ГЛАВА 1. ОБЩИЕ СВЕДЕНИЯ О НАУКЕ И НАУЧНЫХ

Стр 1 из 12Следующая ⇒

Основы научных исследований

Учебник для ВУЗов

Санкт-Петербург

2014 г.

УДК 001.891: 656.61

Б24

А.П.Баранов, В.А.Мирошниченко.

Б.24 Основы научных исследований. Учебник для ВУЗов.

СПб.: ГУМРФ им. адм. С.О.Макарова, 2014.

Изложены кратко все разделы учебной программы по дисциплине «Основы научных исследований» для специальности 18.04.07 «Эксплуатация судового электрооборудования и средств автоматики» с учетом изменений после 2012 года в области образования и науки в России и практического внедрения результатов исследований.

Учебник предназначен для курсантов (студентов) ВУЗов по специальности 18.04.07 «Эксплуатация судового электрооборудования и средств автоматики».

Рецензенты:

Романовский В.В. - д-р техн. наук, зав. кафедрой ЭДАС ГУМРФ им. адм. С.О.Макарова

Недялков К.В. - д-р техн. наук, профессор ГУМРФ им. адм. С.О.Макарова

ОГЛАВЛЕНИЕ

Введение....................................................................4

Глава 1. Общие сведения о науке и научных исследованиях..................... 5

Глава 2. Выбор темы, формулирование задач научных исследований................ 13

Глава 3. Методологические основы теоретических исследований................... 22

Глава 4. Методологические основы экспериментальных исследований..............30

Глава 5. Автоматизация научных исследований...................................45

Глава 6. Средства искусственного интеллекта – подход к новой информационной

технологии научных исследований..............................................48

Глава 7. Анализ и оформление полученных результатов НИР....................... 56

Глава 8. Изобретательская работа и ее особенности............................60

Глава 9. Внедрение и эффективность результатов научных исследований............64

Глава 10. Бизнес-планирование и поиск инвестиций............................65

Глава 11 Управление, планирование и прогнозирование научных исследований.

Научная организация творческого труда......................................... 96

Заключение................................................................ 100

Список литературы..........................................................101

ВВЕДЕНИЕ

Повышение материального и культурного развития любого общества возможно на основе повышения эффективности производства, улучшения качества продукции, ускорения научно-технического прогресса.

Научно-технический прогресс представляет собой взаимообусловленный процесс развития науки и техники.

В настоящее время научно-технический процесс проявляется в форме научно-технической революции (НТР).

Особенностями НТР являются:

- возрастающая роль науки; возможность автоматизации не только
физического, но и умственного нетворческого труда;

- бурный рост и обновление научно-технической информации; быстрая смена материалов, конструкций, машин, технологических процессов; резкое увеличение разновидностей инженерных решений;

- повышение уровня комплексной механизации, электрификации и
автоматизации, а также систем управления.

Сложность и уровень производства с каждым годом возрастают. Оно становится более многогранным, объемным, базируется на новых достижениях в области физики, химии, математики, информатики, вычислительной техники, электроники, автоматики и др.

В распоряжении инженера находятся значительные материальные, трудовые и финансовые ресурсы. Выбор оптимальных решений в такой сложной и непрерывно меняющейся обстановке затруднен без использования научного творчества, элементарных приемов научных исследований.

Современный инженер должен обладать не только глубокими профессиональными теоретическими и практическими знаниями, но и иметь минимум знаний в области научных исследований. Все это позволит самостоятельно ставить и творчески решать различные сложные задачи производства. Поэтому внедрение науки в производство обусловливает необходимость повышения уровня инженерно-технических работников.

В результате изучения основ научных исследований курсанты и студенты должны:

• знать современные методы проведения научных исследований, основы методологии и проведения этих исследований, методику планирования и обработки результатов экспериментов, правила оформления отчетной документации по проведенным научным исследованиям;

• уметь проводить библиографический поиск по теме исследования, пользоваться научно-технической и справочной литературой, использовать современную измерительную аппаратуру и вычислительную технику, составлять заявки на рационализаторские предложения и изобретения, формулировать постановку научно-технических задач, выбирать методы и средства их решения;

• иметь представление о классификации науки, об организации научных исследований в России, Министерстве транспорта, в вузе.

ГЛАВА 1. ОБЩИЕ СВЕДЕНИЯ О НАУКЕ И НАУЧНЫХ

ИССЛЕДОВАНИЯХ

Научные кадры страны

К научным кадрам, или научным работникам, относятся лица, имеющие высшее образование и ведущие научно-исследовательскую или (и) научно-педагогическую работу.

В нашей стране установлены две ученые степени - кандидат наук и доктор наук. Они присуждаются ученым после успешной защиты диссертации, содержащей результаты самостоятельной научно-исследовательской работы соискателя ученой степени.

Ученые звания в России - действительный член (академик) и член-корреспондент РАН, действительный член (академик) и член-корреспондент отраслевых академий (РАО, РАМН, РАСХН, РААСН, PAX), академики и члены-корреспонденты общественных академий (АЕН, PAT, АЭН и др.), профессор, доцент.

Ученые звания присваиваются лицам, занимающим должности, соответствующие этим званиям, и успешно выполняющим обязанности, установленные для этих должностей. При этом учитываются, в первую очередь, результаты научно-исследовательской и научно-педагогической деятельности научного работника.

Авторитет ученого определяется, прежде всего, результатами его работы, эрудицией и квалификацией. Основной формой подготовки научных кадров является аспирантураи докторантура.

Аспирантура (очная – 3 года, заочная - 4 года) и докторантура (очная - 3 года, заочная - 4 года) организуется при вузах, НИИ и других учреждениях, которые располагают высококвалифицированными кадрами научных руководителей, научно-лабораторной и экспериментальной базой, позволяющими проводить исследования на современном уровне. Аспиранты работают под руководством научных руководителей по избранной теме, а докторанты - под наблюдением научного консультанта.

Научных и научно-педагогических работников избирают на вакантные должности, соответствующие их ученому званию, по конкурсу на Ученом совете вуза или научного учреждения путем тайного голосования и последующего заключения контракта с администрацией вуза или научного учреждения. Через определенное контрактом время эти работники переизбираются по конкурсу.

Избрание и переизбрание по конкурсу является одной из форм аттестации научных и научно-педагогических кадров. Перед переизбранием на новый срок ученый или преподаватель вуза отчитывается о своей работе за время пребывания в этой должности после последних выборов. Научный коллектив, где работает ученый или преподаватель, и общественные организации характеризуют и дают рекомендации о его переизбрании в установленном порядке.

Вопросы, связанные с подготовкой и повышением квалификации научных кадров, решает Высшая аттестационная комиссия (ВАК) при Министерстве образования и науки РФ, которая несет ответственность за аттестацию научных и научно-педагогических кадров. ВАК решает вопросы присвоения ученых званий доцента и профессора преподавателям вузов и ученым научно-исследовательских учреждений России.

Вопросы для самоконтроля знаний

- Главные цели науки.

- Характерные особенности современной науки.

- Классификация научно-исследовательских работ (НИР).

- Этапы научно-исследовательских работ.

- Научные организации и учреждения страны.

- Научные кадры страны. Ученые степени и ученые звания в России.

- Аспирантура и докторантура как основная форма подготовки научных кадров.

- Высшая аттестационная комиссия (ВАК) России и ее основные функции.

ГЛАВА 2. ВЫБОР ТЕМЫ, ФОРМУЛИРОВАНИЕ ЗАДАЧ НАУЧНЫХ ИССЛЕДОВАНИЙ

Информационный поиск

После выбора и технико-экономического обоснования темы осуществляется информационный поиск, направленный на отыскание литературы по разрабатываемой теме.

Цель поиска — анализ информации по теме, освещение состояния вопроса (составление аналитического обзора), уточнение при необходимости темы, обоснование (уточнение после ТЭО) цели и задач научного исследования. Поиск включает два этапа: отыскание необходимой информации и проработку источников. Поиск может быть ручным, механическим, механизированным и автоматическим.

Ручной поиск осуществляет по обычным библиографическим карточкам, картотекам, печатным указателям. При механическом поиске носителем информации являются перфокарты. Механизированный поиск основан на применении счетно-перфорационных машин, а автоматизированный — на применении ЭВМ. Информационный поиск осуществляется с помощью информационно-поискового языка. Он представляет собой семантическую (смысловую) систему символов и правил их сочетания.

В настоящее время наибольшее распространение получила универсальная десятичная классификация документов информации (УДК). УДК разделяет все области знаний на 10 отделов, каждый из которых делится на 10 подразделов, а подраздел-на 10 мелких частей. Каждая часть детализируется до требуемой степени. Структура УДК состоит из групп основных индексов и определителей. Группы делятся на подгруппы общих и специальных определителей.

Для ускорения поиска можно использовать помощь ВИНИТИ, ВНТИЦ, ВНИИКИ, ЦНИИПИ и ГПНТБ, а также региональных центров НТИ и местных ОНТИ. С содержанием отчетов можно познакомиться по микрокопиям, полученным из ВИНИТИ по заявкам организаций.

Следует уделить внимание изучению литературных источников, как в оригинале, так и по переводным изданиям.

На стадии сбора и анализа информации полезны командировки в соответствующие организации по интересующим вопросам.

Прорабатывая тему, научный работник накапливает большое количество информации (до 100 - 200 и более наименований). Учет переработанной информации сводится к составлению библиографии с указанием следующих данных: фамилия и инициалы автора, название источника, место издания, издательство, год издания, объем источника информации. Библиографический перечень составляют в алфавитном порядке по фамилиям авторов, это ускоряет поиск нужной информации.

Проработка информации сводится к ее изучению и запоминанию. Первым условием эффективной проработки документов является установка, т.е. цель чтения, направленность. Она активизирует мышление, повышает память, помогает понять читаемое, делает восприятие более точным, настраивает «на определенную волну».

Изучение научно-технической информации требует творческого подхода, внимания, сосредоточенности, настойчивости, систематичности. Каждый научный работник должен владеть искусством запоминания и его способами (механическим, смысловым, основанным на запоминании логических связей между отдельными элементами).

Повторение - один из эффективных способов запоминания.

Работоспособность - важный фактор при повышении запоминания. Для поддержания работоспособности необходимо устранять мешающие факторы (шум и т.д.), правильно организовывать свое время, чередовать труд и отдых.

Прорабатывая информацию, применяют выписки, аннотации, конспекты, ксерокопии.

Вопросы для самоконтроля знаний

- Научные области, направления, темы, задачи и их особенности.

- Выбор темы и формулирование задач научных исследований. Основные требования, предъявляемые к теме НИР.

- Экономический критерий эффективности НИР.

- Содержание технико-экономического обоснования (ТЭО) на проведение НИР.

- Организации научно-технической информации в России и их особенности. Возможности системы интернет.

- Носители и потоки информации, их хранение.

- Информационный поиск по теме НИР. Цель поиска.

- Особенности анализа информации по теме НИР, ее использование при формулировании цели и задач НИР.

Модели объекта исследования

Под моделью объекта исследования понимают искусственную систему, отображающую с определенной степенью точности основные свойства изучаемого объекта - оригинала.

Модель находится в определенном соответствии с изучаемым объектом, может заменить его при исследовании и позволяет получить информацию об изучаемом объекте.

Типы моделей и виды моделирования подробно рассматривались при изучении дисциплины «Моделирование судового электрооборудования и средств автоматизации», поэтому на них мы останавливаться не будем.

Анализ многообразных моделей изучаемых объектов исследуется с помощью математических методов, которые могут быть разделены на основные группы:

- аналитические методы исследования, используемые для изучения непрерывных детерминируемых процессов;

- методы математического анализа с использованием эксперимента (метод аналогий, теории подобия, метод размерностей);

- вероятностно-статические методы исследования (математическая статистика, дисперсионный и корреляционный анализы, теория надежности, Марковские процессы и др.), используемые для изучения случайных процессов — дискретных и непрерывных;

- методы системного анализа (исследование операций, теория массового обслуживания, теория управления, теория множеств и др.). Они применятся для исследования сложных моделей - систем с многообразными и сложными взаимосвязями элементов, характеризуемых непрерывностью и детерминированностью, а также дискретностью и случайностью. Методы системного анализа получили широкое распространение в связи с развитием ЭВМ, вычислительной и прикладной математики.

Прикладная математика использует так называемые рациональные методы, допускающие наличие формулировок и утверждений, справедливых лишь в данных реальных условиях, но не применимых в «чистой» математике.

Вопросы для самоконтроля знаний

- Методология теоретических исследований.

- Основные разделы этапа теоретических разработок научного исследования.

- Типы моделей и виды моделирования объекта исследования.

- Аналитические методы исследования.

- Аналитические методы исследования с использованием эксперимента.

- Вероятностно-аналитический метод исследования.

- Методы статического моделирования (метод Монте-Карло).

- Метод системного анализа.

Средства измерений

Неотъемлемой частью экспериментальных исследований являются средства измерений, т.е. совокупность технических средств (имеющих нормированные погрешности), которые дают необходимую информацию для эксперимента. К средствам измерений относят измерительный инструмент, измерительные приборы и установки.

Измерительные средства делят на образцовые и технические. Образцовые средства, являющиеся эталонными, предназначены для проверки технических, т.е. рабочих средств. Проверка средств измерений предусматривает определение и по возможности уменьшение погрешностей приборов. Определение погрешностей позволяет установить, соответствует ли данный прибор регламентированной степени точности и может ли он быть применен для данных измерений.

Под регулировкой измерительного прибора понимают операции, направленные на снижение систематических ошибок до величины, меньшей допустимой погрешности. При выборе средств измерения необходимо максимально использовать стандартно выпускаемую аппаратуру, которая приводится в специальных ежегодниках-каталогах.

Проведение эксперимента

Проведение эксперимента является важнейшим этапом исследования в НИР. Экспериментальные исследования необходимо проводить в соответствии с установленным планом-программой и особенно методикой эксперимента.

Особое значение имеет добросовестность эксперимента, без субъективного влияния на результаты измерений. Недопустима небрежность, которая приводит к большим искажениям и ошибкам.

Обязательным требованием проведения эксперимента является ведение журнала, форма которого может быть произвольной. В журнале отмечают:

- тему НИР и тему эксперимента;

- ФИО исполнителя;

- время и место проведения эксперимента;

- характеристику окружающей среды;

- данные об объекте эксперимента и средствах измерения;

- результаты наблюдений, а также другие данные для оценки полученных результатов.

При проведении экспериментов исполнитель должен непрерывно следить за средствами измерений, устойчивостью аппаратов и установок, правильностью их показаний, характеристиками окружающей среды, а также не допускать посторонних лиц в рабочую зону.

Исполнитель должен проводить предварительную обработку результатов и их анализ. Это позволяет контролировать исследуемый процесс, корректировать эксперимент. Важными при этом являются консультации с коллегами и научным руководителем темы.

При проведении экспериментов важно выполнять требования по охране труда, технике безопасности и противопожарные правила.

Особое место принадлежит анализу результатов эксперимента - завершающей части, на основе которой делают вывод о подтверждении принятой гипотезы научных исследований. Анализ эксперимента - это творческая часть исследования.

Подбор эмпирических формул

На основе экспериментальных данных можно подобрать алгебраические выражения, которые называют эмпирическими формулами. Такие формулы подставляют только в пределах измеренных значений аргумента x₁ - х_п. Эмпирические формулы имеют тем большую ценность, чем больше они соответствуют результатам эксперимента. К эмпирическим формулам предъявляют два основных требования - по возможности они должны быть более простыми и точно соответствовать экспериментальным данным в пределах измерения аргумента.

Замену точных аналитических выражений приближенными, более простыми, называют аппроксимацией, а функции аппроксимирующими.

Регрессионный анализ

В реальных условиях часто встречаются ситуации, когда одному значению аргумента соответствует несколько измеряемых значений.

Под регрессионным анализом понимают исследование закономерностей между явлениями (или процессами), которые зависят от многих (иногда неизвестных) факторов. Если две переменные зависят друг от друга так, что каждому значению х соответствует определенное значение у, то между ними существует функциональная или детерминированная связь.

Однако часто между переменными х и у существует связь, но не вполне определенная. Одному значению х соответствует несколько значений (совокупность) у. В этом случае, когда каждому значению аргумента х соответствует статистический ряд распределения отклика у, связь называют регрессионной (корреляционной). Следовательно, регрессионные зависимости характеризуются вероятностными или стохастическими связями. Поэтому установление регрессионных зависимостей между величинами у и х возможно лишь тогда, когда выполнимы статистические измерения.

Статистические зависимости описывают математическими моделями процесса, т.е. регрессионными выражениями, связывающими независимые значения х (факторы) с зависимой переменной у. Модель по возможности должна быть простой и адекватной.

Суть регрессионно-корреляционного анализа сводится к установлению уравнения регрессии, т.е. вида кривой между случайными величинами (аргументами х и функцией y), оценке тесноты связей между ними, определению достоверности и адекватности результатов измерений. На практике часто возникает потребность в установлении связи между у и многими параметрами х₁, ..., х_п.

Многофакторные теоретические регрессии аппроксимируют полиномами первого или второго порядка. Математические модели характеризируют стохастический процесс изучаемого явления. Уравнение регрессии определяет систематическую составляющую, а ошибки разброса – случайную.

Теоретическую модель множественной регрессии можно получить методом математического планирования, т.е. активным экспериментом, а также пассивным, когда точки фактического пространства выбираются в процессе эксперимента произвольно.

Вопросы для самоконтроля знаний

- Цель, виды и методология эксперимента.

- План-программа и методика эксперимента.

- Статистические методы оценки измерений в экспериментальных исследованиях.

- Средства измерений и их выбор.

- Порядок и правила проведения эксперимента.

- Методы графического изображения результатов измерений.

- Подбор эмпирических формул.

- Регрессионный анализ и его применение.

- Определение адекватности теоретических решений.

- Определение законов распределения и их адекватности экспериментальным данным.

- Общие сведения о методе математического планирования эксперимента.

- Автоматизация экспериментальных исследований.

Вопросы для самоконтроля знаний

- Автоматизированные системы научных исследований (АСНИ) и их методическое, программное и информационное обеспечение.

- Вычислительный эксперимент как новая методология и технология научных исследований.

ГЛАВА 6. СРЕДСТВА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА –

НАУЧНЫХ ИССЛЕДОВАНИЙ

С первых дней зарождения науки о вычислительных машинах множество людей увлекает мечта о построении машин способных мыслить. Было время, когда создание такого разума считали бессмысленным мероприятием, но затем идея вновь привлекла к себе внимание. Сегодня под термином " искусственный интеллект" (ИИ) принято понимать работы в области программного анализа перевода текстов, восприятия естественной речи, робототехники и т.д.

Это понятие возникло как результат обобщения моделей поведения биологических и искусственных систем, проявляющих способность к активному восприятию и избирательному запоминанию информации с целью принятия решения. Очевидно, что любая искусственная интеллектуальная система (физическая или формальная) обладает набором следующих интеллектуальных качеств:

- свобода целеполагания и выбора способа достижения цели;

- возможность корректировать свое поведение при изменении обстоятельств;

- способность сохранять свои функциональные свойства при изменении окружающей среды.

Как правило, модели искусственного интеллекта имитируют поведение человека при решении интеллектуальных задач, и сложившееся представление о функциональных свойствах предполагает наличие функциональных механизмов (процессоров) и механизмов памяти, баз знаний.

Основное направление в решении проблемы ИИ, наиболее перспективное в плане практических предложений, связано с коренной " интеллектуализацией ЭВМ" путем оснащения их программно-техническими средствами искусственного интеллекта. Программно-технические средства ИИ, встроенные в ЭВМ, позволяют подойти к новому стилю использования вычислительной техники или новой информационной технологии.

Многие проблемы исчезают, когда ЭВМ объединяется с миром конечного пользователя благодаря тому, что программно-аппаратные средства ИИ образуют интеллектуальный интерфейс между ЭВМ и конечным пользователем. Реализация новой информационной технологии требует, чтобы ЭВМ, оснащенная средствами ИИ, обладала рядом свойств.

Во-первых, ЭВМ должна понимать профессиональный естественно-языковый диалект конечного пользователя (тексты, речи), в смысле адекватной реакции в виде ответов на вопросы, или приведения в действие каких-либо систем.

Во-вторых, ЭВМ должна давать возможность конечному пользователю решать задачи в области планирования, управления, проектирования разработок и научных исследований по их постановкам и исходным данным независимо от сложности математических моделей этих задач.

Управление ходом вычислительного процесса конечный пользователь осуществляет, оперируя понятиями своей предметной области.

Главная черта творческой деятельности интеллекта - открытие нового знания.

Можно представить иерархию уровней степени общности языков моделирования интеллекта:

1 уровень - условное представление вариантов ответа: чувства, эмоции;

2 уровень - общее словесное описание (модель) объекта на размытом языке;

3 уровень - более конкретная, но еще словесная модель;

4 уровень - математическая вероятностная модель;

5 уровень - детерминированная математическая модель без усреднения переменных;

6 уровень - графическое (зрительное) представление, выход на дисплей.

С точки зрения лингвистического подхода все уровни знаний являются алгоритмическими, то есть пригодны для программирования на ЭВМ.

В зависимости от состава интерфейса можно выделить три класса систем искусственного интеллекта:

I класс. Вопросо-ответные системы, или интеллектуальная диалоговая система. Здесь помимо семантической модели предметной области, характерно наличие лингвистического процессора.

II класс. Расчетно-логические системы, позволяют решать задачи по постановкам и описаниям в терминах предметной области конечного пользователя и исходным данным.

III класс. Экспертные системы или системы-консультанты.

Создание ценных, служащих человеку экспертных систем - одна из наиважнейших задач, стоящих перед индустрией знаний в ближайшие десятилетия.

Экспертная система (ЭС) - это вычислительная система, в которую включены знания специалистов о некоторой конкретной проблемной области и которая в пределах этой области способна принимать экспертные решения.

Экспертные системы положили начало развитию совокупности методов «инженерии знаний», составляющие новый подход к созданию высокоэффективных программных систем.

В основе экспертной системы - обширный запас знаний о конкретной проблемной области. В большинстве случаев эти знания организуются как некоторая совокупность правил, которые позволяют делать заключения на основе исходных данных или предположений. Традиционная формула: «данные + алгоритмы = программа» заменяется на новую: «знание + вывод = система».

В общем случае экспертная система строится на основе четырех компонентов программно-аппаратных средств ИИ:

1) смысловая семантическая модель предметной области строится в ЭВМ на основе системы представления знаний;

2) программа для планирования вычислений по заданиям конечных пользователей;

3) лингвистический процессор в программной или аппаратной реализации;

4) программно-аппаратные средства логического вывода.

Таким образом, представление знаний в ЭВМ - центральная проблема искусственного интеллекта. Концептуальная модель любой интеллектуальной системы включает несколько подсистем, в частности подсистему базы знаний, подсистему машинного ввода.

База знаний в общем случае включает:

базу интерфейсных знаний (связана с пониманием языков общения);

базу системных знаний (понимание самой системы);

базу прикладных знаний (специальные знания для различных профессий).

Подсистема машинного ввода включает выбор метода и формирование программ: решения (т.е. синтез программы обработки данных с учетом содержания проблемы, используя знания общего характера из базы).

Устранение ошибочных реакций позволяет поставить задачу о построении ИИ более совершенного, чем интеллект человека. При этом ЭВМ не следует алгоритмом мышления человека, а имеет свои алгоритмы принятия решения. Такими алгоритмами является выбор моделей по принципу самоорганизации, специфического способа машинного мышления.

Поскольку ИИ расширяет возможности компьютеров, последние могут быть использованы для разрешения множества проблем, возникающих в повседневной жизни.

Для коммерческого применения наиболее разработаны системы с базами знаний и системы с естественными языками. Кроме перечисленных применений, ИИ находит место в системах автоматизации программирования, в военных системах.

Первые же системы ИИ послужили толчком в направлении нового поколения аппаратных и программных средств. Крупные фирмы компьютерной промышленности осознали стратегическую важность системы ИИ. Японские главные компьютерные компании работают по проекту создания машин пятого поколения,

наиважнейшая цель которого - создать новое семейство думающих компьютеров с базами знаний и мощными средствами дедукции, при которых частные положения выводятся из общих.

Для поддержания перечисленных выше функций базы знаний ЭВМ пятого поколения должна охватывать следующие виды информации:

- лингвистические знания, обеспечивающие взаимодействие человека и ЭВМ;

- знания в области решаемых задач;

- знания относительно систем самой машины.

Так как вычислительные системы будущего будут ориентированы на обработку информации о знаниях, они должны обладать высокоразвитыми логическими возможностями. Самое важное, что человек-машинный интерфейс окажется существенно приближенным к формам общения между людьми.

В ЭВМ пятого поколения описание и моделирование будут осуществляться на уровне интерфейса, то есть компьютеры смогут понимать описание задачи, выражать его в форме модели и синтезировать программу на этой модели. Вычислительная система будет пользоваться накопленными в ней знаниями на всех этапах обработки, начиная от ввода речи, текстов, изображений и т.д., и кончая процессом понимания смысла этих исходных данных, формированием ответа. Эти знания состоят из знаний по языкам, знаний относительно предметных областей, знаний о механизмах и о представлении данных в аппаратной системе - они хранятся в базе знаний.

С точки зрения пользователя ЭВМ пятого поколения должны соответствовать следующим пяти принципам:

1. Простота пользования функциональными возможностями (от пользователя не требуется профессиональная подготовка).

2. Моделирование «человеческих» функциональных возможностей, таких как построение доказательств и принятие решений.

3. Гибкость конфигурации, обеспечивающая приспосабливаемость ЭВМ к условиям выполнения широкого диапазона работ.

4. Наличие функций, обеспечивающих программирование.

5. Принципы, осуществляющие эффективность и надежность вычислительных систем.

Вычислительные системы пятого поколения будут ориентированы на обработку знаний и обладать развитыми возможностями логического вывода. Важнейшим принципиальным отличием от всех предыдущих поколений вычислительной техники является использование интерфейса, рассчитанного на человека (восприятие естественных языков, фотографий, изображений и т.д.)

Семейство ЭВМ пятого поколения будет состоять из машин, способных удовлетворять требованиям, которые выдвигаются на различных направлениях их применения. Все машины должны выполнять три основные функции:

- решение задач и получение выводов;

- поддержку базы знаний;

- обеспечение интеллектуального общения человека и машины.

Информационная технология - это новый этап в развитии общества, новое

средство достижения более высокого уровня его благосостояния.

Средства информационной технологии получают быстрое развитие. Повсюду ЭВМ выступает как новое орудие опосредования умственного труда человека. Доля информационных работников в общей численности трудовых ресурсов возрастает, в будущем они составят самую большую профессиональную группу. Основным капиталом экономики будет накопленный ими опыт. Информация останется, прежде всего, средством обеспечения производства, а не предметом потребления.

Все общественные институты будут подчинены двум принципам: праву собственности информации и контролю за ней.

Информационная технология позволяет упростить структуру не только отдельных организаций, но и целых отраслей. Развитие и совершенствование средств вычислительной техники ведет к расширению круга приложения в науке и производстве, в частности, к созданию проблемно-ориентированных систем типа АСНИ, САПР, АСУ и других, информационное обеспечение которых зачастую требует последовательного перехода от баз данных к базам знаний, экспертным системам. Создание ценных, служащих человеку экспертных систем является одной из важнейших задач в ближайшие десятилетия.

Проблемно-ориентированные информационные системы должны быть спроектированы с учетом деловой стратегии фирмы и вместе с тем определять ее организационную структуру.

Внедрение новых средств информационных технологий диктует перспективу рабочих функций. Электронные средства, дополняющие существующие способы деловой деятельности, следует рассматривать как новые средства для новых видов деятельности. За счет автоматизации ряда рутинных процессов появилась возможность для персонала больше сосредотачиваться на содержании своей работы и лучше контролировать потоки информации.

С появлением недорогих персональных данных компьютеров стало возможным обеспечивать локальное решение задач пользователей. Объединение децентрализованных персональных компьютеров в локальные сети повысило скорость и возможности передачи информации.

Способность человека освоить управленческие роли подкрепляется электронной памятью оборудования, оснащающего его рабочее место.

Одно из наиболее ярких свойств компьютерной техники - возможность моделировать другие системы. Благодаря внедрению ЭВМ в сферу научных исследований создается новый подход ко многим проблемам. Новые вычислительные методы, позволяя изучать сложные явления, изменяют цели многих областей науки. Научные законы рассматриваются как алгоритмы. Физические системы рассматриваются как вычислительные системы, обрабатывающие информацию таким же способом, что и ЭВМ.

Будущее искусственного интеллекта определяется внедрением в вычислительную технику тех средств, которыми пользуются люди: математических выводов, теорем или формальных правил, основанных на приобретенном опыте, расчленение трудной задачи на более легкие подзадачи, рассуждения по аналогии с решенными ранее задачами. Главным инструментом становится не сам компьютер, а его программное обеспечение. Успех будет зависеть от того, смогут ли программисты ввести в свои системы исходный материал: огромные базы знаний, заключающие в себе факты и разнообразный опыт, на основе которого рассуждают люди. Машины не смогут достичь человеческого уровня при решении наиболее интересных задач до тех пор, пока программы не будут иметь способности

накапливать опыт на протяжении длительного времени и способности общаться друг с другом, обучаясь таким образом.

Проблема создания гибкого автоматизированного производства, обеспечивающего высокоинтенсивную и одновременно трудосберегающую форму производства, требует глубокого системного подхода. По существу требует

12 3 4 5 6 7 8 9 10 Следующая ⇒