docx - matemaattinen kybernetiikka. Matemaattinen kybernetiikka.docx - matemaattinen kybernetiikka Kybernetiikka Neuvostoliitossa

Kuuluisia opettajia

• L. A. Petrosyan - fysiikan ja matemaattisten tieteiden tohtori, professori, matemaattisen peliteorian ja staattisten ratkaisujen laitoksen professori. Tutkimusalue: matemaattinen peliteoria ja sen sovellukset
• A. Yu Aleksandrov - fysiikan ja matemaattisten tieteiden tohtori, professori, lääketieteellisten ja biologisten järjestelmien hallinnan osaston professori. Tieteellisen ohjauksen alue: dynaamisten järjestelmien teorian kvalitatiiviset menetelmät, stabiilisuusteoria, säätöteoria, epälineaaristen värähtelyjen teoria, matemaattinen mallintaminen
• S. N. Andrianov - fysiikan ja matemaattisten tieteiden tohtori, professori, tietokonemallinnuksen ja moniprosessorijärjestelmien laitoksen professori. Tieteellisen ohjauksen alue: monimutkaisten dynaamisten järjestelmien matemaattinen ja tietokonemallinnus ohjauksella
• L.K. Babajanyants - fysiikan ja matemaattisten tieteiden tohtori, professori, ohjatun liikkeen mekaniikan laitoksen professori. Tieteellisen ohjauksen alue: analyyttisen ja taivaan mekaniikan matemaattiset ongelmat, kosminen dynamiikka, olemassaolo- ja jatkuvuuslauseet Cauchyn ongelman ratkaisemiseksi tavallisille differentiaaliyhtälöille, stabiilisuusteoria ja ohjattu liike, numeeriset menetelmät huonosti esitettyjen ongelmien ratkaisemiseen, sovelluksen luominen ohjelmistopaketteja
• V. M. Bure - teknisten tieteiden tohtori, apulaisprofessori, matemaattisen peliteorian ja staattisten ratkaisujen laitoksen professori. Tieteellisen johtamisen alue: todennäköisyys-tilastollinen mallinnus, data-analyysi
• E. Yu Butyrsky - fysiikan ja matemaattisten tieteiden tohtori, Pietarin valtionyliopiston ohjausteorian laitoksen professori. Tieteellisen johtamisen alue: johtamisteoria
• E. I. Veremey - fysiikan ja matemaattisten tieteiden tohtori, professori, tietokoneteknologioiden ja -järjestelmien osaston professori. Tieteellisen ohjauksen alue: matemaattisten menetelmien ja laskentaalgoritmien kehittäminen ohjausjärjestelmien optimointiin ja menetelmiä niiden tietokonemallintamiseen
• E. V. Gromova - fysiikan ja matemaattisten tieteiden kandidaatti, apulaisprofessori, matemaattisen peliteorian ja tilastollisten ratkaisujen laitoksen apulaisprofessori. Tieteellisen ohjauksen alue: peliteoria, differentiaalipelit, yhteistyöpeliteoria, peliteorian sovellukset johtamisessa, taloustiede ja ekologia, matemaattiset tilastot, tilastollinen analyysi lääketieteessä ja biologiassa
• O. I. Drivotin - fysiikan ja matemaattisten tieteiden tohtori, vanhempi tutkija, sähköfysikaalisten laitteiden ohjausjärjestelmien teorian laitoksen professori. Tieteellisen ohjauksen alue: varautuneiden hiukkassuihkujen dynamiikan mallintaminen ja optimointi, klassisen kenttäteorian teoreettiset ja matemaattiset ongelmat, eräät matemaattisen fysiikan ongelmat, tietokonetekniikat fysikaalisissa ongelmissa
• N.V. Egorov - fysiikan ja matemaattisten tieteiden tohtori, professori, sähkömekaanisten ja tietokonejärjestelmien mallinnuksen laitoksen professori. Tieteellisen johtajuuden alue: tieto-asiantuntija ja älykkäät järjestelmät, laskentalaitteiden ja sähkömekaanisten järjestelmien rakenneosien matemaattinen, fyysinen ja täysimittainen mallinnus, elektroni- ja ionisuihkuihin perustuvat diagnostiikkajärjestelmät, emissioelektroniikka ja seurantamenetelmien fyysiset näkökohdat ja kiinteän pinnan ominaisuuksien kontrollointi
• A. P. Zhabko - fysiikan ja matemaattisten tieteiden tohtori, professori, ohjausteorian laitoksen professori. Tieteellisen johtajuuden alue: differentiaali-erojärjestelmät, vakaa vakaus, plasman ohjausjärjestelmien analyysi ja synteesi
• V.V. Zakharov - fysiikan ja matemaattisten tieteiden tohtori, professori, energiajärjestelmien matemaattisen mallintamisen laitoksen professori. Tieteellisen ohjauksen osa-alue: optimaalinen ohjaus, peliteoria ja sovellukset, operaatiotutkimus, sovellettu matemaattinen (älykäs) logistiikka, liikennevirtateoria
• N. A. Zenkevich - matemaattisen peliteorian ja tilastollisten ratkaisujen laitoksen apulaisprofessori. Tieteellisen johtajuuden alue: peliteoria ja sen sovellukset johtamisessa, konfliktihallinnan prosessien teoria, kvantitatiiviset päätöksenteon menetelmät, talous- ja liiketoimintaprosessien matemaattinen mallintaminen
• A. V. Zubov - fysiikan ja matemaattisten tieteiden tohtori, apulaisprofessori, mikroprosessoriohjausjärjestelmien matemaattisen teorian laitoksen apulaisprofessori. Tutkimusalue: tietokantojen hallinta ja optimointi
• A. M. Kamachkin - fysiikan ja matemaattisten tieteiden tohtori, professori, korkeamman matematiikan osaston professori. Tieteellisen ohjauksen alue: dynaamisten järjestelmien teorian kvalitatiiviset menetelmät, epälineaaristen värähtelyjen teoria, epälineaaristen dynaamisten prosessien matemaattinen mallintaminen, epälineaaristen automaattisten ohjausjärjestelmien teoria
• V.V. Karelin - Fysikaalisten ja matemaattisten tieteiden kandidaatti, apulaisprofessori, mallinnusohjausjärjestelmien matemaattisen teorian laitoksen apulaisprofessori. Tieteellisen ohjauksen alue: tunnistusmenetelmät; epätasainen analyysi; havaittavuus; mukautuva ohjaus
• A. N. Kvitko - fysiikan ja matemaattisten tieteiden tohtori, professori, tietojärjestelmien osaston professori. Tieteellisen ohjauksen alue: ohjattavien järjestelmien raja-arvoongelmat; stabilointi, menetelmät ohjelmoitujen liikkeiden optimoimiseksi, ilmailu-avaruuskompleksien ja muiden teknisten kohteiden liikkeenohjaus, algoritmien kehittäminen älykkäiden ohjausjärjestelmien tietokoneavusteiseen suunnitteluun
• V.V. Kolbin - fysiikan ja matemaattisten tieteiden tohtori, professori, talouspäätösten matemaattisen teorian laitoksen professori. Tieteellisen ohjauksen ala: matematiikka
• V.V. Kornikov - fysiikan ja matemaattisten tieteiden kandidaatti, apulaisprofessori, lääketieteellisten ja biologisten järjestelmien hallinnan osaston apulaisprofessori. Tieteellisen ohjauksen alue: stokastinen mallintaminen biologiassa, lääketieteessä ja ekologiassa, monimuuttujatilastoanalyysi, matemaattisten menetelmien kehittäminen monikriteerien arviointiin ja päätöksentekoon epävarmuuden olosuhteissa, päätöksentekojärjestelmät taloushallinnon ongelmissa, matemaattiset menetelmät ei-numeerisen ja epätäydellisen tiedon analysointi, Bayesin epävarmuuden ja riskin mallit
• E. D. Kotina - fysiikan ja matemaattisten tieteiden tohtori, apulaisprofessori, ohjausteorian laitoksen professori. Tieteellisen ohjauksen ala: differentiaaliyhtälöt, ohjausteoria, matemaattinen mallintaminen, optimointimenetelmät, varautuneiden hiukkassuihkujen dynamiikan analysointi ja muodostus, matemaattinen ja tietokonemallinnus isotooppilääketieteessä
• D. V. Kuzyutin - fysiikan ja matemaattisten tieteiden kandidaatti, apulaisprofessori, matemaattisen peliteorian ja tilastollisten ratkaisujen laitoksen apulaisprofessori. Tieteellisen ohjauksen alue: matemaattinen peliteoria, optimaalinen ohjaus, taloustieteen ja johtamisen matemaattiset menetelmät ja mallit
• G. I. Kurbatova - fysiikan ja matemaattisten tieteiden tohtori, professori, sähkömekaanisten ja tietokonejärjestelmien mallinnuksen laitoksen professori. Tieteellisen johtajuuden alue: epätasapainoprosessit epähomogeenisten väliaineiden mekaniikassa; tietokonenesteen dynamiikka Maple-ympäristössä, gradienttioptiikan ongelmat, kaasuseosten kulkeutumisen mallinnusongelmat offshore-putkien kautta
• O. A. Malafeev - fysiikan ja matemaattisten tieteiden tohtori, professori, sosiaalisten ja taloudellisten järjestelmien mallinnuksen laitoksen professori. Tieteellisen johtajuuden alue: kilpailuprosessien mallintaminen sosioekonomisella alalla, epälineaaristen dynaamisten konfliktiohjattujen järjestelmien tutkimus
• S. E. Mikheev - fysiikan ja matemaattisten tieteiden tohtori, apulaisprofessori, Pietarin valtionyliopiston mallinnusohjausjärjestelmien matemaattisen teorian laitoksen apulaisprofessori. Tieteellisen ohjauksen alue: epälineaarinen ohjelmointi, numeeristen menetelmien konvergenssin kiihdytys, ihmiskorvan värähtelyjen ja äänen havainnoinnin mallintaminen, differentiaalipelit, taloudellisten prosessien hallinta
• V. D. Nogin - fysiikan ja matemaattisten tieteiden tohtori, professori, ohjausteorian laitoksen professori. Tieteellisen ohjauksen alue: päätösteorian teoreettiset, algoritmiset ja soveltavat kysymykset useiden kriteerien läsnä ollessa
• A. D. Ovsyannikov - fysiikan ja matemaattisten tieteiden kandidaatti, ohjelmointitekniikan osaston apulaisprofessori. Tieteellisen ohjauksen alue: tietokonemallinnus, laskentamenetelmät, varautuneiden hiukkasten dynamiikan mallinnus ja optimointi kiihdyttimissä, plasmaparametrien mallinnus ja optimointi tokamakeissa
• D. A. Ovsyannikov - fysiikan ja matemaattisten tieteiden tohtori, professori, sähköfysikaalisten laitteiden ohjausjärjestelmien teorian laitoksen professori. Tieteellisen ohjauksen alue: varautuneiden hiukkasten säteiden ohjaus, ohjaus epävarmuuden olosuhteissa, matemaattiset menetelmät kiihdytys- ja fokusointirakenteiden optimointiin, matemaattiset menetelmät sähkölaitteiden ohjaamiseen
• I. V. Olemskoy - fysiikan ja matemaattisten tieteiden tohtori, apulaisprofessori, tietojärjestelmien osaston professori. Tieteellisen ohjauksen alue: numeeriset menetelmät tavallisten differentiaaliyhtälöiden ratkaisemiseen
• A. A. Pechnikov - teknisten tieteiden tohtori, apulaisprofessori, ohjelmointitekniikan osaston professori. Tieteellisen ohjauksen alue: webometria, verkkoteknologioihin perustuvat ongelmalähtöiset järjestelmät, multimediatietojärjestelmät, diskreetti matematiikka ja matemaattinen kybernetiikka, ohjelmistojärjestelmät ja mallit, sosiaalisten ja taloudellisten prosessien matemaattinen mallintaminen
• L. N. Polyakova - fysiikan ja matemaattisten tieteiden tohtori, professori, mallinnusohjausjärjestelmien matemaattisen teorian laitoksen professori. Tieteellisen ohjauksen alue: epätasainen analyysi, kupera analyysi, numeeriset menetelmät epätasaisten optimointiongelmien ratkaisemiseen (maksimifunktion minimointi, kuperoiden funktioiden ero), moniarvoisten mappausten teoria
• A. V. Prasolov - fysiikan ja matemaattisten tieteiden tohtori, professori, talousjärjestelmien mallinnuksen laitoksen professori. Tieteellisen ohjauksen alue: talousjärjestelmien matemaattinen mallintaminen, tilastolliset ennustusmenetelmät, jälkivaikutusten differentiaaliyhtälöt
• S. L. Sergeev - fysiikan ja matemaattisten tieteiden kandidaatti, apulaisprofessori, ohjelmointitekniikan laitoksen apulaisprofessori. Tieteellisen johtajuuden alue: nykyaikaisen tietotekniikan integrointi ja soveltaminen, automatisoitu ohjaus, tietokonemallinnus
• M. A. Skopina - fysiikan ja matemaattisten tieteiden tohtori, professori, korkeamman matematiikan osaston professori. Tieteellisen ohjauksen alue: aalloteoria, harmoninen analyysi, funktion approksimaatioteoria
• G. Sh. Tamasyan - fysiikan ja matemaattisten tieteiden kandidaatti, apulaisprofessori, mallinnusohjausjärjestelmien matemaattisen teorian laitoksen apulaisprofessori. Tieteellisen ohjauksen alue: ei-sileä analyysi, ei-differentioituva optimointi, kupera analyysi, numeeriset menetelmät epätasaisten optimointiongelmien ratkaisemiseen, variaatioiden laskenta, ohjausteoria, laskennallinen geometria
• S. I. Tarashnina - fysiikan ja matemaattisten tieteiden kandidaatti, apulaisprofessori, matemaattisen peliteorian ja tilastollisten ratkaisujen laitoksen apulaisprofessori. Tieteellisen ohjauksen alue: matemaattinen peliteoria, yhteistyöpelit, takaa-ajopelit, tilastollinen data-analyysi
• I. B. Tokin - biologisten tieteiden tohtori, professori, lääketieteellisten ja biologisten järjestelmien hallinnan osaston professori. Tieteellisen johtajuuden alue: säteilyn vaikutuksen mallintaminen nisäkässoluihin; solujen metastabiilien tilojen analyysi, vaurioituneiden solujen autoregulaatio- ja korjausprosessit, kudosjärjestelmien palautumismekanismit ulkoisten vaikutusten alaisena; ihmisen ekologia
• A. Yu Uteshev - fysiikan ja matemaattisten tieteiden tohtori, professori, lääketieteellisten ja biologisten järjestelmien hallinnan osaston professori. Tieteellisen ohjauksen alue: symboliset (analyyttiset) algoritmit polynomiyhtälö- ja epäyhtälöjärjestelmille; laskennallinen geometria; lukuteorian laskennalliset näkökohdat, koodaus, salaus; differentiaaliyhtälöiden laadullinen teoria; tilojen optimaalisen sijainnin ongelma (laitoksen sijainti)
• V. L. Kharitonov - fysiikan ja matemaattisten tieteiden tohtori, ohjausteorian laitoksen professori. Tieteellisen ohjauksen alue: ohjausteoria, viivästyneet yhtälöt, vakaus ja vankka vakaus
• S. V. Chistyakov - fysiikan ja matemaattisten tieteiden tohtori, Pietarin valtionyliopiston matemaattisen peliteorian ja tilastollisten ratkaisujen osaston professori. Tieteellisen ohjauksen alue: optimaalinen ohjausteoria, peliteoria, taloustieteen matemaattiset menetelmät
• V.I. Shishkin - lääketieteen tohtori, professori, funktionaalisten järjestelmien diagnostiikan osaston professori. Tieteellisen johtajuuden alue: matemaattinen mallintaminen biologiassa ja lääketieteessä, matemaattisten mallien soveltaminen diagnostisten menetelmien ja sairauksien ennusteen kehittämiseen, lääketieteen tietokoneohjelmistot, teknisten prosessien matemaattinen mallinnus lääketieteellisten diagnostisten laitteiden elementtipohjan valmistukseen
• A. S. Shmyrov - fysiikan ja matemaattisten tieteiden tohtori, professori, Pietarin valtionyliopiston ohjatun liikemekaniikan osaston professori. Tieteellisen johtajuuden alue: optimointimenetelmät avaruusdynamiikassa, kvalitatiiviset menetelmät Hamiltonin järjestelmissä, jakautumisfunktioiden approksimaatiot, menetelmät komeetta-asteroidivaaran torjumiseen

Akateemiset yhteistyökumppanit

• N. N. Krasovskin mukaan nimetty matematiikan ja mekaniikan instituutti, Venäjän tiedeakatemian Ural-osasto (Jekaterinburg)
• V. A. Trapeznikov RAS:n mukaan nimetty johtamisongelmien instituutti (Moskova)
• Venäjän tiedeakatemian Karjalan tiedekeskuksen sovelletun matemaattisen tutkimuksen instituutti (Petrozavodsk)

Projektit ja apurahat

Toteutettu ohjelman sisällä

• RFBR-apuraha 16-01-20400 "Projekti kymmenennen kansainvälisen konferenssin "Game Theory and Management" (GTM2016) järjestämiseksi, 2016. Päällikkö - L. A. Petrosyan
• Pietarin valtionyliopiston apuraha 9.38.245.2014 "Optimaalisuuden periaatteet dynaamisissa ja differentiaalisissa peleissä kiinteällä ja muuttuvalla koalitiorakenteella", 2014–2016. Pää - L. A. Petrosyan
• Pietarin osavaltion yliopiston apuraha 9.38.2014 "Uusia rakentavia lähestymistapoja ei-sujuvaan analyysiin ja ei-differentioituvaan optimointiin ja niiden sovellukset", 2014–2016. Pää - V. F. Demyanov, L. N. Polyakova
• Pietarin osavaltion yliopiston apuraha 9.37.345.2015 "Taivaankappaleiden kiertoradan liikkeen hallinta komeetta-asteroidivaaran torjumiseksi", 2015–2017. Pää - L. A. Petrosyan
• RFBR-apuraha nro 14-01-31521_mol_a "Epätasaisten funktioiden ja niiden sovellusten epähomogeeniset approksimaatiot", 2014–2015. Pää - G. Sh

Toteutettu kumppaniyliopistojen kanssa

• yhdessä Qingdaon yliopiston (Kiina) kanssa - 17-51-53030 "rationaalisuus ja kestävyys verkkopeleissä", vuodesta 2017 tähän päivään. Pää - L. A. Petrosyan

Avainkohdat

• Ohjelma koostuu koulutus- ja tutkimusosista. Koulutuskomponentti sisältää akateemisten tieteenalojen opiskelun, mukaan lukien matemaattisen kybernetiikan menetelmät, diskreetin matematiikan, ohjausjärjestelmien teorian, matemaattisen ohjelmoinnin, matemaattisen toimintatutkimuksen teorian ja peliteorian, tunnistamisen ja luokittelun matemaattisen teorian, optimaalisen ohjauksen matemaattisen teorian ja opetuskäytäntö. Opetussuunnitelma sisältää joukon valinnaisia ​​tieteenaloja, joiden avulla jatko-opiskelijat voivat luoda yksilöllisen opiskeluaikataulun. Koulutuksen tutkimusosuuden tavoitteena on saada tuloksia, joiden tieteellinen arvo ja uutuus mahdollistavat julkaisemisen RSCI:n, WoS:n ja Scopusin scientometrisiin tietokantoihin kuuluvissa tieteellisissä julkaisuissa.
• Tämän koulutusohjelman tehtävänä on kouluttaa korkeasti koulutettua henkilöstöä, joka kykenee kriittisesti analysoimaan ja arvioimaan nykyaikaisia ​​tieteellisiä saavutuksia, luomaan uusia ideoita tutkimus- ja käytännön ongelmien ratkaisemisessa, myös monitieteisillä aloilla.
• Ohjelman suorittaneet valmistuneet:
  • osaa suunnitella ja toteuttaa kokonaisvaltaiseen systeemiseen tieteelliseen maailmankuvaan perustuvaa monimutkaista tutkimusta, myös tieteidenvälistä tutkimusta
  • valmis osallistumaan venäläisten ja kansainvälisten tutkimusryhmien työhön ajankohtaisten tieteellisten ja tieteellis-kasvatusongelmien ratkaisemiseksi ja käyttämään nykyaikaisia ​​tieteellisen viestinnän menetelmiä ja tekniikoita valtion ja vierailla kielillä
  • osaa suunnitella ja ratkaista oman ammatillisen ja henkilökohtaisen kehityksensä ongelmia, suorittaa itsenäisesti tutkimustoimintaa asiaankuuluvalla ammattialalla käyttämällä nykyaikaisia ​​tutkimusmenetelmiä ja tieto- ja viestintäteknologiaa sekä olla valmis opetustoimintaan korkeakoulujen pääkoulutusohjelmissa

Hän kutsui sitä tehokkaan organisoinnin tieteeksi, ja Gordon Pask laajensi määritelmää sisältämään tietovirrat "kaikista lähteistä" tähdistä aivoihin.

Toisen kybernetiikan määritelmän mukaan, jonka L. Couffignal ehdotti vuonna 1956 (Englanti), yksi kybernetiikan edelläkävijöistä, kybernetiikka on "taidetta varmistaa toiminnan tehokkuus".

Toisen määritelmän ehdotti Lewis Kaufman (Englanti): "Kybernetiikka tutkii järjestelmiä ja prosesseja, jotka ovat vuorovaikutuksessa itsensä kanssa ja toistavat itseään."

Kyberneettisillä menetelmillä tutkitaan tapausta, jossa järjestelmän toiminta ympäristössä aiheuttaa jonkin verran muutosta ympäristössä, ja tämä muutos ilmenee järjestelmässä palautteen kautta, mikä aiheuttaa muutoksia järjestelmän käyttäytymiseen. Kybernetiikan menetelmät piilevät näiden "palautesilmukoiden" tutkimisessa.

Syntyi nykyaikainen kybernetiikka, mukaan lukien ohjausjärjestelmien, sähköpiiriteorian, koneenrakennuksen, matemaattisen mallintamisen, matemaattisen logiikan, evoluutiobiologian, neurotieteen, antropologian tutkimusta. Nämä tutkimukset ilmestyivät vuonna 1940, pääasiassa tutkijoiden töissä ns. Macyn konferenssit (Englanti).

Muita kybernetiikan kehitykseen vaikuttaneita tai vaikuttaneita tutkimusaloja: ohjausteoria, peliteoria, systeemiteoria (kybernetiikan matemaattinen analogi), psykologia (erityisesti neuropsykologia, behaviorismi, kognitiivinen psykologia) ja filosofia.

Video aiheesta

Kybernetiikan ala

Kybernetiikan kohteena ovat kaikki ohjatut järjestelmät. Järjestelmät, joita ei voida periaatteessa ohjata, eivät ole kybernetiikan tutkimuskohteita. Kybernetiikka esittelee käsitteitä, kuten kyberneettinen lähestymistapa, kyberneettinen järjestelmä. Kyberneettisiä järjestelmiä tarkastellaan abstraktisti niiden aineellisesta luonteesta riippumatta. Esimerkkejä kyberneettisistä järjestelmistä ovat automaattiset säätimet tekniikassa, tietokoneet, ihmisen aivot, biologiset populaatiot, ihmisyhteiskunta. Jokainen tällainen järjestelmä on joukko toisiinsa liittyviä objekteja (järjestelmän elementtejä), jotka pystyvät havaitsemaan, muistamaan ja käsittelemään tietoa sekä vaihtamaan sitä. Cybernetics kehittää yleisiä periaatteita ohjausjärjestelmien ja henkisen työn automatisoinnin järjestelmien luomiseen. Tärkeimmät tekniset keinot kybernetiikkaongelmien ratkaisemiseksi ovat tietokoneet. Siksi kybernetiikan syntyminen itsenäisenä tieteenä (N. Wiener, 1948) liittyy näiden koneiden luomiseen 1900-luvun 40-luvulla, ja kybernetiikan kehittyminen teoreettisissa ja käytännön näkökohdissa liittyy elektroniikan kehitykseen. tietokone teknologia.

Monimutkaisten järjestelmien teoria

Monimutkaisten järjestelmien teoria analysoi monimutkaisten järjestelmien luonnetta ja syitä niiden epätavallisten ominaisuuksien taustalla.

Menetelmä monimutkaisen adaptiivisen järjestelmän mallintamiseen

Tietojenkäsittelyssä

Laskennassa kybernetiikkaa käytetään laitteiden ohjaamiseen ja tiedon analysointiin.

Insinöörityössä

Suunnittelun kybernetiikkaa käytetään analysoimaan järjestelmävikoja, joissa pienet virheet ja puutteet voivat aiheuttaa koko järjestelmän epäonnistumisen.

Taloustieteessä ja johtamisessa

Matematiikassa

Psykologiassa

Sosiologiassa

Tarina

Muinaisessa Kreikassa termiä "kybernetiikka", joka alun perin merkitsi ruorimiehen taidetta, alettiin käyttää kuvaannollisessa merkityksessä kuvaamaan kaupunkia hallitsevan valtiomiehen taidetta. Tässä mielessä sitä käyttää erityisesti Platon laeissa.

James Watt

Ensimmäisen keinotekoisen automaattisen säätöjärjestelmän, vesikellon, keksi antiikin kreikkalainen mekaanikko Ctesibius. Hänen vesikellossaan vesi virtasi lähteestä, kuten stabilointisäiliöstä, altaaseen, sitten altaalta kellomekanismeihin. Ctesibiuksen laite käytti kartion muotoista virtausta valvomaan säiliönsä veden tasoa ja säätämään veden virtausnopeutta vastaavasti säilyttääkseen säiliön tasaisen vedenpinnan, jotta se ei täyttynyt liikaa eikä tyhjennetty. Se oli ensimmäinen keinotekoinen, todella automaattinen, itsesäätyvä laite, joka ei vaatinut ulkopuolista puuttumista takaisinkytkentä- ja ohjausmekanismien välillä. Vaikka he eivät luonnollisestikaan kutsuneet tätä käsitettä kybernetiikan tieteeksi (he pitivät sitä tekniikan alana), Ctesibiuksen ja muiden muinaisten mestareiden, kuten Aleksandrian Heronin tai kiinalaisen tiedemiehen Su Songin katsotaan olevan ensimmäisten joukossa kybernetiikkaa tutkijoina. periaatteita. Korjaavalla takaisinkytkennällä varustettujen koneiden mekanismien tutkiminen juontaa juurensa 1700-luvun lopulle, jolloin James Wattin höyrykone varustettiin ohjauslaitteella, keskipakopalautteensäätimellä moottorin nopeuden säätämiseksi. A. Wallace kuvaili palautetta "evoluutioperiaatteen välttämättömäksi" kuuluisassa 1858 työssään. Vuonna 1868 suuri fyysikko J. Maxwell julkaisi teoreettisen artikkelin ohjauslaitteista ja oli yksi ensimmäisistä, joka tarkasteli ja paransi itsesäätelylaitteiden periaatteita. J. Uexküll käytti palautemekanismia funktionaalisessa kiertomallissaan (saksalainen Funktionskreis) selittääkseen eläinten käyttäytymistä.

XX vuosisadalla

Moderni kybernetiikka sai alkunsa 1940-luvulla monitieteisenä tutkimusalana, jossa yhdistyvät ohjausjärjestelmät, sähköpiiriteoria, koneenrakennus, logiikkamallinnus, evoluutiobiologia ja neurotiede. Elektroniset ohjausjärjestelmät juontavat juurensa Bell Labsin insinööri Harold Blackin vuonna 1927 tekemästä työstä negatiivisen palautteen käytöstä vahvistimien ohjaamiseen. Ideoilla on myös yhteyksiä Ludwig von Bertalanffyn biologiseen työhön yleisessä systeemiteoriassa.

Kybernetiikka tieteenalana perustui Wienerin, McCullochin ja muiden, kuten W. R. Ashbyn ja W. G. Walterin työhön.

Walter oli yksi ensimmäisistä, joka rakensi autonomisia robotteja auttaakseen tutkimaan eläinten käyttäytymistä. Ranska oli Ison-Britannian ja Yhdysvaltojen ohella tärkeä maantieteellinen paikka varhaiselle kybernetiikalle.

Norbert Wiener

Tämän Ranskan oleskelun aikana Wiener sai ehdotuksen kirjoittaa essee aiheesta tämän soveltavan matematiikan osan yhdistäminen, joka löytyy Brownin liikkeen tutkimuksesta (ns. Wiener-prosessi) ja tietoliikenneteoriasta. Seuraavana kesänä hän käytti jo Yhdysvalloissa termiä "kybernetiikka" tieteellisen teorian otsikkona. Tämä nimi oli tarkoitettu kuvaamaan "tarkoituksellisten mekanismien" tutkimusta, ja sitä suosittiin kirjassa Cybernetics, or Control and Communication in the Animal and the Machine (Hermann & Cie, Paris, 1948). Yhdistyneessä kuningaskunnassa Ratio Club perustettiin tämän ympärille vuonna 1949. (Englanti).

Kybernetiikka Neuvostoliitossa

Hollantilaiset sosiologit Geyer ja Van der Zouwen Vuonna 1978 he tunnistivat joukon uusia nousevan kybernetiikan piirteitä. ”Yksi uuden kybernetiikan ominaisuuksista on, että se näkee tiedon ympäristön kanssa vuorovaikutuksessa olevien ihmisten rakentamana ja rekonstruoimana. Tämä tarjoaa tieteen epistemologisen perustan, kun sitä tarkastellaan tarkkailijan näkökulmasta. Toinen uuden kybernetiikan piirre on sen panos pelkistysongelman (makro- ja mikroanalyysin väliset ristiriidat) voittamiseen. Siten se yhdistää yksilön yhteiskuntaan." Geyer ja Van der Zouwen totesivat myös, että "siirtymä klassisesta kybernetiikasta uuteen kybernetiikkaan johtaa siirtymiseen klassisista ongelmista uusiin ongelmiin. Näitä ajattelun muutoksia ovat muun muassa muutokset ohjatun järjestelmän painottamisesta ohjaavaksi ja johdon päätöksiä ohjaavaksi tekijäksi. Ja uusi painopiste useiden järjestelmien välillä, jotka yrittävät hallita toisiaan."

CYBERNETICS, johtamistiede, joka tutkii pääasiassa matemaattisin menetelmin tiedon vastaanottamisen, tallennuksen, siirron ja muuntamisen yleisiä lakeja monimutkaisissa ohjausjärjestelmissä. Kybernetiikalla on muitakin, hieman erilaisia ​​määritelmiä. Toiset perustuvat informatiiviseen, toiset algoritmiseen näkökulmaan ja toisissa korostetaan palautteen käsitettä ilmaisevana kybernetiikan erityispiirteitä. Kaikissa määritelmissä kuitenkin viitataan johtamisjärjestelmien ja prosessien sekä tietoprosessien tutkimiseen matemaattisten menetelmien avulla. Kybernetiikan monimutkaisella ohjausjärjestelmällä tarkoitetaan mitä tahansa teknistä, biologista, hallinnollista, sosiaalista, ympäristöllistä tai taloudellista järjestelmää. Kybernetiikka perustuu koneiden, elävien organismien ja niiden populaatioiden ohjaus- ja viestintäprosessien samankaltaisuuteen.

Kybernetiikan päätehtävänä on tutkia ohjausprosessien taustalla olevia yleisiä malleja eri ympäristöissä, olosuhteissa ja alueilla. Nämä ovat ennen kaikkea tiedon siirto-, tallennus- ja käsittelyprosesseja. Samaan aikaan johtamisprosessit tapahtuvat monimutkaisissa dynaamisissa järjestelmissä - objekteissa, joissa on vaihtelua ja kykyä kehittyä.

Historiallinen sketsi. Uskotaan, että Platon käytti ensin sanaa "kybernetiikka" dialogissa "Lait" (4. vuosisadalla eKr.) tarkoittamaan "ihmisten hallintoa" [kreikan kielestä ϰυβερνητιϰή - hallinnan taide, josta latinalaiset sanat gubernare (johtaa) ja kuvernööri (kuvernööri) tulevat ]. Vuonna 1834 A. Ampere käytti tieteiden luokittelussaan tätä termiä viittaamaan "hallinnon käytäntöön". N. Wiener (1947) otti termin käyttöön moderniin tieteeseen.

Palautteeseen perustuvan automaattisen säätelyn kyberneettisen periaatteen toteuttivat automaattisissa laitteissa Ctesibius (noin 2. - 1. vuosisata eKr.; kelluvat vesikellot) ja Heron of Alexandria (noin 1. vuosisadalla jKr.). Keskiajalla luotiin monia automaattisia ja puoliautomaattisia laitteita, joita käytettiin kello- ja navigointimekanismeissa sekä vesimyllyissä. Systemaattinen työ teleologisten mekanismien eli asianmukaisesti käyttäytyvien ja korjaavalla palautteella varustettujen koneiden luomiseksi alkoi 1700-luvulla höyrykoneiden toiminnan säätelytarpeen vuoksi. Vuonna 1784 J. Watt patentoi automaattisella säätimellä varustetun höyrykoneen, jolla oli tärkeä rooli siirtymisessä teolliseen tuotantoon. Automaattisen säätelyn teorian kehityksen alkajaksi katsotaan J. C. Maxwellin artikkeli säätelijöistä (1868). Automaattisen ohjauksen teorian perustajia ovat I. A. Vyshnegradsky. 1930-luvulla I. P. Pavlovin teokset hahmottelivat aivojen ja sähköisten kytkentäpiirien vertailua. P.K. Anokhin tutki kehon toimintaa kehittämänsä toiminnallisten järjestelmien teorian perusteella ja ehdotti vuonna 1935 niin sanottua käänteisen afferentaation menetelmää - palautteen fysiologista analogia kehon käyttäytymisen hallinnassa. Lopulliset välttämättömät edellytykset matemaattisen kybernetiikan kehittymiselle loivat 1930-luvulla A. N. Kolmogorov, V. A. Kotelnikov, E. L. Post, A. M. Turing, A. Church.

Tarve luoda tiede, joka on omistettu kuvaamaan monimutkaisten teknisten järjestelmien ohjausta ja kommunikaatiota tietoprosessien kannalta ja tarjoamaan mahdollisuus niiden automatisointiin, tajusivat tiedemiehet ja insinöörit toisen maailmansodan aikana. Monimutkaiset asejärjestelmät ja muut tekniset välineet, joukkojen johtaminen ja hallinta sekä niiden tarjonta sotilasoperaatioalueilla ovat lisänneet huomiota ohjauksen ja viestinnän automatisointiongelmiin. Automatisoitujen järjestelmien monimutkaisuus ja monimuotoisuus, tarve yhdistää niissä erilaisia ​​ohjaus- ja viestintävälineitä sekä tietokoneiden luomat uudet ominaisuudet ovat johtaneet yhtenäisen, yleisen ohjaus- ja viestintäteorian, yleisen tiedonsiirron ja tiedonsiirron teorian luomiseen. muunnos. Nämä tehtävät vaativat tavalla tai toisella kuvauksen tutkittavista prosesseista tiedon keräämisen, tallennuksen, käsittelyn, analysoinnin ja arvioinnin sekä johtamis- tai ennustepäätöksen saamiseksi.

Sodan alusta lähtien N. Wiener (yhdessä amerikkalaisen suunnittelijan V. Bushin kanssa) osallistui laskentalaitteiden kehittämiseen. Vuodesta 1943 lähtien hän aloitti tietokoneiden kehittämisen yhdessä J. von Neumannin kanssa. Tältä osin Princeton Institute for Advanced Studyssa (USA) pidettiin vuosina 1943-44 kokouksia, joihin osallistuivat eri erikoisalojen edustajat - matemaatikot, fyysikot, insinöörit, fysiologit, neurologit. Täällä lopulta muodostettiin Wiener-von Neumann-ryhmä, johon kuuluivat tutkijat W. McCulloch (USA) ja A. Rosenbluth (Meksiko); Tämän ryhmän työskentely mahdollisti kyberneettisten ideoiden muotoilun ja kehittämisen suhteessa todellisiin teknisiin ja lääketieteellisiin ongelmiin. Näiden tutkimusten tulokset tiivisti Wiener kirjassaan Cybernetics, joka julkaistiin vuonna 1948.

Merkittävän panoksen kybernetiikan kehittämiseen antoivat N. M. Amosov, P. K. Anokhin, A. I. Berg, E. S. Bir, V. M. Glushkov, Yu V. Gulyaev, Yu I. Zhuravlev, A. N. Kolmogorov, V. N. A. Koov. Larichev, O. B. Lupanov, A. A. Lyapunov, A. A. Markov, J. von Neumann, B. N. Petrov, E. L. Post, A. M. Turing, Ya Z. Tsypkin, N. Chomsky, A. Church, K. Shannon, S. V. Yablonsky sekä kotimaiset. tutkijat M. A Aizerman, V. M. Akhutin, B. V. Biryukov, A. I. Kitov, A. Ya Lerner, Vyach. Vyach. Petrov, ukrainalainen tiedemies A. G. Ivakhnenko.

Kybernetiikan kehitystä seurasi yksittäisten tieteiden, tieteellisten suuntausten ja niiden osien imeytyminen ja vuorostaan ​​kybernetiikan ilmaantuminen ja sitä seurannut uusien tieteiden irtautuminen siitä, joista monet muodostivat tietojenkäsittelytieteen toiminnallisia ja soveltavia osia (v. erityisesti hahmontunnistus, kuva-analyysi, tekoäly). Kybernetiikka on rakenteeltaan melko monimutkainen, eikä tiedeyhteisö ole päässyt täydelliseen yhteisymmärrykseen sen olennaisista osista ja osista. Tässä artikkelissa ehdotettu tulkinta perustuu kotimaisten tietojenkäsittelytieteen, matematiikan ja kybernetiikan koulujen perinteisiin ja säännöksiin, jotka eivät aiheuta vakavia erimielisyyksiä johtavien tiedemiesten ja asiantuntijoiden välillä, joista useimmat ovat samaa mieltä siitä, että kybernetiikka on omistettu tiedoksi, sen käsittely ja tietojärjestelmiin liittyvä teknologia; tutkii tietoa tallentavien, käsittelevien ja välittävien luonnollisten ja keinotekoisten järjestelmien rakennetta, käyttäytymistä ja vuorovaikutusta; kehittää omat käsitteelliset ja teoreettiset perustansa; sillä on laskennallisia, kognitiivisia ja sosiaalisia näkökohtia, mukaan lukien tietotekniikan sosiaaliset vaikutukset tietokoneiden, yksilöiden ja organisaatioiden käsittelyssä tietoa.

1980-luvulta lähtien kiinnostus kybernetiikkaa kohtaan on hieman laskenut. Siihen liittyy kaksi päätekijää: 1) kybernetiikan muodostumisaikana tekoälyn luominen tuntui monille yksinkertaisemmalta tehtävältä kuin se todellisuudessa oli, ja sen ratkaisu oli ennakoitavissa olevassa tulevaisuudessa; 2) kybernetiikan pohjalta, perittyään sen perusmenetelmät, erityisesti matemaattiset, ja omaksunut kybernetiikan lähes kokonaan, syntyi uusi tiede - tietojenkäsittely.

Tärkeimmät tutkimusmenetelmät ja yhteydet muihin tieteisiin. Kybernetiikka on monialainen tiede. Se syntyi matematiikan, automaattisen ohjausteorian, logiikan, semiotiikan, fysiologian, biologian ja sosiologian risteyksessä. Kybernetiikan muodostumiseen vaikuttivat itse matematiikan kehityssuunnat, eri tieteenalojen matematisoituminen, matemaattisten menetelmien leviäminen monille käytännön toiminnan alueille ja tietotekniikan nopea kehitys. Matematisointiprosessiin liittyi joukko uusia matemaattisia tieteenaloja, kuten algoritmiteoria, informaatioteoria, operaatiotutkimus, peliteoria, jotka ovat olennainen osa matemaattisen kybernetiikan laitteistoa. Ohjausjärjestelmien teorian, kombinatorisen analyysin, graafiteorian ja koodausteorian ongelmien pohjalta syntyi diskreetti matematiikka, joka on myös yksi kybernetiikan tärkeimmistä matemaattisista työkaluista. Kybernetiikka muodostui 1970-luvun alussa fysikaaliseksi ja matemaattiseksi tieteeksi, jolla on oma tutkimuskohde - niin sanotut kyberneettiset järjestelmät. Kyberneettinen järjestelmä koostuu elementeistä, yksinkertaisimmassa tapauksessa se voi koostua yhdestä elementistä. Kyberneettinen järjestelmä vastaanottaa tulosignaalin (edustaa sen elementtien tulosignaaleja), sillä on sisäiset tilat (eli elementtien sisäisten tilojen joukot määritellään); Käsittelemällä tulosignaalia järjestelmä muuttaa sisäisen tilan ja tuottaa lähtösignaalin. Kyberneettisen järjestelmän rakenteen määräävät monet elementtien tulo- ja lähtösignaalit yhdistävät suhteet.

Kybernetiikassa kyberneettisten järjestelmien analysointi- ja synteesitehtävät ovat tärkeitä. Analyysin tehtävänä on löytää järjestelmän suorittaman tiedon muuntamisen ominaisuudet. Synteesin tehtävänä on rakentaa järjestelmä sen muunnoksen kuvauksen mukaisesti, joka sen on suoritettava; tässä tapauksessa elementtiluokka, josta järjestelmä voi koostua, on kiinteä. Erittäin tärkeä on ongelma löytää kyberneettisiä järjestelmiä, jotka määrittävät saman muunnoksen, eli kyberneettisten järjestelmien vastaavuusongelma. Jos määritellään kyberneettisten järjestelmien laatufunktio, niin ongelmana on löytää paras järjestelmä vastaavien kyberneettisten järjestelmien luokasta, eli järjestelmä, jonka laatufunktion arvo on maksimi. Kybernetiikka ottaa huomioon myös kyberneettisten järjestelmien luotettavuusongelmia, joiden ratkaisulla pyritään lisäämään järjestelmien toiminnan luotettavuutta parantamalla niiden rakennetta.

Melko yksinkertaisissa järjestelmissä luetellut tehtävät voidaan yleensä ratkaista klassisilla matematiikan keinoilla. Vaikeuksia syntyy monimutkaisten järjestelmien analysoinnissa ja synteesissä, jotka kybernetiikassa ymmärretään järjestelmiksi, joilla ei ole yksinkertaisia ​​kuvauksia. Nämä ovat yleensä biologiassa tutkittuja kyberneettisiä järjestelmiä. Tutkimuksen suunta, joka on saanut nimen "suurien (monimutkaisten) järjestelmien teoria", on kehittynyt kybernetiikassa 1950-luvulta lähtien. Luonteeltaan monimutkaisten järjestelmien lisäksi tutkitaan monimutkaisia ​​tuotannon automaatiojärjestelmiä, taloussuunnittelujärjestelmiä, hallinto- ja talousjärjestelmiä sekä sotilaallisia järjestelmiä. Monimutkaisten ohjausjärjestelmien tutkimusmenetelmät muodostavat järjestelmäanalyysin ja toimintatutkimuksen perustan.

Kybernetiikan monimutkaisten järjestelmien tutkimiseen käytetään sekä matemaattisia menetelmiä että kokeellista lähestymistapaa, jossa käytetään erilaisia ​​kokeita joko tutkittavalla esineellä tai sen todellisella fysikaalisella mallilla. Kybernetiikan päämenetelmiä ovat algoritmisointi, palautteen käyttö, konekoemenetelmä, "mustan laatikon" menetelmä, systeemilähestymistapa ja formalisointi. Yksi kybernetiikan tärkeimmistä saavutuksista on uuden lähestymistavan – matemaattisen mallintamisen menetelmän – kehittäminen. Se koostuu siitä, että kokeita ei suoriteta todellisella fysikaalisella mallilla, vaan tutkittavan kohteen mallin tietokoneella toteutuksella, joka on rakennettu sen kuvauksen mukaan. Tämä tietokonemalli, mukaan lukien ohjelmat, jotka toteuttavat muutoksia objektin parametreihin sen kuvauksen mukaisesti, on toteutettu tietokoneella, jonka avulla on mahdollista suorittaa erilaisia ​​kokeita mallilla, tallentaa sen käyttäytymistä erilaisissa olosuhteissa, muuttaa tiettyjä rakenteita. malli jne.

Kybernetiikan teoreettinen perusta on matemaattinen kybernetiikka, joka on omistettu menetelmille, joilla tutkitaan laajoja kyberneettisten järjestelmien luokkia. Matemaattisessa kybernetiikassa käytetään useita matematiikan aloja, kuten matemaattista logiikkaa, diskreettiä matematiikkaa, todennäköisyysteoriaa, laskennallista matematiikkaa, informaatioteoriaa, koodausteoriaa, lukuteoriaa, automaatioteoriaa, kompleksisuusteoriaa sekä matemaattista mallintamista ja ohjelmointia.

Kybernetiikan sovellusalueesta riippuen ne erottavat: tekninen kybernetiikka, mukaan lukien teknisten prosessien automatisointi, automaattisten ohjausjärjestelmien teoria, tietokonetekniikka, tietokoneteoria, automaattiset suunnittelujärjestelmät, luotettavuusteoria; taloudellinen kybernetiikka; biologinen kybernetiikka, mukaan lukien bioniikka, biosysteemien matemaattiset ja konemallit, neurokybernetiikka, biotekniikka; lääketieteellinen kybernetiikka, joka käsittelee lääketieteen ja terveydenhuollon johtamisprosessia, sairauksien simulaatio- ja matemaattisten mallien kehittämistä, diagnoosin ja hoidon suunnittelun automatisointia; psykologinen kybernetiikka, mukaan lukien henkisten toimintojen tutkimus ja mallintaminen, joka perustuu ihmisen käyttäytymisen tutkimukseen; fysiologinen kybernetiikka, mukaan lukien solujen, elinten ja järjestelmien toimintojen tutkimus ja mallintaminen normaaleissa ja patologisissa olosuhteissa lääketieteellisiin tarkoituksiin; lingvistinen kybernetiikka, mukaan lukien konekäännösten ja tietokoneiden kanssa kommunikoinnin kehittäminen luonnollisella kielellä sekä tiedon käsittelyn, analysoinnin ja arvioinnin rakenteelliset mallit. Yksi kybernetiikan tärkeimmistä saavutuksista on ihmisen ajatteluprosessien mallintamisen ongelman tunnistaminen ja muotoilu.

Lit.: Ashby W. R. Johdatus kybernetiikkaan. M., 1959; Anokhin P.K. Fysiologia ja kybernetiikka // Kybernetiikan filosofiset kysymykset. M., 1961; Logiikka. Automaattiset koneet. Algoritmit. M., 1963; Glushkov V. M. Johdatus kybernetiikkaan. K., 1964; aka. Kybernetiikka. Teorian ja käytännön kysymyksiä. M., 1986; Tsetlin M. L. Automaattiteorian ja biologisten järjestelmien mallintamisen tutkimus. M., 1969; Biryukov B.V., Geller E.S. Kybernetiikka humanistisissa tieteissä. M., 1973; Biryukov B.V. Kybernetiikka ja tieteen metodologia. M., 1974; Wiener N. Kybernetiikka eli ohjaus ja viestintä eläimissä ja koneissa. 2. painos M., 1983; aka. Kybernetiikka ja yhteiskunta. M., 2003; George F. Kybernetiikan perusteet. M., 1984; Tekoäly: käsikirja. M., 1990. T. 1-3; Zhuravlev Yu I. Valitut tieteelliset teokset. M., 1998; Luger J.F. Tekoäly: strategioita ja menetelmiä monimutkaisten ongelmien ratkaisemiseksi. M., 2003; Samarsky A. A., Mikhailov A. P. Matemaattinen mallinnus. Ideoita, menetelmiä, esimerkkejä. 2. painos M., 2005; Larichev O.I. Teoria ja päätöksentekomenetelmät. 3. painos M., 2008.

Yu I. Zhuravlev, I. B. Gurevich.

Haku materiaaleista:

Materiaalien lukumäärä: 0.

Lisää 1 materiaali

Todistus
sähköisen portfolion luomisesta

Lisää 5 materiaalia

Salaisuus
esittää

Lisää 10 materiaalia

Todistus varten
koulutuksen informatointi

Lisää 12 materiaalia

Arvostelu
ilmainen mille tahansa materiaalille

Lisää 15 materiaalia

Video oppitunnit
tehokkaiden esitysten nopeaan luomiseen

Lisää 17 materiaalia

1.8 Tietojenkäsittelytieteen kyberneettiset näkökohdat
1.8.1. Aiheena kybernetiikka

Sana "kybernetiikka" tulee kreikan sanasta, joka tarkoittaa käännöksessä
"ruorimies". Sen nykyaikainen merkitys liittyy tieteenalaan, jonka alkuun
perustettiin amerikkalaisen tiedemiehen Norbert Wienerin kirjan "Cybernetics, or
ohjaus ja viestintä eläimissä ja koneissa”, julkaistiin vuonna 1948. Pian aihe
ei vain biologisia ja teknisiä järjestelmiä, vaan myös järjestelmiä
luonteeltaan mikä tahansa, joka pystyy havaitsemaan, tallentamaan ja käsittelemään tietoa
ja käytä sitä hallintaan ja säätelyyn. Julkaistu 1947
Encyclopedia of Cybernetics sanoo, että se on "...tiede yleisistä laeista
tiedon vastaanottaminen, tallentaminen, lähettäminen ja muuntaminen monimutkaiseksi
ohjausjärjestelmät. Tässä tapauksessa ohjausjärjestelmät tarkoittavat
ei vain teknisiä, vaan myös kaikkia biologisia, hallinnollisia ja sosiaalisia
järjestelmät." Siten kybernetiikka ja tietojenkäsittelytiede ovat todennäköisimpiä
yhtenäinen tiede. Nykyään kybernetiikkaa pidetään yhä enemmän osana tietotekniikkaa, sen
"korkein" osa, jossain määrin samanlainen asemaltaan "korkein"
matematiikka" suhteessa kaikkeen matematiikkaan yleensä (suunnilleen samalla tavalla
asema suhteessa tietojenkäsittelytieteeseen on myös "keinotekoisen" tiedettä
älykkyys"). Tietojenkäsittelytiede kokonaisuudessaan on laajempaa kuin kybernetiikka, koska tietotekniikassa
Tietokonearkkitehtuuriin ja ohjelmointiin liittyvät näkökohdat
ei voi suoraan liittyä kybernetiikkaan.
Tietojenkäsittelytieteen kyberneettisillä aloilla on runsaasti lähestymistapoja ja
malleja eri järjestelmien tutkimuksessa ja niitä käytetään laitteistona
monia perus- ja sovelletun matematiikan osia.
Klassinen ja jossain määrin itsenäinen kybernetiikan ala
harkita toimintatutkimusta. Tämä termi viittaa käyttöön
matemaattisia menetelmiä eri alojen päätösten perustelemiseksi
määrätietoista inhimillistä toimintaa.

Selvitetään, mitä "päätöksellä" tarkoitetaan. Tehdään vähän ponnisteluja
tapahtuma (teollisuuden, talouden tai yhteiskunnan alalla),
jolla pyritään saavuttamaan tietty tavoite - tällaista tapahtumaa kutsutaan
"operaatio". Tämän suorittamisesta vastaava henkilö (tai henkilöryhmä).
tapahtumaan, sinulla on mahdollisuus valita, miten se järjestetään. Esimerkiksi: voit
valitse tuotetyypit; varusteita, jotka
tämä pätee; jakaa käytettävissä olevat varat tavalla tai toisella jne.
"Operaatio" on kontrolloitu tapahtuma.
Päätös on valinta useista päätöksentekijän käytettävissä olevista vaihtoehdoista.
Päätökset voivat olla onnistuneita ja epäonnistuneita, järkeviä ja
kohtuuttomia ratkaisuja kutsutaan syystä tai toisesta optimaaliseksi
parempia kuin muut. Toimintatutkimuksen tarkoitus on
optimaalisten ratkaisujen matemaattiset (kvantitatiiviset) perustelut.
Toimintatutkimus sisältää seuraavat osat:
1) matemaattinen ohjelmointi (suunnitelmien perustelut, ohjelmat
Taloudellinen aktiivisuus); se sisältää suhteellisen itsenäisiä
osat: lineaarinen ohjelmointi, epälineaarinen ohjelmointi,
dynaaminen ohjelmointi (kaikissa näissä nimissä termi
"ohjelmointi" syntyi historiallisesti, eikä sillä ole mitään tekemistä sen kanssa
tietokoneohjelmointi);
2) jonoteoria, joka perustuu satunnaisprosessien teoriaan;
3) peliteoria, jonka avulla voidaan perustella olosuhteissa tehtyjä päätöksiä
epätäydellisiä tietoja.
Huomaa, että nämä osiot eivät liity suoraan tietokoneisiin ja tekniikkaan
järjestelmät. Toiset, jotka kehittyivät nopeasti 1970- ja 1980-luvuilla. kybernetiikan osa
siellä oli automaattisia (automaattisia) ohjausjärjestelmiä. Tämä alue
on suljettu, itsenäinen, historiallisesti vakiintunut
omillaan. Se liittyy läheisesti teknisten järjestelmien kehittämiseen
automatisoitu teknologinen ja hallinta
tuotantoprosessit.

Toinen kybernetiikan klassinen haara on tunnustaminen
kuvat, jotka syntyivät mallinnusongelmasta teknisissä havaintojärjestelmissä
merkkien, esineiden ja puheen henkilö sekä käsitteiden muodostuminen henkilössä
(koulutus yksinkertaisimmassa, teknisessä mielessä). Tämä jakso on suurelta osin
syntyi robotiikan teknisistä tarpeista. Esimerkiksi sitä vaaditaan
robottiasentaja tunnisti tarvittavat osat. Kun lajitellaan automaattisesti (tai
Osien hylkääminen edellyttää tunnistuskykyä.
Kybernetiikan (ja kaiken tietojenkäsittelytieteen yleensä) huippu on osa
omistettu tekoälyn ongelmille. Nykyaikaisin
ohjausjärjestelmillä on ominaisuus tehdä päätöksiä - omaisuus
älykkyys, ts. ne mallintaa henkistä toimintaa
henkilö päätöksiä tehdessään.

1.8.2. Hallitut järjestelmät

Huolimatta kybernetiikan moninaisista ongelmista, mallien moninaisuudesta,
lähestymistapojen ja menetelmien ansiosta kybernetiikka säilyy yhtenäisenä tieteenä käytön ansiosta
järjestelmäteoriaan ja järjestelmäanalyysiin perustuva yleinen metodologia.
Järjestelmä on äärimmäisen laaja, alkuperäinen, ei tiukasti määritelty käsite.
Oletetaan, että järjestelmällä on rakenne, ts. koostuu suhteellisen
yksittäisiä osia (elementtejä), jotka ovat kuitenkin merkitseviä
suhteita ja vuorovaikutuksia. Vuorovaikutuksen merkitys on siinä
sen ansiosta järjestelmän elementit saavat yhdessä tietyn uuden toiminnon,
uusi ominaisuus, joka ei ole millään elementillä erikseen. Siinä
on ero järjestelmän ja verkon välillä, joka myös koostuu yksittäisistä elementeistä, mutta ei
joita yhdistävät merkittävät suhteet. Vertaa esim.
yritys, jonka työpajat muodostavat järjestelmän, koska vain kaikki yhdessä
hankkia kyky tuottaa lopputuotteita (eikä mitään niistä
yksin ei selviä tästä tehtävästä), ja myymäläverkosto, joka voi toimia
toisistaan ​​riippumatta.

Kybernetiikka hallinnan tieteenä ei tutki kaikkia järjestelmiä yleisesti, vaan
vain hallittuja järjestelmiä. Mutta kybernetiikan kiinnostuksen kohteiden ja sovellusten alue
ulottuu monenlaisiin biologisiin, taloudellisiin,
sosiaaliset järjestelmät.
Yksi ohjatun järjestelmän ominaispiirteistä on kyky
muuttua eri tiloihin ohjaustoimien vaikutuksesta. Aina
on olemassa tietty joukko järjestelmän tiloja, joista valitaan
optimaalinen kunto.
Ottaen pois yksittäisten kyberneettisten järjestelmien erityispiirteistä ja
korostetaan kuvioita, jotka ovat yhteisiä tietyille järjestelmille, jotka kuvaavat
muuttavat tilaansa erilaisten valvontatoimien alla, tulemme
abstraktin kyberneettisen järjestelmän käsite. Sen komponentit eivät ole
konkreettisia esineitä, mutta abstrakteja elementtejä luonnehtii
tietyt ominaisuudet, jotka ovat yhteisiä laajalle esineryhmälle.
Koska kyberneettiset järjestelmät ymmärretään ohjatuiksi järjestelmiksi,
Niissä on oltava mekanismi, joka suorittaa ohjaustoiminnot. Useammin
Kaiken kaikkiaan tämä mekanismi toteutetaan erityisesti suunniteltujen elinten muodossa
ohjaus (kuva 1.38).

Riisi. 1.38. Kaavamainen esitys kyberneettisestä järjestelmästä muodossa
sarja ohjausta ja ohjattuja osia

Kuvan nuolet osoittavat osien väliset vaikutukset
järjestelmät. Nuoli, joka kulkee järjestelmän ohjausosasta ohjattuun osaan,
tarkoittaa ohjaussignaaleja. Järjestelmän ohjausosa, joka tuottaa
ohjaussignaaleja kutsutaan ohjauslaitteiksi. Manager
laite generoi ohjaussignaaleja tilainformaation perusteella

ohjattu järjestelmä (näkyy kuvassa nuolella ohjatusta osasta
järjestelmä ohjausosaan) vaaditun tilan saavuttamiseksi
häiritseviä vaikutteita. Sääntöjoukko, jonka mukaan tietoa
ohjauslaitteeseen pääsy käsitellään ohjaussignaaleiksi,
jota kutsutaan ohjausalgoritmiksi.
Esitettyjen käsitteiden perusteella voit määritellä käsitteen
"valvonta". Ohjaus on vaikutusta objektiin, joka valitaan joukosta
mahdolliset vaikutukset tähän tarkoitukseen käytettävissä olevien tietojen perusteella, parantaen
tämän laitoksen käyttöön tai kehittämiseen.
Ohjausjärjestelmät ratkaisevat neljä päätyyppiä ohjausongelmia: 1)
säätely (vakauttaminen); 2) ohjelman suoritus; 3) seuranta; 4)
optimointi.
Sääntelyn tavoitteena on ylläpitää järjestelmän parametreja –
kontrolloidut suuret – lähellä joitain vakioasetusarvoja (x),
huolimatta (x) arvoihin vaikuttavien häiriöiden M vaikutuksesta. Saatavilla täältä
aktiivisen häiriösuojauksen muoto, joka eroaa olennaisesti passiivisesta
suojausmenetelmään kuuluu ohjausjärjestelmien kehittäminen
ohjata toimenpiteitä, jotka estävät häiriöitä. Kyllä, tehtävä
vaaditun järjestelmän lämpötilan ylläpitäminen voidaan ratkaista käyttämällä
ohjattu lämmitys tai jäähdytys. Passiivinen suojaus koostuu
antaa objektille sellaiset ominaisuudet, että meitä kiinnostavien parametrien riippuvuus
ulkoisista häiriöistä oli pieni. Esimerkki passiivisesta suojauksesta on
lämpöeristys tietyn järjestelmän lämpötilan ylläpitämiseksi,
korroosionestopinnoitteet koneenosille.
Ohjelman suoritustehtävä syntyy tapauksissa, joissa määritetyt arvot
kontrolloidut määrät (x) muuttuvat ajan myötä tunnetulla tavalla, esimerkiksi sisään
tuotantoa suoritettaessa töitä ennalta määrätyn aikataulun mukaisesti. SISÄÄN
biologisissa järjestelmissä esimerkkejä ohjelman toteuttamisesta ovat kehittäminen
eliöt munista, lintujen kausiluontoiset muuttoliikkeet, hyönteisten metamorfoosit.
Seurannan tehtävänä on säilyttää mahdollisimman läheinen vastaavuus joidenkin kanssa
ohjattu parametri x0(t) muuttuu järjestelmän nykyiseen tilaan

odottamattomalla tavalla. Seurannan tarve syntyy esimerkiksi silloin, kun
tavaroiden tuotannon hallinta muuttuvan kysynnän olosuhteissa.
Optimointiongelmat - tietyssä mielessä parhaan tilan luominen
hallitun objektin toiminta tai tila - ovat esimerkiksi melko yleisiä
teknisten prosessien hallinta raaka-ainehäviöiden minimoimiseksi jne.
Järjestelmät, joissa sitä ei käytetä ohjaustoimintojen luomiseen
tiedot arvoista, joita valvotut suuret ottavat prosessissa
ohjausjärjestelmiä kutsutaan avoimen silmukan ohjausjärjestelmiksi. Rakenne on tällainen
järjestelmä on esitetty kuvassa. 1.39.

Riisi. 1.39. Avoimen silmukan ohjausjärjestelmä

Ohjausalgoritmi toteutetaan ohjauslaitteella CU, joka
tarjoaa häiriön M seurannan ja tämän häiriön kompensoinnin ilman
käyttämällä ohjattua muuttujaa X.
Päinvastoin, suljetuissa valvontajärjestelmissä johtajien muodostamiseksi
vaikutusten perusteella käytetään tietoa kontrolloitujen suureiden arvosta.
Tällaisen järjestelmän rakenne on esitetty kuvassa. 1.40. Yhteydenpito viikonloppuisin
ohjattavan järjestelmän saman elementin parametrit X ja tulo Y
kutsutaan palautteeksi.

Riisi. 1.40. Suljetun silmukan ohjausjärjestelmä

Palaute on yksi tärkeimmistä kybernetiikan käsitteistä, auttamisesta
ymmärtää monia ilmiöitä, joita esiintyy erilaisissa ohjatuissa järjestelmissä
luonto. Palautetta löytyy prosesseja tutkimalla
esiintyy elävissä organismeissa, taloudellisissa rakenteissa, järjestelmissä
automaattinen säätö. Palaute, joka lisää syötteen vaikutusta
vaikutusta järjestelmän ohjattuihin parametreihin kutsutaan positiiviseksi,
syötteen vaikutuksen vähentäminen – negatiivinen.
Positiivista palautetta käytetään monissa teknisissä laitteissa
tehostaa, lisätä tulovaikutusten arvoja. Negatiivinen
palautetta käytetään palauttamaan ulkoisten häiriöiden häiriintynyt tasapaino
vaikutusta järjestelmään.

1.8.3. Ihmisen ja koneen toiminnot ohjausjärjestelmissä

Hyvin tutkittu kyberneettisten menetelmien sovellusalue on
teknologia- ja tuotantoala, teollisuusjohtaminen
yritys.
Keskikokoisen ja suuren yrityksen johtamisessa esiin tulevat haasteet
ovat jo melko monimutkaisia, mutta ne voidaan ratkaista sähköisesti
tietokoneita. Yrityksen hallintajärjestelmät tai
alueet (alueet, kaupungit), jotka käyttävät tietokoneita käsittelyyn ja varastointiin
Tietoja kutsutaan automaattisiksi ohjausjärjestelmiksi (ACS). Tekijä:
Tällaiset järjestelmät ovat luonteeltaan ihminen-kone, ts. kera
tehokkaiden tietokoneiden käyttö edellyttää henkilön läsnäoloa hänen kanssaan
älykkyyttä.
Ihminen-kone -järjestelmissä oletetaan seuraava toimintojako
kone ja ihminen: kone varastoi ja käsittelee suuria määriä

tietoa, tarjoaa tietotukea päätöksentekoon
henkilön toimesta; ihminen tekee johtamispäätöksiä.
Ihmisen ja koneen järjestelmissä tietokoneet suorittavat useammin rutiinia,
epäluovaa, työvoimavaltaista tiedonkäsittelyä, joka vapauttaa ihmisen aikaa
luovaa toimintaa varten. Kuitenkin tavoitteena kehittää tietokonetta
(tieto)ohjaustekniikka on täyttä automaatiota
toimintoja, joihin sisältyy henkilön osittainen tai täydellinen vapauttaminen
tarve tehdä päätöksiä. Tämä ei johdu vain halusta purkaa
ihmisen, mutta myös sillä, että tekniikan ja teknologian kehitys on johtanut tilanteisiin, joissa
henkilö hänen luontaisten fysiologisten ja psykologisten rajoitustensa vuoksi
hänellä ei yksinkertaisesti ole aikaa tehdä päätöksiä reaaliajassa
prosessi, joka uhkaa katastrofaaliset seuraukset, esimerkiksi: tarve
ydinreaktorin hätäsuojauksen aktivointi, reagointi tapahtumiin,
tapahtuu avaruusalusten laukaisujen aikana jne.
Järjestelmällä, joka korvaa henkilön, täytyy olla älykkyyttä jossain määrin
samanlainen kuin ihmisen tekoäly. Tutkimus
suuntaa myös tekoälyjärjestelmien alalla
kybernetiikka kuitenkin, koska se on tärkeä kaiken tietojenkäsittelytieteen tulevaisuudennäkymille
Yleisesti ottaen tarkastelemme sitä erillisessä kappaleessa.

Kontrollikysymykset

1. Mikä on tieteen "Kybernetiikka" aihe?
2. Kuvaile tieteellisessä osiossa ”toimintatutkimus” ratkaistuja ongelmia.
3. Missä asemassa on automaattisen ohjauksen teoria ja
säätö?
4. Mitä "järjestelmä" tarkoittaa?
5. Mikä on "valvontajärjestelmä"?
6. Kuvaile ohjausjärjestelmissä ilmeneviä tehtäviä.

7. Mitä on "palaute"? Anna esimerkkejä muiden palautteesta
hallitset järjestelmiä.
8. Mikä on automaattinen ohjausjärjestelmä?
9. Mikä on ihmisen ja tietokoneen paikka ihminen-kone-ohjausjärjestelmissä?

Kehittämisen aikana tieteellisen ja teknologisen vallankumouksen, fyysinen ja kemiallinen
ja ihmisen biologinen vaikutus luontoon. Mitä voimakkaampi vaikutus, sitä
niiden hallintakeinojen on oltava tehokkaampia, ja meidän ensisijainen tehtävämme
ajan kuluessa siitä ei tule pelkästään eikä niinkään optimaalisen valinnan (taloudellisesti
hyödylliset) hallintatavat, kuinka paljon ennakointia ja ennaltaehkäisyä
jatkuvasti kasvava vaara peruuttamattomien luonnollisten prosessien esiintymisestä, jotka uhkaavat
ihmisen olemassaolo ja elämä maan päällä yleensä. Tuskin koskaan ennen
ihmiskunta on asettanut itselleen monimutkaisemman ja vastuullisemman tehtävän.
Voidaan kiistellä siitä, milloin ja millä tavoin peruuttamattomia muutoksia luonnossa tapahtuu.
tulee olemaan niiden seuraukset, mutta ei ole epäilystäkään siitä, että historian ratkaisulle antama aika
tämä monimutkainen ongelma ei ole niin suuri.
Tässä valossa systeemiteoriaa tai systemologiaa koskevat teokset saavat erityisen merkityksen.
(jota kutsutaan useammin "järjestelmälähestymistapaksi", joka itse asiassa syntyi yhteydessä
tarve ratkaista samantyyppisiä ongelmia). Nuo teokset ovat erityisen arvokkaita
järjestelmäorientaatio, joka ei ainoastaan ​​esitä metodologian perusperiaatteet
järjestelmäteoriaa ja osoittaa systeemisen lähestymistavan tehokkuuden ratkaisuun
varsin monimutkaisia ​​ja relevantteja kyberneettisiä ongelmia. Tämä kirja on
juuri tämän tyyppistä työtä: systemaattista sekä aiheeltaan että esityksen hengeltä.
Kirjan ensimmäisessä osassa kirjailija tarkastelee yksityiskohtaisesti järjestelmälähestymistavan olemusta, mutta toisessa
soveltaa sitä kybernetiikan yleisimpien semioottisten ongelmien ratkaisuun. Molemmat
kirjan osat ovat alkuperäisiä ja niillä on itsenäinen merkitys.
Yksi kirjan erityispiirteistä on sen yritys esittää systemologian olemus
yksittäinen näkökulma. Tätä varten kirjoittaja analysoi syvällisesti taustalla olevia käsitteitä
esitetty systemologian käsite ja osoittaa, että nämä käsitteet liittyvät lakeihin ja

materialistisen dialektiikan luokkiin ja että systeeminen lähestymistapa on vain
peruslakien tuntemuksen tuominen erityisten käytännön sovellusten tasolle
luonnon kehitystä, ei uutta maailmankuvaa, kuten teoreetikot usein kuvittelevat
järjestelmäteoria lännessä.
Kirjoittaja ei yritä virallistaa itse esitystä, mikä tietysti olisi
ennenaikaista, vaikkakin hyvin houkuttelevaa, mutta kirjassa omaksutulla tavalla
esitystä voidaan pitää ensimmäisenä askeleena tähän suuntaan.
Systemaattista lähestymistapaa esitettäessä G. P. Melnikovin työssä päähuomio kiinnitetään siihen
mikä yhdistää järjestelmän yhdeksi kokonaisuudeksi. Monet kirjailijat opiskellessaan monimutkaisia
järjestelmät pyrkivät joko jakamaan ne yksinkertaisempiin osiin ja pohtimaan niiden välisiä yhteyksiä
osat esteenä tällaiselle jakautumiselle tai päinvastoin keskittää kaikki
huomio vain yhdistäviin linkkeihin, osien väliseen suhteiden (rakenteeseen) verkostoon ja
kokonaisuuden elementtejä ja julistaa yhdistettyjen elementtien luonteen merkityksettömiksi
eheyden muodostuminen. Toisin kuin he, G.P Melnikov kiinnittää huomiota myös
kokonaisuuden rakenteesta ja niistä ominaisuuksista, jotka johtuvat kustakin elementistä
itse tosiasia järjestelmän olemassaolosta tiettynä yhtenäisyytenä ja kokonaisuuden ominaisuudet,
jotka johtuvat elementtien ainutlaatuisista ominaisuuksista ja osoittavat mekanismit
kaikkien näiden järjestelmän parametrien yhteisymmärrys muodostetaan pakollisten kanssa
vuorovaikutusta ulkoisen ympäristön kanssa.
Jokaisen järjestelmän, siltä osin kuin se on olemassa, on hankittava tarvittavat ominaisuudet
vastustaa ulkoisia voimia (muiden järjestelmien vaikutuksia), joilla on taipumus
tuhota tämän järjestelmän. Mitä pidempään järjestelmä on olemassa ja sitä voimakkaammat vaikutukset ovat,
jolle se altistuu, sitä enemmän koko järjestelmässä ja sen jokaisessa elementissä
prosessissa kehittyneiden keskinäisen johdonmukaisuuden ominaisuuksien tulee ilmetä
sopeutumista. Juuri näitä ominaisuuksia Hegel piti mielessä, kun hän sanoi sen pisaralla
valtameren ominaisuudet heijastuvat.
Näiden yhteisten ominaisuuksien tunnistaminen ja niiden perimmäisen syyn löytäminen (piilotettu kompleksiin
ulkoiset vaikutukset), joita kirjoittaja kutsuu järjestelmän määrääviksi, avautuu laajalle
mahdollisuuksia tutkia niitä monimutkaisten järjestelmien ominaisuuksia, jotka itse asiassa
tehdä niistä "monimutkaisia".
Tämä antaa meille mahdollisuuden tarkastella järjestelmän käsitettä uudella tavalla ja löytää tällaisia ​​yhteyksiä niiden välillä
sen osat ja sen elementtien sellaiset ominaisuudet, joiden olemassaolo on usein vaikeaa ja

epäilty. Juuri tällä tiellä G.P. Melnikov ominaisuuksien tutkimisen seurauksena
valtava määrä kieliä maailmassa, oli mahdollista löytää hyvin erityisiä tyyppejä
riippuvuuksia kielen kieliopin ja sen fonetiikan välillä ja luoda uusi, systeeminen
kielten typologiaa, vertaamalla kielten rakennetta niiden determinanttien ominaisuuksien mukaan.
Kirjoittajan kehittämä lähestymistapa mahdollistaa eron selkeän määrittelyn
järjestelmällinen lähestymistapa rakenteellisesta. Kävi ilmi, että nämä erot ovat olennaisesti hillittyjä
eräässä postulaatissa: strukturalistien ideat perustuvat teesiin, että
on täysin amorfista materiaalia, josta järjestelmä (välittömästi) muodostuu
tietyn järjestelmän elementin ominaisuudet vain sen paikan mukaan rakenteessa.
Systemologisten näkemysten mukaan ei ole olemassa täysin amorfista materiaalia. Joka
materiaali sisältää aiempien järjestelmien ominaisuuksia, joihin se aiemmin sisältyi, ja lisäksi
kehittynyt sopeutumisprosessissa näissä järjestelmissä kyvyn tavalla tai toisella
säilyttää hankitut kiinteistönsä. Siksi, kun tällaista materiaalia käytetään
uuden järjestelmän muodostuminen, sitten on pitkäaikainen mukauttaminen vanhaan ja
uusien ominaisuuksien muodostuminen sopeutumisen aikana, eli joka ajankohtana jokaisessa
järjestelmän elementissä on kahdenlaisia ​​ominaisuuksia: alkuperäinen (materiaali),
heijastaa materiaalin taustaa ja järjestelmän määräämää (rakenteellista),
määrittää järjestelmän determinantti.
Kirjoittajan esiin nostamat kysymykset rakenteellisista suhteista ("looginen",
"syntaktinen" ja olennainen ("materiaali", "järjestelmällinen").
todelliset luonnolliset ja keinotekoiset järjestelmät eivät ainoastaan ​​edusta
yleisfilosofinen kiinnostus, mutta ne ovat myös erittäin tärkeitä rakentamisessa
ihminen-kone -järjestelmät, jotka ovat tärkein työkalu ratkaista eniten
monimutkaiset nykyajan kybernetiikan ongelmat.
Tällaisten järjestelmien tehokas käyttö edellyttää ensinnäkin erottamista
ratkaisuprosessi kahteen osaan: konekohtainen, muodollinen,
korreloimalla tutkittavan tai rakennettavan kohteen rakenteen, logiikan kanssa
vuorovaikutus sen osien, ja substantiivinen, semanttinen, ei vaadi harkintaa
pelkistettävissä esineen substanssin ominaisuuksien rakenteeseen ja siksi määrätty
henkilö. Samaan aikaan ihmisen päähuoli on täydellisin
käyttämällä tekniikan ominaisuuksia niin, että loput ovat muotoilemattomia
Osa tehtävästä osoittautui todellisen asiantuntijaryhmän toteuttamiskelpoiseksi.

Henkilön kyky tunnistaa epävirallisesti tehtävän formalisoitu osa, kuten muutkin
ihmisen kyky toimia epävirallisten esineiden kanssa on yksi suurimmista
luonnon mysteereistä. Siksi kaikki yritykset tunkeutua tähän salaisuuteen tai ainakin ääriviivaan
lähestymistavat siihen ovat erittäin tärkeitä.
Tästä näkökulmasta katsottuna kirjassa esitetyt käsitteet avautuvat erittäin houkuttelevilta
tulevaisuudennäkymiä. Vaikka kirjoittaja yrittää olla korostamatta kehittämiensä ideoiden yhteyttä
tekoälyn ongelmia, mutta se tuntuu aivan varmasti milloin
lukee kirjaa. Samalla kirjoittaja keskittyy keskeiseen ongelmaan: miten
ajatteleeko ihminen, mikä rooli kielellä on ajatteluprosessissa, miten ajattelu omaksuu
sanoja yhden henkilön viestinnässä toisen kanssa, ei muodikkaissa luomisen ongelmissa
heuristiset (humanoidiset) menetelmät keinotekoisten peliongelmien ratkaisemiseen. SISÄÄN
Tässä suhteessa kirjan ongelmat liittyvät rakentamisen periaatteiden kehittämiseen
integroidut robotit (ei heuristinen ohjelmointi).
Kirjoittaja ei tule tunnistamaan näitä periaatteita niinkään suorasta teknisestä
kokeilu, kuinka paljon rikkaan semiotiikan systeemisestä tulkinnasta,
tähän mennessä kertynyt kielellinen ja psykologinen materiaali. SISÄÄN
Tässä yhteydessä kirjassa kiinnitetään paljon huomiota tällaisten kardinaalisten asioiden analysointiin
kybernetiikka, kyvyn muodostaa tunnistusmekanismeja alkuperänä,
ennustaminen, merkkiviestintä sekä mallintaminen ja mahdollisuuksien arviointi
käyttää näitä mekanismeja mielekkääseen ihmisen ja koneen väliseen viestintään ja
autoja keskenään. Kuvaa taloudellisesti näiden prosessien tyypillisiä komponentteja
kirjoittaja esittelee erikoistuneen symbolisen laitteen.
Kirjassa ehdotetun sisällön esittäminen on perustavanlaatuista ja
vakuuttavuus. On kuitenkin muistettava, että kirjassa käsitellyt asiat liittyvät
nykyaika on yksi vaikeimmin selitettävistä ja ymmärrettävistä, ja siksi
Lukijan, joka ottaa tämän kirjan käsiinsä, on valmistauduttava etukäteen kovaan työhön. monet
Minun on luettava kohdat uudelleen ja mietittävä paljon, mutta voin olla varma
sanoa, että lukijan ahkeruus, kun hän sukeltaa syvemmälle kirjan aineistoon, palkitaan.
Harvoin nykyaikaisessa tieteellisessä kirjallisuudessa, sisältö-evoluutio- ja
epämuodollinen looginen päättelytyyppi ja siitä johtuva kyky kaapata
kuvioita, joissa aiemmin nähtiin vain satunnainen faktakertymä - täällä
Tämä ei suinkaan ole täydellinen luettelo siitä, mitä riittävän ahkera ja

tarkkaavainen lukija.
Pysähdytään nyt yksityiskohtaisemmin joihinkin kirjassa esiin tuotuihin erityiskysymyksiin, ja
menetelmien ja niiden ratkaisun tulosten arvioinnista.
1. Kuten edellä olevasta käy ilmi, metodologiset näkökohdat eivät ole itsetarkoitus tekijälle
pakko kiinnittää vakavaa huomiota tähän puoleen juuri siksi, että sitä on tarpeeksi
Hän asettaa itselleen vakavia tehtäviä yleisessä kybernetiikassa. Mutta täsmälleen
siksi työn ensimmäinen osa, joka on omistettu kirjoittajan systeemisen käsitteen esittelylle
lähestymistapa on todellakin melko kokonaisvaltaisen käsitteen esitys.
Ensisijaisesti systeemitieteen ongelmista kiinnostunut lukija voi
keskitä huomiosi kirjan ensimmäiseen osaan, katso sen toiseksi osaksi
sovellus, joka osoittaa, että esitetty konsepti voi toimia
tehokas työkalu kybernetiikan monimutkaisimpien ongelmien ratkaisemiseen.
Kirjan toisessa osassa esitellyistä asioista kiinnostunut lukija voi
pitää sen ensimmäistä osaa myös liitteenä, mutta muuten ehdottoman pakollisena
Hän ei tule ymmärtämään tutkimuspäätelmien lähtökohtia eikä pääpaatosa.
2. Kuten jo todettiin, kirjan kirjoittajan esittämä järjestelmälähestymistavan käsite on
Ensinnäkin, ei muodollisesti aksiomaattinen, vaan selvästi ontologinen, ruumiillinen
suuntautuminen, joka keskittyy tällaiseen peruskäsitteiden muotoiluun ja
järjestelmällisen lähestymistavan malleja, mikä mahdollistaisi mahdollisimman selkeän
tekninen, biologinen ja mentaalinen tulkinta, ja siksi se voisi olla
keino ei vain kuvailla ja ymmärtää olemassa olevien järjestelmien luonnetta, vaan
ja niiden suunnittelu, toteutus tietokoneilla. Tältä osin kirja
ei vain "systeemistä", vaan myös itse asiassa "kyberneettistä".
On tärkeää huomata, että systemologian peruslakien dialektinen luonne,
tekijän konseptissa esitettyä ei yksinkertaisesti julisteta, vaan se osoitetaan.
Dialektisen kehityksen periaatteiden pohjalta kirjoittaja paljastaa luonteen
mielekästä viestintää ihmisen ja koneen välillä, samoja periaatteita käytetään
työn metodologinen osa esiteltäessä systeemilähestymistavan alkukäsitteitä.
Näitä käsitteitä ei yksinkertaisesti pidetä määrittelemättöminä, kuten on tapana
aksiomaattisten teorioiden rakentaminen, mutta kehittyvät ja syvenevät sitä mukaa kuin ne

käyttö jälkikäteen ensimmäisestä johdettujen käsitteiden kautta. Tämä
luova keittiö, joka on yleensä ujosti piilotettu julkaisuihin, näyttää erittäin hyvältä
luonnollista dialektiikan asemassa olevan kirjoittajan päättelyssä. Se antaa hänelle
mahdollisuus saada tukea keskusteluun kysymyksestä, mitkä ovat hyväksyttävän rajat
järjestelmällisen lähestymistavan virallistaminen ja sen pitäisi periaatteessa perustua kirjanpitoon
kehityslakeja ja ristiriitalakeja, joita toteuttamalla voidaan luoda
automaatti, jolla on kyky suorittaa ainakin alkeellisia luovia tekoja,
ilman jota suunnitelmat mielekästä viestintää ihmisen ja koneen välillä ovat tuomittuja epäonnistumaan.
3. On huomattava, että jos lukija ei jaa alkuperäisiä dialektisia uskomuksia
kirjoittajalle, niin niistä tehdyt johtopäätökset voivat tuntua epävakuuttavilta. Että
se, että monien nykyaikaisten kyberneettisten ongelmien ratkaisemiseksi on välttämätöntä
kukaan ei epäile, etteikö automaatti voisi suorittaa luovia tekoja. Vähemmän
on selvää, että tätä tarkoitusta varten ei pitäisi käsitellä niinkään puhtaasti muodollisuuden kehittämistä
koneen toiminnan algoritmit, kuinka monta tapaa ratkaista ongelma matkan varrella
dialektisen ristiriidan lakien kybernisointi.
Muistakaamme kuitenkin tässä yhteydessä, että hyvin tunnettu negatiivisten tulosten sarja,
liittyy merkityksellisten aksiomaattisten teorioiden mahdollisuuksiin, viittaa siihen
että sitä ei voida päätellä tällaisten teorioiden postulaateista
merkityksellisesti jotain suurempaa kuin mitä postulaateissa annettiin ymmärtää. Niin
Siten luova teko liittyy pohjimmiltaan itse postulaattien valintaan
saatavilla olevaa tietoa. Tämä valinta tehdään induktion puitteissa.
Kuten älykkyyttä tutkiva L. V. Krushinsky osoitti viimeisimmissä teoksissaan
eläimet, eläimen yksinkertaisin luova teko on tämä
olemassa olevan kokemuksen hyödyntäminen, mikä johtaa tyypin yleistyksen tunnistamiseen
olettaa elementaarista luonnonlakia ei-triviaalina hypoteesina
maailman rakenne, jota ei ole nimenomaisesti sisällytetty aikaisempiin kokemuksiin, mutta
antaa eläimen olla vuorovaikutuksessa ulkomaailman kanssa tarkoituksenmukaisemmin.
Jos induktiivisen luovan toiminnan ydin piilee tässä, ja me, rakentamassa
automaattinen kone, toivomme hänen älyllisen tasonsa olevan vähintään yhtä suuri
eläimen älyllinen taso, niin on tarpeen tarkistaa, onko mahdollista puhtaasti
muodollisesti, alkuperäisen kokeellisen tiedon perusteella, olettaa
hypoteesi, eli esitä oletus, joka paljastaa ei-triviaalit tiedot alkuperäisessä
tiedot. Tällaisen tarkastuksen positiivinen tai negatiivinen tulos on

perustavanlaatuinen merkitys valittaessa tapoja ratkaista ongelma keinotekoinen
älykkyyttä.
Kirjoittaja lähtee toisesta kielteisestä vastauksesta tähän kysymykseen muodollisesti tämä ei ole
perustella. Mutta kuten äskettäin kävi ilmi, nämä perustuvat puhtaasti
Laadullisten näkökohtien perusteella kirjoittajan alkuperäiset ajatukset ovat päteviä ja jossain määrin
tietyssä mielessä. K. F. Samokhvalov osoitti lauseen, jonka johtopäätökset
antaa suoran vastauksen keskusteltavaan kysymykseen.
4. Siten perustarve ylittää muodollisen logiikan
kun kehitetään induktiivisen yleistyksen periaatteita. jota ilman se on mahdotonta
mielekkäällä ihmisen ja koneen välisellä viestinnällä on tällä hetkellä tiukka
perustelut. Tästä kirjan kirjoittaja ei kuitenkaan tee yhtään johtopäätöstä perustavanlaatuisesta
muodollisen laitteiston käyttämisen turhuutta monimutkaisimpien asioiden ratkaisemisessa
kyberneettiset tehtävät. Päinvastoin, selvästi vastakkainen ruumiillisuus,
teknisten ja luonnonjärjestelmien olennaisuus, niiden rakenteellisuus
malleja, hän hahmottelee selkeästi ilmiöiden kirjon, jonka kuvaus ja rakenne
voi ja pitäisi luottaa ennen kaikkea tiukkaan muodolliseen logiikan ja
matematiikka näiden termien nykyisessä ymmärryksessä. Tämä ympyrä on rajattu syvästi
mukautettuja järjestelmiä.
Tämän avainidean kautta esitettyyn sopeutumiskyvyn olemuksen käsitteeseen
kirjoittaja osoittaa, että itse muodollisuuden käsitteellä on huomattavia laajenemisvarantoja ilman
ankaruuden menetys. Tässä suhteessa on mielenkiintoista huomata nykyaikaiset rikastumisyritykset
alkukäsitteet matematiikan perusteista, rikkaampien ja epätavallisempien kehittäminen
perinteinen näkökulma teorioihin, joiden tarkoituksena on ottaa huomioon tutkitun ontologia
kokonaisuuksia.
5. Näiden töiden metodologinen perustelu ja syvällinen merkitys rikastamiseen
muodollisten teorioiden rakentamisen periaatteiden arsenaali tulkitaan selkeästi
Mitä tulee formalisoitavan ja ei-formalisoitavan väliseen suhteeseen
kirjan kirjoittajan systemologinen käsite. On erittäin tärkeää, että kirjoittaja todistaa
fyysinen toteutettavuus, mikä ei ole tiukan formalisoinnin ulottuvilla, ja kiitos
tätä vastustaa selvästi paitsi fyysinen objekti sen rakennemalliin, myös
viestinnän todellinen sisältö - mikä tahansa tekninen viestintä
yksiköitä huolimatta siitä, että molemmat ilmenevät mallin sisällöstä tai sisällä
aivojen neuronit. Tämä mahdollistaa semiotiikan alkukäsitteiden systematisoinnin,

näyttää sisäisen yhteyden ja perustavanlaatuisen vastakohdan merkin ja sen välillä
merkitys, merkityksen ja merkityksen välillä, mentaalisen ja kielellisen välillä
prosesseja luonnollisten ja keinotekoisten kielten välillä.
Erityisen tärkeä on tekijän kanta, että mitä syvemmälle sovitus, jopa
eloton, fyysinen esine, sitä luonnollisempi se on
alttius tällaiseen vuorovaikutukseen ulkoisen ympäristön kanssa, mikä saattaa
katsoa, ​​vaikkakin primitiivisenä, tunnistustoimena, ennakoivana tekona
heijastuksia. Tässä suhteessa ei voi olla muistamatta V. I. Leninin sanoja, että jopa kuollut
luonnolla on ominaisuus lähellä tunnetta...
6. Haluaisin ilmaista pahoitteluni siitä, että niin paljon kardinaalista tieteellistä
ongelmia käsitellään pienen kirjan volyymissa. Tämä tilanne näyttää olevan
riistänyt tekijältä mahdollisuuden käyttää hänelle ominaista tapaa esittää omansa
ajatuksia, joista hänet tunnetaan konferensseissa pitämiensä puheiden kuuntelijoiden keskuudessa
kongresseja, seminaareja ja luentoja, joissa hän havainnollistaa jokaista kantaansa
visuaalisia piirustuksia ja esimerkkejä useilta tieteenaloilta ja teollisuudenaloilta
teknologiasta, sosiaalisista ja arjen tilanteista. Tältä osin haluaisin huomauttaa, että
yllättävän laajan kirjon ilmiöitä, joiden analysointiin hän soveltaa omia periaatteitaan
systemologinen käsite ja työ, jonka pohjalta hän tunnistaa tämän heikot kohdat
konseptia, parantaen sitä jatkuvasti. Tämän voi ainakin arvioida
kirjoittajan julkaisuja, joista vain pieni osa on kirjattu lähdeluetteloon.
Kirjan rajallinen määrä tekee selväksi, että tarve esitellä
ainakin ehdotetun järjestelmälähestymistavan konseptin tärkeimmät näkökohdat ja
osoittaa sen suorituskykyä pakotti kirjailijan luopumaan laaja
muiden järjestelmäkonseptien tarkastelu ja analysointi.
Termi "kybernetiikka" toi alun perin tieteelliseen liikkeeseen Ampere, joka hänen
perusteos "Essay on the Philosophy of Sciences" (1834-1843) määritteli kybernetiikan
hallintotieteenä, jonka pitäisi tarjota kansalaisille
erilaisia ​​etuja. Ja nykyaikaisessa ymmärryksessä - yleistieteenä
ohjausprosessien ja tiedonsiirron mallit koneissa, asuminen
.
organismit ja yhteiskunta, ehdotti ensimmäisenä Norbert Wiener vuonna 1948

Se sisältää palautteen, mustien laatikoiden ja johdettujen käsitteiden, kuten esim
ohjaus ja viestintä elävissä organismeissa, koneissa ja organisaatioissa,

mukaan lukien itseorganisaatiot. Se keskittyy siihen, miten jokin (digitaalinen,
mekaaninen tai biologinen) käsittelee tietoa, reagoi siihen ja
muutoksia tai niitä voidaan muuttaa, jotta ne täyttäisivät paremmin kaksi ensimmäistä
tehtäviä. Stafford Beer kutsui sitä tehokkaan organisaation tieteeksi ja Gordon
Passcraz laajensi määritelmää kattamaan tietovirrat "kaikista lähteistä",
alkaen tähdistä ja päättyen aivoihin.
Esimerkki kyberneettisestä ajattelusta. Toisaalta yritystä harkitaan
järjestelmän laatua ympäröivässä ympäristössä. Toisaalta kyberneettinen
ohjaus voidaan esittää järjestelmänä.
Filosofisempi kybernetiikan määritelmä, jonka vuonna 1956 ehdotti L.
Couffignal, yksi kybernetiikan pioneereista, kuvailee kybernetiikkaa
"taito varmistaa toiminnan tehokkuus." Uusi määritelmä oli
ehdotti Lewis Kaufman (englanniksi): "Kybernetiikka on järjestelmien ja järjestelmien tutkimusta
prosesseja, jotka ovat vuorovaikutuksessa itsensä kanssa ja toistavat itseään."
Kyberneettisten menetelmien avulla tutkitaan tapausta, jossa järjestelmän toimintaa
ympäristössä aiheuttaa jonkin verran muutosta ympäristössä, ja tämä muutos
ilmaantuu järjestelmään palautteen kautta, mikä aiheuttaa muutoksia tapaan
järjestelmän käyttäytyminen. Näiden "palautesilmukoiden" tutkiminen on menetelmien paikka.
kybernetiikka.
Nykyaikainen kybernetiikka sai alkunsa tieteidenvälisestä tutkimuksesta, joka yhdistää
ohjausjärjestelmien alat, sähköteoria
piirit, konetekniikka, matemaattinen mallintaminen, matemaattinen
logiikka, evoluutiobiologia, neurotiede, antropologia. Nämä tutkimukset ilmestyivät
vuonna 1940, pääasiassa tutkijoiden töissä ns. Macy-konferenssit.

Muut tutkimusalueet, jotka vaikuttivat kybernetiikan kehitykseen tai joihin vaikuttivat
sen vaikutus - ohjausteoria, peliteoria, teoria
järjestelmät (kybernetiikan matemaattinen vastine), psykologia (erityisesti neuropsykologit).
Minä, behaviorismi, kognitiivinen psykologia) ja filosofia.
Kybernetiikan ala[muokkaa | muokkaa wikitekstiä]
Kybernetiikan kohteena ovat kaikki ohjatut järjestelmät. Järjestelmät, joita ei voi olla
johtaminen ei periaatteessa ole kybernetiikan tutkimuskohteita. Kybernetiikka
esittelee käsitteitä, kuten kyberneettinen lähestymistapa, kyberneettinen järjestelmä.
Kyberneettisiä järjestelmiä tarkastellaan abstraktisti niistä riippumatta
aineellinen luonto. Esimerkkejä kyberneettisistä järjestelmistä - automaattiset säätimet
teknologiassa, tietokoneissa, ihmisen aivoissa, biologisissa populaatioissa, ihmisyhteiskunnassa.
Jokainen tällainen järjestelmä on joukko toisiinsa liittyviä objekteja
(järjestelmäelementit), jotka kykenevät havaitsemaan, muistamaan ja käsittelemään
tietoja ja vaihtaa niitä. Kybernetiikka kehittää yleisiä periaatteita
ohjausjärjestelmien ja henkisen työn automatisointijärjestelmien luominen. Perus
tekniset keinot kybernetiikkaongelmien ratkaisemiseen - tietokoneet. Siksi syntyminen
kybernetiikka itsenäisenä tieteenä (N. Wiener, 1948) liittyy luomiseen 40-luvulla.
XX vuosisadalla näiden koneiden ja kybernetiikan kehitys teoreettisessa ja käytännön
näkökohdat - elektronisen tietojenkäsittelytekniikan edistymisen kanssa.
Kybernetiikka on monialainen tiede. Se syntyi matematiikan risteyksessä,
logiikka, semiotiikka, fysiologia, biologia, sosiologia. Sille on ominaista analyysi ja tunnistaminen
yleiset periaatteet ja lähestymistavat tieteellisen tiedon prosessissa. Merkittävin
Kybernetiikan yhdistämät teoriat ovat seuraavat [lähdettä ei ole määritelty 156 päivää]:
 Signaalinsiirtoteoria
 Ohjausteoria
 Automaattiteoria
 Päätösteoria
 Synergia
 Algoritmien teoria
 Kuvioiden tunnistus
 Optimaalinen ohjausteoria

 Oppimisjärjestelmien teoria
Analyysityökalujen lisäksi kybernetiikka käyttää tehokkaita työkaluja
matemaattisten analyysityökalujen tarjoamien ratkaisujen synteesiin, lineaarinen
algebra, konveksien joukkojen geometria, todennäköisyysteoria ja matematiikka
tilastot, samoin kuin sovelletut matematiikan osa-alueet, kuten
kuten matemaattinen ohjelmointi, ekonometria, tietojenkäsittelytiede ja muut
johdannaiset tieteenalat.
Kybernetiikan rooli on erityisen suuri työn ja sen alojen psykologiassa,
kuten insinööripsykologia ja ammatillisen koulutuksen psykologia.
Kybernetiikka on tiede monimutkaisten dynaamisten järjestelmien optimaalisesta ohjauksesta,
useimpien työn taustalla olevien ohjauksen ja viestinnän yleisten periaatteiden tutkiminen
luonteeltaan erilaisia ​​järjestelmiä - suuntaamisohjuksista ja
nopeista tietokoneista monimutkaiseen elämään
organismin hallinta on kontrolloidun järjestelmän siirtymistä tilasta toiseen
johtajan kohdistetun vaikutuksen kautta. Optimaalinen ohjaus -
tämä on järjestelmän siirto uuteen tilaan jonkin kriteerin täyttyessä
optimaalisuutta, esimerkiksi minimoimalla ajan, työvoiman, aineiden tai aineiden kustannukset
energiaa. Monimutkainen dynaaminen järjestelmä on mikä tahansa todellinen esine, elementti
joita tutkitaan niin korkeaan yhteenliittämisasteeseen ja liikkuvuuteen, että ne muuttuvat
yksi elementti johtaa muutoksiin toisissa.
Reittiohjeet[muokkaa | muokkaa wikitekstiä]
Kybernetiikka on aikaisempi, mutta edelleen käytetty yleinen termi monille
kohteita. Nämä aiheet ulottuvat myös monien muiden tieteiden alalle, mutta
yhdistetty järjestelmänhallinnan tutkimukseen.
Puhdasta kybernetiikkaa[muokkaa | muokkaa wikitekstiä]
Puhdas kybernetiikka eli toisen asteen kybernetiikka tutkii ohjausjärjestelmiä mm
käsite, yrittää löytää sen perusperiaatteet.

ASIMO käyttää antureita ja älykkäitä algoritmeja välttääkseen esteitä
ja siirry portaita ylös
 tekoäly
 Toisen asteen kybernetiikka
 Tietokonenäkö
 Ohjausjärjestelmät
 Syntyminen
 Oppivat organisaatiot
 Uusi kybernetiikka

Näyttelijöiden vuorovaikutusteoria
 Viestintäteoria
Biologiassa[muokkaa | muokkaa wikitekstiä]
Kybernetiikka biologiassa - kyberneettisten järjestelmien tutkimus biologiassa
eliöihin keskittyen ensisijaisesti eläinten sopeutumiseen
heidän ympäristönsä ja kuinka geenien muodossa oleva tieto siirtyy sukupolvelta toiselle
sukupolvi. On myös toinen suunta - kyborgit.
Lämpökuva kylmäverisestä tarantulasta lämminverisellä ihmisen kädellä
 Biotekniikka
 Biologinen kybernetiikka
 Bioinformatiikka
 Bionics
 Lääketieteellinen kybernetiikka

 Neurokybernetiikka
 Homeostaasi
 Synteettinen biologia
 Systeemibiologia
Monimutkaisten järjestelmien teoria[muokkaa | muokkaa wikitekstiä]
Monimutkaisten järjestelmien teoria analysoi monimutkaisten järjestelmien luonnetta ja syitä niiden taustalla
niiden epätavallisten ominaisuuksien perusteella.
Menetelmä monimutkaisen adaptiivisen järjestelmän mallintamiseen
 Monimutkainen mukautuva järjestelmä
 Monimutkaiset järjestelmät
 Monimutkaisten järjestelmien teoria
Tietojenkäsittelyssä[muokkaa | muokkaa wikitekstiä]
Laskentatoiminnassa ohjaukseen käytetään kyberneettisiä menetelmiä
laitteet ja tiedon analysointi.
 Robotiikka
 Päätöksen tukijärjestelmä
 soluautomaatti
 Simulointi
 Tietokonenäkö
 tekoäly
 Objektin tunnistus

 Ohjausjärjestelmä
 ACS
Insinööritieteessä[muokkaa | muokkaa wikitekstiä]
Tekniikan kybernetiikkaa käytetään järjestelmävikojen analysointiin
joissa pienet virheet ja puutteet voivat johtaa koko järjestelmän epäonnistumiseen.
Keinotekoinen sydän, esimerkki biolääketieteen tekniikasta.
 Mukautuva järjestelmä
 Ergonomia
 Biolääketieteen tekniikka
 Neurocomputing
 Tekninen kybernetiikka
 Järjestelmäsuunnittelu
Taloustieteessä ja johtamisessa[muokkaa | muokkaa wikitekstiä]
 Kyberneettinen ohjaus
 Taloudellinen kybernetiikka
 Toimintatutkimus
Matematiikassa[muokkaa | muokkaa wikitekstiä]
 Dynaaminen järjestelmä
 Tietoteoria
 Järjestelmäteoria

Psykologiassa[muokkaa | muokkaa wikitekstiä]
 Psykologinen kybernetiikka
Sosiologiassa[muokkaa | muokkaa wikitekstiä]
 Memetiikka
 Sosiaalinen kybernetiikka
Historia[muokkaa | muokkaa wikitekstiä]
Muinaisessa Kreikassa termi "kybernetiikka", joka alun perin tarkoitti ruorimiehen taidetta,
alettiin käyttää kuvaannollisesti valtiontaiteen kuvaamiseen
kaupungin johtaja. Tässä mielessä hän erityisesti
jota Platon käytti laeissaan.
Sana fr. "cybernétique" käytettiin lähes nykyisessä merkityksessään vuonna 1834
vuosi ranskalainen fyysikko ja tieteiden systemataattori André Ampère (ranskalainen AndréMarie
Ampère, 1775-1836), määrittelemään johtamistieteen luokitusjärjestelmässään
ihmistieto:
Andre Marie Ampere
"KYBERNETIIKKA. Ihmisten ja ihmisten välisiä suhteita tutkittiin<…>Edellinen
tieteet ovat vain pieni osa objekteista, joista hallituksen tulee huolehtia; hänen
yleisen järjestyksen ylläpito, täytäntöönpano
lait, verojen oikeudenmukainen jakaminen, ihmisten valinta, joiden pitäisi
nimittää virkoihin ja kaikkea, mikä edistää sosiaalisten olojen parantamista.
Sen on jatkuvasti valittava eri toimenpiteistä, jotka sopivat parhaiten
tavoitteen saavuttaminen; ja vain perusteellisen tutkimuksen ja eri elementtien vertailun kautta,

jonka hän sai tähän valintaan tiedon kaikesta, mikä liittyy kansakuntaan, se
pystyy hallitsemaan luonteensa, tapojensa ja keinojensa mukaisesti
vaurauden olemassaolo organisaation ja lakien avulla, jotka voivat toimia yleisinä
käytännesäännöt ja joita se noudattaa kussakin erityistapauksessa. Niin,
vasta kaikkien näitä eri esineitä käsittelevien tieteiden jälkeen meidän pitäisi laittaa tämä,
josta nyt puhumme ja jota kutsun kybernetiikaksi, toisten sanasta.
kreikkalainen
kreikkalaiset itse käyttivät merenkulkutaitoa verrattomasti enemmän
johtamisen taiteen laaja merkitys yleensä."
; on sana, joka on otettu alussa suppeassa merkityksessä tarkoittamaan
κυβερνητιχη
James Watt
Ensimmäinen keinotekoinen automaattinen säätöjärjestelmä, vesikello, oli
keksi antiikin kreikkalainen mekaanikko Ctesibius. Hänen vesikellossaan vesi valui ulos
lähteestä, kuten stabilointisäiliöstä, altaaseen, sitten altaaseen
kellon mekanismeja. Ctesibiuksen laite käytti ohjaukseen kartiomaista virtausta
veden taso säiliössäsi ja säätämällä veden virtausnopeutta vastaavasti,
säilyttääksesi säiliön tasaisen vedenpinnan, jotta se ei ole
täynnä, ei tyhjentynyt. Se oli ensimmäinen keinotekoinen todella automaattinen
itsesäätyvä laite, joka ei vaadi ulkopuolista
häiriöt takaisinkytkentä- ja ohjausmekanismien välillä. Vaikka he
Luonnollisesti he eivät viitanneet tähän käsitteeseen kybernetiikan tieteenä (he pitivät sitä
tekniikan ala), Ctesibius ja muut muinaiset mestarit, kuten Heron
Aleksandrialaista tai kiinalaista tiedemiestä Su Songia pidetään yhtenä ensimmäisistä tutkijoista
kyberneettiset periaatteet. Korjauskoneiden mekanismien tutkimus
palaute juontaa juurensa 1700-luvun lopulle, jolloin Jamesin höyrykone

Watti oli varustettu ohjauslaitteella, keskipakosäätimellä
tiedonsiirtoa moottorin nopeuden säätelemiseksi. A. Wallace kuvaili palautetta
"evoluutioperiaatteen välttämättömänä" kuuluisassa 1858 työssään. Vuonna 1868
vuonna suuri fyysikko J. Maxwell julkaisi teoreettisen artikkelin johtajista
laitteita, oli yksi ensimmäisistä, joka harkitsi ja paransi periaatteet
itsesäätelevät laitteet.Joo. Uexküll käytti palautemekanismia omassa
funktiosyklimallit (saksa: Funktionskreis) selittämään käyttäytymistä
eläimet.
XX vuosisata[muokkaa | muokkaa wikitekstiä]
Moderni kybernetiikka sai alkunsa 1940-luvulla monitieteisenä alana
ohjausjärjestelmiä yhdistävää tutkimusta, sähköpiiriteoriaa,
konetekniikka, logiikka mallinnus, evoluutiobiologia,
neurologia. Elektroniset ohjausjärjestelmät aloittavat Bell-insinöörin työn
Harold Blackin laboratoriot vuonna 1927 negatiivisen palautteen käytöstä
vahvistimen ohjaus. Ideat liittyvät myös Ludwigin biologiseen työhön
von Bertalanffy yleisessä systeemiteoriassa.
Mukana negatiivisen takaisinkytkennän varhaiset sovellukset elektronisissa piireissä
tykistölaitteistojen ja tutka-antennien valvonta toisen aikana
maailmansota. Jay Forrester, jatko-opiskelija servomekanismilaboratoriosta
MIT:ssä työskennellen toisen maailmansodan aikana
soti Gordon S. Brownin kanssa elektronisten ohjausjärjestelmien parantamiseksi
Yhdysvaltain laivastolle, sovelsi näitä ajatuksia myöhemmin julkisiin organisaatioihin,
kuten yritykset ja kaupungit School of Industrialin alkuperäisenä järjestäjänä
Massachusetts Institute of Technologyn johto MIT Sloan Schoolissa
Hallinto (englanniksi). Forrester tunnetaan myös järjestelmädynamiikan perustajana.
W. Deming, kokonaislaadunhallinnan guru, jonka kunniaksi Japani perustettiin vuonna 1950
perusti pääteollisuuden palkintonsa, vuonna 1927 se oli nuori
asiantuntija Bell Telephone Labsissa, ja työ on saattanut vaikuttaa
verkkoanalyysin ala). Deming teki "ymmärrysjärjestelmistä" yhden neljästä
pylväitä sille, mitä hän kuvaili syväksi tiedossaan kirjassaan The New Economy.
Arvosteltava kirja:
Fysiologian uudet kehityslinjat ja niiden suhde

kybernetiikan kanssa // Filosofiset kysymykset korkeamman hermoston fysiologiasta ja
Psychology, M., Neuvostoliiton tiedeakatemian kustantamo, 1963.
* * *
Sivu 499.
Pääpuheiden jälkeen käytiin keskustelu raporteista.
"Keskustelu raporteista. Jep. Frolov (Moskova)...".
* * *
Sivu 501.
”...Samaan aikaan Pavlovin koulun toverini unohtivat, että nämä käänteiset tai pyöreät
yhteydet ovat olleet auki jo jonkin aikaa. Voit lukea niistä
upeassa A.F. Samoilov pyöreistä herätysrytmeistä alkaen
hermoprosessin alkeiskiertoliike kilpikonnan sydännäytteessä ja
päättyen kaiuttimen väliseen viestintään
ja yleisö. Käänteiset fysiologiset ja psykologiset yhteydet ovat prototyyppi
palaute kyberneettisissä laitteissa. Kybernetiikka
sillä ei ole pienintäkään käsitystä näiden yhteyksien monimuotoisuudesta ja voimasta, mikä
ovat kommunikaatiomme ydin kulttuurisessa ja sosiaalisessa ympäristössä..."
Se on edelleen kaunis ja mikä tärkeintä oikein sanottu:
”...Kybernetiikalla ei ole edes etäistä ymmärrystä näiden monimuotoisuudesta ja voimasta
yhteyksiä, jotka muodostavat viestintämme olemuksen
kulttuurisessa, sosiaalisessa ympäristössä...”
Huomaa, että A.F. Samoilov kuoli vuonna 1930. Tämä teos julkaistiin vuonna
1930.
Siksi hänen työnsä oli monta vuotta edellä kaikkien hänen seuraajiensa työtä, joista tuli
syyttää löydöt itsestään, mukaan lukien P.K. Anokhin ja N.A. Bernstein.
On syytä huomata, että elävässä organismissa ei voi olla määritelmän mukaan palautetta,
sillä mikä on primääristä ja mikä toissijaista elävässä organismissa, on edelleen epäselvää. Jos ajatellaan
että vastaanotto on ensisijainen, palaute on efferenttisignaaleja, ja jos
Jos oletetaan, että tahdonvoima on ensisijainen, afferentit signaalit ovat käänteisiä.

A.F. itse Samoilov fysiologina ymmärsi nämä prosessit syvällisemmin ja
siksi hän ei voinut ottaa käyttöön palautteen käsitettä, koska se oli väärin elävälle organismille.
Hänen käsityksessään "refleksitoiminnan noidankehä" ei ole alkua eikä
lopussa, ja juuri tämä määrittää sen fysiologian koko elävälle organismille.
Lukuisia teoksia on ilmestynyt vastaavilta aloilta. Vuonna 1935 venäläinen
fysiologi P.K. Anokhin julkaisi kirjan, jossa käsite käänteinen
yhteyksiä ("käänteinen afferentaatio"). Tutkimus jatkui erityisesti alueella
säätelyprosessien matemaattinen mallintaminen, ja kaksi keskeistä artikkelia olivat
julkaistu vuonna 1943. Nämä teokset olivat Behaviour, Purpose ja Teleology.
Norbert Wiener ja J. Bigelow (englanti) ja teos "The Logical Calculus of Ideas,
liittyvät hermostuneeseen toimintaan", W. McCulloch ja W. Pitts (englanti).
Kybernetiikka tieteenalana perustui Wienerin, McCullochin ja
muut, kuten W. R. Ashby ja W. G. Walter.
Walter oli yksi ensimmäisistä, joka rakensi autonomisia robotteja tutkimuksen avuksi
eläinten käyttäytyminen. Yhdistyneen kuningaskunnan ja Yhdysvaltojen ohella tärkeä maantieteellinen
varhaisen kybernetiikan paikka oli Ranska.
Keväällä 1947 Wiener kutsuttiin harmonisen analyysin kongressiin,
järjestettiin Nancyssa, Ranskassa. Tapahtuman järjesti ryhmä
matemaatikot Nicolas Bourbaki, jossa matemaatikko S. Mandelbroit oli tärkeässä roolissa.
Norbert Wiener
Ranskassa oleskelunsa aikana Wiener sai tarjouksen kirjoittaa esseen
aiheeseen yhtenäistää tämä soveltavan matematiikan osa, joka löytyy tutkimuksesta

Brownin liike (ns. Wiener-prosessi) ja tietoliikenteen teoriassa.
Seuraavana kesänä hän käytti jo Yhdysvalloissa termiä "kybernetiikka"
tieteellisen teorian otsikkona. Tämä nimi oli tarkoitettu kuvaamaan tutkimusta
"tarkoituksellisia mekanismeja" ja sitä suosittiin kirjassa "Kybernetiikka tai
ohjaus ja viestintä eläimessä ja koneessa" (Hermann & Cie, Pariisi, 1948). SISÄÄN
Isossa-Britanniassa Ratio Club perustettiin tämän ympärille vuonna 1949.
1940-luvun alussa John von Neumann, joka tunnettiin paremmin työstään matematiikassa ja
tietojenkäsittelytiede teki ainutlaatuisen ja epätavallisen lisäyksen kybernetiikan maailmaan:
soluautomaatin ja "universaalin rakentajan" käsite
(itse toistuva soluautomaatti). Tulos näiden petollisen yksinkertainen
ajatuskokeista tuli tarkka käsite itsensä lisääntymisestä, mikä
kybernetiikka hyväksyttiin peruskäsitteeksi. Käsite, että samat ominaisuudet
geneettistä lisääntymistä sovelletaan sosiaaliseen maailmaan, eläviin soluihin ja jopa
tietokonevirukset, on lisätodiste universaalisuudesta
kyberneettinen tutkimus.
Wiener popularisoi kybernetiikan sosiaalisia vaikutuksia piirtämällä analogioita niiden välille
automaattiset järjestelmät (kuten säädettävä höyrykone) ja
inhimilliset instituutiot bestsellereissään "Kybernetiikka ja yhteiskunta" (The Human
Ihmisten käyttö: Kybernetiikka ja yhteiskunta HoughtonMifflin, 1950).
Yksi tärkeimmistä tutkimuskeskuksista siihen aikaan oli biologinen tietokone
Illinoisin yliopiston laboratorio, joka lähes 20 vuoden ajan alkaen
vuodesta 1958, johtajana H. Förster.
Kybernetiikka Neuvostoliitossa[muokkaa | muokkaa wikitekstiä]
Pääartikkeli: Kybernetiikka Neuvostoliitossa
Kybernetiikan kehitys Neuvostoliitossa alkoi 1940-luvulla.
Filosofisen sanakirjan vuoden 1954 painos sisälsi kuvauksen kybernetiikasta
"reaktionaarinen pseudotiede"
60- ja 70-luvuilla kybernetiikka, sekä tekninen että taloudellinen, oli jo tullut
lyö iso veto.
Tappio ja uudestisyntyminen[muokkaa | muokkaa wikitekstiä]
Viimeisten 30 vuoden aikana kybernetiikka on käynyt läpi ylä- ja alamäkiä ja lisääntynyt
merkittävämpi tekoälyn ja biologian tutkimisen alalla

konerajapinnat (eli kyborgit), mutta menetettyään tuen, menetti
suuntaviivat jatkokehitystä varten.
Francisco Varela
Stuart A. Umpleby
1970-luvulla uutta kybernetiikkaa ilmestyi eri aloille, mutta erityisesti biologiaan.
Jotkut biologit saivat vaikutteita kyberneettisistä ideoista (Maturana ja Varela,
1980; Varela, 1979; (Atlan (Englanti), 1979), "tajusi, että kyberneettiset metaforat
Ohjelmat, joihin molekyylibiologia perustui, olivat
käsite autonomiasta, joka on mahdotonta elävälle olennolle. Siksi tämä
ajattelijat joutuivat keksimään uusi kybernetiikka, joka soveltuisi paremmin
organisaatiot, jotka ihmiskunta löytää luonnosta - organisaatiot, jotka eivät ole
itse keksimä." Mahdollisuus, johon tämä uusi kybernetiikka soveltuu
Yhteiskunnalliset organisaatiomuodot ovat olleet teoreettisen keskustelun aiheena 1980-luvulta lähtien
vuotta.
Taloudessa Cybersyn-projektin puitteissa yritettiin ottaa käyttöön kybernetiikkaa
komentotalous Chilessä 1970-luvun alussa. Kokeilu oli
1973 vallankaappauksen seurauksena lopetettu laitteisto tuhoutui.

1980-luvulla uusi kybernetiikka, toisin kuin edeltäjänsä, oli kiinnostunut
”itsenäisten poliittisten hahmojen ja alaryhmien vuorovaikutusta sekä käytännön ja
refleksiivinen tietoisuus objekteista, jotka luovat ja toistavat rakennetta
poliittinen yhteisö. Päänäkymä on rekursiivisuuden huomioon ottaminen tai
poliittisten puheiden itseriippuvuus sekä poliittisen ilmaisun suhteen
tietoisuutta ja tapoja, joilla järjestelmät luodaan itsensä pohjalta."
Hollantilaiset sosiologit Geyer ja Van der Zouwen (hollantilaiset) vuonna 1978 tunnistivat
useita nousevan uuden kybernetiikan ominaisuuksia. "Yksi uuden ominaisuuksista
kybernetiikka on, että se pitää informaatiota rakennettuna ja
palauttaa ihminen vuorovaikutuksessa ympäristön kanssa. Tämä
tarjoaa tieteen epistemologisen perustan perspektiivistä katsottuna
tarkkailija. Toinen uuden kybernetiikan ominaisuus on sen panos voittamiseen
pelkistysongelmat (makro- ja mikroanalyysin väliset ristiriidat). Joten tämä on
yhdistää yksilön yhteiskuntaan." Geyer ja van der Zouwen totesivat myös tämän
"Siirtymä klassisesta kybernetiikasta uuteen kybernetiikkaan johtaa siirtymiseen
klassisista ongelmista uusiin ongelmiin. Näitä ajattelun muutoksia ovat mm.
muun muassa muutoksia ohjatun järjestelmän painottamisesta ohjaukseen ja tekijään,
joka ohjaa johdon päätöksiä. Ja uusi painopiste viestinnän välillä
useita järjestelmiä, jotka yrittävät hallita toisiaan."
Viimeaikaiset tutkimukset kybernetiikan, ohjausjärjestelmien ja käyttäytymisen ympäristöissä
muutoksissa sekä niihin liittyvillä aloilla, kuten peliteoria (ryhmäanalyysi
vuorovaikutukset), palautejärjestelmät evoluutiossa ja metamateriaalien tutkimus
(materiaalit, joilla on atomien ja niiden komponenttien ominaisuuksia Newtonin ominaisuuksien lisäksi),
ovat johtaneet kiinnostuksen herättämiseen tätä yhä tärkeämpää alaa kohtaan.
Kuuluisat tiedemiehet[muokkaa | muokkaa wikitekstiä]
 Ampere, Andre Marie (1775-1836)
 Vyshnegradsky, Ivan Alekseevich (1831-1895)
 Norbert Wiener (1894-1964)
 William Ashby (1903-1972)
 Heinz von Foerster (1911-2002)
 Claude Shannon (1916-2001)
 Gregory Bateson (1904-1980)

 Klaus, Georg (1912-1974)
 Kitov, Anatoli Ivanovitš (1920-2005)
 Ljapunov Aleksei Andrejevitš (1911-1973)
 Glushkov Viktor Mikhailovich (1923-1982)
 Beer Stafford (1926-2002)
 Berg, Axel Ivanovich (1893-1979)
 Kuzin, Lev Timofejevitš (1928-1997)
 Povarov, Gelli Nikolajevitš (1928-2004)
 Pupkov, Konstantin Aleksandrovich (s. 1930)
 Tikhonov, Andrei Nikolajevitš (1906-1993)
1.9. Tekoälyn perusteet
1.9.1. Keinotekoisen alan tutkimuksen ja kehityksen suunnat
älykkyyttä

Ihmisen konemallintamiseen liittyvä tieteellinen suunta
älylliset toiminnot – tekoäly – syntyivät 1960-luvun puolivälissä.
Sen syntyminen liittyy suoraan tieteellisen ja yleiseen suuntaan
insinööriajattelu, joka johti tietokoneen luomiseen - suunta kohti
ihmisen henkisen toiminnan automatisointi, niin että monimutkainen
älylliset tehtävät, joita pidettiin ihmisen etuoikeutena, ratkaistiin teknisillä
tarkoittaa.
Monimutkaisista älyllisistä tehtävistä puhuttaessa on ymmärrettävä, että vain 300–400 vuotta
sitten suurten lukujen kertominen luokiteltiin sellaiseksi; kuitenkin lapsuudessa oppinut
sarakkeen kertolasku sääntö, nykyajan ihmiset käyttävät sitä ajattelematta, ja
Tämä tehtävä tuskin on "älyllisesti haastava" nykyään. Ilmeisesti ympyrässä
Näihin tulisi sisältyä ne tehtävät, joille ei ole "automaattisia" sääntöjä,
nuo. ei ole algoritmia (edes erittäin monimutkaista), jonka seuraaminen aina johtaa
menestys. Jos, jotta voidaan ratkaista ongelma, joka näyttää meille tänään liittyvän

määritelty ympyrä, tulevaisuudessa he keksivät selkeän algoritmin, se lakkaa olemasta "monimutkaista"
älyllinen."
Lyhyydestä huolimatta historian tutkimuksen ja kehityksen keinotekoinen
Älykkyys voidaan jakaa neljään jaksoon:
1960-luku - 1970-luvun alku – "yleisen älykkyyden" tutkimus, yritykset
malli ihmisille ominaisia ​​yleisiä älyllisiä prosesseja: vapaa
dialogi, erilaisten ongelmien ratkaiseminen, lauseiden todistaminen, erilaiset pelit (esim
tammi, shakki jne.), runojen ja musiikin kirjoittaminen jne.;
1970-luku – muodollisen tiedon esittämisen lähestymistapojen tutkimus ja kehittäminen
ja päätelmät, yritykset pelkistää älyllinen toiminta muodolliseksi
merkkien, merkkijonojen jne. muunnokset;
1970-luvun lopulta lähtien – erikoistuneiden kehittäminen tietyille aihealueille
älykkäiden järjestelmien alueet, joilla on käytännön merkitystä
(asiantuntijajärjestelmät);
1990-luku – eturivin työ viidennen sukupolven tietokoneiden luomiseksi
muita periaatteita kuin perinteisiä keskustietokoneita ja niille tarkoitettuja ohjelmistoja.
Tällä hetkellä "tekoäly" on tehokas tietojenkäsittelytieteen ala, jolla on
sekä puhtaasti tieteellisiä perusperiaatteita että pitkälle kehittynyttä teknistä,
käytettävien näytteiden luomiseen ja toimintaan liittyvät sovelletut näkökohdat
älykkäät järjestelmät. Näiden teosten merkitys tietojenkäsittelytieteen kehitykselle on sellainen, että
Uuden viidennen sukupolven tietokoneen ilmestyminen riippuu niiden menestyksestä. Juuri tämä
laadullinen harppaus tietokoneiden ominaisuuksissa - niiden hankkiminen kokonaan
älylliset kyvyt - muodostaa perustan tietotekniikan kehitykselle
näkökulmasta ja on merkki uuden sukupolven tietotekniikasta.
Mikä tahansa ongelma, jonka ratkaisualgoritmia ei tunneta, voidaan luokitella
tekoäly. Esimerkkejä ovat shakin pelaaminen, lääketiede
diagnostiikka, tekstin kääntäminen vieraalle kielelle - näiden ongelmien ratkaisemiseksi se ei ole
On selkeät algoritmit. Kaksi muuta tunnusomaista keinotekoisille ongelmille
älykkyys: hallitseva symbolisen (eikä numeerisen) tiedon käyttö
muoto ja valinta useiden vaihtoehtojen välillä epävarmuuden olosuhteissa.
Listataanpa joitain alueita, joilla käytetään keinotekoisia menetelmiä
älykkyyttä.

1. Kuvien havaitseminen ja tunnistaminen (tehtävä, joka mainittiin aiemmin yhtenä
kybernetiikan suunnat). Nyt tämä ei tarkoita vain teknisiä järjestelmiä,
havaita visuaalista ja audioinformaatiota, koodata ja sijoittaa se
muisti, sekä ymmärryksen ja loogisen päättelyn ongelmat käsittelyn aikana
visuaalista ja puhetietoa.
2. Matematiikka ja lauseiden automaattinen todistus.
3. Pelit. Kuten muodolliset järjestelmät matematiikan, pelit ominaista äärellinen
useita tilanteita ja selkeästi määritellyt säännöt tutkimuksen alusta alkaen
tekoäly on saanut huomiota suosikkikohteina
tutkimus, koekenttä uusien menetelmien soveltamiselle. Älykkäät järjestelmät
Keskikykyisen ihmisen taso saavutettiin kuitenkin nopeasti ja ylitettiin
Parhaiden asiantuntijoiden tasoa ei ole vielä saavutettu. Syntyneet vaikeudet osoittautuivat
tyypillistä monille muille tilanteille, koska heidän "paikallisissa" toimissaan
ihminen käyttää koko elämänsä aikana kertyneen tiedon määrän.
4. Ongelmanratkaisu. Tässä tapauksessa "ratkaisun" käsitettä käytetään laajassa merkityksessä,
viittaa tiettyjen tilanteiden muotoiluun, analysointiin ja esittämiseen
Kyseiset tehtävät ovat sellaisia, joita esiintyy jokapäiväisessä elämässä, esim
ratkaisuja, jotka vaativat kekseliäisyyttä ja yleistyskykyä.
5. Luonnollisen kielen ymmärtäminen. Tässä tehtävänä on analysoida ja generoida tekstejä, niiden
sisäinen esitys, tekstin ymmärtämiseen tarvittavan tiedon tunnistaminen.
Vaikeudet johtuvat erityisesti siitä, että merkittävä osa tiedoista on tavallista
dialogia ei ilmaista selvästi ja selkeästi. Luonnollisen kielen lauseissa on:
epätäydellisyys;
epätarkkuus;
epämääräisyys;
kieliopillinen virhe;
redundanssi;
kontekstista riippuvainen;
epäselvyys.
Kuitenkin sellaiset kielen ominaisuudet, jotka ovat seurausta vuosisatoja vanhasta historiasta
kehitystä, toimia edellytyksenä kielen toiminnalle yleismaailmallisena välineenä

viestintää. Samalla luonnollisen kielen lauseiden ymmärtäminen teknisesti
järjestelmiä on vaikea mallintaa näiden kielen ominaisuuksien vuoksi (ja
kysymys siitä, mitä "ymmärtäminen" on, vaatii selvennystä). Teknisissä järjestelmissä
muodollista kieltä on käytettävä, lauseiden merkitys on selvä
määräytyy niiden muodon mukaan. Käännös luonnollisesta kielestä muodolliseen kieleen on
ei-triviaali tehtävä.
6. Erikoisosaamisen tunnistaminen ja esittäminen asiantuntijajärjestelmissä. Asiantuntija
järjestelmät – älykkäät järjestelmät, jotka ovat omaksuneet asiantuntijoiden tietämyksen
tietyntyyppiset toiminnot - niillä on suuri käytännön merkitys, onnistuneesti
käytetään monilla aloilla, kuten tietokoneavusteisessa suunnittelussa,
lääketieteellinen diagnostiikka, kemiallinen analyysi ja synteesi jne.
Kaikilla näillä alueilla suurimmat vaikeudet liittyvät siihen, että
ihmisen älyllisen toiminnan periaatteet, hyväksymisprosessi ymmärretään
päätöksiä ja ongelmanratkaisua. Jos 1960-luvulla. Kysymys "voi
tietokone ajattelemaan”, nyt kysymys esitetään toisin: ”Onko ihminen tarpeeksi hyvä
ymmärtää, miten hän ajattelee siirtääkseen tämän toiminnon tietokoneeseen"? Tästä johtuen,
työ tekoälyn alalla liittyy läheisesti tutkimukseen
psykologian, fysiologian ja kielitieteen asiaankuuluvat osat.

1.9.2. Tiedon esitys tekoälyjärjestelmissä

Älykkäiden järjestelmien pääominaisuus on, että ne perustuvat
tietämystä tai pikemminkin sen jollain esityksellä. Tieto ymmärretään tässä
tallennetut (tietokoneella) tiedot, jotka on muotoiltu tiettyjen määräysten mukaisesti
säännöt, joita tietokone voi käyttää loogiseen päättelyyn tiettyjen
algoritmeja. Perimmäisin ja tärkein ongelma on kuvaus
laajimman alueen ongelmien semanttinen sisältö, ts. tulisi käyttää
sellaisen tiedon kuvauksen muoto, joka takaa sen oikean käsittelyn
sisältöä joidenkin muodollisten sääntöjen mukaisesti. Tätä ongelmaa kutsutaan ongelmaksi
tiedon esitykset.
Tällä hetkellä on kolme tunnetuinta lähestymistapaa tiedon esittämiseen
keskusteltu järjestelmät:
tuotanto ja loogiset mallit;

Semanttiset verkot;
kehyksiä.
Tuotantosäännöt ovat yksinkertaisin tapa esittää tietoa. Se perustuu
tiedon esittäminen kaavan mukaan jäsenneltyjen sääntöjen muodossa
"JOS SITTEN." Säännön "JOS"-osaa kutsutaan oletukseksi ja "NIIN"-osaa kutsutaan johtopäätökseksi tai
toiminta. Yleinen sääntö on kirjoitettu seuraavasti:

JOS A1, A2, ..., An NIIN B.

Tämä merkintä tarkoittaa, että "jos kaikki ehdot A1:stä An:iin ovat tosia, niin B
on myös totta" tai "kun kaikki ehdot A1:stä An:iin täyttyvät, silloin
toimenpide B."
Harkitse sääntöä

JOS
(1) y on x:n isä

(2) z on y:n veli
ETTÄ
z on x:n setä

Tässä tapauksessa ehtojen lukumäärä on n = 2.
Tapauksessa n = 0 tuotanto kuvaa tietoa, joka koostuu vain päättelystä, ts. tosiasia.
Esimerkki tällaisesta tiedosta on tosiasia "raudan atomimassa on 55,847 amu".
Muuttujat x, y ja z osoittavat, että sääntö sisältää yleisen, yleisen
muuttujien erityisistä arvoista erotettu tieto. Sama muuttuja
käytetään lähdössä ja eri lähetyksiä, voi vastaanottaa erilaisia ​​erityisiä
merkityksiä.

Älykkäässä järjestelmässä esitetty tieto muodostaa tietopohjan. SISÄÄN
Älykäs järjestelmä sisältää myös lähtömekanismin, joka mahdollistaa perustuen
tietokannassa saatavilla olevaa tietoa, hanki uutta tietoa.
Havainnollistakaamme, mitä on sanottu. Oletetaan, että tietokannassa yhdessä yllä olevan kanssa
Sääntö sisältää myös seuraavat tiedot:

JOS
(1) z on x:n isä

(2) z on y:n isä

(3) x ja y eivät ole sama henkilö

x ja y ovat veljiä
ETTÄ
Ivan on Sergein isä

Ivan on Pavelin isä

Sergei on Nikolain isä

Esitetystä tiedosta voidaan muodollisesti päätellä, että Paavali on
Nikolai-setä. Tässä tapauksessa oletetaan, että identtiset muuttujat sisältyvät eri
säännöt, riippumaton; objektit, joiden nimet nämä muuttujat voivat vastaanottaa, eivät ole millään tavalla
kytketty toisiinsa. Muodostettu menettely, jossa käytetään sovitusta (ja
joka määrittää, vastaavatko kaksi edustusmuotoa toistensa kanssa, mukaan lukien
mahdollisten muuttujien arvojen korvaaminen), etsi tietokannasta, palaa alkuperäiseen
tila, kun ratkaisuyritys epäonnistuu, edustaa päätelmien mekanismia.

Tiedon esittämisen yksinkertaisuus ja selkeys tuotteiden avulla määritti sen
sovellus monissa järjestelmissä, joita kutsutaan tuotantojärjestelmiksi.
Semanttinen verkko on erilainen lähestymistapa tiedon esittämiseen, joka perustuu
käsitteiden (kokonaisuuksien) kuvaaminen käyttämällä pisteitä (solmuja) ja niiden välisiä suhteita
käyttämällä kaaria tasossa. Semanttiset verkostot pystyvät edustamaan tiedon rakennetta
niiden suhteiden monimutkaisuudessa yhdistää esineet ja niiden ominaisuudet yhdeksi kokonaisuudeksi. SISÄÄN
Esimerkkinä osa semanttista verkkoa, joka liittyy
"hedelmän" käsite (kuva 1.41).

Riisi. 1.41. Esimerkki semanttisesta webistä

Kehysjärjestelmällä on kaikki tiedon esityskielelle ominaiset ominaisuudet ja
samalla se edustaa uutta tapaa käsitellä tietoa. Sana "kehys" sisään
englannista käännettynä tarkoittaa "kehystä". Kehys on esityksen yksikkö
tieto esineestä, joka voidaan kuvata tietyillä käsitteillä ja
kokonaisuuksia. Kehyksellä on tietty sisäinen rakenne, joka koostuu sarjasta
elementtejä, joita kutsutaan slotiksi. Jokainen paikka puolestaan ​​on edustettuna
tietty tietorakenne, menettely tai se voi liittyä toiseen kehykseen.

Kehys: ihminen

Luokka
Eläin
Rakenteellinen elementti
Pää, niska, kädet, jalat...
Korkeus
30-220 cm
Paino

1-200 kg
Häntä
Ei
Analoginen kehys
Apina

On olemassa muita, vähemmän yleisiä lähestymistapoja tiedon esittämiseen
älykkäät järjestelmät, mukaan lukien hybridijärjestelmät, jotka perustuvat jo kuvattuihin lähestymistapoihin.
Listataan konetietojen esittämisen pääpiirteet.
1. Sisäinen tulkintakyky. Varmistetaan, että jokainen tieto
yksikköä sen ainutlaatuisesta nimestä, jonka avulla järjestelmä löytää sen reagoivan
pyynnöt, joissa tämä nimi mainitaan.
2. Rakenne. Tietoyksiköillä tulee olla joustava rakenne,
heille "matryoshka-periaate" on täytettävä, ts. joidenkin pesintä
tietoyksiköt muihin, on oltava mahdollista muodostaa
yksilöiden väliset suhteet, kuten "osa - kokonaisuus", "suku - laji", "elementti - luokka".
tietoyksiköt.
3. Yhteydet. Erilaisten välille on voitava muodostaa yhteyksiä
tyyppi informaatioyksiköiden välillä, joka luonnehtisi suhteita
tietoyksiköiden välillä. Nämä suhteet voivat olla joko deklaratiivisia
(kuvaava) ja menettelyllinen (toiminnallinen).
4. Semanttiset mittarit. Mahdollistaa tilanteen läheisyyden määrittämisen
tietoyksiköt, ts. niiden välisen assosiatiivisen yhteyden suuruus. Sellaista läheisyyttä
avulla voit tunnistaa joitain tyypillisiä tilanteita tiedossa ja rakentaa analogioita.
5. Toiminta. Toimintojen suorittaminen älykkäässä järjestelmässä on aloitettava
ei ulkoisista syistä, vaan järjestelmässä edustettuina olevien henkilöiden nykytilasta
tietoa. Uusien tosiasioiden tai tapahtumien kuvausten ilmaantuminen, yhteyksien luominen pitäisi
tulla järjestelmän toiminnan lähteeksi.

1.9.3. Mallintamisen perustelut

Päättely on yksi tärkeimmistä ihmisen henkisen toiminnan tyypeistä
jonka tuloksen hän muotoilee joidenkin lauseiden, lausuntojen perusteella,
tuomiot uudet lauseet, lausunnot, tuomiot. Kelvollinen mekanismi
inhimillistä päättelyä ei ole tutkittu riittävästi. Ihmisen
päättelylle on ominaista: epämuodollisuus, epämääräisyys, epäloogisuus, laaja
kuvien, tunteiden ja tunteiden käyttö, mikä tekee niistä erittäin vaikeita
tutkimusta ja mallintamista. Tähän mennessä parhaiten tutkittu looginen
päättelyä ja monia deduktiivisia päättelymekanismeja on kehitetty ja otettu käyttöön
erilaisia ​​älykkäitä järjestelmiä, jotka perustuvat tiedon esittämiseen
1. asteen predikaattilogiikka.
Predikaatti on muotoa P(t1, t2, ..., tn) oleva konstruktio, joka ilmaisee jonkinlaisen yhteyden
joitain esineitä tai objektien ominaisuuksia. Tämän yhteyden tai ominaisuuden nimi,
P:tä kutsutaan "predikaattisymboliksi"; t1, t2, …, tn kutsutaan termeiksi, ne merkitsevät
objektit, joita yhdistää ominaisuus (predikaatti) R.
Termit voivat olla vain seuraavia kolmea tyyppiä:
1) vakio (merkitsee yksittäistä objektia tai käsitettä);
2) muuttuja (merkitsee eri objekteja eri aikoina);
3) yhdistelmätermi – funktio f(t1, t2, …, tm), jossa termit t1 ovat m argumentteja,
t2, ..., tm.
Esimerkki 1.
1. Lause "Volga virtaa Kaspianmereen" voidaan kirjoittaa predikaattina

virtaa (Volga, Kaspianmeri).

"Falls in" on predikaattisymboli; "Volga" ja "Kaspianmeri" ovat lämpövakiot. Me
voisi osoittaa suhteen "virtaa sisään" ja esineet "Volga" ja "Kaspianmeri"
symboleja.
Lämpövakioiden sijasta voimme harkita muuttujia:

virtaa (X, Kaspianmeri)

virtaa (X, Y).

Nämä ovat myös predikaatteja.
2. Suhde x + 1< у можно записать в виде предиката А(х, у). Предикатный символ А
tässä tarkoittaa mitä "jäljelle" x + 1:stä< у, если выбросить из этой записи
muuttujat x ja y.
Joten predikaatti on looginen funktio, joka ottaa arvot "tosi" tai "epätosi".
argumenttien arvoista riippuen. Predikaatin argumenttien lukumäärää kutsutaan
sen ariteetti.
Joten esimerkeissämme predikaatilla "putoa" on arity 2 ja kun X = "Volga" ja Y =
"Kaspianmeri" on totta, mutta kun X = "Don", Y = "Biskajanlahti" on väärin. Predikaatti
Ja esimerkissä 2 sillä on myös arity 2, se on tosi, kun X = 1, Y = 3 ja epätosi, kun X = 3, Y = 1.
Predikaatit voidaan yhdistää kaavoiksi käyttämällä loogisia konjunktiiveja (konjunktioita): ^
↔
(AND, konjunktio), v (OR, disjunktio), ~ (NOT, negaatio),
("pitäisi", implikaatio),
("jos ja vain jos", vastaavuus).
→
Näiden konjunktioiden totuustaulukon (taulukko 1.15) avulla voit määrittää, onko se tosi vai epätosi
linkityskaavan merkitys siihen sisältyvien predikaattien A ja B eri arvoille (ja –
totta, l – epätosi).

Taulukko 1.15
Predikaattikonnektiivien totuus

A
SISÄÄN
A^B

A v B
~A
A
A
B→
B↔
Ja
Ja
Ja
Ja
l
Ja
Ja
Ja
l
l
Ja
l
l
l
l
Ja
l
Ja
Ja
Ja
l

l
l
l
l
Ja
Ja
Ja

Matemaattisesti tiukasti predikaattilogiikan kaavat määritellään rekursiivisesti:
1) predikaatti on kaava;
2) jos A ja B ovat kaavoja, niin A, B, A ^ B, A v B, A
3) muita kaavoja ei ole.
→
B, A
↔
B – myös kaavat;
Monet predikaattilogiikan kaavat edellyttävät määrittävien kvantorien käyttöä
muuttujien arvojen alue - predikaattien argumentit. Kvantifiaattoreita käytetään
yleisyydet: (käänteinen A englannin sanasta Kaikki - kaikki) ja olemassaolon kvantori (käänteinen E
englannista On olemassa - on olemassa). Merkintä x kuuluu "jokaiselle x:lle", "jokaiselle x:lle"; X -
"x olemassa", "vähintään yhdelle x". Kvantifiers linkittää predikaattimuuttujat
joita ne käyttävät ja muuttavat predikaatit lauseiksi.
Esimerkki 2.
Otetaan käyttöön seuraava merkintä: A(x) – opiskelija x on erinomainen opiskelija; B(x) – opiskelija x saa
korotettu stipendi. Nyt kaava A (Ivanov)
Ivanov on erinomainen opiskelija, joten opiskelija Ivanov saa korotetun stipendin,
ja kaava yleisellä kvantorilla (x) (A(x)
Hän opiskelee hyvin ja saa korotetun stipendin.
B(x)) tarkoittaa jokaista opiskelijaa, joka
V (Ivanov) tarkoittaa opiskelijaa
→
→
Kaikista mahdollisista kaavoista tarvitsemme vain yhden tyypin, jota kutsutaan lauseiksi
Horna. Torvilauseet sisältävät yleensä predikaattien A implikaatiota ja konjunktiota,
B1, B2, ..., Bn seuraavasti: B1, B2, ..., Bn
A tai sopivammalla merkinnällä:
→

A: – B1, B2, ..., Bn

(lukee: Ja jos B1 ja B2 ja... ja Bn).
Ilmeisesti Hornin lause on eräänlainen tietyn säännön kirjoittaminen, ja se tulee olemaan jatkossa
kutsutaan säännöksi. Predikaattia A kutsutaan säännön pääksi tai pääksi ja
predikaatit B1, B2, ..., Bn ovat sen osatavoitteita.
Ilmeisesti yksittäinen predikaatti on Hornin fraasin erikoistapaus: A.
Toinen Hornin lauseen erikoistapaus on päätön sääntö.

: – B1, B2, ..., Bn,

Hornin lausetta kutsutaan kysymykseksi. Kirjoitamme ":-B" muodossa "? – B" ja
": – B1, B2, ..., Bn" muodossa "? – B1, B2, ..., Bn.”
A) →
Selitämme tämän kaavan loogisen merkityksen. Muista, että implikaatio A: – B (B
voidaan ilmaista negaatiolla ja disjunktiolla: ~B v A (tarkista tämä komennolla
totuustaulukot). Tämä tarkoittaa, että jos hylkäämme A, jäljelle jää vain ~B - B:n negaatio.
Kaava
B1, B2, ..., Bn tarkoittaa konjunktion ~(B1 ^ B2 ^ ... ^ Bn) negaatiota, joka
de Morganin laki ~(X ^ Y) = (~X) v (~Y) on yhtä kuin (~B1) v (~B2) v ... v (~Bn) – disjunktiot
kieltäytymiset.
←
Joukko Hornin lauseita, joita sovelletaan johonkin ongelma-alueeseen, muodostaa teorian
(loogisessa mielessä).
Esimerkki 3.
Tarkastellaanpa aihealuetta: tietyn tieteenalan kokeen läpäiseminen. Esittelemme
nimitykset:
A – opiskelija läpäisee kokeen;
B – opiskelija osallistui tunneille;

C – opiskelija on hallinnut oppimateriaalin;
D – opiskelija opiskeli itsenäisesti;
E – opiskelija valmisteli huijausarkin.
Rajataan tietämyksemme aihealueesta seuraaviin väitteisiin:
opiskelija läpäisee kokeen, jos opiskelija on hallinnut oppimateriaalin;
opiskelija on hallinnut oppimateriaalin, jos opiskelija osallistui tunneille ja opiskelija opiskeli
omillaan;
opiskelija osallistui luokkiin;
opiskelija opiskeli itsenäisesti.
Looginen merkintämuoto:
A: – C;
C: – B, D;
SISÄÄN;
D.
Annetussa esimerkissä voit tehdä loogisen päättelyn. Siis tosiasioiden totuudesta
B ja D sekä säännöt C: – B, D merkitsevät C:n totuutta, ja säännöstä A: – C – totuus
predikaatti A, ts. opiskelija läpäisee kokeen. Lisäksi säännöt A: – C ja C: – B, D
voidaan kirjoittaa uudelleen muotoon A: – B, D.
Näissä tapauksissa käytetään päättelysääntöjä, joita kutsutaan resoluutiomenetelmäksi.
Tarkastellaan yksinkertaisinta päätöslauselman muotoa. Oletetaan, että siellä on "vanhempi"
tarjouksia
negaatio: ~A
implikaatio: A: – B.
Yhden ratkaisevan päättelyn vaiheen tuloksena saamme uuden lauseen B, joka
kutsutaan liuottimeksi. Tässä tapauksessa resoluutio on standardin mukainen
propositionaalinen päättelysääntö:
olettaen, ettei A

ja A jos B
tuotamme emme V.
Vielä yksinkertaisempi tapaus:
negaatio: ~A
tosiasia: A.
Päätöslauselma on ristiriitainen.
Yleensä on olemassa ylätason lausekkeita

~(A1 ^ ... ^ Аn)
Аk:– В1, ..., Вm, 1 ≤ k< n.

Erottimena yksi lähtövaihe tuottaa ~(A1 ^ ... ^ Ak – 1 ^ B1 ^ ... ^ Bm ^
Аk + 1 ^ ... ^ Аn).
Siten resoluutio on predikaattien korvaaminen - osatavoitteet B1, ... Bm
vastaavan predikaatin Ak sijasta negaatiosta. Negaatio käynnistää loogisen
lähtö ja siksi sitä kutsutaan pyynnöksi (tai kysymykseksi) ja sitä merkitään A1, A2, ..., An.
Resoluutiomenetelmän tarkoitus on, että konjunktion ja negaatio
tarkistaa, onko sen arvo tosi vai epätosi. Jos tuloksen arvo
konjunktio on epätosi, se tarkoittaa, että tulos on ristiriita ja koska alussa oli
predikaattien negaatio, todistus "käänteisesti" suoritetaan. Jos vastaanotetaan
arvo "true", silloin todistus epäonnistuu.
Esimerkki 4.
Olkoon predikaatti antaa (X, Y, Z) tarkoittaa, että "X antaa Y jollekin objektille Z" ja
predikaattivastaanotto (X, Y) tarkoittaa "Y vastaanottaa X". Anna tietoa näistä
suhteet ilmaistaan ​​lauseilla:
1) vastaanottaa (sinä, voima): – antaa (logiikka, voima, sinä);
2) antaa (logiikka, voima, sinä).
Ratkaistava ongelma on vastata kysymykseen: saatko
vahvuus?

Kuvitellaanpa tämä kysymys negatiivisen ~vastaanottaa (sinä, voima) muodossa. Päätösehdotus
1 ja kieltäminen johtaa ~anta (logiikka, voima, sinä), mikä yhdessä tosiasian 2 kanssa johtaa
ristiriita. Siksi vastaus alkuperäiseen ongelmaan on "kyllä".
Toistaiseksi olemme tarkastelleet lausekkeita tai predikaatteja ilman muuttujia.
Jos päättely tehdään predikaattijoukolle, jonka muuttujat ovat as
argumentit, nämä muuttujat saavat vastaavien arvot
vakiot tai, kuten he myös sanovat, määritetään vakioilla.
Selitetään tämä esimerkillä.
Esimerkki 5.
Harkitse seuraavia vanhempien lauseita:
1) ~saa (sinä, Y);
2) saa (X, vahvuus): – antaa (Z, vahvuus, X).
Ne sisältävät kolme muuttujaa X, Y ja Z, joihin implisiittisesti vaikuttaa
yleinen kvantori. Näin ollen lause 1 sanoo, että "kaikkien Y, et saa Y"
ja 2 – "kaikkien Z:n kohdalla mikä tahansa X saa tehon, jos Z antaa tehon X:lle." Resoluutio sääntö
vaatii vastaavuuden negaatiosta 1 peräisin olevan predikaatin ja säännön 2 pään välillä. Tämä tarkoittaa, että
muuttujat saavat arvot (muodostuvat) paikan mukaan
lauseet 1 ja 2 seuraavasti: X = sinä, Y = voima. Predikaatti vastaanottaa (sinä, voima)
kutsutaan yleisesimerkiksi predikaateille gets(sinä, Y) ja gets(X, teho).
Esitetyt predikaattilogiikan säännökset löytävät toteutuksen ja jatkokehityksen
Prolog ohjelmointikieli.

1.9.4. Hahmontunnistus

Kuviontunnistus on joukko automaattisia menetelmiä ja keinoja
ympäröivän maailman havainnointi ja analysointi.
Kuviontunnistusteorian tavoitteet ovat:
kirjoituskoneella tai käsin kirjoitettujen tekstien automaattinen lukeminen;
puheen havaitseminen (kielen ja puhujan ominaisuuksista riippumatta);

Lääketieteellinen, psykologinen ja pedagoginen diagnostiikka;
automaattinen simultaanikäännös kielestä toiseen;
esineiden etätunnistus jne. Kuvia on kaksi luokkaa:
konkreettista ja abstraktia.
Tietyt kuvat ovat kaikki ympäröivän maailman todellisia esineitä, niiden kuvia ja
kuvaukset; abstrakti – käsitteet, kategoriat, mielipiteet, toiveet jne. Mukaisesti
Tämä määrittelee kaksi tunnistusvaihtoehtoa: havainnollinen ja käsitteellinen.
Havaintotunnistusjärjestelmissä (yleensä nämä ovat teknisiä järjestelmiä)
tuloelementti on anturi, jonka tehtävänä on muuttaa fyysistä
määrä, joka luonnehtii havaittavaa kohdetta todellisessa maailmassa toiseksi suureksi,
tarkoitettu havaittavaksi sen käsittelyjärjestelmässä. Teoreettisesta näkökulmasta
tietoanturi on elementti syötteenkäsittelylaitteen sovittamiseksi
signaaleja, ja sen lähtösignaalit antavat "ennakolta" kuvauksen havaitusta kohteesta.
Anturin lähtösignaalit ovat tyypillisesti analogisia-digitaalisia tai
digitaalinen.
Käsitteellisissä järjestelmissä anturin roolia hoitavat abstraktit, loogiset järjestelmät (esim
Boolen algebran periaatteille rakennetut säännöt).
Tarkastellaan hahmontunnistuksen päätehtäviä ja menetelmiä.
Tehtävä 1. Esineiden ominaisuuksien tutkiminen ja tutkittavien kohteiden erojen ja yhtäläisyyksien selvittäminen
esineitä.
Esimerkki: Mendelejevin jaksollinen järjestelmä, kasvien ja eläinten luokitus
Linnaeuksen ja Darwinin maailma.
Tehtävä 2. Tunnistettujen esineiden tai ilmiöiden luokittelu. Pää-
sopivan luokitusperiaatteen valinta.
Esimerkki: kolikonkeräilijän kokoelma, lentokoneiden tunnistus.
Tehtävä 3. Sanakirjan laatiminen ennakkokuvauksessa käytetyistä ominaisuuksista
luokkiin ja jokaisen tuntemattoman objektin jälkikuvaukselle. Merkkejä
voidaan jakaa loogiseen (deterministiseen) ja probabilistiseen.
Esimerkki: kone, joka on suunniteltu vaihtamaan kolikoita. Kolikon tunnistus. Voi
keksiä erilaisia ​​merkkejä, mutta niiden joukossa on sopivia (halkaisija, massa).

Tehtävä 4. Objektiluokkien kuvaus piirteiden kielellä.
Ominaisuustilamenetelmä. Tunnistetuilla esineillä on ominaisuuksia. Olkoon G = (G1,
G2, ..., Gk ...) – joukko esineitä. Jokaisella esineellä on ominaisuudet C – (c1, c2, ...,
cn), joiden joukossa on olennaisia ​​ja ei-välttämättömiä. Tärkeimmät ominaisuudet
kutsumme niitä määritteleviksi ja merkitsemme Y = (y1, y2, ..., ym). Määritellään m-ulotteinen
objektiominaisuuksien avaruus, jossa jokainen avaruuden piste vastaa
esine.
Esimerkki: harkitse kolmioiden joukkoa määrittävinä piirteinä
Otetaan niiden sivut, jotka voimme mitata (kuva 1.42, a). Olisi mahdollista ottaa
kulmat tai yksi puoli ja kaksi kulmaa jne.

Riisi. 1.42. Ominaisuustilamenetelmä

Saatu data voidaan näyttää kolmiulotteisessa piirreavaruudessa x1, x2, x3
(Kuva 1.42, b). Siinä voidaan erottaa viisi luokkaa (alitilaa): luokka
tasasivuiset kolmiot x1 = x2 = x3, (suora viiva, joka edustaa spatiaalista
puolittaja); tasakylkisten kolmioiden luokka x1 = x2 (läpi kulkeva taso
akseli x3 ja puolittaja tasossa x1, x2); suorakulmaisten kolmioiden luokka,
terävät ja tylpät kolmiot.
Siten tunnistimme luokat (keksineet nimet ja
luokan ominaisuudet määritellään). Päätöksenteko kohteen tunnistamisesta
(mielivaltainen kolmio) liittyy tunnistetun identiteetin määrittämiseen
vastustaa mitä tahansa luokkaa.
Yleisesti ottaen tunnistusongelma voidaan muotoilla kehitysongelmaksi
menettelyt objektijoukon jakamiseksi luokkiin.
Olkoon G = (G1, G2, ..., Gk...) joukko objekteja. Heille on määritelty n merkkiä,
joka voidaan esittää vektorina X = (x1, x2, ..., xn). Ominaisuuden arvot
objektijoukon elementit voidaan määritellä kolmella tavalla:
määrällisesti (ominaisten ominaisuuksien mittaaminen);

Todennäköisyys (arvo on tapahtuman todennäköisyys);
vaihtoehtoisesti (binäärikoodaus – kyllä/ei).
Olkoon joukko objekteja jaettu m luokkaan 1, 2, …, m. Pakollinen korostukseen
alueiden Di, i = 1, ..., m piirreavaruus, luokkien ekvivalentti, ts. jos objekti
kuuluu luokkaan k, niin vastaava piste on alueella Dk.
Ω
Ω Ω
Ω
Algebrallisessa tulkinnassa tunnistusongelma voidaan muotoilla seuraavasti
tapa.
On konstruoitava erotusfunktiot Fi(x1, x2, ..., xn), i = 1, ..., m, joilla on
ominaisuudet: jos jokin objekti, jolla on ominaisuudet (x01, x02, ..., x0n)
i, sitten arvo
Fi(x01, x02, ..., x0n) on oltava suurin. Sen pitäisi olla suurin myös muille
kohteeseen liittyvien objektien attribuuttien arvot
minä, ts.
Ω
Ω

Siten osioiden raja, jota kutsutaan ratkaisevaksi rajaksi alueiden Di välillä,
ilmaistaan ​​yhtälöllä Fp(x) – Fg(x) = 0.
Kuvassa Kuva 1.43 näyttää piirreavaruuden mallin kaksiulotteisuuden tapauksessa
tilat D1, D2 vastaavien luokkien 1, 2 kanssa.
Ω Ω

Riisi. 1.43. Kuva piirreavaruusmenetelmästä

Luokittelutoiminto koostuu objektien jakamisesta luokkiin, missä luokan alle
tarkoittaa joukkoa kuvia, joilla on samat ominaisuudet. Sama setti
tiedot voivat toimia eri luokittelujen lähteenä.
Esimerkki: kirjaimen löytäminen N-kirjaimen aakkosesta on tehtävä, jossa on N luokkaa, etsi
vokaalit tai konsonantit samassa aakkostossa on kahden luokan tehtävä. Tyypillisesti luokkien lukumäärä
lisääntyy. Jos heidän lukumääräänsä ei tiedetä etukäteen, he puhuvat oppimisesta "ilman opettajaa"

(Itsenäinen opiskelu). Jos koko objektitila on jaettu ja objektijoukot luokkiin
ei ole määritelty, tämä on "ohjattua" oppimista.
Tehtävä 5. Tehtävänantoa antavan tunnistusalgoritmin kehittäminen
tunnistettavan esineen yhdelle tai toiselle luokalle tai niiden yhdistelmälle.
Esimerkki: tuntemattoman sanan tunnistaminen. Algoritmit perustuvat vertailuun yhden tai
jokin muu tunnistetun kohteen läheisyys tai samankaltaisuuden mitta minkä tahansa luokan kanssa.
Otetaan käyttöön käsite esineiden välinen etäisyys (kahden esineen samankaltaisuus). Vähemmän
Mitä suurempi on kahden kohteen välinen etäisyys, sitä suurempi on niiden välinen samankaltaisuus. Etäisyys
pisteen P X ja luokan X0 välillä kutsutaan suuruutta

d1(P, X0) = inf((P, M)|M X0).

Kahden luokan välinen etäisyys määräytyy arvon mukaan

d2(X1, X2) = inf(d1(P, M)|P X1, M X2).

Käytännössä käytetään usein seuraavia etäisyyksiä:
1. Euklidinen etäisyys

d2(Xi, Xj) = (∑|xik – xjk|2)1/2.

2. Etäisyys Manhattanilla (kaupunkikorttelin metri)

d2(Xi, Xj) = ∑|xik – xjk|.

3. Chebyshev-etäisyys

d3(Xi, Xj) = max |xik – xjk| (k).

Sanakirjamenetelmä. Anna luettelo kaikista mahdollisista luokitelluista sanoista
sanojen pituudet ja aakkosjärjestykseen. Harkitse esimerkiksi palvelua
Pascal-ohjelmointikielen sanat:

jne., jossa N on kirjainten määrä sanakirjassa.
Määrittelemme latinalaisten aakkosten jokaisen merkin merkillä, esimerkiksi sen järjestysluvulla
sen esiintymistiheys (todennäköisyys) tekstissä.
Määritellään tietyn kirjaimen ja aakkosten kirjainten välinen etäisyys muotoon |xa – xb|, missä xa –
tietyn kirjaimen merkki, xb on tietyn aakkosten kirjaimen merkki. Hyväksy puolesta
varmuus kirjaimen merkkinä sen sarjanumero aakkosissa:

A
SISÄÄN
KANSSA
D
E
F
G
H
minä
J
TO
L
M

N
NOIN
R
K
R
S
T
U
V
W
X
Y
Z
1
2
3
4
5
6
7
8
9
10
11
12

13
14
15
16
17
18
19
20
21
22
23
24
25
26

Olkoon n = 4. Annettu sana, jonka ominaisuudet ovat x1x2x3x4. Esimerkiksi MUU. Tässä tapauksessa x1 = 5; x2 =
12; x3 = 19; x4 = 5. Merkitään (ai, xj) =
aakkosten i:nnellä paikalla oleva kirjain ja merkki xj.
θ
ij = |аi – xj| – luku, joka on yhtä suuri kuin ominaisuuden ero
θ
Etsitään sanakirjan kaikkien sanojen etäisyydet Manhattanista

Pienin summa (etäisyys) liittyy sanakirjan toiseen sanaan. Se määrittelee
samankaltaisuus tunnistetun sanan kanssa.
Tehtävä 6. Kuvantunnistus.
Esimerkki: kirjainkuvan tunnistus. Tunnistettu kuva saadaan
eri tavoin ja tunnusomaisia ​​eri määrillä.

Rasteriobjekti esitetään useammin tiettynä ominaisuuksien matriisirelaationa.
Esimerkiksi asettamalla kuvan päälle N x M ruudukon, voit määrittää kussakin solussa
"mustuuden" tai "harmauden" taso (mustavalkoisille kuville) numeroilla välissä . Tässä tapauksessa 0 on valkoinen, 1 on musta.
Siten kuva A voidaan esittää matriisina

jossa matriisielementit edelleen määrittävät kunkin i, j:nnen solun mustuusasteen.
Olkoon kuvien sanakirja tunnettu, esimerkiksi kuvat venäjän aakkosten kirjaimista.
Tässä tapauksessa oletetaan, että vastaavat mustumatriisit edustavat
yleistetyt kirjaimet, ts. yhdistelmäkuva eri fonttien, kirjasintyyppien ja tyylien kirjaimista.
Olkoon A1, A2, ..., Ap joukko kuvia (luokkia), H tunnistettava kuva.
Sitten tunnistustehtävä rajoittuu lähinnä Ak:n esiintymän (toteutuksen) etsimiseen
lähellä N:n etäisyyttä.
Syntaktinen tunnistus. Siihen liittyy erillinen luokka ongelmia
Jonkin kielen tietyn ketjun syntaktinen tunnistaminen sen merkityksessä
kieliopit. Kielioppi on mekanismi kielen luomiseen. On olemassa generatiivisia ja
kielioppien tunnistaminen (kuva 1.44).

Riisi. 1.44. Generatiiviset ja tunnustavat kieliopit

Äärillinen automaattitunnistin on viiden kohteen joukko: A = (S, X, s0, d, F),
missä S on äärellinen ei-tyhjä joukko (tilojen); X on äärellinen ei-tyhjä joukko
tulosignaalit (syöttöaakkoset); s0< S – начальное состояние; d: S x X
siirtymätoiminto; F – lopputilojen joukko.
S – →

Äärillisen automaatin tunnistin A = (S, X, s0, d, F) hyväksyy syöteketjun X*,
jos tämä ketju vie sen alkutilasta johonkin viimeisistä
valtioita.
Kaikkien automaattisen A sallimien ketjujen joukko muodostaa A:n salliman kielen.
Kieltä, jolle on olemassa äärellinen tilakone, joka tunnistaa sen, kutsutaan
automaattinen kieli.
Esimerkkejä kielistä (V - aakkoset, L - kieli):
1. V1 = (a, b, c); L= (abc, aa)

Tämä on keskeneräinen automaatti. (Lopulliset tilat on merkitty kaksoiskehyksellä.)
2. V2 = (a, b, c); L = o.
Mikä tahansa automaatti, jolla on tyhjä lopputilasarja, hyväksyy L.
3. V3 = (a, b, c); L = V*.
V* on joukko mielivaltaisen pituisia ketjuja.
Automaatilla, jolla on yksi tila, joka on lopullinen, on kolme
siirtyminen tästä tilasta samaan

5. V5 = (0, 1); L = (parillisten binäärilukujen joukko)

6. V6 = (+, –, 0, ..., 9); L = (kokonaislukuvakioiden joukko)

7. V7 = (+, –, 0, ..., 9, "."); L = (reaalilukujen joukko)

Syntaktisilla kaavioilla on suuri rooli tietojenkäsittelytieteessä. Syntaktinen
kaaviot ovat suunnattuja kaavioita, joissa on yksi tuloreuna ja yksi lähtöreuna
ja merkittyjä huippuja. Ne määrittelevät kielen ja ovat siksi generatiivisia
automaattikielten kieliopit.

Kelvolliset ketjut: aab, aacabcb jne.
Esimerkkejä ovat Pascal- ja C-kielten syntaksikaaviot.
Seuraava väite voidaan todistaa: mikä tahansa automaattikieli on annettu
syntaksikaavio ja päinvastoin käyttämällä mitä tahansa syntaksikaaviota
rakentaa äärellinen automaatti (yleensä ei-deterministinen), joka tunnistaa
kieli, jolla syntaksikaavio on määritetty.
Rakentamalla vastaavan tunnistusautomaatin syntaktisen kaavion perusteella voimme
sitten toteuttaa tämä kone joko laitteistossa tai ohjelmistossa. Täten,
syntaktiset kaaviot eivät palvele vain sukupolvea, vaan myös tunnistamista
automaattiset kielet.

1.9.5. Älykäs tietojärjestelmän käyttöliittymä

Tietotekniikan kehityksen analyysi viittaa siihen, että se
kehittyy jatkuvasti kahteen suuntaan.
Ensimmäinen suunta liittyy olemassa olevien tietokoneiden parametrien parantamiseen,
lisäämällä niiden suorituskykyä, lisäämällä niiden toiminnan ja levyn määrää
muistia sekä ohjelmistojen parantamista ja muokkaamista,
tavoitteena on lisätä niiden toimintojen tehokkuutta.
Toinen suunta määrittää muutokset tietojenkäsittelytekniikassa,
mikä parantaa tietokonejärjestelmien käyttöä. Kehitys tässä
suunta liittyy uudentyyppisten tietokoneiden syntymiseen ja laadullisesti uusiin
ohjelmistotyökaluja, jotka täydentävät olemassa olevia.
Ohjelmistokehitys etenee käyttöliittymän käyttäjäystävällisyyden lisäämisen tiellä,
nuo. Sellainen yksinkertaistaminen niiden hallinnassa, että käyttäjä ei vaadi erityistä
valmistelu ja järjestelmä luo mukavimmat olosuhteet työlleen.
Tietojenkäsittelyjärjestelmien parantamisen pääohje on niiden muuttaminen
kätevä kumppani loppukäyttäjälle, kun hän ratkaisee ongelmia hänen aikanaan
ammatillista toimintaa.
Varmistaaksesi ohjelmiston käyttäjäystävällisimmän käyttöliittymän
Käyttäjän on ensin tultava älykkääksi. Älykäs käyttöliittymä,
tarjoaa suoran vuorovaikutuksen loppukäyttäjän ja tietokoneen välillä
kun ratkaistaan ​​ongelma osana ihminen-kone -järjestelmää, on suoritettava kolme ryhmää
toiminnot:
antaa käyttäjälle mahdollisuuden asettaa tietokoneelle tehtävä
ilmoittaa vain ongelman ehdot (määrittämättä ratkaisuohjelmaa);
tarjoaa käyttäjälle mahdollisuuden luoda ongelmanratkaisuympäristöjä
käyttämällä vain ammatillisen toiminnan termejä ja käsitteitä
käyttäjä, luonnolliset tiedon esittämisen muodot;
joustavan vuoropuhelun varmistaminen useilla eri tavoilla, mukaan lukien
etukäteen säännelty mahdollisten käyttäjävirheiden korjauksella.
Järjestelmän rakenne (kuva 1.45), joka täyttää uuden ratkaisutekniikan vaatimukset
tehtävä koostuu kolmesta osasta:
toimeenpanojärjestelmä, joka on joukko keinoja,
ohjelmien täytäntöönpanon varmistaminen;

Tietokanta, joka sisältää tietojärjestelmän ongelmaympäristöstä;
älykäs käyttöliittymä, joka mahdollistaa mukauttamisen
tietokonejärjestelmän käyttäjälle ja mukaan lukien viestintäjärjestelmä ja
ongelman ratkaisija.
Tämä järjestelmä eroaa merkittävästi aikaisemmissa vaiheissa luoduista.
tietotekniikan ja tietotekniikan kehittäminen. Polku uusimman toteuttamiseen
tietotekniikkaan kuuluu tietokonejärjestelmien käyttö,
rakennettu ongelmaalueen tiedon esityksen pohjalle ja
älykäs käyttöliittymä.

Riisi. 1.45. Nykyaikaisen järjestelmän rakenne sovellettavien ongelmien ratkaisemiseksi

1.9.6. Nykyaikaisen järjestelmän rakenne sovellettavien ongelmien ratkaisemiseksi

Tekoälyjärjestelmien kehitys seurasi ensin mallinnuksen polkua
yksilöllisen tietoisuuden yleiset älylliset toiminnot. Kehitystä kuitenkin
tietotekniikka ja ohjelmistot 1990-luvulla. kumoaa ennusteet
viime vuosikymmeninä välittömästä siirtymisestä viidennen sukupolven tietokoneisiin.
Intellektuaaliset toiminnot suurimman osan ohjelmistojen viestintäjärjestelmiä
luonnollinen kieli ei ole vielä löytänyt laajaa sovellusta teollisessa mittakaavassa.
Sellainen käsite kuin "uusi informaatioinformaatio" on kokenut tyypillisen inflaation.
tekniikka". Aluksi tämä käsite tarkoitti älykästä käyttöliittymää tietokantaan
dataa, jolloin sovelluksen käyttäjät voivat kommunikoida niiden kanssa suoraan
luonnollinen kieli. Nykyään "uudet tietotekniikat" tarkoittavat
yksinkertaisesti tekniikoita, jotka käyttävät tietokonetekniikkaa tietojenkäsittelyssä
mukaan lukien tekstinkäsittelyohjelmien ja laskentataulukoiden käyttöön perustuvat tekniikat ja
myös tietojärjestelmiä.
Edessä ylitsepääsemättömien ongelmien kanssa, järjestelmän kehittäjät
"yleinen" tekoäly, ovat valinneet suuremman ja suuremman polun
erikoistuminen ensin asiantuntijajärjestelmiin, sitten yksilöihin

erittäin erityisiä älykkäitä toimintoja, jotka on sisäänrakennettu instrumentaaliin
ohjelmistotyökaluja, joita ei ole tähän mennessä pidetty kehitysalueena
tekoäly. Esimerkiksi tällaisissa järjestelmissä on nykyään usein
analyyttisten matemaattisten laskelmien mahdollisuudet, teknisten ja teknisten käännösten tekeminen
liiketekstit, tekstintunnistus skannauksen jälkeen, jäsentäminen
lauseita ja lauseita, itsesäätöä jne.
Tekoälyn tutkimus- ja kehitysparadigma on vähitellen kehittymässä
tarkistetaan. Ilmeisesti ohjelmistojärjestelmien nopean kehityksen mahdollisuus
yksilöllisen tietoisuuden älyllisten toimintojen mallintamista suurelta osin
vähiten uupunut. On syytä kiinnittää huomiota uusiin mahdollisuuksiin
avoimet tietojärjestelmät ja verkostot suhteessa yleiseen tietoisuuteen.
Tietojenkäsittelyjärjestelmien ja -verkkojen kehitys näyttää johtavan uudenlaisen tyypin syntymiseen
tietoisuus, johon tiedotusvälineet integroidaan orgaanisesti
teknologisena ympäristönä tietojen käsittelylle ja siirtämiselle. Tämän ihmisyyden jälkeen
se on hybridi-ihmis-koneälyä, joka ei saa niinkään mittakaavassa
yksilöllinen tietoisuus niin paljon kuin sosiaalisen käytännön alueella.

Kontrollikysymykset

1. Mikä on keinotekoisen tutkimuksen synty- ja kehityshistoria
älykkyyttä?
2. Mitkä ovat tekoälyn ongelmien erityispiirteet?
3. Kuvaile tekoälyn tutkimusalueita.
4. Mitä on "tieto" tekoälyjärjestelmien näkökulmasta?
5. Millä menetelmällä tietoa esitetään tuotteiden avulla?
6. Mikä on semanttisen verkon avulla tapahtuvan tiedon esittämisen perusta?
7. Miten kehysjärjestelmiä voidaan käyttää edustamaan tietoa?
8. Mitä eroja on älykkäissä järjestelmissä tiedon esittämisen ja edustamisen välillä?
vain dataa?
9. Mitä käsite "predikaatti" tarkoittaa?

10. Mikä on "torvilause"?
11. Miten looginen päättely tapahtuu resoluutiomenetelmällä?
12. Tarkista de Morganin lakien pätevyys: ~(X ^ Y) = (~X) v (~Y) ja ~(X v Y) =
(~X) ^ (~Y).
13. Mihin suuntaan tietojärjestelmien rajapintaosat kehittyvät?
14. Mikä on ohjelmistoliittymän ystävällisyys?
15. Millainen on tulevaisuuden lupaavien tietojärjestelmien rakenne?

CYBERNETICS, tieteenala, joka on omistettu eläinten, organisaatioiden ja mekanismien ohjaus- ja viestintäjärjestelmien tutkimukselle. Norbert Wiener käytti termiä ensimmäisen kerran tässä merkityksessä vuonna 1948. Tieteellinen ja tekninen sanakirja

kybernetiikka - CYBERNETICS [ne], -i; ja. [kreikasta kybernētikē - ruorimies, ruorimies] Tiede järjestäytyneiden järjestelmien (koneissa, elävissä organismeissa ja yhteiskunnassa) ohjaus- ja viestintäprosessien yleisistä laeista. ◁ Kyberneettinen, oh, oh. K-järjestelmä. Kuznetsovin selittävä sanakirja

kybernetiikka - substantiivi, synonyymien määrä: 2 neurokybernetiikka 1 imperialismin korruptoitunut tyttö 2 Venäjän synonyymien sanakirja

kybernetiikka - orf. kybernetiikka, -ja Lopatinin oikeinkirjoitussanakirja

KYBERNETIIKKA - (TALOUDELLINEN) (kreikan sanasta kybernetike - johtamisen taide) tiede talousjärjestelmien hallinnan yleisistä periaatteista ja tiedon käytöstä johtamisprosesseissa. Taloudellinen termien sanakirja

kybernetiikka - kybernetiikka w. 1. Tieteenala, joka tutkii yleisiä tiedon vastaanottamisen, tallentamisen ja välittämisen malleja järjestäytyneissä järjestelmissä (koneissa, elävissä organismeissa ja yhteiskunnassa). 2. Akateeminen aine, joka sisältää tämän tieteenalan teoreettiset perusteet. Efremova selittävä sanakirja

Kybernetiikka - I Kybernetiikka lääketieteessä. Kybernetiikka on tiedettä yleisistä ohjauslaeista kaikenlaisissa järjestelmissä - biologisissa, teknisissä ja sosiaalisissa. Opintojen pääkohde... Lääketieteellinen tietosanakirja

kybernetiikka - kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka, kybernetiikka Zaliznyakin kielioppisanakirja

kybernetiikka - CYBERNETICS [ne], ja, w. Tiede ohjausprosessien ja tiedonsiirron yleisistä laeista koneissa, elävissä organismeissa ja yhteiskunnassa. | adj. kyberneettistä, oh, oh. Ožegovin selittävä sanakirja

KYBERNETIIKKA - KYBERNETIIKKA (kreikan kielestä kybernetike - johtamisen taide) - johtamisen, viestinnän ja tiedonkäsittelyn tiede. Pääasiallinen tutkimuskohde on ns. kyberneettisiä järjestelmiä tarkastellaan abstraktisti niiden aineellisesta luonteesta riippumatta. Suuri tietosanakirja

Kybernetiikka - I Kybernetiikka (kreikan kielestä kybernetike - hallinnan taide, kybernáo - ohjaan, ohjaan) hallinnan, viestinnän ja tiedonkäsittelyn tiede (katso tiedot). Aiheena kybernetiikka. Tutkimuksen pääkohde... Suuri Neuvostoliiton tietosanakirja

KYBERNETIIKKA - KYBERNETIIKKA (kreikan kielestä kyberne - tice - johtamisen taide) - englanti. kybernetiikka; Saksan kieli Kybernetiikka. Tiede tietojen vastaanottamisen, tallentamisen, siirtämisen ja käsittelyn yleisistä laeista koneissa, elävissä organismeissa ja yhteiskunnassa. Sovellusalueesta riippuen on poliittisia, taloudellisia. ja sosiaalinen TO. Sosiologinen sanakirja

kybernetiikka - Tiede ohjauksesta, viestinnästä ja tiedonkäsittelystä. Tutkimuksen pääkohteena ovat mitä monipuolisimmat aineelliset kyberneettiset järjestelmät: tekniikan automaattiset säätimet, tietokoneet, ihmisaivot, biologiset populaatiot... Tekniikka. Nykyaikainen tietosanakirja

kybernetiikka - -i, f. Tiede järjestäytyneiden järjestelmien (koneissa, elävissä organismeissa ja yhteiskunnassa) ohjaus- ja viestintäprosessien yleisistä laeista. [Kreikasta κυβερνήτης - ruorimies, ruorimies] Pieni akateeminen sanakirja