Сведя задачу генотипической идентификации к проблеме идентификации образа генотипа, мы автоматически попадаем в раздел науки, известной как теория распознавания образов. Теория распознавания образов дает нам в руки мощный математический аппарат для решения проблемы генотипической идентификации. Однако эта теория не лишена определенных недостатков, затрудняющих её практическое использование. Обойти данные трудности можно, применяя некоторые модификации теории распознавания образов, в частности, так называемый образный анализ многомерных данных. По существу образный анализ подгоняет данные под некоторую, заранее заготовленную модель. Поскольку для многих природных объектов их дисперсия в пространстве признаков вовсе не совпадает с этой моделью, то неудивительно, что результаты иерархического кластерного анализа, изображенные в виде дендрограмм, будут зачастую весьма плохо выделять взаимосвязи, так как они являются одномерными и не могут выразить, весьма отличные порой друг от друга, сходства между отдельными элементами различных кластеров. Алгоритмы автоматической классификации легко «сбиваются» из-за наличия случайных точек, образующих «мосты» между кластерами. Попытки реализовать на ЭВМ основные принципы анализа и описания образов человеком, с необходимостью требует заложить в нее модели эволюции, фило- и онтогенеза и «всего мира» в целом с тем, чтобы получить человеческое богатство и гибкость целей и способов их достижения. Сейчас мы бы сказали, что эта проблема искусственного интеллекта. Достаточно очевидно, насколько тогда (1980 г.) далека была от реальности данная цель.
3.3.2. Многомерный образ генотипа
Все, перечисленное выше, вызвало повышенное внимание к подходу на основе проектирования объектов в признаковом пространстве с последующим уменьшением его размерности. Опыт разработки и применения методов обучения машин распознаванию образов определил пределы их возможностей и показал необходимость предварительного упрощения многих практических задач путем отбора информативных признаков, значительно сокращающих описание объектов без потери существенной информации.
Автоматический отбор таких признаков на ЭВМ связан с перебором, поэтому задача усложняется экспоненциально с ростом числа компонентов исходного описания и практически нереализуем уже при приближении его к ста. Приходится делать это человеку на основании интуиции, опыта и знания объекта, а если их не хватает — на основании визуального анализа исходных данных. Человек обладает исключительно гибкой многоуровневой иерархической системой описания изображений и ситуаций реального мира. В отличие от ЭВМ он не оперирует жестокой системой признаков, а строит свою систему признаков, исходя из целей и понимания существа задачи, то есть выбирает содержательные и эффективные признаки. В результате, человек пока существенно превосходит ЭВМ в распознавании изображений, речи, письменных текстов и во многом другом. Следовательно, если основная цель — решать задачу, а не заменять человека на ЭВМ, более перспективно следующее распределение функций: машине — четко формализованное беспоисковое преобразование данных в форму, удобную для человеческого восприятия, человеку — распознавание и описание образов. Обучение человека распознаванию и описанию структур данных по их образным представлениям с помощью ЭВМ получило название образного анализа [29].
Отмеченная выше особенность подхода к решению проблемы генотипической идентификации накладывает специфические требования на приборное оснащение генетических исследований. С одной стороны, очевидно, что надо максимально использовать все возможности современной измерительной техники для получения разнообразной информации с биологического объекта (в частности, с растения). С другой стороны, различные биофизические методы должны пройти отбор на наибольшую информативность измеряемых параметров. Причем информативность этих параметров должна соответствовать поставленной проблеме — идентификации генотипа растения. То есть, комплекс измерительных средств должен быть проблемно ориентирован. Поэтому созданию автоматизированного информационно-измерительного комплекса должны предшествовать, во-первых, традиционные биофизические исследования, во-вторых, всесторонний анализ существующих биофизических методов исследования растений, технических средств и вычислительной техники и, в третьих, подробное проектирование всех элементов будущего комплекса с учетом специфики объекта исследования.