– вхождение ЭЗ Si,j (j = 1, ki ) в неупорядоченную ассоциацию Si.●Операции на ассоциациях. {…} – множество элементов.
– вхождение ЭЗ Si,j (j = 1, ki ) в неупорядоченную ассоциацию Si.
ˆ – вхождение ЭЗ Si,j (j = 1, ki ) в упорядоченную ассоциацию Si.
– строгое вхождение субассоциации S’m в неупорядоченную ассоциацию S’: S’m S’ или Sm, Sm+1, ... , Sm+k S’.
– нестрогое вхождение субассоциации S’m в неупорядоченную ассоциацию S’: S’m S’ или Sm, Sm+1, ... , Sm+k S’.
ˆ – строгое вхождение субассоциации S’m в упорядоченную ассоциацию S’: S’m ˆ S, или Sm, Sm+1, ... , Sm+k ˆ S’.
ˆ – нестрогое вхождение субассоциации S’m в упорядоченную ассоциацию S’: S’m ˆ S, или Sm, Sm+1, ... , Sm+k ˆ S’.
I – пересечение неупорядоченных ассоциаций.
ˆ I – пересечение упорядоченных ассоциаций.
\ – операция вычитания неупорядоченных ассоциаций.
●Синтаксис описателей образов 100 (Тип) 0, 1, 2.
100 – идентификатор образа. Идентификаторы образов обозначаются числами, буквами кириллического или латинского алфавита, словами и фразами естественного языка. (Тип) – тип композиции компонентных ЭЗ в образе 100; – символ, обозначающий отношение композиции между идентификатором образа, с одной стороны, и компонентными элементами, с другой; 0, 1 и 2 – компонентные ЭЗ образа 100; «,» (запятая), «;» (точка с запятой, «.» (точка) – метасимволы описателя образа.
●Принадлежность элемента знаний тому или иному отделу памяти. {10} – сенсорный ОП.
{{10}} – эффекторный ОП.
<<10>>– мультипериферийный ОП.
[10] – символьный подотдел понятийного отдела памяти.
<10> – понятийный подотдел понятийного отдела памяти.
10/СОП – сенсорный ОП.
10/ЭОП – эффекторный ОП.
10//МПОП – мультипериферийный ОП.
10/СПОП – символьный подотдел понятийного отдела памяти.
10/СПОП – символьный подотдел понятийного отдела памяти.
10/ППОП или 10/ПОП– понятийный подотдел понятийного отдела памяти.
10/АСОП – акустический сенсорный отдел памяти.
10/ЗСОП – зрительный сенсорный отдел.
Примеры.
100 (КР) [самолет] – лингвистическая конструкция «самолет», эквивалентна следующей конструкции: 100 (КР) [с], [а], [м], [о], [л], [е], [т].
<самолет> – понятие «самолет».
{самолет}/ЗСОП – зрительный образ самолета.
{самолет}/АСОП – акустический образ самолета.
{{удар кулаком}} - эффекторный образ действия «удар кулаком», выполняемого системой.
●Описание схем возбуждения образов и их цепочек. 0 -7 1 – передача возбуждения от ЭЗ 0 к ЭЗ 1.
ЭЗ 1 -7 ПМГВ-П ЭЗ 10 – элемент знаний 1 выполняет ПМГВ-П элемента знаний 10.
●Обозначения альтернативных множеств. АМ/УВАВ {100, 101, 102} – альтернативное множество на базе уровней внешнего афферентного возбуждения, содержащее ЭЗ 100, 101 и 102.
АМ/Оценки {100, 101, 102} – альтернативное множество на базе оценок.
ОАМ/Приоритеты {100, 101, 102} – оперативное альтернативное множество на базе приоритетов.
ФАМ/Приоритеты {100, 101, 102} – фоновое альтернативное множество на базе приоритетов.
ФАМ/Приоритеты {100, 101, 102} ⇒ 101 – выборка из фонового альтернативного множества на базе приоритетов ЭЗ 101.
●Обозначения, используемые в примерах. В примерах пунктирные линиями разделены различные этапы состояния рассматриваемого фрагмента памяти системы. Например, при рассмотрении процессов обобщения над чертой размещены – исходные образы, а под чертой – результат обобщения.
Аббревиатуры.
АВ – афферентное возбуждение.
АЛК – аппроксимирующая линия контура.
АМ – альтернативное множество.
АМ/МАВ – альтернативное множество на базе уровней мыслительного афферентного возбуждения.
АМ/Оценки – альтернативное множество на базе оценок.
АМ/Побуждение – альтернативное множество побуждений.
АМ/Побуждение-Н – альтернативное множество побуждений, требующих немедленной реакции системы.
АМ/Побуждение-О – альтернативное множество побуждений, требующих ординарной реакции системы.
АМ/Побуждение-Э – альтернативное множество побуждений, требующих экстренной реакции системы.
АМ/Приоритет – альтернативное множество на базе приоритетов.
АМ/Решения – альтернативное множество найденных системой решений.
АМ/УАВ – альтернативное множество на базе уровней афферентного возбуждения.
АМ/УВАВ – альтернативное множество на базе уровней внешнего афферентного возбуждения.
АМ/УМАВ – альтернативное множество на базе уровней мыслительного афферентного возбуждения.
АМ/УМЭВ – альтернативное множество на базе уровней мыслительного эфферентного возбуждения.
АМ/Цели – альтернативное множество элементов знаний, выступающих в качестве целей.
АПС - Активная Пирамидальная Сеть.
АЦП – аналогово-цифровой преобразователь.
ВАВ – внешнее афферентное возбуждение. ВхПИ – входной поток информации. ВыхПИ – выходной поток информации.
ГВ – горизонтальное возбуждение.
ДПО – декларативный понятийный образ.
ЕОС – естественные обучающиеся системы.
ИИ – искусственный интеллект.
ИЛБС – Информационно-Логические Биоморфные Системы.
ИОС – искусственные обучающиеся системы.
ИЧП – индикатор числа повторений.
КЗ – кортеж замкнутый.
КР – кортеж разомкнутый.
МАА – множество аналогичных ассоциаций. МАВ – мыслительное афферентное возбуждение. МАО – множество аналогичных образов.
МГВ – мыслительное горизонтальное возбуждение. МПЗ – модель (формализм) представления знаний. МПК – мультипериферийный кадр.
МПОП – мультипериферийный отдел памяти.
МЭВ – мыслительное эфферентное возбуждение.
НС – нейронная сеть.
ОАМ/Оценки – операционное альтернативное множество на базе оценок. ОАМ/Приоритет – операционное альтернативное множество на базе приоритетов. ОГВ-СД – операционное горизонтальное возбуждение сценария действий.
ОГВ-СМ – операционное горизонтальное возбуждение сценария мышления.
ОМ/УАВ – обзорное множество на базе уровней афферентного возбуждения.
ОП – отдел памяти.
ОС – обучающаяся система.
ОЭВ – операционное эфферентное возбуждение.
ПАВ – полное афферентное возбуждение.
ПАМ/Оценка – прогностическое альтернативное множество на базе оценок.
ПАМ/Приоритет – прогностическое альтернативное множество на базе приоритетов.
ПОГВ – подсознательное операционное горизонтальное возбуждение.
ПМГВ-О – обзорное подсознательное мыслительное горизонтальное возбуждение.
ПМГВ-П – подсознательное мыслительное горизонтальное возбуждение прогностическое.
ПМГВ-Ц – подсознательное мыслительное горизонтальное возбуждение при наличии цели.
ПОП – понятийный отдел памяти.
ПОЭВ-СД – подсознательное операционное эфферентное возбуждение сценария действий.
ППОП – понятийный подотдел понятийного отдела памяти.
РПС – растущие пирамидальные сети.
СИИ – система искусственного интеллекта.
СМГВ – сознательное мыслительное горизонтальное возбуждение.
СМГВ-П – сознательное мыслительное горизонтальное возбуждение прогностическое.
СОГВ – сознательное операционное горизонтальное возбуждение.
СОП – сенсорный отдел памяти.
СПСП – сценарием планирования сознательных процессов.
СРМ – сущность реального мира.
СЧОП – сенсорный частный отдел памяти.
СПОП – символьный подотдел понятийного отдела памяти.
СОЭВ-СД – сознательное операционное эфферентное возбуждение сценария действий.
УВ – уровень возбуждения.
УАВ – уровень афферентного возбуждения.
УВС – уровень возбуждения системы.
УИ – уровень интереса.
УПЗ – уровень представления знаний.
УЭВ – уровень эфферентного возбуждения.
ФАМ/Оценка – фоновое альтернативное множество на базе оценок.
ФАМ/Приоритет – фоновое альтернативное множество на базе приоритетов.
ЦОО – центр отрицательной оценки.
ЦПО – центр положительной оценки.
ЧАВ – частичное афферентное возбуждение.
ЧОП – частный отдел памяти.
ЭАО – элемент афферентного отражения.
ЭВ – эфферентное возбуждение.
ЭЗ – элемент знаний.
ЭЭО – элемент эфферентного отражения.
ЭС – экспертная система.
ЭЧОП – эффекторный отдел памяти.
ILBS – Information Logical Biomorphic Systems.
Анохин К.В. Мозг и разум. ACADEMIA. Лекция 1-я. Лекция 2-я. Эфир 26 и 27 апреля 2010 года. http://www.tvkultura.ru/theme.html?id=31602&cid=11846.
Анохин К.В. Мозговой бум. «Известия», 16.02.2010.
Анохин К.В. Эгоизм и альтруизм нейрона. Передача Гордона А. от 02.12.2003, http://ralimurad.narod.ru/lib/gordon/neuron/index.html.
Анохин К.В. Беседа о мозге. Российская газета (Федеральный выпуск) № 5064 15 декабря 2009.
Апрельский Уно. Когда же компьютеры обретут разум? PC Week, 2003, № 11 (377).
Бодякин В.И. Нейрокомпьютеры 10 лет спустя. Дискуссия (круглый стол).
Семантические нейроподобные сети - следующий шаг нейрокомпьютинга. http://www.ipu.ru/stran/bod/discuss.htm Веккер Л.М. Психика и реальность: единая теория психических процессов. Под общей редакцией А.В. Либина, Москва. «Смысл», «Per Se». 2000.
Величковский Б. M. Когнитивная наука. Основы психологии познания. В 2 т. М, Смысл, Издательский центр «Академия», 2006.
Галаган Н.И., Рабинович З.Л. Интеллектуальные решающие системы. Кибернетика, 1986, № 3, с. 18-26.
Гладун В.П. Эвристический поиск в сложных средах. Киев, Наукова думка, ИК АН УССР, 1977.
Гладун. В.П. Теоретические основы процесса формирования понятий и планирования действий в автоматизированных системах научных исследований. Автореферат диссертации … д.т.н. Киев, 1983. АН УССР. ИК им. В.М. Глушкова. УДК: 681.3.007.02.
Гладун В.П. Планирование решений. Киев, Наукова думка, 1987.
Гладун В.П. Процессы формирования новых знаний. София: СД «Педагог 6», 1994, 192 с.
Гладун В.П., Яворский А.Л. Синтез текстов в обучаемых системах естественно- языкового диалога. Кибернетика, 1985, № 1, с. 93 – 98, 102, библ. 7.
Захарченко В.М. Проблемы и перспективы создания нейроподобных устройств обработки информации (по данным отечественной и зарубежной печати за 1960 – 1983 гг.). Москва, Министерство электронной промышленности СССР, ЦНИИ «Электроника», Обзоры по электронной технике, Серия 9, Экономика и системы управления, Выпуск 1 (1006), 1984.
Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная конференция. (28 – 30 мая 2009 г.) Сборник научных трудов. Том 1, 2. Коломна 2009. Москва, Физматлит, 2009.
Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте. (ИММВИИ-2009). Научно-практическая конференция студентов, аспирантов, молодых учёных и специалистов. (26 – 27 мая 2009 г.) Научные доклады. Том 1, 2. Коломна 2009. Москва, Физматлит, 2009.
Интегрированные модели и мягкие вычисления в искусственном интеллекте. VI-я Международная конференция. (16 – 19 мая 2011 г.) Сборник научных трудов. Том 1, 2. Коломна 2011. Москва, Физматлит, 2011.
Касаткин А.М. Активные семантические сети в системе знаний роботов. Киев, Общество «Знание» УССР, 1981.
Катаева Т. Игры разума. По материалам беседы с Константином Анохиным. «В мире науки», 2006, июнь. «Очевидное-невероятное». http://elementy.ru/lib/430320 Лурье Д., Слюсарь Н. Привет, мозг! Ученый Константин Анохин о нейронауках.
«Афиша». 2009, 18 мая. http://www.afisha.ru/article/brain_anohin/.
Минский М. Фреймы для представления знаний. Москва, Энергия, 1979.
Мкртчан С.О. Нейроны и нейронные сети (Введение в теорию формальных нейронов и нейронных сетей). Москва, Энергия, 1971.
Нариньяни А.С. Искусственный интеллект – стагнация или новая перспектива? Российский НИИ Искусственного Интеллекта, 103001 Москва, а\я 111, narin@artint.msk.su.
Новости искусственного интеллекта, № 1, 1998.
Осипов Г.С. Искусственный интеллект: состояние исследований и взгляд в будущее. http://www.raai.org/about/persons/osipov/pages/ai/ai.html Панельная дискуссия. Новости искусственного интеллекта, № 1, 1998, стр. 115-136.
Поляков Г.И. О принципах нейронной организации мозга. Москва, Издательство Московского университета, 1965.
Попов Э.В. Общение с ЭВМ на естественном языке. М., Наука, Главная редакция физико-математической литературы, 1982.
Попов Э.В. Экспертные системы реального времени. В: Открытые системы, N2 (10), 1995.
Поспелов Г.С., Поспелов Д.А. Искусственный интеллект - прикладные системы. М., Знание, вып.9, 1985.
Поспелов Д.А. Логико-лингвистические модели в системах управления. М., Энергоиздат, 1981.
Поспелов Д.А., Метафора образ и символ - в познании мира. «Новости искусственного интеллекта», Журнал Ассоциации Искусственного Интеллекта, № 1, Москва, 1998 г., стр. 94-114.
Роговенко А.С. Обучающиеся интеллектуальные системы. Модель представления знаний, структура, общая схема функционирования. М., ЦНИИАтоминформ, 1990.
Рукопись депонирована Всесоюзным научно-исследовательским институтом межотраслевой информации, № Д08488 от 11.02.92.
Хокинс Д., Блейксли С. Об интеллекте. Москва: Изд. Дом. Вильямс, 2007.
Черняк Л.. Элементарен ли Watson? Открытые системы № 03, 2011.
Яворский А.Л. Об одном механизме машинного синтеза текстов на естественном языке.
В сборнике статей «Математические основы систем искусственного интеллекта», ИК АН УССР, Киев, 1981, с. 35 – 43, библ. 6.
David Ferrucci, Eric Brown, Jennifer Chu-Carroll, James Fan, David Gondek, Aditya A. Kalyanpur, Adam Lally, J. William Murdock, Eric Nyberg, John Prager, Nico Schlaefer, Chris Welty. Building Watson: An Overview of the DeepQA Project. AI Magazine, Vol. 33, № 3.
David Ferrucci, Anthony Levas, Sugato Bagchi, David Gondek, Erik Mueller. IBM Research Division, Thomas J. Watson Research Center. P.O. Box 704, Yorktown Heights, NY 10598. Watson: Beyond Jeopardy! IBM Research Report. RC25270 (W1106-019) June 2, 2011, Computer Science.
David Ferrucci, Eric Brown. IBM Research Division, Thomas J. Watson Research Center, P.O. Box 704, Yorktown Heights, NY 10598. Adapt Watson: A Methodology for Developing and Adapting Watson Technology. IBM Research Report. RC25244 (WAT1204-079) April 25, 2012, Computer Science.
David Ferrucci1, Eric Nyberg2, James Allan3, Ken Barker4, Eric Brown1, Jennifer Chu- Carroll1, Arthur Ciccolo1, Pablo Duboue1, James Fan1, David Gondek1, Eduard Hovi5, Boris Katz6, Adam Lally1, Micael McCord1, Paul Morarescu1, Bil Murdock1, Bruce Porter4, John Prager1, Tomek Strzalkowsli7, Chris Welty1, Wlodek Zadrozny1. 1IBM Research Division, Thomas J. Watson Research Center. P.O. Box 704, Yorktown Heights, NY 10598;
2Carnegie Mellon University; 3University of Massachusetts; 4University of Texas;
5USC/ISI; 6MIT; 7SUNY Albany; IBM Research Division, Thomas J. Watson Research
Center. P.O. Box 704, Yorktown Heights, NY 10598; Towards the Open Advancement of Question Answering Systems. IBM Research Report. RC24789 (W0904-093) April 22, 2009, Computer Science.