SB

Рискну предположить, что когда вы говорите, что фильтр Кальмана вычищает шумы, то под шумами подразумеваете погрешности измерений. Пусть у нас есть один сигнал. Ставим интегратор – это будет сглаживающий фильтр, который уберёт всплески шумов.

Но что если у нас множество сигналов, которые нужно собрать в один результат? Фильтр Кальмана работает со множеством входных векторов для получения результирующего вектора. Не столь важно, как и куда направлены исходные векторы, важно, чтобы результирующий смотрел куда надо.

Посмотрим на работу муравьёв, как они тащат груз в муравейник. Они облепляют его со всех сторон и каждый муравей тянет в свою сторону. То есть груз может поползти в любую сторону, а надо к муравейнику. Тогда часть муравьёв перебегает в сторону муравейника и вектор общей тяги оказывается в направлении муравейника, хотя многие муравьи по-прежнему тянут в другую сторону. То есть шумом являются те муравьи, которые тянут не туда.

Пусть мы хотим управлять движением руки. В этом движении участвует множество различных мышц (около 100), и на каждую нужно подать свой сигнал определённой величины. При наличии множества разных мышц погрешность измерения каждого отдельного сигнала особой роли не играет, тем более что мышца сама по себе является интегратором. Зато эти мышцы могут очень сильно мешать друг другу – вот это и есть шумы. То есть важно правильно соединить множество разных сигналов как бы в единый аккорд.

Если мы пойдём классическим путём, то должны построить функцию сигнала для каждой мышцы (напомню – около 100 мышц). А потом попытаться соединить эти функции в функцию управления рукой – адская комбинаторика, любой комп повесится. Если для каждой мышцы сигнал – это всего лишь включен (1) и выключен (0), то мы получим 2^100 комбинаций. А реально у нас разная амплитуда сигналов. До морковкина заговенья будем считать. На нынешнем этапе развития вычислительной техники это невозможно.

Можно поступить иначе и поставить управляющую систему – фильтр. Для него важно движение руки в целом, а не работа отдельных мышц. Тогда он будет управлять весовыми коэффициентами входных сигналов для достижения нужного итогового результата.

Не столь важно какая мышца куда тянет и с какой силой, важно, что вся рука в итоге выполнит нужное действие. То есть фильтр как бы не отдельные ноты для каждой мышцы играет, а сразу подбирает аккорды к руке. Получается сразу функция зависимости движения руки от входных сигналов. Мы можем подать произвольные сигналы на мышцы и посмотреть, как изменится положение руки, записать этот аккорд. Либо, если система позволяет, изменить положение руки и посмотреть, какой аккорд из сигналов соответствует такому положению. При этом мы не знаем, какие мышцы помогают, а какие мешают, что там с трением и прочей инерцией, но мы знаем итоговый результат изменения положения руки.

Ещё интереснее, что одно и то же движение руки можно получить множеством совершенно разных аккордов, но у каждого будет своя эффективность и энергозатратность. Можно ставить ещё один фильтр для оптимизации аккордов. А потом ещё понадобятся плавные переходы от одного положения к другому. Это ещё один управляющий элемент. Я так понимаю, что для всего этого и нужен ИИ.

Конечно же мы при этом не знаем, почему последовательность аккордов и каждый аккорд в отдельности получились именно такими. Хотим узнать – придётся топать по классическому пути, то есть исследовать сотню функций сигналов отдельных мышц, а потом все их комбинации, чтобы построить функцию руки.