Роботостроение – это эксперименты, эксперименты и еще раз эксперименты. Всё дело в том, что слово «робот» придумал писатель. И дальнейшие представления людей о роботах взяты исключительно из художественных произведений. Другое дело, что эти фантазии оказались настолько привлекательными, что люди всё больше средств вкладывают в их материализацию. Но от фантастики и трудности робототехники – ощущение нереальности её возможностей. Поэтому изучение робототехники полезно начинать с литературно-технического анализа, согласившись с тем, что главные конструкторы роботов – это писатели. Например, это с их лёгкой руки повелось, что если робот, то, по определению, он мобильный. К этому мы еще вернёмся, хотя здесь нет противоречия с обобщенной схемой робота. На этой схеме можно показать степень адаптируемости тех или иных элементов робота. Датчики (видеокамеры, микрофоны, и т. д.) – как правило, заводские, их переделки возможны лишь в ограниченном объёме. Средства управления (программное обеспечение) – как коробочные продукты, «заточенные» под задачи производственного характера – видеонаблюдение, домашняя электроника и пр., так и специально разработанные программы. Исполнительные системы: может быть самодельная платформа (вплоть до гусеничных траков в мобильных роботах), могут быть и заводские узлы.
Знаменитая фраза из классики «Машина не должна думать. Машина должна ездить» - это очень удачное энергетическое уравнение мобильного робота. «Думать» – в большинстве случаев означает «копаться в памяти». А достаточного для этого объёма память в «думатель» мобильного робота не поместишь. Значит, нужна в реальном времени связь с неким Центром памяти. Учитывая, что в Центре памяти будут храниться и большого объёма видеоданные, появляются дополнительные требования к каналу связи между мобильным роботом (андроидом, киберсобакой, разведчиком и т. д.) и хранилищем сведений.
Обратимся еще раз к классике. Гарри Гаррисон, рассказ «Полицейский участок «Марс» (рисунок художника Кивинова). Полицейский сержант просит робота-полицейского идентифицировать личность преступника. Робот без промедления отвечает:
Возьмём для примера камеру, которая в той или иной степени может решать все вышеперечисленные задачи: KP-D8, уже побывавшей в качестве бортовой в кабине самолёта и на автомобиле в автогонках «Формула-1». Она весит всего 80 г, имеет размеры 22 х 22 х 86 мм, разрешение по горизонтали 470 твл и автоматическое управление балансом белого (функция, отвечающая за корректность цветопередачи).
А способна ли эта камера, как в рассказе Гаррисона, разглядеть следы пластической операции? Может, для этого лучше взять студийную камеру Sony DXC-390P, которая при тоже малых габаритах (56 х 50 х 128 мм) имеет горизонтальное разрешение 800 твл. Но, возможно, и разрешение KP-D8 будет избыточным, если канал связи слишком низкоскоростной и способен передать лишь ориентиры для движения.
Сейчас есть выбор технологий беспроводной мобильной передачи мультимедийных данных. Рассмотрим, чтобы показать разнообразие средств, известную достаточно давно: передача видеоизображения с помощью видеокоммуникатора Kenwood VC-H1 через среду транкинговой сети стандарта МРТ 1327. Комплект создан на базе радиостанции Motorola GM 1200. Технология была в своё время представлена фирмой «Информационная индустрия».
Но о качестве передачи видеоинформации в различных условиях без испытаний судить невозможно и, тем более, рекомендовать к применению с конкретным приложением. Например, с системой трёхмерного распознавания лиц A4Vision, представленной НПО «Информация» на выставке. Размер биометрического шаблона в этой системе составляет 2,5 КБ, но много это или мало с точки зрения обмена данными через ту или иную сеть – надо экспериментировать. Мобильная связь меняет характеристики, и каждый раз по-разному, в частности, если объект завернёт за угол – деревянный, кирпичный, железобетонный, или попадёт в зону действия других радиоизлучений.
Уже становится понятно, что при конструировании робота много сил и времени уйдёт на определение границ возможностей систем управления в реальных условиях – и это, согласно схеме на первом рисунке, может вылиться в повышение требований к датчикам. Так, в описании технологии распознавания лица Facelt (фирма Visionics) сказано, что оптимальное распознавание - при размере лица 80 х 120 точек. Отсюда складывается представление об угле обзора, фокусном расстоянии объектива и т. п. Но это по расчетным формулам. Системы распознавания, создававшиеся преимущественно для целей видеонаблюдения, должны распознавать хотя и идущих людей, но сами смонтированы стационарно и смотрят под оптимальными ракурсами. А как распознавать хозяина бедной киберсобачке, вынужденной смотреть снизу вверх (да и японские андроиды немногим выше её), плюс она должна бегать, то есть, камера будет испытывать тряску? Ошибётся, сработает не та цепь, и, вместо радостного виляния хвостом, зарычит. Нам в этом случае придётся опробовать видеодетектор лиц фирмы «Интеллектуальные системы безопасности», в описании которого сказано: «Мгновенное, в режиме реального времени, выделение лица при высокоскоростных перемещениях и изменениях положения в пространстве тела человека". Ну и киберсобачка, если тявкнет, поможет сама себе: человек испугается и посмотрит прямо в видеокамеру – то есть, анфас, когда распознавание наиболее надёжно.
Теперь о самом интересном из рассказа Гаррисона – диалоге человека с машиной. Поясним, почему мы придерживаемся этого рассказа: потому что автор - очень умный человек. И если он описывает робота-полицейского, то именно в виде машины, которой на службе не рекомендуется иметь собственное мнение: функция образцового исполнителя - знать и анализировать. И это облегчает задачу конструктора, поскольку системы управления знаниями уже созданы. Одна из них была представлена Академией ФАПСИ на выставке – «Интерпретатор текста», являющийся автономным аналитическим приложением к системам электронного документооборота, полнотекстовым базам данных, электронным архивам и т. д. «ИТ» обеспечивает анализ массивов текстовой информации в следующих аспектах:
- классификация документов по смыслу;
- выделение основных тем;
- визуальный анализ входящих в текст количественных данных.
С тех пор появились еще аналитические системы, способные на сложный анализ множества сведений. Но главное - сам факт создания таких систем поможет ответить на вопрос: а зачем вообще создавать робота (впоследствии мы точно так же покажем, для чего «по жизни» нужны все остальные роботы).
Мы – не КБ и не НИИ, а редакция журнала, обязанная соблюдать закон о СМИ. Поэтому не можем отдавать чему–то предпочтение и навязывать: лучше всего делать «умный дом» или мобильного робота-фермера или робота-охранника или робота-игрушку. Но, в то же время, мы должны, если есть возможность, объяснить что-то на примере, который хорошо знаком с производственной стороны. А в этом смысле для редакции важен робот-референт. Дело в том, что редакция технического журнала, конечно, оснащена справочниками и другими источниками информации на бумажных и электронных носителях, содержащими ответы на многие вопросы по тематике журнала. Но когда приходит письмо от читателя с вопросом, заданным в контексте какой-то специальной темы, приходится порой не один час искать ответ, отложив все дела. Попробуйте сами, например, просмотреть заново содержимое десятков компакт-дисков, содержащих электронные каталоги различных фирм, и выбрать там, скажем, из сотен моделей видеокамер одну с заданным сочетанием параметров. Вот этот-то процесс и нуждается в автоматизации – иначе зачем наносить информацию на цифровые носители, когда её проще искать в бумажных каталогах?
Для автоматизации процесса созданы роботизированные библиотеки дисков – в частности, CD (обратите внимание: это как раз робот не мобильный). На рисунке изображена одна из моделей фирмы NSM Jukebox, имеющая два магазина, вмещающих до 50 дисков каждый; время доступа к диску исчисляется несколькими секундами. Если дисков больше, можно объединить в сеть несколько десятков таких устройств.
Но даже если поиск информации ускорен при помощи роботизированной библиотеки, всё равно вводить поисковые запросы через клавиатуру слишком архаичная процедура. Вот если бы были «двое из ларца»: дал им голосовую команду – найти то-то и то-то, и, пока идёт поиск, посвятить время более продуктивной работе.
То есть, «думатель» (термин из Стругацких) - это хотя и основная, но не вся диалоговая система. Есть еще анализ и синтез речи. В случаях, когда не обойтись без ввода с клавиатуры, приходится к ним прибегать. Именно «приходится» потому что электронный слух сегодня одна из наиболее капризных составляющих диалоговых систем. Например, операционная система Mac OS X имеет встроенную функцию command and control ("приказывай и управляй"), позволяющую запускать программы, выбирать команды меню, активизировать клавиатурные сокращения и т. д. Предусмотрена возможность работы в условиях шума от посторонних разговоров. Но при тестировании оказалось, что команда должна быть произнесена на безупречном английском, без ошибок в ударении и произнесении слогов – так что даже не всякий англичанин смог бы управлять этой системой. Поэтому и указывают точность распознавания близкой, но не равной 100%. У гипнотизёров на эстраде есть похожий трюк: говорят, что их гипнозу поддаётся всякий человек с нормальной психикой – то есть, если вы не поддались на гипноз, обижайтесь на себя. Тем не менее, программы анализа русской, в том числе, речи созданы, они становятся всё более необходимы, их надо опробовать и выбирать лучшие для создания человеко-машинных интерфейсов.
Что касается программ синтеза речи, они также есть и многим знакомы по автоинформаторам и голосовым переводчикам. И уже становятся предметом критики. Дело в том, что между распознаванием и синтезом речи есть, с точки зрения психологии, принципиальная разница. Какие бы у самого человека ни были противный голос, нечленораздельная речь, неразборчивая дикция и бессвязное изложение мыслей, он требует, чтобы электронный распознаватель речи безусловно и безошибочно её распознавал. Но в то же время человек очень капризен к тону, каким с ним разговаривает синтезатор. Поэтому уже мало того, что созданы голосовые серверы для озвучивания печатных изданий – ведутся работы над наборами голосовых «хромосом», способных придать электронной речи робота желаемый оттенок.
Итак, мы всё время упираемся в необходимость тестирования. При этом ассортимент программного и аппаратного обеспечения, которое придётся тестировать при создании робота оказался слишком широк, чтобы это оказалось по силу не то что одному радиолюбителю, но даже и группе единомышленников. Почти всё перечисленное есть в продаже, но для разных «взрослых» целей, а не для конструирования роботов – которым может подойти как раз тот параметр, который больше нигде не нужен. Создано в мире всё, вплоть до мелочей, но каждую эту мелочь надо адаптировать под конкретного робота. То есть, степень индивидуальности в роботостроении такая же, как в работе с людьми – и это уже начало антропоморфизма в робототехнике, пришедшего не из фантастики, а из жизни. Что ж: с этих позиций и будем думать о том, как всё же быть с лабораторией тестирования.
Глоссарий к статье
Беспроводная мобильная связь – доставка сигнала от объекта или к объекту в условиях взаимного перемещения объектов в пространстве и отсутствия между ними физического контакта. Уже из самого определения видно, что теоретически может быть множество вариантов осуществления такой связи. Однако, на практике, в силу известных ограничений, средств БМС разработано недостаточно для выполнения всех условий, которые могут возникнуть. И создание всё более совершенных средств БМС – процесс сложный и медленный. Поэтому параллельно разработчики делают, в частности, ставку на повышение вычислительной мощи бортовых компьютеров мобильных роботов, позволяющих принимать некоторые решения без обращения к каналу связи – например, автономно осуществлять навигацию.
Выбор стандарта связи при конструировании робота каждый раз определяется конкретной задачей: для беспилотного самолёта она одна, а для домашнего помощника – другая. Однако, обзор создаваемых в последнее время самодеятельных конструкций заставляет внимательнее присмотреться к стандарту IEEE 802.11b, как довольно удобному для освоения работы с БМС. Этот стандарт принят в 1999 году и с тех пор неплохо освоен в эксплуатации. Появилось достаточное количество оборудования, чтобы цены на него были приемлемы для самодеятельных конструкторов. По результатам испытаний некоторых конструкций, дальность связи достигает в пределах прямой видимости порядка 100 м, а через различные перегородки – 10-20 м. Скорость передачи данных достаточна, чтобы видеоизображение от бортовых камер передавалось с качеством, приемлемым для работы систем распознавания образов. В специальной литературе особенно рекомендуют этот стандарт для применения вне города, подальше от индустриальных помех. Например, можно на основе 801.11b сделать робота-обходчика: если вы почувствовали, что на вашем загородном участке что-то ночью замышляют неизвестные, можно пустить на разведку этого радиоуправляемого робота, оснащенного бесшумными электромоторами, камерой ночного видения и направленным микрофоном.
Управление знаниями – технология, обеспечивающая интегрированный сбор, организацию и использование информационных ресурсов, а также доступ к ним. Эти ресурсы включают в себя как информацию, уже хранящуюся в базах данных, так еще и не занесённую в них – например, опыт людей. Соответственно, наибольший интерес представляют программные продукты, предназначенные для извлечения знаний из всего многообразия информационных ресурсов. Эти программы решают широкий спектр задач, включая поддержку запросов на естественном человеческом языке, классификацию текстов по образцам и смыслу и т. д. Развитые модули поисковых запросов позволяют задавать очень сложные поисковые запросы. В числе реальных элементов искусственного интеллекта подобных систем – механизмы предложения документов пользователю исходя из фиксации его интереса на основе предыдущих запросов этого пользователя. Также есть механизм, определяющий круг интересов пользователя и предоставляющий ему информацию об экспертах и специалистах в интересующей его области. В системах управления знаниями предусматриваются масштабируемость, обеспечивающая доступ к распределённым хранилищам неограниченного объёма и глобализация – поддержка многоязычных хранилищ и перевод документа на другие языки.
Электронная речь – функция робота, позволяющая ему воспроизводить звуки, имитирующие человеческую речь. Причем эта имитация позволяет роботу не только сохранять привычные качества человеческой речи, но и создавать новые, недоступные физическим возможностям человека. Из привычных качеств – возможность живого диалога, когда можно прервать речь робота не дожидаясь окончания фразы и перевести разговор на другую тему. При этом синтезированные голоса разработчики стараются приблизить по восприятию к человеческим, даже моделируя характеристики голосов каких-то конкретных людей. Из новых качеств – возможность локализации звука: например, ведутся разработки звуковых прожекторов на основе того, что узконаправленный ультразвуковой луч, будучи преобразован в воздушной среде, создаёт в точке «доставки» колебания слышимого диапазона. Техническими средствами создания звуковых колебаний могут быть не только привычные акустические излучатели, но и искусственные голосовые связки, приводимые в движение сжатым воздухом. Электронный слух – функция робота, позволяющая ему воспринимать звуковые сигналы и анализировать их. Робот может как слышать аналоговые сигналы (через микрофон), так и понимать цифровые сигналы – например, звук, записанный на компакт-диске. На этом свойстве, в частности, основан метод защиты авторских прав, заключающийся в сравнении транслируемой в эфире музыки с её образцами, хранящимися в компьютере. Что касается микрофона, он может быть не только акустическим, но и лазерным, позволяющим воспроизводить речь и другие звуки путём зондирования оконных стёкол, являющих собой подобие мембраны, колеблющейся в такт разговору.
Среди программ, предназначенных для анализа принятых роботом звуковых сигналов – программы распознавания речи. Наиболее распространённое их сегодня применение – телефонные системы массового обслуживания населения, работа с клиентами и т. п. ситуации, в которых система оперирует стандартным набором вопросов и ответов. Создаются и более интеллектуальные программы для построения насыщенного диалога человека с машиной. В частности, для распознавания русской речи в реальном времени создаются речевые корпуса – базы данных, с которыми компьютер может сверять речь человека, распознавая не только слова, присутствующие в базе, но и отдельные фонемы и последовательности фонем. Ведутся работы и по распознаванию речи животных – это может иметь практическое применение постольку, поскольку животные способны предсказывать природные явления.
В этой связи надо упомянуть не только о слышимой, но и об ультразвуковой части звукового спектра, воспринимаемой отдельными представителями животного мира. Робот тоже может воспринимать ультразвук, применяя его для производственных нужд (дефектоскопия), для навигации (дальномер), для подводной связи.
Электронный слух не обязательно полностью автоматизирован – в нём может принимать участие и человек, например, осуществляя фоноскопическую экспертизу голосов подозреваемых в телефонном хулиганстве. Разрабатываются методы идентификации личности по «отпечаткам» голоса, имеющего индивидуальные особенности в силу уникальности физиологического строения каждого человека. Один из примеров практического применения этого свойства – программы фильтрации голоса человека, когда из окружающего шума нужно выделить голос кого-то одного.
Совершенствуются также программы голосовых «детекторов лжи», особенно по телефону, когда нет возможности регистрировать другие реакции человеческого организма. Считается, что ложь вызывает у человека стрессовое состояние, которое поддаётся индикации (известен эффект Липпольда: частота микроколебаний голосовых связок в спокойном состоянии – не выше 10 Гц, при стрессе – 12 Гц).
Наконец, в последнее время появились прототипы роботов, которые, починяясь голосовому управлению, совершают определённые движения. А. П. Барсуков, журнал "Радиолюбитель", № 7-8, 2004 г. (через эту ссылку можно бесплатно скачать справочник)

ВАШИНГТОН, федеральный округ Колумбия, 11 августа 2009 г. — Корпорация IBM объявила о создании новой службы, деятельность которой будет направлена на поставку инновационных аналитических решений клиентам в государственном секторе экономики. IBM расширит свое взаимодействие с федеральными, региональными и местными правительственными учреждениями, а также с организациями в таких быстрорастущих экономических областях как здравоохранение и образование. IBM расширяет аналитические возможности для помощи правительствам во всем мире в создании разумных систем. Новые консультационные услуги IBM призваны улучшить процесс принятия решений в информационно емком государственном секторе экономики.
Инвестиции, направленные на восстановление экономики и стимулирование экономического развития во всем мире, ускоряют разработку и внедрение разумных систем, таких как интеллектуальные инженерные сети, системы управления электронными историями болезни пациентов, передовые транспортные системы и системы оперативного контроля качества продуктов питания. Подобным разумным системам требуются эффективные аналитические средства для преобразования данных в ценную прогнозную информацию, которая позволяет этим новым цифровым инфраструктурам повысить быстроту и качество принимаемых решений.
Персонал новой службы IBM Business Analytics and Optimization Services for Public Sector составят квалифицированные специалисты с обширными знаниями и опытом в таких экономических областях и правительственных сферах деятельности как здравоохранение, транспортные перевозки, система социального обеспечения, система общественной безопасности, регулятивная система, таможенная и пограничная службы, оборонные программы, логистика, информационная безопасность и образование. Эти профессионалы будут также взаимодействовать с исследователями IBM и использовать ресурсы и возможности компании в области математики и управления информацией.
«Способность применять более интеллектуальный подход к анализу информации, ее оптимизации и извлечению из нее ценных сведений может помочь организациям государственного сектора экономики в принятии более взвешенных решений, улучшении управления своими ресурсами и достижении более высокого уровня подотчетности обществу, — считает Чарльз Проу (Charles Prow), управляющий партнер подразделения IBM Public Sector по консалтинговому бизнес-направлению Global Business Services. — IBM видит огромные возможности для помощи нашим клиентам в улучшении подготовки и реализации государственных и общественных программ путем доступа к оперативной информации, что ускорит принятие правильных решений и, как следствие, повысит качество обслуживания населения».
Портфель продуктов IBM для деловой аналитики будет, в частности, включать автоматизированные решения для сферы здравоохранения. Так, в области управления заявлениями о страховых возмещениях по медицинским страховкам и выдачи пособий по болезни, IBM сотрудничает с Управлением социального страхования США (U.S Social Security Administration, SSA) и компанией MedVirginia в разработке первой в своем роде системы обмена электронными медицинскими записями с целью ускорить время обработки запросов историй болезни, связанных с пособиями по нетрудоспособности, с месяцев до минут. Кроме того, IBM работает совместно с SSA над созданием прогнозирующей модели, использующей анализ текста – с целью сокращения времени, которое требуется для оценки правомочности выдачи пособий по нетрудоспособности, с месяцев до недель. IBM также разработала другой набор прогнозирующих моделей, которые помогли Управлению социального страхования США ежегодно экономить приблизительно 200 млн. долларов в течение прошедших 10 лет благодаря сокращению расходов, связанных с оценкой медицинскими инстанциями правомочности возобновления выдачи пособий по нетрудоспособности.
IBM также сотрудничает с региональными правительствами по созданию инструментальных информационных панелей (dashboards) для мониторинга и отслеживания в реальном времени расходования средств, выделенных на экономическое стимулирование, для контроля выполнения соответствующих финансовых программ федерального уровня. Так, например, штат Арканзас использует технологию и услуги IBM для мониторинга и контроля использования целевых субсидий, направленных на улучшение образовательных инициатив в рамках программы восстановления экономики.
В области образования IBM помогает повысить эффективность учебного процесса в крупнейшем школьном округе штата Алабама – Mobile County Public Schools System. Разработанная IBM система использует аналитические функции для предотвращения или разрешения проблем до возникновения негативных последствий, помогая преподавателям наставлять своих учащихся «на путь истинный» и контролировать их успеваемость.
IBM также уделяет повышенное внимание области общественной безопасности. Компания активно работает с полицейским и пожарным управлениями города Нью-Йорк над улучшением анализа, прогнозирования и предотвращения преступлений и пожаров.
Новая инициатива IBM для государственного сектора экономики является частью корпоративной стратегии по расширению ресурсов и возможностей в области аналитики. В рамках этой стратегии IBM недавно сообщила о формировании нового бизнес-направления Business Analytics and Optimization Services (услуги бизнес-анализа и оптимизации информации). В штат этой службы вошли свыше 4000 консультантов, а также 200 математиков и специалистов в области анализа из исследовательских лабораторий IBM Research. Новое подразделение также использует в своей работе предложения из обширного портфеля IBM Information Management (решения для управления информацией), включая технологии недавно приобретенных IBM компаний Cognos и iLog.
Для эффективного предоставления этих услуг IBM работает в тесном контакте с клиентами через новую сеть своих международных центров передовых аналитических решений (Analytics Solutions Centers). Такие центры уже функционируют в Берлине, Пекине и Токио, а позже в этом году аналогичные организации будут открыты в Лондоне, Нью-Йорке и Вашингтоне, округ Колумбия.

20.01.2011. В сфере гуманитарных исследований стремительно формируется новое научное направление – культуромика. Ее рождение стало возможно благодаря появлению в машиночитаемой форме огромного числа культурно значимых текстов.
Одна из первых работ в сфере культуромики выполнена весьма разносторонней командой, включающей биологов, психологов, физиков, специалистов по теории эволюции и искусственному интеллекту, сотрудников энциклопедии "Британика" и проекта "Гугл.Книги". Результаты исследований, опубликованные в журнале Science, показывают, например, как меняется во времени лексикон английского языка. В 1900 году он насчитывал 540 тысяч слов, в середине века – 600 тысяч, а к 2000 году перевалил за миллион слов, используемых в литературной речи. Для сравнения, крупнейший словарь Вебстера насчитывает сейчас лишь 350 тысяч английских слов. То есть, большинство слов живого литературного языка ускользают от лингвистов.
Примеры цензуры легко обнаруживаются на графиках, что открывает возможность поиска новых, еще невыявленных исторических случаев цензуры в разных странах и культурах
Среди других результатов исследования: прослеживание эволюции грамматики, выявление подъемов и спадов внимания к различным объектами и понятиям, но, пожалуй, самое интересное – это возможность обнаружения деятельности цензуры. Авторы приводят пример художника Марка Шагала. В немецких текстах упоминание его имени быстро нарастает до конца второго десятилетия прошлого века, а начинает затем падает. Минимум достигается в период с 1936 по 1944 год, когда немецкая цензура была особенно жесткой. Для сравнения в англоязычных книгах его упоминание все это время почти равномерно растет. Аналогичные процессы легко прослеживаются и в других языках. Например, показателен график упоминания имен Троцкого, Зиновьева и Каменева в русскоязычных книгах: резкий спад, начиная с 1940 года и подъем почти до прежнего уровня в конце 1980-х. В китайской литературе хорошо заметен провал в упоминания площади Тянаньмынь. Эти хорошо известные примеры цензуры легко обнаруживаются на графиках, что открывает возможность поиска новых, еще невыявленных исторических случаев цензуры в разных странах и культурах. По материалу "Радио Свобода"

Специалисты в области искусственного интеллекта
Андронов Петр Роальдович: "Способ развития искусственного разума в сети Интернет"
Антипова Татьяна Николаевна: "Автоматизация статистических методов прогнозирования в ТП Excel
Анфилатов В. С.: "Теоретические основы автоматизации управления войсками"
Антонов Д. М.: "Методология создания распределённых баз данных для хранения и обработки видеоинформации"
Арлазаров Владимир: "До бунтующих машин нам еще далеко...", "Программа "Каисса", "СУБД "ИНЭС"
Арсеньев К.: "Большой Робот"
Балобанов Виталий Серафимович: "Искусственный интеллект и искусственное сознание. Тенденции развития и респективы реализации", "Функциональная модель понятия и логика концептоидов - новый подход к организации систем искусственного интеллекта", "Логика функций с неопределёнными аргументами", "К системе категорий современной метафизики", "Как определять функции, не указывая их области определения?"
Барсуков А. П.: "Кинематограф и его роботы: полигон следующей жизни", "Шахматные симуляторы: искусственный интеллект или качество графики?"
Барышников Николай: "Виртуальный мозг"
Белов Д.: "Разработка экспертных систем. Среда CLIPS"
Бернштейн Л. С.: "Ситуационные советующие системы с нечеткой логикой"
Блюмин С. Д.: "Математические проблемы искусственного интеллекта: регулярность по Дж. фон Нейману в линейной и "линейной" алгебрах"
Брудный А.: "Бессознательные компоненты процесса понимания"
Бухараев Тимур: "Искусственный интеллект в Heroes of Might and Magic V"
Васильева Ольга: "Искусственный разум"
Венда В. Ф.: "Системы гибридного интеллекта"
Виленчик Л. С.: "Полезностный классификатор изображений в задаче опознавания природных явлений"
Волькенштейн М.: "Создание информации в художественной литературе"
Выготский Лев Семёнович: "Мышление и речь", "Проблема сознания", "Учение об эмоциях"
Гаврилова Т. А.: "Извлечение и структурирование знаний для экспертных систем", "Разработка экспертных систем. Среда CLIPS"
Галушкин А. И.: "Проблемы искусственного интеллекта и нейрокомпьютеры"
Головач Светлана Александровна: "Алгоритм формирования матрицы значений "независимого" эксперта на основе вычисления обобщённых относительных оценок работы экспертов"
Голосов Алексей: "Автоматизация образовательных учреждений на базе интеграционной платформы"
Греневский Г.: "Кибернетика без математики"
Гуриев Владимир: "Вторжение электронных словарей"
Далидович Георгий: "Машина как средство познания себя"
Добрович А.: "Мысль и машина"
Заде Л. А.: "Основы нового подхода к анализу сложных систем и процессов принятия решений", "Понятие лингвистической переменной и его применение к принятию приближенных решений"
Зарин Денис: "Применение многоагентных систем для моделирования поведения"
Игнатьев В. М.: "Методология создания распределённых баз данных для хранения и обработки видеоинформации"
Казаков Александр: "Бой программы с головой, или еще раз к вопросу о венце творения", "Может ли чайник мыслить"
Киви Берд: "Гарри Каспаров решил вновь сразиться с компьютером"
Кобринский А. Г.: "В мире автоматов"
Козеева Екатерина Михайловна: "Способ развития искусственного разума в сети Интернет"
Кондратов А.: "Биты, буквы, поэзия", "Электронный скальд"
Коровин С. Я.: "Ситуационные советующие системы с нечеткой логикой"
Котенко Св.: "Роботы в кинематографе"
Кузьминский Михаил: "Шахматный гений: человек или компьютер?"
Купец Наталья: "Чем болеют компьютерные переводчики?"
Ларичев О. И.: "Теория и методы принятия решений"
Макаров И. М.: "Техническая имитация интеллекта"
Мелихов Ф. Н.: "Ситуационные советующие системы с нечеткой логикой"
Михно В. Н.: "Полезностный классификатор изображений в задаче опознавания природных явлений"
Наровчатов Сергей: "Литературный процесс"
Нечаев Ю. И.: "Натурные испытания судовой экспертной системы принятия решений в экстремальных ситуациях"
Осипов Геннадий: "Искусственный интеллект: основные направления и состояние исследований"
Петриковский Александр: "Субъектное программирование"
Полотнюк Ирина: "Автоматизация образовательных учреждений на базе интеграционной платформы"
Присяжнюк С. П.: "Автоматизированная поддержка принятия решения на базе геоинформационных систем"
Русанов А. С.: "Автоматизация деятельности должностных лиц органов военного управления на основе ГИС-технологий: использование интеллектуальных условных знаков"
Сапарина Е.: "Кибернетика внутри нас"
Семёнов Николай: "Шахматные компьютеры, или ДНК versus силикон"
Сергеев Виктор: "Задача понимания"
Серегин Алексей Васильевич: "Искусственный интеллект и искусственное сознание. Тенденции развития и респективы реализации", "Функциональная модель понятия и логика концептоидов - новый подход к организации систем искусственного интеллекта"
Симонов Андрей Павлович: "Способ развития искусственного разума в сети Интернет"
Смирнов Игорь Викторович: "Компьютерные психотехнологии - кульминация развития человечества"
Сно Евгений: "Гарри Каспаров и тайная комната"
Сошник Елена: "Методы оценки знаний"
Стецюра Г. Г.: "Сети интеллектуальных датчиков и исполнительных устройств"
Суминова Т. Н.: "Понятие "информация" в свете традиционных и современных трактовок"
Суранов А. Я.: "Новое в LabView 8: концепция распределённого интеллекта"
Тимофеев Олег Игоревич: "Способ развития искусственного разума в сети Интернет"
Тихонов Анатолий Алексеевич: "Алгоритм формирования матрицы значений "независимого" эксперта на основе вычисления обобщённых относительных оценок работы экспертов"
Ткачев Евгений: "Ферзевый гамбит"
Федотов Я.: "Электроника и интеллект"
Филатов В. Н.: "Автоматизированная поддержка принятия решения на базе геоинформационных систем"
Филиппович Андрей: "Автоматизация образовательных учреждений на базе интеграционной платформы"
Частиков А.: "Разработка экспертных систем. Среда CLIPS"
Чеповский Андрей: "Переводчики и словари"
Червинская К. Р.: "Извлечение и структурирование знаний для экспертных систем"
Черняк Леонид: "Придёт весна, когда, не знаю. (В силу объективных и субъективных причин искусственный интеллект остался в стороне от столбовой дороги компьютерной отрасли)"
Ширяев В. И.: "О решении задач оценивания в условиях дефицита информации"
Юревич Е. И.: "Робот будущего – робот разумный"
Ясницкий Л. Н.: "Введение в искусственный интеллект"
ЗАРУБЕЖНЫЕ ИСТОЧНИКИ
Вайз Эдвин: "Робототехника без мистификаций. Самоучитель" (глава "Интеллектуальное поведение")
Винер Норберт: "Кибернетика", "Творец и робот", "Машины изобретательнее людей?", "Кибернетика или управление и связь в животном и машине"
Виндж Вернор: "Технологическая сингулярность"
Делсинг Й. (Швеция): "Технология связи датчиков для создания окружающего интеллекта"
Джексон Питер: "Введение в экспертные системы"
Джонс Джозеф: "Программирование робота. Практическое руководство по основам реагирования робототехнических систем на окружающую обстановку"
Джонс М. Т.: Программирование искусственного интеллекта в приложениях"
Крил Пол: "Искусственный разум и мы"
Линдгрен П. (Швеция): "Технология связи датчиков для создания окружающего интеллекта"
Липсон Ход: "Самовоспроизводящийся робот"
Лорьер Ж. - Л. (Франция): "Системы искусственного интеллекта"
Люггер Джордж Ф.: "Искусственный интеллект: стратегии и методы решения сложных проблем"
Нейман Джон: "Теория самовоспроизводящихся автоматов"
Тибоди Патрик: "Семантика в Сети"
Тьюринг Алан: "Может ли Машина мыслить?"
Уильямс Мартин: "Sony Dream Robot стал еще "умнее"
Фортунати Леопольдина (Италия): "Информационные процессы в обществе знаний"
Хатченс Джейсон (Израиль): "Компьютерный младенец Hal - программа с искусственным интеллектом, способная понимать разговорный язык"
Хиллис Дэнни: "Моделирование интуиции"
ЛИТЕРАТУРНО-ХУДОЖЕСТВЕННЫЕ ПРОТОТИПЫ
Антонов В.: "Двенадцатая машина"
Вачовски Ларри: к/ф "Матрица"
Вачовски Энди: к/ф "Матрица"
Годар Жан-Люк: к/ф "Альфавиль"
Лем Станислав: "Мегабитовая бомба"
Шекли Роберт: "Роботсвилль"

Конференция «EVA 2002 Москва» (выдержки из докладов)
▪ Институт МакЛюэна. Согласно афоризму Маршала МакЛюэна «носитель сам есть сообщение» («медиум — это послание») всякий носитель информации имеет свой уникальный жизненный цикл. Процесс создания и жизненный цикл рукописного свитка сильно отличаются от создания и жизни кинофильма. Сходным образом, профессиональные ассоциации, объединения, сети и проекты в сфере культуры и информации традиционно развивались в соответствии с развитием носителя. В эру цифровых технологий жизненные циклы разных носителей могут пересекаться —соответственно, и профессиональные ассоциации стали преобразовываться. Поэтому возникает необходимость в установлении новой матрицы исследований, охватывающей весь спектр производства знания — от технологий и инфраструктуры, создателей, владельцев и распространителей контента, контентной и контекстной коммуникации до применения и последствий применения этих технологий. Создание такой матрицы исследований является первоочередной задачей Сети электронной культуры.
▪ Йоркский университет. Первоначальное рассмотрение киберколониализма выявило некоторые проблемные аспекты того, как с помощью компьютерных технологий происходит наложение чужеродных идеологий, культурных влияний и структурных рамок на культуру, которая эти информационные технологии использует. В концептуальном виртуальном пространстве, которое мы называем кибсрпространством, в результате такого наложения возникают отношения силы. Таким образом, киберсила — это такая форма силы, которая, определяя политику и культуру в глобальной сети, с большой вероятностью может стать доминирующей и создать своего рода культурный империализм. На роль колонизаторов в наибольшей мере претендуют две идеологии. Первая — американская идеология Новых границ, она встречается в киберпространстве повсеместно и продолжает основополагающий американский миф о завоевании новых территорий. Вторая — японский техно-колониализм, технический интер-дискурс (мульти-дискурс), включающий преимущественно «восточные» технологии и объекты потребления. Техно-ориентализм можно описать как более экспансивный эстетический или культурный ориентализм, стремящийся перекодировать западные продукты потребления в восточном ключе. Есть мнение, что Япония стала символом технологии будущего: экраны, сети, кибернетика, робототехника, искусственный интеллект, симуляторы.
▪ МГТУГА. Исследования позволили обнаружить, что все человеческие знания во всех областях науки и техники, культуры и образования укладываются в классификационную модель, не превышающую 100 тыс. единиц классификации. Следовательно, классификационная модель для рубрикатора электронной научно-технической библиотеки нового поколения должна быть построена на основе трёхуровневой универсальной динамической классификационной модели. Каждый её уровень должен содержать не более 100 элементов деления, что соответствует двум разрядам десятичного кода. В результате может быть сформировано 106 элементов классификации, что на порядок превышает существующую универсальную десятичную систему В таком рубрикаторе, выстроенном по алфавитному принципу на каждом уровне классификации, создаётся определённая избыточность, что отвечает обязательному требованию при проектировании любых электронных библиотек, работающих в едином телекоммуникационном пространстве обмена информацией, а также обеспечивается эффективная работа информационно-поисковых систем.
▪ Латвийская академия культуры. Если в предыдущие столетия процесс творения (в этом случае он связан, главным образом, с искусством) был если не элитарным занятием, то, по меньшей мере, привилегией особой части людей, то, особенно в XX в., можно заметить тенденцию, когда практически каждый может претендовать на это занятие. На первый план выступает вопрос о ценности: т. е., сколь большую ценность можно присвоить конечному результату творения, имея в виду, что в XX в. всё имело право претендовать на статус ценности, начиная с простейшего унитаза. Связанный с этим круг творцов (и их шедевров)расширился, что с одной стороны вовсе не плохо, но нельзя не принимать во внимание и то, что такое расширение может нести за собой и некую деградацию. Вспоминается реклама отбеливающего средства: «Если что-то годится для всего, то оно никуда не годится» — или, перефразируя, «Если всё становится ценным, это может означать и то, что всё теряет свою ценность».
Изменения видны и в проявлениях власти. Власть, как гарант мирового порядка — вроде бы гуманное её проявление, но, несмотря на это, она всё-таки всегда вызывает негативные эмоции и ей необходимо искать оправдание своему существованию в высшей сфере бытия, которая недоступна человеческому уму и не подчиняется разъяснениям. Здесь власть претендует на ту часть бытия, которая больше соответствует творческому процессу — на более характерную часть, которую трудно объяснить умом, в которой важную роль играет интуиция. Но современного человека практически невозможно удивить, а попытки всё объяснить, иногда упрощая, не способствуют развитию творческого процесса.
Человек с незапамятных времён стремился освободиться от Высшей Власти (высказывание Ницше о смерти Бога — это лишь одно из более знакомых мнений по этому поводу), но всё-таки, в конце концов, оказывается, что невозможно обойтись без власти. Власть служит человеку как своеобразный гарант от необъяснимого будущего и создаёт иллюзию, что в его силах возможно чем-то управлять и что-то менять в устройстве мира. Многими отмечено, что для человека намного более естественным является отказаться от своей воли, отречься от своего мнения и отдать это право другим и, вместе с этим, переложить всю ответственность на других. Но, несмотря на то, что человеку гораздо легче отказаться от ответственности, надо заметить, что, отдав власть в чужие руки (в этом случае не имеет значения — живое существо это или машина), человек вовсе не ощущает тёплые чувства к этому другому, а наоборот — испытывает внутренний стресс и тревогу, которые устремляются наружу, потому что отдано что-то, принадлежащее себе.
▪ ВНИИПВТИ. ИЯ РАН. РЛМ. Интеллектуальный дискурс (ID) в технологии виртуальной реальности (VRT) определяется реализацией широкого круга вопросно-ответных процедур, обмена высказываниями и мультисенсорными (аудио, видео, тактильными) образами. Особый интерес ID представляют для музейных VRT, в которых произвольный пользователь общается с интеллектуальным виртуальным коммуникантом (IVC).
Вопросно-ответные процедуры характеризуются четырьмя типами вопросов, требующих адекватных ответов:
— простые (SIM-Q) «что, где, когда?»;
— стандартные (STN-Q) «это Собор Св. Петра?»;
— нестандартные (UNSTN-Q) «каков стиль этого собора?»;
— уникальные (UNI-Q) «каково влияние архитектурных особенностей этого собора на музыку?».
Мультисенсорные представления виртуального мира (музея) позволяют сформулировать полноту ощущений пользователя и обеспечить образный обмен с IVC. Существенными факторами в таком обмене являются:
— корреляция аудио/видеообразов как в статике, так и в динамике при движении внутри виртуального пространства;
— соответствие артикуляции и фонем во время разговора;
— адекватность интонационных характеристик речи существу дискурсных процедур.
Организация интеллектуального дискурса определяется, в значительной мере, решением проблем, связанных с формальным представлением особенностей человека в процедурах восприятия образных знаний, их понимания и формирования результата в вербальной форме. IVC реализует в процессе дискурса следующие этапы.
1) Восприятие вопроса:
— восприятие речевого текста;
— выявление специфики текста;
— анализ интонационных характеристик (возрастание-падение интонации, выявление фиксированных словосочетаний);
— анализ ключевых слов текста;
— определение типа вопроса;
— выявление смысла вопроса.
2) Подготовка ответа:
— формирование типа ответа;
— порождение структуры ответа;
— формирование информационных баз, в т. ч. БД, БЗ, БОЗ, представляемых кинофотоархивом;
— обращение к соответствующим информационным базам;
— использование адекватных формальных процедур;
— выявление и использование свойственных IVC креативных и эмоциональных особенностей.
3) Формирование ответа.
4) Озвучивание ответа.
В простейшем случае (SIM Q-A) ответ подготавливается обращением к проблемно-ориентированной БД и введением нужного слова в клишированный текст. Применительно к стандартным вопросам (STN-Q-А) подготовка ответа осуществляется путём использования ключевых слов, клишированных текстов и обращения к БЗ. Подготовка ответов в нестандартных (UNSTN-Q-А) и уникальных (UNI-Q-А) вопросно-ответных процедурах базируется еще на использовании механизмов прецедентности и приёмов стилизации.
В человеко-машинных Q-А системах на первый план выступают способы выражения глобальных коммуникативных намерений:
— намерение выступить с сообщением;
— намерение задать вопрос.
При этом формирование интонационного контура Q-А определяется следующими принципами. В вопросительном предложении в рамках Q-А пары существует два типа вопросов:
— «да-нет» вопросы («Это Собор Св. Петра?»);
— вопросы с вопросительными словами («Где находится Собор Св. Петра?»).
Во втором случае интонация совпадает с повествовательным предложением — т. е. коммуникативные намерения в вопросах такого типа в интонации не используются. В первом варианте коммуникативные намерения выражаются возрастающей интонацией, которая фиксируется на словоформе акцентоносителя (словоформа «Петра»). Характеристическими признаками различия интонации в «да-нет Q» и в теме повествовательного предложения является следующее:
— в повествовательном предложении за подъёмом интонации следует падение на реме (структура «подъём-падение»);
— в «да-нет Q» сначала следует падение, а затем подъём (структура «падение-подъём»),
Более сложными являются интонационные средства выражения нестандартных («словарных») типов коммуникационных намерений говорящего. Для описания средств выражения этих коммуникационных значений недостаточно комбинаций «подъём-падение». Для представления подобных речевых актов необходима их фиксация в Базе знаний.
▪ Комментарий. Интеллектуальный синтез речи нельзя рассматривать в отрыве от понятия «психолингвистика», которая, согласно определению американского психолога Ч. Осгуда «изучает те процессы, в которых интенции говорящих преобразуются в сигналы принятого в данной культуре кода, и эти сигналы преобразуются в интерпретации слушающего: другими словами, психолингвистика имеет дело с процессами кодирования и декодирования, поскольку они соотносят содержание сообщений с состоянием участников коммуникации».
Существует идея фазной структуры порождения речевого высказывания, которую советский ученый Л. А. Выготский выразил так: «Отношение мысли к слову есть процесс, есть движение мысли к слову и обратно — от слова к мысли... Это течение мысли совершается как внутреннее движение через целый ряд планов... Поэтому первейшей задачей анализа, желающего изучить отношение мысли к слову, является изучение тех фаз, из которых складывается это движение, различение ряда планов, через которые проходит мысль, воплощающаяся в слове... В психологическом анализе любого высказывания мы доходим до конца только тогда, когда раскрываем последний и самый утаённый план речевого мышления: его мотивацию».
Ключевое понятие здесь, на наш взгляд — «планы»: оно роднит робототехнику с кинематографом, а через него — с видеоархивами, где хранятся кадры-мотивации, необходимые для «машинного мышления», результатом которого становится синтезированная машинная речь. Но Выготский идёт дальше, говоря, что «понятие мысли совершенно не предполагает вербализации этой мысли». То есть, результатом машинного мышления может быть не только диалог с человеком, но и выполнение неких работ — то, о чем шла речь в «ТКТ» №№ 2 и 6 за 2002 г., в статьях о видеоархивах, как средстве обучения робототехнических систем описанным в фильмах ремёслам. А. П. Барсуков, журнал "ТКТ", № 3, 2003 г. (через эту ссылку можно бесплатно скачать справочник, авторские материалы которого разрешено использовать для написания таких работ, как эссе, сочинение, доклад, реферат, курсовая работа, дипломная работа, бакалаврская / магистерская работа, диссертация)

Тараканов-роботов научили управлять живыми насекомыми. Тараканы-роботы, созданные группой европейских ученых, смогли качественно изменить поведение колонии живых насекомых, куда они были подселены. Теперь ученые утверждают, что коллективное принятие решений, к которому склонны тараканы, оказалось довольно уязвимым социальным механизмом.
В колонии на четырех искусственных насекомых приходилось двенадцать настоящих. Первым сознательно не пытались придать внешнее сходство со вторыми: в качестве "тараканов" выступали аппараты на колесах размером со спичечный коробок. Роботы ориентировались в пространстве с помощью системы камер и инфракрасных сенсоров, определяющих расстояние до предметов и живых существ. При этом феромоны, то есть специальные пахучие вещества, заставляли других членов колонии считать четверых роботов полноценными насекомыми.
Разработчики управляющей программы, помимо стандартных поведенческих норм, заложили в нее ряд преднамеренных отклонений. Так, в отличие от настоящих тараканов, искусственные предпочитали освещенные места неосвещенным. Как показал опыт, видеозапись которого опубликована в Интернете, спустя некоторое время живые насекомые стали придерживаться тех же принципов, что и искусственные.
По словам ученых, их метод вскоре позволит управлять группами животных с помощью роботов, не привлекая к этому процессу людей. После опытов над тараканами та же исследовательская группа намерена изучить коллективное поведение цыплят и овец. Журнал "Инфокиборг" № 9-10, 2006 год

НОВОЕ В LABVIEW 8: КОНЦЕПЦИЯ РАСПРЕДЕЛЕННОГО ИНТЕЛЛЕКТА. По докладу А. Я. Суранова (Алтайский государственный университет) на конференции "Образовательные, научные и инженерные приложения в среде LabVIEW и технологии National Instruments - 2005"
Интересными в LabVIEW 8 являются принципиально новые технологии и инструменты, обеспечивающие поддержку концепции распределенного интеллекта и позволяющие разрабатывать распределенные системы.
Понятие распределенного интеллекта или распределенной логики включает следующие аспекты:
• Единую графическую платформу для программирования таких устройств, как настольные компьютеры, системы реального времени, ПЛИС, КПК, встроенные микропроцессоры и сигнальные процессоры, представляющие все узлы распределенной системы – как ведущий, так и целевые. Программирование перечисленных устройств обеспечивается с помощью соответствующих обновленных модулей;
• Инструмент для обзора системы и обеспечения доступа ко всем ее узлам – Project Explorer. Project Explorer позволяет из одного окна проекта просматривать, редактировать, запускать и отлаживать код, работающий на любом целевом блоке;
• Упрощенный программный интерфейс для совместного использования данных – общая переменная (shared variable). С помощью общей переменной можно передавать данные между системами, в том числе и системами реального времени, без потери скорости. Для осуществления передачи необходимо лишь сконфигурировать общую переменную с помощью несложных диалоговых окон.
• Способность синхронизации внутри и между распределенными устройствами и системами. Измерение времени и синхронизация остаются ключевыми проблемами при построении эффективных измерительных и управляющих систем.
Проекты, библиотеки и подбиблиотеки проектов служат для управления процессом разработки больших приложений. Структура проекта позволяет организовать различные конфигурации папок, файлов виртуальных приборов (ВП) и библиотек ВП, библиотек и подбиблиотек проекта, общих переменных и элементов XControl.
В свою очередь библиотеки проекта могут использоваться для организации файлов в единую иерархию элементов, решения проблемы дублирования имен ВП, отслеживания версий, ограничения открытого доступа к определенным файлам и ограничения возможности редактирования набора файлов. Информация проекта, включающая ссылки к файлам проекта, данные о конфигурации, создании, развертывании и т.п. сохраняется в файле проекта XML (.lvproj), который может быть просмотрен и отредактирован вне LabVIEW с помощью соответствующих инструментов.
В проекте LabVIEW разработчик может использовать виртуальные папки для организации всех файлов, которые составляют его приложение. Папки проекта являются по своей сути логическими и не отражают каталоги файлов на диске. Такая развязка организации файлов способствует повторному использованию кода в нескольких проектах, каждый из которых имеет собственную организацию. Для упрощения перемещения существующего кода и сопутствующих файлов LabVIEW позволяет импортировать в проект папки вместе с их содержимым. Конечно, после этого теряется синхронизация папок и изменение в виртуальной папке не будут отражаться в папке операционной системы.
Также для поддержки больших приложений в LabVIEW 8 предусмотрена интеграция программного обеспечения контроля версий (Source control) от сторонних поставщиков вместо встроенной системы аналогичного назначения, имевшейся в предыдущей версии. И, наконец, для обеспечения распределения компонентов приложения используется LabVIEW Application Builder. Он может запускаться в окне проекта с помощью контекстного меню строки Build Specifications.
Общая переменная (Shared Variable) объединяет функциональность существующих технологий передачи данных, таких как DataSocket, и обеспечивает поддержку разработки распределенных многопроцессорных систем. Общая переменная позволяет передавать текущие данные между различными ВП проекта или по сети, при этом источниками или приемниками данных могут быть элементы лицевой панели или блок-диаграммы.
Общая переменная создается в окне проекта как правило в составе библиотеки проекта с помощью контекстного меню узла этой библиотеки. Настройка параметров общей переменной производится посредством диалогового окна Свойства общей переменной (Shared Varia-ble Properties), которое позволяет выбрать Тип данных (Data Type), Тип переменной (Variable Type), использование и параметры буфера и параметры подключения к источнику. Тип переменной может быть установлен как Глобальный (Global) для обмена данными между ВП или как Сетевой (Network) для обмена по сети. Общая переменная с сетевым типом производит обмен данными между ВП, удаленными компьютерами и приборами с помощью Механизма общей переменной (Shared Variable Engine). Этот механизм использует протокол передачи данных NI Издатель-Подписчик (Publish-Subscriber-Protocol – PSP).
Для связи элементов блок-диаграммы ВП с общей переменной ее иконка может быть перенесена из окна проекта или установлена из подпалитры Структуры. Связь элементов лицевой панели с общей переменной также может устанавливаться с помощью переноса иконки переменой из окна проекта на лицевую панель или путем конфигурирования свойств этих элементов (раздел Data Binding).
Модули и инструменты LabVIEW, устанавливаемые пользователем, могут добавить общей переменной типы, опции конфигурации и ограничения.
Элемент XControl содержит 4 обязательных компонента: Date, State, Facade и Init, а также ряд других дополнительных или определяемых пользователем компонентов. Эти элементы на самом деле являются виртуальными приборами или элементами управления (.ctls), которые определяют функциональность XControl. С помощью компонентов Date и State определяется тип данных XControl (скаляр, матрица и т.п.) и его текущее состояние (видимое, элемент управления, индикатор и т.п.). ВП Facade управляет различными состояниями, в которые может перейти XControl, и его ответами на события пользователя. Он представляет большой ВП обработки событий и вызывается LabVIEW только при наличии событий, ожидающих обработки. Для элементов XControl наряду с общими для этого класса могут создаваться и устанавливаться собственные свойства и методы.
Новое в функциях обработки сигнала, анализа и математикию Среди наиболее интересных нововведений можно отметить следующие: реализация двумерных функций цифровой обработки сигнала (преобразования Фурье, свертки, авто- и кросскорреляции) для действительных и комплексных данных, введение подпалитры функций преобразования координат, новые типы окон, непрерывных и дискретных распределений вероятностей. В подпалитре функций аппроксимации введены новые линейные параметрические модели, реализованы устойчивые алгоритмы сглаживания и новые инструменты оценки качества аппроксимации.

Нейросетевая система планирования траекторий мобильного робота (По материалам Научной школы-конференции «Мобильные роботы и мехатронные системы-2003»). Автор - М. Ю. Сиротенко, Таганрогский государственный радиотехнический университет, Лаборатория НИРС "Робототехника и интеллектуальные системы"
В работе предлагается нейросетевой планировщик перемещений мобильного робота для системы управления движением автономного мобильного робота (АМР). Особенность данной системы заключается в использовании нейронных сетей для формирования коэффициентов квадратичных форм, описывающих желаемую траекторию движения АМР, используя предварительно обработанное изображение препятствия. Представленный планировщик, в частности, может использоваться совместно с синергетическим позиционно-траекторным регулятором, который вырабатывает управляющие воздействия на основе квадратичных форм и не требует блока кинематических преобразований и наличия интерполяторов. Реализация планировщика на нейросетях позволяет распараллелить процессы вычисления и, по сравнению со спецвычислителями, повысить реакцию системы на динамически изменяющуюся внешнюю среду, а также придать системе свойства адаптивности и помехоустойчивости.
1. Введение. Проблемам управления автономными мобильными роботами сегодня уделяется значительное внимание в мировой литературе по робототехнике. В частности, весьма актуальна задача корректного планирования траектории перемещения роботов, действующих в априори неформализованных средах. В работе [I], предлагается подход, основанный на нейроподобных структурах. Контуры препятствий считываются из плана проходимости среды, сформированного в виде бинарных изображений. Затем эти контуры аппроксимируются кривыми второго порядка и представляются в виде траекторий обхода препятствий. Но изложенный в этой работе подход требует наличия дополнительных вычислительных средств для определения коэффициентов квадратичных форм, описывающих препятствия, что снижает производительность функционирования планировщика, а это немаловажно при функционировании АМР в динамически изменяющихся средах. В настоящей работе, предлагается нейросетевой [3] планировщик для систем управления АМР, вырабатывающих управляющие воздействия на основе информации о желаемых траекториях движения, представленных квадратичными формами базовых координат.
2. Квадратичные формы и позиционно-траекторный регулятор. Позиционно-траекторный регулятор - это устройство, необходимое для выработки управляющих воздействий для исполнительной системы робота (электроприводов) на основе входных величин (в нашем случае коэффициентов квадратичных форм), направленных на корректное прохождение роботом заданной траектории.
В общем случае уравнение квадратичной формы от базовых координат (окружности, эллипсы, прямые и т. д.), вдоль которой предполагается движение АМР, описывается в матричном виде, как

y^TN₁у + N₂у + N₃ = 0 (1),

где у = (у₁, у₂)^T,

N₂ = [a₃₁, a₄₁],

N₃ = [a₅₁] для двумерного случая.

Коэффициенты данного уравнения содержат в себе информацию об угле поворота, размерах и смещении геометрической фигуры. Пересчет коэффициентов при изменении угла поворота фигуры, либо ее смещения относительно начала базовой системы координат предлагается производить по следующим выражениям:

N*₁ = rot ´ N₁ ´ rot^T,

N*₂ = N₂ - у^T_o ´ (( rot ´ N₁ ´ rot^T)^T + rot ´ N₁ ´ rot^T),

N*₃ = (у^T_o ´ rot ´ N₁ ´ rot^T - N₂) + N₃,

где N*_i - новое значение матричного коэффициента;

- матрица поворота;

- вектор сдвига.

При использовании алгоритма управления, предложенного в [2], возникает задача корректного определения коэффициентов N₁, N₂, N₃ желаемой траектории движения робота на основе информации поступающей от бортовой камеры робота, которая бы позволяла, в частности, избегать столкновения со стационарными и нестационарными препятствиями в априори неформализуемых средах.
3. Нейросетевой планировщик. Задача планирования, в общем случае, заключается в поиске последовательности элементарных действий на основе имеющейся информации о состоянии внешней среды, которая бы приводила систему в искомое состояние, с учетом накладываемых на нее ограничений и удовлетворяя заданным критериям.
Преимущества нейросетевого планировщика по отношению к классическому, основанному на каком-либо вычислительном алгоритме, заключается в том, что, согласно теореме Колмогорова [4], любую непрерывную функцию нескольких переменных можно представить в виде суперпозиции непрерывных функций одного переменного и сложения. Поэтому алгоритмическое решение задачи, реализуемое за счет последовательного соединения различных функциональных блоков, в нейросети решается быстрее за счет разложения ее на элементарные функции и распараллеливания процесса вычисления. Свойство надежности вытекает из избыточности нейросети [5]. Также благодаря обобщающей способности нейросети, решается проблема обработки зашумленной информации, что особенно актуально для изображений, в связи с несовершенством процедур кластеризации и бинаризации.
В рамках данной работы, специально для исследования функционирования различных типов нейронных сетей в качестве планировщиков, используя систему Маtlab 6.1, был разработан программный комплекс, внешний вид главного окна которого показан на рис. 1.
Рис. 1. Внешний вид главного окна программы
 Данный программный комплекс позволяет:
- задавать архитектуру нейронной сети (количество слоев, нейронов в каждом слое), функции активации нейронов соответствующих слоев, алгоритм обучения (включая выбор отдельных параметров обучения), функцию ошибки;
- сохранять в файл и восстанавливать из файла созданную нейросеть;
- моделировать работу нейросетевого планировщика;
- производить графический вывод результатов моделирования;
- загружать изображения препятствий как по отдельности (поддерживаются различные форматы), так и в составе обучающей выборки;
- задавать целевой вектор (набор коэффициентов квадратичной формы) как вручную для отдельно взятого изображения препятствия, так и загружать в составе обучающей выборки;
- производить генерацию обучающей выборки (случайных изображений препятствий и соответствующих им коэффициентов квадратичных форм) с гибкой настройкой параметров и т. д.
Для выработки коэффициентов квадратичных форм, описывающих траектории обхода, на основе предварительно обработанного изображения препятствия (кластеризованного, бинаризованного) предлагается использовать многослойную нейронную сеть прямого распространения (МНСПР).
Перед подачей на вход нейронной сети, в целях минимизации ее структуры и, как следствие, сокращения вычислительных операций, данные требуют предварительной обработки.
Для этих целей предлагается использовать процедуру, основанную на преобразованиях Фурье [б]. На основе имеющегося изображения выделяется контур препятствия, и координаты всех его точек заносятся в массив в порядке обхода контура в виде комплексных чисел z, у которых реальная часть есть координата x, а мнимая - у. Полученный массив подвергается быстрому преобразованию Фурье [6]:

где k - номер гармоники, М - количество точек контура. Таким образом формируется изображение контура препятствия в частотной области в виде массива коэффициентов ряда Фурье. Самые значимые из них - это первые l и последние m элементов массива коэффициентов, содержащие информацию о самых низкочастотных и самых высокочастотных составляющих изображения контура. Они составляют входной вектор нейросети. Опытным путем установлено, что оптимальные значения l и m зависят от общего числа точек, описывающих контур, и могут быть определены из следующего выражения: l + m = 0,05М .
Так как, в нашем случае препятствия описываются квадратичными формами, то большую ценность представляют высокочастотные составляющие, что можно выразить в форме условия m =1,5l. На рис.2 а, б, в, г приведены исходные и подвергнутые прямому, а затем обратному преобразованию Фурье, изображения «звезда» при различных значениях l и m.
Рис. 2. Результат использования прямого и обратного преобразования Фурье: а) исходное изображение; б) l=3; m = 17; в) l = 17; m =3 , г) l =5; m =15
В работе предлагается использовать двухслойную структуру сети, с числом нейронов в скрытом слое, определяемом значимыми коэффициентами разложения Фурье, с функцией активации

Число нейронов в выходном слое определяется количеством коэффициентов квадратичных форм и равно семи, а их функция активации предполагается линейной.
В связи с использованием функции активации tansig необходимо производить нормализацию входных данных путем умножения всех элементов на масштабирующий коэффициент 1/F(1), где F(1) - первый и максимальный по модулю элемент преобразования Фурье.
В частности, при размерах изображения 150 х 150, для адекватного представления фигуры, требуется 20 элементов преобразования Фурье, которые подаются на 40 входов нейросети (20 для реальной части и 20 для мнимой).
4. Обучение и тестирование. Формирование обучающей выборки производилось с учетом того, что препятствия могут иметь различную форму, размеры и располагаться в любой части цифровой картинки. Для этих целей использовалась программа для генерации обучающих выборок в составе описанного ранее программного комплекса.
Генератор обучающих выборок функционирует следующим образом. На первом этапе формируется массив сгенерированных случайным образом изображений препятствий. Затем для каждого препятствия в цикле подбираются коэффициенты квадратичной формы, описывающей данную фигуру и имеющей при этом минимальную площадь. Далее, все эти данные сохраняются, чтобы можно было в дальнейшем их использовать для обучения.
Опытным путем было установлено, что наилучшая сходимость обеспечивается при обучении с использованием алгоритма градиентного спуска с возмущением и адаптацией параметра скорости настройки. Следует обратить внимание на то, что уменьшению времени сходимости обучения способствует нормализация целевого вектора, при которой его матожидание равно нулю, а среднеквадратичное отклонение - единице.
Нейронная сеть обучалась на обучающей выборке, состоящей из 200 элементов в течение 3466 циклов. График обучения представлен на рис. 3 (прим. ред.портала: поскольку исходная иллюстрация была не вполне качественная, поясним, что наверху надписи означают: Performance is 0,0999819, Goal is 0,1).
Рис. 3. Зависимость величины ошибки от номера цикла обучения
Результаты моделирования работы нейросетевого планировщика на тестовых выборках демонстрируют корректность предложенных структурно-алгоритмических решений в определении коэффициентов квадратичных форм (рис. 4), а также высокую устойчивость к помехам.
Рис. 4. Результат тестирования
5. Выводы. Предложенный в работе нейросетевой планировщик траекторий движения для системы управления АМР позволяет описать произвольные препятствия квадратичными формами базовых, наблюдаемых координат, что позволяет выработать адекватные управляющие воздействия, используя уже известные алгоритмы [2]. Предложенные решения могут быть использованы при организации сложных перемещений мобильных роботов в априори неформализуемых динамических средах, когда требуется переход с одного типа траекторий на другой, в зависимости от решаемых задач. (Реферат)
ЛИТЕРАТУРА
1. Pshikhopov V., Chemukhin Y. Path Following Regulator for Neural Network Implemented Control System of Adaptive Mobile Robot Moving with a Set Speed . Proceedings CD (without pages numbers, 5 pages) and Abstracts Book (473 p., p. 354) of Int. Conf. «Mathematical Theory of Network and Systems», Pcrpignian, France, June 19-23, 2000.
2. Пшихопов В. X. Аналитический синтез синергетических регуляторов для позиционно-траекторных систем управления мобильными роботами. Сборник трудов научно-технической конференции «Экстремальная робототехника» .Под научн. ред. проф. Е. И. Юревича. Центральный научно-исследовательский институт робототехники и технической кибернетики. Санкт-Петербург, 2001. С. 59-68.
3. Люггер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е изд. Пер. с англ. М.: Издательский дом «Вильямс», 2003.
4. Нейронные сети: история развития теории. Кн. 5: Учебное пособие для вузов / Под общей ред. А. И. Галушкина, Я. 3 Цыпкина. М.: ИПРЖР, 200). (Нейрокомпьютеры и их применение).
5. Мак-Каллок У. С. Надежность биологических систем: Самоорганизующиеся системы. М.: Мир, 1964.
6. Осовский С. Нейронные сети для обработки информации. Пер. с польского И. Д. Рудинского М : Финансы и статистика, 2002.
 

ЛИТЕРАТУРА
Искусственный интеллект: Современный подход. Представлены современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течение последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в областях знаний, ставших стимулом к развитию искусственного интеллекта как науки проектирования рациональных агентов. Теоретическое описание иллюстрируется многочисленными алгоритмами, реализации которых в виде готовых программ на нескольких языках программирования находятся на сопровождающем книгу Web-узле.
Основы искусственного интеллекта. Излагается история развития систем искусственного интеллекта (СИИ). Описываются основные модели представления знаний, необходимые для проектирования современных СИИ. Даются понятие, структура построения и классификация экспертной системы (ЭС). Приводятся основы теории нейрона и обучения нейронных сетей (НС). Рассматриваются элементная база современной архитектуры процессора NeuroMatrix NM6403,6404 (Л1879ВМ1, Л1879ВМЗ). Рассматриваются и излагаются принципы построения нейросетевой экспертной системы. Приводятся данные и рекомендации по использованию Турбо Пролога и Visual Prolog для построения баз знаний и экспертных систем. Указываются средства отладки аппаратных- и программных средств указанных нейропроцессоров.

В Сети завёлся робот-психоаналитик. Посетители сайта видят робота на экране нарисованного телевизора .
"Обитающий" в нижнем Манхэттене игрушечный робот Robosapien по прозвищу "Вернувшаяся Элиза" предлагает всем желающим пройти сеанс психоанализа через Интернет.
"Вы заходите на сайт и попадаете в комнату, где дожидаетесь своей очереди, потому что робот может за раз принять только одного пациента. Если он занят, вы можете записаться на приём, — рассказывает автор проекта Адрианна Уортзэль из Нью-йоркского технологического колледжа. — Когда же вы попадаете в кабинет робота-психоаналитика, то печатаете свои вопросы, а он на них отвечает в течение пяти минут".
Адрианна признаёт, что это, конечно, не настоящий психоанализ. И робот, и сайт — это, отчасти, дань памяти Джозефу Вайзенбауму, профессору Массачусетского технологического института который в 1966 году разрабатывал "Элизу", самую первую компьютерную программу, подражающую человеческой беседе.
Кроме того, Eliza Redux — это "социальное сообщение": "Пора побеспокоиться по поводу засилья технологий. Люди должны дважды подумать перед тем, как отдаться в руки сумасшедшего робота", — объясняет Уортзэль. Журнал "Инфокиборг" № 9-10, 2006 год

    Открытия психолога Джона Раштона позволяют объяснить, почему до самого верха карьерной лестницы доходят столь немногие женщины. По мнению исследователя, все дело не в дискриминации по половому признаку и не в отсутствии возможностей. В ходе исследования ученые изучили результаты тестов 100 тысяч человек обоих полов.
Сильный пол в принципе умнее, чем прекрасный - к таким выводам пришла группа психологов из университета Западного Онтарио во главе с Джоном Раштоном.
Согласно ряду других исследований мозг мужчины крупнее и в среднем весит на 100 г больше, чем женский". В ходе исследования - оно опубликовано в журнале Intelligence - Раштон изучил результаты университетских тестов на способности 100 тысяч студентов обоих полов в возрасте 17-18 лет. Анализ таких факторов, как способность быстро схватывать сложную концепцию, навыки вербальной аргументации и креативность - ключевых составляющих интеллекта - показал, что IQ молодых людей в среднем на 3,63 пункта выше, чем у девушек.
"В течение 100 лет психологи единодушно полагали, что половые различия на интеллекте не отражаются", - говорит Раштон. Однако он полагает, что теперь устоявшееся мнение должно быть пересмотрено.
Профессор Раштон считает, что разница напрямую связана с размером мозга: согласно ряду других исследований мозг мужчины крупнее и в среднем весит на 100 г больше, чем женский.
"Мы знаем, что у мужчин более крупный мозг, даже когда принимаешь во внимание соотношение с большим размером тела, - говорит исследователь. - Это значит, что у них больше нейронов. Вопрос в том, что делают эти нейроны в организме мужчины, - вероятно, они дают преимущество в обработке информации".
Предполагается, что эта разница была заложена еще в каменном веке, когда женщины искали мужчину умнее себя, чтобы передать своему потомству лучшие гены.
"Женщины предпочитают мужчин, которые немного опережают их по уровню IQ, - утверждает профессор.
А тот факт, что в школах девочки лучше учатся и успешнее сдают экзамены, по мнению исследователя, объясняется тем, что девочки созревают быстрее мальчиков.
"Создается впечатление, что вплоть до конца отрочества у женщин есть преимущества перед мужчинами, потому что они быстрее взрослеют, что скрывает лежащие в основе различия", - говорит он. А так как почти все предыдущие данные, показывающие отсутствие различий между полами, собирались среди школьников, эти различия могли просто упустить.
Ранее считалось, что мужчины и женщины мыслят по-разному: мужчины показывают более высокие результаты в тестах на пространственные способности, а женщины - в тестах на вербальные способности.
Однако при этом предполагалось, что различия в мышлении уравновешиваются и интеллект в целом по половому признаку ничем не отличается. Однако сейчас, если дальнейшие исследования подтвердят утверждение Раштона, традиционная точка зрения должна быть пересмотрена.
Исследователь Джон Филипп Раштон ранее произвел фурор, предположив, что интеллект зависит от расы. Сейчас он заявляет, что его новые открытия позволяют объяснить, почему до самого верха карьерной лестницы доходят столь немногие женщины.
Впрочем, критики отмечают, что выводы профессора Раштона могли получиться неточными, - в рамках исследования он проанализировал больше женских тестов, чем мужских.

Газета "Твоя подруга", сентябрь 2006 г.

...Мы отнюдь не властвуем над природой так, как
завоеватель властвует над чужим народом...
Ф. Энгельс.
    В то время как вы читаете эти строки, тысячи исследователей на всех континентах буднично и настойчиво продолжают изучение одного и того же объекта, может быть, главнейшего объекта современной .науки - мозга.
Чтобы понять, насколько сложен этот объект, достаточно познакомиться лишь с «атомом мозга» - нейтроном (нервной клеткой). Отростки одного нейрона в коре головного мозга могут связывать его с четырьмя тысячами других. Вообразите гигантское помещение, от которого в разные стороны отходят длинные коридоры. Вдоль его стен и коридоров тянутся столы с аппаратами; за каждым столом - телеграфист. Ленты телеграмм просматриваются старшими телеграфистами, сведения передаются все выше по инстанциям. Ответ - нервный разряд - дается после сопоставления всех сведений.
И это еще не все. В том же помещении в его бесчисленных отсеках на смену старым готовятся новые кадры телеграфистов. Все это множество сотрудников работает, обеспечивается питанием, отдыхает; все комбинаты обслуживания находятся тут же. Обширный управленческий аппарат работает непрерывно.
Такова заведомо неполная картина, отдаленно напоминающая нейрон. Всего один. А в коре головного мозга, слое в два миллиметра толщиной, - 14 миллиардов нейронов! На связях, обмене сигналов между нейронами основывается не только управление всей жизнедеятельностью организма, но еще - мысль, память, фантазия, настроение, чувство, интуиция...
Как же отнестись к людям, которые явились бы к нам с таким предложением:
- Примем, что нейрон - это переключатель, способный находиться в одном из двух состояний: включено или выключено. И если у нас будет достаточно большое число таких переключателей, соединенных между собой должным образом, то с помощью такой «нервной сети» можно воспроизвести все, что осуществляется мозгом. Да, да, и интуицию тоже, дайте только подробное объяснение: что такое интуиция.
Тех, кто десятилетиями углублялся в структуру, физиологию, биохимию мозга, чтобы добыть крупицу истины, подобное заявление может возмутить. Ученый, клявшийся материализмом, подчас договаривается в полемическом пылу до того, что психические явления в принципе невоспроизводимы. Между тем идея «нервной сети» прочно утвердилась в науке и оказалась чрезвычайно плодотворной для практики. К примеру, орбиту или маневры космического корабля рассчитывают «мыслящие машины». Программисты объясняют им, что такое рассчитать маневр, и «нервная сеть» из полупроводниковых элементов делает то же, что и тысяча работников, только делает это несравнимо быстрее...

А. ДОБРОВИЧ, «МЫСЛЬ И МАШИНА»