Kitobni o'qish: «Миварное понимание смысла через концепты»

Введение

Проблема создания интеллектуальных систем и логического искусственного интеллекта (ИИ) является актуальной и важной. Этой тематике посвящено большое количество научных работ [Поспелов, 1989], [Люгер, 2005], [Джарратано и др., 2007], [Варламов, 2002], [Когаловский, 2005], [Кузнецов, 2009], [Санду и др., 2010]. Миварный подход позволяет предложить новые модели и методы обработки информации и управления [Варламов и др., 2010], [Варламов, 2002], [Варламов, 2011], [Мивар, 2011], [Санду и др., 2010]. Под системами искусственного интеллекта будем понимать активные самообучающиеся логически рассуждающие системы. Ранее были разработаны технологии создания экспертных систем по узконаправленным предметным областям. Это обусловлено сложностями формализованного описания предметных областей и тем, что из-за факториальной вычислительной сложности системы логического вывода не могли обрабатывать много объектов/правил [Кузнецов, 2009], [Поспелов, 1989], [Люгер, 2005]. Для реализации экспертных систем, основанных на знаниях, используются продукции, логика предикатов и др. [Джарратано и др., 2007]. В то же время, получили развитие "интеллектуальные пакеты прикладных программ" (ИППП), которые позволяли решать в автоматизированном режиме задачи в разных областях, где требовались вычисления и конструирование алгоритмов решения задач. Технологии ИППП развиваются в миварах, сервисно-ориентированных архитектурах.

Российский фундаментальный инновационный миварный подход [Варламов, 2002], [Варламов, 2003], [Варламов, 2011], [Мивар, 2011], [Санду и др., 2010] позволяет использовать эволюционные базы данных и правил для формирования единого глобального пространства накопления и обработки информации. Миварный подход позволит создать мультипредметные экспертные системы и перейти к реальной обработке больших контекстов, представляющих собой информационные модели сложных предметных областей. Уже сейчас мивары обрабатывают более 3,5 миллионов продукций. На основе миварных сетей можно создавать сложные и сверхбольшие информационные модели. Это позволит работать с адекватными контекстами и, в ближайшей перспективе позволит компьютерам "понимать смысл информации". Следовательно, тема данной работы актуальна и перспективна.