Изкуствен интелект - приложение и изследвания в пътната наука( малко за върховите  технологии през 1998 г. – тогава е писано)

инж. Тодор Анастасов

Науката Изкуствен Интелект( ИИ ) е сравнително млада-появила се е преди около 60 г. Самите думи “изкуствен интелект” звучат доста еретично или безпочвено за много хора дори в днешното съвремие на развити технологии и компютъризация. Перспективата да се използва компютър, толкова могъщ и талантлив като нас може да бъде неприятна дори страшна. Не зависимо от това обаче( докато ние се мъчим да използваме компютрите си за “по-интелигентни” печатни машини ) в културно и технически напредналите страни не спират с изследванията в тази област. Ако през 50-70^те години разработките се били ограничени в изследователските центрове и лаборатории, то през 80^те вече са създадени значителен брой комерсиални продукти с елементи на ИИ.

Предпоставки

Когато говорим за компютърно творчество ние неизбежно се сблъскваме с различни проблеми от естетически, етически или философски характер, поради което е необходимо да се изясни смисъла на понятия като “интелект” и “творчество”.

Съществуват различни определения за тези понятия, но автора на настоящата статия споделя мнението на един от изтъкнатите учени в областта на ИИ - Доналд Мичи, а именно, че:

“...в голяма степен творчеството се състои в това да се открие връзка там, където по-рано никой не е видял или да се построи нова структура, по-сложна от съществуващите преди. Всъщност творческият подход не е присъщ само на изключителните личности, тяхна отличителна черта са постигнатите резултати. Следователно творческият принос трябва да се разпознава по крайния резултат, независимо от източника и пътя на постигането му( биологичен или електронен )”

Ето защо може би е най-сполучливо да се приемем определението, че:

ИИ е свойство на компютърните системи да получават някои от тези резултати, които се пораждат в процеса на творческата дейност на човека.

Проблемни въпроси

При споменаване на ИИ винаги възникват основни въпроси, като:

Може ли машината да мисли?

Възможно ли е автоматизирано да се разсъждава и твори?

Доколко може да и се вярва( на машината ) за получените резултати?

Целта на настоящата статия обаче не е да дава отговори на подобни фундаментални въпроси, а да запознае пътните специалисти с приложението на ИИ в пътната наука и практика. Именно поради тази причина в изложението ще се разгледат основно така наречените Експертни Системи( ЕС ) и Невронни Мрежи( НМ ) - получили по-широко приложение в пътната практика.

Експертни системи

Обикновено компютрите се използват предимно за задачи, процедурата на която може да се опише предварително в най-малки подробности. Невъзможно е обаче всички ситуации от реалния живот да се опишат с нужната степен на подробност и еднозначност, за да бъде съставен алгоритъм на приложна програма. Често се налага да се съобразяваме с непредвидени обстоятелства, недостатъчна информация и сложни комплицирани проблеми. В тези случаи обикновено се търси помощта на високо-квалифицирани специалисти-експерти, притежаващи значителни познания и опит в своята област. “Експертните системи” са именно такива компютърни програми, извършващи логически изводи на базата на налични( експертни ) знания в дадена предметна област( например поддържане на пътищата ), с цел решаване на типични задачи или получаване на подходящи съвети. Това са системи, подпомагащи крайния потребител-специалист в съответната област при вземането на решенията, като в някои случаи значително повишават неговата продуктивност, ефективност и увереност.

На фиг.1 е показана архитектура на типична експертна система.

базата от знания съдържа набор от правила и факти или други знания( евристики ), които се използват директно за решаване на даден проблем.

машината за изводи представлява “мозъка” на ЕС, която притежава стратегии за изводи и управление. Тя осъществява комбинирането на входната информация от потребителя с правилата и фактите за да достигне до решаването на задачите.

временната памет - това е работната памет на системата.

средствата за обяснение реализират  една от отличителните черти на ЕС- възможността на програмата да обясни защо е взела точно това решение.

представяне на знания за да се създаде базата от знания е необходимо “машината” да ги придобие в разговор с експерта, анализирайки редица случаи с които той се е сблъскал.

потребителски интерфейс - този модул осигурява на потребителя възможности а ефективното използване на ЕС.

Изброените до тук основни части на ЕС обикновено са интегрирани в така наречените среди( или ядра - Shells) за разработка на ЕС. Като най голяма популярност от тях е получило ядрото EXSYS, което е използвано и при повечето реализации на ЕС в областта на пътищата.

Невронни мрежи

Базираните на Невронни Мрежи( НМ ) системи с ИИ са получили името си от биологическите невронни мрежи. Всъщност НМ представляват нещо като модел на човешкия мозък и имат способността да се самообучават Този елемент липсва при типичните ЕС, но за сметка на това пък при НМ се срещата значителни трудности при реализацията на обяснението на взетите решения. В основата си НМ се състоят от 3 слоя, всеки от които се състои от различен брой възли -клетки( неврони или персептони ) свързани с връзки с предходния или следващ слой.

входния слой получава данни от потребителя и обикновено броя на възлите в него зависи от броя на изменящите се параметри.

средния( скрития ) слой може да се състои и от няколко подслоя - получава сигнали чрез връзките от входния слой и изпраща сигнали към изходния.

изходния слой подава информация на потребителя и обикновено броя на възлите в него зависят от броя на задачите които трябва да се решат.

След избора на топологията на НМ( което не е много прост въпрос и няма да се разглежда в тази статия ) се пристъпва към обучението и. За целта е необходимо да се подберат определен брой примери с известни входни и изходни данни. При подаването на всеки пример към НМ различните връзки между възлите на отделните слоеве( и най-вече между входния и скрития ) получават съответни теглови коефициенти. Тези коефициенти се коригират с въвеждането на всеки нов пример и в това именно се състои самообучението. Възможно е също така да се променя и броя на връзките и схемата свързване. По този начин след известен брой примери НМ е готова да предлага сама решения.

Приложение

ЕС и НМ могат да се използват при решаването на различни задачи, стоящи пред пътните специалисти, но за момента са ползвани при решаването на практически задачи от следните области:

- поддържане на пътища и системи за управление на пътните настилки;

- проектиране на пътни настилки;

- следене и анализ на интензивността и характера на движението;

- поддържане на пътните съоръжения;

- проектиране на пътни кръстовища и интелигентен контрол на светлинната сигнализация.

До 1992 г. са създадени повече от 35 системи с елементи на ИИ в гореизброените области.

В областта на поддържането и управлението на пътната мрежа са разработени преди всичко ЕС, а в последно време и някои НМ. Ориентацията към ЕС е съвсем разбираема, като се има предвид, че задачите които се решават са типични за ЕС: диагностика, мониторинг( следене и контрол ), прогнозиране и планиране.

По голяма известност са получили американските PAMEX и SECT, френската ERASMUS и канадската ROSE. Последната е много подходяща за илюстрация на процеса на създаване на типична ЕС и ще бъде разгледана малко по-подробно. Авторите на същата система ROSE в последствие се разработили и вариант чрез НМ.

НМ при поддържането на пътищата са използвани предимно за “разпознаване на образи” при регистрацията на повредите и анализа на растерни видео или фотографски изображения.

В последно време се забелязва значително увеличение на дела на НМ при реализацията на системи с елементи на ИИ във всички области( дори такива с традиционно използване на ЕС ). Това може да се обясни едновременно с развитието на науката за НМ и значително по-малкото - време и ресурси за внедряване.

To be continue….