Владимир Петров - Законы развития систем

Пример: Несколько источников информации. Это видео, содержащее видео- и аудиоинформацию. Отношение между ними может быть использовано для улучшения распознавание речи, уменьшения шума и сжатия видео.

В соответствии с законом обработки многих источников, любой простой DFK со многими источникамиимеет тенденцию стать когерентным DFK со многими источниками. В когерентном DFK со многими источникамиотслеживаться и обрабатываются все источники информации, но обработка выполняется независимо. Когерентный DFK со многими источникамиможет преобразовываться в согласованный DFK со многими источниками , где знания частично распределяются посредством подсистем между разными источниками. В конце концов, согласованный DFK со многими источникамиможет влиться в коллективный DFK со многими источникамис центральной обработкой знаний (рис. 7.175).

Рис. 7.175. Закономерность обработки многих источников

Примеры: Видеоконференция.

1. Простой DFK со многими источниками. Две независимые системы находятся рядом. Например, видеоконференция с двумя независимыми системами: аудио и видео.

2. Когерентный DFK со многими источниками. Управление видеоконференцией осуществляется на основании аудио и видеосигналов. Например, направленный микрофон ориентируется на говорящего человека на основании обработки видеосигнала.

3. Согласованный DFK со многими источниками. В видеоконференции, изображение может быть увеличено на основании обработки видеосигнала и направления звука говорящего, в то время как микрофон ориентирован на основании обработки звука и расположение говорящего человека. Это может быть особо полезно для выявления основного докладчика, когда имеется несколько человек в фоновом режиме.

4. Коллективный DFK со многими источниками. В видеоконференции, видео изображение будет увеличено и направленный микрофон ориентирован на основании совместного анализа видео и аудио каналов.

Закон приспособляемости

Закон приспособляемости гласит: система обработки информации имеет тенденцию приспосабливать прежние данные для повышения своей эффективности. То есть, система имеет тенденцию изучения информации, полученной раньше, и приспособить ее, чтобы получить наилучшие результаты для поступающей информации.

Примеры: неконтролируемая система обучения, распознавание речи, поисковые системы и т. д.

Статический DFKне изменяются во времени, имеющий набор априорных знаний (K) и функциональности (F). Меняться могут только данные (D 1 — D n). Статический DFKможет стать обучающимся DFK, если база знаний (K 1 — K n) меняется в зависимости от поступающих данных (D 1 — D n). В эволюционном DFKизменяющиеся во времени не только знания (K 1 — K n), но и функции (F 1 — F n), воздействуют на данные (D 1 — D n), (рис. 7.176).

Рис. 7.176. Тенденция приспособляемости

Примеры: Система распознавания речи.

1. Статический DFK. Для распознавания речи используется только заранее фиксированный словарь. Изменяться во времени могут только данные (D 1 — D n), например, информация, которую произносит человек. Знания (K) и функция (F) остается неизменными. Знания — фиксированный словарь, функция — распознавание речи.

2. Обучающийся DFK. Система реализована в виде системы неконтролируемого обучения. Словарь адаптируется и включает новый образец, каждый раз, когда речь произнесена с высокой степенью достоверности. Со временем словарь (K 1 — K n) приспосабливается под говорящих, использующих эту систему. Система знаний (K 1 — K n) приспосабливается к окружающей среде, но функция (F) не меняется.

3. Эволюционный DFK. Система не только адаптирует свои знания

(K 1 — K n), но, и изменяет свои функции (F 1 — F n), или добавляет новые возможности. Добавляется новая функциональность (F 1 — F n) — система может говорить , синтезируя речь на основании собранных знаний. Речь может воспроизводиться не только любого, даже не существующего человека, но и любого существа, синтез новой музыки и любых новых звуков .

Комплексный DFK

Можно применять комбинации, описанных выше законов.

На рис. 7.177 показан пример обучающийся коллективный DFK со многими источниками.

Имеются два источника информации D 1nи D 2n. Коллективное знание K nизучает изменение данных во времени. Функция F 1nвоздействует на эволюционирующие данные D 1n, поэтому D 1n—F 1n—K nявляется развивающийся DFK. При многоступенчатой обработки на источник D 2nвоздействуют F 2и F ’ 2 под воздействием общего обучающегося знания K n.

Рис. 7.177. Пример комплексного DFK

Пример. Система может осуществлять распознавание любого объекта, не только по аудио и визуальной информации, но и по запаху, температуре, электромагнитным излучениям и т. д. Кроме того, система может осуществлять синтез существующих и не существующих объектов по любым параметрам.

Содержание раздела 7.8

7.8.1. Общие понятия.

7.8.2. Переход на микроуровень.

7.8.3. Переход на макроуровень.

7.8.4. Выводы.

7.8.1.Общие представления

Закон перехода системы на микро- и макроуровеньявляется основным из законов эволюции технических систем (рис. 7.178) .

Рис. 7.178. Структура законов эволюции технических систем

Закон перехода системы на микро- и макроуровень включает два закона (рис. 7.179):

— Закон перехода системы на микроуровень

— Закон перехода системы на макроуровень.

Рис. 7.179. Структура закона перехода системы на микро- или макроуровень

7.8.2. Переход на микроуровень

Закон перехода системы на микроуровеньзаключается в том, что техника в своем развитии стремится перейти на микроуровень .

Чаще всего это относится к рабочему органу .

Микроуровень — условное понятие. В работе участвуют все более глубинные структуры вещества, например, использование нанотехнологий. При этом используются физические, химические, биологические и математические эффекты.

Классическими примерами перехода системы с макро- на микроуровень является часы , вычислительная техника и электроника .

История развития часов насчитывает тысячелетия 380.

Первоначально время определяли по звездам, в дальнейшем изобрели солнечные часы. Затем появились водяные, песочные и огненные часы. Впоследствии их заменили механическими часами.