«Искусственный Интеллект. Теория и практика» № 3/2023

Статьи, опубликованные в журнале «Искусственный Интеллект. Теория и практика» № 3 (3/2023)

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

УДК 004.8

МЕТОДОЛОГИЧЕСКИЕ ПРОБЛЕМЫ ОЦЕНКИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
METHODOLOGICAL PROBLEMS OF EVALUATION OF GENERATIVE ARTIFICIAL INTELLIGENCE

Аннотация. Исследуются существующие и перспективные методы, связанные с оценкой генеративного искусственного интеллекта (ГИИ). Рассматриваются различные подходы, включая объективные метрики, оценку экспертами и оценку пользователей, анализируются их преимущества и ограничения. Обсуждаются вопросы этического плана, устойчивости, обучаемости, объяснимости и прозрачности ГИИ.

Работа выполнена при поддержке РНФ, проект № 21-18-00184 «Социогуманитарные основания крите-риев оценки инноваций, использующих цифровые технологии и искусственный интеллект».

Abstract. The article explores existing methods and challenges associated with assessing the quality of generative artiﬁcial intelligence (AI). The authors examine various approaches, including objective metrics, expert evaluation, and user assessment, analyzing their advantages and limitations. Ethical considerations, robustness, adaptability, explain ability, and transparency of generative AI are also discussed.

The work was supported by the Russian Science Foundation, project No. 21-18-00184 «Social and humanitarian foundations for evaluation criteria for innovations using digital technologies and artiﬁcial intelligence.»

Ключевые слова. Генеративный искусственный интеллект, оценка, методология, проблемы, объективные метрики, экспертная оценка, оценка пользователей, этика, устойчивость, адаптивность, объяснимость, про- зрачность, сферы применения.
Key words. Generative artiﬁcial intelligence, evaluation, methodology, challenges, objective metrics, expert evalu- ation, user assessment, ethics, robustness, adaptability, explainability, transparency, application domains.

УДК 004.8

ОБЩИЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, РЕСУРСЫ ЕГО РАЗВИТИЯ И СОЦИАЛЬНЫЕ ПЕРСПЕКТИВЫ
GENERAL ARTIFICIAL INTELLIGENCE, RESOURCES FOR ITS DEVELOPMENT AND SOCIAL PROSPECTS

Аннотация. В статье рассматриваются философско-методологические вопросы создания общего искусственного интеллекта. Показано, что главными ресурсами для его успешной разработки служат результаты исследования сознания как субъективной реальности. Требуется выяснение и описание когнитивных архитектур для построения моделей общего искусственного интеллекта.

Работа выполнена при поддержке РНФ, проект № 21-18-00184 «Социогуманитарные основания критериев оценки инноваций, использующих цифровые технологии и искусственный интеллект».

Abstract. The article deals with the philosophical and methodological issues of creating General Artiﬁcial Intel-ligence. It is shown that the main resources for its successful development are the results of the study of consciousness as a subjective reality. It is required to clarify and describe cognitive architectures for building models of General Artiﬁcial Intelligence.

Ключевые слова. Искусственный интеллект, общий искусственный интеллект, естественный интеллект, сознание, субъективная реальность, методология, коммуникативные информационные процессы.
Key words. Artiﬁcial intelligence, general artiﬁcial intelligence, natural intelligence, consciousness, subjective reality, methodology, communicative information processes.

УДК 004.8/93

ОБЩИЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: АРХИТЕКТУРНЫЙ ПОДХОД
ARTIFICIAL GENERAL INTELLIGENCE: AN ARCHITECTURAL APPROACH

Аннотация. Для моделирования общего искусственного интеллекта (AGI) предложено использовать архитектурный подход. Выделяется три слоя и пять уровней модели AGI. Два уровня («Энтропия» и «Процессы») находятся на технологическом слое, еще два уровня («Социум» и «Информация») находятся на слое отношений, ответственном за социальное поведение ИИ, и, наконец, самый верхний уровень (актуализация) определяет уровень интеллекта. Все компоненты каждого верхнего слоя соединены с компонентами нижних слоев, образующими AGI-модель. Особенность слоя отношений (социального слоя) определяется требованиями к субъектности интеллекта, его способности самостоятельно принимать решения и нести за них ответственность. Функциями верхнего уровня модели AGI, делающими его человекоподобным, являются самоидентификация, этика и мораль и т.п.

Работа выполнена при поддержке РНФ, проект № 21-18-00184 «Социогуманитарные основания крите- риев оценки инноваций, использующих цифровые технологии и искусственный интеллект».

Abstract. It is proposed to use an architectural approach for modeling general artiﬁcial intelligence (AGI). There are three layers and ﬁve levels of the AGI model. Two levels («Entropy» and «Processes») are on the technological layer, two more levels («Society» and «Information») are on the relationship layer responsible for the social behavior of AI, and, ﬁnally, the highest level (actualization) determines the level of intelligence. All components of each upper layer are connected to the components of the lower layers, forming an AGI model. The peculiarity of the relationship layer (social layer) is determined by the requirements for the subjectivity of the intellect, its ability to make decisions independently and be responsible for them. The top-level functions of the AGI model that make it human-like are self-identiﬁcation, ethics and morality, etc.

Ключевые слова. Искусственный интеллект, общий искусственный интеллект, моделирование искусственного интеллекта, архитектурный подход, субъектность интеллекта.
Key words. Artiﬁcial intelligence, general artiﬁcial intelligence, artiﬁcial intelligence modeling, architectural ap- proach, subjectivity of intelligence.

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

УДК 004.89

К ВОПРОСУ ПРИМЕНИМОСТИ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ И АНАЛИЗА ДАННЫХ ДЛЯ ВЫЯВЛЕНИЯ ПРИЗНАКОВ ОПРЕДЕЛЕННЫХ КАТЕГОРИЙ ПРЕСТУПЛЕНИЙ
ON THE APPLICABILITY OF MACHINE LEARNING AND DATA ANALYSIS METHODS TO IDENTIFY SIGNS OF CERTAIN CATEGORIES OF CRIMES

Аннотация. В статье рассматриваются вопросы применимости методов машинного обучения и анализа данных для структуризации информации из разных источников и выявления признаков серийности (сходства) определенных категорий преступлений.

Abstract. The article discusses the applicability of machine learning and data analysis methods for structuring information from different sources and identifying signs of seriality (similarity) of certain categories of crimes.

Ключевые слова. Искусственный интеллект, массивы больших данных, предиктивная аналитика машинное обучение.
Key words. Artiﬁcial intelligence, big data arrays, predictive analytics, machine learning.

УДК 621.396.677.51

БЕЗВЕСОВАЯ ОБРАБОТКА СИГНАЛОВ НА ВХОДЕ ОБНАРУЖИТЕЛЯ
WEIGHTLESS SIGNAL PROCESSING AT THE DETECTOR INPUT

Аннотация. В статье рассмотрен метод обработки информации по сигнальной последовательности, отраженной от объекта малой размерности и получаемой на входе приемного устройства. Помимо малых энергетических характеристик входной последовательности, важной особенностью является необходимость принятия решения об обнаружении или прекращении сопровождения объекта.

Abstract. The article considers a method for processing information on a signal sequence reﬂected from an object of small dimension and received at the input of a receiving device. In addition to the small energy characteristics of the input sequence, an important feature is the need to make a decision on the detection or termination of object tracking.

Ключевые слова. Обнаружение последовательности, безвесовая обработка, критерий обнаружения.
Key words. Sequence detection, weightless processing, detection criterion.

УДК 519.2

СПОСОБ ОЦЕНКИ ДОЛИ ОШИБОЧНЫХ РЕШЕНИЙ В ПРОЦЕССЕ МНОЖЕСТВЕННОЙ ПРОВЕРКИ СТАТИСТИЧЕСКИХ ГИПОТЕЗ
METHOD OF ESTIMATING THE SHARE OF ERRONEOUS SOLUTIONS IN THE PROCESS OF MULTIPLE TESTING STATISTICAL HYPOTHESES

Аннотация. Представлено решение второй и третьей частной задачи, актуальность и постановка которой была опубликована в статье «Постановка задачи статистической классификации множества элементов с известной плотностью распределения» . Отличительной особенностью разработанного решения является уточненный порядок расчета ожидаемой доли ошибочных решений, которые могут приняты в результате проведения множественной процедуры статистической классификации элементов с известной плотностью распределения. Настоящая статья является третьей из серии публикаций, посвященных результатам про- веденных исследований в области статистической классификации множества элементов с известной плот- ностью распределения.

Abstract. The solution of the second and third particular problems is presented, the formulation of which was published in the article «Formulation of the problem of statistical classiﬁcation of a set of elements with a known distribution density». A feature of the solution is a reﬁned procedure for calculating the expected proportion of errors that can be accepted for multiple classiﬁcation of elements with a known distribution density.

Ключевые слова. Множественная проверка статистических гипотез, ошибка первого и второго рода, статистическая гипотеза.
Key words. Multiple veriﬁcation of statistical hypotheses, error of the ﬁrst and second kind, statistical hypothesis.

УДК 519.2

СТАТИСТИЧЕСКАЯ КЛАССИФИКАЦИЯ МНОЖЕСТВА СЛУЧАЙНЫХ ЭЛЕМЕНТОВ С ИЗВЕСТНОЙ ПЛОТНОСТЬЮ РАСПРЕДЕЛЕНИЯ
STATISTICAL CLASSIFICATION OF A SET OF RANDOM ELEMENTS WITH A KNOWN DISTRIBUTION DENSITY

Аннотация. В статье представлена постановка задачи классификации вероятностно распределенных элементов в условиях стохастической неопределённости об истинных значениях их характеристик, а также общее содержание подхода, выбранного для ее решения. Комплекс условий задачи, учитывает большее число факторов, оказывающих существенное влияние на результат классификации множества элементов в условиях стохастической неопределённости, за счет чего усилено ее прикладное значение.

Abstract. The article presents the formulation of the problem of classiﬁcation of probabilistically distributed elements in conditions of stochastic uncertainty about the true values of their characteristics, as well as the general content of the approach chosen for its solution.

Ключевые слова.Классификация, множественная проверка статистических гипотез, ошибка первого и второго рода, статистическая гипотеза.
Key words. Сlassiﬁcation, multiple veriﬁcation of statistical hypotheses, error of the ﬁrst and second kind, statistical hypothesis.

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

УДК 004.8/93

НОРМАТИВНО-ПРАВОВЫЕ АСПЕКТЫ РЕГУЛИРОВАНИЯ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
REGULATORY AND LEGAL ASPECTS OF REGULATION APPLICATIONS OF ARTIFICIAL INTELLIGENCE

Аннотация. Бурный рост развития и внедрения искусственного интеллекта, практики технологических новаций и связанные с ними риски, влияющие на общественные отношения, качество и виды деятельности, предопределяют возросшие требования к нормативно-правовому регулированию его применения.

Abstract. The rapid growth of the development and implementation of artiﬁcial intelligence, the practice of technological innovations and the associated risks aﬀecting public relations, quality and types of activities predetermines the increased requirements for regulatory regulation of its application.

Ключевые слова. Риски, искусственный интеллект, правовая охрана результатов, «высокорисковые» системы искусственного интеллекта.
Key words. Risks, artiﬁcial intelligence, legal protection of results, «high-risk» AI systems.

УДК 004.8

СОСТОЯНИЕ И ПРОГНОЗНЫЕ ОЖИДАНИЯ РАЗВИТИЯ МИРОВОГО РЫНКА РОБОТОТЕХНИКИ
THE STATE AND FORECAST EXPECTATIONS OF THE DEVELOPMENT OF THE GLOBAL ROBOTICS MARKET

Аннотация. В статье рассматриваются вопросы разработки понятийного базиса робототехники, интеграции с системами искусственного интеллекта, типология робототехники. Представлены прогнозные оценки развития отрасли. Значительно возрастает множественнность систем робототехники, и значение искусственного интеллекта в робототехнике.

Abstract. The article deals with the deﬁnitions of robotics, the integration with Artiﬁcial Intelligence, classiﬁcations of robots. There are presented forecast assesments for robotics as well as understanding of the increasing com- plexity and diversity of robotics and inﬂuence of AI.

Ключевые слова. Робототехника, искусственный интеллект, прогнозы, взаимодействие человека и робота.
Key words. Robotics, Artiﬁcial intelligence, forecasting, interaction men-robots.

УДК 531+532+539.1

ВЛИЯНИЕ ОБЛАКА ДИПОЛЬНЫХ ОТРАЖАТЕЛЕЙ НА ПЕРЕНАЦЕЛИВАНИЕ ПОЛУАКТИВНОЙ РГС РАКЕТЫ
THE EFFECT OF A CLOUD OF DIPOLE REFLECTORS ON THE RE-TARGETING OF A SEMI-ACTIVE MISSILE GOS

Аннотация. Перенацеливающие помехи некоторое время рассматривались как некий универсальный способ срыва атаки цели, не требующий для своей реализации особого информационного обеспечения.

В настоящей статье перенацеливающие помехи рассматриваются как тактический прием, осуществляемый в условиях определенной радиоэлектронной обстановки. Анализ этой обстановки осуществляется с использованием возможностей всей системы информационного обеспечения как отдельного самолета, так боевого порядка самолетов, с учетом возможных контрмер противника.

Abstract. Retargeting interference has been considered for some time as a kind of universal way to dis- rupt the target’s attack, which does not require special information support for its implementation. In this article, retargeting interference is considered as a tactical technique carried out in a certain radio-electronic environment. The analysis of this situation is carried out using the capabilities of the entire information support system, both an individual aircraft and the combat order of aircraft, taking into account possible enemy counter-measures.

Ключевые слова. Облако дипольных отражателей, перенацеливание, ракета.
Key words.Cloud of chaﬀ, retargeting, missile.

УДК 681.514.015.23

ПРИНЦИП МАКСИМУМА ПОНТРЯГИНА В ЗАДАЧАХ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ТРАЕКТОРИЕЙ ДВИЖЕНИЯ ОБЪЕКТА
PONTRYAGIN’S MAXIMUM PRINCIPLE IN PROBLEMS OPTIMAL CONTROL OF THE TRAJECTORY OF THE OBJECT

Аннотация. При решении задачи Лагранжа или задачи оптимального управления предполагается, что управление носит неограниченный характер. В реальности управление всегда ограничено по величине. Это ограничение связано с конечным значением возможностей управления. Впервые задачу Лагранжа с ограничением решила группа ученых под руководством академика Л.С. Понтрягина. Решение задачи явилось обобщением принципа Лагранжа.

Abstract. When solving the Lagrange problem or the optimal control problem, it is assumed that the control is unlimited. In reality, management is always limited in size. This limitation is related to the ﬁnite value of management capabilities. For the ﬁrst time, the Lagrange problem with restriction was solved by a group of scientists led by academician L.S. Pontryagin. The solution of the problem was a generalization of the Lagrange principle.

Ключевые слова. Принцип максимума Понтрягина, задача, оптимальное управление, траектория движения, объект.
Key words. Pontryagin’s maximum principle, problem, optimal control, motion trajectory, object.

УДК 004.8

РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СТАНОВЛЕНИИ СОВРЕМЕННОЙ ТЕХНОСФЕРЫ
THE ROLE OF ARTIFICIAL INTELLIGENCE IN FORMATION OF MODERN TECHNOSPHERE

Аннотация. С учетом нового технологического содержания техносферы и тесной ее взаимосвязи с развитием искусственного интеллекта показаны роль и особенности становления оборонной техносферы.

Abstract. Taking into account the new technological content of the technosphere and its close relationship with the development of artiﬁcial intelligence, the role and features of the formation of the defense technosphere are shown.

Ключевые слова. Искусственный интеллект, общий искусственный интеллект, моделирование искусственного интеллекта, архитектурный подход, субъектность интеллекта.
Key words. Artiﬁcial intelligence, natural intelligence, hybrid intelligence, self-organization, technosphere, noo- sphere, technology, innovation, weapons, weapons system.

УДК 004.8/93

РЕФЛЕКСИВНОЕ УПРАВЛЕНИЕ В ВОЕННЫХ СИСТЕМАХ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
REFLEXIVE CONTROL IN MILITARY ARTIFICIAL INTELLIGENCE SYSTEMS

Аннотация. В статье рассмотрены роль и место систем искусственного интеллекта в развитии передовых военных технологий на современном этапе. Показано различие между использованием автоматизации и интеллектуализации в системах управления войсками и оружием. Проанализирована роль рефлексии в си- стемах с искусственным интеллектом.

Abstract. The article examines the role and place of artiﬁcial intelligence systems in the development of advanced military technologies at the present stage. The diﬀerence between the use of automation and intellectualization in the control systems of troops and weapons is shown. The role of reﬂection in artiﬁcial intelligence systems is analyzed.

Ключевые слова. Искусственный интеллект, рефлексивное управление, система.
Key words. Artiﬁcial intelligence, reﬂexive control, system.

УДК 004.056

ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРОЦЕССОВ МОНИТОРИНГА И УПРАВЛЕНИЯ ИНЦИДЕНТАМИ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ
INTELLECTUALIZATION OF INFORMATION SECURITY MONITORING AND INCIDENT MANAGEMENT PROCESSES

Аннотация. В статье освещен разработанный авторами подход к использованию методов «искусственного интеллекта», основанных на глубоком машинном обучении, применительно к задачам мониторинга и выявлению инцидентов информационной безопасности. Приведен пример иерархии модели глубокого машинного обучения рассматриваемой предметной области и предложен метод анализа иерархии для построения иерархии модели на практике. Рассмотрены основные проблемы применения и угрозы модели машин- ного обучения. Подход предназначен для развития положений разработанных и принятых в 2021, 2022 годах национальных стандартов по мониторингу и управлению инцидентами.

Abstract. The article highlights the approach developed by the authors to the use of artiﬁcial intelligence methods based on deep machine learning in relation to the tasks of monitoring and identiﬁcation of information secu- rity incidents. An example of the hierarchy of the deep machine learning model of the subject area under consideration is given and the method of hierarchy analysis is proposed for constructing the hierarchy of the model in practice. The main problems of application and threats to the machine learning model are considered. The approach is designed to develop the provisions of the national standards for monitoring and incident management developed and adopted in 2021, 2022.

Ключевые слова. Управление, инцидент информационной безопасности, компьютерный инцидент, мониторинг, событие безопасности, искусственный интеллект, глубокое машинное обучение, иерархия, модель, метод анализа иерархий, техника, тактика, сценарий.
Key words. Management, information security incident, computer incident, monitoring, security event, artiﬁcial intelligence, deep machine learning, hierarchy, model, hierarchy analysis method, technique, tactics, scenario.