Роль робототехники в современном мире

 

Содержание

 

Введение

Актуальность. Развитие отечественной робототехники переживает большие трудности, отрасль фактически поставлена на грань выживания. Есть несколько причин такого положения. Во-первых, вся научно-техническая и исследовательская база робототехники долгие годы поддерживалась и финансировалась государством, основные приоритеты развития данной отрасли определялись на правительственном уровне. Во-вторых, развитие робототехники в Советском союзе стимулировалось и экономическим соперничеством между странами социалистического  и капиталистического лагеря.

Развитие робототехники в России зависит от многих причин. Робототехника – важная и перспективная отрасль промышленности, поскольку при помощи роботов и их комплексов руководители предприятий могут создавать высокоэффективное производство с минимальными издержками и высоким качеством продукции. Для достижения этой задачи они готовы привлекать инвестиционный капитал и вкладывать в их развитие собственные средства предприятия с целью значительно увеличить чистую прибыль от продаж продукции в будущем. Таким образом, для многих развитых предприятий подобный подход стал основой стратегии работы на долгие годы.

Мировые лидеры в производстве робототехники уже конкурируют между собой на российском рынке, использую знания и опыт отечественных инженеров по робототехнике. Положение дел необходимо срочно менять: развивать отечественную робототехнику при помощи национальных проектов, которые должны приниматься и курироваться на федеральном уровне.

Цель:  определить роль робототехники в современном мире.

Объект: искусственный интеллект.

Предмет: развитие робототехники в современном мире.

Для достижения поставленной в курсовой работе цели решались следующие задачи:

  1. определить роль искусственного интеллекта в научно-техническом прогрессе;
  2. рассмотреть использование интеллектуальных информационных систем в различных прикладных областях;
  3. рассмотреть историю развития роботов;
  4. определить современное состояние роботизации;
  5. проанализировать роль робототехники в геологоразведывательной и космической промышленности.

Изученность. Методологической и теоретической основой курсовой работы послужили труды А. Ф. Тихонова [17] «Автоматизация и роботизация технологических процессов и машин в строительстве», Е. П. Попова [12] «Робототехника», В. Д. Цыганкова[18] «Нейрокомпьютер и мозг».

Вопросы, связанные с формированием и развитием робототехники, её определения и применения рассмотрены в работах В.Л.Афонин [1], Е.П. Попова [12], В.Д. Цыганкова [18], В.Л. Конюх [7] и др.

В составе авторов, рассматривающих современные возможности применения роботов, И.А. Каляев [5], Л. С. Ямпольский [20], В.В. Мацкевич [9], Е.П. Попов [11], которые имеют основополагающее значение для данного исследования.

Методы исследования. В курсовой работе были использованы  такие методы исследования как: анализ, обобщение, сравнение, классификация.

Апробация. Результаты по теме исследования были представлены в докладе на межвузовской научно-практической конференции «Развитие социально-культурной деятельности и художественного образования в Западно-Сибирском регионе: теория и практика»

Структура работы. Логика исследования обусловила структуру курсовой работы, состоящей из введения, двух глав, заключения и библиографии. Первая глава  посвящена обзору экспертных систем и рассмотрению инструментальных средств проектирования интеллектуальных систем. Во второй главе рассматриваются области применения экспертных систем в геологоразведывательной и космической промышленности. В заключении подводятся итоги проведения исследования робототехники и определения его роли в современном мире.

 

Глава 1. Системы искусственного интеллекта, как предпосылки создания робототехники

1.1. Теоретические основы  систем искусственного интеллекта

В течение тысяч лет человек пытается понять, как он думает. В области искусственного интеллекта (ИИ) решается еще более ответственная задача: специалисты в этой области пытаются не только понять природу интеллекта, но и создать интеллектуальные сущности.

Вернувшись в прошлый век, окунемся в ту атмосферу созидания и открытия Норбертом Винером новой науки "Кибернетики", положившей начало созданию «умных машин» [30].

Кибернетика – в большей степени наука о живых организмах, человеке и обществе, чем о машинах. Машина – скорее инструмент и модель в общей кибернетике, а не предмет изучения. Так считал сам Винер.

Винер сравнивал машины создаваемые человеком, и машины, создаваемые природой и делал вывод, что машины созданные природой (люди) более эффективны и приспособляемы, но машины, созданные человеком, дали человеку в руки орудие для естественного эксперимента и эксперимента мысленного.

Искусственный интеллект это одна из новейших областей науки. Первые работы в этой области начались вскоре после Второй мировой войны, а само ее название было предложено в 1956 году. Ученые других специальностей чаще всего указывают искусственный интеллект, наряду с молекулярной биологией. Студенты-физики вполне обоснованно считают, что все великие открытия в их области уже были сделаны Галилеем, Ньютоном, Эйнштейном и другими учеными [1].

В настоящее время тематика искусственного интеллекта охватывает огромный перечень научных направлений, начиная с таких задач общего характера, как обучение и восприятие, и заканчивая такими специальными задачами, как игра в шахматы, доказательство математических теорем, сочинение поэтических произведений и диагностика заболеваний. В искусственном интеллекте систематизируются и автоматизируются интеллектуальные задачи, и поэтому эта область касается любой сферы интеллектуальной деятельности человека. В этом смысле искусственный интеллект является поистине универсальной научной областью.

Свойства искусственного интеллекта

Характеристика искусственного интеллекта была предложена Л.Т. Кузиным [1]:

  • наличие в них собственной внутренней модели внешнего мира; эта модель обеспечивает индивидуальность, относительную самостоятельность системы в оценке ситуации, возможность семантической и прагматической интерпретации запросов к системе;
  • способность пополнения имеющихся знаний;
  • способность к дедуктивному выводу, т.е. к генерации информации, которая в явном виде не содержится в системе; это качество позволяет системе конструировать информационную структуру с новой семантикой и практической направленностью;
  • умение оперировать в ситуациях, связанных с различными аспектами нечеткости, включая "понимание" естественного языка;

способность к диалоговому взаимодействию с человеком;

  • способность к адаптации.

Можно сказать, что эти характеристики достаточно точно соответствуют характеристикам нашего интеллекта.

Предпосылки развития науки искусственного интеллекта

История искусственного интеллекта как нового научного направления начинается в середине 20 века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления. Экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений – теории алгоритмов и были созданы первые компьютеры.

История развития искусственного интеллекта показывает, что интенсивные исследования проводились по всем четырем направлениям. Вполне можно предположить, что между теми учеными, которые в основном исходят из способностей людей, и теми, кто занимается главным образом решением проблемы рациональности, существуют определенные разногласия.

Подход, ориентированный на изучение человека, должен представлять собой эмпирическую научную область, развитие которой происходит по принципу выдвижения гипотез и их экспериментального подтверждения. С другой стороны, подход, основанный на понятии рациональности, представляет собой сочетание математики и техники. Каждые из этих групп ученых действуют разрозненно, но вместе с тем помогают друг другу.

Проверка того, способен ли компьютер действовать подобно человеку: подход, основанный на использовании теста Тьюринга.

Тест Тьюринга, предложенный Аланом Тьюрингом, был разработан в качестве удовлетворительного функционального определения интеллекта. Тьюринг решил, что нет смысла разрабатывать обширный список требований, необходимых для создания искусственного интеллекта, который к тому же может оказаться противоречивым, и предложил тест, основанный на том, что поведение объекта, обладающего искусственным интеллектом, в конечном итоге нельзя будет отличить от поведения таких бесспорно интеллектуальных сущностей, как человеческие существа [4].

Компьютер успешно пройдет этот тест, если человек-экспериментатор, задавший ему в письменном виде определенные вопросы, не сможет определить, получены ли письменные ответы от другого человека или от некоторого устройства. Отметим, что решение задачи по составлению программы для компьютера для того, чтобы он прошел этот тест, требует большого объема работы. Запрограммированный таким образом компьютер должен обладать перечисленными ниже возможностями.

  • Средства обработки текстов на естественных языках (Natural Language Processing—NLP), позволяющие успешно общаться с компьютером, скажем на английском языке.
  • Средства представления знаний, с помощью которых компьютер может записать в память то, что он узнает или прочитает.
  • Средства автоматического формирования логических выводов, обеспечивающие возможность использовать хранимую информацию для поиска ответов на вопросы и вывода новых заключений.
  • Средства машинного обучения, которые позволяют приспосабливаться к новым обстоятельствам, а также обнаруживать и экстраполировать признаки стандартных ситуаций.

В тесте Тьюринга сознательно исключено непосредственное физическое взаимодействие экспериментатора и компьютера, поскольку для создания искусственного интеллекта не требуется физическая имитация человека. Но в так называемом полном тесте Тьюринга предусмотрено использование видеосигнала для того, чтобы экспериментатор мог проверить способности испытуемого объекта к восприятию, а также имел возможность представить физические объекты «в неполном виде»

Чтобы пройти полный тест Тьюринга, компьютер должен обладать перечисленными ниже способностями:

  • Машинное зрение для восприятия объектов.
  • Средства робототехники для манипулирования объектами и перемещения в пространстве.

Шесть направлений исследований, перечисленных выше, составляют основную часть искусственного интеллекта, а Тьюринг заслуживает нашей благодарности за то, что предложил такой тест, который не потерял своей значимости и через 50 лет. Тем не менее, исследователи искусственного интеллекта практически не занимаются решением задачи прохождения теста Тьюринга, считая, что гораздо важнее изучить принципы интеллекта, чем продублировать одного из носителей естественного интеллекта.

1.2. Прикладные задачи  систем искусственного интеллекта

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е. Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

  • технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;
  • технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;
  • высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;
  • объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

По мнению ведущих специалистов, в недалекой перспективе ЭС найдут следующее применение:

  • ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;
  • технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Неформализованные задачи обычно обладают следующими особенностями:

  • ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;
  • ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;
  • большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;
  • динамически изменяющимися данными и знаниями.

Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Экспертные системы применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др. [6].

Структура экспертных систем

Типичная статическая ЭС состоит из следующих основных компонентов:

  • решателя (интерпретатора);
  • рабочей памяти (РП), называемой также базой данных (БД);
  • базы знаний (БЗ);
  • компонентов приобретения знаний;
  • объяснительного компонента;
  • диалогового компонента.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

В разработке ЭС участвуют представители следующих специальностей:

эксперт в проблемной области, задачи которой будет решать ЭС;

инженер по знаниям - специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний);

программист по разработке инструментальных средств (ИС), предназначенных для ускорения разработки ЭС.

Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его.

Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭС знаний.

Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы ЭС; осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ представления знаний в этом ИС; выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает ИС (если ИС разрабатывается заново), содержащее в пределе все основные компоненты ЭС, и осуществляет его сопряжение с той средой, в которой оно будет использовано.

Экспертная система работает в двух режимах: режиме приобретения знаний и в режиме решения задачи (называемом также режимом консультации или режимом использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.

Отметим, что режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае ЭС разработку программ осуществляет не программист, а эксперт (с помощью ЭС), не владеющий программированием [6].

В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу). В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее. Если реакция системы не понятна пользователю, то он может потребовать объяснения.

1.3. История развития робототехники

Робототехника наука о процессе разработки автоматизированных технических систем на базе электроники, механики и программирования. Роботостроение развитая отрасль промышленности: несколько тысяч роботов работают на различных предприятиях, робототехнические манипуляторы превратились в неотъемлемую часть подводных исследовательских аппаратов, изучение космического пространства уже не обходиться без использования роботов с высоким уровнем интеллекта.

Первый чертёж человекоподобного робота был сделан Леонардо да Винчи около 1495 года. Записи Леонардо, найденные в 1950-х, содержали детальные чертежи механического рыцаря, способного сидеть, раздвигать руки, двигать головой и открывать забрало. Дизайн скорее всего основан на анатомических исследованиях, записанных в Витрувианском человеке. Неизвестно, пытался ли Леонардо построить робота [12].

Первого работающего робота андроида, играющего на флейте, создал в 1738 году французский механик и изобретатель Жак де Вокансон. Он также изготовил механических уток, которые, как говорят, умели клевать корм и испражняться [12].

Большим достижением в деле строительства машин и механизмов стало открытие основных законов динамики. Еще в 1743 году Жан Лерон Д´Аламбер сформулировал принцип, позволивший распространить на динамику идею равновесия сил, с успехом используемую в статике. Чтобы привести систему в статическое равновесие (допустим, установить бутылку на горлышко так, чтобы она не падала), необходимо найти правильные положения всех объектов. Для динамического равновесия (когда некоторые части системы могут, к примеру, крутиться, создавая движение, уравновешивающее приложенные силы) нужно найти уже не просто 2-3 положения или скорости, а сразу целую функцию всех положений от времени. Для этого к активным силам Д´Аламбер добавил силы инерции и поставил следующую задачу вариационного исчисления:

Ее решением будет вектор функций xi(t).

А в 1829 году Карл Фридрих Гаусс предложил еще один принцип механики, более общий и удобный в использовании, который он назвал принципом наименьшего принуждения[8]:

Здесь dwi – вектор возможных ускорений.

Принцип, указанный Гауссом, позволяет нам отличить действительные движения системы ото всех других движений, возможных в определенной ситуации. В словесном изложении он звучит примерно так:

«Движение системы связанных точек в действительности происходит в направлении наименьшего принуждения, т.е. как можно меньше отклоняясь от свободного движения, как если бы не существовало наложенных связей».

А под принуждением понимается величина:

Где sv – вектор между двумя разными точками, в которых система окажется через время dt в случае свободного и связанного движений соответственно [9].

Направления сил инерции каждой из частей механизма как раз и отражают те направления, в которых свободно продолжали бы двигаться части, если их внезапно отцепить друг от друга.

Указанный принцип наименьшего принуждения очень широко используется при создании систем управления манипуляторами. Это – основа. Без него невозможно оценить, какой кинематический эффект вызовет то или иное действие. [10].

Первые программируемые механизмы с манипуляторами появляются в 1930х годах в США. Толчком к их созданию послужили работы Генри Форда (1863-1947) по созданию автоматизированной производственной линии или конвейера (1913). Разбив весь процесс производства изделия на большое количество маленьких этапов, Форд добился снижения требований к квалификации рядового работника. До него автомобиль могла собрать только команда высоких профессионалов. Теперь же профессионалы требовались только для выработки четкого плана производственного процесса. Однако у конвейера была и обратная сторона – длительная однообразная работа быстро утомляет человека, снижает производительность и является причиной профессиональных болезней, не известных ранее. Кроме того, имеющаяся теперь свобода в выборе места за конвейером вынуждает платить больше за самую наименее квалифицированную и вредную работу. И первая из них – покраска, ведь слой должен ложиться очень ровно, заданной толщиной, чтобы успеть быстро высохнуть, быть прочным, и не израсходовать на себя много краски.

В огромном количестве источников, например в Business Week's Robot Milestones [11], указывается, что первый в мире индустриальный робот был построен в 1938 году, двумя американцами Уиллардом Поллардом и Гарольдом Роузландом для компании DeVilbiss Company, Великобритания, – на тот момент крупнейшего производителя компрессоров и распылителей для промышленного производства. В действительности, история выглядит иначе.


 

 

 

 

 

 

 

 

Рис. 1. Манипулятор Уилларда Л.В. Полларда

 Манипулятор Уилларда Л.В. Полларда от 1938 года, ошибочно принимаемый за первый в истории управляемый манипулятор Уилларда Л.Г. Полларда от 1934 года (патент США №2286571, 1942)

В 1938 году американец Уиллар Л.В. Поллард (Willard L.V. Pollard) действительно изобретает управляемый манипулятор. И не просто, а параллельный манипулятор(12). Три проксимальных (13) звена управлялись двумя приводами на базе (на рисунке это электрический привод 11 и пневматический привод 36). Три дистальных (14) звена (13, 14 и 15) крепились к проксимальным звеньям карданной передачей (16). Два из них (13 и 15) крепились к третьему на шарнире (18). Головка распылителя (1) крепится к третьему дистальному звену опять карданной передачей (17), обеспечивающей ей горизонтальный ход. Вертикальный и горизонтальный углы поворота головки управляются еще двумя приводами (10 и 12) при помощи троса (35). Итого 5 степеней свободы.