Номера журнала "Новости ИИ"за 2006 год
"Новости Искусственного Интеллекта", №2, 2006
Тема номера: Искусственный интеллект и когнитивные науки
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И КОГНИТИВНЫЕ НАУКИ
Шендяпин В.М., Скотникова И.Г. Математическое моделирование принятия решения и уверенности при выполнении сенсорных задач.
Петрович Д.Л. Принятие решения и когнитивные стили.
Шамис А.Л. Нейронные сети и моделирование мышления .
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ГОЛОГРАФИЯ
Павлов А.В. Возможности ассоциативной обработки информации, реализуемые методом Фурье-голографии.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МЕДИЦИНСКАЯ ДИАГНОСТИКА
Карп В.П. Интеллектуальный анализ данных в проблеме построения решающих правил классификации (на примере задач медицинской диагностики).
ХРОНИКА
Вторая международная конференция по когнитивной науке
В мире искусственного интеллекта
Кузнецов О.П. Слово редактора
Издательство УРСС. Кузнецов О. П. (Ред.) Новости искусственного интеллекта. 2006-Вып. 2. 2006. 80 с.
В год 50-летия искусственного интеллекта (ИИ) полезно вспомнить о том, что ИИ начинался с весьма амбициозной цели - моделирования человеческого интеллекта. Эта цель казалась, хотя и сложной, но достижимой в обозримое время, и потому сопровождалась большими ожиданиями, которые быстро сменились столь же большими разочарованиями (достаточно вспомнить историю персептрона Розенблатта). Поэтому ИИ стал развиваться в другом направлении - по пути создания моделей, методов и средств для построения интеллектуальных информационных технологий, решающих отдельные интеллектуальные задачи. При этом фактически произошел отказ от воспроизведения человеческих механизмов решения этих задач. Грубо говоря, ИИ занялся поиском алгоритмических подходов (поскольку только такие подходы реализуемы в цифровых компьютерах) для решения задач, которые человек решает неалгоритмическими средствами.
На этом пути ИИ достиг впечатляющих успехов. Однако и через 50 лет остаются задачи, которые человек решает эффективнее, чем компьютер, хотя скорости передачи сигналов в мозгу в миллион раз медленнее, чем в компьютере. И механизмы мозга, участвующие в решении этих задач, по-прежнему остаются неразгаданными. Ясно лишь, что "компьютерная метафора" (т. е. представление о мозге, как о биологическом компьютере), сыграв важную роль в первые годы существования ИИ, давно уже перестала быть ведущей при исследовании информатики мозга, и потому успехи в этих исследованиях должны принести принципиально новые знания, существенно повышающие возможности информатики.
Эти успехи, пока лишь по большей части ожидаемые, невозможны без тесного взаимодействия всех наук, занимающихся исследованием познавательных процессов мозга (когнитивных наук) - искусственного интеллекта, когнитивной психологии, нейрофизиологии, структурной лингвистики. Именно ИИ располагает адекватной системой понятий информатики, в терминах которой наиболее естественно формулируются гипотезы о когнитивных механизмах мозга. С другой стороны, ИИ не имеет собственных средств для получения исходного материала и верификации выдвинутых гипотез. В этом отношении он целиком зависит от данных психологии и нейрофизиологии.
Прекрасным образцом взаимодействия когнитивных наук является совместная деятельность специалистов по лингвистике и ИИ по обработке естественно-языковых текстов, которая в последние годы привела к заметным успехам в этой области. К сожалению, таких примеров немного. В частности, связи между ИИ и когнитивной психологией, о которой в свое время постоянно заботился наш бессменный лидер Д. А. Поспелов, в России за последние годы заметно ослабели.
Определенные надежды на возрождение такого взаимодействия связаны с успешной попыткой организационной интеграции когнитивных наук, которая была инициирована ведущим когнитивным психологом нашей страны Б. М. Величковским и реализовалась в двух международных конференциях по когнитивной науке (первая конференция прошла осенью 2004 года в Казани, вторая - в июне 2006 года в Санкт-Петербурге, см. хронику в конце номера) и создании Ассоциации когнитивных исследований.
Предлагаемый читателю номер мы считаем нашим скромным вкладом в этот интеграционный процесс. Он содержит две статьи (В. М. Шендяпина - И. Г. Скотниковой и Д. Л. Петрович), посвященные психологическим аспектам принятия решений и написанные по материалам докладов на конференции в Казани, концептуальный обзор А. Л. Шамиса "Нейронные сети и моделирование мышления", а также статью А. В. Павлова, представляющую собой весьма нестандартный образец интеграции ИИ и физической оптики. Традиционная тематика ИИ представлена статьей В. П. Карп, посвященной использованию в медицинской диагностике методов распознавания в пространстве признаков.
Аннотации
Искусственный интеллект и когнитивные науки
Шендяпин В.М., Скотникова И.Г.
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРИНЯТИЯ РЕШЕНИЯ И УВЕРЕННОСТИ ПРИ ВЫПОЛНЕНИИ СЕНСОРНЫХ ЗАДАЧ.
Разрабатывается математическая модель принятия решения, включающая оценку степени уверенности в его правильности. Рассматриваются задачи базового – сенсорного уровня когнитивных процессов. Используется аппарат формальных нейронов для векторного описания субъективных представлений о сравниваемых сенсорных стимулах и учета функционирования механизмов памяти, а также аккумуляторная теория, предполагающая накопление свидетельств как механизм вынесения решения, включающего степень уверенности в нем. Предполагается воспроизведение моделью ряда соотношений между правильностью принятых решений, их уверенностью и временем вынесения.
Петрович Д.Л.
ПРИНЯТИЕ РЕШЕНИЯ И КОГНИТИВНЫЕ СТИЛИ.
Целью работы является выявление связей когнитивных стилей (импульсивность/рефлективность, ригидность/гибкость познавательного контроля), личностных факторов решения (рациональность и готовность к риску) и скорости мысленного вращения. В исследовании участвовало 44 человека — студенты московских вузов. По когнитивному стилю импульсивность/рефлективность выделено 3 субгруппы испытуемых: «рефлективные» («медленные/неточные»), «быстрые/точные», «импульсивные». Выявлена отрицательная связь между показателями когнитивного стиля импульсивность/ рефлективность (время первых ответов) по тесту Кагана и рациональностью. Показано, что более рациональным испытуемым присуща менее высокая скорость мысленного вращения, чем испытуемым с меньшим показателем рациональности (по всей группе в целом и по субгруппе рефлективных). Выявлена отрицательная корреляционная связь между показателями готовности к риску и импульсивностью/рефлективностью (количество ошибок) в субгруппе быстрые/точные. Обнаружено, что скорость мысленного вращения выше в субгруппе быстрые/точные по сравнению с импульсивными.
Искусственный интеллект и голография
Павлов А.В.
ВОЗМОЖНОСТИ АССОЦИАТИВНОЙ ОБРАБОТКИ ИНФОРМАЦИИ, РЕАЛИЗУЕМЫЕ МЕТОДОМ ФУРЬЕ-ГОЛОГРАФИИ.
Способность к ассоциативному мышлению как способность к самостоятельному установлению не заданных при обучении связей определяет творческие способности носителя интеллекта. В статье показано, что Фурье-голограмма строит связи нейронных слоев, зависящие как от обучающего, так и от входного изображений. Это свойство адаптивности связей позволяет реализовать модель множественной регрессии. Экспериментально реализованы линейный предсказатель и аналоги известных феноменов восприятия - частный случай феномена познавательного дрейфа как фокусировки внимания на новых деталях и обратный ему эффект фокусировки внимания на знакомых деталях.
Искусственный интеллект и медицинская диагностика
Карп В.П.
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В ПРОБЛЕМЕ ПОСТРОЕНИЯ РЕШАЮЩИХ ПРАВИЛ КЛАССИФИКАЦИИ (НА ПРИМЕРЕ ЗАДАЧ МЕДИЦИНСКОЙ ДИАГНОСТИКИ).
Процесс построения решающих правил классификации рассматривается на примере задач медицинской диагностики. Выделены основные функциональные модули, составляющие этапы решения диагностических задач в условиях неполной информации. Определены модули, допускающие максимальную алгоритмизацию анализа данных. Предложены алгоритмы, повышающие эффективность функционирования некоторых модулей. Рассмотрены критерии, определяющие качество построенного решающего правила.