CC BY
1УДК 004.8 DOI: 10.24412/2782-2141 -2023 -4-66-71
Подходы к применению технологий искусственного интеллекта для решения задач автоматизированного управления в сложных организационно-технических системах
Губенко А. М.
Аннотация. В статье рассмотрены подходы к применению технологий искусственного интеллекта для решения задач автоматизированного управления в сложных организационно-технических системах. Раскрыто понятие информационное содержание сложных технических систем, описаны этапы в реализации процесса автоматизированного управления, проведено сравнение организации цикла управления при использовании подходов адаптивного управления и предсказательной аналитики.
Ключевые слова: технология искусственного интеллекта, сложные организационно-технические системы, адаптивное управление, предсказательная аналитика.
Введение
Развитие мирового сообщества демонстрирует, что принципиально важным государственным ресурсом, обеспечивающим национальную безопасность стран, становится информация, циркулирующая в сложных организационно-технических системах. Информационно-телекоммуникационные системы на сегодняшний день представляют неотъемлемый компонент инфраструктуры любой организации.
Развитие технологий построения таких систем является одним из приоритетных направлений при решении задач обеспечения национальной безопасности Российской Федерации.
Конвергенция информационных и телекоммуникационных технологий
На сегодняшний день необходимо отметить, что основным движущим фактором развития современных технологий во всех сферах деятельности, является процесс конвергенции (сближения, а зачастую взаимопроникновения) информационных и телекоммуникационных технологий друг в друга. Представим себе информационно-телекоммуникационную систему в виде пирамиды, в основании которой находятся главные задачи функционирования, данной сложной организационно-технической системы, мультисервисные услуги должны быть предоставлены: всегда, везде, в требуемом объёме, и с необходимым (заданным) качеством. На вершине пирамиды находится пользователь, в интересах которого функционирует система. Технологии построения беспроводных систем пытаются достичь вершины пирамиды (совершенствуясь) по своей грани, технологии построения проводных сетей по своей грани, стремясь к достижению тех же целей, технологии систем абонентского доступа по своей, компьютерные (информационные) технологии по своей, и так далее, и все стремятся к достижению одних целей.
Так вот, процесс конвергенции, это когда, находясь далеко от основания, ближе к вершине, мы обнаруживаем, что грани пирамиды уже плохо различимы. Разные подходы, способы, информационные технологии и виды связи, сливаются в единый процесс и уже нельзя уверенно сказать где технология радиосвязи, а где построение проводных глобальных сетей, как например происходит с технологиями сотовой связи поколений 3G, 4G, 5G. Технология предоставления услуг сотовой связи абоненту по сути своей, начиная с 3-го поколения становится универсальной мультисервисной технологией, основанной на использовании как радиоинтерфейсов, на линии «абонент - базовая станция», так и технологий построения проводных транспортных сетей, связывающих базовые станции между собой, не говоря уже о взаимодействующих информационных технологиях, призванных предоставить абоненту весь перечень современных информационно-телекоммуникационных услуг. Если в начале 80-х годов кто-нибудь
сказал бы первым пользователям стандартов аналоговой сотовой связи, что они смогут отправлять сообщения электронной почты со своих телефонов, ему бы не поверили, как минимум, а как максимум покрутили бы пальцем у виска. Сегодня это совершенно естественный процесс, как и видеотелефонный звонок с компьютера. Это и есть конвергенция.
Естественно, нельзя сказать, что сегодня, мы достигли вершины, тогда, мы связисты, скорее всего не были бы нужны в принципе, люди смогли бы совершенно спокойно передавать мысли напрямую друг другу, вот настоящая конвергенция, но и от основания пирамиды мы уже точно заметно удалились. Это накладывает особый отпечаток на развитие и совершенствование систем связи.
Следует отметить, что пользователей, в принципе, не интересует, какие именно технологии реализованы в сети. Пользователям нужен результат деятельности сети в виде услуг по связи, предоставляемых сложной организационно-технической системой в определенных условиях и за определенную оплату ресурсов.
В то же время постоянно увеличивается информационное содержание функционирующих и создаваемых систем, изменяются функциональные особенности сетевого оборудования, возрастает количество форм и способов внедрения и применения информационно-телекоммуникационных технологий в различных сочетаниях.
Информационно-телекоммуникационные сети с интеллектуальным распределением ресурсов
Понятие «информационное содержание» характеризует современные информационно телекоммуникационные сети (ИКС) как сложные интеллектуальные системы, способные изменять свое состояние в пределах огромного множества возможных состояний (степеней свободы) всех сетевых элементов.
Выбор очередного состояния каждого сетевого элемента все больше и больше доверяется компьютерным средствам автоматизированного сетевого управления, способным оперативно отслеживать изменения внешних воздействий и эффективно перераспределять сетевые ресурсы.
Подобное построение информационно-телекоммуникационных сетей знаменует переход от идеологии построения пассивных сетей с фиксированным закреплением ресурсов к идеологии построения активных коммутируемых сетей с интеллектуальным перераспределением ресурсов.
То есть осуществляется переход функционирования сети от обеспечения устойчивости маршрутизации к устойчивости предоставления услуг, за счёт переориентации от управления компонентами сети связи к управлению функциональностью информационно-телекоммуникационной сети в целом.
Сегодня можно утверждать, что с информационной точки зрения управление и связь в сложных организационно-технических системах являются составляющими единого интеллектуально-информационного процесса, связанного со сбором, обработкой, хранением и передачей больших объемов разнородной информации.
В условиях современного глобализованного мира и бурного развития сетецентрических технологий сбора и передачи информации на лицо, принимающее решение (ЛПР), в процессе такого управления, непрерывно обрушивается такой «девятый вал» информации, что ее осмысление для него становится нереальным. Часть информации необходимо, предварительно обрабатывать и сжимать, представляя в таком виде, что бы позволить должностному лицу принять решение с учетом его личных профессиональных и психологических качеств. Особенно это важно в условиях дефицита или избытка данных при ограниченном ресурсе времени.
Такая постановка задачи, на применение технологий искусственного интеллекта как никогда актуальна при создании автоматизированных систем управления сложных
Ц Intelligent information systems
организационно-технических систем, вынужденных действовать зачастую в условиях активных дестабилизирующих воздействий.
Однако нельзя не отметить тот факт, что принятие решения для ЛПР, не может быть в целом отдано на откуп интеллектуальным системам. Принятие решения - это волевой акт выбора наилучшего варианта действий в той или иной обстановке, с теми или иными ограничениями. Однако одной только воли для принятия эффективных решений недостаточно. Требуются еще соответствующие процедуры рационального мышления - как от лица, принимающего решение, так и от тех систем, которые готовят ему проекты и варианты. Процесс рационального мышления - это, по сути, известная пирамида когнитивного познания, позволяющая системно взглянуть на основополагающие подходы к процессу выработки решений.
Технологии искусственного интеллекта при реализации автоматизированного управления сложными организационно-техническими системами
Разберем поэтапно применение технологий искусственного интеллекта при реализации автоматизированного управления сложными организационно-техническими системами.
Первым этапом в реализации процесса автоматизированного управления является этап наблюдения (сбора информации о состоянии контролируемых элементов).
Существующие информационно-телекоммуникационные системы представляют из себя конгломерат огромного количества технологий.
Конкретные сетевые технологии (технологии построения сети) фактически определяют правила, по которым работает сеть в течение заданного (внешней системой управления) времени, расходуя соответствующие данным технологиям ресурсы и выполняя текущие требования пользователей (абонентов) по связи в определенных (как правило, мешающих) условиях воздействия внешней среды.
Процесс сбора данных и наблюдения за такими системами, как правило, сопряжен с большими трудностями, заключающимися в том, что реализация общепринятых стандартов функционирования в конкретном оборудовании зачастую является проприетарной.
Проведенные исследования показали, что одним из путей решения существующих проблем в ИКС является виртуализация сетевых функций (от англ. Network Function Virtualization, NFV) на основе централизованного управления телекоммуникационным ресурсом.
Виртуализация сетевых функций (NFV) возможна по всей сети, или в тех местах, где она наиболее эффективна и экономически оправдана: в центрах обработки данных, сетевых узлах и объектовых сетях.
Следующим этапом развития данной концепции является создание унифицированных программно-определяемых платформ, а в дальнейшем программно-определяемых сетей. Реализация данной концепции в первую очередь позволит унифицировать процедуры информационного обмена служебной информацией, существенно упростить реализацию оборудования, процедуры наблюдения за состоянием объектов информационного взаимодействия.
Реализация такого подхода требует применения технологий обработки огромных массивов данных, фактически приводя к необходимости создания системы систем.
В системе систем (SystemofSystems, SoS) отдельные системы могут существовать автономно, поскольку были разработаны и функционируют независимо друг от друга, и при этом представлять собой полноценную целевую систему.
Базовой проблемой на этапе обработки информации в свете формирования системы систем является обеспечение взаимодействия независимо созданных систем.
Взаимодействие в общем обеспечивается путем сопряжения, согласованности и совместимости систем. Причем сопряженность понимается как взаимное соответствие
граничных элементов, позволяющих соединить систему объединением их входов и выходов, а согласованность - как возможность функционирования системы в условиях, обеспечивающих их объединение в единую интеграционную совокупность. Процесс интеграции различных систем проявляется в обмене данными (информацией), выступающими как результат решения задач управления в них.
В процессе интеграции систем важное место занимает понятие «интероперабельность».
Интероперабельность - способность двух или более информационных систем или компонентов к обмену информацией и к использованию информации, полученной в результате обмена. Интероперабельность играет значимую роль при создании систем автоматизации и их интеграции и, наряду со свойством переносимости, является важнейшей составляющей понятия «открытые системы». Во взаимодействующих системах существует необходимость не просто в обмене данными, но и в эффективном использовании информации. И здесь как никогда важна роль новых информационных технологий.
Так, недостаточный уровень автоматизации процессов управления некоторых ИКС уже сегодня стал их ключевой проблемой, решить которую можно только путем перехода от повсеместно применяемого принципа управления, отдельно взятым сетевым элементом, предложенного ведущими производителями телекоммуникационного оборудования, к принципу единого сетевого управления, которая рассматривает сеть связи как совокупность различных сетевых ресурсов, а это возможно исключительно реализацией процессов перехода от баз данных к общей картине действия посредством моделирования системы систем. Это создает возможности перехода от баз данных к базам знаний для реализации процессов овладения и понимании ситуации, что позволяет перейти к реализации следующего этапа, этапа принятия решения.
Моделирование функционирования системы при реализации процесса принятия решения позволяет осуществлять выбор варианта действий на основании глубокого понимания ситуации.
Теоретически неограниченные возможности сетей SDN к расширению позволяют строить «облака», масштабируемые в зависимости от решаемых задач. При этом сеть обладает требуемой «интеллектуальностью», необходимой, в частности, для управления работой обширных групп коммутаторов.
Помочь в решении данной задачи могут технологии построения искусственных нейронных сетей.
Нейронные сети используются для решения сложных задач, которые требуют аналитических вычислений подобных тем, что делает человеческий мозг. Самыми распространенными применениями нейронных сетей является:
- классификация - распределение данных по параметрам;
- предсказание - возможность предсказывать следующий шаг. Например, рост или падение интенсивности трафика, основываясь на ситуации, складывающейся на сети on-line;
- распознавание - в настоящее время, самое широкое применение нейронных сетей.
Ключевым моментом в работе нейронной сети является ее обучение. Сейчас есть
множество инструментов, с помощью которых можно создать сложные модели машинного обучения.
Эффективность решения задач классификации огромного объёма данных и распознавания закономерностей в режиме реального времени позволяет осуществлять балансировку нагрузки улучшая при этом воспринимаемое качество обслуживания. Решение задачи маршрутизации в ИКС традиционно во многом зависит от адекватности математических моделей и методов, используемых при разработке соответствующих алгоритмов управления.
Ц Intelligent information systems
Известно, что протоколы маршрутизации в информационно-телекоммуникационных сетях основаны преимущественно на графовых моделях, в рамках которых заложена адаптация лишь к изменению топологии сети. Однако в рамках подобных моделей не учитывается потоковый характер трафика, циркулирующего в современных сетях, поэтому перспективным является переход к потоковым моделям маршрутизации, в рамках которых наряду с расчетом множества путей определяется порядок распределения по ним трафика пользователей.
В случае функционирования в условиях дестабилизирующих воздействий зачастую отсутствуют статистические данные о реакции элементов сети. Это требует разработки специального подхода к решению потоковых задач, позволяющих распределять и перераспределять информационные потоки, учитывая при этом информацию о реакции элементов сети к внешним и внутренним дестабилизирующим воздействиям, для вероятностного описания характеристик которых недостаточно имеющегося статистического материала.
С другой стороны, строительство «масштабируемых облачных пространств» с точки зрения решения задачи автоматизированного управления связью требует реализации алгоритмов прогнозирования сетевой активности.
Реализация алгоритмов прогнозирования возможна с учетом необходимости анализа колоссального объёма данных в режиме реального времени, как условие сокращения цикла управления. Это создает предпосылки к переходу от создания адаптивных систем к предиктивным системам.
Адаптивное управление - совокупность методов, позволяющих синтезировать системы управления, которые имеют возможность изменять параметры регулятора или структуру регулятора в зависимости от изменения параметров объекта управления или внешних возмущений, действующих на объект управления. Цикл управления при реализации такой системы, классический: наблюдение; оценка; решение; действие.
Предсказательная аналитика (прогнозная аналитика, предиктивная аналитика от aHra.predictive analytics) - класс методов анализа данных, концентрирующийся на прогнозировании будущего поведения объектов и субъектов с целью принятия оптимальных решений.
Предсказательная аналитика использует статистические методы, методы интеллектуального анализа данных, теории игр, анализирует текущие и исторические факты для составления предсказаний о будущих событиях. В системе управления прогнозные модели используют паттерны, найденные в исторических и выполняемых данных, чтобы идентифицировать риски и возможности. Модели фиксируют связи среди многих факторов, чтобы сделать возможной оценку рисков или потенциала, связанного с конкретным набором условий, руководя принятием решений.
При выборе данной парадигмы управления цикл управления, по результатам накопленных данных, смещен: предсказание-решение, наблюдение, анализ данных, корректировка.
Вывод
Устранить недостатки указанных подходов, возможно созданием гибридной системы, реализующей обе парадигмы. Однако необходимо заметить, что согласно теории сложных систем, усложнение системы, может быть осуществлено, исключительно после обоснования выигрыша. Пока выигрыш такого решения не доказан, подобный подход может привести к сложностям проектирования и реализуемости, а также многочисленным отказам и несогласованности в работе.
Литература
1. Subramanian S., Voruganti S. Software-Defined Networking (SDN) with OpenStack. Packt Publishing. 2016. ISBN: 9781786465993.
2. Шматко А. Современные подходы построения SDN сетей. LAP LAMBERT Academic Publishing. 2017. 84 p.
3. Стюарт P., Питер H. Искусственный интеллект. Современный подход. М.: Вильямс, 2019.
1408 с.
4. Хайкин С. Нейронные сети: полный курс, 2-е изд.: Пер. с англ. - М.: ООО «И.Д. Вильямс», 2016. 1104 с. ISDN 978-5-8459-2069-0.
References
1. Subramanian S., Voruganti S. Software-Defined Networking (SDN) with OpenStack. Packt Publishing. 2016. ISBN: 9781786465993.
2. Shmatko A. Modern approaches to building SDN networks. LAP LAMBERT Academic Publishing. 2017. 84 p. (in Russian).
3. Stewart P., Peter H. Artificial intelligence. A modern approach. Moscow. Williams Publ., 2019. 1408 p. (in Russian).
4. Khaykin S. Neural networks: a complete course. Moscow. Williams Publ., 2016. 1104 p. ISDN 978-5-8459-2069-0 (in Russian).
Статья поступила 23 сентября 2023 г.
Сведения об авторе
Губенко Андрей Михайлович - Главный эксперт. Филиал публичного акционерного общества «Информационные телекоммуникационные технологии» (ПАО «Интелтех» «Корунд»). Область научных интересов: автоматизация управления сложными организационно-техническими системами. Адрес: 197342, Россия, г. Санкт-Петербург, ул. Кантемировская д. 8. Тел.: +7-977-765-92-80. E-mail: intelteh@intelteсh.ru.
Approaches to the application of artificial intelligence technologies to solve automated control problems in complex organizational and technical systems
A. M. Gubenko
Annotation. The article considers approaches to the application of artificial intelligence technologies to solve automated control problems in complex organizational and technical systems. The concept of the information content of complex technical systems is disclosed, the stages in the implementation of the automated control process are described, and the organization of the management cycle is compared using adaptive management and predictive analytics approaches.
Keywords: artificial intelligence technology, complex organizational and technical systems, adaptive management, predictive analytics.
Information about authors
Gubenko Andrey Mikhailovich is the Chief expert. A branch of the public Joint Stock Company "Information Telecommunication Technologies" (PJSC "Inteltech" "Corundum"). Research interests: automation of management of complex organizational and technical systems. Address: 197342, Russia, St. Petersburg, Kantemirovskaya str. 8. Tel.: +7-977-765-92-80. E-mail: intelteh@intelteсh.ru.
Для цитирования: Губенко А. М. Подходы к применению технологий искусственного интеллекта для решения задач автоматизированного управления в сложных организационно-технических системах // Техника средств связи. 2023. №4 (164). С. 66-71. D0I:10.24412/2782-2141-2023-4-66-71.
For citation: Gubenko A. M. Approaches to the application of artificial intelligence technologies to solve automated control problems in complex organizational and technical systems. Means of communication equipment. 2023. №4 (164). Pp 66-72. D0I:10.24412/2782-2141-2023-4-66-71. (in Russian).
U Intelligent information systems
