Алгоритмы искусственной интуиции для реализации сильного ии

Innovative Biosystems and Bioengineering

View Publication Info
 
 
Field Value
 
Title Алгоритмы искусственной интуиции для реализации сильного ии
Алгоритми штучної інтуїції для реалізації сильного ші
Algorithms of artificial intuition for implementation of strong ai
 
Creator Prokopchuk, Yu. A.; Department of Information Measurement Technology and System, Pridneprovsk State Academy of Civil Engineering and Architecture, 24-A, Chernishevskogo str., Dnepr, 49600
 
Subject
сильный ИИ, искусственная интуиция, когнитивный подход, естественная логика; парадигма предельных обобщений

сильній ШІ; штучна інтуїція; когнітивний підхід; інтуїтивно-образне мислення; природна логіка; парадигма граничних узагальнень

strong AI, artificial intuition; cognitive approach; intuitive and creative thinking; natural logic; limiting-generalizations paradigm
 
Description Цель. Экстраполируя бессознательную и врожденную способность к быстрому распознаванию образов на принятие решений в произвольных ситуациях, можно предположить, что интуитивные, мгновенные решения зачастую ничем не уступают решениям, полученным в результате рационального длительного анализа. Более того, часто превосходят их по качеству. Ясно, что «сильный ИИ» требует искусственной интуиции. Целью данной работы является разработка конструктивных алгоритмов искусственной интуиции для реализации в интеллектуальных системах, а также структурно-функциональных компонентов «сильного ИИ».  Методика. Моделировать работу интуитивно-образной компоненты, включая принятие решений, предлагается на основе парадигмы предельных обобщений (ППО). Результаты. Ключевыми компонентами модели интуиции являются: базовые сущности ППО; задачно-индукторное пространство на основе банка тестов; пространство событий; «искусственный коннектом», механизмы масштабируемой когеренции; «тонкий срез», содержащий инварианты «внутренние коды», с помощью которых кодируются образы мира. Научная новизна. С помощью формальных моделей и конструктивных алгоритмов показано, что в основе быстрого познания и интуиции лежит адаптивное бессознательное - мыслительный процесс, который срабатывает автоматически, когда в нашем распоряжении сравнительно мало нужной информации для принятия решения. Данные модели формируют новый подход к концепции «сильного ИИ».  Практическая значимость. Предложенная модель является методологической основой создания перспективных ИТ, а также интуитивных агентов, роботов. Кроме того, модель намечает пути создания когнитивных тренажеров широкого спектра.
Мета. Екстраполюючи несвідому і природжену здібність до швидкого розпізнавання образів на ухвалення рішень в довільних ситуаціях, можна передбачити, що інтуїтивні, миттєві рішення частенько нічим не поступаються рішенням, отриманим в результаті раціонального тривалого аналізу. Більш того, часто перевершують їх за якістю. Ясно, що «сильний ШІ» вимагає штучної інтуїції. Метою даної роботи є розробка конструктивних алгоритмів штучної інтуїції для реалізації в у інтелектуальних системах, а також структурно-функціональних компонентів «сильного ШІ».. Методика. Моделювати роботу інтуїтивно-образної компоненти, включаючи ухвалення рішень, пропонується на основі парадигми граничних узагальнень (ПГУ). Результати. Ключовими компонентами моделі інтуїції є: базові сутності ПГУ; задачно-індукторний простір на основі банку тестів; простір подій; «штучний коннектом», механізми масштабованої когеренції; «тонкий зріз», що містить інваріанти «внутрішні коди», за допомогою яких кодуються образи світу. Наукова новизна. За допомогою формальних моделей і конструктивних алгоритмів показано, що в основі швидкого пізнання і інтуїції лежить адаптивне несвідоме - розумовий процес, який спрацьовує автоматично, коли в нашому розпорядженні порівняльна мало потрібної інформації для ухвалення рішення. Ці моделі формують новий підхід до концепції "сильного ИИ". Практична значимість. Запропонована модель є методологічною основою створення перспективних ІТ, а також інтуїтивних агентів, роботів. Крім того, модель намічає шляхи створення когнітивних тренажерів широкого спектру.
Purpose. Intuition and Logic are two strategies for prediction and problem solving. Most humans have not been taught logical thinking, but most humans are still intelligent. Contrary to the majority view, it is implausible that the brain should be based on Logic. How does Intuition work? I believe intelligence emerges from millions of nested micro-intuitions, and that Artificial Intelligence requires Artificial Intuition. It is necessary to introduce Human-like Intuition Mechanism into Artificial Intelligence. The aim of this work is the development of constructive algorithms for artificial intuition. Methodology. Modeling the work of intuition is proposed on the basis of the Limiting-Generalizations Paradigm (LGP). Findings. The key components of the intuition model are: basic entities of the LGP; a task-inductor space, event space, an "artificial connectom", coherence mechanisms; Thin Slices. Originality. With the help of formal models and constructive algorithms, it is shown that the basis for rapid cognition and intuition is the adaptive unconscious - the thought process that works automatically when we have relatively little information to make a decision. These models form a new approach to the concept of "Strong AI". Practical value. The proposed model is the methodological basis for creating promising IT, as well as intuitive agents, robots.
 
Publisher Construction, materials science, mechanical engineering
Строительство, материаловедение, машиностроение
Будівництво, матеріалознавство, машинобудування
 
Contributor


 
Date 2017-10-24
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion



 
Identifier http://smm.pgasa.dp.ua/article/view/125578
 
Source Construction, materials science, mechanical engineering; № 101 (2017): Construction, material science, mechanical engineering; 189-194
Строительство, материаловедение, машиностроение; № 101 (2017): Строительство, материаловедение, машиностроение; 189-194
Будівництво, матеріалознавство, машинобудування; № 101 (2017): Будівництво, матеріалознавство, машинобудування; 189-194
2415-7031
 
Language ru
 
Rights Copyright (c) 2018 Yu. A. Prokopchuk
Copyright (c) 2018

 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library