книги / Основы построения САПР и АСТПП

2)создание ПО с динамическим распределением ресурсов памяти. Тогда легко удовлетворить требования переноса ПО с больших ЭВМ на мини- и микроЭВМ. При этом изменяются только количественные характеристики САПР;

3)использование для написания ПО языка высокого уровня, транслятор с которого входит в системное обеспечение макси­ мального числа типов ЭВМ. В качестве такого языка может быть выбран ФОРТРАН-66 или ФОРТРАН-77. Программы, на­ писанные с помощью этих языков, уже доказали свою мобиль­ ность;

4) применение макросов — средства для замены одной последовательности символов другой. Компонент программного обеспечения ЭВМ, обеспечивающий функционирование макро­ сов, называется макропроцессором. Макропроцессор просматри­ вает исходный текст программы, написанный, например, на ФОРТРАНе, не заменяя операторов, являющихся обычными операторами языка. Если макропроцессор встречает специаль­ ный оператор, являющийся вызовом макроса, то этот оператор заменяется последовательностью операторов, заранее написан­ иих и помещенных в библиотеку макроопределений. Оператор вызова макроса может иметь параметры, с помощью которых заменяющий текст модифицируется в зависимости от конкрет­ ного замысла программиста. Обработанный макропроцессором текст программы затем транслируется как обычный текст на языке ФОРТРАН. Сам микропроцессор может программиро­ ваться на ФОРТРАНе, и перенос макропроцессора не представ­ ляет труда.

f3.6. ВОПРОСЫ ОСВОЕНИЯ

ИДАЛЬНЕЙШЕГО РАЗВИТИЯ САПР ИЭТ

Вопросы поддержания работоспособности и освоения САПР имеют крайне важное значение для ее эффективного использо­ вания в качестве инструмента проектирования. Поэтому при обучении пользователей САПР необходимо придерживаться определенной методики. Практика создания и использования САПР показывает, что к обучению более восприимчив молодой пользователь. Наибольшие успехи достигаются там, где обу­ чающийся работает в контакте с ЭВМ 3/ч времени обучения. Усваиваемость повышается при освоении САПР, реализованной на интерактивно-графических станциях, поддерживающих ре­ жим диалога. Наиболее удобно обучать пользователей, разбив их на пары. Один выполняет функции оператора, другой — наблюдателя. Через некоторое время они меняются ролями. Наблюдение за оператором — важная часть обучения, так как наблюдающий не отвлекается на нажатие клавиш или манипу­ лирование световым пером, поэтому быстрее и легче разбира­

81

ется в деталях процесса проектирования. Обучение пользовате­

подготовки исходных данных и директивами управления ходом проектирования. Контакт с ЭВМ на этой фазе может прово­ диться в конце периода ознакомления. Требуется несколько выходов на ЭВМ для закрепления навыков подготовки входной информации.

В т о р а я ф а з а — практическая работа с ЭВМ с использо­ ванием заданий возрастающей трудности. На этом этапе обу­ чения обязательна помощь пользователя, уже освоившего дан­

Для успешного проведения некоторых проектных процедур

спомощью САПР достаточно среднетехнического образования

изнаний основ информатики и программирования.

Рассмотрим предполагаемые пути развития трех составляю­ щих САПР: технических средств, системного программного и прикладного программного обеспечений.

Технические средства. Развитие ТС идет по трем направле­ ниям. Первое направление — создание мощных сверхбыстродей­ ствующих ЭВМ .на основе многопроцессорных систем. Такие ЭВМ позволят поддерживать автоматизированное проектиро­ вание, например, всей радионавигационной системы или всей ЭВМ, включая периферийные устройства, моделировать слож­ нейшие физические, геофизические и космические процессы.

Второе направление —создание очень малых по габаритам

иочень мощных по ресурсам супермини-ЭВМ, интерактивно­ графических станций. Эти ИГС, приближенные к пользователю

исодержащие элементы искусственного интеллекта, станут уси­ лителями творческих способностей проектировщика, приведут к социальным изменениям в подходе к инженерному делу.

Третье направление —объединение ЭВМ этих двух классов в сети локального, регионального и общесоюзного значения. Наличие сетей ЭВМ снимает проблему внедрения САПР, пере­ распределения вычислительных ресурсов, позволяет расширить область применения САПР.

Системное программное обеспечение. Будет происходить пе­ рераспределение функций САПР и операционных систем, т. е. все большее количество функций управления и сопровождения маршрута прохождения проекта будет включаться в ОС. Опе­ рационные системы, в свою очередь, будут специализироваться только на обслуживание САПР или только на обслуживание задач АСУ, АСНИ или АСТПП и т. д. С помощью специализи­ рованных ОС можно создавать заказные САПР, т. е. ОС по

82

определенному закону, введенному заказчиком-пользователем, будет собирать требуемую САПР, например САПР печатных плат, САПР телевизионных конструкций, САПР блоков ЭВМ и др.

Прикладное программное обеспечение. В условиях дальней­ шего совершенствования численных методов решения задач проектирования и технологии производства ИЭТ наиболее перспективное и эффективное направление развития приклад­ ного ПО — аппаратурная реализация проблемно-ориентирован­ ных модулей. При этом, например, программа решения квадрат­ ного уравнения реализуется в виде электрической схемы или, например, программа решения систем алгебраических уравне­ ний реализуется в виде БИС.

Рассматривая различные классы САПР и тенденции их развития, сформулируем требования к перспективной САПР: 1) обеспечение автоматической генерации информации о проек­ те, пригодной для разных устройств проектирования; 2) воз­ можность использования языков высочайшего уровня, близких к естественному языку общения; 3) адаптация интерактивных систем взаимодействия разработчик — ЭВМ к нуждам пользо­ вателя; 4) возможность доступа к информации при одновре­ менной защите файлов от разрушения; 5) наличие автоматизи­ рованных банков данных; 6) простота обслуживания системным специалистом; 7) быстрота настройки на требуемый проект.

9 3.7. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ЭКСПЕРТНЫЕ СИСТЕМЫ

Искусственный интеллект (ИИ) является результатом и продолжением работ в областях построения искусственного моз­ га, кибернетических машин и представления знаний. Основопо­ лагающие работы в указанных областях принадлежат Винеру (основатель кибернетики), Шеннону, Тьюрингу и др.

Работы по созданию искусственного мозга в основном мож­ но считать теоретическими. Практического применения они не нашли по причине отсутствия технических средств для модели­ рования нервных клеток живого мозга (нейронов) с помощью электронных схем. Причем данная работа имела смысл только при условии моделирования нейронных сетей, содержащих 10е и более нервных клеток или их моделей, что было технически неосуществимо.

Построение кибернетических машин шло более успешно. Была уже создана теория вычислительных систем, началось применение ЭВМ для решения практических задач. Характер­ ная черта кибернетических машин (или специальных техниче­ ских систем, или программно-реализованных на ЭВМ)— само­ обучение, т. е. свойство накапливать знания. Примерами данно­ го типа машин могут служить «мышь Шеннона», «машины

83

Тьюринга» и машинные шахматы. Широкое практическое при­ менение кибернетические машины нашли в построении совре­ менных вычислительных систем, в частности реализованных на БИС.

Многие виды человеческой деятельности, такие, как напи­ сание программ для ЭВМ, проектирование изделий электронной техники с помощью ЭВМ, решение математических и логиче-

Рис. 3.18. Области исследования искусственного интеллекта

ских задач, требуют мышления, т. е. интеллекта. Почти все автоматизированные системы (АСУ, АСУТП, САПР, АСТПП и др.) обладают в некотором смысле искусственным интеллек­ том. Поэтому работа по построению таких систем находится в области задач по созданию искусственного интеллекта.

Задачи искусственного интеллекта. Выделим четыре основ­

ваний по воспроизведению на ЭВМ творческих для человека процедур. В рамках этих исследований создаются программы для шахматной игры, для сочинения музыкальных произведе­ ний. Сюда же относятся программы для доказательства теорем, программы, имитирующие способность человека к обучению. Данные исследования носят в основном фундаментальный ха­ рактер. В ходе их формируются и отрабатываются основные

84

методы и приемы искусственного интеллекта. Наибольший практический прогресс систем искусственного интеллекта дан­ ного направления был достигнут в обработке языков програм­ мирования, общения. Например, система кодирования в декоди­ рования сообщений между центром управления и ракетой, или система перевода газеты «Правда» на английский язык.

В т о р а я о б л а с т ь и с с л е д о в а н и й касается решения проблемы интеллектуализации самих ЭВМ. Основным результа­ том этих исследований должны быть вычислительные машины, с которыми смогут общаться неподготовленные пользователи. Сложность общения с ЭВМ не должна превосходить сложности эксплуатации бытовой аппаратуры.

Очень важно решить задачу создания интеллектуальных баз данных или баз знаний, как основных составляющих САПР. Системы баз данных представляют собой реализованные сред­ ствами вычислительной техники программно-информационные системы, в которых хранятся большие объемы фактов, относя­ щихся к некоторой области знаний. Причем они хранятся в виде, удобном для их использования при ответах на вопросы, касаю­ щиеся этой предметной области. То, каким образом наши зна­ ния следовало бы представлять и использовать, является одной из задач, возникающих при переработке систем баз данных, для

дования, направленные на создание новых принципов обработки информации и решения задач. Эти принципы используют харак­ терные особенности ИИ и прежде всего оперируют знаниями, так же как люди при выполнении творческой работы. Остано­ вимся подробнее на системах автоматического программирова­ ния и экспертных системах.

Системы автоматического программирования решают задачи подготовки программ для ЭВМ. Эти задачи тесно связаны с за­ дачей доказательства теорем. Поиск доказательства (или опро­ вержения) некоторой математической теоремы рассматривается как пример интеллектуальной задачи. Не только потому, что для этого требуется способность произвести дедукцию исходя из гипотез, но и потому, что необходимы интуитивные навыки, та­ кие, как построение догадки о том, какие промежуточные леммы следует доказать, чтобы способствовать доказательству основ­ ной теоремы.

Дедукция — одна из форм умозаключения, характеризую­ щаяся тем, что новое знание о каком-либо предмете или группе однородных предметов выводится на основании знания класса, к которому принадлежат исследуемые предметы, факты, теории, и общего правила, действующего в пределах данного класса предметов.

85

Существующие компиляторы уже осуществляют в некотором смысле автоматическое программирование. Они воспринимают полное описание того, что программа должна делать во входном коде, и пишут программу, которая это делает в объектном коде.

Программа, записанная на любом из языков программирова­ ния, называется исходным модулем или исходной программой.

Исходная программа преобразуется транслятором и компилято­ ром в объективный модуль или в программу в объектном коде, т. е. в промежуточном формате. Программы в объектном коде не являются еще машинными программами. Они не предназна­ чаются для непосредственного выполнения, так как кроме текста программы содержат дополнительную информацию, позволяю­ щую организовывать связи между отдельными частями програм­ мы. То, что здесь подразумевается под автоматическим програм­ мированием, можно описать как «суперкомпилятор», или про­ грамму, способную воспринимать описание на понятном нам языке того, что требуется от искомой программы. Задача авто­ матического написания программы для достижения заданного результата тесно связана с задачей доказательства того, что программа достигает этого результата. Последняя задача назы­ вается задачей верификации программы.

Автоматические экспертные системы обеспечивают пользова­ теля компетентными заключениями, касающимися определенных предметных областей. Ключевая проблема при построении экспертных систем заключается в том, как представлять и ис­ пользовать знания, которыми располагают и пользуются люди, являющиеся экспертами в этих областях. Эта задача осложня­ ется еще и тем, что экспертные знания во многих важных об­ ластях науки часто являются неточными или неопределенными.

Ч е т в е р т а я о б л а с т ь и с с л е д о в а н и й связана с соз­ данием интеллектуальных роботов, способных автономно решать сложные задачи, связанные с перемещением роботов в реальной среде, обработкой зрительной информации, нормативным пове­ дением роботов и многое другое.

Задачи экспертных систем. Любое действие в поведении ра­ зумного человека осуществляется им после некоторого размыш­ ления и принятия решения. Этот процесс называется «проведе­ нием экспертизы». Чаще всего в этом случае участвует один эксперт — сам человек. Чем важнее и сложнее принимаемое ре­ шение, тем большее количество экспертов привлекается. Напри­ мер, педагогический совет в школе и техникуме, совет директо­ ров, Совет Министров СССР и т. д.

Очень важным для принятия экспертных оценок мнений спе­ циалистов является формирование группы специалистов. При формировании группы специалистов решаются следующие зада­ чи: подбор специалистов-экспертов; составление специальных опросных листов; разработка способа и процедуры опроса экс­

86

пертов; проведение опроса; анализ информации, получен­ ной от экспертов; синтез объективной и субъективной инфор­ мации с целью подготовки оценок, необходимых для принятия решения.

Данный этап длительной и дорогостоящий из-за высоких требований к эксперту. Идеальный эксперт должен обладать следующими способностями: решать творческие задачи, метод решения которых полностью или частично неизвестен; видеть или создавать неочевидные проблемы; делать заключения об исследуемом объекте без осознания пути движения мысли к это­ му заключению; предсказывать или предчувствовать будущие состояния исследуемого объекта; противопоставлять предубеж­ дениям и массовым мнениям свое собственное; видеть проблему с различных точек зрения. Подобрать группу равноценных экс­ пертов, обладающих всеми этими способностями, технически сложно.

Для упрощения процесса применения экспертных оценок и удешевления данной процедуры были созданы автоматизирован­ ные экспертные системы (ЭС). Основой ЭС является обширный запас знаний о конкретной проблемной области. В большинстве случаев эти знания организуются как некоторая совокупность правил, позволяющих делать заключение на основе исходных данных или предположений. Такой подход к созданию систем из­ меняет соотношение ДАННЫЕ+АЛГОРИТМ = ПРОГРАММА на ЗНАНИЯ + ВЫВОД = СИСТЕМА.

Экспертная система — это компьютер, обладающий базой зна­ ний, соответствующих навыкам эксперта.

Общая структура ЭС показана на рис. 3.19. Экспертная си­ стема состоит из четырех основные компонентов: модуля усвое­ ния знаний; базы знаний; машины логического вывода; человекомашинного интерфейса или системы объяснений. Такая структу­ ра ЭС обусловлена организацией программ, которая отлична от организации обычных пакетов программ. С традиционных пози­ ций программа представляет собой процедуру и данные, а экс­

гим ресурсом, автоматизирует процесс извлечения знаний и обу­ чение машины. Под обучением машины понимается любое улуч­ шение работы ЭС, являющееся результатом накопления опыта. Последнее происходит за счет применения алгоритмов, решаю­ щих задачи расширения круга решаемых проблем, вывода более точных решений, получения ответов с меньшими затратами, уп­ рощения уже имеющихся знаний.

Б а з а з н а н и й (БЗ) содержит факты (или утверждения) и правила. Факты представляют собой краткосрочную информа­ цию, так как они могут изменяться. Правила — более долговре­

87

менная информация о том, как порождать новые факты или ги­ потезы из того, что сейчас известно. К знаниям относятся факты, процедуры и управляющие знания.

Факты, или декларативные знания, — вид знаний, представля­ ющий информацию о конкретном случае, обычно собираемую по­ средством диалога с пользователем (П). Пользователь указыва­

щим выбор последовательности «рассуждений» для достижения цели, т. е. заключения по частной проблеме. Известно несколько схем логического вывода: прямая цепочка рассуждений, обрат­ ная цепочка рассуждений и схема, сочетающая достоинства двух предыдущих подходов. Прямая цепочка подразумевает рассуждения, идущие от имеющихся данных к определенному умозаключению, гипотезе. Обратная цепочка подразумевает рассуждения, необходимые для получения данных, подтвержда­ ющих или опровергающих поставленные ранее гипотезы. Харак­ терная особенность используемых данных — ненадежность, не­ определенность, расплывчатость нечеткость.

88

Ч е л о в е к о - м а ш и н н ы й и н т е р ф е й с является одной из важнейших составляющих, делающей ЭС именно экспертной системой. Через данный интерфейс пользователь обращается к ЭС с вопросами: почему был сделан именно такой логический вывод или почему ЭС задала именно такой вопрос пользовате­ лю. С помощью человеко-машинного интерфейса организуется режим расспрашивания и проверки.

Пользователь

Пользователь

Рис. 3.20. Структура взаимодействия учителя, ученика и пользователя

Рассмотрим работу ЭС (рис. 3.20). Существует три режима взаимодействия пользователя с ЭС, когда пользователь выступа­ ет в качестве: 1) потребителя, если ему необходимо получить решение поставленных задач; 2) учителя, если он «обучает» ЭС, 3) ученика, если он знакомится с предметом на основе общения с базой знаний.

Основной задачей экспертных систем является помощь специалистам за счет использования знаний о проблемной области, полученных из самых раз­ нообразных источников: книг, статей, экспертов (Э) и т. д. Таким образом, в ЭС хранится коллективный опыт, накопленный в данной проблемной обла­

явление. Экспертные системы выступают в качестве мощных средств поднятия профессионального уровня специалистов, занятых принятием решений и оцен­ кой ситуаций (диагностированием) в тех областях человеческой деятельности,

вкоторых пока невысок уровень формализации накопленных знаний. Именно

вэтих областях опыт специалиста, слагающийся из знаний, почерпнутых во

89