Когнитивные инструменты абстрактного мышления автономных интеллектуальных мобильных систем

Решаются актуальные проблемы искусственного интеллекта, связанные с разработкой инструментальных средств абстрактного мышления автономных интеллектуальных мобильных систем, позволяющих планировать целенаправленное поведение в труднодоступных и агрессивных для человека средах. Предложены когнитивные инструменты, обеспечивающие интеллектуальным системам возможность организации целенаправленной многоэтапной деятельности, связанной с решением сложных задач, когда план поведения автоматически строится в одних условиях проблемной среды, а заданная цель поведения достигается в других условиях функционирования, находящихся за пределами разрешающей способности технического зрения. Важной особенностью предложенных типовых элементов представления и обработки знаний является то, что они позволяют интеллектуальным системам организовать вывод решения сложных задач, опираясь только на данные, хранящиеся в модели представления знаний и поступающие из текущих условий функционирования.

В общем случае разработанная модель знаний интеллектуальных систем различного назначения состоит из декларативных и процедурных типовых элементов их представления. Для формального описания типовых элементов представления декларативных знаний используются традиционные семантические сети и различные наборы ограничений, отражающих дополнительные условия предстоящего функционирования автономных мобильных интеллектуальных систем. Что же касается формального описания типовых элементов представления процедурных знаний безотносительно к конкретной предметной области, то для этого используются нечеткие семантические сети. Это позволяет автономным интеллектуальным мобильным системам адаптироваться к конкретным условиям функционирования в недоопределенных проблемных средах и выполнять на этой основе сформулированные для них сложные задания.

Практическая значимость полученных результатов заключается в эффективности их использования для разработки интеллектуальных решателей задач, обеспечивающих автономным интеллектуальным мобильным системам различного назначения возможность выполнения сложных заданий в априори недоопределенных проблемных средах путем адаптации сформированного в общем виде плана целенаправленной деятельности к конкретным текущим условиям функционирования.

1. Курпатов А. В. Мышление. Системное исследование. М.: Капитал, 2022. 672 с.

2. Губайновский В. А. Искусственный интеллект и мозг человека. М.: Наука, 2019. 254 с.

3. Мелехин В. Б., Хачумов М. В. Планирование поведения автономных интеллектуальных мобильных систем в условиях неопределенности / Под ред. проф. В. М. Хачумова. СПб: Политехника, 2022. 276 с.

4. Мелехин В. Б., Хачумов М. В. Инструментальные средства управления целесообразным поведением самоорганизующихся автономных интеллектуальных агентов // Мехатроника, автоматизация, управление. 2021. Т. 22, № 4. С. 171— 80.

5. Карпов В. Э., Карпова И. П., Кулинич А. А. Социальные сообщества роботов. М.: ЛЕНАНД, 2019. 352 с.

6. Мелехин В. Б., Хачумов М. В. Принцип построения процедур планирования поведения автономных интеллектуальных роботов на основе полипеременных условно-зависимых предикатов // Автоматика и телемеханика. 2022. № 4. С. 140—154.

7. Газе-Рапопорт М. Г., Поспелов Д. А. От амебы к роботу. Модели поведения. М.: URSS, 2019. 304 с.

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

9. Melekhin V. B., Khachumov M. V. Planning polyphasic behavior of autonomous intelligent mobile systems in uncertain environments // Information and Control Systems. 2021. N. 4 (113). P. 28—36.

10. Мелехин В. Б., Хачумов М. В. Принцип распознавания объектов проблемной среды в процессе планирования поведения автономной интеллектуальной мобильной системы // Морские интеллектуальные технологии. 2022. Т. 1, № 3 (55). С. 181—187.

11. Gonzalez R. C., Woods R. E. Digital image processing. London: Pearson, 2018. 1168 p.

12. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. Pearson, 2020. 1216 p.

13. Остроух А. В. Интеллектуальные системы. Красноярск: Научно-инновационный центр, 2020. 316 с.

14. Мелехин В. Б., Хачумов В. М. Элементы понятийного мышления в планировании поведения автономных интеллектуальных агентов // Мехатроника, автоматизация, управление, 2021. Т. 22, № 8. С. 411—419.

15. Melekhin V. B., Khachumov M. V. Fuzzy semantic networks as an adaptive model of knowledge representation of autonomous intelligent systems // Scientific and Technical Information Processing. 2021. Vol. 48, N. 5. P. 333—341.

16. Филимонов А. Б., Филимонов Н. Б. Ситуационный подход в задачах автоматизированного управления техническими объектами // Мехатроника, автоматизация, управление. 2018. Т. 19, № 9. С. 562—578.

17. Zaden L. A. The concept of a linguistic variable and its application to approximate reasoning, Part I: Information Sciences. 1975. Vol. 8. P. 199—249; Part II: Information Sciences. 1975. Vol. 8,. P. 301—357; Part III: Information Sciences. 1975. Vol. 9. P. 43—80.

18. Флегонтов А. В., Вилков В. Б., Черных А. К. Моделирование задач принятия решений при нечетких исходных данных. М.: Лань, 2020. 332 с.