Некоторые положения теории искусственного интеллекта
В статье рассмотрены основные положения общей теории искусственного интеллекта: учение о нейроподобных элементах и многомерных нейроподобных растущих сетях; временной и долговременной памяти; учение о функциональной организации «мозга» систем с искусственным интеллектом; о сенсорной системе; модулир...
Saved in:
| Published in: | Штучний інтелект |
|---|---|
| Date: | 2012 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2012
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/57710 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Некоторые положения теории искусственного интеллекта / В.А. Ященко // Штучний інтелект. — 2012. — № 4. — С. 53-67. — Бібліогр.: 9 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860125916812804096 |
|---|---|
| author | Ященко, В.А. |
| author_facet | Ященко, В.А. |
| citation_txt | Некоторые положения теории искусственного интеллекта / В.А. Ященко // Штучний інтелект. — 2012. — № 4. — С. 53-67. — Бібліогр.: 9 назв. — рос. |
| collection | DSpace DC |
| container_title | Штучний інтелект |
| description | В статье рассмотрены основные положения общей теории искусственного интеллекта: учение о нейроподобных элементах и многомерных нейроподобных растущих сетях; временной и долговременной памяти; учение о функциональной организации «мозга» систем с искусственным интеллектом; о сенсорной системе; модулирующей системе; моторной системе; условном и безусловном рефлексах; рефлекторной дуге; мотивации; целенаправленном поведении; «мышлении»; «сознании»; «подсознании» и искусственной личности.
У статті розглянуті основні положення загальної теорії штучного інтелекту: вчення про нейроподібні елементи і багатовимірні нейроподібні зростаючі мережі; тимчасову та довготривалу пам’ять; вчення про функціональну організацію «мозку» систем зі штучним інтелектом; про сенсорну систему; модулюючу систему; моторну систему; умовний і безумовний рефлекс; рефлекторну дугу; мотивації; цілеспрямовану поведінку; «мислення»; «свідомість»; «підсвідомість» і штучну особистість.
In the article, the key points of the general theory of artificial intelligence are described: the doctrine of neural cells and neural-like growing networks multidimensional, temporary and long-term memory; the doctrine of the functional organization of the “brain” for the systems with artificial intelligence; the theory of the sensory system; the theory of the modulation system; the theory of the motor system, the theory of the conditional and unconditional reflex and reflex arc; the doctrine of motivation; the doctrine of goal directed behavior, the theories of “thinking”, “consciousness”, “subconscious” and artificial personality.
|
| first_indexed | 2025-12-07T17:42:12Z |
| format | Article |
| fulltext |
«Штучний інтелект» 4’2012 53
1Я
УДК 681.3
В.А. Ященко
Институт проблем математических машин и систем НАН Украины, г. Киев
Украина, 03680, г. Киев, пр. Глушкова, 42
Некоторые положения теории
искусственного интеллекта
V.А. Yashchenko
Institute of Mathematical Machines and Systems
National Academy of Sciences of Ukraine, Kyiv
Ukraine, 03680, с. Kyiv, etc. Glushkov, 42
Some Provisions of the Artificial Intelligence Theory
В.О. Ященко
Інститут проблем математичних машин і систем НАН України, м. Київ
Україна, 03680, м. Київ, пр. Глушкова, 42
Деякі положення теорії штучного інтелекту
В статье рассмотрены основные положения общей теории искусственного интеллекта: учение о
нейроподобных элементах и многомерных нейроподобных растущих сетях; временной и долговременной
памяти; учение о функциональной организации «мозга» систем с искусственным интеллектом; о сенсорной
системе; модулирующей системе; моторной системе; условном и безусловном рефлексах; рефлекторной
дуге; мотивации; целенаправленном поведении; «мышлении»; «сознании»; «подсознании» и искусственной
личности.
Ключевые слова: многомерные нейроподобные растущие сети, сенсорная система, модули-
рующая система, моторная система, условный и безусловный рефлексы, рефлекторная дуга.
In the article, the key points of the general theory of artificial intelligence are described: the doctrine of neural
cells and neural-like growing networks multidimensional, temporary and long-term memory; the doctrine of
the functional organization of the “brain” for the systems with artificial intelligence; the theory of the sensory
system; the theory of the modulation system; the theory of the motor system, the theory of the conditional
and unconditional reflex and reflex arc; the doctrine of motivation; the doctrine of goal directed behavior, the
theories of “thinking”, “consciousness”, “subconscious” and artificial personality.
Key words: multi-growing neural network sensor system, modulating system, motor system,
conditioned and unconditioned reflexes, reflex arc.
У статті розглянуті основні положення загальної теорії штучного інтелекту: вчення про нейроподібні
елементи і багатовимірні нейроподібні зростаючі мережі; тимчасову та довготривалу пам’ять; вчення
про функціональну організацію «мозку» систем зі штучним інтелектом; про сенсорну систему; модулюючу
систему; моторну систему; умовний і безумовний рефлекс; рефлекторну дугу; мотивації; цілеспрямовану
поведінку; «мислення»; «свідомість»; «підсвідомість» і штучну особистість.
Ключові слова: багатовимірні нейроподібні зростаючі мережі, сенсорна система,
модулююча система, моторна система, умовний і безумовний рефлекси, рефлекторна дуга.
Введение
Проблема создания искусственного интеллекта (ИИ), возникшая в прошлом
столетии, в настоящее время особенно актуальна в связи с необыкновенным бумом
новых разработок человекоподобных роботов = роботов андроидов, которые успешно
Ященко В.А.
«Искусственный интеллект» 4’201254
1Я
демонстрируют исполнение элементарных операций, передвигаются, танцуют, раз-
говаривают, распознают собеседников, но пока еще не обладают интеллектом. Анатолий
Иванович Шевченко, директор Донецкого института информатики и искусственного
интеллекта, в работе [1] обращает внимание научной общественности на то, что в
настоящее время, с одной стороны, идет интенсивная дифференциация предметных
областей ИИ, а с другой стороны, происходит своеобразная интеграция исследований
в рамках поиска возможностей построения общей теории. Интеграция исследований
диктуется необходимостью объединения всего комплекса исследований в области
искусственного интеллекта в единое целое на основе общей универсальной концепции
или идеи, восходящей к своему функциональному прототипу: думающей (мыслящей)
и действующей (физически) личности – человеку.
В теории искусственного интеллекта такой общей универсальной концепцией
являются многомерные рецепторно-эффекторные нейроподобные растущие сети, на
разработку которых автор затратил около 30 лет.
Целью данной статьи является изложение основных положений общей теории
искусственного интеллекта для привлечения коллег к дальнейшему развитию этих
работ, в частности, аппаратной реализации, созданию электронного «мозга» для сов-
ременных роботов, а также для разработок различных интеллекуальных систем.
Основные положення теории
искусственного интеллекта
Теория искусственного интеллекта – область знаний, рассматривающая зако-
номерности построения и функционирования интеллектуальных систем на базе много-
мерных рецепторно-эффекторных нейроподобных растущих сетей. Теория искусст-
венного интеллекта включает учение о нейроподобных элементах и многомерных
нейроподобных растущих сетях, временной и долговременной памяти. Учение о
функциональной организации «мозга» систем с искусственным интеллектом, о сен-
сорной системе, модулирующей системе, моторной системе, условном и безусловном
рефлексах, рефлекторной дуге, мотивации, целенаправленном поведении. О «мыш-
лении», «сознании», «подсознании и искусственной личности, формируемой в резуль-
тате обучения и воспитания».
Аксиома 1. В основе теории искусственного интеллекта лежит аналогия с нерв-
ной системой человека.
Система формирования естественного интеллекта – головной мозг, состоящий
из множества нейронов, связанных между собой синаптическими связями. Взаимо-
действуя посредством этих связей, нейроны формируют сложные электрические
импульсы, которые контролируют деятельность всего организма и позволяют позна-
вать, обучаться, мыслить логически, систематизировать информацию путем ее анализа,
классифицировать, находить в ней связи, закономерности и отличия, ассоциировать
ее с подобной и пр. [2].
Функциональная организация мозга. В работах физиологов П.К. Анохина,
А.Р. Лурия, Е.Н. Соколова [3], [4] и др. с позиции системной организации функций
деятельности мозга выделяют различные функциональные системы и подсистемы.
Классический вариант интеративной деятельности мозга может быть представлен в
виде взаимодействия трех основных функциональных блоков:
1) блок приема и переработки сенсорной информации – сенсорные системы
(анализаторы);
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 55
1Я
2) блок модуляции, активации нервной системы – модулирующие системы (лимбико-
ретикулярные системы) мозга;
3) блок программирования, запуска и контроля поведенческих актов – моторные
системы (двигательный анализатор).
Сенсорные системы (анализаторы) мозга. Сенсорная (афферентная) система
начинает действовать тогда, когда какое-либо явление окружающей среды воздейст-
вует на рецептор. В каждом рецепторе воздействующий физический фактор (свет,
звук, тепло, давление) преобразуется в потенциал действия, нервный импульс. Анали-
затор – это многоуровневая система с иерархическим принципом организации. Основа-
нием анализатора служит рецепторная поверхность, а вершиной – проекционные
зоны коры головного мозга. Каждый уровень представляет собой совокупность клеток,
аксоны которых идут на следующий уровень. Взаимоотношения между последователь-
ными уровнями анализаторов построены по принципу «дивергенции – конвергенции».
Модулирующие системы мозга являются аппаратом, выполняющим роль регу-
лятора уровня бодрствования, также осуществляющим избирательную модуляцию и
актуализацию приоритета той или иной функции.
Первым источником активации является внутренняя активность организма или
его потребности. Второй источник активации связан с воздействием раздражителей
внешней среды.
Моторные (двигательные) системы мозга. Для двигательных областей коры
характерен прежде всего синтез возбуждений различной модальности с биологически
значимыми сигналами и мотивационными влияниями. Им свойственна дальнейшая,
окончательная трансформация афферентных влияний в качественно новую форму
деятельности, направленную на быстрейший выход афферентных возбуждений на
периферию, т.е. на аппараты реализации конечной стадии поведения.
Система формирования искусственного интеллекта – «мозг» системы, пред-
ставляющий собой активную, ассоциативную, однородную структуру – многомерную
рецепторно-эффекторную нейроподобную растущую сеть, состоящую из множества
нейроподобных элементов, связанных синаптическими связями. Нейроподобные эле-
менты воспринимают, анализируют, синтезируют и сохраняют информацию, позво-
ляют системе познавать, обучаться, мыслить логически, систематизировать и класси-
фицировать информацию, находить в ней связи, закономерности, отличия и выраба-
тывать сигналы управления внешними устройствами.
Основные правила и определения теории
искусственного интеллекта
Аксиома 2. Основная функциональная единица структуры «нервной системы»
интеллектуальных систем – искусственный нейрон (нейроподобный элемент).
Определение 1. Нейроподобный элемент – упрощенная модель биологического
нейрона, состоящая из устройства (аналога тела клетки) с множеством возбуждающих
и тормозных входов, модулирующим входом и одним выходом. Выход (аналог аксона)
состоит из множества проводников и множества окончаний. На входы устройства
поступает информация (коды, пачки импульсов). Устройство обрабатывает инфор-
мацию в соответствии с правилами формирования нейроподобной растущей сети,
генерирует коды (пачки импульсов) и по нитям аксона одновременно или с разделе-
нием во времени передает их на входы других нейронов. Входы нейрона (аналог
синапсов) представляют собой рецепторы, реагирующие или не реагирующие на ту
Ященко В.А.
«Искусственный интеллект» 4’201256
1Я
или иную часть поступающего на них кода, тем самым увеличивая или уменьшая
уровень возбуждения нейроподобного элемента и интенсивность его ответной реакции.
При этом амплитуда и частота сигнала могут регулироваться.
Аксиома 3. Все свободные от информации нейроподобные элементы есть ней-
роподобные элементы новизны.
Аксиома 4. Все нейроподобные элементы, несущие (запомнившие) в себе некую
информацию, есть нейроподобные элементы тождества.
Аксиома 5. При отсутствии информации на рецепторах нейроподобных элемен-
тов новизны они находятся в режиме слабого случайного фонового возбуждения.
Аксиома 6. Фоновое возбуждение есть постоянно изменяющаяся случайная
величина возбуждения нейроподобного элемента.
Определение 2. Нейроподобные элементы чувства – элементы, у которых порог
возбуждения увеличивается или уменьшается в зависимости от состояния внутренних
подсистем системы или от результата исполняемой функции. Нейроподобные элементы
чувства имеют связи с мотонейронами управления результатом выполняемых действий.
Определение 3. Временная память. Время, необходимое для анализа и запоми-
нания информации нейроном новизны. При поступлении информации (которая системе
неизвестна) на рецепторы сенсорной области между ближайшим нейроподобным
элементом новизны (уровень возбуждения которого невысокий, но выше всех осталь-
ных ближайших нейроподобных элементов новизны) и рецепторами сенсорной обла-
сти образуются связи, связям присваиваются весовые коэффициенты, а нейроподоб-
ному элементу – некоторый порог возбуждения. При неоднократном повторении
этой информации порог возбуждения увеличивается. При достижении максимального
возбуждения нейроподобный элемент становится нейроподобным элементом тожде-
ства и переводится в долговременную память.
Определение 4. Долговременная память – все нейроподобные элементы тождества.
Определение 5. Нейронная сеть – это параллельная связная сеть простых адап-
тивных элементов, которая взаимодействует с объектами реального мира аналогично
биологической нервной системе.
Определение 6. Нейроподобная растущая сеть – это совокупность взаимосвя-
занных нейроподобных элементов, предназначенных для приема анализа и преобра-
зования информации в процессе взаимодействия с объектами реального мира, причем
в процессе приема и обработки информации сеть изменяет свою структуру.
Нейроподобные растущие сети
Нейроподобные растущие сети (н-РС) – новый тип нейронных сетей, включа-
ющий в себя следующие классы: многосвязные (рецепторные) нейроподобные рас-
тущие сети (мн-РС); многосвязные (рецепторные) многомерные нейроподобные рас-
тущие сети (ммн-РС); рецепторно-эффекторные нейроподобные растущие сети (рэн-РС);
многомерные рецепторно-эффекторные нейроподобные растущие сети (мрэн-РС).
Н-РС описываются в виде направленного графа, где нейроподобные элементы
представляются его вершинами, а связи между элементами – его ребрами.
Таким образом, сеть представляет собой распараллеленную динамическую сис-
тему с топологией направленного графа, которая выполняет переработку информации
посредством изменения своего состояния и структуры в ответ на воздействия внеш-
ней среды.
В теории нейроподобных растущих сетей основными понятиями являются поня-
тия структуры и архитектуры, раскрывающие схему связей и взаимодействия между
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 57
1Я
элементами сети: топологическая (пространственная) структура – это направленный
граф связей элементов сети; архитектура сети определяется схемой связей физических
элементов сети и правилами формирования связей и элементов.
Рисунок 1 – Топологическая структура мн-РС
Топологическая структура н-РС представляется связным ориентированным гра-
фом (рис. 1). С помощью графов в теории мн-РС рассматриваются процессы прохож-
дения и запоминания информации в сети.
Нейроподобные растущие сети формально задаются следующим образом:
NP,M,D,A,R,S , где irR , i 1,n – конечное множество рецепторов; ir aA ,
i 1 , k – конечное множество нейроподобных элементов; idD , i 1 ,e – конечное
множество дуг, связывающих рецепторы с нейроподобными элементами и нейропо-
добные элементы между собой; iPP , i 1 ,k hN , где P – порог возбуждения
вершины ia , 0i PmfP ( 0P – минимально допустимый порог возбуждения) при
условии, что множеству дуг D , приходящих на вершину ia , соответствует множество
весовых коэффициентов imM , w1,i , причем im может принимать как поло-
жительные, так и отрицательные значения.
Рисунок 2 – Правило 2
Определение 7. Многосвязной (рецепторной) нейроподобной растущей сетью
называется ациклический граф, в котором минимальное число заходящих дуг на вер-
шины графа ia равно переменному коэффициенту n , а каждой дуге id , приходящей
на вершину ia , соответствует определенный весовой коэффициент im . Каждой вер-
Ященко В.А.
«Искусственный интеллект» 4’201258
1Я
шине ia присваивается определенный порог возбуждения. Вершины, не имеющие
заходящих дуг, называются рецепторами, остальные вершины называются нейропо-
добными элементами.
Рисунок 3 – Правило 1
Правило 1. Если при восприятии информации возбуждается подмножество
вершин F из множества вершин, имеющих непосредственную связь с вершиной ia ,
и hF , то связи вершины ia с вершинами из подмножества F ликвидируются, и
к сети присоединяется новая вершина 1ia , входы которой соединяются с входами
всех вершин подмножества F , а выход вершины 1ia соединяется с одним из входов
вершины ia , причем входящим связям вершины 1ia присваиваются весовые коэф-
фициенты gm , соответствующие весовым коэффициентам ликвидированных связей
вершины ia , а вершине 1ia присваивается порог возбуждения iP , равный сумме
весовых коэффициентов связей, входящих в вершину 1ia , или присваивается порог
возбуждения iP , равный imf , (некоторой функции от весовых коэффициентов свя-
зей, входящих в вершину 1ia ).
Исходящей связи вершины 1ia присваивается весовой коэффициент 1im . Связям,
исходящим из рецепторов, присваивается весовой коэффициент rim (рис. 3).
Рис.4. Топологическая Рисунок 4 – Топологическая структура рэн-РС
Правило 2. Если при восприятии информации возбуждается подмножество
вершин G и hG , то к сети присоединяется новая ассоциативная вершина 1ia ,
которая соединяется заходящими дугами со всеми вершинами подмножества G .
Каждой из заходящих дуг присваивается весовой коэффициент im , а новой вершине
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 59
1Я
1ia присваивается порог возбуждения 1aiP , равный сумме весовых коэффициентов
im входящих дуг, или присваивается порог возбуждения iP , равный imf
(некоторой функции от весовых коэффициентов связей, входящих в вершину 1ia ).
Новая вершина 1ia находится в состоянии возбуждения (рис. 2).
Определение 8. Информационным пространством называется область
нейроподобной растущей сети, состоящая из множества вершин и дуг,
объединенных в единую информационную структуру одного из отображений.
Определение 9. Множество взаимосвязанных ациклических графов,
описывающих нейроподобные растущие сети в различных информационных
пространствах, называются многосвязными многомерными нейроподобными
растущими сетями (ммн-РС).
Рецепторно-эффекторные нейроподобные растущие сети формально задаются
следующим образом:
)NMPDAENPDA(R=S ee,e,e,e,,r,r,r,r,, , irR , i 1,n – конечное множе-
ство рецепторов, ir aA , i 1 ,k – конечное множество нейроподобных элементов
рецепторной зоны, ir dD , i 1 ,e – конечное множество дуг рецепторной зоны,
ieE , i 1 ,e – конечное множество эффекторов, ie aA , i 1,k – конечное
множество нейроподобных элементов эффекторной зоны, ie dD , i 1 ,e – конеч-
ное множество дуг эффекторной зоны, ir PP , ie PP , i 1,k , где iP – порог
возбуждения вершины ira , iea ii mfP при условии, что множеству дуг
rD ,
eD ,
приходящих на вершину ira , iea , соответствует множество весовых коэффициентов
ir mM , ie mM , i 1 , w , причем im может принимать как положительные,
так и отрицательные значения.
rN ,
eN – переменные коэффициенты связности рецеп-
торной и эффекторной зон.
Рисунок 5 – Топологическая
структура мрэн-РС
Определение 10. Рецепторно-эффекторной нейроподобной растущей сетью назы-
вается двухсторонний ациклический граф, в котором минимальное число заходящих
дуг на вновь образуемые вершины графа равно переменному коэффициенту n . Каждой
дуге, приходящей на вершины рецепторной зоны, соответствует определенный весо-
вой коэффициент, а вершинам – определенный порог возбуждения, и каждой дуге,
приходящей на вершины эффекторной зоны, соответствует определенный весовой
Ященко В.А.
«Искусственный интеллект» 4’201260
1Я
коэффициент, а вершинам – определенный порог возбуждения. Вершины, не имеющие
заходящих дуг, называются рецепторами, вершины, не имеющие исходящих дуг,
называются эффекторами, остальные вершины – нейроподобные элементы (рис. 4).
Определение 11. Множество взаимосвязанных двухсторонних ациклических гра-
фов, описывающих состояние объекта и вырабатываемые им действия в различных
информационных пространствах, называются многомерными рецепторно-эффектор-
ными нейроподобными растущими сетями.
Топологическая структура многомерной рецепторно-эффекторной нейроподобной
растущей сети (мрэн-РС) представляется графом (рис. 5). Формально мрэн-РС зада-
ются следующим образом: )NMPDAENPDA(R=S ee,e,e,e,,r,r,r,r,, ; ts,v, RRRR ;
ts,v,r AAAA ; ts,v,r DDDD ; ts,v,r PPPP ; ts,v,r MMMM ; ts,v,r NNNN ;
d1dr E,E,EE ; d2d1re A,A,AA ; d2d1re D,D,DD ; d2d1re P,P,PP ; d2d1re M,M,MM ;
d2d1re N,N,NN ; здесь ts,v, RRR – конечное подмножество рецепторов, ts,v, AAA –
конечное подмножество нейроподобных элементов, ts,v, DDD – конечное подмноже-
ство дуг, ts,v, PPP – конечное множество порогов возбуждения нейроподобных эле-
ментов рецепторной зоны, принадлежащих, например, визуальному, слуховому, так-
тильному информационным пространствам, Nr – конечное множество переменных
коэффициентов связности рецепторной зоны, d1dr E,E,E – конечное подмножество
эффекторов, d2d1r A,A,A – конечное подмножество нейроподобных элементов,
d2d1r D,D,D – конечное подмножество дуг эффекторной зоны, d2d1r P,P,P – конечное
множество порогов возбуждения нейроподобных элементов эффекторной зоны, при-
надлежащих, например, речевому информационному пространству и пространству
действий, N e – конечное множество переменных коэффициентов связности эффек-
торной зоны.
Правило 3. Если при поступлении на рецепторные поля различных информа-
ционных пространств внешней информации в рецепторных зонах этих информаци-
онных пространств возбуждается подмножество
rQ конечных вершин, принадлежащих
этим описаниям, и при этом в эффекторных зонах соответствующих информационных
пространств возбуждается подмножество
еQ конечных вершин, вырабатывающих
набор действий, соответствующих входной информации, то вершины рецепторных
зон этих информационных пространств, принадлежащие подмножеству
rQ , соеди-
няются между собой двунаправленными дугами. Вершины эффекторных зон, при-
надлежащие подмножеству
еQ , также соединяются между собой двунаправленными
дугами.
Математический аппарат описания
функциональной организации «мозга»
систем с искусственным интеллектом
В теории нейроподобных растущих сетей рассматриваются бинарные отношения,
для которых задаются множество вершин (нейроподобных элементов) i21 aaa ,...,, ,
где ia – булевой вектор конечной размерности, ki aa , – множество пар из этих эле-
ментов. Пара ki aa , принадлежит подмножеству R тогда и только тогда, когда вектор ia
находится в отношении R с элементом ka .
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 61
1Я
Базовые свойства пар векторов, основанные на операции конъюнкции, приме-
няемой к компонентам векторов, т.е. ki aa ( a(1) b(1) , a(2) b(2), ... , a(n) b(n) ),
здесь – конъюнкция, – операция «векторной» конъюнкции. Эти базовые конъ-
юнктивные свойства пар векторов ca
, следующие:
1. .aca
2. aca
.
3.
a c с . 4.
a c с .
5. .0ca
6.
a c 0 .
Комбинации основных свойств пар векторов по три дают восемь исключающих
друг друга отношений:
1.
a cR 1 (
a c a ) (
a c с ) (
a c 0 ).
2.
a cR 2 (
a c a ) (
a c с ) (
a c 0 ).
3.
a cR 3 (
a c a ) (
a c с ) (
a c 0 ).
4.
a cR 4 (
a c a ) (
a c с ) (
a c 0 ).
5.
a cR 5 (
a c a ) (
a c с ) (
a c 0 ).
6.
a cR 6 (
a c a ) (
a c с ) (
a c 0 ).
7.
a cR 7 (
a c a ) (
a c с ) (
a c 0 ).
8.
a cR 8 (
a c a ) (
a c с ) (
a c 0 ).
Здесь – логическое И.
Очевидно, что отношения R6, R7, R8 тривиальны, так как в каждом из них
один или оба вектора равны нулю. На основании анализа основных конъюнктивных
свойств пар векторов сформулируем следующие утверждения:
Утверждение 1. На множестве пар векторов
a a, ' A можно определить
пять основных, исключающих друг друга, отношений: R1, R2, R3, R4, R5 как для
рецепторной, так и для эффекторной зон.
),0),1 aaaaaaaaaaaRa 1j
i
j
i
1j
i
1j
i
j
i
j
i
1j
i
j
i
1j
i
j
i
'
r (((:A
здесь i
j
i
ja a
1 – конъюнкция векторов i
ja
и i
ja 1
, ∩ – логическое И;
),0),1
11111'
aaaaaaaaaaaRa j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
ir
:A
(((
aR a a a a a a a a a a ar i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :2 01 1 1 1 1' , ) ) ); ( ( (
aR a a a a a a a a a a ar i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :3 01 1 1 1 1' , ) ) ); ( ( ( aiRa r
' ,
aR a a a a a a a a a a ar i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :4 01 1 1 1 1' , ) ) ); ( ( (
aR a a a a a a a a a a ar i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :5 01 1 1 1 1' , ) ) ); ( ( (
aR a a a a a a a a a a ae i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :1 01 1 1 1 1' , ) ); ( ( (
aR a a a a a a a a a a ae i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :2 01 1 1 1 1' , ) ) ); ( ( (
aR a a a a a a a a a a ae i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :3 01 1 1 1 1' , ) ) ); ( ( ( aiRa e
' .
aR a a a a a a a a a a ae i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :4 01 1 1 1 1' , ) ) ); ( ( (
aR a a a a a a a a a a ae i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
j
i
jA :5 01 1 1 1 1' , ) ) ) . ( ( (
На основе утверждения 1 определяются следующие основные операции пос-
троения н-РС.
Ященко В.А.
«Искусственный интеллект» 4’201262
1Я
Если пара векторов ( , )r i r i
ka a1 находится в отношении Rr1, Rr2, Rr3, Rr4, Rr5,
то соответственно выполняются операции Qrj1, Qrj2, Qrj3, Qrj4 или Qrj5:
);(),(,:
,:,0:,0:,:),,,(),(
2
2
1
1
2
1
00
11111'1
1
mPmPbm
bmaaaaaaaaaQ
af
a
af
a
a
a
i
i
i
i
i
i
kkkk
kk
k
ri
k
ririri
k
ri
k
ririr
);(),(,:
,:,0:,:,:),,,(),(
2
2
1
1
2
1
00
11111'2
1
mPmPbm
bmaaaaaaaaaaQ
af
a
af
a
a
a
i
i
i
i
i
i
kkkk
kk
k
ri
k
ri
k
ririri
k
ri
k
ririr
);,(),,(),(
),(:,:,:,:,)
(:,)(:),,,(),(
000
011
111111'3
1
11
1
1
1
1
,11
mmPmmPmP
Pmbmbmaaaca
aaacaaaaaaaaaQ
aaf
a
aaf
a
af
a
a
faaa
k
i
k
i
k
i
ii
i
k
i
k
i
k
i
k
i
k
ii
ckckk
ckkkk
k
riri
k
rirj
k
ri
k
riri
k
rirjri
k
ririri
k
ri
k
ririr
);,(
),(),(:,:,:,0:
,:,)(:),,,(),(
11
1
1
0
001
11111'4
1
mmP
mPPmbmbma
aacaaaaaaaaaQ
aaf
a
af
aa
faaa
ii
i
k
i
k
i
k
i
k
i
k
ii
ck
kckkkk
k
ri
k
ri
k
rirjri
k
ririri
k
ri
k
ririr
.),(),(),(:,:,:
,0:,)(:,:),,,(),(
000
111111'5
1
1
11
1
mmPmPPmbmbm
acaaaaaaaaaaaQ
aaf
a
af
aa
faaa
k
i
k
i
k
i
i
ii
k
i
k
ii
ckkckkkk
k
rirj
k
ri
k
riri
k
ririri
k
ri
k
ririr
Операции Qrj1, Qrj2, Qrj3, Qrj4 или Qrj5 обозначим через ),(
'
aaQ
i
ri
.
Аналогично в эффекторной зоне, если пара векторов ( , )e i e i
ka a1
находится в отно-
шении Re1, Re2, Re3, Re4, Re5, то соответственно выполняются операции Qej1, Qej2,
Qej3, Qej4 или Qej5:
);(),(,:
,:,0:,0:,:),,,(),(
2
2
1
1
2
1
00
11111'1
1
mPmPbm
bmaaaaaaaaaQ
af
a
af
a
a
a
i
i
i
i
i
i
kkkk
kk
k
ei
k
eieiei
k
ei
k
eieie
);(),(,:
,:,0:,:,:),,,(),(
2
2
1
1
2
1
00
11111'2
1
mPmPbm
bmaaaaaaaaaaQ
af
a
af
a
a
a
i
i
i
i
i
i
kkkk
kk
k
ei
k
ei
k
eieiei
k
ei
k
eieie
);,(),,(),(
),(:,:,:,:,)
(:,)(:),,,(),(
000
011
111111'3
1
11
1
1
1
1
,11
mmPmmPmP
Pmbmbmaaaca
aaacaaaaaaaaaQ
aaf
a
aaf
a
af
a
a
faaa
k
i
k
i
k
i
ii
i
k
i
k
i
k
i
k
i
k
ii
ckckk
ckkkk
k
ЊiЊi
k
ЊiЊj
k
Њi
k
ЊiЊi
k
ЊiЊjЊi
k
ЊiЊiЊi
k
Њi
k
ЊiЊiЊ
);,(
),(),(:,:,:,0:
,:,)(:),,,(),(
11
1
1
0
001
11111'4
1
mmP
mPPmbmbma
aacaaaaaaaaaQ
aaf
a
af
aa
faaa
ii
i
k
i
k
i
k
i
k
i
k
ii
ck
kckkkk
k
Њi
k
Њi
k
ЊiЊjЊi
k
ЊiЊiЊi
k
Њi
k
ЊiЊiЊ
.),(),(),(:,:,:
,0:,)(:,:),,,(),(
000
111111'5
1
1
11
1
mmPmPPmbmbm
acaaaaaaaaaaaQ
aaf
a
af
aa
faaa
k
i
k
i
k
i
i
ii
k
i
k
ii
ckkckkkk
k
ЊiЊj
k
Њi
k
ЊiЊi
k
ЊiЊiЊi
k
ri
k
ЊiЊiЊ
Операции Qej1, Qej2, Qej3, Qej4 или Qej5 обозначим через ),(
'
aaQ
i
ei
.
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 63
1Я
Таким образом, описания понятий, объектов, условий или ситуаций и связи
между ними, указывающие на зависимость друг от друга их информационных пред-
ставлений, т.е. сенсорная система, модулирующая система, условный и безусловный
рефлексы, рефлекторное кольцо, временная и долговременная память формируются
в рецепторных зонах многомерной рэн-РС. В эффекторных зонах формируются адек-
ватные входным описаниям последовательности действий и вырабатываются сигналы,
управляющие исполнительными механизмами т.е. система мотивации целенаправ-
ленного поведения и моторная система. Одновременное функционирование этих
систем дает возможность системе с искусственным интеллектом воспринимать, ана-
лизировать, запоминать и синтезировать информацию, обучаться и выполнять целе-
направленные действия [5-7].
Функциональная организация «мозга»
систем с искусственным интеллектом
«Мозг» системы с искусственным интеллектом состоит из множества нейропо-
добных элементов, связанных между собой связями. Взаимодействуя между собой
нейроподобные элементы формируют управляющие сигналы, которые контролируют
познавательную и мыслительную деятельность всей системы.
Сенсорная система. Функция восприятие – информация поступает из внешнего
мира в рецепторную зону, активирует рецепторы, которые, в свою очередь, активируют
нейроподобные элементы различных уровней обработки информации – уровней безу-
словных рефлексов – первичных автоматизмов, уровней формирования условных
рефлексов – вторичных автоматизмов, уровней классификации, обобщения и запо-
минания. В формальном представлении: определяются отношения и выполняется
операция ),(
''
aaQaiRa i
rir
.
Безусловные рефлексы задаются при создании системы.
aiRaaaQaaaQ iaiRa eeirir
ik
i
''
)()',(' .
При функционировании системы они возникают при появлении «специфиче-
ского» для каждого из них раздражителя, обеспечивая тем самым неуклонность выпол-
нения наиболее важных функций системы независимо от случайных, преходящих
условий среды.
eaaaQaiRa k
i
i
rir
),(
''
БР.
Условные рефлексы приобретаются в процессе функционирования системы.
При действии индифферентного раздражителя возникает возбуждение в соответст-
вующих рецепторах и импульсы поступают в сенсорную систему. При воздействии
безусловного раздражителя возникает специфическое возбуждение соответствующих
рецепторов. Таким образом, одновременно возникают два очага возбуждения. Между
двумя очагами возбуждения образуется временная рефлекторная связь. При возник-
новении временной связи изолированное действие условного раздражителя вызывает
безусловную реакцию.
),(
),(
...
),(
),(
''
2
''
1
''1
2
''1
1
aaQaiRat
aaaQaiRat
aaaQaiRat
aaQaiRat
i
n
k
i
i
n
k
i
i
i
rir
rir
rir
rir
e
e
Формирование условного рефлекса,
Ященко В.А.
«Искусственный интеллект» 4’201264
1Я
),(
),(
''1
2
''1
1
aaQaiRat
aaaQaiRat
i
k
i
i
rir
rir e
УР – Условный рефлекс.
Условные рефлексы являются универсальным механизмом приспособления,
обеспечивающим пластичные формы поведения.
Первичные автоматизмы (АВ1) – безусловные рефлексы tnt АВБР 1
1
1 .
Вторичные автоматизмы (АВ2) – устоявшиеся условные рефлексы tnt АВУР 2
1
1 .
Модулирующая система. Модулирующая система регулирует уровень возбу-
димости нейроподобных элементов и осуществляет избирательную модуляцию той
или иной функции системы Первым источником активации является приоритетность
внутренней активности подсистем системы. Закладывается при создании системы
аналогично безусловным рефлексам. Любые отклонения от жизненно важных пока-
зателей системы приводят к активации (изменению порога возбудимости) опреде-
ленных подсистем и процессов. Второй источник активации связан с воздействием
раздражителей внешней среды. Приоритетность определенной активности приобре-
тается в процессе «жизненного цикла» аналогично формированию условных рефлексов.
Мотивация – механизм, который способствует удовлетворению потребностей:
он соединяет память о каком-либо объекте (например, недостатке энергии) с действием
по удовлетворению этой потребности (поиском энергии). При этом формируется
целенаправленное поведение, которое включает в себя три звена: поиск цели, взаимо-
действие с уже обнаруженной целью, покой после достижения цели.
Целенаправленное поведение – мотивационная постановка цели – возбуждение,
действия, направленные на поиск алгоритма решения целевой задачи, достижение
цели – снятие возбуждения.
Двигательная система. Для двигательной системы характерен, прежде всего,
синтез возбуждений различной модальности со значимыми сигналами и мотиваци-
онными влияниями. Им свойственна дальнейшая, окончательная трансформация
афферентных влияний в качественно новую форму деятельности, направленную на
быстрейший выход эфферентных возбуждений на периферию, т.е. на цепочки нейронов
реализации конечной стадии поведения.
Двигательная система состоит целиком из ансамблей (цепочек) нейронов эффе-
рентного (двигательного) типа и находится под постоянным притоком информации
из афферентной (сенсорной) области. В отличие от афферентной области в области
запуска и контроля поведенческих актов, процессы активации идут в нисходящем
направлении, начинаясь с наиболее высоких уровней. В высших уровнях формируются
цепочки командных нейронов (двигательные программы), а затем переходят к ней-
ронным цепочкам низших моторных уровней и двигательным нейронам – эффекторам
участков двигательной эфферентной импульсации.
Функция действие – информация исходит из эффекторной зоны, через эффек-
торы и моторную область воздействует на внешний мир еД 1 .
Движение – последовательность действий (Д), найденная случайно (ребенок
научился ходить самостоятельно), или с помощью учителя (ребенок научился ходить
с помощью родителей):
ДДДД
tnttt
1
3
1
2
1
1
1
... .
Психическая функция или поведенческий акт – последовательность автоматизмов
осуществляется в системе, функционирующей по рефлекторному принципу, в которой
влияния центральных и рецепторно-эффекторных (периферических) зон взаимосвязаны
и их совместная деятельность обеспечивает целостную реакцию.
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 65
1Я
Система имеет многоуровневую организацию, где каждый уровень, от рецеп-
торных образований до эффекторных, вносит свой «специфический» вклад в «нервную»
деятельность системы.
АВАВАВАВ
tnttt
1
3
2
2
2
1
1
... .
Функция мысль – ансамбль возбужденных нейроподобных элементов на уровне
подсознания (внутренняя модель внешнего или абстрактного мира, усиленная функ-
цией мотивации в данный момент без выхода во внешний мир).
Функция мышление – последовательное взаимодействие ансамблей возбужденных
нейроподобных элементов на уровне подсознания (внутренних моделей), направляемое
уровнями возбуждения нейроподобных элементов, усиленными или ослабленными
функцией мотивации. Информация циркулирует в замкнутом контуре – сенсорная
область, уровни обработки информации (анализ, классификация, обобщение, запо-
минание, моторная область, сенсорная область) без выхода во внешнюю среду.
.),(
'' eaaaQaiRa k
i
i
rir
Мыслить, размышлять, значит сознавать. В этом смысле «внутреннее прого-
варивание» – циклы передачи внутренней активной информации на вход системы –
можно рассматривать как модель искусственного сознания интеллектуального ком-
пьютера, а циклы передачи внутренней активной информации на вход системы без
включения «проговаривания» рассматривать как модель искусственного подсознания.
Функция сознание – распространение возбуждения по активным ансамблям
нейроподобных элементов (внутренним моделям внешнего мира), усиленного функ-
цией мотивации, отражающим важнейшие отношения в системе субъект – среда.
Функция подсознание – распространение возбуждения по активным ансамблям
нейроподобных элементов (внутренним моделям внешнего мира), ослабленного
функцией мотивации. Обеспечивает подготовку моделей для сознания, распознавания
заученных образов и выполнения привычных движений.
Функция неосознанная реакция – внешняя информация на уровне подсознания
вызывает обратное воздействие на внешний мир (безусловный и условный рефлексы,
отработанные действия, вторичные автоматизмы).
Функция осознанная реакция – внешняя информация на уровне сознания вызы-
вает обратное воздействие на внешний мир (осознанные действия в фазе формирования
условных рефлексов и приобретения вторичных автоматизмов).
Функция интуиция – поиск новой информации, порождение гипотез и аналогий,
создание новых временных связей, активация новых ансамблей нейроподобных эле-
ментов и порождение из них новых комбинаций, которые автоматически формируются
в подсознании, наиболее активные из них прорываются в область сознания.
Подражание – наблюдая за действиями других объектов (например, наблюдая
за поведением родителей, ребенок) объект внутренне на уровне микродвижений пов-
торяет их действия (возникает небольшое возбуждение ансамблей нейроподобных
элементов, задействованных в выполнении этих действий).
Затем, неоднократно повторяя эту последовательность в играх, закрепляет их
(повторение приводит к увеличению порогов возбуждения ансамблей нейроподобных
элементов), что приводит к выработке поведенческих стереотипов.
Искусственная личность. Искусственная личность есть идеальный конструкт,
способный к поглощению всего многообразия процессов преобразования информации,
антропоморфно отображающий деятельность своего прототипа – современного разум-
ного человека.
Ященко В.А.
«Искусственный интеллект» 4’201266
1Я
Производная искусственной личности по умственным возможностям дает кон-
цепт интеллекта, а производная по физическим возможностям – денотат интеллекта.
Если конструировать искусственную личность как реальную машину, способную
преобразовывать не только информацию, но и выполнять вещественные операции в
окружающем мире, то она может быть реализована как робот с высокоразвитым интел-
лектом, имитирующий биологическую, живую машину – человека. В этом случае
конструкт может быть назван «антропоморфной искусственной личностью» с соот-
ветствующими естественными требованиями к нему: наличие сенсорных органов,
аппарата движения и опоры, наличие развитого аппарата переработки информации,
естественности движений и поведения.
Если же конструировать искусственную личность как виртуальную машину,
способную перерабатывать только информацию, то в этом случае конструкт может
быть назван «виртуальной искусственной личностью-роботом». В отличие от антро-
поморфной искусственной личности, виртуальная все свои органы и элементы только
имитирует в форме изображений, однако процессы переработки информации по их
результативности вполне реальны и правдоподобны [9].
Индивидуальность системы. Индивидуальные различия системы проявляются
в ее деятельности и поведенческих функциях, обусловлены как конструктивной при-
родой ее организации, так и ее «жизненным» опытом, приобретаемым в результате
обучения и функционирования.
Упрощенная виртуальная искусственная личность – робот реализована в про-
екте «VITROM». Проект демонстрировался в Ганновере на выставке CeBIT в 2000 –
2002 гг., в Пекине на выставке информационных технологий в 2000 г. и в павильонах
ВДНХ Украины в 2000 – 2004 гг.
В интеллектуальной системе «Диалог» (2005) осуществлено моделирование
мышления. Система демонстрировалась на международной конференции «Knowledge-
Dialog-Solution 2007» в Варне и на международной научно-технической мультикон-
ференции «Актуальные проблемы информационно-компьютерных технологий, меха-
троники и робототехники 2009» в России.
Выводы
Искусственная интеллектуальная система, обладающая механизмами искусст-
венного мышления (размышления), получает возможность рассуждать, упорядочивать
и корректировать свои знания. Осуществляя повторный неоднократный ввод храня-
щейся в памяти информации, снова распознавая ее и сравнивая с содержимым памяти,
тем самым выполняет неоднократный просмотр и коррекцию формируемых внутри
образов (моделей внешнего мира) в непрерывном потоке информации реального
внешнего мира. Действительно, по существу, процесс осознания представляет собой
ассоциативное воспоминание с обновлением и требует периодического распознавания
информации, представляющей внутреннее состояние (образ) и внешнюю среду (реаль-
ный мир). Модели, разработанные на базе предложенной теории искусственного
интеллекта и осуществленные в проектах «VITROM» и «Диалог», показали возмож-
ность создания технических устройств, способных к восприятию визуальной и сим-
вольной информации, ее анализу, синтезу и накоплению. Обладающих способностью
обучаться, отвечать на заданные вопросы, логически мыслить и размышлять.
Литература
1. Шевченко А.И. Актуальные проблемы теории искусственного интеллекта / Шевченко А.И. – Киев :
ІПШІ «Наука і освіта», 2003. – 228 с.
2. Нервная система [Электоронный ресурс]. – Режим доступа : galactic.org.ua.
Некоторые положения теории искусственного интеллекта
«Штучний інтелект» 4’2012 67
1Я
3. Соколов E.H. Принцип векторного кодирования в психофизиологии / Е.Н. Соколов // Вестник
Московского университета. Серия 14 : Психология. – 1995. – № 4. – С. 3-13.
4. Лурия А.Р. Основы нейропсихологии / Лурия А.Р. – М., 1973. – 173 с.
5. Ященко В.А. Рецепторно-эффекторные нейроподобные растущие сети – эффективное средство моде-
лирования интеллекта. I ч. / В.А. Ященко // Кибернетика и системный анализ. – 1995. – № 4. – С. 54-62.
6. Ященко В.А. Рецепторно-эффекторные нейроподобные растущие сети – эффективное средство моде-
лирования интеллекта. II ч. / В.А. Ященко // Кибернетика и системный анализ. – 1995. – № 5. – С. 94-102.
7. Yashchenko V.A. Receptor-effector neural-like growing network – an efficient tool for building intelligence
systems / V.A. Yashchenko // Proc. of the second internatiional conference on information fusion, (California,
July 6 – 8, 1999). – Sunnyvale Hilton Inn, Sunnyvale, California, USA, 1999. –Vol. II. – Р. 1113-1118.
8. Ященко В.А. Размышляющие компьютеры / В.А. Ященко // Математичні машини і системи. –
2006. – № 1. – С. 49-59.
9. Ященко В.А. Некоторые аспекты «нервной деятельности» интеллектуальных систем и роботов /
В.А. Ященко // Искусственный интеллект. – 2009. – № 4. – С. 504-511.
Literatura
1. Shevchenko A.I. Aktual’nye problemy teorii iskusstvennogo intellekta. Kyiv: ІPShІ “Nauka і osvіta”.
2003. 228 s.
2. Nervnaja sistema. www.galactic.org.ua.
3. Sokolov E.H. Vestnik Moskovskogo universiteta. Serija 14: Psihologija. 1995. № 4. S. 3-13.
4. Lurija A.R. Osnovy nejropsihologii. M. 1973. 173 s.
5. Jashhenko V.A. Kibernetika i sistemnyj analiz. 1995. № 4. S. 54- 62.
6. Jashhenko V.A. Kibernetika i sistemnyj analiz. 1995. № 5. S. 94-102.
7. Yashchenko V.A. Proc. of the second internatiional conference on information fusion, (California, July 6–
8 1999). Sunnyvale Hilton Inn, Sunnyvale, California. USA. 1999. Vol. II. P. 1113 – 1118.
8. Jashhenko V.A. Matematychnі mashyny і systemy. 2006. № 1. S. 49-59.
9. Jashhenko V.A. Iskusstvennyj intellekt. 2009. № 4. S. 504-511.
REZUME
V.А. Yashchenko
Some Provisions of the Artificial Intelligence Theory
In the article, the key points of the general theory of artificial intelligence are described:
the doctrine of neural cells and neural-like growing networks multidimensional, temporary
and long-term memory; the doctrine of the functional organization of the “brain” for the
systems with artificial intelligence; the theory of the sensory system; the theory of the
modulation system; the theory of the motor system, the theory of the conditional and uncon-
ditional reflex and reflex arc; the doctrine of motivation; the doctrine of goal directed behavior,
the theories of “thinking”, “consciousness”, “subconscious” and artificial personality.
Artificial intelligent system has a mechanism of artificial thinking. It is able to talk,
organize, and update their knowledge. Implementing a multiple re-entry of information stored
in the memory, again recognizing and comparing it with the contents of the memory, thus
performs a repeated review and correction of images formed inside (models of the external
world) in a continuous flow of information to the real external world. Indeed, in essence,
the process of realizing is an associative memory with the upgrade and requires periodic
detection information of the internal state (the image) and the environment (real world).
Models developed on the basis of the proposed theory of artificial intelligence and implemented
in projects “VITROM” and “Dialogue” showed the ability to create technical devices, the
ability to perceive the visual and symbolic, analysis, synthesis and accumulation. They
have the ability to learn, to respond to questions, to think logically and consider.
Статья поступила в редакцию 06.08.2012.
www.galactic.org.ua.
|
| id | nasplib_isofts_kiev_ua-123456789-57710 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T17:42:12Z |
| publishDate | 2012 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Ященко, В.А. 2014-03-13T21:16:37Z 2014-03-13T21:16:37Z 2012 Некоторые положения теории искусственного интеллекта / В.А. Ященко // Штучний інтелект. — 2012. — № 4. — С. 53-67. — Бібліогр.: 9 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/57710 681.3 В статье рассмотрены основные положения общей теории искусственного интеллекта: учение о нейроподобных элементах и многомерных нейроподобных растущих сетях; временной и долговременной памяти; учение о функциональной организации «мозга» систем с искусственным интеллектом; о сенсорной системе; модулирующей системе; моторной системе; условном и безусловном рефлексах; рефлекторной дуге; мотивации; целенаправленном поведении; «мышлении»; «сознании»; «подсознании» и искусственной личности. У статті розглянуті основні положення загальної теорії штучного інтелекту: вчення про нейроподібні елементи і багатовимірні нейроподібні зростаючі мережі; тимчасову та довготривалу пам’ять; вчення про функціональну організацію «мозку» систем зі штучним інтелектом; про сенсорну систему; модулюючу систему; моторну систему; умовний і безумовний рефлекс; рефлекторну дугу; мотивації; цілеспрямовану поведінку; «мислення»; «свідомість»; «підсвідомість» і штучну особистість. In the article, the key points of the general theory of artificial intelligence are described: the doctrine of neural cells and neural-like growing networks multidimensional, temporary and long-term memory; the doctrine of the functional organization of the “brain” for the systems with artificial intelligence; the theory of the sensory system; the theory of the modulation system; the theory of the motor system, the theory of the conditional and unconditional reflex and reflex arc; the doctrine of motivation; the doctrine of goal directed behavior, the theories of “thinking”, “consciousness”, “subconscious” and artificial personality. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Концептуальные проблемы создания систем искусственного интеллекта Некоторые положения теории искусственного интеллекта Деякі положення теорії штучного інтелекту Some Provisions of the Artificial Intelligence Theory Article published earlier |
| spellingShingle | Некоторые положения теории искусственного интеллекта Ященко, В.А. Концептуальные проблемы создания систем искусственного интеллекта |
| title | Некоторые положения теории искусственного интеллекта |
| title_alt | Деякі положення теорії штучного інтелекту Some Provisions of the Artificial Intelligence Theory |
| title_full | Некоторые положения теории искусственного интеллекта |
| title_fullStr | Некоторые положения теории искусственного интеллекта |
| title_full_unstemmed | Некоторые положения теории искусственного интеллекта |
| title_short | Некоторые положения теории искусственного интеллекта |
| title_sort | некоторые положения теории искусственного интеллекта |
| topic | Концептуальные проблемы создания систем искусственного интеллекта |
| topic_facet | Концептуальные проблемы создания систем искусственного интеллекта |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/57710 |
| work_keys_str_mv | AT âŝenkova nekotoryepoloženiâteoriiiskusstvennogointellekta AT âŝenkova deâkípoložennâteorííštučnogoíntelektu AT âŝenkova someprovisionsoftheartificialintelligencetheory |