Реферат когнитивная компьютерная графика
Уже сегодня мы можем со всей определенностью утверждать, что на наших глазах рождается принципиально новая человеко-машинная реальность, создающая предпосылки интенсивной технологии познания. Речь идет о новых направлениях в области человеко-машинного взаимодействия и искусственного интеллекта - системах когнитивной графики и виртуальной реальности.
Психологами доказано, что связывать умственные способности человека только с высшим вербально-логическим уровнем психического отражения действительности неправомерно. Это отражение включает в себя также сенсорно-перцептивный и образный уровни и соответствующие им способности, которые проявляются в процессах ощущения, восприятия, образной памяти и воображения, поэтому возникает необходимость в создании средств для развития таких способностей. На сегодняшний день уровень развития вычислительных средств так высок, что это позволило начать разработку средств для построения систем, работающих не только на символьно-логическом, но и на сенсорно-перцептивном и образном уровнях. И ведущая роль здесь принадлежит указанным двум новым направлениям развития современной вычислительной науки.
Термин когнитивная графика впервые был рассмотрен русским ученым А.А.Зенкиным в его работе по исследованию свойств различных понятий из теории чисел . Используя зрительные образы абстрактных числовых понятий, он получил результаты, которые раньше получить было невозможно. Направление работ по когнитивной графике бурно развивается, и уже сейчас существует много подобных систем в различных предметных областях: в медицине , для поддержки принятия решений по управлению сложными технологическими системами , в системах, базирующихся на естественном языке .
Следует отметить две функции систем когнитивной графики: иллюстративную и познавательную. Если первая функция обеспечивает чисто иллюстративные возможности, такие как построение диаграмм, гистограмм, графиков, планов и схем, различных картинок, отражающих функциональные зависимости, то вторая позволяет человеку активно использовать свойственную ему способность мыслить сложными пространственными образами.
Термин "виртуальная реальность" ввел в обращение бывший компьютерный хэкер Джа-рон Леньер, создавший в 1984 году фирму "Ви-Пи-Эл Рисерч Корп." в г. Фостер штат Калифорния. Это первая компания по созданию ВР-систем . С начала 90-х годов стали проводиться конференции по средствам моделирования виртуальной реальности и построению систем, позволяющих человеку действовать в условиях среды, которая может качественно отличаться от условий той реальности, в которой он живет.
Существуют два свойства, позволяющие отличить программу, создающую "виртуальный мир" (ВР-система), от традиционных систем компьютерной графики.
1. Кроме простой передачи зрительной информации эти программы одновременно воздействуют еще на на несколько органов чувств, среди которых - слух и даже осязание.
2. ВР-системы взаимодействуют с челове ком, а в наиболее совершенных из них пользо ватель, к примеру, может дотронуться рукой до объекта, существующего лишь в памяти ком пьютера, надев начиненную датчиками пер чатку. В ряде систем можно воспользоваться джойстиком или мышью - тогда можно сделать что-либо с изображенным на экране предметом (скажем, перевернуть его, подвинуть или ос мотреть с обратной стороны).
Разработка систем, в основе которых лежит модель виртуальной реальности, вынуждает решать ряд проблем, характерных для мультимедиа-технологий и технологий когнитивной графики. В данной работе рассматриваются проблемы, связанные с разработкой графических средств для генерации образных представлений динамических сцен, представляющих различные реальности, в том числе и воображаемые.
Рассмотрим задачу построения системы виртуальной реальности для обучения на основе парадигмы "воображаемого мира" физическим законам статики, кинематики и динамики. Будем рассматривать следующий динамический мир: трехмерное замкнутое пространство, совокупность объектов в нем, деятель в данном пространстве (он же обучаемый, назовем его Актором). Задача деятеля - понять законы, присущие миру, в котором он находится и действует, совершая некоторые физические действия с объктами во времени и пространстве.
Выделим основные типы понятий, с которыми будет сталкиваться Актор. Это - объекты, отношения, движения и физические действия. Поставим задачу построения воображаемого мира, отображающего эти категории; при этом состояния такой воображаемой реальности будем описывать в виде текстов на обычном естественном языке. Важным модулем такой ВР-системы является подсистема, строящая по тексту динамически изменяющийся графический образ. Для решения данной задачи используется система ТЕКРИС, разрабатываемая авторами . Ниже рассматриваются общее описание системы ТЕКРИС и графические средства для построения подобных систем.
Структурная схема системы ТЕКРИС
Система ТЕКРИС представляет собой набор программных средств, позволяющих по тексту на естественном языке построить динамически изменяющийся графический образ описанной ситуации. В качестве ограничений, налагаемых на исходное описание, следует отметить следующее: 1) в тексте обязательно присутствует описание начальной статической сцены; 2) все последующие изменения в сцене являются результатом действий, производимых некоторым субъектом (человеком, роботом). Типичным примером такого описания может служить следующее:
В комнате находится стол. На столе стоит лампа. Рядом со столом стоит стул. Позади стола недалеко слева находится книжный шкаф. Справа от стула стоит диван. Иван стоит рядом со шкафом. Иван подошел к столу. Взял лампу. Поставил ее на шкаф.
Структурная схема системы представлена на рисунке 1. На данной схеме программные компоненты представлены в виде прямоугольников, а исходный и промежуточные файлы - в виде овалов.
Описание динамической ситуации на естественном языке поступает на вход лингвистического процессора. Используя словарь предметного мира, он преобразует текст во внутреннее фреймовое представление, которое затем поступает на вход решателя и планировщика.
Решатель, используя блок качественных физических рассуждений и логический блок, строит описание траектории развития ситуации в виде временной последовательности сцен, отражающей динамику развития заданной текстом ситуации.
Планировщик строит графический образ каждой сцены из заданной последовательности, вычисляя для этой цели габариты и координаты всех составляющих сцену объектов, а также формирует необходимые для отображения траектории перемещения предметов и передает все это на вход визуализатора.
Визуализатор последовательно с некоторой задержкой воспроизводит сгенерированные образы на экране дисплея. Например, для указанного выше текстового описания будет сгенерирована начальная сцена, представленная на рисунке 2.
Так же, как лингвистический процессор привязан к предметной области посредством словаря терминов, так и визуализатор имеет привязку к этой же области через базу графических объектов.
База графических объектов представляет собой набор трехмерных описаний предметов и субъектов, которые могут встречаться в анализируемых сценах. Чтобы создать базу для конкретного приложения, используется дополнительная программа, называемая библиотекарь графических объектов.
Рис. 2. Начальная сцена База графических объектов
База графических объектов состоит из набора описаний предметов и субъектов, связанных с рассматриваемой предметной областью. Каждый объект базы данных состоит из имени (или типа), уникального для данной базы (например, "стул", "стол", "диван" и т.п.), и описания состава и взаимного расположения компонентов, его составляющих.
Базисным элементом, из которого строятся все графические объекты, является прямоугольный параллелепипед (см. рис. 3). Для построения сложных объектов в качестве компонентов также могут использоваться ранее определенные другие объекты. Например, для построения такого сложного объекта как "Иван" вначале можно определить следующие более простые объекты: "голова", "рука", "нога", а затем построить "Ивана" из уже имеющихся "кирпичиков".
На рисунке 3 представлен объект "стол", состоящий из пяти базисных элементов. Для каждого объекта определяется прямоугольный параллелепипед, в который он может быть вписан (на рисунке обозначен пунктирной линией), и базисный угол, в котором находится начало координат объекта.
Кроме того, для каждого объекта определяется набор цветов, которыми раскрашиваются его составные части при отображении на экране компьютера:
количество цветов
Для задания одного цвета указываются три тройки чисел где тип закраски определяет порядок смешивания основных цветов:
тип закраски i
тип закраски2
тип закраскиз
При визуализации используется четыре типа закраски сплошным основным или комбинированным цветом, как это изображено на рисунке 4.
Три набора чисел позволяют задать три различных оттенка цвета для раскраски различ
компонент л
Каждый компонент объекта определяется своим положением (координатами относительно базисного угла), габаритами и цветом граней.
Компонент, являющийся базисным элементом, описывается следующим образом:
2) координаты базового угла в системе
координат объекта;
3) углы поворотов вокруг осей системы
координат объекта до совпадения с осями координат элемента;
4) габариты элемента (dx, dy, dz);
5) номер цвета.
Компонент, являющийся в свою очередь объектом, задается следующим образом: 1)тип(=1);
2) имя объекта;
3) координаты базового угла;
4) углы поворотов;
5) габариты;
6) номер цвета.
При визуализации объекта все его компоненты упорядочиваются в зависимости от расстояния до области проекции (экрана дисплея). Вначале отрисовываются самые дальние компоненты, затем ближние, что позволяет закрыть от наблюдателя невидимые части дальних компонентов.
Грани прямоугольного параллелепипеда также упорядочиваются в порядке приближения к области проекции. Для каждой вершины грани осуществляется перевод трехмерных координат из системы координат сцены в двухмерные координаты экрана дисплея по формулам указанным ниже (см. рис. 5). Затем определяется направление вектора нормали и выбирается соответствующий тип закраски грани, после чего на экране дисплея вычерчивается соответствующий грани четырехугольник. Поскольку ближние к наблюдателю элементы выводятся в последнюю очередь, то они закроют собой невидимые грани.
Рис. 5. Проекция объекта на плоскость визуализации
Координаты точки, принадлежащей элементу, в системе координат объекта (х, у, z) вычисляются по следующим формулам:
где (х\ у", z1) - координаты точки в системе элемента;
(xq, уо", zq) - координаты базового угла; tij - направляющие косинусы, т.е. cos угла между осями / и j системы объекта.
Для вычисления направляющих косинусов используется следующая формула:
sina-sinp-cosy+cosa-sinp -cosa-sinp -cosy+sina-sinp
Sina-sinp-siny+cosa-cosy cosa-sinp-siny+sina-cosy
Sina-cosp cosa-cosp
Матрица М задает последовательное вращение вокруг оси х на ос, у на р, z на у. Координаты проекции точки на область экрана вычисляются аналогичным образом.
Библиотекарь графических объектов
Библиотекарь графических объектов представляет собой программу, предназначенную для создания набора предметов и субъектов, которые могут встречаться в анализируемых текстах. Данная программа позволяет создавать новую базу объектов, загружать уже имеющуюся базу, сохранять базу в файл, добавлять к базе новый объект, модифицировать и удалять объект.
Рис. 6. Рабочий экран библиотекаря графических объектов
ных частей, а также значения параметров текущего (редактируемого) компонента.
Все остальное место на экране занимают три ортогональные проекции объекта и его изометрическая проекция, причем имеется возможность изменять точку зрения на объект, задавая углы поворотов вокруг осей координат.
Главное меню программы содержит следующие пункты:
База - создание новой базы объектов, сохранение и загрузка старой базы.
Вид - изменение изометрической проекции (вращение объекта).
Объекты - вывод списка всех объектов, имеющихся в базе, с возможностью перехода к выбранному объекту.
Компонент - задание значений параметров для компонента объекта (положение, габариты, цвет).
Цвета - задание набора цветов для объекта.
Комната - построение и просмотр комнаты из имеющихся объектов (в рассматриваемой версии не реализовано).
Выход - выход из программы.
Расположенные под главным меню кнопки выполняют следующие функции:
Рабочий экран программы приведен на рис. 6. В верхней части экрана расположено главное меню, в нижней - набор основных цветов (16 цветов) и четыре типа закраски. В левом верхнем (после меню) углу экрана расположены пять кнопок для создания и редактирования объекта. Непосредственно под ними расположено наименование объекта, список его состав-
Добавить новый базовый или составной компонент к объекту
Изменить размер (габариты) компонента
Изменить местоположение компонента
Повернуть компонент
Удалить компонент
При создании нового объекта создается прямоугольный параллелепипед с размерами, определяемыми по умолчанию. Размеры компонентов объекта задаются целыми числами в диапазоне от 1 до 400, поэтому при создании базы объектов необходимо масштаб определить таким образом, чтобы отображаемые (не реальные) размеры объекта попали в этот интервал.
Для изменения размеров компонента необходимо нажать кнопку "Size". После этого программа перейдет в режим изменения габаритов, что осуществляется путем перемещения правого нижнего угла соответствующего компоненту прямоугольника в одной из трех ортогональных проекций. Перемещение производится с помощью манипулятора "мышь" при нажатой левой клавише.
Перемещение компонента осуществляется аналогичным образом при нажатии кнопки "Move". Для поворота компонента следует нажать кнопку "Turn". Добавление нового компонента осуществляется при нажатии кнопки "New". При выполнении любой операции с компонентом автоматически пересчитываются габариты объекта и координаты всех его компонентов.
При необходимости с помощью кнопки "Del" компонент объекта может быть удален, что также приводит к пересчету координат и габаритов. Помимо положения и размеров для каждого компонента объекта определяются три оттенка цвета его граней. Выбор того или иного оттенка зависит от положения плоскости грани (ее нормали) в пространстве. Если компонент в свою очередь является объектом, то происходит наследование цветов подобъекта с возможностью их замены на цвета редактируемого объекта.
Для задания цветов объекта или определения цвета компонента необходимо выбрать пункт "Цвета" из главного меню. На экран дисплея будет выведено окно (рис. 7).
В левой части этого окна приведен список цветов объекта, в правой - образец закраски для трех возможных случаев, в нижней - четыре кнопки.
Для задания закраски необходимо выбрать грань (А, В или С) и из нижней части экрана тип закраски, основной (левая клавиша "мыши") и дополнительный (правая клавиша) цвета. При нажатии кнопки "Сохранить" выбранный цвет присваивается компоненту. Кнопки "Добавить" и "Удалить" позволяют добавлять и удалять элементы списка цветов.
В случае отсутствия манипулятора "мышь" для задания значений параметров компонента можно использовать пункт главного меню "Компонент". В этом случае на экране появится окно, изображенное на рисунке 8. В верхней части этого окна задается имя компонента (на рис. "левая ручка" кресла), которое при необходимости можно изменить.
В левой половине окна задаются значения параметров компонента, в правой - набор кнопок для перебора компонентов, добавления и удаления, задания цвета и сохранения и отказа от сохранения изменений.
С помощью этого окна, используя одни лишь клавиши, можно полностью описать объект. Для задания значения параметра необходимо перейти к требуемой строке с помощью клавиш управления курсором ("Вверх", "Вниз") и напечатать новое значение. Отметим, что на рисунке 8 значения габаритов указаны серым цветом, т.е. являются недоступными для изменения, так как ручка кресла в свою очередь является объектом и наследует его размеры.
Закончив редактирование одного объекта, можно перейти к созданию или редактированию другого. Перед выходом из программы базу объектов следует сохранить в файл для дальнейшего использования в программе визуализации трехмерных сцен.
Визуализация трехмерных сцен
Программа-визуализатор может работать в двух режимах. Основным является режим, при котором планировщик строит текущую трехмерную сцену и передает ее для отрисовки визуализатору. При другом режиме работы планировщик формирует последовательность сцен для анализируемого текста и записывает ее в файл, который в дальнейшем используется визуализатором. В этом случае ви-зуализатор выступает в качестве демонстратора сгенерированных последовательностей.
На вход программы подаются два файла - база графических объектов и последовательность сцен - в следующем виде:
Одна сцена отделяется от другой с помощью специальной команды PAUSE (пауза между сценами).
Каждая сцена описывается в виде последовательности команд:
Команда 1
Команда т
Команды подразделяются на команды описания объектов и управляющие команды. Команда описания содержит следующие поля:
Уникальное имя объекта, используемое
в дальнейших сценах;
Тип объекта (имя в базе);
Координаты левого заднего нижнего
угла в системе координат комнаты;
Углы поворотов вокруг осей Координат
Модификатор размера (L - большой, М -
средний, S - малый);
Цвет (от 0 до 8). Если цвет=0, то объект
изображается тем цветом, который используется в базе. В противном случае: 1 - черный, 2 - синий 8 - белый.
Среди множества объектов, описывающих начальную сцену обязательно должен присутствовать объект типа "сцена" (комната). Данный объект является встроенным (отсутствует в базе графических объектов). Он задает размеры комнаты, а также позицию наблюдателя. Задавая каждый раз заново новые углы поворотов, можно менять позицию наблюдателя для просмотра ранее не видимых объектов. Например, на рисунке 9 изображена вторая сцена рассмотренного в начале статьи текста под другим углом зрения.
Рис. 9. Вторая сцена под другим углом зрения
Для создания последовательности сцен используются следующие управляющие команды:
PAUSE - пауза между сценами;
MOVE - перемещение объекта в новую
позицию;» TRACE - показать траекторию перемещения объекта;
DEL - удалить объект из сцены
(используется для визуализации понятия "взять").
В заключение можно отметить, что разрабатываемые графические средства ориентированы на использование в интеллектуальных САПРах, роботах, в системах обучения, построения компьютерных игр,"в системах виртуальной реальности. Программные средства системы позволяют представлять данные, выраженные в текстовой и графической формах и манипулировать ими.
Следующим шагом в развитии этих средств является разработка системы, позволяющей манипулировать в пределах не одной отдельно взятой сцены, а в некоторой их совокупности, что позволит создавать более сложные миры.
При рассмотрении проблем построения методов и средств для создания систем новых поколений в области человеко-машинного взаимодействия (в широком смысле этого слова) еще раз хочется подчеркнуть исключительную роль образных, невербальных представлений в различных творческих и интеллектуальных процессах, включая обучение, открытие новых знаний, управление сложными объектами и др., поэтому так необходимы новые средства, помогающие использовать весь спектр человеческих способностей. И здесь, несомненно, важная роль принадлежит компьютерным системам с новыми технологиями поддержки этих способностей, в частности, на основе систем когнитивной графики и виртуальной реальности.
Список литературы
5. Зенкин А А. Когнитивная компьютерная графика // М.: Наука, 1991.-С. 187.
7. Ракчеева Т.А. Когнитивное представление ритмической структуры ЭКГ // Программные продукты и системы. - 1992. -Л6 2.- С. 38-47.
4. Еремеев А.П., Короткое О.В., Попов А.В. Визуальный контролер для систем поддержки принятия решений // Труды / Ш конф. по искусственному интеллекту. Тверь.-1992. Т. 1.- С. 142-145.
2. Бахарев И.А., Ледер В.Е., Матекин М.П. Инструментальные средства интеллектуальной графики дня отоб-
ражения динамики сложного технологического процесса // Программные продукты и системы. -1992. - № 2.- С. 34-37.
8. V.Bajdoun, LXitvintseva. SJvfalitov et al. Tekris: The intelligent system for text animation // Proc. of East-West Conf. on Art. Intell. EWAIC93. September 7-9, Moscow, Russia. 1993.
3. Гамильтон Дж., СмитЭ., Мак Уильяме Г. и др. Виртуальная реальность // Бизнес уик. - 1993. - № 1.
6. Литвинцева Л.В. Концептуальная модель системы визуализации трехмерных динамических сцен // Программные продукты и системы. №2.1992.
1. Байдун В.В., Бунин А.И., Бунина О.Ю. Анализ текстовых описаний динамических пространственных сцен в системе ТЕКРИС // Программные продукты и системы. -1992. -№3. - С. 42-48.
Распознавание образов и когнитивная графика
В.М. Хачумов,
д.т.н., проф., зав. лаб, vmh @ vmh . botik . ru , ИПС РАН
г.н.с., vmh @ isa . ru , ИСА РАН,
ИСА РАН, г. Москва; ИПС РАН, г. Переславль-Залесский
Введение
В основу доклада положены исследования, которые выполнялись в течение ряда последних лет в Учреждениях Российской академии наук Институте программных систем им. А.К.Айламазяна РАН (ИПС РАН) и Институте системного анализа РАН (ИСА РАН). Они отражают результаты сотрудничества в области распознавания образов и поддержки принятия решений с такими учреждениями как: НИЦЭВТ, РНИИ космического приборостроения, НИИ космических систем. Ранее велись работы с РКК «Энергия» им. С.П. Королева в содружестве с Российским государственным научно-исследовательским испытательным центром подготовки космонавтов имени Ю.А.Гагарина» (РГНИИЦПК). Существует неразрывная взаимосвязь дисциплин, необходимых для практического решения сложных технических задач обработки снимков и распознавания образов в различных приложениях.
рис.1. Взаимосвязь дисциплин
Если главной дисциплиной здесь считать «распознавание образов» то две другие (обработка сигналов, машинная графика) являются обслуживающими. Однако это обслуживание, направленное на подготовку данных, по объему вычислений существенно превосходит основное направление. Многие алгоритмы машинной графики и обработки сигналов, необходимые для решения задач распознавания образов,были разработаны в 1981-1984 годах в Институте проблем управления РАН в лаб. №18. Сюда можно отнести алгоритмы отсечения, определения ориентации плоских и пространственных графических образов, спектрального анализа типовых кривых на основе ДПФ и другие.В это время было актуальным погружение алгоритмов машинной графики в специализированные вычислительные структуры. Весь наработанный арсенал алгоритмов оказался полезным впоследствии при решении задач интеллектуализации наземной станции командно-измерительной системы (НС КИС) с целью повышения ее автономности и функциональности. Причем основной упор делался на использование возможностей искусственных нейронных сетей (ИНС) в качестве эффективных распознавателей. Стала актуальной задача построения когнитивных (способствующих пониманию) графических образов, как для космических, так и медицинских приложений.
1. Распознавание графических образов
Объектом приложения методов распознавания графических образов и когнитивной графики явилась перспективная НС КИС, ориентированная на обработку информации со спутников. Перечислим некоторые задачи обработки космической информации:
1) обнаружение локальных объектов на аэрокосмических снимках,
2) кластеризация и распознавание целевых объектов,
3) определение местоположения объекта в заданной системе координат,
4) сжатие и восстановление графической информации,
5) фильтрация,
6) прогнозирование данных телеметрии (временных рядов),
7) обнаружение неисправностей и НШС.
Технологию первичной обработки информации составляют волновые алгоритмы выделения объектов на снимках, методы удаления заведомо ложных объектов и нормализации претендентов на распознавание. Большое значение для качества работы ИНС имеет приведение графических объектов к стандартному виду в смысле ориентации и масштаба.
ИНС используются в самом конце технологической цепочки, причем от качества предобработки и типа нейронной сети в значительной мере зависит результат распознавания. Это связано с большой чувствительностью ИНС к наличию шумов, положению и масштабу образови т.д.
Кроме типовых сетей можно формировать и специальные сети. Результаты работы нейронных сетей (в основном использовались сети прямого распространения, Хемминга и Кохонена): примерно 60%-80%правильногораспознавания. Результат удается несколько улучшить за счет, применениякомитетовИНС.
Для улучшения результатов отделения целевых объектов от ложных использован комплекс методов специальной обработки, в том числе методы выделения контуров, сжатия пространства признаков, выделения «скелетного изображения» и др.
Так, например, задача определения воздушной цели потребовала использования технологии выделения контуров, вычисления инвариантных моментов и применения обобщенной метрики Евклида-Махаланобиса.
Важная по значимости прикладная задача – выделение регионов. Регион – это область на космическом снимке, которая представляет по ряду причин интерес для пользователя. Предложенная технология формирования эталонных текстур и обобщенная метрика решают достаточно уверенно поставленную задачу даже без знания спектральных характеристик точек поверхности, получаемых со спутников в результате дистанционного зондирования Земли.
Обобщенная метрика является универсальной. Она в отличие от метрики Махаланобиса применима в случаях, когда выделяемая область содержит совершенно одинаковые или очень близкие по яркости пиксели, т.е. когда нет разброса яркостных параметров.
Другая не менее важная задача – сжатие и фильтрация графической информации. Фильтрация осуществляется сетью Хопфилда, а сжатиесетью Кохонена. Сеть Кохонена проигрывает при прочих равных условиях алгоритму JPEG -2000, однако здесь имеет место элемент защиты информации, т.к. без знания настроек сети расшифровать целевую информацию невозможно.
Отдельное направление исследований связано с анализом изображений для медицинских приложений.Исходные данные в виде наборов признаков и соответствующих им классов получают на основе наблюдения под микроскопом
графических изображений образцов биологической жидкости пациентов (фаций). Для распознавания используют знания экспертов – высококвалифицированных врачей, предоставляемые в виде прецедентов.
Диагноз степени заболевания мочекаменной болезнью (норма, низкая, умеренная, высокая) пациента получают на основе автоматического измерения цвето-яркостных характеристик полутонового снимка. Признаки отражают соотношения черного и белого цветов соответственно в белковой и кристаллической зоне фации, корреляцию яркостей изображений белковой и кристаллической зон и другие соотношения, на основе которых удается построить диагноз с использованием деревьев решения и нейронных сетей.
2. Когнитивная графика
В настоящее время нет единых принципов когнитивного отображения информации, но есть понимание того факта, что графические образы способны нести в себе в сжатой и одновременно с этим доступной для пользователя форме информацию достаточную для принятия адекватного решения. Каждый образ создается индивидуально с учетом конкретной прикладной области, изучается в процессе жизненного цикла объекта и интерпретируется экспертом с использованием накопленных знаний. Многомерные данные с помощью ЭВМ могут быть соотнесены в когнитивный графический образ в виде интегральных функциональных профилей или сцен, отражающих особенности состояния объекта. Единый математический аппарат анализа и общие методы визуализации многомерных данных в настоящее время отсутствуют. Очевидно, речь может идти об интеграции и оптимизации таких представлений применительно кконкретным прикладным областям.
Для построения схемы решения задачи распознавания образов удобно пользоваться средствами графического интерфейса, которые позволяют не только формировать алгоритм обработки данных подключением соответствующих исполнительных модулей, но и отслеживать порядок решения в динамике путем цветовой подсветки соответствующих связей.
Для контроля настройки ИНС с небольшим числом нейронов применяется специальный графический динамический образ. Такое представление позволяет видеть состояние сети, знаки коэффициентов (синий и красный цвета) и величины весовых коэффициентов, путем их отображения оттенками синего и красного цветов.
Выполнялись работы по визуализации космической информации для повышения оперативности работы операторов. Пуск ракеты космического назначения охватывает порядка 20 процессов и визуализируется в виде когнитивной круговой диаграммы. Активные процессы отображаются темно-зелеными секторами, неактивные – светло-зелеными. Красным цветом выделяется состояние подсистемы, где имеет место сбой.Возможная поломка подсистемы представляется графическим образом второго уровня. Если наблюдаемая подсистема характеризуется совокупностью измеряемых параметров, то возникает кольцевое изображение третьего типа, контролирующее выход за допустимые пределы отдельных параметров.
За общим состоянием НС КИС следит специальный интерфейс, который снабжен когнитивным графическим дополнением. Если какой-либо из параметров вышел из нормы, то отличительный цвет сектора обобщенного образа дает знать о том, где произошли сбои в работе системы или возникли неблагоприятные условия. Когнитивное дополнение к интерфейсу НС КИС имеетдвухуровневую систему вложения.
Контроль исправности датчиков положения космического аппарата реализуется путем визуализации его трехмерной модели, подключенной к потоку телеметрии. По поведению модели легко обнаруживаются сбои конкретных датчиков.
Совместно с Центром подготовки космонавтов разработано когнитивное отображение процессов сближения и стыковкиКА, которое служит как для обучения космонавтов, так и для использования в режиме реального времени непосредственно на борту.
Для отработки алгоритмов автоматического определения параметров мишени стыковочного узла космического аппарата с использованием телевизионной камеры был разработан трехмерный графический образ мишени, функционирующий в условиях моделируемых помех и шумов.
Отдельное направление образует когнитивная графика в медицине. Многомерные медицинские данные с помощью ЭВМ могут быть соотнесены в когнитивный графический образ в виде интегральных функциональных профилей или сцен, отражающих особенности состояния объекта. Когнитивная графика может обеспечить, например,непрерывный контроль состояния пациентов, визуализируя текущие состояние и характерные особенности заболевания.
Основные результаты были получены в результате проведения совместных исследований с медицинским факультетом РУДН. Ниже показаны примеры когнитивной визуализации обострения бронхиальной астмы. Образ больного можно также представлять в виде областей (кругов), каждый из которых визуализирует свой параметр состояния больного и окрашивается в соответствии со значением этого параметра. Цвет параметров меняется от зеленого к красному через желтый. Зеленый цвет – значение в пределах нормы, красный – далеко от нормы, желтый и желто-оранжевый – промежуточные значения. Все величины нормируются так, чтобы значение параметра в пределах нормы было близко к нулю, а значения, далеко отстоящие от нормы ближе к единице.
Весьма информативны проекции трехмерных образов («звезд») состояний человека с легким и тяжелым обострением бронхиальной астмы, которые можно наблюдать в разных плоскостях. При отклонении параметров от нормы (в любую сторону) звезда увеличивается, причем в зависимости от упорядочения параметров по-разному. При увеличении первых параметров наблюдается сглаживание и объединение отдельных выпуклостей, а при увеличении последних параметров обнаруживается тенденция к разделению и увеличению числа концов «звезды». Звезда» пациента при обострении тяжелой степени намного превосходит в размерах звезду легкого обострения и выглядит более гладкой. По когнитивным образам врач способен моментально оценить общее состояние больного и принять адекватное решение.
Заключение
Рассмотренные методы распознавания могут быть рекомендованы для практического применения в НС КИС в том числе:обнаружения и сопровождения целей,обработки снимков ДЗЗ, прогнозирования метеоданных, контроля телеметрии и диагностики. Введение средств когнитивной графики в космических системах позволяет: контролировать и обнаруживать неисправности;ускорять процессы понимания ситуации. Во всех рассмотренных приложениях для визуализации данных, представляющих наблюдаемый динамический объект, использовалась когнитивная машинная графика. Когнитивная графика позволяет преобразовать числовую информацию об объектах с большим количеством параметров (признаков) в наглядные графические динамические образы. Образы формируются средствами 2-х и 3-х мерной машинной графики с применением цветовых яркостных представлений и специальных интегральных разверток. После короткого обучения образы становятся понятными пользователю – врачу или оператору космической системы и способствуют принятию оперативных решений. Разрабатываемые интеллектуальные средства легли в основу программных средств интеллектуальной информационной поддержки операторов НС КИС и врачей. Они обладают повышенной оперативностью представления информации в доступной форме, возможностью прогнозирования и предупреждения нештатных ситуаций.
Исследования выполнены при финансовой поддержке Пр ограммы Союзного государства «Космос - НТ» (проект «Нейросеть»), Программы "Информационные технологии и методы анализа сложных систем" Отделения нанотехнологий и информационных технологий РАН (проект 2.2. « Развитие методов интеллектуального управленияна основе анализа потоков данных»), РФФИ (проекты: № 08-01-00485-а, № 09-07-00006-а, 09-07-00043-а, 09-07-00439-а).
Литература
1. Хачумов В.М. Проект создания программной системы для распознаванияграфических образов на основе нейронных сетей. – Нейрокомпьютеры: разработка, применение N9, 2008. с.52-54.
2. Хачумов. В.М О расширении функциональных возможностей искусственных нейронных сетей. – Авиакосмическое приборостроение, 2008,№ 5, с.53-59
3. Талалаев А.А., Тищенко И.П., Фраленко В.П., Хачумов В.М. Анализ эффективности применения искусственных нейронных сетей для решения задач распознавания, сжатия и прогнозирования. –Искусственный интеллект и принятие решений, 2008, №2, с.24-33.
4. Хачумов В.М. Нейросетевые технологии обработки информации в космических приложениях. – Труды Третьей Всероссийской научной конференции «Методы и средства обработки информации» (МСО-2009, 6-8 октября 2009 года).– М.: Издательский отдел факультета ВМиК МГУ имени М.В.Ломоносова; МАКС-Пресс, 2009, с.420-425.
5. Зенкин А.А. Когнитивная компьютерная графика/ Под ред. Д. А. Поспелова- М. Наука 1991. – 187 с.
6. Хачумов В.М., Фраленко В.П. Эксперименты с прогнозированием, сжатием и фильтрацией данных на основе нейронных сетей. – Нейрокомпьютеры: разработка,применение,2008, №9, с.35-42.
7. Хачумов В.М., Ксенофонтова Е.В. Образный анализ и диагностика сложных процессов. – Доклады 11-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-11, 23-29 ноября 2003 г., Пущино). – М.:, 2003, с.201-204.
Анализ сцен
Обработка и анализ изображений
Изобразительная компьютерная графика
Направления компьютерной графики
В нынешнем, устоявшемся состоянии принято разделять компьютерную графику на следующие направления:
- изобразительная компьютерная графика,
- обработка и анализ изображений,
- анализ сцен (перцептивная компьютерная графика),
- компьютерная графика для научных абстракций (когнитивная компьютерная графика – графика, способствующая познанию).
Объекты: синтезированные изображения.
- построение модели объекта и генерация изображения,
- преобразование модели и изображения,
- идентификация объекта и получение требуемой информации.
Объекты: дискретное, числовое представление фотографий.
- повышение качества изображения,
- оценка изображения – определение формы, местоположения, размеров и других параметров требуемых объектов,
- распознавание образов – выделение и классификация свойств объектов (обработка аэрокосмических снимков, ввод чертежей, системы навигации, обнаружения и наведения).
Итак, в основе обработки и анализа изображений лежат методы представления, обработки и анализа изображений плюс, естественно, изобразительная компьютерная графика хотя бы для того, чтобы представить результаты.
Предмет: исследование абстрактных моделей графических объектов и взаимосвязей между ними. Объекты могут быть как синтезированными, так и выделенными на фотоснимках.
Первый шаг в анализе сцены – выделение характерных особенностей, формирующих графический объект(ы).
Примеры: машинное зрение (роботы), анализ рентгеновских снимков с выделением и отслеживанием интересующего объекта, например, сердца.
Итак, в основе анализа сцен (перцептивной компьютерной графики) находятся изобразительная графика + анализ изображений + специализированные средства.
Только формирующееся новое направление, пока недостаточно четко очерченное.
Это компьютерная графика для научных абстракций, способствующая рождению нового научного знания. База – мощные ЭВМ и высокопроизводительные средства визуализации.
Общая последовательность познания заключается в, возможно циклическом, продвижении от гипотезы к модели (объекта, явления) и решению, результатом которого является знание. Модель общей последовательности познания представлена на рисунке 2.1.
Рисунок 2.1 – Последовательность процесса познания
Человеческое познание использует два основных механизма мышления, за каждым из которых закреплена половина мозга:
- осознанное, логико-вербальное, манипулирует абстрактными последовательностями символов (объектов) + семантика символов + прагматические представления, связанные с символами. Возраст этого механизма, связанного с наличием речи, – до 100 тыс. лет:
- неосознанное, интуитивное, образное, работает с чувственными образами и представлениями о них. Возраст этого механизма – время существования на Земле животного мира.
Первоначально ЭВМ имели малую производительность процессоров и средств компьютерной графики, т.е. по сути дела имели возможность работы только с символами (некоторый упрощенный аналог логического мышления).
С появлением супер-ЭВМ, производительностью в миллиард и более операций в секунду и графических супер-станций, производительностью до сотен миллионов операций в секунду, появилась возможность достаточно эффективного манипулирования образами (картинами).
Важно отметить, что мозг не только умеет работать с двумя способами представления информации, причем с образами он работает иначе и эффективнее чем ЭВМ, но и умеет соотносить эти два способа и совершать (каким-то образом) переходы от одного представления к другому.
В этом контексте основная проблема и задача когнитивной компьютерной графики – создание таких моделей представления знаний, в которых можно было бы однообразно представлять как объекты, характерные для логического (символического, алгебраического) мышления, так и объекты, характерные для образного мышления.
Другие важнейшие задачи:
- визуализация тех знаний, для которых не существует (пока?) символических описаний,
- поиск путей перехода от образа к формулировке гипотезы о механизмах и процессах, представленных этими (динамическими) образами на экране дисплея.
Появление когнитивной компьютерной графики – сигнал о переходе от эры экстенсивного развития естественного интеллекта к эре интенсивного развития, характеризующегося глубоко проникающей компьютеризацией, рождающей человеко-машинную технологию познания, важным моментом которой является непосредственное, целенаправленное, активирующее воздействие на подсознательные интуитивные механизмы образного мышления.
Одним из ярких и наиболее ранних примеров приложения когнитивной компьютерной графики является работа Ч. Страуса «Неожиданное применение ЭВМ в чистой математике» (ТИИЭР, т. 62, N 4, 1974, с. 96 – 99). В ней показано как для анализа сложных алгебраических кривых используется «n-мерная» доска на основе графического терминала. Пользуясь устройствами ввода, математик может легко получать геометрические изображения результатов направленного изменения параметров исследуемой зависимости. Он может также легко управлять текущими значениями параметров, «углубляя тем самым свое понимание роли вариаций этих параметров». В результате получено «несколько новых теорем и определены направления дальнейших исследований».
Многочисленные исследования психологов, посвященные анализу процесса решения задач людьми, показали, что наиболее трудоемкими в этом процессе являются первые два этапа. Максимальное усилие человек тратит на процесс перехода от неясного ощущения некоторой ситуации к четко сформулированной задаче. Как правило, именно этот этап воспринимается большинством исследователей, как творческий. На чем формируется замысел задачи и ищется ее формулировка. Далее во многих случаях дело касается лишь применения профессиональной.
Этапы формулировки задачи в условиях использования алгебраического подхода остаются вне поля зрения науки. Проблема эта явно не является алгоритмической. Каждая задача имеет индивидуальный характер, и существование каких-либо общих процедур, кроме чисто методологических (типа алгоритмов поиска изобретения, здесь вряд ли возможно). Однако, как неоднократно отмечали крупные математики, которые всерьез задумывались над процедурами математического творчества, на этапе поиска формулировки задачи весьма часто важную роль играли геометрические представления и модели. И интересно, что зачастую они не были прямо связаны с характером решаемой задачи, а просто ассоциативно вызывали эту постановку. Такой же феномен отмечают и психологи. Попробуем перечислить особенности, которые характерны для нового направления в информатике, получившем название когнитивная графика. Более подробное обсуждение этого направления содержится в первой в мировой литературе монографии, специально посвященной когнитивной графике.
Компьютерная графика - это область информатики, которая охватывает все стороны формирования изображений с помощью компьютера.
Появившись в 1950-х годах, она поначалу давала возможность выводить лишь несколько десятков отрезков на экране.
Базой компьютерной графики стали фундаментальные науки: математика, химия, физика и т.д.
Компьютерная графика используется практически во всех научных и инженерных дисциплинах для наглядности восприятия и передачи информации. Общепринятой практикой считается также использование компьютерного моделирования при обучении пилотов и представителей других профессий (тренажеры). Знание основ компьютерной графики сейчас необходимо и инженеру, и ученому.
Конечным результатом применения средств компьютерной графики является изображение, которое может использоваться для различных целей.
Когнитивная компьютерная графика - компьютерная графика для научных абстракций, способствующая рождению нового научного знания. Технической основой для нее являются мощные ЭВМ и высокопроизводительные средства визуализации
Примером применения когнитивной компьютерной графики в прикладной информатике может быть когнитивная визуализация блок-схем алгоритма, трехмерное представление объектов исследование, визуальное представление моделей данных и т.д.
Аналогичная методика была использована для периодичных функций. Как известно графики периодичных функций имеют повторяющие участки, следовательно, если переложить график периодичной функции на ноты, то музыка будет иметь повторяющиеся фрагменты.
Решение задачи контроля исполнения национальных проектов требует учета множества факторов. Масштабность и динамичность ситуации при реализации национальных проектов вызывает необходимость оперативной обработки значительного объема исходных данных, выработки и принятия адекватных и своевременных решений.
При этом возникает проблема восприятия и интерпретации разнородной информации лицом, принимающим решения, что обусловливает актуальность решения задачи поиска форм ее представления, исключающих или снижающих неоднозначность понимания текущей ситуации.
Мышление человека построено так что, размышляет человек не словами и цифрами, а образами. Точно также обстоит дело и с восприятием информации об окружающем мире: образы, формируемые различными органами чувств, воспринимаются целиком.
Исследования показывают что, наибольшую важность имеет именно визуальная составляющая воспринимаемого образа. Отсюда следует необходимость первоочередного решения задачи визуализации числовых и нечисловых (вербальных, графических) исходных данных и результатов их аналитической обработки.
В рамках науки информатики когнитивная компьютерная графика развивается в следующих направлениях:
– исследование общих построения когнитивных графических образов способов, методов когнитивной компьютерной графики;
– исследование индивидуальных особенностей восприятия, в частности его апперцепции;
– разработка модели восприятия информации ЛПР;
– формирование алфавита понятийно-образного языка представления данных, включающего стереотипные символы, отображающие предметы и явления окружающего мира с той или иной степенью подобия, ассоциативно понятные графические примитивы, из которых синтезируются ГО любой сложности, и вспомогательные символы, необходимые для связи графических примитивов и привлечения внимания к наиболее актуальным ГО;
– исследование свойств ГО, воздействующих на ЛПР при их восприятии на уровне ощущений, – энергетических, геометрических, динамических;
– формирование «грамматики» понятийно-образного языка, то есть базовых правил формирования ГО и когнитивных сцен;
– разработка прототипа подсистемы визуализации результатов информационно-аналитического сопровождения контроля исполнения приоритетных национальных проектов на основе понятийно-образного языка представления данных;
– экспериментальная проверка эффективности разработанного прототипа по показателям оперативности, полноты, точности восприятия информации ЛПР.
Основные направления прикладной когнитивной науки. Искусственный интеллект: возможности и ограничения. Экспертные системы и системы поддержки принятия решения. Моделирование принятия решений в экономике и проблема человеческой рациональности. Проблема обработки естественного языка и системы машинного перевода. Основные направления робототехники: проблемы моделирования построения движения, ориентировки в пространстве и обучения мобильных роботов. Взаимодействие человека с компьютером: основные подходы и методы исследования. Когнитивная эргономика. Дизайн и компьютерная графика. Виртуальные реальности.
Широкое распространение гипертекстовых технологий и тесно связанной с этими технологиями мультмедиа-парадигмы также стимулирует развитие когнитивной графики. Как известно, мультимедиа-парадигма уравнивает в правах тексты и изображения. В нелинейном представлении (в виде сети), характерном для гипертекстовых технологий, мультимедиа-парадигма позволяет осуществлять навигацию по сети, как на уровне текста, так и на уровне изображений, осуществляя в любой момент переход от тектса к изображениям, и наоборот.
Таким образом, системы вида "Текст-Рисунок" и "Рисунок-Текст" оказываются тесно связанными с мультимедиа-парадигмой и когнитивной графикой, и сами являются одним из результатов взаимодействия средств когнитивной графики и гипертекстовой технологии.
В системах автоматизации научных исследований когнитивная графика может использоваться в качестве средства визуализации идей, которые еще не получили какого-либо точного выражения. Еще одним примером использования этих средств может служить специальная когнитивная графика для выбора базисных операций в нечетких логиках, в которой глобальное цветовое распределение синих и красных областей характеризует "жесткость" определения операций типа конъюнкции и дизъюнкции.
В этой области когнитивная графика используется на этапе формализации проблем и в процедуре выдвижения правдоподобных гипотез.
В области систем искусственного интеллекта когнитивная компьютерная графика позволит достичь больших результатов чем другие системы благодаря алгебраическому и геометрическому подходу к моделированию ситуаций и различных вариантов их решения.
Так, в научных исследованиях, в том числе и в фундаментальных, характерный для начального этапа акцент на иллюстративной функции ИКГ все более смещается в сторону использования тех возможностей ИКГ, которые позволяют активизировать свойственную человеку способность мыслить сложными пространственными образами. В связи с этим начинают четко различать две функции ИКГ: иллюстративную и когнитивную.
Иллюстративная функция ИКГ позволяет воплотить в более или менее адекватном визуальном оформлении лишь то, что уже известно, т.е. уже существует либо в окружающем нас мире, либо как идея в голове исследователя. Когнитивная же функция ИКГ состоит в том, чтобы с помощью некоего ИКГ-изображения получить новое, т.е. еще не существующее даже в голове специалиста знание или, по крайней мере, способствовать интеллектуальному процессу получения этого знания.
Эта основная идея различий иллюстративной и когнитивной функций ИКГ хорошо вписывается в классификацию знаний и компьютерных систем учебного назначения. Иллюстративные функции ИКГ реализуются в учебных системах декларативного типа при передаче учащимся артикулируемой части знания, представленной в виде заранее подготовленной информации с графическими, анимационными, аудио- и видеоиллюстрациями. Когнитивная же функция ИКГ проявляется в системах процедурного типа, когда учащиеся "добывают" знания с помощью исследований на математических моделях изучаемых объектов и процессов, причем, поскольку этот процесс формирования знаний опирается на, правополушарный механизм мышления, сами эти знания в существенной мере носят личностный характер. Каждый человек формирует приемы подсознательной умственной деятельности по-своему. Современная психологическая наука не располагает строго обоснованными способами формирования творческого потенциала человека, пусть даже профессионального. Одним из известных эвристических подходов к развитию интуитивного профессионально-ориентированного мышления является решение задач исследовательского характера. Применение учебных компьютерных систем процедурного типа позволяет в существенной мере интенсифицировать этот процесс, устранив из него рутинные операции, сделать возможным проведение различных экспериментов на математических моделях.
Роль ИКГ в этих учебных исследованиях трудно переоценить. Именно ИКГ-изображения хода и результатов экспериментов на математических моделях позволяют каждому учащемуся сформировать свой образ изучаемого объекта или явления во всей его целостности и многообразии связей. Несомненно, также, что ИКГ-изображения выполняют при этом прежде всего когнитивную, а не иллюстративную функцию, поскольку в процессе учебной работы с компьютерными системами процедурного типа у учащихся формируются сугубо личностные, т.е. не существующие в таком виде ни у кого, компоненты знаний.
Конечно, различия между иллюстративной и когнитивной функциями компьютерной графики достаточно условны. Нередко обычная графическая иллюстрация может натолкнуть каких-то учащихся на новую мысль, позволит увидеть некоторые элементы знания, которые не "вкладывались" преподавателем-разработчиком учебной компьютерной системы декларативного. Таким образом, иллюстративная по замыслу функция ИКГ-изображения превращается в функцию когнитивную. С другой стороны, когнитивная функция ИКГ-изображения при первых экспериментах с учебными системами процедурного типа в дальнейших экспериментах превращается в функцию иллюстративную для уже "открытого" и, следовательно, уже не нового свойства изучаемого объекта.
Тем не менее, принципиальные отличия в логическом и интуитивном механизмах мышления человека, вытекающие из этих различий формы представления знаний и способы их освоения, делают полезным в методологическом плане различение иллюстративной и когнитивной функций компьютерной графики и позволяют более четко формулировать дидактические задачи ИКГ-изображений при разработке компьютерных систем учебного назначения.
Список использованных источников
1. Зенкин A.A. Когнитивная компьютерная графика. – М.: Наука, 1991.– 192 с.
УДК 002.53; 004.89; 621.3.068 Дата подачи статьи: 14.03.2014
КОГНИТИВНЫЕ ТЕХНОЛОГИИ ВИЗУАЛИЗАЦИИ МНОГОМЕРНЫХ ДАННЫХ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
В.В. Цаплин, к.в.н., доцент, главный научный сотрудник (НИИ «Центрпрограммсистем», просп. 50лет Октября, 3а, г. Тверь, 170024, Россия, [email protected]); В.Л. Горохов, д.т.н., профессор (Санкт-Петербургский государственный архитектурно-строительный университет, ул. 2-я Красноармейская, 4, г. Санкт-Петербург, 190005, Россия, [email protected]); В.В. Витковский, к.ф.-м.н., профессор (Специальная астрофизическая обсерватория РАН, пос. Нижний Архыз, 1, Карачаево-Черкесия, 369167, Россия, [email protected])
В статье изложены принципы когнитивной машинной графики и приведены примеры ее практического применения для разработки систем поддержки принятия решений (СППР). Феномен когнитивной машинной графики состоит в генерации на экране дисплея изображений, создающих в сознании человека-оператора зрелищные образы. Эти образы имеют эстетическую привлекательность и стимулируют интуицию человека. Изображение на дисплее создает в его сознании движущийся трехмерный образ, который формируется всей совокупностью многомерных данных и визуально отображает свойства изучаемой предметной области. При восприятии этих образов человек-
оператор способен выявлять отдельные геометрические свойства наблюдаемого образа и связывать их с предметным содержанием обрабатываемых многомерных данных. Весьма важной является возможность сочетать предлагаемую когнитивную технологию с современными возможностями интеллектуальных программных интерфейсов и программ многомерного статистического анализа данных. Предлагаются принципиально новые алгоритмические подходы к когнитивной визуализации, основанные на гиперболической геометрии и алгебраических многообразиях. В определенном смысле можно говорить о появлении нового вида СППР - когнитивных систем поддержки принятия решений.
Ключевые слова: когнитивный образ в многомерном пространстве, когнитивная визуализация многомерных статистических данных, алгоритмы когнитивной визуализации обстановки, системы поддержки принятия решений, чрезвычайные ситуации.
Received 14.03.2014
MULTIDIMENSIONAL DATA VISUALIZING COGNITIVE TECHNOLOGIES FOR DECISION-MAKING INTELLIGENT SUPPORT Tsaplin V. V., Ph.D. (Military Sciences), Associate Professor, Chief Researcher (Research Institute «Centerprogramsistem», 50 let Oktyabrya Ave. 3a, Tver, 170024, Russian Federation, [email protected]);
Gorokhov V.L., Dr.Sc. (Engineering), Professor (St. Petersburg State University of Architecture and Civil Engineering, 2nd Krasnoarmeyskaya St. 4, St. Petersburg, 190005, Russian Federation, [email protected]);
Vitkovskiy V. V., Ph.D. (Physics and Mathematics) (Special Astrophysics Observatory of the Russian Academy of Sciences, Nizhny Arkhyz 1, Karachaevo-Cherkesiya, 369167, Russian Federation, [email protected])
Abstract. The article describes principles and examples of cognitive machine graphics for developing Decision Support Systems (DSS). The cognitive machine graphics phenomenon is displaying graphic representations which create spectacular images in the human operator brain. These images stimulate its descriptive impressions, closely related to the intuitive mechanisms of thinking. The cognitive effect is in the fact that man perceives the moving projection as three-dimensional picture characterized by multidimensional data properties in the multidimensional space. After the multidimensional data visual aspects study there appears the possibility for a user to paint interesting separate objects or groups of objects by standard machine drawing. Next user can return to the image rotation procedure to check the intuitive user"s ideas about the clusters and the relationship in multidimensional data. It is possible to develop the cognitive machine drawing methods in combination with other information technologies. They are the packets of digital images processing and multidimensional statistical analysis. The proposed method was based on the idea of possibility to assemble a cognitive image as object in hyperbolic space. In special sense it is possible to say that new kind of DSS - Cognitive Decision Support Systems (CDSS) appear.
Keywords: cognitive image in multidimensional space, cognitive visualization of the multidimensional statistical data, algorithms of environment cognitive visualization, decision support systems, emergency situations.
В настоящее время приобретает актуальность проблема оперативного анализа большого объема динамически изменяющихся параметров всего комплекса исследуемых объектов. Такая проблема возникает, например, в военной сфере при тактическом анализе боевых действий, техногенных катастроф, стратегическом планировании и моделировании использования комплексов вооружений, при создании нового поколения диспетчерских систем, отражающих обстановку в контролируемом воздушном или ином оперативном пространстве. Эти проблемы интенсивно решаются в рамках как стратегического и тактического боевого искусства (с использованием всего арсенала современной математики: теории исследования операций, теории оптимального управления и оптимизации), так и создания автоматизированных комплексов современных вооружений .
При решении этих и других подобных проблем приходится сталкиваться с рядом существенных трудностей, связанных с огромной ролью интуиции оператора, которая опирается на присущие человеку возможности непосредственного восприятия боевой обстановки или чрезвычайной ситуации (ЧС). Современные условия боевых действий и техногенных катастроф оставляют оператора наедине с терминалами, где одновременно
фиксируются тысячи параметров, которые он не в состоянии оперативно воспринять и творчески переработать в своем сознании. Основная трудность в том, что человек - всего лишь элемент сложной автоматизированной системы контроля и управления, которая не адаптирована под его творческие возможности. Разработанные ранее в рамках эргономики методы встраивания оператора в такую систему отчасти позволили адаптировать его к так называемым эрготехническим системам, но огромный потенциал творческой и профессиональной интуиции не использовался в полной мере.
Однако благодаря прогрессу в области когнитивных наук, когнитивной психологии, гносеологии и информационных технологий появились принципиально новые возможности для радикального решения означенных проблем. Этот прогресс особо проявился в создании новых технологий и методик когнитивной машинной графики .
Принципы работы. Предлагаемый авторами подход позволяет осуществлять проекцию многомерных данных, представленных в виде грассма-новых многообразий, на произвольно заданную оператором-исследователем плоскость в многомерном конфигурационном (фазовом) простран-
Рис. 1. Стратификация пострадавших Рис. 2. Стратификация источников при обеспеченности регионов ЧС по срокам и регионам
техническими средствами спасения
Fig. 2. Danger sources Fig. 1. Regions stratification stratification on date
on technical ensuring means and region
Рис. 3. Стратификация состояния и наличия технических средств спасения по регионам
Fig. 3. Regions stratification on salvation facilities and technical condition
стве. При этом подбор наилучшего положения плоскости проекции осуществляет сам пользователь, опираясь на свою интуицию и когнитивный образ перед глазами. Имея возможность активно влиять на ориентацию плоскости проекции в многомерном пространстве, исследователь свободен от предварительных соображений о статистической (геометрической) структуре данных, которые представляют объекты. Человек непосредственно видит на экране проекции кластеров или многомерных поверхностей, в которые формируются его данные. Этот зрелищный образ стимулирует его интуитивное понимание исследуемых объектов .
Ниже приведен краткий пример использования разработанных авторами средств когнитивной визуализации обстановки, способных решать задачу активной и управляемой стимуляции интуиции и эмпирического опыта оператора для принятия адекватных решений в современной сложной и быстроменяющейся обстановке. Кроме этого, предлагаются и развиваются принципиально новые алгоритмические подходы, основанные на гиперболической геометрии и алгебраических многообразиях.
Пример когнитивной визуализации - когнитивный анализ техносферных опасностей, выпол-
ненный в рамках сотрудничества с МЧС России. Исследование проводилось с участием и экспертизой сотрудников ВНИИ ГОЧС (ФЦ) («Всероссийский научно-исследовательский институт по проблемам гражданской обороны и чрезвычайных ситуаций МЧС России» (Федеральный центр науки и высоких технологий)). В качестве исходных данных для анализа использована информация о ЧС, зафиксированных в 1-м квартале 2012 года (703 ЧС). Возникшие на сотнях объектов ЧС анализировались по следующим выделенным параметрам: месяц, состояние, масштаб, регион, количество пострадавших, количество погибших, личный состав, техника, источник ЧС.
Возможные варианты когнитивных образов в статическом положении для анализа этих ЧС (проекция многомерного облака на плоскость, заданную парой осей параметров) приведены на рисунках 1-3.
Можно сделать вывод, что использование визуализации многомерных статистических данных с помощью генерации когнитивного образа в качестве дополнительного инструмента при анализе и прогнозе ЧС позволило обратить внимание на их особые классы, которые без использования интуитивного восприятия когнитивных образов обнаружить не удавалось.
Рис. 4. Когнитивные образы в гиперболическом визуализаторе Fig. 4. Cognitive images in hyperbolic visualizator
Новые алгоритмы когнитивной визуализации. Предлагается дальнейшее развитие алгоритмов когнитивной визуализации на основе интерпретации к-мерного проективного пространства Рк в ^-мерное гиперболическое пространство в ^ с последующим преобразованием последнего в когнитивный трехмерный образ. Такое формирование гиперболической геометрии многомерных данных происходит с использованием плюккеро-вых координат . Подобные алгоритмы способны когнитивно визуализировать даже терабайтные совокупности объектов. Когнитивный образ подобного типа показан на рисунке 4.
Гиперболический алгоритм визуализации поддерживает эффективный режим взаимодействия с иерархиями гораздо большего размера, чем обычные средства визуализации иерархий. Если обычный двухмерный визуализатор в окне 600x600 пикселей может отобразить 100 узлов, то гиперболический браузер может отобразить 1 000 узлов, из них около 50 находятся в фокусе и легко читаются.
Это особенно важно при анализе статистических связей, факторном анализе, обнаружении целей и при их распознавании. Процедура динамической визуализации не опирается на неполные и, возможно, ложные априорные сведения о природе объектов, а значит, не привнося в проекции искажающее влияние той или иной модели, дает возможность использовать визуализированные образы в условиях глубокой априорной неопределенности предметной области боевых действий и вооружений . Авторами выполнена разработка мультиплатформенных Java-версий программных систем SpaceWalker и , способных реализовать технологии когнитивной визуализации оперативной обстановки для диспетчерских служб широкого профиля.
Появляется еще одна возможность когнитивного контроля малейших изменений в состоянии объектов. Как показали исследования, даже малые изменения параметров объектов существенно изменяют их когнитивные образы, что позволяет оператору мгновенно заметить изменение характеристик объектов. Следует подчеркнуть, что использование гиперболической геометрии при создании когнитивного образа позволяет визуально представлять содержание терабайтных многомерных массивов. Кроме того, использование перечисленных применений когнитивной графики будет еще более эффективным при ее внедрении в сетевые технологии. Впечатляющий эффект может быть получен при внедрении метода оперативного анализа в онлайновых системах космического мониторинга .
оперативный анализ большого объема многомерных данных - от планирования операций до мониторинга и моделирования технических систем.
Литература
1. Гаррет Р., Лондон Дж. Основы операций на море; [пер. с англ.]. М.: Воен. изд-во МО, 1974. 268 с.
2. Когнитивный подход; [отв. ред. В.А. Лекторский]. М.: «КАНОН+» РООИ «Реабилитация», 2008. 464 с.
3. Прокопчина С.В., Шестопалов М.Ю., Уткин Л.В., Куприянов М.С., Лазарев В.Л., Имаев Д.Х., Горохов В.Л., Жук Ю.А., Спесивцев А.В. Управление в условиях неопределенности: монография. СПб: Из-во СПбГЭТУ «ЛЭТИ», 2014. 303 с.
4. Зенкин А.А. Когнитивная компьютерная графика. М.: Наука, 1991.
5. Cook D., Swaine D.E. Interactive and Dynamic Graphics For Data Anlysis. Spriger, 2009. 345 p.
6. Горохов В.Л., Муравьев И.П. Когнитивная машинная графика. Методы динамических проекций и робастная сегментация многомерных данных: монография; [под ред. А.И. Ми-хайлушкина]. СПб: СПбГИЭУ, 2007. 170 с.
7. Lo A. Big data, Systemic Risk, and Privacy-Preserving Risk Measurement / Big Data &Privacy - Work Shop Summary Report June 19, 2013 Massachusetts Institute of Technology, 2013. 45 p.
8. Розенфельд Б.А. Многомерные пространства. М.: Наука, 1966. 647 с.
9. Клейн Ф. Высшая геометрия. М.: УРСС, 2004. 400 с.
1. Garret R.A., London J.Ph. Fundamentals of naval operations analysis. United States Naval Institute Publ., 1970, 254 p. (Russ. ed.: Osnovy analiza operatsiy na more. Moscow, Voennoe izdatelstvo, 1974, 268 p.).
2. Lektorskiy V.A. (Ed.) Kognitivnyiy podkhod . Moscow, KANON+ ROOI Reabilitatsiya Publ., 2008, 464 p.
3. Prokopchina S.V., Shestopalov M.Yu., Utkin L.V., Kupriyanov M.S., Lazarev V.L., Imaev D.H., Gorokhov V.L., Zhuk Yu.A., Spesivtsev A.V. Upravlenie v usloviyakh neopredelyonnosti . Monograph, St. Petersburg, St. Petersburg Electrotechnical Univ. "LETI" Publ., 2014, 303 p.
4. Zenkin A.A. Kognitivnaya kompyuternaya grafika . Moscow, Nauka, 1991, 192 p.
5. Cook D., Swaine D.E. Interactive and dynamic graphics for data anlysis. Spriger Publ., 2009, 345 p.
6. Gorokhov V.L., Muravyev I.P. Kognitivnaya mashinnaya grafika. Metody dinamicheskikh proektsiy i robastnaya segmenta-tsiya mnogomernyikh dannykh . Monograph, St. Petersburg, St. Petersburg State University of Economics (UNECON) Publ., 2007, 170 p.
7. Lo A. Big data, systemic risk, and privacy-preserving risk measurement. Big Data & Privacy - Workshop Summary Report. 2013, Massachusetts Institute of Technology Publ., 2013, 45 p.
8. Rozenfeld B.A. Mnogomernyie prostranstva . Moscow, Nauka, 1966, 647 p.
9. Kleyn F. Vyisshaya geometriya . Moscow, URSS Publ., 2004, 2nd ed., 400 p.
10. Vitkovskiy V., Komarinskiy S. 6-D visualization of multidimensional data by means of cognitive technology. Astronomical Data Analysis Software and Systems (ADASS) XIX. Mizumoto Y., Morita K.-I., Ohishi M. (Eds.). USA, San Francisco, 2010, pp. 449-553.