Кибернетика и автоматизация транспортных процессов. Учебное пособие

© Дмитрий Владимирович Абрамов, 2022

© Александр Владимирович Корпуков, 2022

© Вадим Николаевич Шмаль, 2022

ISBN 978-5-0059-3937-1

Создано в интеллектуальной издательской системе Ridero

О кибернетике

Кибернетика – это наука о коммуникации и управлении. Он также исследует самовосприятие людей и социальных групп. Это касается того, как человеческая деятельность и общение влияют на коллективное поведение. Социальный контекст кибернетики обширен и продолжает расти. Кибернетика – динамичная и разнообразная область исследований. Новые тенденции и научные открытия повлияют на сферу кибернетики в ближайшие годы.

Слово «кибернетика» – это слово-портфель, объединяющее «кибернетический» с «биологией». Американский математик Джон фон Нейман опубликовал «Автоматы», статью по кибернетике, в которой обрисовал фундаментальную парадигму теории: есть ситуации, которые управляются центральным компьютером. Фон Нейман применил термин «автомат» к любому устройству или системе, которые «могут быть проанализированы как автоматы».

Кибернетика использует целостный подход и работает с коммуникацией на элементарном уровне. Ранние кибернетики также исследовали, каким образом язык влияет на то, как люди взаимодействуют. Темы о том, как общество и люди воспринимают информационные технологии и взаимодействуют с ними, представляют большой интерес. В специальном выпуске «Кибернетики» рассматривается значение и развитие слова «кибернетика». Эти обзоры проливают свет на эту довольно малоизвестную отрасль науки. Несмотря на эти теоретические достижения и новые разработки, эта область все еще малоизучена. Только от 10% до 30% исследователей, работающих в этой области, публикуют более трех статей в год. Исследование, проведенное в 2006 году, показало, что существует тупик в привлечении внимания ведущих журналов к новым исследовательским предложениям.

Прикладная часть кибернетики занимается управлением и движением систем, а также тем, как регулировать или контролировать их поведение. Наряду с теорией систем, статистикой и исследованиями операций, кибернетика является одной из трех основных дисциплин науки и техники и первой научной дисциплиной, имеющей дело с контролем и влиянием на поведение системы. Основная цель широкой области кибернетики – понять и определить человеческий интеллект. Согласно кибернетике, процесс понимания того, как строить и поддерживать человеческий мозг и его интеллектуальные способности, является сложным и многомерным делом.

Кибернетика определяется как изучение взаимодействий между людьми и вещами, изучение взаимодействия между людьми и окружающей их средой, изучение систем, систематизация действий. Важность понимания этих взаимосвязей – вот что сделало кибернетику одной из самых распространенных наук в 20 веке. Научное изучение любого человеческого явления – действия, планирования, защиты, коммуникации и т. д. – было включено в дисциплинарное исследование кибернетики.

Кибернетика была определена по-разному, разными людьми, из самых разных дисциплин. Это широкое понятие, охватывающее многие области. На одном уровне это связано с природой всей жизни; передача и контроль информации внутри биологических систем и между ними. С другой стороны, речь идет об управлении процессами на атомном и молекулярном уровне и сетевых связях между ними.

Автоматизация исследований доказывает, что ключевым нововведением в области машинного интеллекта является достижение или превышение способности людей контролировать данные и управлять ими. Принципиальная роль компьютера (или смарт – машины) не делать расчеты; но управлять информацией, обрабатываемой машиной. Информационная сеть – основа интеллекта. Основная задача ИИ – это разработка систем, которые могут отслеживать сеть и динамически изменять ее соединения для повышения ее производительности в ответ на меняющиеся обстоятельства.

Дискуссия «корреляция против причинности» применительно к кибернетике означает, что нам нужно интерпретировать данные, не поддаваясь картезианскому дуализму. С точки зрения неоклассической экономики, основными движущими силами бизнеса являются субъективные предпочтения людей, движимые стимулами. Эмерджентистская точка зрения – это эмерджентная система, в которой со временем появляются и исчезают разные уровни причинной структуры. Бостром использует эту модель, чтобы увидеть природу интеллекта.

Роботы и другие системы искусственного интеллекта должны развиваться, следуя стратегии обеспечения максимальной отзывчивости системы к окружающей среде. Они должны постоянно приспосабливаться и совершенствоваться, следуя данным им правилам, стратегии, принятой по этой причине, потому что человек-программист не может предвидеть все будущие события. Основанный на правилах характер ИИ является ключевым ингредиентом в его эволюции, а также, другими словами, его целью (хотя эту цель часто упускают из виду). Способность учиться, опираясь на свой опыт (обучение на практике), является фундаментальной для разумного поведения.

Развитие ИИ под руководством людей не будет связано с построением высокопроизводительного «сверхразума»; но об усилении и расширении системы в отношении тех фундаментальных принципов кибернетики, которые мы ожидаем от людей: обучение, адаптация и повторение. Определенное «обучение, чтобы учиться» (программируемость, эмерджентное поведение) является основой кибернетики.

После создания ИИ система должна развиваться, как и любая другая живая система; научившись приспосабливаться к окружающей среде, по мере развития, посредством естественного отбора, что-то вроде дарвиновского процесса. Процесс эмуляции (оценки) имеет решающее значение для того, что происходит в ИИ. Мы можем смоделировать систему ИИ, смоделировав задачу. Мы сделали это, смоделировав шахматную программу. Однако результат ограничен. Он способен воспроизводить только простые виды деятельности, связанные с шахматами. Это возможно, потому что мы ограничили количество вещей, которые система может делать. Мы только смоделировали вывод программы.

Невозможно создать робота, если мы сначала не поймем базовый процесс, с помощью которого система учится, создавая его, основанный на пробах и ошибках. Чтобы учиться, система должна понимать, что она делает, и иметь некоторую способность обращать вспять процессы, которые она изучает. Процесс развития системы ИИ должен быть копированием более простой системы со своими собственными правилами.

Поскольку мы не разрабатываем «улучшения» наших систем искусственного интеллекта, они развиваются путем копирования какой-либо более простой системы. Адаптивная система не повторяет фиксированную последовательность событий для того, чтобы научиться, скорее, ей необходимо узнать о различных моделях, поведении и привычках. Этот процесс имитации основан на функции «стимул-ответ».

Хорошим примером подражания в действии является принцип адаптивного обучения (или обучения на практике). Это процесс, с помощью которого любая машина, любой компьютер или интеллектуальный агент узнает о том, как ему следует вести себя, на основе своего опыта. Обучение путем подражания похоже на этот принцип, но оно основано на том, что человек (или группа людей) подражает другой группе или человеку, чтобы узнать что-то новое. Эмулируемая группа или человек имеет свои собственные индивидуальные правила работы (правила подражания), которые определяют, какие типы реакций или поведения усваиваются.

Адаптивные эмуляторы (обучение путем эмуляции) играют решающую роль в развитии интеллекта. Это важнейший механизм обучения и развития познания. По словам Бострома, они также будут играть решающую роль в эволюции интеллектуальных систем.

Эмуляция не может научиться, если это не делает наблюдатель, а наблюдатель должен уметь учиться. Это называется лазейкой для наблюдателя. Это простейшее объяснение так называемой проблемы социального интеллекта. На практике лазейка для наблюдателя заставляет эмуляции выглядеть как настоящие интеллектуальные агенты. Но у них есть все присущие им ограничения.

Эмуляция также терпит неудачу, если у эмулируемой системы есть проблемы, о которых наблюдатель не знает. Если наблюдатель не может сказать, что у эмулируемой системы есть проблемы, он не может учиться на этих проблемах.

Это подводит нас к последней проблеме с эмуляцией: обучение с помощью эмуляции – только один из механизмов, с помощью которого интеллектуальные системы могут развиваться. Настоящий адаптивный агент интеллектуален, потому что он разработан, чтобы развиваться с учетом характеристик развивающейся системы.

Эмуляция полезна для обучения тому, как создавать интеллектуальные системы, похожие на интеллектуальные системы. Однако он не может узнать, что интеллектуальная система может и что не может делать, в отличие от интеллектуального агента. Это подводит нас к очень важному вопросу: действительно ли эмуляция является методом изучения сложных интеллектуальных систем?

И для того, чтобы философия дизайна работала, было важно убедиться, что мы можем не только узнавать об адаптивных эмуляторах, но и улучшать их. Поэтому мы тщательно изучили адаптивные эмуляторы и разработали систему, которая могла бы учиться на них. Этот процесс обучения начался с умения определять адаптивные эмуляторы. Затем случайно появился немного лучший метод их идентификации, который позволил нам создать адаптивный эмулятор с очень высокой пригодностью.

Кибернетика развивалась способами, которые отличают кибернетику первого порядка (о наблюдаемых системах) от кибернетики второго порядка (о системах наблюдения) – в частности, кибернетика второго порядка обычно ассоциируется с системами, которые контролируют и действуют друг на друга – и отличается от современной кибернетика в основном в том, что касается вопросов о том, имеет ли рефлексивность или рефлексия объяснительную роль.

В кибернетике явления времени и пространства идентичны физическим явлениям в том, что существуют фундаментальные проблемы теории и измерения.

Концепция кибернетики первого порядка – это концепция наблюдателя. Кибернетика второго порядка – это теоретическая практика кибернетики. Кибернетика второго порядка не делает различий между кибернетикой и моделированием. Этот подход был основополагающим принципом кибернетики применительно к физическим системам. Это также предполагает, что кибернетика – это не модель, а инструмент для понимания явлений и систем.

Кибернетический интеллект может использовать логико-лингвистическую систему для преобразования коммуникационных данных в машинные команды. Такая система может использовать хорошо известное преобразование Фишера-Саймона для преобразования команд в данные. Это позволяет системе напрямую переводить из синтаксических форм, что, в свою очередь, позволяет системе понимать язык в статистическом смысле. Эта идея теоретически предполагает, что кибернетическая система может воздействовать на третью сторону (например, человека), и он может действовать как посредник между человеком и компьютером или наоборот.

Кибернетический автомат – это гипотетическая (хотя и математически возможная) система, имитирующая физическую систему (например, машину).

Дизайн саморегулирующихся систем управления для плановой экономики в реальном времени был изучен в 1950-х годах. Хорошим примером является метод рационального программиста, который утверждает, что метод рационального планирования может использоваться для проектирования систем управления. Этот метод, хотя и несколько абстрагированный, можно понять с точки зрения теории управления с обратной связью. Основная идея, лежащая в основе метода рациональных программистов, заключалась в том, что плановые экономики в реальном времени, подобные тем, которые были разработаны в Советском Союзе, можно было планировать с использованием метода рациональных программистов. Рациональный планировщик управляет системой рациональных правил, думая в терминах программ и систем управления.

В рациональной системе управления планировщик не должен знать обо всех действиях, которые выполняет система. Вместо этого планировщик должен принимать решения на основе наблюдаемых данных и улучшать систему, например, создавая более «рациональные» правила и более «эффективные» механизмы обработки данных. Многие «запрограммированные» системы управления используют обратную связь для автоматического улучшения системы с течением времени. Примеры включают большую часть автоматизации производства и промышленных роботов, а также многие системы управления технологическими процессами.

Моделирование процесса

Итан Чжан разработал ряд подходов к созданию самомодифицирующихся систем. Среди прочего, Чжан описал проблему разработки и применения надежных средств управления.

Вот пример самомодифицирующейся системы управления. Один из способов подумать о такой системе – это то, что она похожа на контроллер с обратной связью, где существует некоторое влияние системы на контроллер, а контроллер в некоторой степени является входом или выходом системы.

Моделирование процесса – это процесс преобразования данных из физической среды в графическое представление и предоставление пользователю возможности взаимодействовать с этой средой. Сложные технологические системы требуют эффективного и мощного моделирования. Сюда входят методы адаптивного моделирования и оценки, прогнозная аналитика и анализ сквозного поведения системы, такого как общая стоимость жизненного цикла, экономические последствия и возможность сбоя. Цифровое управление процессами включает множество подсекторов. Они различаются по конкретным задачам предметной области. Несмотря на то, что обеспечивается контроль над работой машин, цифровое управление процессами дает возможность получать глубокие сведения о поведении машин и информационном потоке между ними. Моделирование процесса позволяет операторам удаленно контролировать, устранять неполадки и автоматизировать действия процесса. Он сочетает в себе моделирование, симуляцию и управление для оптимизации и управления общей производительностью процесса, оборудования или производственной линии.

Управление устройствами вывода автоматизированной системы часто требует определенных знаний о системе; эти знания можно смоделировать на компьютере, и эти инструменты моделирования можно использовать для удаленного моделирования производительности оборудования, автоматизации системы и качества производимых деталей. Эти симуляторы также являются обычным способом доступа к внутренней информации о системе.

Кибернетика изучает системы контроля как концепцию, пытаясь открыть основные принципы, лежащие в основе таких вещей, как поведение, мотивация, обучение и стремление к цели.

Хотя это самый широкий смысл кибернетики, точный объем кибернетики в этом более широком смысле не совсем ясен, поскольку кибернетика в более узком прикладном смысле часто ограничивается «высшими» проблемами управления системами коммуникации. В приложениях кибернетики по отношению к человеческой системе это понимание кибернетики обычно отличается. Кибернетика – это взгляд на сложность. То есть кибернетика изучает, как вещи соединяются и взаимодействия, которые происходят между ними. Кибернетика получила широкое внимание благодаря исследованиям в области информатики, теории систем и теории информации. Большая часть этих исследований, особенно в таких областях, как робототехника, включает идеи кибернетики и рассматривает человеческие системы, лежащие в их основе.

Кибернетика – это изучение того, как сложные системы обратной связи, петли обратной связи и другие динамические процессы взаимодействуют, создавая сложную организацию. Она охватывает теорию управления и социальные и экономические системы. В своей простейшей форме кибернетика изучает системы обратной связи, которые обычно «мотивированы одной или несколькими целями, которые могут быть известными или неизвестными». Ее часто изучают вместе с другими областями, такими как механика, электроника, машиностроение, производство и другими, такими как экономика.

Теория управления и контуры обратной связи в той или иной форме можно найти в большинстве современных технологий. Например, в системной инженерии теория управления используется для проектирования и реализации автоматизированных систем управления, а в исследованиях операций теория управления используется в задачах линейного программирования. В информатике и системной инженерии контуры обратной связи также используются для проектирования и реализации сетей электронной связи. Многие современные формы вычислений имеют как реализацию, основанную на теории управления, так и основанную на модели или абстракцию, основанную на кибернетике.

В теории архитектуры кибернетика имеет долгую и иногда противоречивую историю. В философию кибернетики встроена концепция, согласно которой целью научного изучения явлений жизни является достижение интеллектуального контроля над ними. Другими словами, кибернетика стремилась достичь абсолютного контроля над предметом. Поскольку кибернетика занимается механикой сложной системы, она оказывает сильное влияние на физические аспекты строительства зданий. Примером этого является строительство Олимпийской деревни для летних Олимпийских игр 1996 года, которое было признано Американским обществом инженеров-строителей самой передовой технологией в архитектуре, поскольку для управления зданиями использовались встроенные компьютерные системы, управляемые данными. Компьютерные системы обеспечивали эффективное удаление отходов, чтобы сэкономить деньги на санитарии. Основные здания были оптимизированы для эффективного энергопотребления и спроектированы таким образом, чтобы можно было легко заменить простые силовые кабели. Это привело к меньшему повреждению зданий в случае пожара. В зданиях были встроены многие устройства и компьютерным управлением. Во многих смыслах Олимпийская деревня является символом утопического кибернетического архитектурного движения.

Биология

Теории человеческого поведения и принятия решений известны сотни лет. Однако только относительно недавно психологи получили представление о факторах, которые способствуют принятию решений людьми, и о том, как на их решения влияют сенсорная, моторная и когнитивная обработка информации. Современная психология изучает влияние этих факторов на людей, чтобы понять, как люди думают, действуют и взаимодействуют друг с другом. Современные открытия в области психологии используют компьютеры для помощи в своих экспериментах. Компьютеры могут моделировать процессы в мозге человека и позволяют исследователям проводить новые эксперименты в этой области.

Революция в молекулярной генетике стала водоразделом для нейробиологов, поскольку молекулярная биология в сочетании с относительно недавними достижениями в области электрохимии и оптогенетики создала множество экспериментальных инструментов для изучения мозга. Это позволило нейробиологам понять функциональную архитектуру и организацию мозга, а также определить роль нейронных сетей в мозге, особенно в познании. Идея нейронных сетей в головном мозге возникла в результате изучения биологической модели нервной системы, в которой клетки были разделены на определенные функционально интегрированные группы, причем группы, обладающие одним и тем же типом функций, имели наиболее сильную взаимосвязь. Благодаря открытию молекулярно-генетических основ функционирования нервной системы, таких как роль факторов транскрипции и белков в формировании нейронной сети, а также биофизики экспрессии генов, появился ряд генетических инструментов для изучения взаимосвязи между молекулярной генетикой нейронных сетей. Сегодня понимают, что нейробиологические механизмы, лежащие в основе познания, являются результатом глобальных сетей мозга, образованных десятками тысяч нейрональных клеток.

Разработки в области нейробиологии включают визуализацию мозга, анализ биоэлектрического импеданса, магнитно-резонансную томографию, функциональную магнитно-резонансную томографию, транскраниальную магнитную стимуляцию и электроэнцефалографию, которые являются одними из наиболее важных инструментов для нейробиологических исследований.

Эти инструменты также играют важную роль в соединении нейронных сетей мозга с корой головного мозга, которая отвечает за наши высшие когнитивные функции, такие как язык, восприятие, память, внимание, мышление, рассуждение и эмоции. Это связь, которую раньше не устанавливали, связывая функциональную архитектуру области мозга с фундаментальной работой этой области.

Нейропсихология – это раздел психологии, посвященный изучению психологии человеческого сознания и человеческого разума в целом. Нейропсихология пытается понять человеческий разум на нейронной основе, то есть на основе взаимодействия различных нейронных цепей (нейронов и синапсов). Это также считается наиболее строгим и надежным разделом клинической психологии. Он может помочь людям со всеми аспектами функционирования мозга, разума и тела и может помочь дать ответы на вопросы: «Что происходит в мозге в процессе психических процессов?» и «Каковы нейронные основы таких процессов, как: зрение, слух, эмоции, память, самосознание, мысль, принятие решений, мыслительный процесс, язык, понимание, рассуждение, сон или сознание?». Он обеспечивает единый язык и общий язык, выходящий за рамки различных дисциплин. Нейропсихология пытается быть всеобъемлющей наукой в области психологии и науки, понимая механизмов, лежащих в основе психических функций человека, и используя результаты когнитивных, неврологических и физиологических наук для выяснения основных процессов и объяснения человеческого познания. Нейропсихология изучает возникновение человеческого разума из его нервных источников и является ведущей научной областью исследований мозга и поведения.

Исследования нейрохимии мотивации и приобретения навыков в спорте привели к лучшему пониманию взаимодействия между приобретением навыков и физиологией мозга. Исследования музыкантов показали, что, хотя у них большая лобная кора, большая часть эмоциональных областей их мозга перегружена поступающей информацией. Это вызывает необходимость постоянно переключать внимание с конкретных деталей задачи на абстрактное мышление. Тот же эффект можно увидеть и у художников высокого уровня; они должны постоянно переключать свое внимание с анализа произведения искусства на работу над другим.

Исследования показали, что гиппокамп участвует в принятии решений. Гиппокамп участвует в памяти и принятии решений, предоставляя входные данные во время обработки решений. Леволатерализованный гиппокамп участвует в принятии решений, которые более эффективно обрабатываются влиянием левого полушария. Эта активация правого полушария мозга при принятии решения известна как латерализованный эффект. Другими словами, правое полушарие с большей вероятностью будет использовать логику и рассуждения при принятии решений, в то время как левое полушарие использует эмоции и чувства для принятия решений. Правое полушарие использует аффект как базовый вход, в то время как левое полушарие использует аналитические рассуждения. Правое полушарие мозга более доминирует при принятии решений. Исследования латерализованного принятия решений и правого полушария и левого полушария мозга показали, что обработка в левом полушарии во время принятия решений способствует кодированию информации в эпизодической памяти и принятию решений. Активация правого полушария во время принятия решений связана с гамма-колебаниями в коре головного мозга. Было обнаружено, что гамма-колебания в коре головного мозга запускаются кодированием поступающих сенсорных данных в эпизодическую память. Гиппокамп участвует в восстановлении и сохранении долговременной памяти. Гиппокамп работает вместе с медиальной височной долей и энторинальной корой для создания пространственной памяти. Следовательно, обработка пространственной информации приводит к созданию эпизодической памяти. Также было замечено, что правое полушарие мозга может легче получить доступ к эпизодической памяти. Это может быть связано с тем, что правая часть мозга играет гораздо более важную роль в пространственной обработке и генерации информации в долговременной памяти. Это подтверждает гипотезу о том, что правая часть мозга лучше извлекает и обрабатывает пространственную информацию.

Медиальная височная доля связана с кратковременной памятью, семантической памятью, языком, производством речи, пониманием и производством языка, обработкой речи, обработкой лиц, а также эмоциональной и просодической обработкой. Гиппокамп тесно связан с медиальной височной долей, в том числе с областью Брока и областью Вернике.