Методы и средства моделированмя процессов и систем

Для этого проводится «обсчет» некоторых контрольных экспериментов, по которым имеются достаточно надежные измерения. Сопоставление этих данных с результатами расчетов позволяет уточнить математическую модель, повысить правильность предсказаний на ее основе.

После проведения этой работы в вычислительном эксперименте наступают фаза прогноза

– с помощью математического моделирования предсказывается поведение исследуемого объекта в условиях, где эксперименты пока не проводились или где они вообще невозможны.

 

Пятый этап вычислительного эксперимента – обработка результатов расчетов, их всесторонний анализ и выводы. Эти выводы бывают в основном двух типов: проявляется необходимость уточнения модели или результаты, пройдя проверку на адекватность передаются заказчику. Однако чаще эти две стороны пересекаются – выясняются какие-либо необычные формы протекания изучаемого процесса, неожиданные режимы работы проектируемой установки. Математическая модель модифицируется (усложняется) и начинается новый цикл вычислительного эксперимента.

Схематически циклы вычислительного эксперимента можно представить следующим

образом:

 

 

 

 

 

 4. Линейность и нелинейность решаемых задач. Области применения

вычислительного эксперимента.

Существенной чертой многих современных математических моделей в физике, химии, биологии и пр. является нелинейность, выражающаяся в нелинейности соответствующих уравнений.

Важное свойство линейных задач, облегчающее их исследование и решение, состоит в том, что для них выполнен принцип суперпозиции. Это означает, что сумма двух решений линейного уравнения вновь является решением, и, кроме того, решение, умноженное на любое число, также удовлетворяет уравнению. Как следствие сумма любого числа решений линейной задачи есть решение. Это дает возможность строить решение общей линейной задачи в виде суммы частных, простых, хорошо изученных решений.

Для нелинейных уравнений принцип суперпозиции несправедлив, и вся техника построения решений и виде сумм, столь хорошо развитая для линейного случая, уже не работает. Пользуясь геометрическими образами, можно сказать, что решение линейной задачи в некотором смысле подобно прямой линии – по любому ее отрезку без труда восстанавливается вся линия. Если кривая имеет достаточно замысловатый вид, то представить ее ход нельзя иначе, как решая соответствующее ей уравнение.

Итак, нелинейные задачи представляют большую трудность для изучения и решения.

Аналитические методы здесь работают только в единичных случаях. В этой ситуации приходится полагаться лишь на вычислительные методы. Между тем математические модели, порождаемые современными задачами науки и техники, как правило, нелинейны. Это обстоятельство является еще одной причиной того, что вычислительный эксперимент становится практически единственным средством проведения теоретических исследований в прикладных задачах.

Еще один аспект: в технике в свое время был широко распространен метод проектирования исходя из достигнутого. Это означает, что конструктор, создавая, например, новую турбину или котел тепловой электростанции, исходил из опыта своих предшественников. Немного увеличив мощность или другие параметры, он мог достаточно надежно предсказать, как будет работать проектируемое им устройство.

С математической точки зрения при небольших изменениях параметров нелинейность задачи чувствуется слабо, имеется определенное подобие установок новой и старой, что и использует конструктор. Однако когда создаются установки, параметры которых заметно (в несколько раз) отличаются от имеющихся прототипов, подобие исчезает и без предварительного математического моделирования выполнение исходной задачи невозможно. Еще более яркий пример – создание устройств с совершенно новыми принципами и идеями.

Применение вычислительного эксперимента

В современной науке и технике появляется все больше областей, задачи в которых можно и нужно решать методом вычислительного эксперимента, с помощью математического моделирования. Обратим внимание на некоторые из них.

Энергетическая проблема. Прогнозирование атомных и термоядерных реакторов на основе детального математического моделирования происходящих в них физических процессов. Вычислительный эксперимент тесно сопрягается с натурным экспериментом и помогает, заменяет и удешевляет весь исследовательский цикл, существенно его ускоряя.

Космическая техника. Расчет траекторий летательных аппаратов, задачи обтекания, системы автоматического проектирования. Обработка данных натурного эксперимента, например радиолокационных данных, изображений со спутников, диагностика плазмы. Здесь очень важной оказывается проблема повышения качества приборов, и в частности измерительной аппаратуры. Между тем в настоящее время показано, что, используя измерительный прибор среднего качества и присоединив к нему ЭВМ, можно на основе специального алгоритма получить результаты, которые дал бы измерительный прибор очень высокого качества.

Технологические процессы. Получение кристаллов и пленок, которые нужны, в том числе, и для создания вычислительной техники, для решения проблем в области элементной базы (что невозможно без математического моделирования); моделирование теплового режима конструктивных узлов перспективных ЭВМ, процессов лазерной плазмы, технологии создания материалов с заданными свойствами.

Экологические проблемы. Вопросы прогнозирования и управления экологическими системами могут решаться лишь на основе математического моделирования, поскольку эти системы существуют в «единственном экземпляре».

Гео- и астрофизические явления. Моделирование климата, долгосрочный прогноз погоды, землетрясений и цунами, моделирование развития звезд и солнечной активности, фундаментальные проблемы происхождения и развития Вселенной.

Химия. Расчет химических реакций, определение их констант, исследование химических процессов на макро- и микроуровне для развития химической технологии.

Биология. Особо следует отметить интерес к математическому моделированию в связи с изучением фундаментальных проблем этой науки (генетики, морфогенеза) и разработкой новых методов биотехнологии.

Существуют три проблемы биотехнологии, решение которых имеет огромное научное и прикладное значение:

1) оптимизация установок  по производству кормового белка;

2) производство этанола, метанола – проблема горючего;

3) производство лекарств.

Современная биотехника – это новая крупномасштабная отрасль промышленности с новым рабочим телом – средой из клеток. Существует альтернатива – развитие технологии в этой области методом проб и ошибок, то есть многолетнее, без гарантии успеха или моделирование и оптимизация процессов.

Классической областью математического моделирования является физика. До недавнего времени в физике микромира (в квантовой теории поля) «вычислительный эксперимент» не применялся, так как было принято использовать метод малого параметра, каким является постоянная тонкой структуры. Однако сейчас физики-теоретики пришли к выводу, что процессы в микромире сильно нелинейны, поэтому необходимо переходить к численным методам, и для этой цели даже разрабатываются специальные компьютеры.

Анализ математических моделей с помощью вычислительного эксперимента с каждым годом завоевывает новые позиции. В 1982 г. Нобелевская премия по физике была присуждена К. Вильсону, предложившему ряд фундаментальных моделей в теории элементарных частиц и критических явлений, которые необходимо исследовать численно.

В 1979 г. Нобелевской премии по медицине была удостоена работа в области вычислительной томографии (восстановление объемного предмета по набору его сечений).

В 1982 г. Нобелевской премией по химии отмечена работа, в которой методами вычислительной томографии восстанавливалась структура вируса по данным электронной микроскопии.

 

 

 5. Понятие искусственный интеллект. Философские аспекты. Вопросы реализации.

Термин «искусственный интеллект» был введен Дж. Маккарти в 1956. Сам термин «искусственный интеллект» имеет два основных значения: во-первых, под искусственным интеллектом понимается теория создания программных и аппаратных средств, способных осуществлять интеллектуальную деятельность, сопоставимую с интеллектуальной деятельностью человека; во-вторых, сами такие программные аппаратные средства, а также выполняемая с их помощью деятельность.

Основная трудность искусственного интеллекта заключается в том, что до сих пор не существует однозначного и общепринятого определения и понимания интеллекта естественного. Поэтому большинство исследователей искусственного интеллекта, так же как и специалисты по информационной эпистемологии, вынуждены пользоваться паллиативом. На практике под искусственным интеллектом подразумевается набор программных и аппаратных средств, использование которых должно было бы приводить к тем же результатам, к которым при решении данного класса задач приходит интеллектуальная деятельность человека. Это по существу итоговая концепция искусственного интеллекта.

Другой распространенный паллиатив определяет искусственный интеллект как полную или приближенную имитацию интеллектуальной деятельности человека. поскольку же человеческий интеллект до сих пор остается величайшей философской загадкой и даже на специально научно-психологическом, психиатрическом и логическом уровнях изучен лишь феноменологически, то ни одно из определений искусственного интеллекта не может считаться вполне приемлемым, а тем более окончательным. Поэтому при решении практических задач чаще пользуются заданием их списка и принимают утверждение, что данная система является системой искусственного интеллекта, если она в состоянии решать данные задачи.

По существу, центральная проблема искусственного интеллекта заключается в следующем. Если мы обладаем четкими, поддающимися формальной экспликации знаниями о решении определенного класса задач, то на основе регуляризации таких знаний могут быть получены четкие алгоритмы или эвристические правила. Используя их, можно сконструировать программы, реализация которых современными аппаратными средствами способна дать решение данных задач. Однако человек довольно часто решает задачи, не зная того. как именно он сам это делает. иными словами, люди фактически не обладают полным и исчерпывающим самопознанием. Это касается не только чисто интеллектуальной сферы абстрактного, логического мышления, но и сферы эмоциональной физиологической. Мы видим, пользуемся зрительными образами, слышим, оперируем звуковыми образами и т.д., не зная, как именно возникают образы и каковы в точности закономерности их функционирования в нашем сознании. Мы часто ставим задачи, высказываем догадки, принимаем неожиданные, в том числе принципиально новые, творческие, решения, не зная, как мы это делаем, не умея в точности представить алгоритм такой деятельности. Из этого следует, что мы не всегда можем регулятивизировать процессы, процедуры и операции, лежащие в ее основе, а следовательно, не можем поручить компьютеру выполнение соответствующих имитирующих или дублирующих действий. Здесь как будто бы берет реванш знаменитый «тезис Лавлейс», согласно которому машина никогда не сможет делать того, что ей не поручает человек, чего он сам не умеет делать. В действительности же сам человек умеет делать гораздо больше, чем знает, как делать. Эти рассуждения служат основанием для компьютерного агностицизма. Его подкрепляют также определенные философские соображения, основывающиеся на ограниченной познаваемости мира вообще и субъективно-духовного мира человека в особенности.

В то же время уже сейчас существуют гигантские базы знаний и мощные, например, экспертные системы, содержащие тысячи правил и способные решить некоторые задачи лучше, чем писавшие для них программы программисты или специалисты соответствующего профиля. На сегодняшний день имеются интеллектуальные компьютерные системы, читающие газетные тексты любым голосом, и притом в режиме реального времени, и выполняющие переводы по крайней мере технической литературы.

Эти и другие факты лежат в основе компьютерной эйфории, утверждающей, что трудности на пути создания искусственного интеллекта, превосходящего по мощи и творческим возможностям человеческий интеллект, носят временный характер и связаны лишь с техническими проблемами, принципиально устранимыми в обозримом будущем. И компьютерный агностицизм, и компьютерная эйфория имеют философские корни. И поэтому речь должна идти о выяснении принципиальной, а не технической стороне дела.

С философской же точки зрения она заключается в исследовании того, является ли мышление исключительной прерогативой человека, точнее, человеческого мозга, или же такая деятельность не связана с ним однозначно и навеки и может осуществляться нечеловеческими, в том числе техническими, аппаратными системами. Если принять первую альтернативу, то следует далее ответить на вопрос, обладает ли человеческий мозг какими-то специфическими механизмами, уникальными, невоспроизводимыми с помощью других систем и в дополнение ко всему непознаваемыми, вследствие чего относительно сугубо гуманоидной природы мышления не могут быть получены адекватные знания, а стало быть, невозможна и их регуляризация. если на этот вопрос может быть получен доказательный отрицательный ответ, то это еще тоже не означает признания прямой практической возможности создания искусственного интеллекта, так как может, например, оказаться, что его создание упирается в техническую неосуществимость тех или иных интеллектуальных процедур. Но все же такой ответ дал бы принципиальное основание если не для эйфории, то по крайней мере для ограниченного компьютерного оптимизма.

Спор между компьютерными пессимистами и оптимистами подразумевает две противоположные философские гипотезы. первая исходит из абсолютной уникальности «человеческой телесности», неповторимости человеческой индивидуальности. Поэтому создание искусственного интеллекта, подобного интеллекту человека, объявляется невозможным. Вторая гипотеза, напротив, принимает тезис о принципиальной идентичности элементарных операций человеческого и машинного мышления. Познавательные процессы, чувственные образы, установки и ценности могут быть более или менее адекватно реализованы и смоделированы на дискретных электронных вычислительных системах.