Специалисты московского Физического института им. П.Н. Лебедева РАН (ФИАН) разработали ряд методик для организации защищенных коммуникативных функций в коллективе роботов (аппаратных агентов). Такие математические алгоритмы необходимы при создании нового поколения интеллектуальных систем управления. Например, роботы теперь смогут не только видеть и самостоятельно принимать решения для выполнения поставленной задачи. Они будут полноценно сотрудничать - обучаться и передавать свои знания "коллегам" по коллективу, не опасаясь несанкционированного вмешательства.
Методы обработки информации на основе многозначной и нечеткой логики могут использоваться при решении целого ряда научных и технических задач. Спектр возможных практических приложений чрезвычайно широк: защищенная передача информации, распознавание образов, техническое зрение (и, вообще, сенсорика), различные аспекты робототехники, задачи управления.
Говорит ведущий научный сотрудник лаборатории оптоэлектронных процессоров ФИАН, кандидат физико-математических наук Алексей Быковский: "Исторически сложилось так, что двоичная логика победила - электроника стала использовать бинарную обработку. Но уже лет через 20 после того, как Джон Буль разработал свои двоичные операторы, возникла недвоичная математика. В начале 60-х проект компьютера на трехуровневой логике был предложен в МГУ, а в 70-х стали применять многозначную логику для передачи информации. В последние же 15-20 лет значительное внимание уделялось бесконечно-значностным логическим моделям, связанным с переходом от двух или нескольких дискретных значений истинности к непрерывной шкале описания. Особенно большое практическое значение приобрела нечеткая логика - быстрый способ приближенных вычислений, когда, обучив систему и имея заранее обработанную и накопленную информацию, по аналогии можно строить приближенные рассуждения".
В Физическом институте им. П.Н. Лебедева на основе методов недвоичной логики разрабатываются новые способы защищенного хранения и передачи информации, необходимые для безопасной работы интеллектуальных технических устройств без участия человека. В рамках этого направления возможно создание интеллектуальных сенсорных устройств, роботов, коллективов роботов и сетей распределенной многопараметрической обработки информации.
Разработки коллективов роботов в мире уже существуют. Например, несколько десятков маленьких, размером с пылесос, роботов создают карту производственного помещения (большого ангара). Они обследуют всю площадь ангара и при этом активно обмениваются информацией, обобщают ее. В их работе есть элемент самоогранизации и группового обучения - робот, узнавший что-то новое, передает эти данные остальным, таким образом, известное одному роботу тут же становится известным всей группе.
Устройство, имитирующее такие функции человека как активность, реактивность и умение накапливать знания, в сфере создания искусственного интеллекта принято называть агентом. В группе роботов, выполняющих общую задачу, каждый из них обладает признаками агента. Возможна и распределенная конструкция одного агента. Для этого необходим канал надежной и защищенной передачи информации на отдельные распределенные устройства более низкого уровня. То есть "руки" могут быть пространственно разнесены с "головой". Целый ряд технических задач - разминирование, манипуляции в агрессивных средах, работы в трубах, шахтах и т. п. - может быть решен с помощью подобных устройств. Однако чисто механическими приложениями дело не ограничивается - распределенной считается любая система, в которой существенный объем вычислений производится в различных кластерах, которые разнесены в пространстве и времени, и их взаимодействие воспроизводимо.
Одна из задач обработки информации в распределенной интеллектуальной системе - сжатие информационной модели, то есть фильтрация несущественной и ненужной информации, а также упрощение конечной модели принятия решения. При этом обработка информации в реальном времени является традиционной задачей для оптоэлектроники. Схема обработки подобна пирамиде, в основании которой располагается огромное число исходных данных. Но на ее верхнем уровне должно быть ограниченное число параметров, которыми можно управлять и без применения длительных вычислительных процедур. Так называемые гетерогенные методы обработки сочетают в одной модели двоичные, многозначные и недвоичные вычисления - точные и приближенные. Наложение данных точной обработки на данные приближенной позволит в компактный чип памяти загрузить большую программу действий.
"Метод компактного описания исходной модели поведения агента с помощью многозначной логики мы сочетаем с гибким и приближенным нечетко-логическим моделированием сенсорных данных. Но чтобы оптоэлектронная система успешно имитировала действия человека, приходится добавлять еще волновой алгоритм выбора траектории движения (для автономной ориентации подвижного макета, который должен научиться, например, самостоятельно распознавать и объезжать препятствия). Последовательность частных задач здесь такая: устройство должно измерить сенсорные сигналы, классифицировать знакомые и незнакомые объекты, построить текущую математическую модель внешнего мира с учетом выполняемых задач, а затем выработать наиболее приемлемые действия. Кроме того, информационная компонента устройства и его каналы связи должны быть защищены от несанкционированного вмешательства. Для этого и приходится конструировать гетерогенные модели, сочетающие традиционную двоичную математику с недвоичной. Для огромного круга чисто технических и общих задач управления ключевыми являются сложные задачи распознавания образов и технического зрения. А для их решения на основе полупроводниковых технологий, современных матричных сенсоров и лазерных систем требуются все более эффективные модели вычислений - компактные модели для сложных процессов", - говорит Алексей Быковский.
Источник: CyberSecurity
|
