4. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ ДЛЯ РЕШЕНИЯ ЗАДАЧ ВЫБОРА

4.1.Методы искусственного интеллекта

иэкспертных систем

4.1.1.Основные идеи искусственного интеллекта

Несомненно полезным при решении сложных неформа­ лизованных задач сварки является использование методов искусственного интеллекта (ИИ). Бурное развитие этого на­ учного направления началось со второй половины прошлого века, после того как были найдены пути практической реа­ лизации некоторых положений теории ИИ для решения задач на основе опытных знаний. Имеются в виду профессиональ­ ные знания и опыт специалистов, работающих в различных областях человеческой деятельности - инженеров, врачей, геологов, преподавателей, управленцев и др. Эти знания не носят строго формального характера и излагаются пре­ имущественно в словесном виде на естественном и профес­ сиональном языках.

Теория ИИ синтезирует положения многих наук, на­ правляя их на реализацию двух основных идей: машинное копирование действий человека при решении задач и исполь­ зование знаний высококвалифицированных специалистов менее квалифицированными. В русле этих направлений вы­ работаны различные методы и приемы, представленные нами в виде схемы (рис. 21).

Блоки левой ветви схемы соответствуют некоторым эм­ пирическим правилам, которые применяются независимо от предметных областей задач. Сделаем по этому поводу крат­ кие пояснения.

Рис. 21. Основные идеи и методы искусственного интеллекта

Блок 2. При решении сложных задач человек всегда мыслит категориями подзадач. Например, задачу разработки технологии изготовления сварной конструкции технолог воспринимает как связанную совокупность задач разработки технологии на отдельные узлы или детали по отдельным операциям. В каждой операции имеется несколько пере­ ходов, для каждого перехода необходимо определить значе­ ния соответствующих атрибутов.

Блок 3. Человек знает, что во всех случаях, кроме самых элементарных, предусмотреть все заранее очень трудно, а чаще всего невозможно. Поэтому он движется к цели шага­ ми, не считая обязательным строго придерживаться заранее составленного общего плана. После каждого шага он осмыс­ ливает новую ситуацию и тогда принимает решение

о дальнейших действиях. При этом возможно не только дви­ жение вперед, но и возвраты назад с корректировкой курса (метод проб и ошибок).

Блок 4. В действиях человека всегда присутствуют мо­ тивация и логика. В процессе исторического развития у чело­ века выработались понятия об истинном и ложном. Любая задача признается решенной, если рассуждения и выводы, использованные при ее решении, не вступают в противоре­ чие с логикой.

Блок 5. Определенная часть знаний и умений специали­ ста является невербализованной, то есть человек не может описать их словами. Он принимает решение на основе своего опыта, интуитивно. Такие знания называют эвристическими. Их используют для разрешения конфликтных ситуаций и для ускорения поиска решений. Например, ознакомившись с чер­ тежом конструкции, опытный специалист-сварщик может достаточно быстро и точно указать рациональную последо­ вательность сборки и сварки входящих деталей или выбрать подходящий способ сварки, хотя алгоритмы решения этих задач ему заранее неизвестны.

Некоторые методические вопросы копирования умст­ венной деятельности человека при решении задач подробно рассмотрены в теории ИИ, а также в системном анализе, пси­ хологии, теории графов, математической логике и других науках. Так, в системном анализе, претендующем на роль общей методологии решения сложных проблем, разработаны процедуры многоуровневой декомпозиции объекта исследо­ вания и решения задачи, декомпозиции свойств и оценки свойств альтернатив, композиции (агрегирования) свойств и оценок [66]. Методы теории графов [89, 93] наглядно отра­ жают пошаговое движение к цели (от вершины к вершине),

наличие альтернатив при движении (выход нескольких дуг из одной родительской вершины), причины итераций (нали­ чие пустых и нецелевых вершин на дереве поиска целей). Математическая логика позволяет с помощью исчислений из имеющихся исходных знаний выводить новые знания

итаким образом продвигаться к намеченной цели, причем эти выводы представляются в виде математических выра­ жений.

Следует иметь в виду, что упомянутые выше методы

иприемы действий человека могут выполнять только роль элементов общего решения задачи. Целостность решению задачи придает алгоритм, разрабатываемый человеком. На основе алгоритма составляется машинная программа, кото­ рую ЭВМ выполняет механически, не вникая в смысл.

Внастоящее время наибольшее распространение полу­ чили компьютерные системы, решающие задачи по заранее составленным полным алгоритмам. В таких системах, назы­ ваемых системами обработки данных (СОД), многократное применение алгоритма для однотипных задач приводит к ре­ зультатам одного и того же типа, а сам алгоритм не меняется, поскольку имеет жесткую структуру. С помощью СОД мож­ но решать все расчетные задачи, в которых результат полу­ чают путем обработки исходных числовых данных матема­ тическими методами, либо некоторые другие задачи, реше­ ние которых возможно в автоматическом режиме или при минимальном участии пользователя. На задачи второго типа ориентировано большинство отечественных САПР.

Вкачестве примера приведем алгоритм решения задачи выбора марки сварочной проволоки для автоматической сварки стали (рис. 22).

При подходе, характерном для традиционных САПР технологических процессов сварки, схема алгоритма реше­ ния задачи ограничивается первыми пятью блоками (блоки 1-5). По запросу пользователя система производит поиск в БД (блок 2 и 4) и найденные данные выводит на экран мо­ нитора (блок 5). Если для заданной марки стали данные в БД отсутствуют, система также сообщает об этом пользователю (блок 6).

Такая схема решения задачи проста, но она не всегда может удовлетворить пользователя возможной неоднознач­ ностью или неточностью выдаваемых рекомендаций. На рис. 22 в целом показана более сложная, но и более совер­ шенная схема решения той же задачи, разработанная высоко­ квалифицированным специалистом (экспертом). Более глу­ бокое понимание задачи экспертом начинает проявляться с действий, соответствующих блокам 6-9. Эксперт знает, что при отсутствии в БД запрашиваемых рекомендаций пользо­ ватель может попытаться подобрать марку сварочной прово­ локи, руководствуясь собственным опытом. Поэтому пользо­ вателю предлагается просмотреть имеющиеся в БД марки проволоки (блок 6) и сделать выбор по своему усмотрению.

Другой аспект понимания задачи заключается в том, что даже когда в БД имеются интересующие данные, они могут быть только усредненными и весьма приблизительными. Это обусловлено тем, что, во-первых, химические составы стали и проволоки предусматривают определенные интервалы концентраций элементов в пределах марки. Во-вторых, в за­ висимости от типа сварного соединения и толщины металла меняются доли участия основного и наплавленного металлов в металле шва уом и унм, а следовательно, состав и свойства металла шва.

В связи с этим при сварке ответственных конструкций, когда требования к сварным конструкциям жестко регламен­ тируются, желательно при выборе марки проволоки иметь более точное представление об ожидаемых свойствах метал­ ла. Для этого можно воспользоваться расчетными методами и на их основе организовать проведение компьютерного экс­ перимента с целью выбора оптимального состава сварочной проволоки.

Принципиальный подход к решению данной задачи по­ казан в правой части схемы рис. 22. Предположим, что для принятия обоснованного решения пользователю необходимо иметь данные о структуре и механических свойствах металла шва. Тогда при положительном ответе на вопрос блока

8 пользователю предлагается ввести дополнительные данные, перечень которых указан в комментарии к блоку 9. Конечные выходные параметры (характеристики структуры и свойств металла шва) обычно рассчитывают по эмпирическим фор­ мулам, в которых переменными являются концентрации ле­ гирующих элементов и скорость или время охлаждения ме­ талла шва в определенном интервале температур [1].

На схеме с помощью блока 10 условно показано, что расчету химического состава металла шва (блок 11) и расче­ ту скорости (или времени) охлаждения металла шва (блок 12) должны предшествовать дополнительные расчеты. В частности, для расчета поэлементного состава металла шва необходимо, кроме составов основного металла и про­ волоки, определить доли их участия в металле шва уо м и ун м и коэффициенты перехода элементов т|э, а для расчета ско­ рости охлаждения металла необходимо иметь данные о па­ раметрах режима сварки, толщине и теплофизических свой­ ствах металла и т.д.

Не вдаваясь в дальнейшие подробности проводимых расчетов, отметим главное: на пути расчетной оценки струк­ туры и свойств металла шва выстраиваются длинные цепоч­ ки расчетов. Не все требуемые для расчетов величины зара­ нее известны или могут быть найдены простыми действиями. Практически всегда при выполнении расчетов встречаются нечетко определенные звенья и это вызывает затруднения даже у весьма компетентных специалистов.

Таким образом, на первый взгляд относительно простая, типовая для сварки задача при наличии повышенных требо­ ваний к обоснованности принимаемых решений представляет собой достаточно сложный комплекс вопросов, для решения которых требуется привлечение большого объема разнооб­ разных знаний.

В приведенной на рис. 22 схеме можно увидеть вышепе­ речисленные приемы машинного копирования действий че­ ловека (см. рис. 21). Основная задача - выбор марки прово­ локи - разделена на ряд подзадач (декомпозиция сложной задачи). Процедура решения выполняется не за один прием, а шагами, показанными в виде блоков схемы. Среди послед­ них имеются блоки решений (3, 6, 7, 8, 15), соответствующие логическим развилкам и выбору. При диалоговом режиме работы все решения принимаются пользователем и, следова­ тельно, носят субъективный характер. Человек, принимая решения, использует дополнительную информацию, осно­ ванную на его личном опыте и знаниях. Такая информация называется эвристической и в конкретных условиях может быть разной у разных людей. Например, при выполнении процедуры, соответствующей блоку 6, разные специалисты могут выбрать разные марки проволоки из имеющихся в БД или по-разному ответить на вопрос блока 7.

При функционировании системы пользователь работает с компьютерной поддержкой. На рис. 22 это показано пунк­ тирными связями всех основных блоков схемы с базами дан­ ных и знаний. Блок 15 облегчает выполнение итераций при поиске оптимального варианта решения задачи.

Проведенный анализ позволяет понять основные функ­ ции, выполняемые алгоритмом в компьютерной системе. С одной стороны, машинный алгоритм обычно близок к безмашинному, что говорит о копировании системой действий человека. Одновременно через алгоритм осуществляется пе­ редача знаний эксперта системе, а от нее - пользователю. Эта двойственность функций отражена на схеме рис. 21 связью блока 7 с блоками 1 и 6.

При автоматизации решения сложных задач возрастает роль субъективного фактора, то есть знаний и опыта кон­ кретного эксперта, участвующего в создании системы. Оче­ видно, схемы и алгоритмы решений одних и тех же задач, разработанные разными экспертами, могут существенно раз­ личаться. Сложные компьютерные программы, подобные рассмотренной, имеют индивидуальный характер и их можно отнести к интеллектуальным, поскольку в существующих определениях интеллектуальной системы указывается на ее способность выполнять действия, свойственные человеку [32]. В то же время большинство специалистов считает ин­ теллектуальными те системы, в которых знания фигурируют в явном воде - в виде предложений естественного языка - и обрабатываются в процессе решения задачи. В этом отно­ шении особенностью алгоритма как средства передачи зна­ ний является то, что он совместно с БД показывает в оконча­ тельном виде, какие действия необходимо выполнить для

получения результата. Однако в алгоритме сама «кухня» мыслительной деятельности эксперта, логика его рассуж­ дений не раскрываются.

Использование знаний в явном виде присуще двум другим приемам (методам), представленным блоками 8 и 9 на рис. 21.

Комментарии или советы эксперта, выводимые на экран монитора в определенные моменты человекомашинного диа­ лога, помогают пользователю в принятии оптимальных ре­ шений. Кроме того, такой прием в ряде случаев позволяет значительно упростить диалог за счет использования знаний и опыта пользователя. Например, для сварки под флюсом углеродистых и некоторых низколегированных сталей часто рекомендуется применять флюсы АН-348-А и ОСЦ-45, но не указываются различия между ними. Вместо того, чтобы идти к однозначному решению путем последовательного сравне­ ния отдельных свойств двух флюсов в диалоговом режиме, можно сообщить в виде комментария, что флюс ОСЦ-45 об­ ладает несколько лучшими сварочно-технологическими свойствами, чем флюс АН-348-А, но выделяет больше вред­ ных аэрозолей и более дефицитен. Используя имеющиеся у него дополнительные данные, пользователь может сам принять обоснованное решение.

Типичным видом систем искусственного интеллекта яв­ ляются ранее упоминавшиеся экспертные системы. При их разработке и функционировании могут использоваться все методы и приемы, показанные на рис. 21. В ЭС реализован принцип независимости работы механизма вывода от содер­ жания БЗ, то есть задается алгоритм обработки знаний, а не алгоритм решения задачи. Разработчики системы могут легко изменять и дополнять знания. Обрабатывая знания, эксперт­ ная система их анализирует, оценивает и сама строит апго-