Теория систем
<<  Основы теории агентов и многоагентных систем Сети фиксированной телефонной связи  >>
Институт проблем математических машин и систем НАНУ Общая теория
Институт проблем математических машин и систем НАНУ Общая теория
Проблемы, решаемые при разработке интеллектуальных систем Базовые
Проблемы, решаемые при разработке интеллектуальных систем Базовые
1. Проблемы, решаемые при разработке интеллектуальных систем
1. Проблемы, решаемые при разработке интеллектуальных систем
4
4
Естественный интеллект Интеллект –intelligence - (лат
Естественный интеллект Интеллект –intelligence - (лат
2. Базовые понятия формирования естественного интеллекта (Основы
2. Базовые понятия формирования естественного интеллекта (Основы
7
7
Синапс 
Синапс 
Биологические нейронные сети
Биологические нейронные сети
Дивергентные сети
Дивергентные сети
Локальная сеть
Локальная сеть
Иерархические системы обеспечивают очень точную передачу информации
Иерархические системы обеспечивают очень точную передачу информации
Передающие и принимающие клетки объединены в нервные цепи или сети
Передающие и принимающие клетки объединены в нервные цепи или сети
14
14
Динамичность синаптических связей
Динамичность синаптических связей
16
16
Функциональная организация мозга
Функциональная организация мозга
Моторные (двигательные) системы мозга Для двигательных областей коры
Моторные (двигательные) системы мозга Для двигательных областей коры
Рефлексы
Рефлексы
Рефлексы
Рефлексы
21
21
22
22
23
23
Мышление 
Мышление 
25
25
Временная организация памяти
Временная организация памяти
27
27
Личность
Личность
Искусственный интеллект Интеллект –intelligence - (лат
Искусственный интеллект Интеллект –intelligence - (лат
30
30
Общая теория искусственного интеллекта (Бионический подход) Общая
Общая теория искусственного интеллекта (Бионический подход) Общая
Почему общая теория искусственного интеллекта
Почему общая теория искусственного интеллекта
Нейроподобный элемент
Нейроподобный элемент
34
34
Нейроподобная растущая сеть
Нейроподобная растущая сеть
Многосвязные нейроподобные растущие сети
Многосвязные нейроподобные растущие сети
37
37
37
37
38
38
40
40
41
41
42
42
43
43
44
44
45
45
46
46
46
46
47
47
48
48
49
49
50
50
51
51
52
52
53
53
54
54
55
55
56
56
57
57
58
58
59
59
60
60
61
61
62
62
63
63
64
64
65
65
66
66
67
67
68
68
69
69
70
70
71
71
73
73
Сенсорные системы (анализаторы) мозга 80 % воспринимаемой информации
Сенсорные системы (анализаторы) мозга 80 % воспринимаемой информации
Функция - Восприятие
Функция - Восприятие
Сенсорные системы
Сенсорные системы
Сенсорные системы
Сенсорные системы
Функция - Восприятие
Функция - Восприятие
Функция - Восприятие
Функция - Восприятие
Функция - Восприятие
Функция - Восприятие
Функция - Восприятие
Функция - Восприятие
80
80
81
81
82
82
83
83
84
84
85
85
86
86
87
87
88
88
89
89
90
90
91
91
92
92
Повторение в сравнениях
Повторение в сравнениях
94
94
Нейрон
Нейрон
Синапс
Синапс
97
97
98
98
Интеллектуальные системы в которых реализованы модели основных функций
Интеллектуальные системы в которых реализованы модели основных функций
102
102
103
103
Распознавание изображения из файла
Распознавание изображения из файла
105
105
106
106
107
107
108
108
109
109
110
110
111
111
Из теории искусственного интеллекта становится понятным многие
Из теории искусственного интеллекта становится понятным многие
Положения общей теории искусственного интеллекта позволяют выйти на
Положения общей теории искусственного интеллекта позволяют выйти на
Спасибо за внимание
Спасибо за внимание

Презентация: «Институт проблем математических машин и систем НАНУ Общая теория искусственного интеллекта». Автор: Виталий. Файл: «Институт проблем математических машин и систем НАНУ Общая теория искусственного интеллекта.ppt». Размер zip-архива: 8062 КБ.

Институт проблем математических машин и систем НАНУ Общая теория искусственного интеллекта

содержание презентации «Институт проблем математических машин и систем НАНУ Общая теория искусственного интеллекта.ppt»
СлайдТекст
1 Институт проблем математических машин и систем НАНУ Общая теория

Институт проблем математических машин и систем НАНУ Общая теория

искусственного интеллекта к.т.н. В.А.Ященко

1

2 Проблемы, решаемые при разработке интеллектуальных систем Базовые

Проблемы, решаемые при разработке интеллектуальных систем Базовые

понятия формирования естественного интеллекта Общая теория искусственного интеллекта (Бионический подход)

2

3 1. Проблемы, решаемые при разработке интеллектуальных систем

1. Проблемы, решаемые при разработке интеллектуальных систем

3

Восприятие зрительной, тактильной, звуковой и др. видов информации. Анализ, обработка и методы ее внутреннего представления, распознавание и формирование ответных реакций на воздействие внешней среды. Представление знаний. Формализация и представление знаний. Создание программных средств для обработки и анализа знаний, пополнения баз знаний и т.п. Актуальны вопросы приобретения знаний – их источники, процедуры и приемы. Оперирование, манипулирование знаниями. Построение способов пополнения знаний на основе их неполных описаний, системы классификации знаний, хранящихся в памяти ИС); обобщение знаний и формулирование на их основе абстрактных понятий; методы достоверного и правдоподобного вывода на основе имеющихся знаний, модели рассуждений.

4 4

4

Общение. Проблема охватывает: понимание связных текстов на естественном языке, синтез связных текстов, понимание речи и ее синтез; модели коммуникаций между пользователями и ИС; формирование объяснений действий ИС; формирование методов построения лингвистических процессоров, осуществляющих перевод текстовой информации во внутреннее машинное представление, диалоговых систем и пр. Обучение – проблема включает: методы формирования условий задачи по информации о проблемной ситуации; обучение переходу от известных решений частных задач – к решению общей; формирование модели процесса обучения. Поведение – поведенческие процедуры адекватного взаимодействия со средой, человеком, другими ИС; функции управления действиями, в т.ч. модели целесообразного поведения, нормативного поведения; методы многоуровневого планирования и коррекции планов в динамических ситуациях при решении конкретных задач автоматического устройства, функционирующего в сложной внешней среде.

5 Естественный интеллект Интеллект –intelligence - (лат

Естественный интеллект Интеллект –intelligence - (лат

Intellektus – познание, понимание, рассудок) –способность мышления, рационального познания, ум. Иначе – мыслительная способность, умственное начало у человека. Интеллект (от лат. intellectus — понимание, познание) — это общая способность к познанию и решению проблем, которая объединяет все познавательные способности индивида: восприятие, ощущение, память, представление, мышление, воображение.

5

6 2. Базовые понятия формирования естественного интеллекта (Основы

2. Базовые понятия формирования естественного интеллекта (Основы

теории рефлекторной деятельности нервной системы человека)

6

Нервная система человека Нервная система делится на центральную и периферическую. Центральная нервная система (ЦНС) состоит из скопления нервных клеток (нейронов). Главная функция ЦНС — осуществление простых и сложных реакций организма - рефлексов. Периферическая нервная система в своей основе является связующим звеном между центральной нервной системой и органами. Головной мозг (лат. cerebrum, др.-греч. ?????????) — часть центральной нервной системы. Головной мозг состоит из большого числа нейронов, связанных между собой синаптическими связями. Нейрон основная функциональная единица НС.

7 7

7

Нейрон

Нейрон (от др.-греч. ?????? — волокно, нерв). Нейрон состоит из тела клетки, одного аксона, и множества дендритов. В центре клетки расположено ядро - генетический аппарат нейрона. Цитоплазма клетки наполнена различными органеллами, одна из которых гранулярный эндоплазматический ретикулум - своеобразная фабрика, где синтезируются различные белки. Основная функция нейрона — получить информацию, обработать ее и передать дальше. По дендритам информация поступает в клетку, а по аксону обработанная информация в виде пачки импульсов передается дальше по нервной цепочке.

Аксон. В протоплазме аксона имеются тончайшие волоконца— нейрофибриллы, микротрубочки, митохондрии и агранулярная эндоплазматическая сеть. Аксон заканчивается множеством отростков, которые соединяются с другими нервными клетками. Каждый такой отросток оканчивается синаптической бляшкой, заполненной пузырьками, в которых хранятся различные химические вещества — медиаторы.

8 Синапс 

Синапс 

инапс

8

Синапс место контакта между двумя нейронами или между нейроном и получающей сигнал эффекторной клеткой. Служит для передачи нервного импульса между двумя клетками, причём в ходе синаптической передачи амплитуда и частота сигнала могут регулироваться. Передача импульсов осуществляется химическим путём с помощью медиаторов или электрическим путём посредством прохождения ионов из одной клетки в другую.

9 Биологические нейронные сети

Биологические нейронные сети

9

Иерархические сети В сенсорных системах иерархическая организация носит восходящий характер . Информация поступает в высшие центры - от первичных рецепторов к вторичным вставочным нейронам, затем к третичным и т.д. В иерархических сетях несколько нейронов одного уровня контактируют с меньшим числом нейронов следующего уровня.

10 Дивергентные сети

Дивергентные сети

10

В нервных сетях имеются слои нейронов, в которых один нейрон образует выходные связи с очень большим числом других клеток. Двигательные системы организованы по принципу нисходящей иерархии. В двигательных системах клетки передают информацию специфическим моторным клеткам спинного мозга, а те в свою очередь - определенным группам мышечных клеток таким образом команды «спускаются» от нервной системы к мышцам.

11 Локальная сеть

Локальная сеть

Нейроны локальных сетей удерживают поток информации в пределах какого-то одного иерархического уровня. Локальные сети могут оказывать на нейроны –мишени возбуждающее или тормозящее действие. Сочетание этих особенностей с дивергентным или ковергентным типом передачи на данном иерархическом уровне может еще более расширять, сужать или снова фокусировать поток информации.

11

12 Иерархические системы обеспечивают очень точную передачу информации

Иерархические системы обеспечивают очень точную передачу информации

В результате конвергенции - когда несколько нейронов одного уровня контактируют с меньшим числом нейронов следующего уровня, и дивергенции - когда контакты устанавливаются с большим числом клеток следующего уровня, информация фильтруется и происходит усиление сигналов.

12

13 Передающие и принимающие клетки объединены в нервные цепи или сети

Передающие и принимающие клетки объединены в нервные цепи или сети

ередающие и принимающие клетки объединены в нервные цепи или сети. Отдельный нейрон с дивергентной структурой может посылать сигналы тысяче и даже большему числу других нейронов. Но чаще один такой нейрон соединяется всего лишь с несколькими определенными нейронами. Точно так же какой-либо нейрон может получать входную информацию от других нейронов с помощью одной, нескольких или многих входных связей, если на нем сходятся конвергентные пути .

13

14 14

14

Развитие головного мозга происходит за счет возникновения новых связей По единодушному мнению разных авторов, развитие головного мозга, состоящего, из десятков, сотен и более миллиардов нейронов, происходит за счет возникновения новых связей и постоянного изменения числа дендритов и ветвлений аксонов. Все взаимодействия с окружающей средой, умственная деятельность, функции организма контролируются мозгом и обусловлены его структурными изменениями. Особенно интенсивные изменения в структуре мозга наблюдаются в первые пять — семь лет жизни ребенка. Это происходит тогда, когда ребенок интенсивно осваивает новый мир. Соответственно растет и число синаптических связей нейронов.

Структурные изменения нейронных сетей. Новые связи

15 Динамичность синаптических связей

Динамичность синаптических связей

В последние годы ученым удалось узнать много нового об организации межнейронных связей. Установлена динамичность синаптических связей: одни из них способны исчезать, другие — возникать. И здесь большое значение имеет та функциональная нагрузка, которую получают либо, напротив, не получают нейроны. «Когда здоровых экспериментальных животных с момента рождения содержали в абсолютной темноте, у них не развивались синаптические связи тех нейронов зрительного центра головного мозга, которые воспринимают и обрабатывают только световую информацию (так называемые моносенсорные нейроны). В результате, несмотря на то, что все другие элементы органа зрения, в том числе зрачок, сетчатая оболочка глаза, нервные проводящие пути, у них были сохранны, животные оставались слепыми. Чем меньше был срок содержания животных в темноте, тем легче и в большей степени удавалось восстановить у них функцию моносенсорных нейронов и вернуть им зрение. Подобные эксперименты проводились и с нейронами слуховых центров — результаты оказались сходными ». [Н.И. Артюхина, Нейрон http://www.svatovo.ws/health_neyron.html]

15

16 16

16

Гипотеза о возникновении связей между нейронами

Однако до сих пор не существует четкого пояснения, каким образом аксоны и дендриты той или иной нервной клетки растут именно в том направлении, чтобы создавались специфические связи, необходимые для ее функционирования. В 60-х гг. Г. Джаспер выделил нейроны новизны , или внимания, которые реагировали на первые предъявления стимулов. Нейроны новизны реагируют на новые сигналы. Характерной особенностью этих нейронов является их фоновая импульсация, которая возрастает при действии новых стимулов разных модальностей. Нейрон тождества также обладает фоновой активностью. При действии нового раздражителя фоновая активность в нейронах тождества подавляется, а при действии привычных раздражителей, напротив, активизируется. Гипотеза 1 О возникновении связей между нейронами Все свободные от информации нейроны есть нейропны новизны. Все нейроны, несущие (запомнившие) в себе некую информацию есть нейроны тождества. При отсутствии информации на рецепторах нейронов новизны они находятся в режиме слабого случайного фонового возбуждения. Фоновое возбуждение есть постоянно изменяющаяся случайная величина возбуждения нейрона. Связь возникает между возбужденными рецепторами или нейронами и нейроном новизны , обладающим наибольшей фоновой активностью т.е. аксоны и дендриты той или иной нервной клетки растут в направлении нейрона новизны с наибольшей фоновой активностью.

17 Функциональная организация мозга

Функциональная организация мозга

17

В работах физиологов Анохина П.К., Лурия А.Р., Соколова Е.Н. и др. с позиции системной организации функций деятельности мозга выделяют различные функциональные системы и подсистемы. Классический вариант интегративной деятельности мозга может быть представлен в виде взаимодействия трех основных функциональных блоков: 1) блок приема и переработки сенсорной информации - сенсорные системы (анализаторы); 2) блок модуляции, активации нервной системы - модулирующие системы (лимбико-ретикулярные системы) мозга; 3) блок программирования, запуска и контроля поведенческих актов - моторные системы (двигательный анализатор). Сенсорные системы (анализаторы) мозга Анализатор – это многоуровневая система с иерархическим принципом организации. Основанием анализатора служит рецепторная поверхность, а вершиной – проекционные зоны коры головного мозга. Каждый уровень представляет собой совокупность клеток, аксоны которых идут на следующий уровень. Взаимоотношения между последовательными уровнями анализаторов построены по принципу «дивергенции— конвергенции». Модулирующие системы мозга - аппарат, выполняющим роль регулятора уровня бодрствования, а также осуществляющий избирательную модуляцию и актуализацию приоритета той или иной функции. Первым источником активации является внутренняя активность организма, или его потребности. Второй источник активации связан с воздействием раздражителей внешней среды.

18 Моторные (двигательные) системы мозга Для двигательных областей коры

Моторные (двигательные) системы мозга Для двигательных областей коры

характерен прежде всего синтез возбуждений различной модальности с биологически значимыми сигналами и мотивационными влияниями. Состоит из аппаратов эфферентного (двигательного) типа и находится под постоянным притоком информации из аппаратов афферентного (сенсорного) блока. Процессы здесь идут в нисходящем направлении, начинаясь с наиболее высоких — третичных и вторичных зон коры. Базовый принцип физиологии высшей нервной деятельности составляет основной закон биологии – единство организма и среды. Исследование отдельных функций организма И. П. Павлов проводил с позиций системной самоорганизации. Сущность павловского учения состоит не в одностороннем воздействии среды на организм, а в активном взаимодействии организма со средой. Уравновешивание организма с внешней средой осуществляется благодаря безусловнорефлекторной деятельности нервной системы.

18

/

19 Рефлексы

Рефлексы

19

Безусловный рефлекс — это врожденная видоспецифическая реакция организма, рефлекторно возникающая в ответ на специфическое воздействие раздражителя Условный рефлекс — это индивидуально приобретенная реакция организма на ранее индифферентный раздражитель, воспроизводящая безусловный рефлекс. В основе условного рефлекса лежит формирование новых или модификация существующих нервных связей, происходящие под влиянием изменений внешней и внутренней среды. Условные рефлексы как индивидуально приобретаемый опыт безгранично расширяют возможности человека. Рефлекторная дуга — путь, проходимый нервными импульсами при осуществлении рефлекса. Рефлекторная дуга состоит из: рецептора; афферентного звена — отростки рецепторных нейронов, осуществляющие передачу импульсов от рецепторов в центральную нервную систему; центрального звена— нервный центр); эфферентного звена — осуществляют передачу от нервного центра к эффектору. Рефлекторное кольцо - рефлекторная дуга в состав которой входит звено контроля, осуществляемого нервным центром за ходом работы исполнительного органа — т. н. обратной афферентации.

20 Рефлексы

Рефлексы

20

При ближайшем рассмотрении «рефлекторное кольцо» оказывается не чем иным, как системой классических рефлекторных дуг, а «обратная афферентация» не просто завершает данный рефлекторный акт, а представляет собой начальное, афферентное, звено следующего рефлекторного акта. Сличение реальных результатов действия с ожидавшимися осуществляется для достижения полезного приспособительного эффекта. В случае же, если «обратная афферентация» сигнализирует о недостаточности осуществленных действий, она опять-таки выступает как афферентное звено нового, корригирующего, рефлекса . Постоянно возникающие изменения внешней среды отражаются в непрерывных динамических перестройках реакций мозга, осуществляемых по рефлекторному принципу. Таким образом, рефлекс — не раз навсегда заданный, сверхжесткий акт, а целостная саморегулирующаяся система. Гибкость рефлекса проявляется там, где есть несоответствие действия вызвавшей его причине.

21 21

21

Сложные формы поведения

Сложные формы поведения составляет интеграция различных видов нервной деятельности, т. е. кроме двух основных — врожденной и приобретенной — может быть третья в форме самых разнообразных их комбинаций. Таким образом, сложные условные рефлексы — временная связь между индифферентными стимулами, рефлексы высшего порядка, экстраполяционный рефлекс, рефлекс «на обстановку» и т. п. — есть частные случаи физиологического механизма «переноса опыта», «предвидения будущего события», «озарения» и иных подобных явлений высшей нервной деятельности, кажущихся на первый взгляд возникающими без предварительной выработки («следообразования»). Предвидение наступления элементарных событий будущего заложено в самой характеристике условного рефлекса. Ведь условный рефлекс и есть следствие того, что животное по сигналам предусматривает будущее. Подражание и подражательные (имитационные) условные рефлексы. Проблема подражания имеет особый научный интерес в связи с попытками установить закономерности интеллектуального развития ребенка. При помощи подражательного рефлекса у всех складывается сложное индивидуальное и социальное поведение.

22 22

22

Поведенческий акт

Согласно П.К. Анохину, физиологическая архитектура поведенческого акта строится из последовательно сменяющих друг друга следующих стадий: афферентного синтеза, принятия решения, акцептора результатов действия, эфферентного синтеза (или программы действия), формирования самого действия и оценки достигнутого результата . Поведенческий акт любой степени сложности начинается со стадии афферентного синтеза. Головной мозг производит обширный синтез всех тех сигналов внешнего мира, которые поступают в мозг по многочисленным сенсорным каналам. И только в результате синтеза этих афферентных возбуждений создаются условия для осуществления определенного целенаправленного поведения. Стадия программы действия или эфферентного синтеза. На этой стадии осуществляется интеграция соматических и вегетативных возбуждений в целостный поведенческий акт. Эта стадия характеризуется тем, что действие уже сформировано как центральный процесс, но внешне оно еще не реализуется. Стадия выполнение программы поведения. Эфферентное возбуждение достигает исполнительных механизмов, и действие осуществляется. Благодаря аппарату акцептора результатов действия, в котором программируется цель и способы поведения, организм имеет возможность сравнивать их с поступающей афферентной информацией о результатах и параметрах совершаемого действия, т. е. с обратной афферентацией. Именно результаты сравнения определяют последующее построение поведения, либо оно корректируется, либо оно прекращается как в случае достижения конечного результата. Следовательно, если сигнализация о совершенном действии полностью соответствует заготовленной информации, содержащейся в акцепторе действия, то поисковое поведение завершается.

23 23

23

Рефлекторная теория высшей нервной деятельности

Рефлекторная теория И.П. Павлова. Три основополагающих принципа: принцип детерминизма, принцип структурности и принцип анализа и синтеза. Первый принцип — принцип детерминизма (причинности) гласит: «Нет действия без причины». Всякая деятельность организма, каждый акт нервной деятельности вызван определенной причиной, воздействием из внешнего мира или внутренней среды организма. Всякая деятельность организма, какой бы сложной она ни казалась, всегда есть причинно обусловленный, закономерный ответ на конкретные внешние воздействия. Второй принцип — принцип структурности — в мозге нет процессов, которые не имели бы материальной основы, каждый физиологический акт нервной деятельности приурочен к структуре. Третий принцип — принцип анализа и синтеза раздражителей внешней и внутренней среды. Иными словами, в мозге непрерывно происходит анализ и синтез как поступающей информации, так и ответных реакций. В результате организм извлекает из среды полезную информацию, перерабатывает, фиксирует ее в памяти и формирует ответные действия в соответствии с обстоятельствами и потребностями. Любой процесс анализа и синтеза обязательно включает в себя в качестве составной части свою завершающую фазу — результаты действия.

24 Мышление 

Мышление 

ышление

24

Мышление (гр. ноэзис) — это познавательная деятельность человека. Продуктом или результатом мышления является мысль (понятие, смысл, идея). Мышление — совокупность умственных процессов, лежащих в основе познания; к мышлению относят активную сторону познания: внимание, восприятие, процесс ассоциаций, образование понятий и суждений. В более тесном логическом смысле мышление заключает в себе лишь образование суждений и умозаключений путём анализа и синтеза понятий. Операции мышления Анализ — разделение предмета/ явления на составляющие компоненты. Может быть мысленный и ручной. Синтез — объединение разделённых анализом с выявлением при этом существенных связей. Сравнение — сопоставление предметов и явлений, при этом обнаруживаются их сходства и различия. Классификация — группировка предметов по признакам. Обобщение — объединение предметов по общим существенным признакам. Конкретизация — выделение частного из общего.

25 25

25

Нейрофизиологические основы памяти и обучения

Основу адаптивного (индивидуального) поведения составляют два процесса — обучение и память. В нейрологической памяти выделяют генотипическую врожденную память, которая обусловливает становление безусловных рефлексов, инстинктов, импринтинга, и фенотипическую память, мозговые механизмы которой обеспечивают обработку и хранение информации, приобретаемой живым существом в процессе индивидуального развития. Обучение и память считают неотделимыми процессами. Обучение обеспечивает постоянное пополнение и изменение знаний, приобретение новых навыков. В отличие от обучения процессы памяти ответственны не только за усвоение (фиксацию) информации, ее сохранение, но и включают механизм воспроизведения (извлечения) информации. О механизме извлечения информации известно лишь то, что он основан на ассоциациях, подобных тем, какие образуются при научении. Память и обучение имеют общую особенность — необходимость повторения.

26 Временная организация памяти

Временная организация памяти

26

Психологические исследования показали, что у человека процессы памяти проявляются в двух формах: логически-смысловой и чувственно-образной. Первая оперирует в основном понятиями и является высшей, вторая — представлениями. Чувственно-образная память подразделяется на зрительную, слуховую, вкусовую, обонятельную и другие виды. Процессы памяти человека проходят по крайней мере четыре стадии. Сенсорная память связана с удержанием сенсорной информации (доли секунд) и служит первичному анализу и дальнейшей обработке сенсорных событий. Во время этой стадии непрерывный поток сигналов организуется в отдельные информационные единицы (через гностические нейроны), часть из которых получает доступ (ввод) в долговременную память, где она сохраняется неопределенно длительное время. Невербальная информация из сенсорной памяти поступает во вторичную память (промежуточную), где она может храниться от нескольких минут до нескольких лет. Вербальная (речевая) информация передается в первичную (кратковременную) память — систему хранения (на период в несколько секунд) с ограниченной емкостью (примерно 7+2 бита). Вербальный материал требует более длительной «активации», повторения и, лишь пройдя повторные циклы через первичную память, поступает во вторичное хранилище. Эффективность переноса возрастает с увеличением времени обработки информации в первичной памяти. Существенным фактором в организации вторичной памяти является значимость информации для индивидуума. Третичная (долговременная) память. Наиболее прочное удержание информации . Здесь фиксируются персональные данные, способность к чтению, письму, профессиональные навыки

27 27

27

Мозг и сознание

Особенностью психики человека является осознанность многих процессов его внутренней жизни. Сознание — функция человеческого мозга. Его часто определяют как «высший уровень психического отражения действительности, присущий только человеку как общественноисторическому существу» (Краткий психологический словарь, 1985. С. 328). Физиолог Д.И. Дубровский подчеркивает, что сознание предполагает осознание не только внешних объектов, но и осознание себя как личности и своей психической деятельности. Сознание определяется «...как знание, которое с помощью слов, математических символов и обобщающих образов художественных произведений может быть передано, может стать достоянием других членов общества» [36, с. 169 Симонов П.В. Мотивированный мозг. М., 1987. ]. Осознать — значит получить возможность сообщить, передать свое знание другому. А все то, что не может быть сообщено людям — неосознаваемо.

28 Личность

Личность

28

Индивидуальность человека, проявляется в его психической деятельности и поведении, обусловлена как наследственностью, природой его организации, так и его жизненным опытом, приобретаемым в результате обучения и воспитания. Т. е. индивидуальность, личность человека представляют единство природного и социального

29 Искусственный интеллект Интеллект –intelligence - (лат

Искусственный интеллект Интеллект –intelligence - (лат

Intellektus – познание, понимание, рассудок) –способность мышления, рационального познания, ум. Иначе – мыслительная способность, умственное начало у человека. Искусственный интеллект - научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными.

29

30 30

30

Другие определения искусственного интеллекта

Свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. При этом интеллектуальная система — это техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс. Наука под названием «Искусственный интеллект» входит в комплекс компьютерных наук, а создаваемые на её основе технологии к информационным технологиям. Задачей этой науки является воссоздание с помощью вычислительных систем и иных искусственных устройств разумных рассуждений и действий. Искусственный интеллект- наука создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

31 Общая теория искусственного интеллекта (Бионический подход) Общая

Общая теория искусственного интеллекта (Бионический подход) Общая

теория искусственного интеллекта – область знаний, рассматривающая закономерности построения и функционирования интеллектуальных систем на базе многомерных нейроподобных растущих сетей. Общая теория искусственного интеллекта включает: учение о нейроподобных элементах и многомерных нейроподобных растущих сетях, временной и долговременной памяти, учение о функциональной организация «мозга» систем с искусственным интеллектом, о сенсорной системе, модулирующей системе, моторной системе, условном и безусловном рефлексах, рефлекторной дуге (кольце), мотивации, целенаправленном поведении, о «мышлении», «сознании», «подсознании и искусственной личности формируемой в результате обучения и воспитания».

31

32 Почему общая теория искусственного интеллекта

Почему общая теория искусственного интеллекта

Теория интегрирующая исследования в области семантических сетей, искусственных нейронных сетей и нейронных сетей нервной системы человека. «Анализ проблематики исследований в области искусственного интеллекта показывает, что в настоящее время, с одной стороны, идет интенсивная дифференциация ее предметных областей и, с другой стороны, происходит своеобразная интеграция исследований в рамках поиска возможностей построения общей теории. Интеграция исследований диктуется необходимостью объединения всего комплекса исследований в области искусственного интеллекта в единое целое на основе общей универсальной концепции или идеи, восходящей к своему функциональному прототипу: думающей (мыслящей) и действующей (физически) личности – человеку» [ чл.корр. НАНУ А.И.Шевченко]. Такой универсальной концепцией явились многомерные рецепторно-эффекторные нероподобные растущие сети.

32

33 Нейроподобный элемент

Нейроподобный элемент

33

Аксиома 1. В основе теории искусственного интеллекта лежит аналогия с нервной системой человека. Аксиома 2. Основная функциональная единица структуры («нервной системы») интеллектуальных систем - Искусственный нейрон (нейроподобный элемент)

Определение 1. Нейроподобный элемент - упрощенная модель биологического нейрона, состоящая из устройства (аналога тела клетки) с множеством возбуждающих и тормозных входов, модулирующим входом и одним выходом. Выход (аналог аксона) состоит из множества проводников и множества окончаний. На входы устройства поступает информация (коды, пачки импульсов). Устройство обрабатывает информацию в соответствии с правилами формирования нейроподобной растущей сети, генерирует коды (пачки импульсов) и по нитям аксона одновременно или с разделением во времени передает их на входы других нейронов. Входы нейрона (аналог синапсов) представляют собой рецепторы, реагирующие или не реагирующие на ту или иную часть, поступающего на них кода, тем самым увеличивая или уменьшая уровень возбуждения нейроподобного элемента и интенсивность его ответной реакции, при этом амплитуда и частота сигнала могут регулироваться.

34 34

34

Аксиома 3. Все свободные от информации нейроподобные элементы есть нейроподобные элементы новизны. Аксиома 4. Все нейроподобные элементы, несущие (запомнившие) в себе некую информацию есть нейроподобные элементы тождества. Аксиома 5. При отсутствии информации на рецепторах нейроподобных элементов новизны они находятся в режиме слабого случайного фонового возбуждения. Аксиома 6. Фоновое возбуждение есть постоянно изменяющаяся случайная величина возбуждения нейроподобного элемента. Аксиома 7. Базовой структурой искусственного интеллекта являются многосвязные многомерные нейроподобные растущие сети (ммн-РС). Определение 2. Временная память. При поступлении информации (которая неизвестна) на рецепторы сенсорной области, между ближайшим нейроподобным элементом новизны (уровень возбуждения которого невысокий, но выше всех остальных ближайших нейроподобных элементов новизны) и рецепторами сенсорной области образуются связи, связям присваиваются весовые коэффициенты, а нейроподобному элементу некоторый порог возбуждения. При неоднократном повторении этой информации порог возбуждения увеличивается. При достижении max возбуждения, нейроподобный элемент становится нейроподобным элементом тождества и условно переводится в долговременную память. Определение 3. Долговременная память - все нейроподобные элементы тождества

35 Нейроподобная растущая сеть

Нейроподобная растущая сеть

35

Определение 4. Нейроподобная растущая сеть - это совокупность взаимосвязанных нейроподобных элементов, предназначенных для приема анализа и преобразования информации в процессе взаимодействия с объектами реального мира, причем в процессе приема и обработки информации сеть изменяет свою структуру - растет. МмН-РС описываются в виде направленного графа, где нейроподобные элементы представляются его вершинами, а связи между элементами его ребрами. Сеть представляет собой распараллеленную динамическую систему с топологией направленного графа, которая выполняет переработку информации посредством изменения своего состояния и структуры в ответ на воздействия внешней среды.

36 Многосвязные нейроподобные растущие сети

Многосвязные нейроподобные растущие сети

Многосвязные нейроподобные растущие сети (н-РС) – новый тип нейронных сетей, включающий в себя следующие классы: - многосвязные (рецепторные) нейроподобные растущие сети (мн-РС); - многосвязные (рецепторные) многомерные нейроподобные растущие сети (ммн-РС); - рецепторно-эффекторные нейроподобные растущие сети (рэн-РС); - многомерные рецепторно-эффекторные нейроподобные растущие сети (мрэн-РС).

36

37 37

37

В теории нейроподобных растущих сетей основными понятиями являются понятия структуры и архитектуры, раскрывающие схему связей и взаимодействия между элементами сети: топологическая (пространственная) структура - направленный граф связей элементов сети; логическая структура определяет правила формирования связей и элементов сети, а также логику ее функционирования; При рассмотрении основ теории нейроподобных растущих сетей используются некоторые положения теории графов. Дуга на графе может рассматриваться как упорядоченная пара вершин или как направленная линия, соединяющая вершины. Вершины графа S=(A,D) называются смежными, если они соединены дугой. Смежными дугами называются дуги dim, djm , имеющие общую вершину am. Исходящей дугой называется дуга, которая исходит из вершины am, Заходящей дугой называется дуга dim, которая заходит в вершину am,

38 37

37

Определение 4. Многосвязной (рецепторной) нейроподобной растущей сетью называется ациклический граф, в котором минимальное число заходящих дуг на вершины графа ai равно переменному коэффициенту n, а каждой дуге di, приходящей на вершину ai, соответствует определенный весовой коэффициент mi. Каждой вершине ai присваивается определенный порог возбуждения. Вершины, не имеющие заходящих дуг, называются рецепторами сети, остальные вершины называются нейроподобными элементами.

Топологическая структура мн-РС представляется связным ориентированным графом. С помощью графов в теории мн-РС рассматриваются процессы прохождения и запоминания информации в сети. Нейроподобные растущие сети формально задаются следующим образом: S=(R, A, D, M, P, N), где R={ri}, - конечное множество рецепторов; A={ai}, - конечное множество нейроподобных элементов; D={di}, - конечное множество дуг, связывающих рецепторы с нейроподобными элементами и нейроподобные элементы между собой; P={Pi}, N = h, где P - порог возбуждения вершины ai, P = f(mi) > P0 (P0 - минимально допустимый порог возбуждения) при условии, что множеству дуг D, приходящих на вершину ai, соответствует множество весовых коэффициентов M={mi}, , причем mi может принимать как положительные, так и отрицательные значения.

39 38

38

Правило 1. Если при восприятии информации возбуждается подмножество вершин F из множества вершин, имеющих непосредственную связь с вершиной ai, и ? h, то связи вершины ai с вершинами из подмножества F ликвидируются и к сети присоединяется новая вершина ai+1, входы которой соединяются с входами всех вершин подмножества F, а выход вершины ai+1 соединяется с одним из входов вершины ai , причем входящим связям вершины ai+1 присваиваются весовые коэффициенты mg, соответствующие весовым коэффициентам ликвидированных связей вершины ai, а вершине ai+1 присваивается порог возбуждения Pi, равный сумме весовых коэффициентов связей, входящих в вершину ai+1, или присваивается порог возбуждения Pi, равный f(mi), (некоторой функции от весовых коэффициентов связей, входящих в вершину ai+1). Исходящей связи вершины ai+1 присваивается весовой коэффициент mi+1. Связям исходящим, из рецепторов, присваивается весовой коэффициент mri Правило 2. Если при восприятии информации возбуждается подмножество вершин G и ? h, то к сети присоединяется новая ассоциативная вершина ai+1 , которая соединяется заходящими дугами со всеми вершинами подмножества G. Каждой из заходящих дуг присваивается весовой коэффициент mi, а новой вершине ai+1 присваивается порог возбуждения Pai+1, равный сумме весовых коэффициентов mi входящих дуг или присваивается порог возбуждения Pi равный f(mi) (некоторой функции от весовых коэффициентов связей, входящих в вершину ai+1). Новая вершина ai+1 находится в состоянии возбуждения

40 40

40

Определение 5. Информационным пространством называется область нейроподобной растущей сети, состоящая из множества вершин и дуг, объединенных в единую информационную структуру одного из отображений. Определение 6. Множество взаимосвязанных ациклических графов, описывающих нейроподобные растущие сети в различных информационных пространствах, называются многосвязными многомерными нейроподобными растущими сетями (ммн-РС). Топологическая структура ммн-РС представлена на рис. Формально мн-РС задается пятеркой: S = (R, A, D, P, N), при этом R? Rl , Rr , Rv ; A? Al , Ar , Av ; D? Dl , Dr , Dv ; P? Pl, Pr, Pv, где Rl, Rr, Rv - конечное подмножество рецепторов; Al , Ar , Av - конечное подмножество нейроподобных элементов; Dl , Dr , Dv - конечное подмножество дуг; Pl, Pr, Pv - конечное подмножество порогов возбуждения нейроподобных элементов, принадлежащих, например, лингвистическому, речевому или визуальному информационному пространству; N - конечное множество переменных коэффициентов связности.

При моделировании описаний внешнего мира необходимо иметь возможность отражать описания об объекте или классе объектов в различных отображениях, например, в зрительном, звуковом, вербальном, тактильном и др. Такой структурой являются многомерные нейроподобные растущие сети, описывающие объекты или классы объектов в различных информационных пространствах.

Многомерные нейроподобные растущие сети

41 41

41

Рецепторно-эффекторные нейроподобные растущие сети

Базовым принципом физиологии высшей нервной деятельности является основной закон биологии - единство организма и среды. Этот закон предусматривает приспособительную изменчивость организма относительно среды. В основе приспособительного поведения любого организма лежит способность к обучению. Рецепторно-эффекторные нейроподобные растущие сети обеспечивают возможность моделирования процессов обучения и приобретения знаний, регуляции движения и поведения. Определение 7. Рецепторно-эффекторные растущие сети, в которых каждой дуге рецепторной зоны, приходящей на вершины этой зоны, соответствует определенный весовой коэффициент, а вершинам - определенный порог возбуждения, и каждой дуге эффекторной зоны, приходящей на вершины этой зоны соответствует определенный весовой коэффициент, а вершинам - определенный порог возбуждения, называются рецепторно-эффекторными нейроподобными растущими сетями. Топологическая структура рецепторно-эффекторной нейроподобной растущей сети (рэн-РС) представляется графом (рис.2.19). В рэн-РС выделяются подмножества возбужденных вершин Fr и Fe рецепторной и эффекторной зон соответственно, и подмножества возбужденных вершин сети Gr и Ge рецепторной и эффекторной зон. Символами и обозначаются мощности подмножеств Fr, Fe, и Gr, Ge соответственно. Рецепторно-эффекторные нейроподобные растущие сети формально задаются следующим образом: S=(R, Ar, Dr, Pr, Nr, E, Ae, De, Pe, Me, Ne ), R ={ri}, - конечное множество рецепторов, Ar ={ai}, - конечное множество нейроподобных элементов рецепторной зоны, Dr ={ di }, - конечное множество дуг рецепторной зоны, E={ei}, - конечное множество эффекторов, Ae ={ ai }, - конечное множество нейроподобных элементов эффекторной зоны, De={di}, - конечное множество дуг эффекторной зоны, Pr={Pi}, Pe={Pi }, , где Pi - порог возбуждения вершины air , aie Pi =f(mi) при условии, что множеству дуг Dr , De , приходящих на вершину air, aie , соответствует множество весовых коэффициентов Mr ={mi}, Me={mi}, , причем mi может принимать как положительные, так и отрицательные значения. Nr, Ne - переменные коэффициенты связности рецепторной и эффекторной зон. Рецепторная зона – аналог сенсорной системы, иерархических биологических сетей, носит восходящий характер. Эффекторная зона – аналог дивергентных биологических сетей.

42 42

42

Правило 4. Если при восприятии информации рецепторным полем возбуждается подмножество Fr из множества вершин, имеющих непосредственную связь с вершиной air, при этом ? h, и при генерации действий эффекторной зоной возбуждается подмножество Ge и ? h, то связи вершины с вершинами из подмножества Fr ликвидируются и к сети присоединяется новая вершина ai+1r, входы которой соединяются с выходами всех вершин подмножества Fr, а выход вершины ai+1r соединяется с одним из входов вершины air, причем входящим связям вершины ai+1r присваиваются весовые коэффициенты mi, соответствующие весовым коэффициентам ликвидированных связей вершины air, а вершине ai+1r присваивается порог возбуждения Pai+1, равный функции от весовых коэффициентов связей, входящих в вершину ai+1r. Исходящей связи вершины ai+1r присваивается весовой коэффициент mi равный f(Pai+1r). Связям, исходящим из рецепторов, присваивается весовой коэффициент, равный коду признака bi, соответствующего данному рецептору. В эффекторной зоне к сети присоединяется новая ассоциативная вершина ai+1e, которая соединяется исходящими дугами со всеми вершинами подмножества Ge. Каждой из исходящих дуг присваивается весовой коэффициент mi, равный f(Paie) соответствующей вершины из подмножества Ge, а новой вершине ai+1e присваивается минимальный порог возбуждения Pai+1e, равный функции от весовых коэффициентов mi входящих дуг. Вершина air рецепторной зоны соединяется исходящей дугой с новой вершиной эффекторной зоны. Новые вершины сразу же после введения в сеть находятся в возбужденном состоянии.

Правило 5. Если при восприятии информации рецепторным полем возбуждается подмножество Fr из множества вершин, имеющих непосредственную связь с вершиной air рецепторной зоны, при этом ? h, и генерации действий эффекторной зоной возбуждается подмножество Fe из множества вершин, имеющих непосредственную связь с вершиной aie эффекторной зоны, и ? h, то связи вершины air с вершинами из подмножества ликвидируются и к сети присоединяется новая вершина ai+1r, входы которой соединяются с выходами всех вершин подмножества Fr, а выход вершины ai+1r соединяется с одним из входов вершины air, причем входящим связям вершины ai+1r присваиваются весовые коэффициенты mi, соответствующие весовым коэффициентам ликвидированных связей вершины air , а вершине ai+1r присваивается порог возбуждения Pai+1r равный функции от весовых коэффициентов связей входящих в вершину . Исходящей связи вершины ai+1r присваивается весовой коэффициент mi равный f(Pai+1r). Связям, исходящим из рецепторов, присваивается весовой коэффициент, равный коду признака bi, соответствующего данному рецептору. В эффекторной зоне связи вершины aie с вершинами из подмножества Fe ликвидируются и к сети присоединяется новая вершина ai+1e, выходы которой соединяются с входами всех вершин подмножества Fe, а вход вершины ai+1e соединяется с одним из выходов вершины aie, причем входящим связям вершины ai+1e присваиваются весовые коэффициенты mi, соответствующие весовым коэффициентам ликвидированных связей вершины aie, а вершине ai+1e присваивается порог возбуждения Pai+1e, равный функции от весовых коэффициентов, исходящих связей вершины aie. Входящей связи вершины ai+1e присваивается весовой коэффициент mi , равный f(Paie). Новая вершина ai+1r рецепторной зоны соединяется исходящей дугой с новой вершиной ai+1e эффекторной зоны. Новые вершины сразу же после введения в сеть находятся в возбужденном состоянии.

43 43

43

Правило 6. Если при восприятии информации рецепторным полем возбуждается подмножество Gr, при этом ? h, и генерации действий эффекторной зоной возбуждается подмножество Ge и ? h, то в рецепторной зоне к сети присоединяется новая ассоциативная вершина ai+1r, которая соединяется заходящими дугами со всеми вершинами подмножества G . Каждой из заходящих дуг присваивается весовой коэффициент mi , равный f(Pair ) соответствующей вершины из подмножества Gr, а новой вершине ai+1r присваивается минимальный порог возбуждения Pai+1, равный функции от суммы весовых коэффициентов mi заходящих дуг. В эффекторной зоне к сети присоединяется новая ассоциативная вершина ai+1e, которая соединяется исходящими дугами со всеми вершинами подмножества Ge. Каждой из исходящих дуг присваивается весовой коэффициент mi, равный f(Paie ) соответствующей вершины из подмножества Ge, а новой вершине присваивается минимальный порог возбуждения Pai+1e, равный функции от весовых коэффициентов mi исходящих дуг. Новая вершина рецепторной зоны соединяется исходящей дугой с новой вершиной эффекторной зоны. Новые вершины сразу же после введения в сеть находятся в возбужденном состоянии. Правило 7. Если при восприятии информации рецепторным полем возбуждается подмножество Gr и ? h, и генерации действий эффекторной зоной возбуждается подмножество Fe из множества вершин, имеющих непосредственную связь с вершиной aie эффекторной зоны, и ? h, то в рецепторной зоне к сети присоединяется новая ассоциативная вершина ai+1r, которая соединяется заходящими дугами со всеми вершинами подмножества Gr. Каждой из заходящих дуг присваивается весовой коэффициент mi, равный f(Pair) соответствующей вершины из подмножества Gr, а новой вершине ai+1r присваивается минимальный порог возбуждения Pai+1r, равный функции от весовых коэффициентов mi входящих дуг. В эффекторной зоне связи вершины aie с вершинами из подмножества Fe ликвидируются и к сети присоединяется новая вершина ai+1e, выходы которой соединяются с входами всех вершин подмножества Fe, а вход вершины ai+1e соединяется с одним из выходов вершины aie, причем выходящим связям вершины ai+1e присваиваются весовые коэффициенты mi, соответствующие весовым коэффициентам ликвидированных связей, а вершине ai+1e присваивается порог возбуждения Pai+1e, равный функции от весовых коэффициентов исходящих связей вершины ai+1e. Входящей связи вершины ai+1e присваивается весовой коэффициент mi, равный f(Paie). Новая вершина рецепторной зоны соединяется исходящей дугой с вершиной ai эффекторной зоны. Новые вершины сразу же после введения в сеть находятся в возбужденном состоянии.

44 44

44

Многомерные рецепторно-эффекторные нейроподобные растущие сети

Многомерные рецепторно-эффекторные нейроподобные растущие сети применяются для запоминания и обработки описаний образов объектов или ситуаций проблемной области, а также генерации управляющих воздействий с помощью различных информационных пространственных представлений. Определение 8. Множество взаимосвязанных двухсторонних ациклических графов, описывающих состояние объекта и вырабатываемые им действия в различных информационных пространствах, называются многомерными рецепторно-эффекторными нейроподобными растущими сетями. Топологическая структура многомерной рецепторно-эффекторной нейроподобной растущей сети (мрэн-РС) представляется графом (рис.2.24). Формально мрэн-РС задаются следующим образом. S=(R, Ar, Dr, Pr, Mr, Nr, E, Ae, De, Pe, Me, Ne ); R? Rv, Rs, Rt; Ar? Av, As, At; Dr? Dv, Ds, Dt; Pr? Pv, Ps, Pt; Mr? Mv, Ms, Mt; Nr? Nv, Ns, Nt; E? Er,Ed1,Ed2; Ae? Ar,Ad1,Ad2; De?Dr,Dd1,Dd2; Pe? Pr,Pd1,Pd2; Me?Mr,Md1,Md2; Ne?Nr,Nd1,Nd2; здесь Rv ,Rs ,Rt - конечное подмножество рецепторов, Av, As, At - конечное подмножество нейроподобных элементов, Dv, Ds, Dt - конечное подмножество дуг, Pv, Ps, Pt - конечное множество порогов возбуждения нейроподобных элементов рецепторной зоны, принадлежащих, например, визуальному, слуховому, тактильному информационным пространствам, N - конечное множество переменных коэффициентов связности рецепторной зоны, Er,Ed1,Ed2 - конечное подмножество эффекторов, Ar,Ad1,Ad2 - конечное подмножество нейроподобных элементов, Dr,Dd1,Dd2 - конечное подмножество дуг эффекторной зоны, Pr,Pd1,Pd2 - конечное множество порогов возбуждения нейроподобных элементов эффекторной зоны, принадлежащих, например, речевому информационному пространству и пространству действий. N - конечное множество переменных коэффициентов связности эффекторной зоны.

45 45

45

46 46

46

47 46

46

48 47

47

49 48

48

50 49

49

51 50

50

52 51

51

53 52

52

54 53

53

55 54

54

56 55

55

57 56

56

58 57

57

59 58

58

60 59

59

61 60

60

62 61

61

63 62

62

64 63

63

65 64

64

66 65

65

67 66

66

68 67

67

69 68

68

70 69

69

71 70

70

72 71

71

73 73

73

Таким образом, в соответствии с выполняемыми операциями создается структура нейроподобной растущей сети. В которой формируются следующие функциональные системы: 1. В рецепторных зонах - сенсорная, модулирующая система и система мотивации целенаправленного поведения. 2. В эффекторных зонах - моторная система. В процессе функционирования сети , непрерывно происходит анализ и синтез как поступающей информации, так и ответных реакций

Определяет в каком отношении вектора и выполняет операции Qej1, Qej2, Qej3, Qej4 или Qej5

74 Сенсорные системы (анализаторы) мозга 80 % воспринимаемой информации

Сенсорные системы (анализаторы) мозга 80 % воспринимаемой информации

осуществляется через органы зрения.

Функциональная организация «мозга» систем с искусственным интеллектом

74

Анализатор – это многоуровневая система с иерархическим принципом организации. Основанием анализатора служит рецепторная поверхность. Взаимоотношения между последовательными уровнями анализаторов построены по принципу конвергенции (схождение, объединение признаков) - «дивергенции (расхождение признаков)».

75 Функция - Восприятие

Функция - Восприятие

Сенсорный орган зрительной системы человека

75

Глаз - сенсорный орган зрительной системы человека состоит из глазного яблока и зрительного нерва. Глазное яблоко имеет диаметр около 24 мм и форму почти правильного шара. Вокруг каждого глазного яблока находится шесть мышц. Глаза двигаются наружной и внутренней прямой мышцей - влево, вправо; нижней и верхней прямой мышцей - вниз, вверх; косые мышцы - вращают глаз. 30-летние исследования У. Бейтся доказали, что прямые мышцы глаза могут укорачивать глазное яблоко вдоль оптической оси глаза, таким образом приближая хрусталик к сетчатке, а косые - могу сжимать глаз и отодвигать хрусталик от сетчатки.

76 Сенсорные системы

Сенсорные системы

75

77 Сенсорные системы

Сенсорные системы

76

Гипотеза 2 о приведении распознаваемых объектов к одному размеру в области фовеа и оцениванию их характеристик по состоянию командных нейронов глазных мышц

Учитывая, что в системе - глаз человека, имеется только одна область (центральная ямка, фовеа) где разрешающая способность глаза максимальна можно предположить, что распознаваемый объект (объект на котором сконцентрировано внимание, обращен взгляд), например «К1» или «К2» (см. пр.слайд), проецируется в область фовеа сканируется саккадами- движениями глаз, осуществляя систематический отбор информации о форме, положении и размере составляющих объекта, с учетом этих параметров передается в высшие отделы мозга где происходит анализ, синтез и сравнение с запомненными ранее объектами по уровню возбуждения нейронов, отражающих признаки и свойства этих объектов. Размеры объектов определяются не размерами их проекций в области фовеа, а уровнем возбуждения соответствующих командных нейронов глазных мышц управляющих формой хрусталика. А также оценивание расстояния обоими глазами осуществляется за счет конвергенции глаз (состояния командных нейронов внутренних прямых глазных мышц). В результате мы получаем принципиально новый подход к созданию систем технического зрения .

78 Функция - Восприятие

Функция - Восприятие

79

Теперь становится понятным – зачем видеосигналы правого и левого глаза разделяются и проецируются в правую и левую половины мозга. В правую половину мозга идет видеосигнал, а в левую идет сигналы от ненйронов связанных с глазными мышцами

Функция - Восприятие

79 Функция - Восприятие

Функция - Восприятие

77

В биологических объектах первичная обработка информации осуществляется в сетчатке глаза на шести уровнях. Первый и второй уровни – пигментный эпителий, палочки и колбочки - рецепторы воспиятия видиоинформации, Третий уровень – горизонтальные клетки передают сообщения туда и обратно между клетками фоторецепторов, биполярным клеткам и друг другу. Четвертый уровень, амакринные клетки взаимосвязаны с биполярными клетками, ганглиозными клетками, а также друг с другом. Третий и четвертый уровни служат для повышения соотношения чувствительность – детализация. Чем больше рецепторов присоединено к одной ганглиозной клетке, тем чувствительнее система. Сигнал на выходе ганглиозной клетки (острота зрения) будет тем сильнее, чем больше рецепторов к ней присоединено. При этом понятно, что повышение чувствительности приводит к потере детализации. Таким образом, третий и четвертый уровни обеспечивают чувствительность, четкость и контрастность воспринимаемого изображеия. Пятый уровень – биполярные клетки являются клетками промежуточного слоя сетчатки, передающие нервные импульсы от рецепторов ганглиозным клеткам. Шестой уровень – ганглиозные клетки завершают «трёхнейронную рецепторно-проводящую систему сетчатки

80 Функция - Восприятие

Функция - Восприятие

Сенсорные системы

78

Аппаратнонейронная модель сенсорного органа зрительной системы человека Часть функций зрительной системы (первый, второй уровни) берут на себя видеокамеры, которые, как правило, используются в системах распознавания объектов. Третий – шестой уровни моделируются нейронной сетью. Полученное с видеокамеры тональное изображение объекта преобразуется в контурное, что позволяет значительно сократить объем необходимой для классификации информации. Для выделения контуров и контрастности изображения применен бионический подход, в котором обработка информации производится посредством нейронной сети в точности моделирующей функции биполярных и горизонтальных клеток.

81 Функция - Восприятие

Функция - Восприятие

79

Гипотеза 3 о механизме распознавания образов в высших слоях неокортекса мозга человека.

Механизмом распознавания образов в высших слоях неокортекса мозга человека является модель сравнения с эталоном. Данная модель обладает тем достоинством, что внешний образ, приведенный к размеру равному области фовеа, сравнивается одновременно со всеми возможными эталонами, приведенными к тому же размеру. В процессе сравнения одновременно активируется некоторая часть эталонов, и тот, который реагирует на данный образ наиболее активно, и есть искомый объект. Учитывая, что при зрительном восприятии и концентрации внимания на объекте, видеоинформация проецируется в центральную ямку сетчатки. При этом изображение приводится к стандартной освещенности, стандартному размеру центральной ямки глаза, кроме того, осуществляется сканирование изображения с целью выявления наиболее информативных областей и возможно фиксации и сравнение расстояний между ними, то можно уверенно предположить, что зрительная система использует модель сравнения с эталоном.

Функция - Восприятие

82 80

80

Функция - Восприятие Уровни анализа и синтеза воспринимаемой информации

Анализатор – это многоуровневая система с иерархическим принципом организации. Основанием анализатора служит рецепторная поверхность. Взаимоотношения между последовательными уровнями анализаторов построены по принципу конвергенции (схождение, объединение признаков) - «дивергенции (расхождение признаков)».

83 81

81

Функция - Восприятие Уровни анализа и синтеза воспринимаемой информации

84 82

82

Сенсорные системы Безусловные рефлексы

85 83

83

Сенсорные системы

Известен опыт Павлова с выработкой условного рефлекса. Пища –выделение желуд. сока. Звонок , пища формирование условного рефлекса. Звонок - выделение желуд. сока - условный рефлекс. Ниже показаны модели безусловных рефлексов на нрэ-РС

86 84

84

Сенсорные системы Условные рефлексы

87 85

85

Сенсорные системы

Модель на нрэ-РС условного рефлекса звонок - выделение желудочного сока. Звонок – возбуждается соответствующий нейрон Пища – возбуждается соответствующий нейрон - возникает связь Повторение - связь усиливается и рееакция на звонок - выделение ж. сока

88 86

86

Модулирующая система

Модулирующая система регулирует уровень возбудимости нейроподобных элементов и осуществляет избирательную модуляцию той или иной функции системы Первым источником активации является приоритетность внутренней активности подсистем системы. Закладывается при создании системы, аналогично безусловным рефлексам. Любые отклонения от жизненно важных показателей системы приводят к активации (изменению порога возбудимости) определенных подсистем и процессов. Второй источник активации связан с воздействием раздражителей внешней среды. Приоритетность определенной активности приобретается в процессе «жизненного цикла», аналогично формированию условных рефлексов. Мотивация – механизм, который способствует удовлетворению потребностей: он соединяет память о каком-либо объекте (например, пище) с действием по удовлетворению этой потребности (поиском пищи). При этом формируется целенаправленное поведение, оно включает в себе три звена: поиск цели; взаимодействие с уже обнаруженной целью; покой после достижение цели. Целенаправленное поведение – мотивационная постановка цели - возбуждение, действия направленные на поиск алгоритма решения целевой задачи, достижение цели- снятие возбуждения. Психическая функция или поведенческий акт – последовательность автоматизмов осуществляется в системе, функционирующей по рефлекторному принципу, в которой влияния центральных и рецепторно-эффекторных (периферических) зон взаимосвязаны и их совместная деятельность обеспечивает целостную реакцию. Система имеет многоуровневую организацию, где каждый уровень от рецепторных образований до эффекторных вносит свой «специфический» вклад в «нервную» деятельность системы.

89 87

87

Мышление

В интеллектуальных системах в рамках моделирования творческих процессов предложено несколько моделей мышления. Лабиринтная модель мышления выдвинута Э.Торндайком, суть которой заключается в том, что решение творческой задачи осуществляется путем поиска пути в некотором лабиринте возможностей достижения цели. Однако такой поход требует просмотра большого количества вариантов подцелей, ведущих к достижению конечной цели. Для сокращения перебора вариантов используется теория эвристического поиска, позволяющая отсекать неперспективные и выделять перспективные варианты достижения цели. Семантическая модель мышления, предложенная В.Пушкиным, и заключается в том, что творческий процесс есть соотнесение структурированных описаний начальной и целевой ситуаций. Модельную трактовку понятий мышление, мысль, сознание, подсознание дал Н. Амосов на основе разработанной им гипотезы о сетевом разуме с системой усиления-торможения (СУТ). Эти понятия выглядят следующим образом: Мышление - взаимодействие моделей, направляемое чувствами и СУТ. Мысль - модель, усиленная СУТ в данный момент. Сознание - движение активности по значимым моделям, усиленным СУТ, отражающим важнейшие отношения в системе субъект - среда. Подсознание - взаимодействие моделей, ослабленных СУТ. Оно обеспечивает подготовку моделей для сознания, распознавание заученных образов и выполнение привычных движений.

90 88

88

Функция мысль – ансамбль возбужденных нейроподобных элементов на уровне подсознания (внутренняя модель внешнего или абстрактного мира, усиленная функцией мотивации в данный момент без выхода во внешний мир). Функция мышление – последовательное взаимодействие ансамблей возбужденных нейроподобных элементов на уровне подсознания (внутренних моделей), направляемое уровнями возбуждения нейроподобных элементов, усиленными или ослабленными функцией мотивации. Информация циркулирует в замкнутом контуре - сенсорная область, уровни обработки информации (анализ, классификация, обобщение, запоминание), моторная область, сенсорная область) без выхода во внешнюю среду.

Операции мышления: Анализ; Синтез; Сравнение; Классификация; Обобщение; Конкретизация.

Мыслить, размышлять, значит сознавать. В этом смысле «внутреннее проговаривание» - циклы передачи внутренней активной информации на вход системы – можно рассматривать как модель искусственного сознания интеллектуального компьютера, а циклы передачи внутренней активной информации на вход системы без включения «проговаривания» рассматривать как модель искусственного подсознания.

91 89

89

Функция сознание - распространение возбуждения по активным ансамблям нейроподобных элементов (внутренним моделям внешнего мира), усиленного функцией мотивации, отражающим важнейшие отношения в системе субъект – среда. Функция подсознание - распространение возбуждения по активным ансамблям нейроподобных элементов (внутренним моделям внешнего мира), ослабленного функцией мотивации. Обеспечивает подготовку моделей для сознания, распознавания заученных образов и выполнения привычных движений. Функция неосознанная реакция - внешняя информация на уровне подсознания вызывает обратное воздействие на внешний мир (безусловный и условный рефлексы, отработанные действия, вторичные автоматизмы). Функция осознанная реакция - внешняя информация на уровне сознания вызывает обратное воздействие на внешний мир (осознанные действия в фазе формирования условных рефлексов и приобретения вторичных автоматизмов). Функция интуиция - поиск новой информации, порождение гипотез и аналогий, создание новых временных связей, активация новых ансамблей нейроподобных элементов и порождение из них новых комбинаций, которые автоматически формируются в подсознании, наиболее активные из них прорываются в область сознания.

92 90

90

Двигательная система

Для двигательной системы характерен прежде всего синтез возбуждений различной модальности с значимыми сигналами и мотивационными влияниями. Им свойственна дальнейшая, окончательная трансформация афферентных влияний в качественно новую форму деятельности, направленную на быстрейший выход эфферентных возбуждений на периферию, т. е. на цепочки нейронов реализации конечной стадии поведения. Двигательная система состоит целиком из ансамблей (цепочек) нейронов эфферентного (двигательного) типа и находится под постоянным притоком информации из афферентной (сенсорной) области. В отличие от афферентной области в области запуска и контроля поведенческих актов процессы активации идут в нисходящем направлении, начинаясь с наиболее высоких уровней. В высших уровнях формируются цепочки командных нейронов (двигательные программы), а затем переходят к нейронным цепочкам низших моторных уровней и двигательным нейронам – эффекторам участков двигательной эфферентной импульсации.

Функция действие - информация исходит из эффекторной зоны, через эффекторы и моторную область воздействует на внешний мир .

Движение - последовательность действий (Д) найденная случайно (ребенок научился ходить самостоятельно) или с помощью учителя (ребенок научился ходить с помощью родителей) .

93 91

91

Подражание - наблюдая за действиями других объектов объект внутренне на уровне микродвижений повторяет их действия (возникает небольшое возбуждение ансамблей нейроподобных элементов, задействованных в выполнении этих действий). Затем, неоднократно повторяя эту последовательность в играх, закрепляет их (повторение приводит к увеличению порогов возбуждения ансамблей нейроподобных элементов), что приводит к выработке поведенческих стереотипов.

94 92

92

Искусственная личность

Искусственная личность есть идеальный конструкт, способный к поглощению всего многообразия процессов преобразования информации, антропоморфно отображающий деятельность своего прототипа - современного человека разумного. Если конструировать искусственную личность как реальную машину, способную преобразовывать не только информацию, но и выполнять вещественные операции в окружающем мире, то она может быть реализована как робот с высокоразвитым интеллектом, имитирующий биологическую, живую машину - человека. Если же конструировать искусственную личность как виртуальную машину, способную перерабатывать только информацию, то в этом случае конструкт может быть назван «виртуальной искусственной личностью-роботом». В отличие от антропоморфной искусственной личности, виртуальная все свои органы и элементы только имитирует в форме изображений, однако процессы переработки информации по их результативности вполне реальны и правдоподобны [Шевченко А.И., ЯщенкоВ.А. От искусственного интеллекта к искусственной личности // Искусственный интеллект, №3, 2009. с.492-505.]

95 Повторение в сравнениях

Повторение в сравнениях

93

96 94

94

Базовые понятия формирования естественного интеллекта

Базовые понятия формирования искусственного интеллекта

«Нервная система» интеллектуального устройства Центральная нервная система состоит из скопления нейроподобных элементов и представляет собой активную ассоциативную память. Архитектура такой системы принципиально отличается от существующих систем, обеспечивая массовый параллелизм и несравнимое быстродействие

Нервная система человека делится на центральную и периферическую. Центральная нервная система (ЦНС) состоит из скопления нервных клеток (нейронов). Главная функция ЦНС — осуществление простых и сложных реакций организма, получивших название рефлексов. Периферическая нервная система в своей основе является связующим звеном между центральной нервной системой и органами. Головной мозг состоит из большого числа нейронов, связанных между собой синаптическими связями. Функции, выполняемые нервной системой (НС) в целом определяются взаимодействием между нейронами. Нейрон основная функциональная единица НС.

97 Нейрон

Нейрон

95

Нейрон (от др.-греч. ?????? — волокно, нерв). Нейрон состоит из тела клетки, одного аксона, и множества дендритов. Тело клетки заключено в оболочку — наружную мембрану. В центре клетки расположено ядро - генетический аппарат нейрона. Цитоплазма клетки наполнена различными органеллами, одна из которых гранулярный эндоплазматический ретикулум - своеобразная фабрика, где синтезируются различные белки. Основная функция нейрона — получить информацию, обработать ее и передать дальше. Через синапсы информация поступает в клетку, а по аксону обработанная информация в виде пачки импульсов передается дальше по нервной цепочке.

Определение 1. Нейроподобный элемент - упрощенная модель биологического нейрона, состоящая из устройства (аналога тела клетки) с множеством возбуждающих и тормозных входов, модулирующим входом и одним выходом. Выход (аналог аксона) состоит из множества проводников и множества окончаний. На входы устройства поступает информация (коды, пачки импульсов). Устройство обрабатывает информацию в соответствии с правилами формирования нейроподобной растущей сети, генерирует коды (пачки импульсов) и по нитям аксона одновременно или с разделением во времени передает их на входы других нейронов. Входы нейрона (аналог синапсов) представляют собой рецепторы, реагирующие или не реагирующие на ту или иную часть, поступающего на них кода, тем самым увеличивая или уменьшая уровень возбуждения нейроподобного элемента и интенсивность его ответной реакции, при этом амплитуда и частота сигнала могут регулироваться.

98 Синапс

Синапс

96

Входы нейрона (аналог синапсов) представляют собой рецепторы нейрона, реагирующие или не реагирующие на ту или иную часть, поступающего на них кода

Синапс место контакта между двумя нейронами или между нейроном и получающей сигнал эффекторной клеткой. Служит для передачи нервного импульса между двумя клетками, причём в ходе синаптической передачи амплитуда и частота сигнала могут регулироваться. Передача импульсов осуществляется химическим путём с помощью медиаторов или электрическим путём посредством прохождения ионов из одной клетки в другую.

99 97

97

Иерархическая структура Конвергенция, дивергенция, анализ , синтез, моделирование процессов обучения и приобретения знаний, регуляция движений и поведения.

Иерархические системы В результате конвергенции - когда несколько нейронов одного уровня контактируют с меньшим числом нейронов следующего уровня, или дивергенции - когда контакты устанавливаются с большим числом клеток следующего уровня, информация обрабатывается, анализируется, синтезируется и происходит усиление сигналов.

100 98

98

Таким образом, в соответствии с положениями теории искусственного интеллекта, в мрэн-РС информация о внешнем мире, его объектах, их состояниях и ситуациях, описывающих взаимоотношения между ними, а также информация о действиях, вызванных этими состояниями, анализируется, обрабатывается и сохраняется вследствие ее отражения в многомерной структуре сети. Поступление новой информации вызывает формирование новых ассоциативных вершин и связей и их перераспределение между вершинами, возникшими ранее, при этом выделяются общие части этих описаний и действий, которые автоматически обобщаются и классифицируются. Общая теория искусственного интеллекта позволяет объединить физический и виртуальный миры интеллектуальных систем и имеет универсальный характер. Такой подход дает новое основание для развития и массового производства продвинутых живучих интеллектуальных систем управления и роботов.

101 Интеллектуальные системы в которых реализованы модели основных функций

Интеллектуальные системы в которых реализованы модели основных функций

естественного интеллекта (Восприятие, анализ, синтез, отбор и запоминание визуальной и символьной информации, общение , мышление, логические умозаключения)

101

Программная реализация ИС

102 102

102

Модель виртуальной искусственной личности «VITROM»

Упрощенная виртуальная искусственная личность – робот реализована в проекте «VITROM». Проект демонстрировался в Гоновере на выставке CeBIT в 2000 – 2002 гг., в Пекине на выставке информационных технологий в 2000г. и в павильонах ВДНХ Украины 2000 - 2004г.г. Распознавание в реальном времени .

103 103

103

Модель виртуальной искусственной личности «VITROM»

Распознавание в реальном времени .

104 Распознавание изображения из файла

Распознавание изображения из файла

104

Модель виртуальной искусственной личности «VITROM»

105 105

105

Распознавание искаженных изображений

106 106

106

Распознавание искаженных изображений

107 107

107

Распознавание искаженных изображений

108 108

108

Интеллектуальная система «Диалог»

В интеллектуальной системе «Диалог» (2005) осуществлено моделирование мышления. Система демонстрировалась на международной конференции "Knowledge-Dialog-Solution 2007" в Варне и на международной научно-технической мультиконференции «Актуальные проблемы информационно-компьютерных технологий, мехатроники и робототехники 2009» в России.

109 109

109

Интеллектуальная система «Диалог»

База знаний системы (ассоциативная память)

110 110

110

Пространство диалога с системой

Интеллектуальная система «Диалог»

111 111

111

Аппаратная реализация систем ИИ

112 Из теории искусственного интеллекта становится понятным многие

Из теории искусственного интеллекта становится понятным многие

механизмы обработки информации естественным интеллектом. Приведем некоторые из них: 1. Повторение. При неоднократном повторении изучаемого материала происходит (проторение) усиление связей между нейронами новизны. Или запоминание происходит быстро в стрессовых и других эмоциональных состояниях – здесь усиление связей происходит под воздействием модулирующей системы. (Студенты запоминают материал в ночь перед экзаменом – возбужденное состояние, страх получения неудовлетворительной оценки) 2. Методика обучения. Из п.1 следует, что обучение необходимо проводить так, чтобы обучаемому было интересно (например в виде игры, дискуссии или измененного состояния и пр.). 3. Структурированная информация - лучше усваивается (структура нейронной сети проще) 4. Специализация нейронов определяется информацией поступающей на рецепторы.

112

113 Положения общей теории искусственного интеллекта позволяют выйти на

Положения общей теории искусственного интеллекта позволяют выйти на

принципиально новый уровень разработок вычислительных систем и роботов с распределенной, нейроподобной, безадресной, ассоциативной организацией структуры активной памяти, в которой обеспечивается массовый параллелизм обработки, накопления и запоминания знаний о внешнем мире по аналогии с функциональной организацией нервной системы человека.

113

114 Спасибо за внимание

Спасибо за внимание

114

«Институт проблем математических машин и систем НАНУ Общая теория искусственного интеллекта»
http://900igr.net/prezentacija/informatika/institut-problem-matematicheskikh-mashin-i-sistem-nanu-obschaja-teorija-iskusstvennogo-intellekta-250839.html
cсылка на страницу

Теория систем

6 презентаций о теории систем
Урок

Информатика

130 тем
Слайды
900igr.net > Презентации по информатике > Теория систем > Институт проблем математических машин и систем НАНУ Общая теория искусственного интеллекта