Логика автономных систем
Шрифт:
Открою Вам маленькую тайну: все наши математические логики никаких логических задач никогда не решали, и решать не будут. Потому, что это не логики, а системы одновременной коммутации импульсов. Потому, что все эти логические ответы ДА, НЕТ, НЕ ЗНАЮ, это только мимолетные рабочие состояния на контролируемых выводах нашей же электронной схемы. В начале и конце рабочего такта. Все это так.
Грустно?
Нет, не очень. Потому, что и человек на уровне ДНК устроен точно так же. Работает автоматическая программа, работает машинная логика автоматических операций внутри клетки. Нет там никакого интеллекта и разума. А вот отдаленный аналог компьютерной системы управления есть. Очень
Вот её и надо попытаться понять. Там те же машинные ДА, НЕТ, ..., что-то чему-то соответствует, но... та логика - автономная. Она сама определяет задачу, сама её решает, сама исполняет. В этом её коренное отличие от наших математических логик. И та же система логики работает на всех уровнях управления. Только задачи меняются, а принципы те же.
Логика должна работать в реальном времени. От результата к результату. Идти последовательными шагами. Использование параллельных решений, это уже расширение возможностей, а вначале мелкими шажками, чтобы было время на решение и остановку. На "подумать".
Нужна другая логика...
Начал с создания противоположности. Вместо имеющейся НЕ.
Это стержень решения всех логических задач. Создание противоположности во всех вариантах, это очень сложная и длительная задача. Потому и внимания ей отводилось много.
Потом была операция создания копии. Конечно, через противоположность. Также очень многоплановая составляющая всех решений. Копирование, это основа получения опыта, это продолжение Я, это повтор.... Классическая логика это не учитывает.
Далее были сравнение и выбор. Почему-то в математической логике этих операций нет. В программировании есть, а в логике - нет. Странно.
Уровень автоматических операций с объектами и ответами пройден. Теперь уровень простейших логических действий. Вот теперь события и условия. К нему я подбирался давно. С кучек и штучек. [8] Теперь, кажется, получилось...
Далее сделан переход на новый уровень. От объектов и ответов, к образам и эмоциям. Как мне показалось, это вполне закономерно.[9]
Система уровней оказалась вполне связной и взаимодополняющей. Какая получилась логическая система, это решать не мне. Но могу сказать, да, система получилась медленной, с массой промежуточных ответов и результатов. Решение идет через остановки, согласование одних результатов с другими в реальном времени. Это мне показалось самым важным для системы, решающей задачу без ориентиров, втемную. Тут надо три раза подумать, что бы сделать очередной шаг вперед. Но это только мое мнение ...
Задачи и их решение в автономном режиме. С этим я кувыркаюсь уже давно. Что тут самое важное?
Способ представления задачи. Получаемый в конце решения ответ. Путь решения, который привел к правильному ответу. Приемы разворачивания задачи для понимания сути логической проблемы. Что?
Всё, кроме ... ответа. Вот он оказался самым не важным. Система логических ответов нам известна изначально, до начала решения. Правильным может оказаться любой из разрешенных, и ... что с того? Важно пройти весь путь и доказать обоснованность одного из ответов.
Вот это наличие пути и определило геометрический подход к формированию отображения хода решения. Он начал вырисовываться еще на этапе экспериментов со счетными системами. Понятно, что это графы [36], но есть несколько сложностей...
И тут случайность мешает. Как простыми методами учитывать случайные процессы при решении задачи? Снова и снова просматривал известные мне логики
Но ничего не получалось. И вопрос не в том, что логики не подходят, а в том, что они слишком логичны для автономных логических систем самостоятельного развития.
Пришлось снова начинать с начала...
Нечеткая логика.
Лотфи Заде разрабатывал нечеткую логику для разрешения противоречия, известного давно:
"Наш основной тезис заключается в том, что по своей сути обычные количественные методы анализа систем непригодны для гуманистических систем и вообще любых систем, сравнимых по сложности с гуманистическими системами. В основе этого тезиса лежит то, что можно было бы назвать принципом несовместимости. Суть этого принципа можно выразить примерно так: чем сложнее система, тем менее мы способны дать точные и в то же время имеющие практическое значение суждения о её поведении. Для систем, сложность которых превосходит некоторый пороговый уровень, точность и практический смысл становятся почти исключающими друг друга характеристиками.
Именно в этом смысле точный количественный анализ поведения гуманистических систем не имеет, по-видимому, большого практического значения в реальных социальных, экономических и других задачах, связанных с участием одного человека или группы людей." [3]
Разрешить противоречие предлагается следующим образом:
"Иной подход, развиваемый в этой работе, опирается на предпосылку о том, что элементами мышления человека являются не числа, а элементы некоторых нечетких множеств или классов объектов, для которых переход от "принадлежности к классу" и "непринадлежности" не скачкообразен, а непрерывен. И в самом деле, нечеткость, присущая процессу мышления человека, наводит на мысль о том, что в основе этого процесса лежит не традиционная двухзначная или даже многозначная логика, а логика с нечеткой истинностью, нечеткими связями и нечеткими правилами вывода. С нашей точки зрения именно такая нечеткая, еще недостаточно изученная логика играет основную роль в том, что может оказаться одной из наиболее важных сторон человеческого мышления - способности оценивать информацию, т.е. выбирать из давящего мозг разнообразия сведений те и только те, которые имеют отношение к анализируемой проблеме.
По своей природе оценка является приближением. Во многих случаях достаточна весьма приближенная характеризация набора данных, поскольку в большинстве основных задач, решаемых человеком, не требуется высокая точность. Человеческий мозг использует допустимость такой неточности, кодируя информацию, "достаточную для задачи" (или "достаточную для решения") элементами нечетких множеств, которые лишь приближенно описывают исходные данные. Поток информации, поступающий в мозг через органы зрения, слуха, осязания и др., суживается, таким образом, в тонкую струйку информации, необходимой для решения поставленной задачи с минимальной степенью точности. Способность оперировать нечеткими множествами и вытекающая из неё способность оценивать информацию является одним из наиболее ценных качеств человеческого разума, которое фундаментальным образом отличает человеческий разум от так называемого машинного разума, приписываемого существующим вычислительным машинам."[3].