Штучний ройовий інтелект
У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Продемонстровано використання принципу вільної енергії, запозиченого зі статистичної фізики, для кількісного опису оптимізаційного методу (зме...
Збережено в:
| Дата: | 2024 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2024
|
| Теми: | |
| Онлайн доступ: | https://jais.net.ua/index.php/files/article/view/241 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems of Control and Informatics |
Репозитарії
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-241 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2025-03-11T15:07:28Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
нейроеволюція рій роботів принцип вільної енергії коеволюція |
| spellingShingle |
нейроеволюція рій роботів принцип вільної енергії коеволюція Omelianenko, Iaroslav Sinitsyn, Igor Штучний ройовий інтелект |
| topic_facet |
нейроэволюция рой роботов принцип свободной энергии коэволюция neuroevolution robotic swarm free energy principle coevolution нейроеволюція рій роботів принцип вільної енергії коеволюція |
| format |
Article |
| author |
Omelianenko, Iaroslav Sinitsyn, Igor |
| author_facet |
Omelianenko, Iaroslav Sinitsyn, Igor |
| author_sort |
Omelianenko, Iaroslav |
| title |
Штучний ройовий інтелект |
| title_short |
Штучний ройовий інтелект |
| title_full |
Штучний ройовий інтелект |
| title_fullStr |
Штучний ройовий інтелект |
| title_full_unstemmed |
Штучний ройовий інтелект |
| title_sort |
штучний ройовий інтелект |
| title_alt |
Artificial swarm intelligence Искусственный роевой интеллект |
| description |
У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Продемонстровано використання принципу вільної енергії, запозиченого зі статистичної фізики, для кількісного опису оптимізаційного методу (зменшення сенсорного здивування), який може бути застосований для підтримки постійного навчання. Описано способи інтегрування цього оптимізаційного методу з еволюційними алгоритмами для прискорення розвитку спеціалізованих штучних нейронних мереж (ШНМ), які визначають пропріоцептивну конфігурацію певних роботизованих елементів рою. Розглянуто, як оптимізація вільної енергії може сприяти гомеостазу ройової системи, забезпечуючи її здатність залишатися в межах сенсорних обмежень протягом активного життя. Представлено методи створення складних розподілених когнітивних систем як ієрархічної модульної системи, що складається зі спеціалізованих мікроінтелектуальних агентів, пов’язаних між собою каналами обміну інформацією. Розглянуто коеволюцію різноманітних роботизованих елементів рою, що зумовлює розвиток пропріоцепції та глибоке розуміння властивостей середовища. Також коротко описано, як ця система може бути втілена в реальність, та досягнення в цій області. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2024 |
| url |
https://jais.net.ua/index.php/files/article/view/241 |
| work_keys_str_mv |
AT omelianenkoiaroslav štučnijrojovijíntelekt AT sinitsynigor štučnijrojovijíntelekt AT omelianenkoiaroslav artificialswarmintelligence AT sinitsynigor artificialswarmintelligence AT omelianenkoiaroslav iskusstvennyjroevojintellekt AT sinitsynigor iskusstvennyjroevojintellekt |
| first_indexed |
2025-10-30T02:48:51Z |
| last_indexed |
2025-10-30T02:48:51Z |
| _version_ |
1847373365286797312 |
| spelling |
oai:ojs2.jais.net.ua:article-2412025-03-11T15:07:28Z Штучний ройовий інтелект Artificial swarm intelligence Искусственный роевой интеллект Omelianenko, Iaroslav Sinitsyn, Igor нейроэволюция рой роботов принцип свободной энергии коэволюция neuroevolution robotic swarm free energy principle coevolution нейроеволюція рій роботів принцип вільної енергії коеволюція У статті розглянуто, як штучний інтелект у формі рою може розвиватися завдяки еволюційним алгоритмам, спрямованим на зменшення сенсорного здивування системи. Продемонстровано використання принципу вільної енергії, запозиченого зі статистичної фізики, для кількісного опису оптимізаційного методу (зменшення сенсорного здивування), який може бути застосований для підтримки постійного навчання. Описано способи інтегрування цього оптимізаційного методу з еволюційними алгоритмами для прискорення розвитку спеціалізованих штучних нейронних мереж (ШНМ), які визначають пропріоцептивну конфігурацію певних роботизованих елементів рою. Розглянуто, як оптимізація вільної енергії може сприяти гомеостазу ройової системи, забезпечуючи її здатність залишатися в межах сенсорних обмежень протягом активного життя. Представлено методи створення складних розподілених когнітивних систем як ієрархічної модульної системи, що складається зі спеціалізованих мікроінтелектуальних агентів, пов’язаних між собою каналами обміну інформацією. Розглянуто коеволюцію різноманітних роботизованих елементів рою, що зумовлює розвиток пропріоцепції та глибоке розуміння властивостей середовища. Також коротко описано, як ця система може бути втілена в реальність, та досягнення в цій області. In this article, we explore how artificial swarm intelligence evolve through evolutionary algorithms aimed at reducing the system’s sensory surprise. We demonstrate the use of the free energy principle, borrowed from statistical physics, to describe quantitatively the optimization method (reduction of sensory surprise) that can be applied to support continuous learning. We express our thoughts on how to integrate this optimization method with evolutionary algorithms to accelerate the development of specialized artificial neural networks that define the proprioceptive configuration of certain robotic elements of the swarm. We consider how free energy principle can contribute to the homeostasis of the swarm system, ensuring its ability to stay within sensory limits throughout its active life. We demonstrate how complex distributed cognitive systems can be created as a hierarchical modular system consisting of specialized micro-intelligent agents connected by information exchange channels. We also consider the coevolution of various robotic elements of the swarm, which may lead to the development of proprioception and a deep understanding of environmental properties. Finally, we briefly describe how this system can be implemented, and our achievements in this field. В статье рассмотрено, как искусственный интеллект в форме роя может развиваться благодаря эволюционным алгоритмам, направленным на уменьшение сенсорного изумления системы. Продемонстрировано использование принципа свободной энергии, заимствованного из статистической физики, для количественного описания оптимизационного метода (уменьшение сенсорного изумления), который может быть применен для поддержания постоянного обучения. Описаны способы интегрирования этого оптимизационного метода с эволюционными алгоритмами для ускорения развития специализированных искусственных нейронных сетей (ШНМ), определяющих проприоцептивную конфигурацию определенных роботизированных элементов роя. Рассмотрено, как оптимизация свободной энергии может способствовать гомеостазу роевой системы, обеспечивая способность оставаться в пределах сенсорных ограничений в течение активной жизни. Представлены методы создания сложных распределенных когнитивных систем как иерархической модульной системы, состоящей из специализированных микроинтеллектуальных агентов, связанных между собой каналами обмена информацией. Рассмотрена коэволюция разнообразных роботизированных элементов роя, что приводит к развитию проприоцепции и глубокому пониманию свойств среды. Также кратко описано, как эта система может быть воплощена в реальность и достижения в этой области. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2024-07-04 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/241 10.34229/1028-0979-2024-3-7 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 69 № 3 (2024): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 91-103 International Scientific Technical Journal "Problems of Control and Informatics; Том 69 № 3 (2024): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 91-103 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 69 No. 3 (2024): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 91-103 2786-6505 2786-6491 10.34229/10.34229/1028-0979-2024-3 uk https://jais.net.ua/index.php/files/article/view/241/321 Copyright (c) 2024 Iaroslav Omelianenko, Igor Sinitsyn https://creativecommons.org/licenses/by-nc-nd/4.0 |