Компьютерное зрение способность функционального блока получать, обрабатывать и интерпретировать визуальные данные.
Нейротехнологии технологии, которые используют или помогают понять работу мозга, мыслительные процессы, высшую нервную деятельность, в том числе технологии по усилению, улучшению работы мозга и психической деятельности.
Система искусственного интеллекта (СИИ) техническая система, в которой используются технологии искусственного интеллекта.
Технологии искусственного интеллекта комплекс технологических решений, направленных на создание систем искусственного интеллекта.
Автоматизированная система система, состоящая из персонала и комплекса средств автоматизации его деятельности, реализующая информационную технологию выполнения установленных функций.
Автоматическая система совокупность управляемого объекта и автономной СИИ, функционирующая самостоятельно, без участия человека.
Автономность характеристика СИИ, связанная с ее способностью самостоятельно (без участия человека) выполнять возложенные на нее функции в течение заданного времени и с заданными показателями качества, надежности, безопасности. Системы, работающие в автономном режиме, подлежат обязательному контролю или надзору со стороны человека.
Агент физический/программный объект, который оценивает собственное состояние, состояние других объектов и окружающей среды для выполнения своих действий, включая прогнозирование и планирование, которые максимизируют успешность, в том числе при неожиданном изменении оцениваемых состояний, достижения своих целей.
Алгоритм конечное упорядоченное множество точно определенных правил для решения конкретной задачи.
Библиотека знаний набор информационных (знаковых, символьных) моделей, которые выражают знания (также могут включать в себя определение моделей и их требования) о ряде вещей (понятий) и хранятся и воспроизводятся в электронном виде.
Вычислительные средства (средства вычислительной техники) технические средства, непосредственно осуществляющие обработку данных.
Данные предоставление информации в формальном виде, пригодном для передачи, интерпретации или обработки людьми или компьютерами.
Доверие к системе искусственного интеллекта уверенность потребителя и, при необходимости, организаций, ответственных за регулирование вопросов создания и применения систем искусственного интеллекта, и иных заинтересованных сторон в том, что система способна выполнять возложенные на нее задачи с требуемым качеством.
Интероперабельность способность двух или более информационных систем или компонентов к обмену информацией, в том числе на организационном, семантическом и техническом уровнях, и к использованию информации, полученной в результате обмена.
Интероперабельная система система, в которой входящие в нее подсистемы работают по независимым алгоритмам, не имеют единой точки управления, все управление определяется единым набором стандартов профилем интероперабельности.
Информационная технология методы, способы, приемы и процессы обработки (сбора, накопления, ввода-вывода, приема-передачи, хранения, поиска, регистрации, преобразования, анализа и синтеза, предоставления, отображения, распространения и уничтожения) информации с применением программных и технических средств.
Киберфизическая система информационно-технологическая концепция, подразумевающая интеграцию вычислительных ресурсов в физические процессы. В такой системе датчики, оборудование и информационные системы соединены на протяжении всей цепочки в логику управления для создания стоимости, выходящей за рамки одного предприятия или бизнеса. Эти системы взаимодействуют друг с другом с помощью стандартных интернет-протоколов для прогнозирования, самонастройки и адаптации к изменениям.
Многоагентная система система, состоящая из множества взаимодействующих интеллектуальных агентов. Многоагентные системы могут решить проблемы, которые трудны или невозможны для отдельного агента или для единой (монолитной) системы.
Программное обеспечение (программа, программное средство) упорядоченная последовательность инструкций (кодов) для вычислительного средства, находящаяся в памяти этого средства и представляющая собой описание алгоритма управления вычислительными средствами и действий с данными.
Распределенная система распределенная система обеспечивает решение проблемы управления на базе распределенной системы знаний в отличие от многоагентных систем, где базы знаний отдельных агентов взаимодействуют.
2.2. Принципы классификации систем искусственного интеллекта
Классификация систем искусственного интеллекта отражает существенные (значимые) характеристики СИИ, включая особенности контура управления, в рамках которого используется СИИ, и технологии построения и использования знаний.
Представлена схема классификации, отражающая основные особенности СИИ для решения прикладных задач, помогающая определить направления их стандартизации (рисунок 2.1).
Схема классификации базируется на ключевых, с точки зрения стандартизации, основаниях классификации.
Каждое из рассматриваемых оснований представлено в виде нескольких классов верхнего уровня. В большинстве случаев более детальную иерархию классов или принципы классификации можно найти по ссылкам на соответствующие стандарты или документы.
Базовые классы СИИ целесообразно группировать на основе следующих принципов:
1) по классам и категориям объектов в управлении;
2) по технологиям построения, приобретения и использования знаний;
3) по функциям, которые выполняет СИИ в контуре управления;
4) по методам и технологиям, используемым в СИИ;
5) по методам и средствам взаимодействия СИИ с другими системами и человеком-оператором.
Эти подходы к классификации являются основными. Каждый из них может иметь иерархическую структуру.
Дополнительные классификации могут быть связаны со специальными требованиями к объектам, процессам, контуру управления, архитектуре, ресурсам с учетом окружающей среды (интероперабельность, нормы регулирования, безопасность, действия стандартов, этические требования, надежность, отказоустойчивость, условия внешней среды и т. д.).
Классификация, связанная с описанием каждого класса, представляет собой перечень объектов, соответствующих данному классу.
Классы, к которым могут быть отнесены СИИ, необязательно исключают друг друга. Для некоторых СИИ может быть применен только один из классов, а для других несколько.
Каждая конкретная позиция классификации может быть детализирована, как по уже существующим стандартам, так и по сложившейся практике.
Рисунок 2.1 Схема классификации СИИ
Рассмотрены следующие основания для классификации:
1) по степени автономности;
2) по степени автоматизации;
3) по архитектурному принципу;
4) по структуре и процессам обработки знаний:
а) по модели знаний;
б) по управлению знаниями;
в) по методу обучения;
5) по специализации систем ИИ:
а) специализированные (используют единый домен знаний);
б) комплексные (используют множество доменов знаний);
6) по методам обработки информации;
7) по функциям в контуре управления;
8) по методам достижения интеграции и интероперабельности СИИ;
9) по опасности последствий;
10) по конфиденциальности;
11) по видам деятельности;
12) по взаимодействию с человеком-оператором.
Возможно расширение видов классификации систем ИИ.
Схема классификации представлена в таблице 2.1.
Таблица 2.1 Схема классификации систем искусственного интеллекта
Возможно дополнение классификации СИИ как по новым основаниям, так и путем детализации классов по специализированным классификациям.
Классы можно характеризовать различными дополнительными аспектами или подклассами, например:
наличием/отсутствием внешнего наблюдения, осуществляемого человеком-оператором либо другой автоматизированной системой;
степенью понимания системы;
степенью реактивности/отзывчивости;
уровнем устойчивости функционирования;
степенью надежности и безопасности;
видом аппаратной реализации;
степенью приспособляемости к внутренним или внешним изменениям;
способностью оценивать свою собственную работоспособность/пригодность;
способностью принимать решения и планировать.
2.3. Применение технологий искусственного интеллекта при решении задач дешифрирования аэроснимков
Развитие элементной базы, материалов и технологий, в том числе искусственного интеллекта, робототехники, информационных и коммуникационных технологий, технологий цифровых двойников, способствует созданию нового поколения интеллектуальных бортовых аэросъемочных систем (аэрофотографических, телевизионных, инфракрасных, лазерных, радиолокационных, радиотехнических) и систем автоматизированного и автоматического дешифрирования (СААД) данных, полученных бортовыми аэросъемочными системами (БАС).
В рамках реализации технологий искусственного интеллекта в БАС и СААД сформулированы следующие основные задачи:
создание единой нормативной, информационной, технологической и инфраструктурной базовой платформы в области технологий искусственного интеллекта;
создание системы испытаний и опытной эксплуатации технологий искусственного интеллекта;
обоснование показателей качества искусственного интеллекта и разработка методического обеспечения оценивания этих показателей;
создание цифровых двойников с целью выполнения технических и тактико-технических требований к БАС и СААД, снижения себестоимости, сроков разработки и испытаний БАС и СААД, повышения их технологичности, а также повышения надежности и эффективности эксплуатации БАС и СААД;
развитие интеллектуальных средств и методов дешифрирования, обеспечивающих оперативное и надежное автоматизированное (автоматическое) обнаружение и распознавание объектов, в том числе замаскированных, а также ранжирование объектов по уровню угроз;
автоматизированная комплексная оценка и прогнозирование тактической обстановки и объединение априорных данных о противнике;
комплексное дешифрирование данных от аэрофотографических, телевизионных, инфракрасных, лазерных, радиолокационных, радиотехнических БАС;
автоматизация работы, контроля, диагностирования и прогнозирования технического состояния оборудования БАС и СААД.
Перечень задач, которые целесообразно решать с использованием технологий искусственного интеллекта в БАС и СААД, в зависимости от вида обрабатываемых данных, имеет следующие основные уровни классификации:
задачи в интересах обработки видовой (некоординатной) информации;
задачи в интересах обработки координатной информации;
задачи в интересах обработки неструктурированной (слабоструктурированной) информации (обеспечение кибербезопасности, реализация систем поддержки принятия решений и т. п.).
Для решения указанных задач для БАС и СААД устанавливаются следующие технические требования:
выполнение этапа предобработки за минимально допустимое время, обеспечивающего возможность выполнения более сложного основного этапа обработки информации в реальном масштабе времени;
использование наиболее простых математических операций для наилучшего быстродействия и интеграции алгоритмов в специализированные вычислительные устройства, способные работать в условиях мобильных механизмов и дестабилизирующих факторов полета;
обеспечение оптимального качества обработки информации, поступающей от различных информационных систем (оптико-электронных, радиолокационных, радиотехнических, лазерных и др.), позволяющее принятие за короткое время рациональных решений;
предоставление потребителю информации в наиболее удобном виде, обеспечивающем эффективное выполнение поставленных задач.
Технологии искусственного интеллекта открывают широкие возможности для повышения эффективности автоматизированного и автоматического дешифрирования объектов в условиях обработки большого объема видеоинформации, полученной видовыми аэрофотографическими, телевизионными, инфракрасными, радиолокационными, лазерными системами.
2.4. Биологические основы искусственного интеллекта
Человеческий мозг самая сложная в обозримом мире биологическая структура, представляющая собой результат миллионов лет эволюции.
Головной мозг человека весит от 1,3 до 1,8 кг и содержит триллион клеток, из которых 100 млрд представлены соединенными в сети нейронами. Это соизмеримо с числом звезд в Млечном Пути. Нейроны, соединенные разнообразными связями в сеть, определяют интеллект, творческие способности и память человека. Количество нейронов в головном мозге человека больше, чем у всех остальных известных форм жизни. Нейрон представляет собой особый вид клеток, которые обладают электрической активностью. Он получает информацию (рисунок 2.2) при помощи сильно разветвленных отростков, называемых дендритами, и передает информацию вдоль тонкого волокна аксона. Аксон имеет множество ответвлений, на конце каждого из которых находится область, называемая синапсом. Посредством синапсов осуществляется связь между различными нейронами. Самым распространенным типом синапсов являются химические, которые работают следующим образом. Предсинаптический процесс формирует передаваемую субстанцию, которая методом диффузии передается по синаптическим соединениям между нейронами и влияет на постсинаптический процесс. Таким образом, синапс преобразовывает предсинаптический электрический сигнал в химический, а после этого в постсинаптический электрический.
Каждый нейрон может иметь тысячи связей с соседними нейронами. Информация по аксонам передается в виде коротких электрических импульсов, амплитуда которых составляет около 100 мВ, а длительность 1 мс. На участках контакта между нейронами (синапсы) электрические импульсы превращаются в химические сигналы, которые стимулируют проникновение в клетку нейрона положительных зарядов. Когда достигается критическое значение потенциала, называемое пороговым, в ядре нейрона возникает электрический импульс, распространяемый, как волна, по аксону на следующий нейрон. Вклад одного синапса в установление соответствующего потенциала на выходе нейрона очень маленький. Для возникновения электрического импульса необходимо, чтобы нейрон непрерывно интегрировал множество синоптических входов.
Такая интеграция является нелинейным преобразованием и не соответствует простой операции линейного суммирования. Использование технологии окраски нейронов солями серебра позволяет выявить в коре головного мозга большое разнообразие типов нейронов. Существуют пирамидальные нейроны, нейроны таламуса, нейроны Пуркинье и т. д., всего около 50 типов. Из этого следует, что не все компоненты, из которых построен мозг, взаимозаменяемы.