Проблемы искусственного интеллекта 2006
15.10.2021, 10:02

Вальцев В.Б., д.б.н.

valtsev@netka.ru

Нейробионика и искусственный интеллект.
Теоретические и практические аспекты

Работа посвящена исследованию проблемы повышения эффективности использования данных современной нейробиологии для разработки теории и практики построения интеллектуальных систем (ИС).

Систематизация накопленных к настоящему времени фактов нейробиологии и полученных в настоящей работе результатов, которые реально воспроизводимы в моделях ИС, позволяет обосновать вывод о том, что для повышения эффективности построения и прогнозирования путей развития ИИ первостепенное значение имеют следующие особенности мозга. Построение динамически перестраивающейся архитектуры коры из 8 разнотипных элементов. Генез памяти, потребности, доминанты, различных форм условных рефлексов, составляющих основу интеллектуальных процессов мозга, в выходных интегрирующих элементах модуля коры больших полушарий мозга. Направленность особенностей торможения и запрещающих команд, которые до настоящего времени не были использованы в ИС, на повышение быстроты, точности и надежности выполнения сложных функций, формирование пачечной активности, связанной с реализацией наиболее сложных функций, повышение информационной значимости сигнала, устранение ошибки в недостаточно обученной системе и при нарушениях памяти, создание оптимального состояния последующих исполнительных структур, эффективную борьбу с шумами. Постоянное количественно и качественно изменение комбинации работы параллельно и иерархически организованных структур обеспечивает необходимую минимизацию числа связей и потоков информации, снижает перегрузки деталями работы конечных уровней иерархии и снижает объем поступающей к ним информации, обеспечивая сочетание быстродействия с использованием больших объемов памяти при выполнении сложных задач. Дифференцированное поступление по отдельным ветвям аксона с одного выхода интегрирующего выходного нейрона модуля информационных и управляющих сигналов на последующие близко расположенные и исполняющие разные функции структуры обеспечивает возможность координации большого числа разных функций в малом объеме, резко повышающее эффективность работы мозга. Улучшение качества обработки и передачи сигналов по мере увеличения объема и сложности информации и сложности работы регулирующих механизмов за счёт раздельности реакций на силовые и временные параметры от одного сигнала.

Наибольшие возможности моделирования высших функций мозга в ИИС лежат на путях использования целенаправленной потребностно-возбудительной регуляции в элементах, реализующих конечные функции мозга. Этим создаются возможности значительного расширения диапазона сигналов, вызывающих данную функцию (по типу доминантности реального мозга), снятия реакций на стимулы потерявшие актуальность, определения информационной значимости разных сигналов и обеспечения реакции микросети в соответствии с этим критерием, автоматизированного отслеживания стадии выполнения задачи, принятия решения об ее окончании, возможность обучения и формирования функций прогнозирования и т.д.

На этой основе создано программно-информационное обеспечение ИИС – Брейнпьютер. В Брейнпьютере реализуются возможности выполнения таких высших функций мозга, как целенаправленный выбор наиболее значимой информации из внешней среды, реализация ситуационных стратегий по режимам принятия решений, управление решениями задач и их ранжировка, решение задач в условиях неопределенности и др.

Настройка потребностно-возбудительной регуляции позволяет Брейнпьютеру эффективно решать широкий круг принципиально разных задач, что продемонстрировано на примерах решения задач распределения ресурсов на телевидении и управления большими системами из оборонной сферы.

Введенное нами понятие Брейнпьютер активно используется за рубежом.

Дата: 14 декабря 2006 г. (четверг). Начало в 17.00.
Место проведения: Московский Энергетический Институт (Технический Университет) (МЭИ (ТУ)), кафедра Прикладной математики (корпус М, ауд. 704).
Адрес: ул. Красноказарменная, д. 17 (станция метро "Авиамоторная").

Доклад: "Семантически замкнутая онтология."
Докладчик: Выхованец Валерий Святославович, (vyk@ipu.ru, valery@vykhovanets.ru), к.т.н., доцент, с.н.с. Института проблем управления РАН

Выхованец Валерий Святославович, к.т.н., доцент, с.н.с. Института проблем управления РАН

vyk@ipu.ru, valery@vykhovanets.ru

Семантически замкнутая онтология.
Аннотация

Для формализации знаний данные, выражающие эти знания, предлагается сопровождать правилами их структурной и содержательной интерпретации. Синтаксически и семантически замкнутая формальная спецификация предметной области получается путем построения ее понятийной модели. Понятийная модель строится на основе понятийной структуры и включает как формы выражения понятий в тексте – синтаксис понятий, так содержательную интерпретацию каждой такой формы – семантику понятий.

Понятийная структура, выявленная в процессе понятийного анализа предметной области с учетом некоторой фиксированной проблематики, задается множеством понятий, на котором определяются способы их образования (абстрагирования) в виде отображений одних понятий в другие. Для задания синтаксиса применен формализм контекстно-свободных грамматик, а семантика описывается на специализированном языке, определяемом синтаксисом и семантикой уже описанных понятий.

Учет прагматики понятий осуществляется путем многовариантного описания их семантики. Именованная семантика, соответствующая одной из возможных прагматик понятия, называется аспектом. Произвольный фрагмент текста, выражающий некоторое понятие, может сопровождаться указанием на один из возможных аспектов его интерпретации. В итоге имеем синтаксически, семантически и прагматически замкнутую онтологию, построенную для решения класса задач, определяемых заданной проблематикой.

Для накопления фактов о предметной области и вывода на имеющихся фактах используется ситуационное описание, выраженное на специализированном языке, определяемом понятийной моделью. При этом возможно как декларативное, так и императивное описание решения задачи, или некоторое их сочетание.

Разработанная технология обработки знаний, названная контекстной, позволяет сократить семантический разрыв между содержательными представлениями относительно предметной области и теми средствами, которые используются для формализации этих представлений. В итоге ожидается получение более качественных и надежных информационных систем, основанных на обработке знаний.

Дата: 25 мая 2006 г. (четверг). Начало в 17.00.
Место проведения: Московский Энергетический Институт (Технический Университет) (МЭИ (ТУ)), кафедра Прикладной математики (корпус М, ауд. 704).
Адрес: ул. Красноказарменная, д. 17 (станция метро "Авиамоторная").

Доклад: "Нейробионика и искусственный интеллект. Теоретические и практические аспекты."
Докладчик: Вальцев Виталий Борисович, (valtsev@netka.ru), доктор биологических наук, Институт истории естествознания РАН, член РАИИ, академик МАИ.

Дата: 27 апреля 2006 г. (четверг). Начало в 17.00.
Место проведения: Московский Энергетический Институт (Технический Университет) (МЭИ (ТУ)), кафедра Прикладной математики (корпус М, ауд. 704).
Адрес: ул. Красноказарменная, д. 17 (станция метро "Авиамоторная").

Доклад: "Семиотическая основа процессов прогнозирования в условиях неопределенности"
Докладчик: Тимофеев Анатолий Иванович (timofiev@mail.ru), член РАИИ, с.н.с., ОАО "Национальный институт авиационных технологий", директор Научного центра междисциплинарных исследований Международной Академии наук (Российская секция).
Подробности и тезисы доклада >>

1335