Публикации автора

В статье исследуется проблематика создания смысловых моделей знаний, которые могут быть использованы для наделения систем искусственного интеллекта способностью в пониманию смысла текста на естественном или любом другом языке. В качестве возможных средств для построения смысловых моделей знаний рассматриваются механизм мультисистемной интеграции знаний, разработанный авторами ранее, формальные онтологии и техники понимания смысла, сформировавшиеся в рамках филологической герменевтики. Значимыми составляющими представленного в статье исследования являются рассмотрение используемых в настоящее время языковых моделей искусственного интеллекта, нового подхода к осмыслению знаний через их обобщение в виде открытых моделей, оценка генезиса и перспектив телеологической и аксиологической интерпретаций смысла для естественных и искусственных когнитивных систем. Методологической базой представленного в статье исследования являются авторские наработки в области системного анализа, известные методы анализа, принятые в рамках герменевтики, структурализма, классической гносеологии, теории формальных онтологий, лингвистического и языкового моделирования. Научная новизна данного исследования заключается в определении необходимого инструментария для создания смысловых моделей, обобщающих знания. Указанный инструментарий включает: мультисистемную интеграцию знаний, основанную на интеграции субъекта познания во множество систем с последующим обобщением паттернов, выявляемых в этих системах, и их трансляции для решения задач осмысления и творчества; формальные онтологии, реализующие описание знаний из какой-либо предметной области в виде концептуальных схем с учетом имеющихся правил и связей между элементами, позволяющее автоматическое извлечение знаний; широкое разнообразие герменевтических техник понимания смыслов. Констатированы объективные ограничения использования для искусственных когнитивных систем, не обладающих субъектностью, ценностной приоритизации в понимании смыслов. Некоторые ограничения в использовании для искусственных когнитивных систем также имеют герменевтические техники понимания смысла текста. Это связано с невозможностью полноценной рефлексии без чувств, эмоций и желаний, порождаемых потребностями, также инициирующими субъектность.

Статья посвящена исследованию проблематики построения системы знаний, способной стать основой функционирования креативного искусственного интеллекта, способного решать творческие задачи. Ключевым вопросом, от ответа на который зависит возможность построения такой системы, является определение рациональности творческого процесса, т. е. возможности его формализации в рамках детерминированной методологии. Если это возможно, то возможно и построение системы знаний, могущей стать основой креативного искусственного интеллекта. Теоретической основой указанного построения может служить общая теория систем, но не в том виде, в котором она существует в настоящее время. Успешное развитие общей теории систем, позволяющее осмыслить феномен творчества, требует расширения и систематизации существующих знаний о проявлении изоморфизма в мироздании: создания репрезентативных коллекций паттернов, примитивов, а также вторичных законов, надежно подтвержденных эмпирически, но в полной мере не детерминированных. В качестве объекта исследования в статье выбраны когнитивные системы, включающие в себя все автономные познающие системы (как живые, так и неживые; как интеллектуальные, так и неинтеллектуальные), наделенные самосознанием. Определяющим механизмом систематизации знаний для креативного искусственного интеллекта является механизм мультисистемной интеграции знаний, в основе которого лежит интеграция знаний из разных предметных областей, с разных уровней организации мироздания для их обобщения и использования вне областей их выявления для решения творческих задач. В результате в сознании формируется ассоциативная база данных. Важным инструментом низкоуровневого обобщения данных и знаний в целом, являющегося одним из источников формирования системного целостного знания, служат нейронные схемы, отражающие элементарные отношения между элементами одной системы, а также (по итогам сопоставления) типовые отношения элементов в разных системах. Фиксация нейронных схем является результатом эмпирического определения в процессе обучения коэффициентов связи между элементами нейронной сети.