Реализовать программную часть создаваемых систем, решающих интеллектуальные задачи, на существующих компьютерах, возможно на первых этапах работы, однако в дальнейшем представители университета хотели бы создать и аппаратную часть, которая работала бы более эффективно и с меньшими энергозатратами.

- Дело в том, что привычные компьютеры, даже мощные, тратят на решение сложных задач много электроэнергии и времени, - рассказал профессор кафедры КИБЭВС Илья Александрович Ходашинский. - И когда мы пытаемся оптимизировать системы, решающие интеллектуальные задачи, под существующие компьютеры, они, конечно, работают, но с низкой скоростью и при существенных энергозатратах.

Ученый добавил, что поиском альтернативы существующей классической архитектуре фон Неймана, то есть привычной для нас компьютерной архитектуре, мировое научное сообщество активно занимается в последние годы.

- Мы предлагаем создать сначала программную часть на основе самообучающихся нечетких систем, где главным компонентом интеллектуальной системы становится нечеткое правило. Ряд таких правил объединяется в системы, которые описывают ситуацию, самих систем может быть несколько, в зависимости от решаемой задачи, - говорит профессор Ходашинский. - В создании программы, решающей интеллектуальные задачи, также будут использованы такие алгоритмы, как:

• популяционный алгоритм «кукушкин поиск»;
• алгоритм «сорняков»;
• алгоритмы пчелиной и муравьиной колоний;
• алгоритм «минного поля».

После того, как программная часть будет апробирована на специализированном компьютерном кластере, возможно будет в НОЦ «Нанотехнологии» ТУСУР реализовать ее в виде аппаратной («железной») части, не привязываясь к существующему компьютеру.

Использование таких специализированных самообучающихся устройств будет полезно, в первую очередь, в НОЦ «Нанотехнологии» как при конструировании сложных интегральных схем СВЧ-диапазона, так и при решении других интеллектуальных задач.

Помимо этого, интеллектуальные системы, разработанные в ТУСУР, могут стать основой для систем распознавания образов, лиц, предметов, так как с их помощью можно достаточно оперативно обрабатывать сигналы, совершать интеллектуальный анализ данных. Например, на практике самообучающаяся система может значительно усовершенствовать навигатор, который будет способен самостоятельно ориентироваться как по маршруту движения, так и определить неизвестное для него дорожное покрытие.