CC BY
9
I. ПРОМЫШЛЕННАЯ БЕЗОПАСНОСТЬ И
ГЕОМЕХАНИКА II. INDUSTRIAL SAFETY AND GEOMECHANICS
М.Ю. fluenH4//M.Yu.Yacevich Maria762003@list.ru
■ П.А. Пылов // P.A. Pylov
gedrosten@mail.ru
кандидат философских наук, доцент ФГБОУ ВПО «Кузбасский государственный технический университет имени Т.Ф.Горбачева» (КузГТУ), Россия, 650026, г.Кемерово, ул.Весенняя, 28
магистр ФГБОУ ВПО «Кузбасский государственный технический университет имени Т.Ф.Горбачева» (КузГТУ), Россия, 650026, г.Кемерово, ул.Весенняя, 28
Candidate of Philosophical Sciences of FGBOU VO "Kuzbass State Technical University named after T.F.Gorbachev (KuzSTU), 28, Vesenniaia St., Kemerovo, 650026, Russia
Magister of FGBOU VO "Kuzbass State Technical University named after T.F.Gorbachev (KuzSTU), 28, Vesenniaia St., Kemerovo, 650026, Russia
■ А.В. Дягилева//А.У. Dyagileva dyagileva1952@mail.ru
канд. техн. наук, доцент, ФГБОУ ВПО «Кузбасский государственный технический университет имени Т.Ф.Горбачева» (КузГТУ), Россия, 650026, г.Кемерово, ул.Весенняя, 28
Candidate of technical sciences, associate professor of FGBOU VO "Kuzbass State Technical University named after T.F.Gorbachev (KuzSTU), 28, Vesenniaia St., Kemerovo, 650026, Russia
УДК 622.831.1
ФОРМИРОВАНИЕ МОДЕЛИ СИЛЬНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ОСНОВЕ ПРИНЦИПА «CONGRUIT UNIVERSA» ДЛЯ РЕШЕНИЯ ГЕОМЕХАНИЧЕСКОЙ ЗАДАЧИ МЕТОДОМ МЕЖСКВАЖИННОГО СЕЙСМОАКУСТИЧЕСКОГО ПРОСВЕЧИВАНИЯ
FORMING A STRONG ARTIFICIAL INTELLIGENCE MODEL BASED ON THE CONGRUIT UNIVERSA PRINCIPLE FOR SOLVING A GEOMECHANICAL PROBLEM BY THE METHOD OF INTER-WELL SEISMO-ACOUSTIC TRANSMISSION
Информационные технологии во многом стали ассоциатом современных технологий. Настоящим философским камнем информационных технологий считается искусственный интеллект. Прикладные системы, построенные на его принципах, успешно применяются в различных предметных областях, автоматизируя деятельность человека. Не исключением является и горная промышленность: многие методы геомеханики заложены в основу отрасли, поэтому их математическая модель может стать фундаментом программной реализации модели искусственного интеллекта. Почему в таком случае интеллектуальные системы уже не заменили ручной труд? Ответ на этот вопрос постарались предоставить авторы данной статьи, которые рассмотрели проблему с её истоков - принципов формирования алгоритма искусственного интеллекта для решения геомеханической задачи шахтного типа методом межскважинного сейсмоакустического просвечивания. Метод хорошо описан физическими законами, имеет аксиоматически утвержденную математическую модель, однако, несмотря на всё это, ещё не был успешно автоматизирован методами искусственного интеллекта. В рамках данной статьи была рассмотрена авторская модель «сильного искусственного интеллекта», которая позволяет решать задачу предметной области горнодобывающей промышленности с высокой
научно-технический журнал №4-2022
г
А
степенью точности. Главным преимуществом авторской модели перед аналогами является её сформированная творческая способность, которая порождает и совершенствует собственную обобщающую способность алгоритма. Совокупность этих критериев позволяет прецизионно исследовать деформационные и прочностные свойства среды шахтного комплекса даже при смене геолокационного района месторождения.
Information technologies have largely become an associate of modern technologies. Artificial intelligence is considered to be the real philosophical stone of information technology. Applied systems based on its principles are successfully applied in various subject areas, automating human activity. The mining industry is no exception: many methods of geomechanics are laid down in the basis of the industry, so their mathematical model can become the foundation of the artificial intelligence model software implementation. Why, then, have intelligent systems not already replaced manual labor? The authors of this article tried to provide an answer to this question, who considered the problem from its origins - the principles of artificial intelligence algorithm formation for solving a mine type geomechanical problem by the method of inter-well seismic acoustic transmission. The method is well described by physical laws, has an axiomatically approved mathematical model, however, despite all this, it has not yet been successfully automated by artificial intelligence methods. Within the framework of this article, the author's model of "strong artificial intelligence" was considered, which allows solving the problem of the mining industry subject area with a high degree of accuracy. However, the main advantage of the author's model over analogues is its formed creative ability, which generates and improves its own generalizing ability of the algorithm. The combination of these criteria makes it possible to accurately study the deformation and strength properties of the mine complex environment even when changing the deposit geolocation area.
Ключевые слова: ШАХТА, УГОЛЬНАЯ ОТРАСЛЬ, РАЗРАБОТКА МЕСТОРОЖДЕНИЙ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, ПРИКЛАДНОЕ ГЛУБОКОЕ ОБУЧЕНИЕ.
Key words: MINE, COAL INDUSTRY, MINING, ARTIFICIAL INTELLIGENCE, APPLIED DEEP LEARNING.
Невозможность игнорирования существующего разрыва между теорией и практикой вынудила научное сообщество признать тот факт, что «искусственный интеллект» ещё не реализован как продукт программного обеспечения [3, 4]. Чтобы избежать хаоса в терминологии, а также концептуально обособить различающуюся семантику алгоритмов, было введено новое понятие «сильный искусственный интеллект» [1 - 3], которое теперь в полном объеме характеризует теоретическое определение термина «искусственный интеллект». Разграничение понятий жестко позиционировало «сильный искусственный интеллект» как систему, способную творчески решать поставленную перед ним задачу.
не всегда успешно справлялись даже с максимально конкретизированной частной задачей [1, 2].
Семантика классической научной терминологии определяет искусственный интеллект как научную область, изучающую методики создания компьютеров и программного обеспечения, способных к разумному поведению [1]. Точность и лаконичность определения прочно закрепили его в глоссарии одноименной дисциплины. С самого зарождения искусственного интеллекта его уникальность заключалась в том, что семантика термина представляла собой лишь идеал, к которому нужно стремиться, а не краеугольный камень, на котором уже основана эта научная область. Первоначально понимание этой огромной разницы не нуждалось в доказательствах, но со временем всё чаще и чаще идеал научной области стали принимать за его основу [2].
Будучи незакрепленным де-юре, де-факто такое положение дел стало постепенно вызывать девальвацию термина «искусственный интеллект»: теоретические постулаты утверждали, что алгоритмы искусственного интеллекта уже являются исполнителями творческих функций человека, в то время как прикладные алгоритмы
Концепт подавляющего большинства современных исследователей [5] искусственного интеллекта состоит в том, чтобы решить прикладную задачу методом аппроксимации на основе математической вероятностной модели. Решение задачи таким методом имеет право на жизнь только благодаря тому, что набор прецедентов, на котором такая модель «обучается»,
известен заранее, как и целевой столбец «ответов» к этому заданию.
Рассмотрим методику этого концепта на примере определения деформационных и прочностных свойств среды подземного (шахтного) комплекса.
Для решения данной задачи необходимо использовать метод межскважинного сейсмоа-кустического просвечивания вне зависимости от того, какая модель искусственного интеллекта будет использоваться [6]. Основная идея метода состоит в генерации упругой волны в первой выработке и фиксации её получения во второй выработке. На основе полученной разницы во времени и пространственном запаздывании получения волны в разных точках пространства исследуются физическая кинематика и динамика распространения колебательного движения (рисунок 1).
На основе пространственной когерентности формируется набор данных множественных измерений (рисунок 2), в котором учтены не
только временные диапазоны получения сейсмологических упругих волн приемником, но и их геометрическое местоположение в пространстве.
Основываясь на полученном наборе данных (рисунок 2), модель искусственного интеллекта должна сформировать пространственную (стереометрическую) карту напряженности горных пород. Эта задача демонстрирует необходимость проявления творческих способностей моделью искусственного интеллекта, так как в зависимости от материала породы, совокупности техногенных и естественных напряжений на почву в конкретной геолокации сильно разнятся и сами процедуры построения стереометрических карт [7]. В рамках этого задания модели искусственного интеллекта, используемые большинством исследователей, не смогли сформировать обобщающую способность для удовлетворительного решения поставленной задачи даже в близлежащих районах местности, отведенной для шахтных комплексов. Результаты
Рисунок 1. Практическое представление метода межскважинного сейсмоакустического просвечивания Figure 1. Practical representation of the method of cross-hole seismoacoustic transmission
Рисунок 2. Получение сейсмограммы зарегистрированных приемником упругих волн Figure 2. Obtaining a seismogram of elastic waves recorded by the receiver
функционирования сильно разнились из-за присутствия в почве отдельных примесей, которых не было в других районах. Иными словами, появление нового признака в наборе данных сводит к минимуму сформированную обобщающую способность модели.
Этот существенный недостаток общепринятого концепта не позволяет присвоить модели творческую способность, так как она не в силах найти самостоятельное решение из сложившейся ситуации [1, 3, 5].
Чтобы алгоритм мог называться «сильным искусственным интеллектом», исследователи предприняли попытки к модернизации математической архитектуры модели для улучшения точности её работы [2]. Старания имели слабый успех, так как увеличивающаяся точность лишь немного коррелировала с обобщающей способностью алгоритма на новых данных.
Таким образом, концепция широкого круга исследователей имеет ряд недостатков:
• Отсутствие в алгоритмах первоначально заложенной творческой способности.
• Дальнейшие попытки «аппроксимации» уже аппроксимированных результатов.
• Погоня за точностью модели в ущерб её обобщающей способности.
Для авторов данной статьи приведенные
недостатки являются символами несостоятельности общей концепции исследователей. Обоснованность выдвигаемого утверждения зиждется на принципе всеобщей согласованности, который носит название «Congruit universa» [8].
Философский научный принцип «Congruit universa» отвергает подход дробления цельных систем на составные части: анализ не может быть полезен в тех случаях, когда требуется осознать нечто новое, неизведанное ранее. Отказ от декомпозиции обоснован тем, что метод интеллектуального синтеза не может быть представлен внятной, строго определенной последовательностью конкретных операций.
От рассмотрения раздробленных частей картина научного мира не только не проясняется, а наоборот, лишь сильнее запутывается. Лучшим доказательством этих слов являются модели искусственного интеллекта большинства современных исследователей: они не способны собрать целое из отрезков (не говоря уже о проявлении творческих способностей).
Обращая в адрес исследователей волну критики, будет справедливо по отношению к ним предложить собственную концепцию разработки модели «сильного искусственного интеллекта».
Каким образом в этом вопросе может помочь принцип «Congruit universa»? Определяющим, так как он формирует фундаментальную
основу для разработки модели, охватывающей совокупность всех вещей, притом, чтобы нигде не встречалось противоречия.
С точки зрения практической реализации алгоритма подход накладывает серьезные сложности в реализации модели «сильного искусственного интеллекта»:
1. Необходимо отказаться от аппроксима-ционных моделей, поскольку они не согласуются с истинностью результатов модели, а лишь приближают ее точность.
2. Закладывание творческой способности не является единственной целью, так как «потенциал искусственного разума» должен всегда сопровождаться его осмотрительностью при самостоятельном решении задач.
3. Тщательное сцепление доводов и согласованность всех причин при исследовании проблемы - это не только прерогатива разработчиков, но и самой модели «сильного искусственного интеллекта», то есть принцип «Congruit universa» должен быть заложен и в ней самой.
Несомненно, что разрешение возникающих сложностей - нелегкая задача, но судить о том, насколько подход «Congruit universa» плодовит для своих последователей, можно из истории человечества: М. В. Ломоносов, используя данный подход, основал корпускулярно-кинети-ческую теорию, названную в его честь. Корпу-скулярно-кинетическая теория М. В. Ломоносова стала основой современной молекулярно-ки-нетической теории. Следуя подходу «Congruit universa» [9], Ломоносов не только систематизировал свою теорию, но и аксиоматически опровергнул господствующую в то время «флюидную теорию» [9, 10], которой придерживался и его учитель Христиан фон Вольф - один из самых заметных ученых [11], естествоиспытателей и немецких философов в период после Г.В. Лейбница и до И. Канта.
Подобным образом характеризуется и функционал модели «сильного искусственного интеллекта»: основополагающие примитивы этого алгоритма могут одинаково хорошо быть использованы в совершенно различных отраслях человеческой деятельности.
Достичь такого эффекта представляется возможным только через создание порождающей модели, которая будет иметь возможность самостоятельно генерировать дочерние алгоритмы для разрешения каждой отдельной прикладной задачи. Сохраняющаяся связь между генерирующимися моделями будет согласован-
но сцеплять алгоритмы в единый математический ряд, позволяющий сохранять истину при решении поставленной задачи, постоянно следуя заложенному в родительскую модель «сильного искусственного интеллекта» принципу «Congruit universa».
Практическая реализация такой модели основана на принципе двухуровневой модели: первый (высший) уровень представляет собой собственно порождающую модель «сильного искусственного интеллекта». Второй (низший) уровень представляет собой отдельные алгоритмические модели, которые были сгенерированы порождающей моделью и ей же подчинены в управление. Обобщающая способность «сильного искусственного интеллекта» охарактеризована творческой способностью родительской порождающей модели. Это означает, что способность становится свойством, которое модель может развивать [12].
Проведем аналогию с игрой в пинг-понг. Представим, что один из игроков - модель искусственного интеллекта. В первом случае такой моделью будет общепринятая модель исследователей, обобщающую способность которой можно охарактеризовать натренированной («обученной») траекторией отражения мяча. В данном случае речь не может идти о творческой способности, так как малейшее изменение техники удара мяча не позволит модели справляться с поставленной перед ней задачей.
Во втором случае, когда рассматривается модель «сильного искусственного интеллекта», построенная по принципу «Congruit universa», перед родительской порождающей моделью поставлена цель - отражение мяча соперника. Порождающая модель создает второстепенный алгоритм для отработки стандартных ситуаций и постоянно контролирует его деятельность. Как только соперник захочет видоизменить технику ответного удара, в процесс функционирования второстепенного алгоритма вмешается родительская сущность, мгновенно корректируя свое поведение для решения поставленной перед ней задачи. Таким образом, модель «сильного искусственного интеллекта», предложенная авторами данной статьи, можно сравнить с настоящим игроком в пинг-понг, где:
• Рука игрока и все его части тела, участвующие в игре, относятся к дочернему алгоритму второго уровня, который управляется порождающей моделью.
• Головной мозг игрока, который реагирует на изменения тактики своего соперника и пода-
ет сигналы конечностям для сохранения своих лидирующих позиций в игре, наиболее точным образом описывает родительскую сущность модели «сильного искусственного интеллекта».
Из приведённой аналогии неслучайно вытекает такое точное сравнение «модель» -«человек». Человек сам по себе является творением природы, поэтому согласованность его устройства полностью удовлетворяет принципам «Congruit universa». Успех проведения аналогии «модель» - «человек» подчеркивает принцип всеобщей согласованности разработанной модели: её можно рассматривать со многих точек зрения, но смена взгляда не приводит к возникновению противоречий в её устройстве.
Бесспорно, «сильный искусственный ин-
СПИСОК ЛИТЕРАТУРЫ
теллект» - это философский камень мира информационных технологий. Несмотря на то что сложности, с которыми пришлось столкнуться средневековым алхимикам, превалируют над терниями, через которые приходится пробираться современным исследователям искусственного интеллекта, остается постоянным тот факт, что истинный фундамент цифрового разума должен характеризоваться его полноценными творческими способностями. Для воплощения этой идеи в жизнь при разработке модели необходимо, чтобы математика оставалась лишь вспомогательным инструментом, позволяющим формализовать мысль и когнитивные процессы, а не главенствующей методологией аналитического мышления человека.
1. C. M. Bishop. Pattern Recognition and Machine Learning - Springer. 2006. - 738 c.
2. Mайкл Солтис. Введение в анализ алгоритмов - СПб.: ДMК. 2019. - 269 с.
3. Педро Домингос. Верховный алгоритм - Mанн, Иванов и Фербер. 2016 - 315 с.
4. Искусственный интеллект не может сравниться с естественным в изобретении нового [Электронный ресурс]. -Режим доступа: https://www.kommersant.ru/doc/4198614
5. David Julian. Designing Machine Learning Systems with Python - Packt Publishing. 2016. - 209 c.
6. Огильви А. А. Основы инженерной геофизики / Под редакцией В. А. Богословского. — M.: Недра, 1990. — 502 с.
7. Архипов А. Г. Cейсмоакустическая диагностика состояния массивов естественных и искусственных грунтов / Перспективы развития инженерных изысканий в строительстве в России. — СПб.: Изд-во НMCУ «Горный», 2015.
8. Congruit Universa - Научная взаимоувязанность и единство сущностей в природе [Электронный ресурс]. - Режим доступа: http://samlib.ru/j/jakowlew_a_b/
9. Ломоносов M^. Размышления о причине теплоты и холода (фрагменты диссертации из книги: M^. Ломоносов. Полное собрание сочинений. Т. 2. Труды по физике и химии. 1747-1752 гг. M.-Л. 1951).
10. Mеханика эфира или механическая модель устройства материи материальных образований и Вселенной [Электронный ресурс]. - Режим доступа: http://314159.ru/voskresensky/voskresensky13.htm
11. Кузнецов В. Н. Немецкая классическая философия - Mосква: «Высшая школа». 1989. - 208 c.
12. Ной Гифт. Программный ИИ - СПб.: Питер. 2019. - 304 с.
REFERENCES
1. C.M. Bishop. Pattern Recognition and Machine Learning - Springer. 2006. - 738 c.
2. Michael Soltis. Introduction to the analysis of algorithms - St. Petersburg: DMK. 2019. - 269 p.
3. Pedro Domingos. The Supreme algorithm - Mann, Ivanov and Ferber. 2016 - 315 p.
4. Artificial intelligence cannot be compared with natural in the invention of a new [Electronic resource]. - Access mode: https://www.kommersant.ru/doc/4198614
5. David Julian. Designing Machine Learning Systems with Python - Packt Publishing. 2016. - 209 c.
6. Ogilvy A. A. Fundamentals of engineering geophysics / Edited by V. A. Bogoslovsky. — M.: Nedra, 1990. — 502 p.
7. Arkhipov A. G. Seismoacoustic diagnostics of the state of arrays of natural and artificial soils / Prospects for the development of engineering surveys in construction in Russia. — St. Petersburg: Publishing House of NMSU "Gorny", 2015.
8. Congruit Universa - Scientific interconnectedness and unity of entities in nature [Electronic resource]. - Access mode: http://samlib.ru/j/jakowlew_a_b/
9. Lomonosov M.V. Reflections on the cause of heat and cold (fragments of a dissertation from the book: M.V. Lomono-sov. Complete works. Vol. 2. Works on physics and chemistry. 1747-1752 M.-L. 1951).
10. The mechanics of the ether or the mechanical model of the structure of matter of material formations and the Universe [Electronic resource], - Access mode: http://314159.ru/voskresensky/voskresensky13.htm
11. KuznetsovV. N. German Classical Philosophy - Moscow: "Higher school". 1989. -208 c.
12. Noah Gift. Software AI - St. Petersburg: Peter. 2019. - 304 p.
научне-технический журнал №4-2022 Л ^^Ч
ЭЕЦТНИК 19
■ ■ I I
