Элементы понятийного мышления в планировании поведения автономных интеллектуальных агентов

Обоснована целесообразность использования инструментальных средств наглядно-действенного, наглядно-образного и понятийного мышления для планирования целенаправленной деятельности автономных интеллектуальных агентов в различных по степени априорной неопределенности проблемных средах. Раскрыто содержание и показана роль каждой формы мышления в процессе автоматического планирования целенаправленного поведения автономных интеллектуальных агентов в меняющихся условиях функционирования. Обозначена особая роль понятийного мышления в выполнении автономными агентами сложных заданий и связанного с ним планирования полифазного поведения. С учетом сложности проблем, связанных с формализацией мыслительных актов понятийного мышления, показаны возможные пути постепенного его развития от начального уровня до перехода на более высокие уровни развития, и на этой основе расширен класс решаемых автономными интеллектуальными агентами задач. Разработана модель представления знаний и инструментальные средства вывода решений начального уровня понятийного мышления, позволяющие интеллектуальным агентам разбивать полученные ими задания на подцели поведения, а затем планировать на этой основе полифазную деятельность путем поиска решений связанных с ней подзадач, которые обеспечивают определение минимальных по длине маршрутов перемещения в проблемной среде с препятствиями и целенаправленное манипулирование находящимися в ней объектами. Синтезированы инструментальные средства, позволяющие устанавливать порядок отработки сложных действий, входящих в структуру сформулированного автономному интеллектуальному агенту задания. Показано, что дальнейшее развитие предложенных методических основ построения интеллектуальных решателей задач связано с формализацией более высокого уровня мыслительных актов понятийного мышления, позволяющих обеспечить возможность решения различных по сложности практических задач, сформулированных как в процедурной, так и в декларативной форме представления в виде различных целевых ситуаций проблемной среды, имеющих большую размерность.

1. Поддьяков Н. Н. Мышление дошкольника. М.: Педагогика, 1977. 277 с.

2. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. 184 с.

3. Берштейн Л. С., Мелехин В. Б. Планирование поведения интеллектуального робота. М.: Энегоатомиздат, 1994. 340 с.

4. Stuart Russell, Peter Norvig. Artificial Intelligence: A Modern Approach. 4 ed. Pearson, 2020. 1216 p.

5. George F. Luger. Artificial Intelligence. Structures and Strategies for Complex Problem Solving. 6 ed. Pearson, 2008. 784 p.

6. Kelly A. Mobile Robotics: Mathematics, Models, and Methods. Cambridge: Cambridge University Press, 2013. 808 p.

7. Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М. В. Достоверный и правдоподобный вывод в интеллектуальных системах / Под ред. В. Н. Вагина, Д. А. По- спелова. 2-е изд. доп. и испр. М.: Физматлит, 2008. 729 с.

8. Мелехин В. Б. Пополнение знаний автономного интеллектуального робота в недоопределенных средах на основе комбинированных правил вывода логики условно- зависимых рассуждений // Искусственный интеллект и принятие решений. 2016. № 3. С. 11—20.

9. Морис Коэн, Эрнст Нагель. Введение в логику и научный метод. М.: Социум, 2017. 520 с.

10. Мелехин В. Б., Хачумов В. М. Пополнение знаний автономного беспилотного квадрокоптера — манипулятора в недоопределенной проблемной среде // Искусственный интеллект и принятие решений. 2019. № 1. С. 39—48.

11. Мелехин В. Б., Хачумов М. В. Нечеткие семантические сети как адаптивная модель представления знаний автономных интеллектуальных систем // Искусственный интеллект и принятие решений. 2020. № 3. С. 61—72.

12. Кулинич А. А., Карпов В. Э., Карпова И. П. Социальные сообщества роботов. М.: URSS, ООО "ЛЕНАНД", 2019. 352 с.

13. Мелехин В. Б. Модель представления и получения новых знаний автономным интеллектуальным роботом на основе логики условно-зависимых предикатов // Известия РАН. Теория и системы управления. 2019. № 5. С. 87—107.

14. Поляков И. В., Чеповский А. А., Чеповский А. М. Алгоритмы поиска путей на графах большого размера // Фундаментальная и прикладная математика. 2014. № 1(19). С. 165—172.

15. Esposito F., Paola D., Matta I. On Distributed Virtual Network Embedding with Guarantees // IEEE ACM Trans. Netw. 2014. Vol. 4(1). P. 569—582.

16. Cormen T., Leiserson С., Rivest R. Introduction to Algorithms. Cambridge, 1990. 1091 p.

17. Dehmer M., Emmert-Streib F. ed. Quantitative Graph Theory. Mathematical Foundations and Applications. Taylor & Francis, 2015. 493 p.

18. Веккер Л. М. Психика и роль. М.: Мысль, 1998. 684 c. 1. Podd’yakov N. N. Preschooler thinking, Moscow, Pedagogika, 1977, 277 p. (in Russian).