CC BY
5УДК 004.8, 007.5
О СОЗДАНИИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ НА ОСНОВЕ «МНОГОМЕРНОЙ ОТКРЫТОЙ ГНОСЕОЛОГИЧЕСКОЙ АКТИВНОЙ СЕТИ» MOGAN ON THE CREATION OF INFORMATION TECHNOLOGIES FOR MATHEMATICAL MODELING BASED ON «MULTIDIMENSIONAL OPEN GNOSEOLOGICAL ACTIVE NETWORK» MOGAN
Варламов О. О., д-р. техн. наук, профессор
ФГБОУ ВО «Московский государственный технический университет имени Н. Э. Баумана» Научно-исследовательский институт МИВАР Россия, г. Москва, ovar@narod.ru
Аннотация. Для логического математического моделирования нужны новые инструменты, способные работать в разных областях. Многолетние исследования миварных технологий логического искусственного интеллекта позволили создать новый мощный, универсальный и быстрый инструмент, который назван: многомерная открытая гносеологическая активная сеть -multidimensionalopengnoseologicalactivenet(MOGAN). Этот инструмент позволяет быстро и просто работать с логическими рассуждениями формата «Если, То» и его можно использовать для математического моделирования и создания прикладных систем искусственного интеллекта нового поколения.
Ключевые слова: мивар, миварные сети, искусственный интеллект, многомерная открытая гносеологическая активная сеть, MOGAN, MIPRA.
Abstract. Logical mathematical modeling requires new tools that can work in different fields. Long-term research of mivar technologies of logical artificial intelligence has allowed to create a new powerful, versatile and fast tool, which is called: multidimensional open gnoseological active net (MOGAN). This tool allows you to quickly and easily work with logical reasoning in the «If, Then» format and it can be used for mathematical modeling and creating newgeneration artificial intelligence applications.
Key words: mivar, mivar nets, artificial intelligence, multidimensional open gnoseological active net, Wi!Mi, MOGAN, MIPRA.
Введение. Миварные технологии [1] логического искусственного интеллекта (ИИ) [2] созданы для эволюционного накопления данных, логическойобработки [3] и автоматического конструирования алгоритмов [4]. Миварный способ [5] позволил снять ограничение NPпродукционного вывода в формате «если..., то...» [6] за счет снижения его вычислительной сложности до линейной. Миварные экспертные системы используют [7] для создания автономных робототехнических комплексов и АСУ [8], беспилотных автомобилей [9], распознавания образов [10] и экспертного моделирования [11].
Известно, что целью работ в области ИИ было построение «думающих машин» как автоматических систем обработки информации и управления, которые превзошли бы умственные возможности человека. Конечно, все было направлено на создание сильного ИИ (AGI), сравнимого с человекоподобным мозгом: универсальным и целостным. Методы ИИ всегда использовали для математического моделирования и создания информационных технологий. Таким образом, тематика данной работы актуальна и практически значима.
MOGAN.Созданная «многомерная открытая гносеологическая активная сеть» -multidimensionalopengnoseologicalactive net (MOGAN) основана на объединении эволюционного ми-варного информационного пространства «Вещь-Свойство-Отношение» и миварных двудольных сетей с линейной вычислительной сложностью логического вывода [2]. MOGAN объединяет достоинства этих двух математических аппаратов и позволяет создать универсальный инструмент ИИ для одновременного накопления и быстрой обработки информации.На основе MOGAN создан программный комплекс Wi!Mi [6] по конструированию экспертных систем 2-го поколения, который на тестах на одном обычном компьютере позволяет строить алгоритмы решения со скоростью более 5 миллионах продукционных правил формата «Если - То».
Основные свойства MOGAN.Инструмент MOGAN создан на основе миварных технологий и наследует все их основные достоинства.
Эволюционное накопление любых сведений в многомерной базе данных с изменяемой структурой на основе гносеологической модели «Вещь-Свойство-Отношение».
Открытость к изменениям - в любой момент можно добавить как данные, так и правила, а после выполнения необходимых контрольных процедур, можно автоматически продолжить решение задач.
Активность - на основе базы знаний и выполняющегося логического вывода можно автоматически определять какие исходные данные необходимы для решения поставленной задачи.
Быстрота - кардинальное снижение вычислительной сложности построения алгоритмов позволяет обрабатывать более 5 млн правил/сек.
«Легкость» - низкие требования к вычислительному оборудованию для функционирования системы, вплоть до решения сложных задач на смартфонах.
Экономия энергии - «легкость» инструмента позволит значительно сократить затраты на электричество.
Встраивание в малые устройства - низкие требования к оборудованию позволяют использовать продукт для «интернета вещей» и других киберфизических систем.
Междисциплинарность - эволюционное накопление знаний позволяет объединить в одном продукте разные базы знаний для разных областей.
Простота обучения - работе с нашими продуктами быстро обучаются разные специалисты и отлично справляются даже школьники.
Легкость обучения баз знаний - фактически наши базы знаний обучаются по типу воспитания детей, когда подробно и мелкими шагами закладывают все основные логические зависимости и знания.
Семантическая интероперабельность и возможность объединения баз знаний различных предметных областей в единое информационно-управляющее пространство и создание активной энциклопедии, которая будет выдавать алгоритм решения, а не ссылки на чужие документы.
Для многоагентных систем можно создавать сверхумных компактных агентов, возможности каждого из которых превышают человеческие.
В целом, наш инструмент совместим со многими уже разработанными продуктами, включая нейросетевые и другие, и позволяет реализовать в любой системе рассуждения на уровне выше «здравого смысла» человека. Уже созданы, проверены и сданы в эксплуатацию программные комплексы в области экспертных систем, понимания смысла текстов на естественном языке и принятия решений для автономных роботов, киберфизических систем и интернета вещей. MOGAN достаточно универсален и может стать фундаментом для создания общего искусственного интеллекта.
Вывод. Таким образом, для развития математического моделирования нужно создавать новые инструменты, примером которых является новый мощный, универсальный и быстрый инструмент, который назван: многомерная открытая гносеологическая активная сеть - MOGAN. Этот инструмент позволяет быстро и просто работать с логическими рассуждениями формата «Если, То» и его можно использовать для математического моделирования и создания различных прикладных систем искусственного интеллекта нового поколения.
Библиографический список:
1. Варламов, О. О. Миварный подход как основа качественного перехода на новый уровень в области искусственного интеллекта / О. О. Варламов // Радиопромышленность. - 2017. - № 4. - С. 13-25.
2. Варламов, О. О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство / О. О. Варламов. - Москва : Радио и связь, 2002. - 288 с.
3. Максимова, А. Ю. Миварная экспертная система для распознавания образов на основе нечеткой классификации и моделирования различных предметных областей с автоматизированным расширением контекста / А. Ю. Максимова, О. О. Варламов // Известия ЮФУ. Технические науки. -2011. - № 12 (125). - С. 77-87.
4. Варламов, О. О. Роль и место миваров в компьютерных науках, системах искусственного интеллекта и информатике / О. О. Варламов // Радиопромышленность. - 2015. - № 3. - С. 10-27.
5. Варламов, О. О. Автоматизированное построение маршрута логического вывода в миварной базе знаний / О. О. Варламов, А. М. Хадиев, М. О. Чибирова [и др.] // Патент на изобретение RUS 2607995 11.02.2015., опубликовано 11.01.2017, бюллетень № 2. - 43 с.
6. Varlamov, O. O. Wi!Mi Expert System Shellasthe Novel Toolfor Building Knowledge-Based System swith Linear Computational Complexity / О. О. Varlamov // International Reviewof Automatic Control. - 2018.
- № 11 (6). - Р. 314-325.
7. Варламов, О. О. О возможности создания интеллектуальных систем на основе GRID, систем адаптивного синтеза ИВК, сервисно-ориентированной архитектуры и миварного информационного пространства / О. О. Варламов // Известия ТРТУ. - 2005. - № 10 (54). - С. 130-140.
8. Automated process control lsystem of mobile crushing and screening plant / А. Ostroukh, N. Surkova, O. Varlamov [et al.] // Journal of Applied Engineering Science. - 2018. - № 16 (3). - Р. 343-348.
9. Shadrin, S. S. Experimental Autonomous Road Vehiclewith Logical Artificial Intelligence / S. S. Shadrin, O. O. Varlamov, A. M. Ivanov // Journal of Advanced Transportation, vol. 2017, Article ID 2492765. - 2017. - 10 p.
10. Система автоматического тегирования изображений на основе миварных технологий / Ю. И. Майборода, М. Ю. Синцов, А. Ю. Озерин [и др.] // Программные системы: теория и приложения.
- 2014. - Т. 5. - № 4 (22). - С. 159-170.
11. Чувиков, Д. А. Применение экспертного моделирования в получении новых знаний человеком / Д. А. Чувиков // Радиопромышленность. - 2017. - № 2. - С. 72-80.
