Информатизация отрасли физическая культура и спорт и экспертные технологии
СОДЕРЖАНИЕ: Экспертные системы. Перспективы использования экспертных систем в области спорта.Информатизация отрасли физическая культура и спорт и экспертные технологии
Л.А.Хасин, С.Б.Бурьян, С.В.Минков, А-Б.Рафалович, Научно-исследовательский институт информационных технологий, Московской государстенной академии физической культуры
Постановка проблемы
Информационные технологии представляют собой смесь из устройств, методов и средств, позволяющих манипулировать информацией вне мозга человека. Это компьютеры и программное обеспечение, периферийные устройства и системы связи вплоть до спутниковых.
Одна из тенденций современного общества - все возрастающая роль и ценность информации и информационных технологий (ИТ).
ИТ находят применение и в сфере физической культуры и спорта (ФКиС). Однако здесь используются главным образом системы и программное обеспечение общего назначения: компьютеры, оргтехника, системное программное обеспечение, пакеты прикладных программ по математической статистике и т.д. Попытки решать специфичные для сферы ФКиС задачи с использованием ИТ предпринимаются очень редко.
Как иллюстрацию к вышесказанному можно привести программу обучения для студентов РГАФКа по курсу Компьютерные технологии [27]. Ее автор в качестве примера специфичных для ФКиС компьютерных программ приводит только дневник тренера. Как говорится, комментарии излишни. Где же программы, используемые для управления отраслью, тренировочным процессом, планирования тренировочной нагрузки, спортмероприятий, диагностические системы для математического моделирования движений человека и др.? Мы далеки от мысли обвинять составителей указанной программы обучения в некомпетентности. Дело в том, что в настоящее время практически отсутствуют программные средства по вышеперечисленной проблематике, апробированные и имеющие необходимую для эксплуатации документацию.
Вместе с тем в последние годы вышло значительное число публикаций [6, 26 и др.], посвященных компьютерным программам, созданным для ФКиС. Однако в этих публикациях отсутствует описание таких этапов разработки, как концептуализация и идентификация, формализация и алгоритмизация (содержание этих этапов будет приведено нами ниже), без чего их научная ценность практически равна нулю и работы носят рекламно-информационный характер. Зачастую в такого рода работах эксплуатируются фетишизация компьютера, произрастающая на почве компьютерной безграмотности, и сам факт использования вычислительной техники представляется как научное достижение, даже если она используется в качестве пишущей машинки. А ведь именно процесс сведения решаемой задачи к математической и ее решение представляют наибольший интерес для данного класса разработок, поскольку математическое моделирование становится методом исследования и позволяет получать новые результаты.
Возникает вопрос: в чем причина относительно незначительного использования ИТ для решения специфических задач сферы ФКиС? В целом она может быть охарактеризована как неподготовленность сферы ФКиС к применению ИТ.
Неподготовленность системы к внедрению научно-технических достижений - ситуация не столь уж редкая. Так, паровая машина стала одним из флагманов технической революции спустя приблизительно 50 лет после ее изобретения Уаттом, после того как братья Стеффенсоны поставили ее на рельсы и появился паровоз Можно привести много аналогичных примеров и в наше время.
Неподготовленность к внедрению ИТ сферы ФКиС обусловлена рядом факторов. Первый из них - ресурсный; под ним подразумеваются:
а) низкая компьютерная грамотность, усугубляющаяся психологической ситуацией, которая состоит в том, что специалисты нашей области не ощущают потребности в использовании ИТ, поскольку не только плохо знакомы с возможностями последних, но и не всегда готовы преодолевать трудности, связанные с приобретением новых знаний и навыков; б) недостаточная техническая оснащенность организаций сферы ФКиС у нас в стране; в) почти полное отсутствие программного обеспечения, использование которого позволило бы повысить качество решения специфических для сферы ФКиС задач.
Второй фактор - отсутствие концепции и программы информатизации в отрасли. Это приводит к фрагментарности тем по информатизации, выполняемым в отрасли, отсутствию постоянных источников финансирования, отсутствию единых требований к разрабатываемым компьютерным системам и сопроводительной документации, отсутствию плана по внедрению и учета имеющихся разработок и т.д.
Третий - отсутствие специализированного подразделения (НИИ, Центр и т.д.), в функции которого входили бы:
а) разработка концепции и программы информатизации отрасли;
б) контроль за выполнением заказов КГФТ РФ по информатизации;
в) разработка новых информационных технологий для ФКиС;
г) внедрение ИТ в сфере ФКиС и обучение сотрудников отрасли;
д) освоение новых достижений информатики;
е) выполнение заказов ГКФТ РФ по информатизации отрасли ФКиС.
Четвертый фактор - высокий уровень сложности специфических для сферы ФКиС задач (планирование спортивной тренировки, контроль за состоянием тренирующегося, оптимизация технического мастерства спортсменов и др.) обусловлен следующим:
а) большой размерностью пространства решений;
б) нечеткостью, противоречивостью и неполнотой используемых данных и знаний;
в) непредставимостью задач в числовой форме;
г) непредставимостью цели в терминах четко определенной целевой функции и т.д.
Пятый - ситуация в спортивной науке, которая может быть охарактеризована как застойная. Это связано не только с социально-экономическими условиями, сложившимися в последние годы. Мы считаем, что развитие спортивной науки сильно тормозят эмпиризм, низкий уровень доказательности, низкое качество выполняемых в области спорта экспериментальных исследований. В последние годы ни в теории спортивной тренировки, ни в биомеханике спорта, ни в других разделах спортивной науки не появилось новых теоретических концепций.
Следует отметить, что продвинутость решений многих проблем в области спорта и раньше была невелика. Так, планирование спортивной тренировки описывается в общем виде [3, 4 и др.] и не определяет большинства характеристик тренировочной нагрузки, практически отсутствует построение отдельного тренировочного занятия в контексте построения тренировочного цикла и т.д. Разрабатывая экспертные системы для планирования тренировочной нагрузки в тяжелой атлетике, в беге на средние и длинные дистанции, мы столкнулись одновременно как с переопределенностью, так и с недоопределенностью в методических рекомендациях по планированию тренировочной нагрузки. Это означает, что ряд рекомендаций противоречат друг другу, например в работе [16] для распределения нагрузки по зонам интенсивности используется сразу несколько признаков (ЧСС и скорость бега), что приводит к противоречивым ситуациям (избыточность).
В то же самое время те же рекомендации не определяют многих значительных характеристик тренировочной нагрузки (недоопределеyнность).
Другой пример - математическое моделирование спортивных движений человека [1, 2 и др.]. Практически это направление не предоставило никаких новых факторов и теоретических положений, углубляющих наше понимание биомеханики человека, а также не породило новых способов выполнения спортивных упражнений. Аналогичных примеров можно привести много.
Как уже отмечалось, большой вред спортивной науке наносит эмпиризм. Нормы нагрузки, должные нормы, модельные характеристики возводятся в разряд теоретических положений, которыми они, естественно, не являются. Нам трудно согласиться с таким подходом, поскольку при его использовании нарушается принцип, сформулированный еще И.Кантом, об индуктивной невыводимости логических структур, самостоятельности и активности мышления, принцип, имплицитно содержащийся в механике И.Ньютона, принятый А.Эйнштейном и успешно применяемый в современной науке. Наблюдение -это картинка конкретной ситуации, по которой нельзя отделить закономерное от случайного, общее от частного, сущностное от второстепенного. Наблюдение и даже более совершенный метод исследования - эксперимент (гипотетико-дедуктивный метод исследования) могут дать факты и дополнительные за или против теории. По мнению К.Поппера, эксперимент может фальсифицировать научное положение, но не верифицировать его.
Согласно концепции Т.Куна, длительные периоды развития нормальной науки возникают на основе научных достижений - достижений, которые в течение некоторого времени признаются определенным научным сообществом как основа для его дальнейшей практической деятельности [9, с.9]. Такие достижения излагались в классических трудах: Физика Аристотеля, Начала и Оптика Ньютона, Химия Лавуазье и др. В спортивной науке теории такого уровня еще не появились, и в настоящее время она наполнена главным образом эмпирическими знаниями. Подобное положение вещей отражается на формализации задач, решаемых в спортивной науке. Они имеют вышеперечисленные особенности (большая размерность пространства решений и т.д.) и, согласно определениям Ньюэлла (1969) и Саймона (1973), их можно отнести к неформализуемым. Решение такого класса задач целесообразно осуществлять в экспертных системах [14]. Следует отметить, что нами накоплен определенный опыт решения неформализуемых задач в области спорта. В ряде случаев нам удавалось находить теоретические положения, позволяющие обобщать эмпирические знания (принцип равномерности, который будет изложен ниже, генерация движений антропоморфного механизма и др.).
И последнее замечание. Большинство специфических задач ФКиС обладают еще одной особенностью, которую можно определить как отсутствие фундаментальных зависимостей, связывающих характеристики цели с характеристиками промежуточных и начального состояний. Поясним данное положение на примере. Так, отсутствуют четкие зависимости, связывающие параметры тренировочной нагрузки со спортивным результатом, невозможно даже с большой степенью неопределенности установить связь между показателями физической подготовленности и характеристиками здоровья, работоспособности и т.д. В такой ситуации целесообразно ставить и решать задачи проектирования, т.е. формулировать требования, которым должен отвечать проектируемый объект (план, тест и т.д.), затем каким-то образом генерировать этот объект и проверять на соответствие его этим требованиям. Данный подход использовался нами при разработке экспертных систем для планирования тренировочного процесса, теста для оценки физической подготовленности и в других случаях и дал положительные результаты.
Мы хотим отметить, что вопрос о состоянии спортивной науки требует отдельного рассмотрения и не является темой настоящей статьи.
В данном случае нам важно не доказать что-либо, а обозначить нашу позицию по данному вопросу, поскольку от видения ситуации в спортивной науке зависят многие аспекты информатизации отрасли (подходы к формализации задач, возникающих в сфере ФКиС, концепция информатизации и т.д.).
Как уже отмечалось выше, одним из наиболее перспективных подходов при разработке компьютерных систем для решения специфических для ФКиС задач является, на наш взгляд, экспертная технология. Под экспертной технологией мы понимаем системы искусственного интеллекта и другие компьютерные системы, в частности экспертные, в состав которых входит компонент, называемый базой знаний, включающей в себя в формализованной форме знания и опыт специалистов.
Экспертные системы
Экспертные системы - это достижение в области искусственного интеллекта, которое может приобрести большое практическое значение.
Ф.Хейес-Рот [25] пишет, что на международной объединенной конференции по искусственному интеллекту в 1977 г. Э.Фейгенбаум высказал основополагающие соображения об экспертных системах. Рассмотрим их.
Интеллектуальность системы определяется в первую очередь качеством заложенных в нее знаний из предметной области, а не формализмами и схемами вывода, которые она использует. Эта концепция была принята учеными, работающими в области искусственного интеллекта. Она дала развитие специализированным программным системам, каждая из которых является экспертом в узкой области знаний и называется экспертной системой.
Специальная группа по экспертным системам Британского компьютерного сообщества определяет экспертные системы как результат создания в компьютере основанной на знаниях компоненты, соответствующей навыку эксперта в такой форме, которая позволяет системе дать разумный совет или принять разумное решение о функции обработки данных. Дополнительной характеристикой является способность системы объяснять свою линию рассуждении в виде, непосредственно понятном тому, кто задал вопрос.
Экспертным системам свойственны следующие характерные черты [17,22 и др.].
1. Экспертная система ограничена сферой экспертизы и, следовательно, не имеет общих знаний. Решения на уровне здравого смысла могут приниматься только в ограниченной области знаний.
2. По качеству и эффективности принимаемых решений экспертная система не уступает человеку-эксперту.
3. Экспертная система способна работать с сомнительными данными.
4. Решения экспертной системы понятны пользователю, поскольку могут быть объяснены.
5. Экспертная система способна наращивать знания.
6. На выходе экспертной системы выдается четкий совет, рекомендация, план и т.п.
7. Факты и механизмы вывода в экспертной системе отделены друг от друга.
В состав экспертной системы входят следующие компоненты: 1) база знаний; 2) машина вывода; 3) модуль извлечения знаний; 4) система объяснения. Разными авторами включаются также рабочая память, хранящая данные (база данных);
лингвистический процессор, осуществляющий диалоговое взаимодействие с пользователем (экспертом) на естественном для него языке; компонента приобретения знаний; компонента обеспечения непротиворечивости и т.д. Сердцевину экспертной системы составляет база знаний, которая накапливается в процессе ее построения. Знания выражены в явном виде и организованы так, чтобы упростить принятие решений [14,17 и др.]. База знаний сама по себе представляет ценность. Она может быть использована для разных целей:
а) обучения и тренировки; б) накопления высококачественного опыта; в) прогнозирования; г) создания институциональной памяти.
Наиболее часто используется форма представления знаний в виде правил (продукции): посылка (если) и заключение (то) если..., то... .
Важным вопросом является то, как система находит нужные правила. Существует два стратегических подхода: прямое сцепление и обратное сцепление. Обратное сцепление правил (обратная аргументация) - это процесс поиска решения от цели. В этом случае осуществляется поиск правил, в заключении которых определяется значение переменной - цели. Если посылки первого такого правила верны, то выполняется его заключение. Если посылка ложна, то рассматривается следующее такое правило. Если такие правила кончились, то переменные правой части становятся подцелями и процесс повторяется. Таким образом строится дерево подцелей до тех пор, пока не определяются необходимые подцели или становится невозможно их определить. При использовании метода прямого сцепления процесс аргументации выполняется от посылки к заключению и начинается с поиска правил с истинной посылкой. Прямая аргументация фактически является полным перебором в ширину, обратная аргументация - перебором в глубину.
Перспективы использования экспертных систем в области спорта
В области спорта накоплен большой фактический материал, для полноценного использования которого при решении различных задач необходимо создание специальных систем обработки информации.
Управление тренировочным процессом, планирование спортивной тренировки, контроль за состоянием тренирующегося и другие задачи из области спорта обладают свойствами неформализуемых задач.
Использование экспертной технологии позволяет решать задачи планирования и управления тренировочным процессом с учетом норм нагрузки, подготовленности, индивидуальных особенностей, а также закономерностей, отражающих сочетания упражнений, тренировочных работ различной направленности, различных типов тренировок и др. Это не просто повышает качество управления тренировочным процессом, а позволяет осуществить его на принципиально ином уровне.
Построение экспертных систем требует формализации неформализованных знаний, что имеет большое научно-практическое значение.
Использование экспертных систем для планирования тренировочного процесса позволяет освободить тренера от рутинной работы и повышает эффективность планирования.
Применение нечетких переменных, коэффициентов уверенности, процедур подтверждения гипотез, базы знаний, машины логического вывода и других подходов и приемов, используемых в экспертных системах, делает реальным решение задачи контроля и нахождения интегральных характеристик состояния спортсмена.
Экспертная технология позволяет создавать базы знаний, которые могут использоваться для подготовки специалистов, принятия решений и других целей.
Обучаемые экспертные системы могут явиться инструментом для уточнения старых и получения новых знаний в области спорта.
Обучающие экспертные системы используют высококачественный опыт, большой объем знаний, могут осуществлять диагностику ошибок и объяснять правильные решения. Все это должно повысить качество обучения специалистов в области спорта.
Первые экспертные системы в области спорта были разработаны нами в 1989 и 1991 гг. [5,23]. Это были системы для планирования тренировки в тяжелой атлетике и атлетизме, спроектированные по классической схеме: база знаний в виде продукций, машина логического вывода и т.д.
В дальнейшем мы пришли к выводу, что такая универсальная схема имеет ряд недостатков именно в силу универсальности. Так, при большом числе продукций (а в экспертной системе Тяжелая атлетика их было свыше 1000) построение плана тренировок занимало значительное время (до нескольких часов). В связи с этим уже в первой версии системы для планирования тренировки бегунов на средние дистанции нами была разработана среда, позволяющая организовывать базу знаний и манипулировать ею [12,13]. Основные результаты, полученные нами при разработке экспертной системы для планирования тренировочного процесса для бегунов на средние дистанции будет опубликована в продолжении данной статьи.
Список литературы
1. Алешинский С.Ю., Зациорский В.М. Моделирование пространственного движения человекам/Биофизика. 1975. Т. 20, вып, 6, с. 1121-1126.
2. Алешинский С.Ю., Зациорский В.М. Механико-математические модели движения человека.//Биомеханика физических упражнений. Рига, 1974, вып. 1. с. 60-120.
3. Верхошанский Ю.В. Программирование и организация тренировочного процесса. - М.: ФиС, 1985.
4. Воробьев А.Н. Тяжелоатлетический спорт. Очерки по физиологии спортивной тренировки. - М.: ФиС, 1977.
5. Воробьев А.Н., Хасин Л.А. Программирование спортивной тренировки с использованием экспертных систем.//Принципиальные аспекты кинезиологии спорта: Сб. научн. тр./Под ред. В. Б. Коренберга. Малаховка, 1991.
6. Зайцева В.В. и др. Компьютерные консультации по оздоровительной физкультуре для женщин с избыточной массой тела //Теор. и практ. физ. культ., 1995, № 4.
7. Кант И. Искусственный интеллект. - М.: Мир, 1978.
8. Корбут А.А., Финкельштейн Ю.Ю. Дискретное программирование. - М.: Наука, 1969.
9. Кун Т. Структура научных революций. - М.: Прогресс, 1977.
10. Матвеев Л.П. Основы спортивной тренировки. - М.: ФиС, 1977.
11. Нильсон Н. Искусственный интеллект. - М.: Мир, 1973.
12. Отчет о научно-исследовательской работе по теме: Автоматизация планирования спортивной тренировки (экспертные системы). - Малаховка: МОГИФК, 1994, per. № 01.94.0007381, инв. № 02.9.50 004062.
13. Отчет о научно-исследовательской работе по теме: Автоматизация планирования спортивной тренировки (экспертные системы). - Малаховка: МОГИФК, per. № 01.94.0007381, инв. № 02.9.50 004063.
14. Попов Э.В. Экспертные системы. - М.: Наука, 1987.
15. Смит С. Адаптивные обучающие алгоритмы. /Экспертные системы. Под ред. Р. Форсайта. - М.: Радио и связь, 1987.
16. Суслов Ф., Кулаков В. и др. Систематизация нагрузки бегунов и скороходов. /Легк. атл., 1986, № 12.
17. Уотермен Д. Руководство по экспертным системам. - М.: Мир, 1989.
18. Фарфель B.C. Системная физиологическая характеристика физических упражнений. //Исследования по физиологии выносливости (тр. ВНИИФК). - М.: ФиС, 1949, т. 7, вып. 3.
19. Физиология адаптационных процессов. /Под ред. Ф.З. Меерсона. - М.: Наука, 1986.
20. Финкельштейн Ю.Ю. Приближенные методы и прикладные задачи дискретного программирования. - М.: Наука. 1976.
21. Форд Л., Фалкерсон Д. Потоки в сетях. - М.: Мир, 1976.
22. Форсайт Р. Феномен экспертных систем. //Экспертные системы. /Под ред. Р. Форсайта. - М.: Радио и связь, 1987.
23. Хасин Л.А., Минков С.В. Программирование оздоровительного бега с помощью ЭВМ. //Тез. Всесоюзн. научн.- практ. конф. Физическая культура и спорт - здоровый образ жизни. Севастополь, 16-21 февраля 1990 г. М., 1990 г.
24. Хасин Л.А. Эвристические алгоритмы индивидуализации спортивной тренировки. //Принципиальные аспекты кинезиологии спорта. Сб. научн. тр. /Под ред. В.Б. Коренберга. Малаховка, 1991.
25. Хейес-Рот Ф., Уотермен Д., Ленат Л. Обзор области экспертных систем. //Построение экспертных систем. - М.: Мир, 1987.
26. Шестаков М.П., Зубков В.М. Аксон - интеллектуальная компьютерная система планирования физической подготовленности легкоатлета. /Теор. и практ. физ. культ., 1994, № 8.
27. Яшкина Е.Н. Совершенствование процесса обучения предмету Информатика в институте физической культуры: //Теор. и практ. физ. культ. , № 12.