Миварное понимание смысла через концепты

Миварное понимание смысла через концепты
Олег Олегович Варламов

Миварные технологии создания логического искусственного интеллекта: логическая обработка с линейной вычислительной сложностью более 3 миллионов продукций и возможность понимания смысла через моделирование большого контекста. Выделены 3 уровня научных исследований в области искусственного интеллекта (ИИ). Приведены результаты практических расчетов и решений задач, которые экспериментально подтвердили линейную вычислительную сложность логического вывода и/или автоматического конструирования алгоритмов в формализме миварных сетей (MIVAR net`s). Программа УДАВ обрабатывает более 1,17 млн объектов и более 3,5 млн правил. Обоснован путь создания ИИ: Мивары => БД + Логика => Контекст => Смысл => Искусственный интеллект! Мивары позволят компьютерам обучаться и понимать смысл, что создаст логический искусственный интеллект.

О.О. Варламов

Миварные технологии создания логического искусственного интеллекта: логическая обработка с линейной вычислительной сложностью более 3 миллионов продукций и возможность понимания смысла через моделирование большого контекста

Введение

Проблема создания интеллектуальных систем и логического искусственного интеллекта (ИИ) является актуальной и важной. Этой тематике посвящено большое количество научных работ [Поспелов, 1989], [Люгер, 2005], [Джарратано и др., 2007], [Варламов, 2002], [Когаловский, 2005], [Кузнецов, 2009], [Санду и др., 2010]. Миварный подход позволяет предложить новые модели и методы обработки информации и управления [Варламов и др., 2010], [Варламов, 2002], [Варламов, 2011], [Мивар, 2011], [Санду и др., 2010]. Под системами искусственного интеллекта будем понимать активные самообучающиеся логически рассуждающие системы. Ранее были разработаны технологии создания экспертных систем по узконаправленным предметным областям. Это обусловлено сложностями формализованного описания предметных областей и тем, что из-за факториальной вычислительной сложности системы логического вывода не могли обрабатывать много объектов/правил [Кузнецов, 2009], [Поспелов, 1989], [Люгер, 2005]. Для реализации экспертных систем, основанных на знаниях, используются продукции, логика предикатов и др. [Джарратано и др., 2007]. В то же время, получили развитие "интеллектуальные пакеты прикладных программ" (ИППП), которые позволяли решать в автоматизированном режиме задачи в разных областях, где требовались вычисления и конструирование алгоритмов решения задач. Технологии ИППП развиваются в миварах, сервисно-ориентированных архитектурах.

Российский фундаментальный инновационный миварный подход [Варламов, 2002], [Варламов, 2003], [Варламов, 2011], [Мивар, 2011], [Санду и др., 2010] позволяет использовать эволюционные базы данных и правил для формирования единого глобального пространства накопления и обработки информации. Миварный подход позволит создать мультипредметные экспертные системы и перейти к реальной обработке больших контекстов, представляющих собой информационные модели сложных предметных областей. Уже сейчас мивары обрабатывают более 3,5 миллионов продукций. На основе миварных сетей можно создавать сложные и сверхбольшие информационные модели. Это позволит работать с адекватными контекстами и, в ближайшей перспективе позволит компьютерам "понимать смысл информации". Следовательно, тема данной работы актуальна и перспективна.

1. Миварный подход

В миварном подходе объединяются базы данных, вычисления, сервисы и логика. Мивары изначально были рассчитаны на многомерное и эволюционное представление информации для создания различных интеллектуальных систем, включая глобальные системы обучения, обработки информации и тренажеры [Варламов, 2002], [Варламов, 2003], [Варламов, 2011], [Мивар, 2011], [Санду и др., 2010]. Информатика занимается 5 основными процессами: сбор, передача, накопление, обработка и представление информации. В настоящее время мивары из этих 5 процессов реализует два: накопление и обработку информации, а миварный подход включает две основные технологии.

1) Миварная технология накопления информации – это способ создания глобальных эволюционных баз данных и правил (знаний) с изменяемой структурой на основе адаптивного дискретного миварного информационного пространства унифицированного представления данных и правил, базирующегося на трех основных понятиях "вещь, свойство, отношение" (полученных на основе гносеологии и работ Райбекаса А.Я.).

2) Миварная технология обработки информации – это способ решения логико-вычислительных задач путем создания системы логического вывода или "конструирования алгоритмов из модулей, сервисов или процедур" на основе активной обучаемой миварной логико-вычислительной сети правил ("миварная сеть" – "MIVAR net") с линейной вычислительной сложностью.

Миварная технология накопления информации предназначена для хранения любой информации с возможным эволюционным изменением структуры и без ограничений по объему и формам представления. Миварная технология обработки информации предназначена для обработки информации, включая логический вывод, вычислительные процедуры и сервисы. Фактически, миварные сети позволяют развить продукционный подход и создать автоматическую обучаемую логически рассуждающую систему реального времени. Миварное представление логики позволило перейти от однодольных графов продукций к многодольным сетям и выполнять все операции с линейной сложностью.

Мивары быстрее, чем продукции, потому что:

1) в продукциях за основу поиска были взяты правила, которые перебирались для поиска решения, что порождало полный перебор, факториальную сложность и циклы (рисунок 1);

2) в миварных сетях явно выделены две доли: "правила" и "объекты" ("переменные"), а за основу поиска алгоритма логического вывода взяты именно "объекты", которые могут иметь только одно значение и их можно найти только один раз, что исключает циклы и полный перебор (рисунок 1);

3) Миварная сеть может быть задана двухмерной матрицей (рисунок 2), в которой каждое правило знает все свои входные и выходные объекты, а каждый объект, соответственно, знает все свои правила и свои роли в них ("вход" или "выход"), что позволяет избежать перебора и постепенно выявляя новые известные объекты через соответствующие правила, постоянно сокращать размерность исходной миварной матрицы обеспечивая линейную вычислительную сложность логического вывода относительно общего количества правил в матрице.

При поиске логического вывода в миварной сети, как показано на рисунке 3, заданные объекты как бы "вытягивают" на следующем уровне свои соответствующие правила, которые затем "вытягивают" соответствующие полученные объекты. Такое "вытягивание" миварами может быть реализовано и "сверху-вниз", и "снизу-вверх", и одновременно от "дано" и от "найти". При этом нет никакого перебора и каждое правило, и каждый объект используется и ищется только один раз. В худшем случае, если есть решение, то будет задействована вся логическая сеть путем такого "вытягивания" с линейной вычислительной сложностью. Если в процессе логического вывода входных данных не будет хватать, то по мере исчерпания всех "запускаемых" правил (т.е. правил у которых известны все входные объекты) процесс остановится и сообщит о нехватке входных данных.

Рисунок 1 – Переход от однодольных графов продукций ("Правила") к двудольным графам миварных сетей ("Объекты; Правила")

Рисунок 2 – Формирование матрицы миварной сети

Рисунок 3 – Формирование двудольной миварной сети на основе потока входных данных объектов, типа "Дано" (сверху) и "Найти" (снизу)

В отличие от традиционных подходов, разделяющих хранение в базах данных, логический вывод и вычислительную обработку, миварный подход позволяет создавать многомерные и эволюционные системы, обрабатывающие информацию в реальном масштабе времени с совмещением логических выводов и вычислительной обработки. Миварный подход – это новый подход для разработки интеллектуальных систем и, в ближайшей перспективе, для создания систем логического искусственного интеллекта [Варламов, 2002], [Варламов, 2003], [Варламов, 2011], [Мивар, 2011], [Санду и др., 2010].