Структура и функции репликативного нейроподобного модуля
Описывается технология построения нейросетевой системы искусственного интеллекта на стыке декларативного программирования и машинного обучения на основе моделирования кортикальных колонок. Используя доступный материал и сравнительно простые явления, эволюционные механизмы создали сложноорганизованны...
Main Authors: | , |
---|---|
Format: | Article |
Language: | English |
Published: |
Russian Academy of Sciences, St. Petersburg Federal Research Center
2020-08-01
|
Series: | Информатика и автоматизация |
Subjects: | |
Online Access: | http://ia.spcras.ru/index.php/sp/article/view/13589 |
_version_ | 1797672611757424640 |
---|---|
author | Ivan Viktorovich Stepanyan Andrey Vladimirovich Khomich |
author_facet | Ivan Viktorovich Stepanyan Andrey Vladimirovich Khomich |
author_sort | Ivan Viktorovich Stepanyan |
collection | DOAJ |
description | Описывается технология построения нейросетевой системы искусственного интеллекта на стыке декларативного программирования и машинного обучения на основе моделирования кортикальных колонок. Используя доступный материал и сравнительно простые явления, эволюционные механизмы создали сложноорганизованные разумные системы. Из этого следует вывод, что искусственный интеллект также должен основываться на простых, но масштабируемых и биоправдоподобных алгоритмах, в которых стохастическая динамика корковых нейронных модулей позволяет быстро и эффективно находить решения сложных проблем. Цель исследования – алгоритмическая формализация на уровне репликативных нейросетевых комплексов. Базовый модуль искусственного интеллекта представлен как специализация и формализация понятия «китайская комната», введенного Джоном Сёрлом. Приведены результаты экспериментов по прогнозированию бинарных последовательностей. Компьютерная симуляця показала высокую эффективность реализации предложенных алгоритмов, при этом вместо использования для каждой задачи тщательно подобранного и адаптированного отдельного метода с частично эквивалентной переформулировкой задач были применены стандартный единый подход и единые параметры алгоритма. Делается вывод, что результаты экспериментов показывают возможность эффективных прикладных решений на базе предложенной технологии. Представленная технология позволяет создать самообучающиеся и планирующие деятельность системы. |
first_indexed | 2024-03-11T21:32:40Z |
format | Article |
id | doaj.art-40afab9694b8428d90cf44e8eabed984 |
institution | Directory Open Access Journal |
issn | 2713-3192 2713-3206 |
language | English |
last_indexed | 2024-03-11T21:32:40Z |
publishDate | 2020-08-01 |
publisher | Russian Academy of Sciences, St. Petersburg Federal Research Center |
record_format | Article |
series | Информатика и автоматизация |
spelling | doaj.art-40afab9694b8428d90cf44e8eabed9842023-09-27T07:28:29ZengRussian Academy of Sciences, St. Petersburg Federal Research CenterИнформатика и автоматизация2713-31922713-32062020-08-0119480382810.15622/sp.2020.19.4.413589Структура и функции репликативного нейроподобного модуляIvan Viktorovich Stepanyan0Andrey Vladimirovich Khomich1Mechanical Engineering Research Institute of the Russian Academy of SciencesRaiffeisenbank JSCОписывается технология построения нейросетевой системы искусственного интеллекта на стыке декларативного программирования и машинного обучения на основе моделирования кортикальных колонок. Используя доступный материал и сравнительно простые явления, эволюционные механизмы создали сложноорганизованные разумные системы. Из этого следует вывод, что искусственный интеллект также должен основываться на простых, но масштабируемых и биоправдоподобных алгоритмах, в которых стохастическая динамика корковых нейронных модулей позволяет быстро и эффективно находить решения сложных проблем. Цель исследования – алгоритмическая формализация на уровне репликативных нейросетевых комплексов. Базовый модуль искусственного интеллекта представлен как специализация и формализация понятия «китайская комната», введенного Джоном Сёрлом. Приведены результаты экспериментов по прогнозированию бинарных последовательностей. Компьютерная симуляця показала высокую эффективность реализации предложенных алгоритмов, при этом вместо использования для каждой задачи тщательно подобранного и адаптированного отдельного метода с частично эквивалентной переформулировкой задач были применены стандартный единый подход и единые параметры алгоритма. Делается вывод, что результаты экспериментов показывают возможность эффективных прикладных решений на базе предложенной технологии. Представленная технология позволяет создать самообучающиеся и планирующие деятельность системы.http://ia.spcras.ru/index.php/sp/article/view/13589эволюционное моделированиедекларативное программирование нейронных сетейкитайская комнатарепликативный нейроподобный модульмодель колонки неокортекса |
spellingShingle | Ivan Viktorovich Stepanyan Andrey Vladimirovich Khomich Структура и функции репликативного нейроподобного модуля Информатика и автоматизация эволюционное моделирование декларативное программирование нейронных сетей китайская комната репликативный нейроподобный модуль модель колонки неокортекса |
title | Структура и функции репликативного нейроподобного модуля |
title_full | Структура и функции репликативного нейроподобного модуля |
title_fullStr | Структура и функции репликативного нейроподобного модуля |
title_full_unstemmed | Структура и функции репликативного нейроподобного модуля |
title_short | Структура и функции репликативного нейроподобного модуля |
title_sort | структура и функции репликативного нейроподобного модуля |
topic | эволюционное моделирование декларативное программирование нейронных сетей китайская комната репликативный нейроподобный модуль модель колонки неокортекса |
url | http://ia.spcras.ru/index.php/sp/article/view/13589 |
work_keys_str_mv | AT ivanviktorovichstepanyan strukturaifunkciireplikativnogonejropodobnogomodulâ AT andreyvladimirovichkhomich strukturaifunkciireplikativnogonejropodobnogomodulâ |