SZTUCZNA

INTELIGENCJA

W ROBOTYCE

9.1. Wprowadzenie do systemów sztucznej
inteligencji

Wyrażenie sztuczna inteligencja jest używane w dwóch znaczeniach:

 jako techniczno - informacyjny model naturalnego (ludzkiego) intelektu, jest

to hipotetyczna inteligencja realizowana w procesie inżynieryjnym, a nie
naturalnym,

 jako dyscyplina naukowa lub kierunek badań, który zajmuje się

zagadnieniami ludzkiego intelektu, na styku z neurologią, psychologią i
ostatnio kognitywistyką, a nawet z współczesną filozofią.

.
Dyscyplina

ta,

pierwotnie

związana

z

cybernetyką,

zdołała

się

“wyemancypować” i współcześnie szybko się rozwija. Sztuczna inteligencja
jest to nazwa technologii i dziedzina informatyki, której przedmiotem jest
badanie reguł rządzących inteligentnymi zachowaniami człowieka,
tworzenie modeli formalnych tych zachowań i – w rezultacie – programów
komputerowych symulujących te zachowania. Stąd systemami sztucznej
inteligencji nazywane są systemy spełniające funkcje, które przyjęto uważać
za charakterystyczne dla intelektualnej działalności człowieka.

Głównym zadaniem badań nad sztuczną inteligencją w drugim znaczeniu jest

konstruowanie maszyn i programów komputerowych zdolnych do
realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się
prostej numerycznej algorytmizacji. Problemy takie bywają nazywane AI-
trudnymi i zalicza się do nich między innymi:

Główną cechą charakterystyczną tzw. Inteligentnego zrobotyzowanego
systemu jest zatem zorientowane na celowe zachowanie się w złożonym
świecie zewnętrznym.

Zadanie to rozwiązywane jest dwojako:

• Reprezentacja i przetwarzanie wiedzy.

• Planowanie celowych zachowań.

• Współpraca człowieka z komputerem, rozpoznawanie mowy i mówców.

• Rozpoznawanie obrazów oraz pisma.

Po pierwsze

Inteligentnym nazywa się system, który dla
obserwatora z zewnątrz zachowuje się jak
człowiek. Jest to realizowane w ten sposób, iż
system potrafi wybrać wcześniej
zaprogramowane działanie - adekwatnie do
aktualnej sytuacji w świecie zewnętrznym.

Schemat działania takiego systemu pokazano na
rysunku.

Świat

zewnętrzny

Planowanie

działań robota

Sterowanie

napędami

ROBOT

Przetwarzanie

informacji

Wiedza o celach

Sensory

Podsystem

percepcji

Podsystem

planowania

i wykonania

działań

Z punktu widzenia sztucznej inteligencji zachowanie się takiego robota
jest organizowane na drodze przekształcenia wiedzy o bieżącym stanie
świata zewnętrznego (uzyskiwanej za pomocą systemów sensorycznych) w
sekwencje zaprogramowanych działań ukierunkowanych na osiągnięcie
zadanego celu. Przykładem działania wg takiej koncepcji jest robot
zaopatrzony w system wizyjny.

Bez systemu wizyjnego robot może wykonywać szybko i sprawnie różne
manipulacje

(na

przykład

montować

określone

urządzenia

z

poszczególnych części), ale elementy, których ma używać, muszą mu być
podane w ściśle określonym miejscu i w ściśle określonej orientacji
przestrzennej. To komplikuje stanowisko, gdyż magazyny i podajniki
zajmują miejsce na hali i wymagają obsługi operatorskiej.

Natomiast robot wyposażony w system wizyjny sam potrafi zlokalizować
obiekty, sam rozpozna, których z nich powinien użyć, sam ustali, jak je
powinien pochwycić, sam je ustawi we właściwym położeniu i odpowiednio
je dopasuje do pozostałych elementów montowanej konstrukcji, która
także może się pojawić w dowolnym miejscu jego przestrzeni roboczej.

Programy systemów opartych o schemat działania

adaptacyjnego często należą do metod sztucznej
inteligencji. Spośród znanych i stosowanych obecnie
metod sztucznej inteligencji można wymienić następujące:

 Systemy eksperckie, zwane też ekspertowymi lub

doradczymi.

 Metody oparte o mechanizm wnioskowania rozmytego

wykorzystujące teorię zbiorów rozmytych i logikę rozmytą
(Fuzzy Logic).

 Sztuczne sieci neuronowe.
 Metody wykorzystujące algorytmy genetyczne.
 Systemy agentowe i wieloagentowe

Świat

zewnętrzny

Planowanie

działań robota

Sterowanie

napędami

ROBOT

Przetwarzanie

informacji

Wiedza

abstrakcyjna

Model świata

Wiedza o celach

Gromadzenie

i korekcja wiedzy

Sensory

Podsystem reprezentacji

wiedzy

Podsystem

percepcji

Podsystem

planowania

i wykonania

działań

Inteligentnym nazywa się system, który ma zdolność
uczenia się. Schemat lub dokładna (algorytmiczna)
metoda działania nie jest znana a priori a system
potrafi wybrać działanie adekwatne do posiadanej
wiedzy i aktualnej sytuacji w świecie zewnętrznym.

Schemat działania takiego systemu pokazano na
rysunku.

Po drugie

Wiedza abstrakcyjna, czyli informacja o pewnych ogólnych prawidłowościach

istniejących zarówno w zewnętrznym jak i w wewnętrznym świecie
inteligentnego robota. Informacje te zazwyczaj traktowane są jako
względnie stałe. Należą do nich np. prawidłowości fizyczne istniejące w
świecie zewnętrznym.

Wiedza o celach to informacje o celach globalnych, które robot powinien

osiągnąć w procesie swego funkcjonowania, a także o sposobach ich
dekompozycji na cele lokalne realizowane na etapach przejściowych.

Modele świata zewnętrznego to opis formalny wiedzy o środowisku, w którym

funkcjonuje robot, uformowany i przekazany robotowi przed rozpoczęciem
jego pracy. W wielu przypadkach nie udaje się zbudować wcześniej
modelu świata zewnętrznego o dostatecznie dużym stopniu dokładności i
zupełności informacji.

Wymagania, jakie stawia się przed systemami reprezentacji wiedzy:
•

“wyrozumiałość” w stosunku do braku zupełności oraz do sprzeczności
informacyjnej; niedoskonałość systemów percepcji, a także ograniczone
doświadczenie powodują, że wiedza inteligentnego robota o świecie jest
niepełna i niedokładna - system reprezentacji wiedzy powinien być tak
zbudowany, ażeby robot nie przestawał funkcjonować w sytuacji, kiedy
zostanie wykryta niezupełność lub niedokładność jego wiedzy; możliwe
jest tylko wtedy pewne chwilowe obniżenie wydajności pracy,

•

krytycyzm w stosunku do nowej informacji; krytycyzm inteligentnego
robota oznacza zdolność do kontrolowania zgodności informacji z
informacją już zgromadzoną oraz do podjęcia decyzji o jej wiarygodności,

•

uczenie się oraz korekcja wiedzy; uczenie się oraz zdolność do korekcji
wspólnie z mechanizmem krytycyzmu umożliwia wzbogacenie wiedzy i
zwiększenie jej wiarygodności.

Obszary zastosowania metod sztucznej inteligencji w

sterowaniu robotami ich rolą w produkcji przemysłowej
określić można następująco:

•

Przejmowanie funkcji klasycznych regulatorów typu PID
przez regulatory rozmyte.

•

Diagnozowanie maszyn i układów elektronicznych, gdzie
znalazły zastosowanie metody eksperckie, sieci
neuronowe i zbiory rozmyte.

•

Planowanie, harmonogramowanie, dobór strategii
działania oraz sterowanie elastycznych zrobotyzowanych
systemów produkcyjnych.

•

Klasyfikacja, analiza i rozpoznawanie obrazów z
zastosowaniem sieci neuronowych.

•

Modelowanie układów mechanicznych robotów.

9.3. Układy sterowania ruchem człowieka, a układy

sterowania robota

Układ sterowania ruchem zwierząt wyższych jest modelem systemu

sterowania ruchem dla robotów i manipulatorów. Pomimo licznych
kontrowersji wiemy już dzisiaj sporo o jego strukturze i znamy pewne
zasady działania. Rezultaty bardzo licznych badań nad ośrodkami
nerwowymi związanymi ze sterowaniem ruchem doprowadziły do
ustalenia poglądów na temat ich lokalizacji i powiązań, pozostały
natomiast liczne niejasności na temat funkcji poszczególnych
ośrodków. Obecnie przyjmuje się, że jest to struktura hierarchiczna, w
której

zazwyczaj

wyróżnia

się

pięć

poziomów

hierarchii

z

oddziaływaniami pomiędzy sąsiadującymi poziomami oraz licznymi
bezpośrednimi połączeniami nawet poprzez kilka poziomów, co ma
istotny wpływ na dokładność i szybkość przepływu informacji.

Pierwszym poziomem jest ośrodek nadrzędny - kora mózgowa

,

będąca układem asocjacyjno-decyzyjnym, w którym następuje ustalenie:

•

celu ruchu w formie rozkazu uruchamiającego specjalny program
wykonywania poszczególnych faz ruchu,

•

kryterium optymalności, które ustala m.in. sposób wykonania ruchu,

•

ograniczeń związanych z oceną istniejącej sytuacji.

Drugi poziom hierarchii to zespół jąder podkorowych

będący ośrodkiem

programującym, koordynującym i generującym stereotypy ruchowe.

Poziom trzeci to zespół ośrodków nadrdzeniowych

głównie w pniu

mózgu oraz móżdżek tworzący ośrodek koordynacyjno-decyzyjny
zapewniający właściwą dynamikę ruchu.

Poziom czwarty tworzy rdzeń kręgowy

wraz z nerwami obwodowymi

odpowiadającymi za właściwą współpracę odpowiednich grup
mięśniowych.

Na poziomie piątym

– najniższym znajdują się zespoły pętli obwodowo-

rdzeniowych obejmujących neurony znajdujące się w rdzeniu, mięśnie oraz
odpowiednie czujniki położenia, szybkości i sił zapewniające optymalny lub
prawie optymalny skurcz mięśnia.

Należy jednak pamiętać, że podział ten nie jest stały, a funkcje

poszczególnych szczebli często uzupełniają się bądź nakładają

.

Analiza ruchów realizowanych przez organizmy żywe pozwala na

wydzielenie dwóch typów zadań ruchowych:

•

Pierwszy typ to ruchy stereotypowe, w których odpowiedni sygnał (np.
nazwa ruchu), powoduje uruchomienie odpowiedniego zestawu
sygnałów dających w wyniku żądaną trajektorię ruchu. Z badań
neurofizjologicznych wiadomo, że dzięki ogromnej liczbie połączeń
tworzących złożone pętle, w układach piramidowych i
pozapiramidowych (są to drogi połączeń między nadrzędnymi a
niższymi ośrodkami) zakodowanych jest wiele różnych zestawów
ruchów i stereotypów przestrzenno-czasowych.

•

Typ drugi, to ruchy zmienne nadrzędnie korygowane na bieżąco, na
ogół pod kontrolą wzroku i oceną przebiegu ruchu przez układ
asocjacyjno-decyzyjny. Ruchy te mogą także zawierać pewne
stereotypowe składowe jako elementy do budowy ruchów złożonych.
Sygnały sterujące wypracowane na wyższych szczeblach hierarchii
docierają drogami piramidowymi i pozapiramidowymi do rdzenia,
ustawiając parametry i uruchamiając pętle obwodowo-rdzeniowe
tworzące układy sprzężenia zwrotnego sterujące skurczem
odpowiednich mięśni.