Кадровая политика

Основные стадии консультационного процесса

News image

Руководители предприятий различных форм собственности обращаются к консультанту, как правило, с типичными вопросами и заказ...

Ошибки руководителей

News image

Система управления и управленческая структура в России до сих пор находятся в плену прошлых стереотипов, и очень часто дире...

Что же предлагали первые консультанты, которые появились в 20-х годах?

News image

Принято считать, что консультанты по управлению первой волны - это бывшие предприниматели, руководители, управленцы, до...

Авторизация



Первые шаги искусственной жизни

Кадровая политика - Маркетинг знаний

первые шаги  искусственной жизни

Эта волна захлестнула научный мир настолько внезапно, что застала врасплох и потенциальных сторонников, и оппонентов. Еще не успело закрепиться необычное название - artificial life ( искусственная жизнь , вот так - ни больше, ни меньше !), как в Испании состоялся крупный международный конгресс ECAL, целиком посвященный проблемам новой науки, а исследователи возвестили о пришествии четвертой волны искусственного интеллекта. Что же это за таинственная наука, знакомство с которой вызывает любовь с первого взгляда либо мгновенное недоверчивое отторжение, но всегда - изумление на грани обывательской обиды : Оказывается там, за углом, уже вовсю гуляют, а мы тут скучаем с пустым стаканом ?!

Artificial life - новое слово на букву А

Судьба новых научных направлений - при всей их революционности, необычности и парадоксальности - обычно развивается по канонам классической мелодрамы, повторяя вечную сказку о Золушке. Напомним : к бедной Золушке, перебирающей мешок чечевицы (символ черновой научной работы поколения безымянных подвижников) является Добрая Фея (крупный заказчик, как правило, военный или финансист) и отправляет ее в сказочном наряде на бал в сияющий дворец (дает серьезный заказ и солидное финансирование). Но - увы, часы бьют полночь, золотая карета привычно превращается в тыкву, а бедная Золушка надолго отправляется на задворки науки, к безмерной радости завистливых сытых сестер. Обычно требуется много-много лет, чтобы удостовериться, что хрустальный башмачок новых прикладных задач впору лишь одной таинственной беглянке и повзрослевшая Золушка с триумфом возвращается во дворец - теперь уже на правах королевы.

Этот нехитрый сюжетный ход прослеживается в развитии практически всех новых наук - и теории нейронных сетей, и нечеткой логики, и генетических алгоритмов, и системной динамики, и других. Всех, кроме одной. В случае с artificial life (или A-life, как окрестили новую науку фамильярные американские журналисты), не понадобилось ни доброй феи, ни настойчивого принца, ни услуг сказочных кутюрье. Золушка попала на бал прямо с кухни - в залатанном фартуке и с половником в руках. Однако уже давно за полночь, а поток лестных и заманчивых предложений от самых знатных поклонников не иссякает...

Итак, что такое artificial life ? Самое общее определение дает журнал MIDRANGE Systems, трактуя A-life как компьютерное моделирование живых объектов [MIDRANGE Systems, 1995, v.8, N 13, p.29]. Однако на практике к A-life принято относить компьютерные модели, обладающие рядом конкретных особенностей. Во-первых, центральная модель системы - будь то персонаж детской игры, самоходный робот или интеллектуальный агент Internet - обладает способностью адаптироваться к условиям внешнего мира, пополняя знания о нем путем взаимодействия с другими объектами и средой. Во-вторых, компоненты системы, развиваясь в процессе эволюции, способны передавать свои характерные черты по наследству. Соответственно, присутствует механизм порождения новых поколений - путем деления, скрещивания либо дублирования существующих объектов. В-третьих, окружающий мир достаточно жесток и сводит к минимуму шансы на выживание и появление потомства у слабых и плохо приспособленных особей. И, наконец, присутствует механизм порождения новых форм (аналог мутаций в реальном мире), обычно содержащий элемент случайности.

Иными словами, чтобы решить реальную задачу методами artificial life (например, создать истребитель идеальной формы, либо разработать оптимальную стратегию биржевой игры и т.д.), надо построить динамическую модель среды, в которой предстоит существовать проектируемому объекту, населить ее множеством разновидностей этого объекта и дать им пожить несколько поколений. Слабые особи будут отмирать, сильные - скрещиваться, закрепляя в новых поколениях свои лучшие черты. Через несколько десятков (иногда - сотен и даже тысяч) циклов такая селекция породит цивилизацию практически неуязвимых особей, идеально приспособленных к заданной вами модели мира. Не факт, что результат будет соответствовать вашим представлениям о прекрасном (и вообще близок к ожидаемому). Но можно с уверенностью сказать, что жизненная сила прошедшего жесточайший отбор решения будет достаточной, чтобы успешно противостоять любым действиям конкурентов.

Чем обусловлено рождение новой науки ? Почему нельзя решать те же задачи классическими методами теории управления, оптимизации и системного анализа ? Дело в том, что любой проектировщик сложных систем сталкивается с одним и тем же комплексом проблем, плохо поддающихся решению традиционными методами. Неполнота знаний о внешнем мире, неизбежная погрешность датчиков, непредсказуемость реальных ситуаций - все это заставляет разработчиков мечтать об адаптивных интеллектуальных системах, способных подстраиваться к изменению правил игры и самостоятельно ориентироваться в сложных условиях.

Во-вторых, проклятие размерности становится реальным сдерживающим фактором при решении многих (если не большинства) серьезных задач. Проектировщик не в состоянии учесть и свести в общую систему уравнений всю совокупность внешних условий - особенно при наличии множества активных противников. Самостоятельная адаптация системы в процессе динамического моделирования условий, приближенных к боевым - едва ли не единственный способ решения задач в таких случаях.

Есть и еще одна причина - философская. Вы никогда не замечали, что все попытки целенаправленного отбора и улучшения, предпринимаемые человеком, обрекают объект селекции на вырождение ? Примеров - тысячи. Вспомните судьбу королевских семей средневековья, сравните элитные породы собак с жизнерадостными дворнягами, наконец, попробуйте посадить любимые огурцы вне теплицы ! Складывается впечатление, что человек пока лишен способности прогнозировать долгосрочные последствия своих - пусть и вызванных с амыми благими намерениями - поступков. Так давайте усмирим гордыню и вернем функции Создателя матушке-природе. Пусть живучесть решений поверяется самой жизнью.

- А где тут вообще наука ? - спросит придирчивый выпускник мехмата. Правильно. Строго говоря, artificial life - это не наука, а скорее, обобщающий метод построения динамических моделей, базирующийся на совокупности других наук - генетических алгоритмов, теории хаоса, системной динамики и др. Каждая из них достойна отдельного разговора , а пока давайте кратко познакомимся с одним из главных китов , на которые опирается artificial life. Это - математический аппарат т.н. эволюционных вычислений, более известный под названием генетические алгоритмы .

Генетические алгоритмы

С математической точки зрения генетические алгоритмы (genetic algorithms - GA) - это разновидность методов оптимизации, объединяющая черты вероятностных и детерминированных оптимизационных алгоритмов. Поиск оптимального решения с помощью GA начинается с представления параметров решения в виде вектора (целочисленного или битового) - генетического кода или хромосомы . Далее определяется набор операций, позволяющих получать новые решения из совокупности существующих. Продолжая аналогию с генетическими механизмами реального мира, дочернее решение может порождаться одним или двумя родителями , наследуя черты обоих вследствие операций скрещивания. Однако (и это пожалуй, самое важное), новые поколения копируют свойства предшественников неточно.

Присутствует специальный механизм мутации, привносящий случайные искажения. Наконец, модель внешнего мира при реализации генетических алгоритмов, обычно - увы - отсутствует, что отличает GA от Artificial life в целом. Реакция внешнего мира заменяется заранее заданной целевой функцией, позволяющей сравнивать качество полученных решений.

Далее - все просто. На основе одного-двух начальных решений порождается первое поколение решений. Для каждого вычисляется значение функции качества, после чего определенный процент наихудших решений уничтожается, а наилучших - скрещивается. Так появляется следующее поколение. Мутации периодически расширяют базу для селекции, не позволяя процессу вырождаться. Через несколько поколений значение функции качества перестает улучшаться. Это означает, что выведено семейство решений, наилучшим образом удовлетворяющих заданным критериям. Остается только расшифровать генетический код итоговых решений и перевести их в привычный для разработчика вид.

Так работает большинство сегодняшних программ, реализующих генетические алгоритмы. Так (или примерно так) выглядит базовая идея GA, изложенная в классической книге основоположника генетических алгоритмов Джона Холланда [Holland J.H. Adaptation in Natural and Artificial Systems. /The University of Michigan, 1975]. Однако понадобилось двадцать лет, чтобы идея была соответствующим образом исследована и воплощена в коммерческие изделия массового рынка. Причина - в трудноформализуемости базовых концепций GA.

Честно говоря, и автор этой статьи первоначально относился к генетическим алгоритмам с некоторым недоверием. Смущала скудость фундаментальных результатов (за исключением двух теорем), а также заведомое отсутствие гарантий сходимости. Для любого класса задач и любой разновидности GA можно было построить пример, когда GA уступает по скорости сходимости классическим алгоритмам либо вообще работает бесконечно долго. В полной мере оценить мощность и красоту генетических алгоритмов удалось лишь благодаря одному случайно увиденному впечатляющему примеру.

Представьте себе бесконечный теплый океан, населенный студнеобразными комками биомассы. Каждый комок не имеет разума и органов чувств, однако наделен зачатками двигательных функций (скажем, вследствие периодических рефлекторных сокращений). Единственное, что он умеет - достигнув некоторого возраста, поделиться надвое, передав потомству свою форму (с некоторыми искажениями, вызванными мутациями), а вместе с ней и собственные способности к передвижению. К сожалению, это не единственный обитатель океана. Подлинными его хозяевами являются акулы, быстрые, хищные и высокоорганизованные существа, которые едят все, что плавает медленнее их.

Поначалу кажется, что у несчастной биомассы нет никаких шансов на выживание, поскольку все, что она может противопоставить хищникам - это скорость размножения. Но давайте запустим генетический алгоритм. Вот прошло сто поколений. Теперь океан населен разнообразными видами червей , некоторые из которых достаточно успешно соревнуются с акулами по скорости передвижения. А часы эволюции работают... Прошло еще несколько сотен поколений. Где же наши бесформенные комки ? По всему океану снуют красивые торпедообразные рыбы (некоторые даже снабжены разновидностью плавников). Теперь тяжелые времена переживают акулы - им в пищу достаются лишь редкие медлительные особи - следствие неудачных мутаций. Вдумайтесь - мы заведомо лишили бедный кисель шансов на появление зрения, сознания и каких бы то ни было средств защиты, оставив единственное оружие - право на эволюцию. И тем самым не только спасли его от вымирания, но и породили ряд новых, более совершенных форм.

Некоторые более практичные приложения GA будут приведены ниже. Те же, кого заинтересовал именно данный пример, могут найти описание ряда подобных экспериментов, например в статье [Plain S.W. Simulated wetware / Computer Shopper, 1995, v.17, N 7,p.584].

 




Читайте:


Добавить комментарий


Защитный код
Обновить

Менеджмент знаний:

Анализ важность-исполнение

Анализ важность-исполнение (importance-performance analysis) был разработан в конце 1970-х годов для измерения удовлетворенности потребителей [7]. Разработка метода была ре...

Синтаксис логики предикатов

Язык логики предикатов задается синтакисом. Для представления знаний базисные синтаксические категории языка изображаются такими символами, которые несут достаточно четкую информацию и ...