Несмотря на внешнюю простоту и естественность базовых понятий нечеткой логики, понадобилось более пяти лет, чтобы построить и доказать комплекс постулатов и теорем, делающих логику логикой, а алгебру - алгеброй. Параллельно с разработкой теоретических основ новой науки, Заде прорабатывал различные возможности ее практического применения. И в 1973 году эти усилия увенчались успехом - ему удалось показать, что нечеткая логика может быть положена в основу нового поколения интеллектуальных систем управления. Практически сразу после выхода в свет фундаментального доклада Заде /2/ одна небольшая предприимчивая фирма из Дании применила изложенные в нем принципы для усовершенствования системы управления сложным производственным процессом. Результат, что называется, превзошел все ожидания - через четыре года прибыли от внедрения новой системы исчислялись десятками тысяч долларов.
Чтобы понять, что дает применение нечеткой логики в системах управления, рассмотрим простой пример. Представьте себе, что вам необходимо разработать систему управления тяжелым длинномерным грузовиком, способную автоматически загонять его в узкий гараж из произвольной начальной точки. Если вы попытаетесь решить эту задачу классическим способом, то вам можно только посочувствовать. Придется в буквальном смысле слова увешать автомобиль всевозможными датчиками и акселерометрами, после чего привлечь пару докторов наук для составления отнюдь не простой системы уравнений в частных производных.
Использование нечеткой логики принципиально упрощает задачу. Прежде всего, используя лишь три нечетких параметра - скорость и ориентацию автомобиля и расстояние до гаража, вы получаете исчерпывающее описание текущей ситуации. Далее вы строите простую и естественную систему нечетких правил типа:
<Если до гаража достаточно далеко, скорость невелика, а нос смотрит влево возьми правее>. В пакете CubiCalc, одном из наиболее популярных пакетов на основе нечеткой логики, для полной реализации указанной задачи понадобилось описать лишь двенадцать ситуаций и тридцать пять нечетких правил - каждое не сложнее приведенного выше. Вы можете часами наблюдать за кружевом трасс на экране - действия системы экономичны и безошибочны.
Этот несложный пример позволяет проиллюстрировать два ключевых преимущества нечеткой логики по сравнению с другими методами построения систем управления. Во-первых, при тех же объемах входной и выходной информации, центральный блок принятия решений становится компактнее и проще для восприятия человеком. Во-вторых, решение сложной и громоздкой задачи вычисления точных воздействий подменяется значительно более простой и гибкой стратегией адаптивного <подруливания> - при сохранении требуемой точности результата!
Совершенно естественно, что мимо такого перспективного инструмента не могли пройти военные - и в начале 80-х годов в Японии, а затем и в США в обстановке глубокой секретности были развернуты комплексные работы по использованию нечеткой логики в различных оборонных проектах. Одним из самых впечатляющих результатов стало создание управляющего микропроцессора на основе нечеткой логики (т.н.), способного автоматически решать известную <задачу о собаке, догоняющей кота>. Разумеется, в роли кота выступала межконтинентальная ракета противника, а в роли собаки - мобильная зенитная ракета, слишком легкая для установки на нее громоздкой традиционной системы управления. Кстати, задача о коте и собаке с той поры относится к разряду классических, обошла все учебные пособия и пакеты по нечеткой логике, и вы можете вдоволь поэкспериментировать с различными стратегиями поражения движущейся цели одним или несколькими самоуправляемыми зарядами. Между прочим, впоследствии те же методы нечеткой логики позволили решить и обратную задачу - разработать маневры для эффективного ухода от анти-ракет.
Первый успех окрылил военных и нечеткая логика уверенно заняла свое место в ряду стратегически важных научных дисциплин. Возникла парадоксальная ситуация - официально не признаваемая американской академической наукой, нечеткая логика в то же время вошла в перечень передовых технологий, запрещенных комитетом COCOM к экспорту из США. Автору этой статьи доводилось принимать участие в получении лицензии на ввоз в Россию пакетов CubiCalc и CubiQuick и держать в руках более новую программу RuleMaker с красной наклейкой <Запрещен к вывозу из США>.
Однако основные результаты использования нечеткой логики в прикладных задачах были получены не военными, а промышленниками, и не в США, а в противоположном полушарии - в Японии. Да-да, изобретенная и разработанная в США, нечеткая логика начала свой триумфальный путь на массовый рынок в далекой азиатской стране. Такое, впрочем, случалось и ранее (например, с технологиями плоских экранов для портативных компьютеров), однако обычно это было связано с непомерными по американским меркам долгосрочными инвестициями. В случае же с нечеткой логикой причина была совершенно иной - новая наука оказалась абсолютно чуждой менталитету рациональных американцев (исключение составляет Бартоломей Коско (Bart Kosko), молодой классик <второй волны> нечеткой логики в США, однако он также является приверженцем буддизма и имеет черный пояс по карате). Нечеткие, зыбкие построения fuzzy logic выглядят иррациональными и на удивление созвучными ранним восточным философиям. Не случайно среди приверженцев нечеткой логики преобладают выходцы из Азии и необычно много женщин. Так, основу теории нечетких баз данных /6/ заложила Мария Земанкова (Zemankova), а нечеткую экспертную систему Фудзи-банка, приносящую до $700000 в месяц на краткосрочной биржевой игре, создала Сизуко Ясунобу /Chizuko Yasunobu/.
Японцы довели практическое воплощение нечеткой логики до совершенства. Можно много рассказывать об автоматических прокатных станах, интеллектуальных складах и <безлюдных производствах>, созданных с использованием нечеткой логики. Однако, пожалуй, более впечатляющим выглядит применение нечеткой логики в дешевых изделиях массового рынка - пылесосах, видеокамерах, микроволновых печах и т.п. Пионером в применении нечеткой логики в бытовых изделиях выступила фирма Matsuhita. В феврале 1991 года она анонсировала первую <интеллектуальную> стиральную машину, в системе управления которой сочетались нечеткая логика и нейронная сеть. Автоматически определяя нечеткие входные факторы (объем и качество белья, уровень загрязненности, тип порошка и т.д.), стиральная машина безошибочно выбирала оптимальный режим стирки из 3800 возможных. А спустя пару лет применение нечеткой логики в японской бытовой технике стало повсеместным.
Параллельно с использованием нечеткой логики в системах управления, предпринимались энергичные усилия по созданию на ее основе нового поколения экспертных систем. Как отмечает Коско /5/, нечеткие экспертные системы, помимо своего основного преимущества - лучшей адаптированности к условиям реального мира, обладают еще двумя достоинствами по сравнению с традиционными. Во-первых, они свободны от т.н. <циклических блокировок> при построении заключений. Во-вторых, различные базы нечетких правил можно с легкостью объединять, что редко удается в обычных экспертных системах. Многочисленные примеры экспертных систем (преимущественно из области промышленной диагностики и медицины), основанных на нечеткой логике, можно найти в /3/. Из этой же книги взяты и некоторые приведенные выше примеры.
Отдельно рассказа заслуживает опыт применения нечеткой логики в финансовой сфере. Для решения сложнейших задач прогнозирования различных финансовых индикаторов банкиры и финансисты используют дорогостоящие комплексные системы, в состав которых входит и нечеткая логика. Начало этому процессу положила японская финансовая корпорация Yamaichi Securuties. Задавшись целью автоматизировать игру на рынке ценных бумаг, эта компания привлекла к работе около 30 специалистов по искусственному интеллекту. В первую версию системы, завершенную к началу 1990 года, вошли 600 нечетких правил - воплощение опыта десяти ведущих брокеров корпорации. Прежде чем решиться на использование новой системы в реальных условиях, ее протестировали на двухлетней выборке финансовых данных (1987-1989 г). Система с блеском выдержала испытание. Особое изумление экзаменаторов вызвало то, что за неделю до наступления биржевого краха (знаменитого <Черного Понедельника> на токийской бирже в 1988 году) система распродала весь пакет акций, что свело ущерб практически к нулю. Надо ли говорить, что после этого вопрос о целесообразности применения нечеткой логики в финансовой сфере уже не поднимался. Хотя скептики могут привести и другие примеры - например, ни одна из банковских систем не смогла предсказать падение биржевого индекса Nikkei весной 1992 года.
Можно привести и другие примеры применения нечеткой логики в бизнесе. Удачный опыт Ганса Зиммермана (Hans Zimmermann) по использованию экспертной системы с нечеткими правилами для анализа инвестиционной активности в городе Аахене (ФРГ) привел к созданию коммерческого пакета ASK для оценки кредитных и инвестиционных рисков. А система управления складскими запасами, описанная в качестве примера в пакете CubiCalc, настолько проста, что может быть с легкостью использована самым неподготовленным оптовым торговцем.
Что касается российского рынка коммерческих систем на основе нечеткой логики, то его формирование началось в середине 1995 года. Наиболее популярны у российских заказчиков следующие пакеты:
CubiCalc 2.0 RTC - одна из наиболее мощных коммерческих экспертных систем на основе нечеткой логики, позволяющая создавать собственные прикладные экспертные системы;
CubiQuick - дешевая <университетская> версия пакета CubiCalc;
RuleMaker - программа автоматического извлечения нечетких правил из входных данных;
FuziCalc - электронная таблица с нечеткими полями, позволяющая делать быстрые оценки при неточно известных данных без накопления ошибки /7/;
OWL - пакет, содержащий исходные тексты всех известных видов нейронных сетей, нечеткой ассоциативной памяти и т.д.
Основными <потребителями> нечеткой логики на рынке России являются банкиры и финансисты, а также специалисты в области политического и экономического анализа. Они используют CubiCalc для создания моделей различных экономических, политических, биржевых ситуаций. Что же касается изумительно легкого в освоении пакета FuziCalc, то он занял свое место на компьютерах крупных банкиров и специалистов по чрезвычайным ситуациям - т.е. тех, для кого более всего важна быстрота проведения расчетов в условиях неполноты и неточности входной информации. Подробнее о российском рынке программ на основе нечеткой логики можно прочесть в /8/. Однако можно с уверенностью сказать, что эпоха расцвета прикладного использования нечеткой логики на отечественном рынке еще впереди.
Литература
1. Zadeh, Lotfi. Fuzzy Sets / Information and Control, 8(3), June 1965, pp.338-53.
2. Zadeh, Lotfi. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes / IEEE Transactions on Systems, Man, and Cybernetics, SMC-3(1), January 1973,pp.28-44.
3. McNeill, Daniel and Freiberger, Paul. Fuzzy Logic / Touchstone Rockefeller Center, 1993.
4. Kosko, Bart. Fuzzy thinking / Hyperion, 1993.
5. Kosko, Bart. Neural Networks and Fuzzy Systems / Englewood Cliffs, NJ:
Prentice-Hall, 1991.
6. Zemankova-Leech, Maria, and Abraham Kandel. Fuzzy Relational Data Bases: A Key to Expert Systems / Cologne: Verlag TUV Rheinland, 1984.
7. Kaufmann, Arnold, and Gupta, Madan M. Introduction to Fuzzy Arithmetic/ Thomson Computer Press, 1991.
8. А.И.Масалович. Этот нечеткий, нечеткий, нечеткий мир / PC Week/RE N.16,1995,стр.
Сведения об авторе:
Масалович Андрей Игоревич
к.ф.-м.н., главный инженер НИО-11 НИИ <Квант>,
лауреат стипендии РАН <Выдающимся ученым России> за 1993 г.
ВСТРЕЧАЙТЕ ИНФАНТА!
Нечеткая логика в арсенале Toshiba
Андрей Масалович
Японский промышленный концерн Toshiba разработал новый программный продукт Enfant, основанный на принципах нечеткой логики". Жаль, что правила русского языка ограничивают число вопросительных знаков в одном предложении. Японский? Промышленный? Разрабатывает программы? Да еще увлекается нечеткой логикой? Есть от чего озадачиться нашему брату-программисту, привыкшему к американскому софту на китайских компакт-дисках. Однако все вышесказанное - правда. Компания Toshiba всерьез планирует "застолбить участок" на золотоносных полях нового Эльдорадо - рынка интеллектуальных программных систем на основе нечеткой логики. Систем, совершивших в последние годы истинную революцию буквально на всех мировых рынках.
Нечеткая заря Востока
Нечеткая логика (fuzzy logic) - одно из немногих научных направлений, созданных в США, развитых в Японии и вновь признанных американцами уже после безнадежной утраты стратегической инициативы. Собственно, примеров большей расторопности японцев в освоении новых технологий можно привести десятки, однако обычно речь идет о высокорискованных проектах, либо непомерных по американским меркам начальных капиталовложениях. Нечеткая логика - пожалуй, единственный случай, когда "отторжение" новой науки было вызвано исключительно конфликтом с национальным менталитетом американцев. Фанатично приверженная всему четкому, точному, и заранее подсчитанному, американская научная элита не смогла примириться с наукой, оперирующей такими неконкретными понятиями как "большой", "умный", "популярный", и т.д. и в самом своем названии несущей сомнительную и зыбкую философию (fuzzy означает "нечеткий", "размытый", "пушистый").
Созданная в 60-х годах профессором Лотфи Заде (выходцем из Баку), развитая Бартом Коско (поклонником буддизма и обладателем черного пояса по карате)- и воплощенная в первые коммерческие системы американскими фирмами Aptronix (основана Wei Xu, выходцем из Китая) и Togai InfraLogic (первый миллион долларов заработала в Японии) - нечеткая логика демонстрирует явное тяготение к Востоку. Почему?
В основе нечеткой логики лежит теория нечетких множеств, где функция принадлежности элемента множеству не бинарна (да/нет), а может принимать любое значение в диапазоне 0-1. Это дает возможность определять понятия, нечеткие по самой своей природе: "высокий", "быстрый", "ажиотажный" и т.д. Соответственно, сделав еще лишь один шаг - научившись обрабатывать нечеткие импликациии (типа "Если А принадлежит нечеткому множеству a, то B принадлежит нечеткому множеству b"), вы получаете возможность строить базы знаний и экспертные системы нового поколения, способные хранить и обрабатывать неточную информацию. Впрочем, на этот шаг наука потратила почти пятнадцать лет...
Первые же опыты применения новых интеллектуальных систем показали их необычайно широкие возможности. Адаптивное управление роботами и системами вооружений; высокодоходная игра практически на всех финансовых рынках мира; интеллектуальные пылесосы, видеокамеры и швейные машины - послужной список успехов нечеткой логики нарастал как снежный ком. И каждый раз, начиная новую разработку с использованием нечеткой логики, инженеры сталкивались с необходимостью отрешиться от привычной бинарной логики и вступить в зыбкую область нечетких рассуждений. Жизнь показала, что лучше всего это удается приверженцам восточных философских систем, в первую очередь - японцам.
Родители Инфанта
В 1988 году одна из научных лабораторий технологического института MITI (Япония), в поисках спонсоров для своего проекта в области нечеткой логики провела мини-исследование крупных промышленных фирм на предмет использования нечеткой логики в их разработках. К изумлению исследователей, вместо ожидаемых 7-10 фирм они обнаружили "нечеткий след" в изделиях сорока девяти компаний! Первой была Matsushita, отметившая 70-летие фирмы выпуском самоходного пылесоса. Управляемое нечеткой логикой устройство, похожее на большого жука, самостоятельно чистило комнату за комнатой, легко приспосабливаясь к любой расстановке мебели. Впрочем, это был скорее рекламный, чем коммерческий продукт. А первой на массовом рынке стала стиральная машина той же фирмы. Снабженная всего одной кнопкой и способная автоматически выбирать оптимальный режим стирки из более чем четырехсот вариантов, машина получила поэтическое название, которое в приближенном русском переводе значит что-то вроде "День моей любимой жены". Любимым женам понравилось - и уже через месяц объем продаж стиральных машин вырос вдвое, превысил рубеж в 35000 штук в месяц и обрек на стахановский режим все заводы компании. Разумеется, конкуренты не пожелали отставать и к 90-му году крупные заголовки "FUZZY" украшали уже целые прилавки торгового района Akihabara, своеобразного "Митинского рынка" Токио. Более двадцати (!) видов бытовых изделий обрели "интеллектуальную начинку" в виде управляющих кристаллов на основе нечеткой логики.
Одним из лидеров нового рынка выступила фирма Toshiba. Дебютировав семейством микроволновых печей, способных автоматически выбирать оптимальные режимы приготовления пищи, фирма не стала останавливаться на достигнутом и создала специальную группу для многоцелевых исследований в области нечеткой логики и нейронных сетей в составе своего Исследовательского центра. Успехи этой группы в применении fuzzy logic к решению целого спектра задач и позволили фирме решиться на смелый эксперимент - дебютировать на рынке интеллектуальных программных систем с собственной разработкой - пакетом на основе нечеткой логики.
Знакомство с Инфантом
Новая программа получила название Enfant (ENhanced Fuzzy And Neuro Tool), что по-французски означает "дитя". Ребенок получился смышленым и разносторонне одаренным. Структура базового блока программы Enfant - т.н. item (объект, элемент) позволяет строить любые сетевые конструкции - семантические и нейронные сети, многокаскадные управляющие комплексы и т.д. Дело в том, что в структуре Item в рафинированном виде реализована идея универсального обрабатывающего элемента. Он способен пропускать через себя два информационных потока - прямой (Forward) и обратный (Backward). При этом входной поток, проходя через Item, модифицируется в соответствии с текущей настройкой внутренней структуры элемента, а обратный поток, напротив, может эту структуру менять. Специалисты по нейронным сетям уже, вероятно, узнали в облике Item базовый кирпичик для реализации классического нейросетевого алгоритма обучения back-propagation, а специалисты по теории управления - универсальный контур обратной связи. А при чем здесь нечеткая логика? Дело в том, что в состав библиотеки базовых классов Enfant EnCL (Enfant Class Library) входят все основные функции нечеткой логики и нечеткой алгебры, а также возможности любого комплексирования (включая мультиплицирование) базовых элементов.
Судя по всему, у читателя уже накопились некоторые вопросы и самое время на них ответить:
Как выглядит Enfant? Фактически, это библотека классов С++ (EnCL) и модуль графического интерфейса пользователя (GUI).
Для чего нужен Enfant? Он позволяет строить всевозможные системы распознавания, прогнозирования, управления, поддержки принятия решений и др. Эти системы могут быть использованы в образовании, исследовательских работах, моделировании сложных систем, создании действующих прототипов новых интеллектуальных пакетов.
Какие научные идеи заложены в Enfant? Базовая библиотека классов EnCL является расширяемой и может быть дополнена пользователем, однако основная ее "начинка" ориентирована на нечеткую логику и нейронные сети.
Сложно ли программировать в Enfant? Основной процесс таков - выбираете мышью объекты нужных классов из EnCL, размещаете на рабочем поле GUI, соединяете. И так, пока не устанет мышь.
Требуются ли специальные начальные знания? К счастью, каждый Item снабжен встроенной функцией обучения, что избавляет от необходимости программировать эту наиболее сложную для понимания часть системы. Кроме того, есть набор заранее подготовленных примеров.
Является ли Enfant открытой системой? Помилуйте, а кто нынче не является? По мере расширения библиотеки базовых классов, Enfant будет расти вместе с Вами.
И наконец, на каких платформах идет Enfant? А на каких платформах идут Ваши программы на С++? Среди тех, на которых Enfant уже опробован - Win32, Windows NT 3.51, на очереди - Windows 95.
Первые шаги
Несмотря на то, что российский компьютерный рынок во многом питается "со стола" распродаж устаревших моделей (уж не обижайтесь, коллеги), новые идеи находят у российских специалистов самый живой и непосредственный отклик. В прошлом году с поразительной быстротой возник и сформировался рынок нейронных сетей и нейрокомпьютеров. Вслед за ним в Россию пришли генетические алгоритмы, теория хаоса и фракталы. И вот -новая волна. Широкие круги пользователей заинтересовались нечеткой логикой. Потребителями систем на основе нечеткой логики и ее нового воплощения - т.н. когнитивного моделирования - стали уже более десятка банков, финансовых компаний и крупных госструктур. Российский рынок систем на основе нечеткой логики "разменял" первую сотню тысяч долларов. "Третья волна" накрыла Россию.
И быть может именно пакету Enfant будет суждено сделать второй шаг, типичный для новых рынков - от дорогих систем для элиты до истинно массовых и дешевых пакетов для большинства. Дело в том, что в отличие от большинства интеллектуальных пакетов, альфа-версия пакета Enfant в течение некоторого времени будет распространяться бесплатно. Более того, авторы открыто заявляют, что кроме чисто рекламных целей и исследования рынка этот шаг имеет вполне конкретную сверх-задачу: получив отклики и суждения компьютерных "гуру" всего мира, воплотить их (не без помощи авторов) в новой, еще более "продвинутой" версии пакета. А нашего брата, как известно, хлебом не корми - дай только поковыряться в новых пакетах (даром, сэр) да высказать свое безапелляционное суждение на весь Internet. Так что очень велика вероятность, что именно наши читатели приложат руку к становлению программы Enfant и выходу ее на массовый рынок.
Удачи на дорогах, Инфант!
А беспокойное племя энтузиастов современных "технологий разума" уже возвестило о пришествии новой, четвертой волны - красивой и загадочной науки со странным названием artificial life ("искусственная жизнь" - ни больше, ни меньше!). Впрочем это уже совсем другая история...
Дополнительную информацию и альфа-версию программы Enfant можно получить в Internet, послав запрос по адресу: enfant-support@ssel.toshiba.co.jp
НЕЧЕТКИЕ КОГНИТИВНЫЕ СХЕМЫ - НОВЫЙ ИНСТРУМЕНТ ДЛЯ МОДЕЛИРОВАНИЯ ЭКОНОМИЧЕСКИХ, ПОЛИТИЧЕСКИХ, СОЦИАЛЬНЫХ СИТУАЦИЙ
Андрей Масалович
Менеджеры финансовой корпорации Yamaichi Securities приникли к терминалам. На экранах разворачивалась безмолвная драма крупномасштабной финансовой войны. Впервые в истории рынка ценных бумаг электронный "трейдер" вел долгосрочную игру на Токийской бирже, самостоятельно распоряжаясь беспрецедентно крупной суммой. Разумеется, это был всего лишь тестовый прогон - на вход программы последовательно подавались данные за два последних года. Однако волнение нарастало - шаг за шагом программа приближалась ко дню печально известного "черного понедельника", когда биржевой индекс Nikkei Stock Average внезапно рухнул, поставив на грань банкротства десятки участников рынка. Вот до момента катастрофы остается месяц, полмесяца, неделя... И вдруг, выдав красный сигнал тревоги, программа начала поспешно "сбрасывать" пакеты акций, опустошая портфель и закрывая игровые позиции. К немалому изумлению комиссии (и безмерной радости разработчиков) система пережила "черный понедельник" практически без потерь. Так в начале 1990-го года прошел "боевое крещение" первый представитель нового поколения интеллектуальных банковских систем. Систем, в основу которых положен красивый и мощный научный аппарат, известный под необычным названием "нечеткие когнитивные схемы" (Fuzzy Cognitive Maps - FCM).
Модель предметной области (будь то предвыборная ситуация, структура финансово-промышленной группы или план управления войсковыми соединениями) в FCM представляется в виде знакового ориентированного графа с обратными связями. В вершинах графа располагаются различные события либо ключевые элементы ситуации, дуги отображают причинно-следственные связи между ними. Существенно, что параметры событий и степени их взаимного влияния могут выражаться как точными количественными параметрами, так и нечеткими качественными соотношениями. Это особенно важно при моделировании социальных и политических ситуаций, когда точные числовые характеристики недоступны и исследователю приходится оперировать такими зыбкими понятиями как "популярность", "социальная напряженность" и т.п.
Своим рождением FCM обязаны слиянию двух новых научных направлений - нечеткой логики ("fuzzy logic") и системной динамики ("system dynamics"). Созданная в 60-х годах профессором Лотфи Заде (Lotfi Zadeh) [1, 2], нечеткая логика за четверть века своего развития претерпела ряд существенных изменений и дополнений [3]. Прежде всего, благодаря усилиям Бартоломея Коско (Bart Kosko) [4, 5] была исследована взаимосвязь нечеткой логики и теории нейронных сетей и доказана основополагающая FAT-теорема (Fuzzy Approximation Theorem), подтвердившая полноту нечеткой логики. В работах Марии Земанковой (Maria Zemankova-Leech) и других ученых были заложены основы теории нечетких СУБД [6], способных оперировать неточными данными, обрабатывать нечетко заданные запросы, а также использовать качественные параметры наряду с количественными. Была разработана нечеткая алгебра - необычная наука, позволяющая использовать при вычислениях как точные, так и приблизительные значения переменных. И наконец, в 80-х годах увидели свет изобретенные Коско FCM - нечеткие когнитивные модели, на которых базируется большинство современных систем динамического моделирования в финансах, политике и бизнесе.
Сегодня элементы FCM можно найти в десятках промышленных изделий - от систем управления электропоездами и боевыми вертолетами до пылесосов и стиральных машин. Рекламные кампании многих фирм (преимущественно японских) преподносят успехи в использовании нечеткой логики как особое конкурентное преимущество. Без применения FCM немыслимы современные ситуационные центры руководителей западных стран, в которых принимаются ключевые политические решения и моделируются всевозможные кризисные сиутации. Одним из самых впечатляющих примеров масштабного применения FCM стало комплексное моделирование системы здравоохранения и социального обеспечения Великобритании (National Health Service - NHS), впервые позволившее точно оценить и оптимизировать расходы на социальные нужды. Набор моделей, использованных для решения этой задачи, сегодня можно найти в библиотеке примеров популярного пакета iThink.
Не обошли средства FCM и программные системы, обслуживающие большой бизнес. Первыми, разумеется, были финансисты, задачи которых требуют ежедневного принятия правильных решений в сложных условиях непредсказуемого рынка. Вслед за упомянутой в начале статьи компанией Yamaichi Securities, за разработку системы на основе FCM взялся Fuji Bank. Однако если эксперты Yamaichi сосредоточились на средне- и долгосрочных операциях с корпоративными бумагами, то Fuji Bank "замахнулся" на более сложную финансовую задачу - игру на рынке ценных бумаг в режиме "on-line" (которую брокеры красноречиво именуют"коррида"). Первый год использования новой системы приносил банку в среднем $770000 в месяц (и это только официально объявленная прибыль!). Интересно, что нечеткая экспертная система, управляющая игрой "электронного трейдера" Fuji Bank, состоит всего из 200 правил (50 из которых взяты непосредственно из классического учебника Murphy по финансовому анализу) - в то время, как база знаний системы Yamaichi включает более 600 нечетких правил. Впрочем, успех и изящество системы Fuji Bank отчасти объясняется тем, что ее разработку возглавляла семья ученых Yasunobu - та самая, которая ранее создала нечеткую систему управления пригородными поездами японского города Сендай.
Вслед за финансистами, обеспокоенные успехами японцев и утратой стратегической инициативы, когнитивными нечеткими схемами заинтересовались промышленные гиганты США. Motorola, General Electric, Otis Elevator, Pacific Gas & Electric, Ford и другие в начале 90-х начали инвестировать в разработку изделий, использующих FCM [3]. И наконец произошел прорыв. Получив солидную финансовую "подпитку", фирмы, специализирующиеся на нечеткой логике, получили возможность адаптировать свои разработки для широкого круга приложений. "Оружие элиты" вышло на массовый рынок.
Среди лидеров нового рынка выделяется американская компания Hyper Logic, основанная в 1987 году Фредом Уоткинсом (Fred Watkins), учеником Коско. Первоначально компания специализировалась на нейронных сетях (на рынке Москвы можно найти один из ее ранних продуктов - пакет OWL, содержащий исходные тексты всех известных реализаций нейронных сетей), однако вскоре целиком сконцентрировалась на нечеткой логике. Недавно вышедшая на рынок вторая версия пакета CubiCalc фирмы HyperLogic является одной из наиболее мощных экспертных систем на основе нечеткой логики. Пакет содержит интерактивную оболочку для разработки нечетких экспертных систем и систем управления, а также run-time модуль, позволяющий оформлять созданные пользователем системы в виде отдельных программ. От других пакетов CubiCalc отличает также наличие весьма мощной утилиты Rule Maker, позволяющей решать одну из основных проблем в работе с нечеткой логикой - автоматическое построение нечетких правил. Судя по всему, в основе RuleMaker лежат усовершенствованные алгоритмы кластеризации Кохонена, хотя авторы держат "начинку" пакета в тайне - и, видимо, не без оснований, поскольку на упаковке программы до сих пор красуется этикетка "Не для экспорта из США". А запрет на ввоз в Россию самого пакета CubiCalc был преодолен (не без помощи автора) лишь в середине 1995 года. Сегодня CubiCalc применяется отечественными умельцами при решении десятков различных задач - от адаптивного управления оптовыми складами до моделирования рынка фьючерсных контрактов. Большинство пользователей CubiCalc - это финансовые и политические аналитики, которым нечеткая логика помогает ориентироваться в нашей нечеткой действительности.
Дата добавления: 2015-09-30; просмотров: 50 | Нарушение авторских прав
| <== предыдущая лекция | | | следующая лекция ==> |