. При создании моделей представления знаний
следует учитывать такие факторы, как однородность представления и простота
понимания. Выполнить это требование в равной степени для простых и сложных задач
довольно сложно.

Рассмотрим подробнее систему управления ИРС, структурная схема которой
представлена на рис. 1.2. На этом рисунке стрелками обозначено направление
движения информации, двунаправленными стрелками обозначено взаимодействие типа
“запрос-ответ” и “действие-подтверждение”, весьма распространенное в
информационных системах. Входом системы является Блок ввода информации,
предназначенный для ввода числовых данных, текста, речи, распознавания

6

изображений. Информация на вход системы может поступать (в зависимости от
решаемой задачи) от пользователя, внешней среды, объекта управления. Далее входная
информация поступает в Блок логического вывода, либо сразу в базу данных (БД) -
совокупность таблиц, хранящих, как правило, символьную и числовую информацию об
объектах предметной области (в нашем курсе лекций - объектах робототехники ).

Рис. 1.2.  Структурная схема интеллектуальной робототехнической системы

Блок логического вывода (БЛВ) и формирования управляющей информации
обеспечивает нахождение решений для нечетко формализованных задач ИС,
осуществляет планирование действий и формирование управляющей информации для
пользователя или объекта управления на основе Базы Знаний (БЗ), БД, Базы Целей
(БЦ) и Блока Алгоритмических Методов Решений (БАМР).

БЗ - совокупность знаний, например, система продукционных правил, о
закономерностях предметной области.

БЦ - это множество локальных целей системы, представляющих собой совокупность
знаний, активизированных в конкретный момент и в конкретной ситуации для
достижения глобальной цели.

БАМР содержит программные модули решения задач предметной области по жестким
алгоритмам.

Блок усвоения знаний (БУЗ) осуществляет анализ динамических знаний с целью их
усвоения и сохранения в БЗ.

Блок объяснения решений (БОР) интерпретирует пользователю последовательность
логического вывода, примененную для достижения текущего результата.

На выходе системы Блок вывода информации обеспечивает вывод данных, текста,
речи, изображений и другие результаты логического вывода пользователю и/или
Объекту Управления (ОУ).

Контур обратной связи позволяет реализовать свойства адаптивности и обучения ИС.
На этапе проектирования эксперты и инженеры по знаниям наполняют базу знаний и

7

базу целей, а программисты разрабатывают программы алгоритмических методов
решений. База данных создается и пополняется, как правило, в процессе эксплуатации
ИС.

Динамика работы ИРС может быть описана следующим образом. При поступлении
информации на внешнем языке системы на вход БВИ производится ее интерпретация
во внутреннее представление для работы с символьной моделью системы. БЛВ
выбирает из БЗ множество правил, активизированных поступившей входной
информацией, и помещает эти правила в БЦ как текущие цели системы. Далее БЛВ по
заданной стратегии, например, стратегии максимальной достоверности, выбирает
правило из БЦ и пытается доопределить переменные модели внешнего мира и
исполнительной системы с объектом управления. На основе этого активизируются
новые правила БЗ и начинается логический вывод в системе продукций (правил). Эта
процедура заканчивается, как только решение будет найдено, либо когда будет
исчерпана БЦ. Найденное решение из внутреннего представления интерпретируется
Блоком Вывода информации во внешний язык подсистемы управления низшего уровня
и объекта управления. Более подробно этот процесс рассматривается в лекции 3.

Исторический обзор работ в области ИИ.

Среди важнейших классов задач, которые ставились перед ИИ с момента его
зарождения как научного направления (с середины 50-х годов ХХ века), следует
выделить следующие трудно формализуемые задачи, важные для задач
робототехники: доказательство теорем, управление роботами, распознавание
изображений, машинный перевод и понимание текстов на естественном языке,
игровые программы, машинное творчество ( синтез музыки, стихотворений, текстов).

Доказательство теорем.

Изучение приемов доказательства теорем сыграло важную роль в развитии ИИ.
Формализация дедуктивного процесса с использованием логики предикатов помогает
глубже понять некоторые компоненты рассуждений. Многие неформальные задачи,
например, медицинская диагностика, допускают формализацию как задачу на
доказательство теорем. Поиск доказательства математической теоремы требует не
только произвести дедукцию, исходя из гипотез, но также создать интуитивные
догадки и гипотезы о том, какие промежуточные утверждения следует доказать для
вывода доказательства основной теоремы.

В 1954 году А. Ньюэлл задумал создать программу для игры в шахматы. Дж. Шоу и Г.
Саймон объединились в работе по проекту Ньюэлла и в 1956 году они создали язык
программирования IPL-I (предшественник LISPа) для работы с символьной
информацией. Их первыми программами стала программа LT (Logic Theorist) для
доказательства теорем и исчисления высказываний (1956 год), а также программа
NSS (Newell, Shaw, Simon) для игры в шахматы (1957 год). LT и NSS привели к
созданию А. Ньюэллом, Дж. Шоу и Г. Саймоном программы GPS (General Problem
Solver) в 1957-1972 годах Программа GPS моделировала используемые человеком

8

общие стратегии решения задач и могла применяться для решения шахматных и
логических задач, доказательства теорем, грамматического разбора предложений,
математического интегрирования, головоломок типа “Ханойская башня” и т. д.
Процесс работы GPS воспроизводит методы решения задач, применяемые человеком:
выдвигаются подцели, приближающие к решению, применяется эвристический метод
(один, другой и т. д.), пока не будет получено решение. Попытки прекращаются, если
получить решение не удается. Программа GPS могла решать только относительно
простые задачи. Ее универсальность достигалась за счет эффективности.
Специализированные “решатели задач” - STUDENT (Bobrov, 1964) и др. лучше
проявляли себя при поиске решения в своих предметных областях. GPS оказалась
первой программой (написана на языке IPL-V), в которой предусматривалось
планирование стратегии решения задач.

Для решения трудно формализуемых задач и, в частности, для работы со знаниями
были созданы языки программирования для задач ИИ: LISP (1958 год, J. MacCatthy),
Пролог (1975-79 годы, D. Warren, F. Pereira), ИнтерLISP, FRL, KRL, SMALLTALK,
OPS5, PLANNER, QA4, MACSYMA, REDUCE, РЕФАЛ, CLIPS. К числу наиболее
популярных традиционных языков программирования для создания ИС следует также
отнести С++ и Паскаль.

Распознавание изображений.

Рождение робототехники выдвинуло задачи машинного зрения и распознавания
изображений в число первоочередных.

В традиционном распознавании образов появился хорошо разработанный
математический аппарат, и для не очень сложных объектов оказалось возможным
строить практически работающие системы классификации по признакам, по аналогии
и т. д. В качестве признаков могут рассматриваться любые характеристики
распознаваемых объектов. Признаки должны быть инвариантны к ориентации, размеру
и вариациям формы объектов. Алфавит признаков придумывается разработчиком
системы. Качество распознавания во многом зависит от того, насколько удачно
придуман алфавит признаков. Распознавание состоит в априорном получении вектора
признаков для выделенного на изображении отдельного распознаваемого объекта, и
лишь затем в определении того, какому из эталонов этот вектор соответствует.

П. Уинстон в начале 80-х годов обратил внимание на необходимость реализации
целенаправленного процесса машинного восприятия. Цель должна управлять работой
всех процедур, в том числе и процедур нижнего уровня, т. е. процедур
предварительной обработки и выделения признаков. Должна иметься возможность на
любой стадии процесса в зависимости от получаемого результата возвращаться к его
началу для уточнения результатов работы процедур предшествующих уровней. У П.
Уинстона, так же как и у других исследователей, до решения практических задач дело
не дошло, хотя в 80-е годы вычислительные мощности больших машин позволяли
начать решение подобных задач. Таким образом, ранние традиционные системы
распознавания, основывающиеся на последовательной организации процесса
распознавания и классификации объектов, эффективно решать задачи восприятия

9

сложной зрительной информации не могли.

Экспертные системы.

Методы ИИ нашли применение при создании автоматических консультирующих
систем. До 1968 года исследователи в области ИИ работали на основе общего подхода
- упрощения комбинаторики, базирующегося на уменьшении перебора альтернатив
исходя из здравого смысла, применения числовых функций оценивания и различных
эвристик.

В начале 70-х годов произошел качественный скачок и пришло понимание, что
необходимы глубокие знания в соответствующей области и выделение знаний из
данных, получаемых от эксперта. Появляются экспертные системы (ЭС), или
системы, основанные на знаниях.

ЭС DENDRAL (середина 60-х годов, Стэнфордский университет) расшифровывала
данные масс-спектрографического анализа.

ЭС MYCIN (середина 70-х годов, Стэнфордский университет) ставила диагноз при
инфекционных заболеваниях крови.

ЭС PROSPECTOR (1974-1983 годы, Стэнфордский университет) обнаруживала
полезные ископаемые.

ЭС SOPHIE обучала диагностированию неисправностей в электрических цепях. ЭС
XCON помогала конфигурировать оборудование для систем VAX фирмы DEC, ЭС
PALLADIO помогала проектировать и тестировать СБИС-схемы.

ЭС JUDITH помогает специалистам по гражданским делам и вместе с юристом и с его
слов усваивает фактические и юридические предпосылки дела, а затем предлагает
рассмотреть различные варианты подходов к разрешению дела.

ЭС LRS оказывает помощь в подборе и анализе информации о судебных решениях и
правовых актах в области кредитно-денежного законодательства, связанного с
использованием векселей и чеков.

ЭС “Ущерб” на основе российского трудового законодательства обеспечивает
юридический анализ ситуации привлечения рабочих и служащих к материальной
ответственности при нанесении предприятию материального ущерба действием или
бездействием.

Список созданных ЭС можно перечислять очень долго. Были разработаны и внедрены
тысячи реально работающих экспертных систем. Об этом мы будем говорить
подробнее в 6 и 7 лекциях.

Разработка инструментальных средств для создания ЭС ведется постоянно.
Появляются экспертные системы оболочки, совершенствуются технологии создания
ЭС. Язык Пролог (1975-79 годы) становится одним из основных инструментов

10