«Искусственный Интеллект. Теория и практика» № 2/2023

Статьи, опубликованные в журнале «Искусственный Интеллект. Теория и практика» № 2 (2/2023)

I. ИМИТАЦИЯ КОГНИТИВНЫХ ФУНКЦИЙ ЧЕЛОВЕКА, ЯЗЫКИ, МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ИНТЕЛЛЕКТУАЛЬНАЯ ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ

УДК 573.6:007

БИОНИЧЕСКОЕ СОЗНАНИЕ – ИНТУИЦИЯ И МЫШЛЕНИЕ БЕЗ ИСПОЛЬЗОВАНИЯ ЛОГИКИ
BIONIC CONSCIOUSNESS – INTUITION AND THINKING WITHOUT USING LOGIC

Аннотация. Проблема сознания является предметом исследований в ряде наук: философии сознания, психологии, нейронауке и даже квантовой физике. После опытов Гальвани, методики окрашивания Гольджи и появления «нейронной доктрины» Рамон-и-Кахаля стало возможным строить не чисто умозритель- ные теории о том, как работает почти однородное на невооружённый взгляд вещество головного мозга, а развивать в различной степени основанные на экспериментальных данных модели рождения мыслей и рационального поведения у человека и животных. Получено потрясающее воображение количество данных о строении и функциях нервной системы (НС), но представители ряда наук до сих пор склонны считать, что сознание – это что-то большее, чем электрохимическая активность нейронов. Память, построение движений и ряд более сложных функций вполне описываются нейросетевыми структурами, но основываясь на тысячелетней традиции, принято считать, что сознание – это нечто другое, не сводимое к алгоритмизируемым преобразованиям. Бионический подход позволяет строить модель сознания не на древних легендах, а на современных знаниях о строении и функциях НС человека и животных. При этом важно не просто суммировать имеющиеся знания, а выявлять, какие проблемы преобразования информации в жизни человека и высших животных решает сознание. Статистически достоверные описания простых объектов и явлений (и их взаимодействий), организованные в иерархическую структуру, позволяют осуществлять моделирование вариантов развития событий с участием данных объектов, что служит способом получения новых знаний в процессе мышления. Бионическое сознание не является (как душа) «универсальным решателем» всех проблем, а служит для управления переключением режимов моделирования и выполнения действий. Такое представление о функции сознания делает возможным его алгоритмическое описание и позволяет сделать важный шаг в сторону построения сильного, обладающего сознанием искусственного интеллекта.

Abstract. The problem of consciousness is the subject of research in a number of sciences: philosophy of consciousness, psychology, neuroscience and even quantum physics. After Galvani’s experiments, the Golgi staining technique and the appearance of the «neural doctrine» of Ramon-y-Cajal, it became possible to build not purely speculative theories about how the brain substance, which is almost homogeneous to the naked eye, works, but to develop models of the birth of thoughts and rational behavior in humans and animals based on experimental data to varying degrees. An amazing amount of data on the structure and functions of the nervous system (NS) has been obtained, but representatives of a number of sciences still tend to believe that consciousness is something more than the electrochemical activity of neurons. Memory, the construction of movements and a number of more complex functions are fully described by neural network structures, but based on a thousand–year tradition, it is considered that consciousness is something else that cannot be reduced to algorithmizable transformations. The bionic approach allows us to build a model of consciousness not on ancient legends, but on modern knowledge about the structure and functions of human and animal NS. At the same time, it is important not just to summarize the available knowledge, but to identify which problems of information transformation in the life of man and higher animals are solved by consciousness. Statistically reliable descriptions of simple objects and phenomena (and their interactions), organized in a hierarchical structure, make it possible to simulate the scenarios of the development of events involving these objects, which serves as a way to obtain new knowledge in the process of thinking. Bionic consciousness is not (like the soul) a «universal solver» of all problems, but serves to control the switching of simulation modes and the execution of actions. Such an idea of the function of consciousness makes possible its algorithmic description and allows us to take an important step towards building a strong, conscious, artiﬁcial intelligence.

Ключевые слова. Нейросети, сознание, интуиция, мышление, локализация, декомпозиция, линеаризация.
Key words. Neural networks, consciousness, intuition, thinking, localization, decomposition, linearization.

УДК 004.8

КРИТЕРИЙ ИНТЕЛЛЕКТУАЛЬНОСТИ ВОЕННОЙ ТЕХНИКИ
CRITERION OF INTELLIGENCE OF MILITARY EQUIPMENT

Аннотация. Создание военного искусственного интеллекта и внедрение его в военную технику и в управление войсками и оружием требует чётких нормативных правил проектирования и контроля качества военной техники с встроенным искусственным интеллектом (далее – интеллектуальная военная техника). Органы военного управления, заказывающие интеллектуальную военную технику, должны быть достаточно уверены в том, что войска получат от оборонной промышленности действительно интеллектуальную военную технику требуемого качества. Этому могут служить нормативные показатели и критерий оценки интеллектуальности создаваемой военной техники. Такие пять показателей и один оценочный критерий разработаны в настоящей статье в рамках принятой парадигмы понимания искусственного интеллекта как модели интеллекта человека, а также понимания интеллектуальных компьютерных систем, взятых в совокупности с их пользователями, как автоматизированных систем, имеющих большую и содержательную нормативно-техническую базу. Разработке этих показателей и оценочного критерия послужили схемографические методы семантических сетей и диаграмм потоков данных. Предложенные показатели и критерий оценки интеллектуальности военной техники могут быть учтены при разработке нормативно-технического обеспечения комплексной деятельности по созданию военных технологий ИИ и интеллектуальной военной техники.

Abstract. The creation of military artiﬁcial intelligence and its introduction into military equipment and into the management of troops and weapons requires clear regulatory rules for the design and quality control of military equipment with built-in artiﬁcial intelligence (hereinafter referred to as intelligent military equipment). The military authorities ordering intelligent military equipment must be sufﬁciently conﬁdent that the troops will receive from the defense industry truly intelligent military equipment of the required quality. This can be served by normative indicators and criteria for assessing the intelligence of the created military equipment. Such ﬁve indicators and one evaluation criterion are developed in this article within the framework of the accepted paradigm of understanding artiﬁcial intelligence as a model of human intelligence, as well as understanding intelligent computer systems taken together with their users as automated systems with a large and meaningful regulatory and technical base. Graphical schematic methods of semantic networks and data ﬂow diagrams served to develop these indicators and evaluation criterion. The proposed indicators and criteria for assessing the intelligence of military equipment can be taken into account when developing regulatory and technical support for complex activities for the creation of military artiﬁcial intelligence technologies and intelligent military equipment.

Ключевые слова. Искусственный интеллект, военная техника, моделирование, машинное обучение.
Key words. Artiﬁcial intelligence, military equipment, modeling, machine learning.

УДК 004.8

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НА ВОЙНЕ. ОБЗОР ЛИТЕРАТУРЫ
ARTIFICIAL INTELLIGENCE AT WAR. LITERATURE REVIEW

Аннотация. Статья посвящена обзору книг последних лет, посвященных военному применению искусственного интеллекта. Изложена краткая история развития ИИ и его применения в военных действиях. Авторы рассмотренных статей и книг задаются вопросами: каково текущее состояние и будущее влияние искусственного интеллекта на боевые действия; сможет ли искусственный интеллект заменить человека на поле боя; могут ли алгоритмы принимать решения о жизни и смерти; каковы преимущества и риски ис- пользования ИИ в военном противостоянии.

Abstract. The article is devoted to a review of recent books devoted to the military application of artiﬁcial intelligence. A brief history of the development of AI and its application in military operations is presented. The authors of the reviewed articles and books ask questions: what is the current state and future impact of artiﬁcial intelligence on combat operations; will artiﬁcial intelligence be able to replace a person on the battleﬁeld; can algorithms make decisions about life and death; what are the advantages and risks of using AI in military confrontation.

Ключевые слова. Искусственный интеллект, военные действия, автономное оружие, боевой робот, алгоритмическое принятие решений, обзор книг и статей.
Key words. Artiﬁcial intelligence, military operations, autonomous weapons, combat robot, algorithmic decision-making, review of books and articles.

УДК 004.8

CHATGPT: ВОЗМОЖНОСТИ И РИСКИ
CHATGPT: OPPORTUNITIES AND RISKS

Аннотация. Потенциальные риски и преимущества любой технологии, включая языковые модели, такие как GPT, должны быть тщательно проанализированы. В статье рассмотрены вопросы развития генеративного искусственного интеллекта, в частности ChatGPT. Показаны принципы работы и особенности генеративно- го искусственного интеллекта, его отличия от предыдущих версий. Также описаны некоторые возможности его применения. В том числе отмечено использование модели криминальными структурами. Как и в случае с любой технологией, важно использовать ее ответственно и этично. Также было бы ошибкой приравнивать всю линейку GPT к человеческому интеллекту. Одновременно нужно признать, что будущее неопределенно, и трудно точно предсказать, как языковые модели или другие технологии будут использоваться. Возможно, что по мере того, как языковые модели становятся более мощными, они принесут пользу обществу, но так- же возможно, что они станут вредными или нежелательными.

Abstract. The potential risks and beneﬁts of any technology, including language models such as GPT, should be carefully analyzed. The article discusses the development of generative artiﬁcial intelligence, in particular ChatGPT. The principles of operation and features of generative artiﬁcial intelligence, its diﬀerences from previous versions are shown. Some possibilities of its application are also described. In particular, the use of the model by criminal structures was noted. As with any technology, it is important to use it responsibly and ethically. It would also be a mistake to equate the entire GPT line with human intelligence. At the same time, it must be recognized that the fu- ture is uncertain, and it is diﬃcult to accurately predict how language models or other technologies will be used. It is possible that as language models become more powerful, they will beneﬁt society, but it is also possible that they will become harmful or undesirable.

Ключевые слова. Генеративный искусственный интеллект, машинное обучение, ChatGPT, особенности языковой модели, нейросеть.
Key words. Generative artiﬁcial intelligence, machine learning, ChatGPT, language model features, neural network.

УДК 004.8

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
NATIONAL ARTIFICIAL INTELLIGENCE STRATEGIES

Аннотация. В статье рассмотрены вопросы развития искусственного интеллекта в различных странах мира. На примерах показана важность разработки и принятия национальных стратегий развития искусственного интеллекта, их основная цель и особенности в каждой стране. Обращено внимание на инвестиции, вклады- ваемые различными странами в развитие искусственного интеллекта.

Abstract. The article discusses the development of artiﬁcial intelligence in various countries of the world. Examples show the importance of developing and adopting national strategies for the development of artiﬁcial intelligence, their main purpose and features in each country. Attention is drawn to the investments made by various countries in the development of artiﬁcial intelligence.

Ключевые слова. Искусственный интеллект, стратегия развития искусственного интеллекта, технологии искусственного интеллекта, инвестиции в искусственный интеллект.
Key words. Artiﬁcial intelligence, artiﬁcial intelligence development strategy, artiﬁcial intelligence technologies, investments in artiﬁcial intelligence.

II. МАШИННОЕ ОБУЧЕНИЕ, БАЗЫ ДАННЫХ И ТЕХНОЛОГИИ ОБРАБОТКИ РАЗЛИЧНЫХ ТИПОВ ДАННЫХ, АЛГОРИТМЫ РЕШЕНИЯ ЗАДАЧ

УДК 004.02:004.8:623.419:623.45

ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ ТРЕБОВАНИЙ К ХАРАКТЕРИСТИКАМ ИНФОРМАЦИИ ДЛЯ ОБУЧЕНИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ИХ РАЗВИТИЯ НА ОСНОВЕ ПРИНЦИПА ПРОЗРАЧНОСТИ
THEORETICAL SUBSTANTIATION OF THE REQUIREMENTS FOR THE CHARACTERISTICS OF INFORMATION FOR THE TRAINING OF ARTIFICIAL INTELLIGENCE SYSTEMS AND THEIR DEVELOPMENT BASED ON THE PRINCIPLE OF TRANSPARENCY

Аннотация. В статье рассмотрены теоретические аспекты обоснования требований к характеристикам информации для обучения систем искусственного интеллекта и их развития на основе принципа про- зрачности во взаимосвязи с практикой.

Abstract. The article discusses the theoretical aspects of substantiating the requirements for the characteristics of information for training artiﬁcial intelligence systems and their development based on the principle of transparency in conjunction with practice.

Ключевые слова. Теоретическое обоснование, требование, характеристика, информация, обучение, система искусственного интеллекта, принцип прозрачности.
Key words. Theoretical justiﬁcation, requirement, characteristics, information, training, artiﬁcial intelligence system, the principle of transparency.

УДК 004.85

АНАЛИЗ ПРИМЕНЕНИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОЦЕНКИ УРОЖАЙНОСТИ РИСА И ПШЕНИЦЫ ДЛЯ СЕЗОНОВ ХАРИФ И РАБИ В ИНДИИ: ИССЛЕДОВАНИЕ 44 РАЙОНОВ В 10 ШТАТАХ
ANALYSIS OF THE APPLICATION OF MACHINE LEARNING MODELS TO ASSESS THE YIELD OF RICE AND WHEAT FOR THE HARIF AND RABI SEASONS IN INDIA: A STUDY OF 44 DISTRICTS IN 10 STATES

Аннотация. Сельское хозяйство на протяжении веков было основой экономики Индии, обеспечивая средства к существованию для миллионов людей и стимулируя экономический рост. Оценка урожайности является важнейшим аспектом сельско- хозяйственного планирования и управления, в том числе и для задачи страхования урожая фермеров. Традиционные мето- ды оценки урожайности, принятые в Республике Индия, основаны на проведение значительного количество экспериментов по резке урожая (Crop Cut Experiments, CCE), отнимают много времени, дороги и трудоёмки. Регрессионные модели, осно- ванные на метеоданных, данных дистанционного зондирования Земли и методах машинного обучения (ML) позволяют суще- ственно снизить количество необходимых ССЕ. В этой статье описывается процесс оценки урожайности посредством регрес- сионных моделей, основанных на методах машинного обучения (ML), а также ансамблей, собранных из моделей обоих типов. Использовались ML — модели, основанные на следующих методах: Deep Neural Networks (DNN), Random Forest, Extra Trees, Catboost, K Near Neighbours, Linear Regression. Для каждого сочетания “сезон — район — культура” строились отдельные наборы моделей и ансамблей. Урожайность оценивалась в 44 районах из штатов Andhra pradesh, Haryana, Jharkhand, Madhya Pradesh, Odisha, Tamil Nadu, Uttar Pradesh, Bihar, Rajasthan. Было создано 276 моделей машинного обучения, собрано 92 ансамбля мо- делей. Наилучший коэффициент детерминации составил 0,94. Минимальная средняя ошибка составила 6%. Наилучшим обра- зом проявили себя модели, основанные на деревьях решений — Random Forest и Catboost. В большинстве случаев удалось улуч- шить метрики за счёт применения методов ансамблирования.

Abstract. Agriculture has been the backbone of India’s economy for centuries, providing livelihoods for millions of people and stimu- lating economic growth. Yield assessment is an essential aspect of agricultural planning and management, including for the task of farmers’ crop insurance. Traditional methods of crop yield assessment adopted in the Republic of India are based on conducting a signiﬁcant number of crop Cutting Experiments (CCE), are time-consuming, expensive and time-consuming. Regression models based on meteorological data, Earth remote sensing data and machine learning (ML) methods can signiﬁcantly reduce the number of required CES. This article describes the process of estimating yields using regression models based on machine learning (ML) methods, as well as ensembles assembled from both types of models. ML models based on the following methods were used: Deep Neural Networks (DNN), Random Forest, Extra Trees, Catboost, K Near Neighbors, Linear Regression. Separate sets of models and ensembles were built for each combination of “season — district — culture”. Yields were estimated in 44 districts from the states of Andhra Pradesh, Haryana, Jharkhand, Madhya Pradesh, Odisha, Tamil Nadu, Uttar Pradesh, Bihar, Rajasthan. 276 machine learning models were created, 92 ensembles of models were assembled. The best determination coefﬁcient was 0.94. The minimum average error was 6%. The models based on decision trees — Random Forest and Catboost — proved to be the best. In most cases, it was possible to improve metrics through the use of ensemble methods.

Ключевые слова. Планирование урожая, оценка урожайности, трудоёмкость традиционной оценки, регрессионная модель, ансамбли моделей, машинное обучение.
Key words. Crop planning, yield estimation, labor intensity of traditional estimation, regression model, ensembles of models, machine learning.

III. ТЕХНИЧЕСКИЕ СИСТЕМЫ, РАЗРАБОТКА, УПРАВЛЕНИЕ И БЕЗОПАСНОСТЬ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

УДК 004.8

РОБОТОТЕХНИКА И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ. НАУЧНО-ТЕХНИЧЕСКИЙ ПРОГРЕСС И R-ЭВОЛЮЦИЯ
ROBOTICS AND ARTIFICIAL INTELLIGENCE. SCIENTIFIC AND TECHNOLOGICAL PROGRESS AND R-EVOLUTION

Аннотация. В статье рассмотрены два направления науки и техники – робототехника и искусственный интеллект. Проанализирована история их развития и современное состояние. Показаны взаимосвязь искусственного интеллекта и робототехники, перспективы их совместного развития.

Abstract. The article discusses two areas of science and technology – robotics and artiﬁcial intelligence. The history of their development and the current state are analyzed. The interrelation of artiﬁcial intelligence and robotics and the prospects for their joint development are shown.

Ключевые слова. Робототехника, искусственный интеллект, научно-технический прогресс.

Key words. Robotics, artiﬁcial intelligence, scientiﬁc and technological progress.

УДК 681.518

АВТОМАТИЗИРИРОВАННАЯ ИНФОРМАЦИОННАЯ СИСТЕМА ИССЛЕДОВАНИЯ И ВЫБОРА МОДЕЛИ ОБЪЕКТОВ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ
AUTOMATED INFORMATION SYSTEM FOR THE STUDY OF THE MODEL OF SELECTION OF OBJECTS OF COMPLEX TECHNICAL SYSTEMS

Аннотация. В условиях жесткой конфронтации и выбора стратегического направления технологического суве- ренитета страны значительное место отводится первичным этапам тематического планирования по созданию отечественной продукции, выдачи технического задания (ТЗ) к предварительному проектированию первичных образцов, на которых закладываются основные технико-технические характеристики (ТТХ) и их показатели качества, которые тесно связаны с техническим обликом и успехом реализации их на рынке. Для решения этих важных задач, связанных с оценками и определения обликовых характеристик образцов разрабатываются различные виды информационных систем (ИС), которые далее используются на всех этапах жизненного цикла. Среди множества этих ИС важными являются информационно-аналитические системы (ИАС), обеспечивающие выбор перспективных направлений развития создаваемой продукции и наиболее предпочтительных ее образцов, они базируются на использовании знаний экспертов по значимости оценочных показателей, по которым производится отбор наилучших образцов, как правило, создаваемой новой техники. В современных системах ИАС при оценке качества продукции и технического уровня (ТУ) объектов и образцов для сложных технических систем (СТС) часто используются функции ценности (функции полезности Фишберна, Хэррингтона и др.). Сущность этих функ- ций заключается в том, что в ходе диалога с лицом, принимающим решение (ЛПР или руководителем), от него получают первичные данные и необходимую информацию о его «первичных» взглядах на формируемые «систе- мы ценностей» или «системы предпочтений», которые используется далее для построения функций полезности. Как правило, исследователи и сами разработчики продукции испытывают существенные затруднения в выборе функции полезности оценочных показателей при работе с подобными информационными системами ИАС. Принимаемые решения ЛПР на начальной стадии проектирования объектов и образцов для СТС могут оказывать существенное влияние на весь процесс их разработки, а также и на этапы жизненного цикла. В работе рассматривается один из подходов определения функции ценности числовых показателей в виде информационной моде- ли с учетом согласованности экспертных оценок к основным характеристикам и показателям ТУ на примерах для транспортно-заряжающей машины (ТЗМ) на платформе грузового автомобиля в составе комплекса беспилотных летательных аппаратов (БпЛА) как СТС.

Рассматриваемый подход для формирования функции ценности позволяет разработчикам и проектировщикам выбрать тип и ее характер, что позволит повысить уровень достоверности оценки ТУ модели СТС, а также оптимизировать ресурсы и возможные затраты на получение исходной информации при прогнозировании выбираемых характеристик и основных показателей ТЗМ для комплекса с БпЛА в компьютеризированной информационной системе ИАС.

Приведенные информационная модель и предварительные расчеты данной работы могут быть полезны для исследователей и проектировщиков сложных систем на начальных этапах их разработки, а также при оценке возможных вариантов реализации объектов ТЗМ с определением оценок основным показателям ТУ на всех этапах жизненного цикла этих СТС.

Abstract. In the conditions of ﬁerce confrontation and the choice of the strategic direction of the country’s techno- logical sovereignty, a signiﬁcant place is given to the primary stages of thematic planning for the creation of domestic products, the issuance of technical speciﬁcations (TK) and the preliminary design of primary samples, on which the main technical and technical characteristics (TTX) and the main quality indicators are laid, which are closely related to the technical appearance and success of implementation they are on the market. To solve these complex tasks related to the assessment and determination of the appearance characteristics of samples, various types of information systems (IS) are being developed, which are then used at all stages of the life cycle. Among these IS, information and analytical systems (IAS) are important in such tasks, ensuring the choice of promising directions for the development of the products being created and its most preferred samples, they are based on the use of expert knowledge on the signiﬁcance of evaluation indicators.

The considered approach for the formation of the value function allows developers and designers to choose the type and its nature, which will increase the level of reliability of the assessment of the technical data of the STS, as well as optimize the resources and possible costs of obtaining initial information when predicting the selected characteristics and key indi- cators of the TK for the complex with UAVs in the computerized information system IAS. The given information model and preliminary calculations of this work can be useful for researchers and designers of complex systems at the initial stages of their development, as well as when evaluating possible options for the implementation of TK objects with the determination of estimates of the main indicators of technical speciﬁcations at all stages of the life cycle of these STS.

Ключевые слова. Информационная система (ИС), сложные технические системы (СТС), информационно-аналитическая система (ИАС), функции ценности, единичные оценочные показатели, технический уровень, беспилотный летательный аппарат, транспортно-заряжающая машина, платформа автомобиля.
Key words. Information system (IS), complex technical systems (STS), information and analytical system (IAS), value functions, single evaluation indicators, technical level, unmanned aerial vehicle, transport and charging installation, vehicle platform.

УДК 004.383

ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ УПРАВЛЕНИЯ НАЗЕМНЫМИ РОБОТАМИ
INTELLIGENT CONTROL METHODS FOR GROUND ROBOTS

Аннотация. Изложены вопросы применения вычислительных средств, создаваемых АО «МЦСТ» и ПАО «ИНЭУМ им. И. С. Брука» для решения задач распознавания и классификации, а также задач маршрутизации мобильных робототехнических комплексов с учетом особенностей многовариантного программирования.

Abstract. The issues of the use of computers created by JSC MCST and JSC INEUM for solving problems of rec- ognition and classiﬁcation, as well as routing tasks of mobile robotic complexes, taking into account the features of multivariate programming, are described.

Ключевые слова. Вычислительные средства, распознавание, алгоритмы, программы, маршрутизация, многовариантное программирование.
Key words. Сomputing tools, recognition, algorithms, programs, routing, multivariate programming.