Г.О. Кравцов, В.В. Левітін,
В.І. Кошель, В.В. Нікітченко, А.Н. Примушко
Èlektron. model. 2019, 41(5):35-58
https://doi.org/10.15407/emodel.41.05.035
АННОТАЦИЯ
Подано огляд фундаментальних основ, які дозволяють побудувати сильний штучний інтелект (ШІ). Показано справедливість висунутих гіпотез, доведених методом натурних експериментів. Стверджується, що для побудови математичної теорії сильного ШІ слід перейти до системи аксіом Неймана—Бернайса—Геделя, і тоді відкривається можливість використовувати семантичні структури, які відтворюються комп’ютерними онтологіями, як алгебраїчні структури. Для коректного використання онтологій в системах ШІ необхідно, щоб онтології в площинах розподілу являли собою метричні простори.
КЛЮЧЕВЫЕ СЛОВА:
штучний інтелект, система аксіом, аксіоматика, мозок людини, семантика, міра відмінності, внутрішня модель світу, адаптованість.
СПИСОК ЛИТЕРАТУРЫ
1. Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии. СПб.: Манн, 2016, 496 c.
2. Minds S.J. Вrains, and programs // Behavioral and brain sciences, 1980, Vol. 3, No 3, p. 417—424.
3. О’Коннор Д., Макдермотт И. Искусство системного мышления: Необходимые знания о системах и творческом подходе к решению проблем. М.: Альпина Паблишер, 2014, 256 с.
4. Harnad S. Searle’s Chinese Room Argument. Encyclopedia of Philosophy // Macmillan Reference, 2006, Vol. 2, p. 239—242.
5. Ликопастов Е. Тест Тьюринга пройден // Gadjets news. [Электронный ресурс] Режим доступа: http:gadgets-news.ru/test-tyuringa-projden . Дата обращения: 12.09.19.
6. habr: λ-исчисление. Часть первая: история и теория. [Электронный ресурс] Режим доступа: https:habr.com/ru/post/215807 . Дата обращения: 12.09.19.
7. Landin J.P. The mechanical evaluation of expressions // The Computer Journal. British Computer Society, 1964, Vol. 6, No. 4, p. 308—320.
8. Барендрегт X. Ламбда-исчисление. Его синтаксис и семантика: Пер. с англ. М.: Мир, 1985, 606 с.
9. Маклейн С. Категории для работающего математика. М.: Физматлит, 2004, 349 с.
10. Milewski B. Category Theory for Programmers [Electronic Resource]. Source: https:bartoszmilewski.com/2014/10/28/category-theory-for-programmers-the-preface .
11. Eagleman D. The brain: the story of you // Canongate Book (November, 2015), 257 p.
12. Kahneman D. Thinking, Fast and Slow // Farrar, Straus and Giroux; 1 edition (October 25, 2011), 528 p.
13. Курчанов Н.А. Поведение: эволюционный подход. Учеб. пособие. С.-Пб.: СпецЛит., 2012, 232 с.
14. Редозубов A. Искусственный интеллект как совокупность вопросов. Habr. [Электронный ресурс] Режим доступа: https://habr.com/ru/post/151102/. Дата обращения: 12.09.19.
15. Кравцов Г.А. Модель вычислений на классификациях // Электрон.моделирование, 2016, 38, № 1, p. 73—87.
16. Кравцов Г.А., Кошель В.И., Долгоруков А.В., Цуркан В.В. Обучаемая модель вычислений на классификациях // Там же, 2018, 39, № 3, c. 63—76.
17. Семкин Б.И., Горшков М.В. Аксиоматическое введение мер сходства, различия, совместности и зависимости для компонентов биоразнообразия // Вестник Тихоокеанского государственного экономического университета, 2008, № 4, c. 31—46.
18. Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. Факторный, дискриминантный и кластерный анализ. Под ред. И.С. Енюкова. М. : Финансы и статистика, 1989, 215 с.
19. Jaccard P. Distribution de la flore alpine dans le Bassin des Dranses et dans quelques regions voisines // Bulletin de la Societe Vaudoise des Sciences Naturelles, 1901, Vol. 37, №140, p. 241—272. DOI : 10.5169/seals-266440.
20. Levandowsky M., Winter D. Distance between Sets // Nature, 1971, Vol. 234, p. 34—35. DOI : 10.1038/234034a0.
21. Sörensen T. A method of establishing groups of equal amplitude in plant sociology based on similarity of species content // Biologiske Skrifter, 1948, Vol. 5, No. 4, p. 1—34.
22. Kulczynski S. Zespoly rуslin w Pieninach (Die Pflanzenassociationen der Pienenen) // Bulletin International de L’Acadґemie Polonaise des Sciences et des Letters, Classe des Sciences Mathematiques et Naturelles. Serie B. Supplґement II, 1927, Vol. 2, p. 57—203.
23. Sokal R.R., Sneath P.H.A. Principles of numerical taxonomy. N.-Y.: W.H. Freeman & Co, 1963, 359 p.
24. Szymkiewicz D. Une contribution statistique a la gйographie floristique // Acta Soc. Bot. Polon, 1934, Vol. 34, № 3, p. 249—265.
25. Simpson G.G. Holarctic mammalian faunas and continental relationship during the Cenozoic // Bull. Geol. Sci. America, 1947, Vol. 58, № 2, p. 613-688.
26. Braun-Blanquet J. Pflanzensoziologie Grundzьge der Vegetationskunde. Berlin : Springer-Verlag Wien, 1951, 632 p. DOI : 10.1007/978-3-7091-4078-9.
27. Ochiai A. Zoogeographical studies on the soleoid fishes found Japan and its neighboring regions-27. Ochiai A. Zoogeographical studies on the soleoid fishes found Japan and its neighboring regions-II // Bull. Jap. Soc. sci. Fish, 1957, Vol. 22, No. 9, p. 526—530. DOI : 10.2331/suisan.22.526.
28. Сёмкин Б.И. Эквивалентность мер близости и иерархическая классификация многомерных данных // Иерархические классификационные построения в географической экологии и систематике, 1979, p. 97—112.
29. Кравцов Г.А., Кошель В.И. Вычисления на классификациях. Корректность классификации // Электрон.моделирование, 2017, 39, № 5, p. 59—69.
30. Ивлев Ю.В. Логика. М.: Изд-во «Проспект», 2008, 304 с.
31. Буквы!: Правила деления в логике и ошибки в делении [Электронный ресурс]. Режим доступа: http://bukvi.ru/pravo/logika/pravila-deleniya-v-logike-i-oshibki-v-delenii.htm. Дата обращения: 12.09.19.
КРАВЦОВ Григорий Алексеевич, канд. техн. наук, докторант Ин-та проблем моделирования в энергетике им. Г.Е. Пухова НАН Украины. В 2000 г. окончил Севастопольский военно-морской ин-т им. П.С. Нахимова. Область научных исследований — кибербезопасность смарт-грид, криптография, программирование, разработка распределенных гетерогенных вычислительных систем.
ЛЕВИТИН Владимир Викторович, генеральный директор Компании NaomiAI. В 2015 г. окончил Научно-исследовательский университет информационных технологий, механики и оптики (г. Санкт-Петербург, Россия). Область научных исследований — искусственный интеллект, автоматизация процессов, распределенные системы.
КОШЕЛЬ Владимир Иванович, аспирант Ин-та проблем моделирования в энергетике им. Г.Е. Пухова НАН Украины. В 2002 г. окончил Харьковский национальный университет им. В.Н. Каразина. Область научных исследований — искусственный интеллект, интеллектуальный анализ данных, искусственные нейронные сети, обработка естественного языка.
НИКИТЧЕНКО Владимир Владимирович, аспирант Ин-та проблем моделирования в энергетике им. Г.Е. Пухова НАН Украины. В 1991 г. окончил Полтавское высшее военное командное училище связи. Область научных исследований — информационно-коммуникационные технологии, искусственный интеллект.
ПРИМУШКО Арсентий Николаевич, магистр Национального технического университета Украины «Киевский политехнический институт им. Игоря Сикорского», бакалаврат которого окончил в 2019 г. Область научных исследований—искусственный интеллект, машинное обучение, искусственные нейронные сети, программирование, системы навигации и ориентации.