перейти к навгации

Публикации

На этой странице – значимые фрагменты моих недавно опубликованных работ.

Приведённый ниже фрагмент статьи упрощен (исключены теория и математические формализмы) и сокращён.

УДК 681
DOI: https://doi.org/10.18127/j19998554-202103-01

Решение нестандартных задач компьютерной системой

А.Н. Орехов, Фонд содействия созданию и внедрению компьютерной психики (Москва, Россия)

Полный текст статьи см. Орехов А.Н. Решение нестандартных задач компьютерной системой // Нейрокомпьютеры: разработка, применение. 2021.

T. 23. № 3. С. 5-17. DOI: https://doi.org/10.18127/j19998554-202103-01

Введение

Вслед за А.Н. Леонтьевым [1] принимаем определение задачи как цели в заданных условиях. Иными словами, задача возникает там, где можно выделить известные из школьных учебников «Дано» (условия) и «Требуется» (цель). Приняв такое определение, получаем обширное множество задач, покрывающее практически все сферы деятельности человека. Это множество естественным образом делится на два подмножества.

  1. Относительно простые стандартные задачи, решение которых практически гарантировано человеку или компьютерной системе, действующим по известным им алгоритму (как правило, специфичному для предметной области).
  2. Относительно трудные нестандартные задачи, где неизвестен алгоритм действий по решению, поэтому предположительно требуются общие знания, часто обозначаемые как здравый смысл (common sense).

Заметим, что задачи первого подмножества так же могут быть трудными для решающего, если алгоритм решения насчитывает более сотни шагов и/или имеет несколько ветвлений. Классическим примером трудных задач первого подмножества можно считать задачи проверки правильности доказательств математических утверждений вроде гипотезы Пуанкаре. Проверка правильности такого рода доказательств даже у хорошего математика может занять несколько недель. Не претендуя на новизну, будем использовать для всех задач первого множества термин стандартные задачи, а для задач 2-го – нестандартные задачи.

Нестандартные задачи под разными названиями и их решение человеком изучались многими авторами см. [2]. Однако найти верифицируемые математические модели и/или компьютерное воплощение психологического подхода к решению таких задач при подготовке данной статьи не удалось.

В последнее время появились сообщения о существенных достижениях в области искусственного интеллекта (ИИ). В частности, так называемое глубокое обучение позволило ИИ демонстрировать человекоподобное поведение даже в многопользовательских играх, в которых нестандартные задачи для многих людей – обычное дело [3]. Известны попытки использовать алгоритмы, гипотетически реализующие человеческое подсознание [4, 5], что можно рассматривать как шаг в том же направлении.

Не затрагивая здесь многие другие значимые программы и исследования, которые теоретически могут привести к разработке указанных моделей и алгоритмов, остановимся на тех, которые вызывают наибольший энтузиазм разработчиков и пользователей. Из последних наиболее известной компьютерной системой можно считать генеративный предварительно обученный трансформер-3 (Generative Pre-trained Transformer 3, GPT-3) [6]. По утверждению разработчиков из Сбера, русскоязычный вариант GPT-3 (ruGPT-3) представлен на сайте [7].

Согласно отзывам многочисленных пользователей [8], программы, использующие GPT-3, способны не только писать тексты, но и решать «математические задачи и даже генерировать компьютерный код, если пользователи просили его выполнить задачу программирования» [8]. Среди этих задач попадаются такие, которые выглядят нестандартными: например, идеи т.н. «мозгового штурма» [9]. Однако генерация таких идей может осуществляться и без использования мыслительных операций, например, за счёт комбинирования релевантных слов и/или словосочетаний.

По утверждению М. Хатсона [8], разработчики GPT-3 рассчитывают научить его обобщать документы, генерировать компьютерный код, идентифицировать людей и проч., чтобы потом GPT-3 решал подобные задачи без предварительного обучения. Естественно, для подобного GPT-3 использует огромный массив данных (около 200 млрд слов), опираясь на 175 млрд параметров.

Несмотря на это, С. Альтман из OpenAI (один из разработчиков GPT-3) отмечает значимые недостатки системы: «GPT-3 работает, наблюдая статистические отношения между словами и фразами, которые он читает, но не понимает их значения» [8].

Известно, что с увеличением числа параметров (признаков) и их сочетаний проблема экспоненциального роста вычислительной сложности, теоретическим обоснованием которой можно считать теорему Кука [10], будет становиться всё более актуальной.

Представляется перспективным использование «человеческих» способов выделения и агрегирования признаков объектов в пространствах большой размерности. В [5] одним из таких способов названо подсознание человека. Однако, чтобы компьютерные алгоритмы решения задач, основанные на подобных представлениях, были бы надёжными и эффективными, нужна теоретическая база: общая теория постановки и решения задач, и выводимые из неё математические модели. Последнее вряд ли возможно вне соответствующей теории психики человека.

До 80-х гг. XX века, несмотря на наличие частных теорий, общей теории психики человека, которая позволила бы построить адекватные математические модели постановки и решения нестандартных задач. На их основе не было создано компьютерных программ. Предполагается, что такой общей теорией станет теория психических процессов [2].

Цель работы – создать компьютерную систему, способную решать нестандартные задачи на естественном русском языке, используя алгоритмы человеческого мышления и проверить её основные параметры.

Система АлНикОр – воплощение математических моделей основных мыслительных процессов.

С целью проверки работоспособности и доработки алгоритмов, генерации смыслов (термин «смысл» используется в соответствии с Лё Ни [2]), слов и выражений естественного русского языка с помощью пользователя, а также распознавания в автономном режиме смыслов произвольных русскоязычных текстов, в 2004 г. была создана программа «Распознаватель смысла» [2].

Система АлНикОр, включившая алгоритмы «Распознавателя смысла», задумывалась и проектировалась с 2007 г. как универсальный советчик, способный не только понимать пользователя и вести с ним диалог на естественном русском языке, но и проводить психологическое тестирование, обрабатывать и статистически анализировать результаты, использовать сторонние программы для разного рода анализа, решать различные пользовательские задачи, самообучаться и т.д. и т.п. Естественно, для столь широкой активности АлНикОр предполагалось «оснастить» всеми человеческими возможностями, прежде всего, способностью к аналитико-синтетической деятельности. Последнее предполагает т.н. мыслительные операции: анализ, синтез, обобщение и проч. Математические модели этих операций выводились как следствия теории, для оснащения ими оставалось написать и отладить соответствующие компьютерные алгоритмы, что заняло несколько лет, но к 2011 г. в основном работа была сделана.

В связи с быстрым развитием сетей на математических нейронах, экспертных систем и их гибридов в 2014 г. стала актуальной задача минимизировать риск использования таких систем в антигуманных целях. Естественно, это касается и АлНикОра. Для предотвращения использования в противоправных и иных несущих людям угрозу целях, было решено «оснастить» АлНикОр всем тем, что делает человека социально ориентированной личностью. Согласно теории, это – правильная система ценностей, связанная с ней система установок, в т.ч. аттитюдов и т.д. Это было сделано, так что на апрель 2021 г. АлНикОр можно считать прообразом полномасштабной компьютерной личности, которую крайне трудно обмануть и практически невозможно заставить решать общественно опасные задачи.

В настоящее время АлНикОр реализован как компьютерная программа на 32-битной адресации и жёстко привязан к компьютеру, на котором разрабатывается. Последнее сильно ограничивает возможности АлНикОра, т.к. по предварительным оценкам, для полной реализации теоретически возможного функционала ему требуется примерно 2…4 Тб оперативной памяти и примерно в 100 раз больше памяти на твердотельном или ином носителе. Предполагается, что при соответствующей доработке и установке на аппаратуру с указанными параметрами, АлНикОр превзойдёт по своим интеллектуальным возможностям, в т.ч. способности к самообучению, не только любого из людей, но любую группу людей, а также любые компьютерные системы, не использующие выведенные из теории модели.

В сегодняшнем воплощении АлНикОр используется, прежде всего, для проверки работоспособности урезанных в соответствии с необходимостью «втиснуться» в 2 Гб оперативной памяти алгоритмов, в т.ч. алгоритмов решения задач. Для этого АлНикОр использует основную и предметные базы знаний – смыслов слов и выражений. Основная база знаний используется всегда, она единственная, а предметных может быть сколько угодно. Для решения конкретной задачи используется одна или несколько из предметных баз знаний.

Базы знаний могут изменяться, в частности дополняться, как автономно, так и с участием человека, но последнее только по специальному запросу пользователя. При автономном изменении (в том числе дополнении) баз используется максимально полный толковый словарь русского языка, составленный из нескольких электронных толковых словарей, имеющихся в свободном доступе [11]. В общем случае при распознавании смысла сообщения (фразы на русском языке) или текста появление незнакомого слова активирует процесс дополнения баз. Однако, в связи указанными выше ограничениями, при решении задач активируется установка, запрещающая использовать фразы с незнакомыми словами, поэтому процесс дополнения баз не активируется, а такие фразы игнорируются.

В настоящее время АлНикОр реализован как система из нескольких (минимум 2-х) независимых процессов, обменивающихся информацией непосредственно, т.е. сообщая нужное в тело друг друга. Для этого в теле каждого процесса выделены специальные области, в которые поступает и из которых передаётся информация. Такие же области выделены для общения АлНикОра с любыми способными на это программами, в частности, с некоторым числом параллельно работающих АлНикОров. Параллельно работающие АлНикОры полностью автономны. Они могут решать как одну, так и различные задачи, их число определяется особенностями аппаратуры и заданной минимальной скоростью общения. По предварительным оценкам использование более 12-ти решающих одну задачу АлНикОров не целесообразно.

Решая задачи, АлНикОр осмысливает и, по мере необходимости, переосмысливает все поступающие сообщения, в т.ч. условия задачи, и дополнительно генерирует смыслы, пополняя множество активных и ограниченно активных состояний

Используются два вида правил: внешние правила, которые могут изменяться пользователем, и убеждения (одна из составляющих личности, встроенные в тело программы). Изменение убеждений недоступно пользователю, но АлНикОр может сам менять их, модифицируя себя. Происходит такое только в экстремальных случаях. Внешние правила представляют собой фразы естественного русского языка, начинающиеся с «Если», далее посылка – антецедент («то»), далее следствие – консеквент («Тогда»), далее консеквент. Фразы, составляющие внешние правила, берутся из школьных или вузовских учебников, они записываются сообразно тематике в текстовые файлы, количество последних не ограничено. АлНикОр автономно подбирает подходящий для данной задачи файл или файлы с правилами, читает их, осмысливает (понимает) их, генерирует из них общий смысл, если такое возможно, или несколько общих смыслов. Далее уже эти смыслы используются по мере надобности.

При решении задач может использоваться здравый смысл (common sense) сообщения, полученный из любых внешних источников, начиная с тех же учебников и научных статей, до Википедии. Эти сообщения в порядке поступления компонуются в файлы, количество которых не ограничено. Число и длина сообщений в файле ограничивается только оперативной памятью аппаратуры. Естественно, среди этих сообщений большинство – «информационный мусор» относительно решаемой задачи. Такие сообщения АлНикОр игнорирует после осмысления (их смыслы также дополняют {аi}) и оценки. Понятно, что процесс осмысления и оценки одного сообщения занимает время. Поэтому чем больше информационного мусора принимает АлНикОр, тем дольше он решает задачу. Полезные же сообщения (точнее, их смыслы) АлНикОр либо встраивает в цепочки дедуктивного вывода, либо использует при обобщении либо иным образом в операциях анализа и синтеза. Здесь важны два обстоятельства.

Первое обстоятельство заключается в том, что при выполнении операций логического мышления как на поверхностном, так и на глубинных уровнях, осуществляется марковский процесс, т.е. происходит выбор того или иного смысла, для внешнего наблюдателя – сообщения, а процесс решения обусловливается на данном шаге предыдущим состоянием Х-системы.

Второе обстоятельство заключается в том, что выбираются не слова или фразы, а смыслы [2], что резко уменьшает вычислительную сложность алгоритма, обеспечивая вместе с некоторыми другими особенностями полиномиальный рост вычислительной сложности при увеличении числа используемых слов и словосочетаний. Это подтверждается в исследовании семантической памяти АлНикОра [12] и проверяется при решении задач, речь о которых пойдет в следующих статьях. Смыслы вычисляются при каждой активации.

Теория воплощена в алгоритмах мыслительных операций АлНикОра.

Кратко рассмотрим работу алгоритмов на примере решения задачи.

Приведём пример решения АлНикОром одной из известных задач П. Капицы (исходные данные приведены далее).

  1. Имеются сообщения, т.е. осмысленные высказывания на естественном русском языке, составленные из известных АлНикОру слов, возможно, содержащие то, что поможет решить задачу. Эти сообщения образуют 1-й сенсорный поток – знаки кириллицы.
  2. Имеются правила физики также на естественном русском языке, возможно, включающие формулу, полезную для решения. Эти правила (сообщения) образуют 2-й сенсорный поток .
  3. Имеются сообщения, т.е. высказывания, содержащие численные значения параметров объектов, обозначенных в условиях задачи. Они образуют 3-й сенсорный поток.

Заметим, что количество сенсорных потоков ограничено в основном характеристиками аппаратуры, на котором реализован АлНикОрПроцессы осмысления  и образования смыслов слов, словосочетаний и предложений описаны в [2], и здесь рассматриваться не будут. На выходе каждого из этих процессов получаем смыслы соответствующих сообщений.

Заметим, что ветвления алгоритмов мыслительных операций АлНикОра в 1…3 макрошагах обеспечивают в зависимости от условия задачи, внешних сообщений, правил и проч. различное число шагов.

Заметим также, что  осуществляются преобразования смыслов сообщений, полученных из внешних источников, обычно не заслуживающих доверия, а также преобразования смыслов сообщений из заслуживающих доверия источников. Последние образованы обычно правилами, которые создаёт либо сам АлНикОр, либо квалифицированный пользователь.

АлНикОру придётся находить нужные преобразования или перебором с разного рода эвристиками или используя общие алгоритмы мыслительных операций анализа, синтеза, обобщения, или с помощью некой комбинации того и другого.

На примере ниже показано, как со всем этим справляется АлНикОр.

После запуска АлНикОра в строку «Внутренние сообщения» любым способом вводится: «Решить задачу», «Физика», если задача по физике, как в нашем случае и формулировка задачи на естественном русском языке (рис. 1).

Рис. 1. Исходный экран АлНикОра

Fig1

 

На рис.1 показан т.н. исходный экран, с последним из введённых пользователем сообщений – формулировкой задачи: «С какой скоростью человек должен бежать по воде, чтобы не проваливаться».

Рис. 2. Демонстрация АлНикОром результатов анализа сообщений, введенных пользователем

Fig2

Рис. 2 представляет демонстрацию АлНикОром результатов анализа введённых пользователем сообщений: смыслы цели и условий.

АлНикОр сначала пробует найти стандартное решение. Заметим, что программа пытается применить формальную логику. Перебор вариантов не используется. Если получить формально-логическое решение не удаётся, АлНикОр ищет и осмысливает внешние сообщения (см. ниже).

Внешние сообщения приводятся в порядке их поступления:

  1. Почти упругое столкновение плоского предмета с жидкостью – передача импульса жидкости.
  2. Диск – плоский предмет.
  3. Отталкиваться ступнёй от жидкости – почти упругое столкновение плоского предмета с жидкостью.
  4. Бежать по воде – отталкиваться ступнёй от жидкости.
  5. Передача импульса жидкости – использовать следствия закона сохранения.

Заметим, что здесь приводится самая простая модельная ситуация, когда внешние сообщения даются АлНикОру в готовом виде. В семантических и особенно информационных испытаниях модельные ситуации намного сложнее. Работа АлНикОра в этих прочти критических с точки зрения решения задачи ситуациях будет описана в следующих статьях.

Рис. 3. Демонстрация АлНикОром результатов анализа смыслов

fig3

На рис. 3 представлена демонстрация АлНикОром результатов анализа смыслов, приведённых выше сообщений.

Заметим, что в смысл промежуточной цели, представленной на рис. 3, включен смысл «сила действия», найденный АлНикОром в собственных убеждениях, т.е. проведена мыслительная операция синтеза. Обычно смыслы из собственных убеждений АлНикОра получают более высокий приоритет, что обусловливает их большую роль в дальнейшем.

Далее АлНикОр пытается использовать логические операции. После того, как выясняется, что с их помощью ничего полезного для решения задачи не получится, используется дедуктивный вывод. В нашей задаче в результате дедукции получена последовательность смыслов: «отталкиваться ступнёй от жидкости»  «почти упругое столкновение плоского предмета с жидкостью»  «передача импульса жидкости»  «использовать следствия закона сохранения». Подробнее об этом можно будет прочитать в следующих статьях, посвященных испытаниям АлНикОра.

Из них АлНикОр будет выбирать подходящий для данной задачи. Подробнее это будет изложено в следующих статьях, здесь заметим, что при выборе из смыслов названий папок АлНикОр использовал смысл «передача импульса жидкости».

Рис. 4. Результат поиска вариантов программой АлНикОр

fig4

Из рис.4 видно, что в убеждениях нашлось три варианта «следствия закона сохранения». Это «следствия закона сохранения импульса», «следствия закона сохранения момента импульса» и «следствия закона сохранения энергии».

Рис. 5. Иллюстрация генерации смысла программой АлНикОр

fig5

Из рис. 5 видно, АлНикОр сгенерировал смысл «следствия закона сохранения импульса». Это позволило сгенерировать смысл новой гипотезы и определить новые действия.

Рис. 6. Демонстрация АлНикОром новой гипотезы и действия

Fig6

Рис. 7. Иллюстрация нахождения АлНикОром нескольких файлов с правилами

Fig7

Из рис. 7 видно, что в этой папке найдено несколько файлов с правилами, что обусловило необходимость АлНикОру снова делать выбор с использованием  где i, j – смыслы названий файлов с правилами.

Рис. 8. Представление АлНикОром пользователю своего выбора – файла «Для жидкости»

Fig8

АлНикОр предоставляет пользователю свой выбор (рис. 8).

 

Далее приведены внешние правила (Правила физики) в том виде, в котором они находятся в выбранном файле.

«Если жидкости передаётся импульс, то предмет – точка отсчета.

Тогда считать силу сопротивления жидкости относительно предмета.

Если движение по жидкости, то считать с коэффициентом присоединённой массы.

Если считать силу сопротивления жидкости относительно предмета и применить коэффициент присоединённой массы, то использовать формулу: квадрат скорости умножить на плотность жидкости и умножить на площадь предмета и умножить на 0,525.»

Правила осмысливаются, причём приоритетом пользуются смыслы их антецедентов и консеквентов. Например, для правила «Если движение по жидкости, то считать с коэффициентом присоединённой массы» смысл антецедента – «движение по жидкости» («см»), а смысл консеквента – «предмет – точка отсчета».

В дальнейшем АлНикОр предоставляет пользователю сообщение о включении формулы (рис. 9), точнее соответствующего ей смысла консеквента правила в Здравый смысл, что означает дальнейшее использование его в приоритетном порядке. Формула – ещё не уравнение. Так что АлНикОр должен, во-первых, преобразовать формулу в уравнение, а во-вторых, решить уравнение в общем виде, преобразовав смыслы его составляющих в соответствии с правилами математики.

Опуская подробности, заметим, что для преобразования формулы в уравнение АлНикОр использует смыслы из состава собственных убеждений: «сила действия равна силе противодействия» и «вес – сила действия». Из первого смысла и смысла фрагмента условия задачи АлНикОр генерирует: «Движение по воде порождает силу противодействия». Исходя из того же смысла и другого фрагмента условия АлНикОр генерирует: «Человек порождает силу действия». Исходя из убеждения «вес – сила действия», АлНикОр генерирует смысл: «вес человека – сила действия». Этих смыслов АлНикОру достаточно, чтобы из смысла формулы получить смысл уравнения.

 

Рис. 9. Сообщение АлНикОра о включении формулы в здравый смысл

Fig9

Рис. 10. Демонстрации словесной формы полученного уравнения

Fig10

 

АлНикОр показывает словесную форму полученного уравнения (рис. 10). Получение смысла уравнения позволяет сгенерировать смыслы новой гипотезы, используемых данных, нужных действий.

Рис. 11. Предоставление АлНикОром смысла новой гипотезы пользователю

Fig11

На рис. 11 продемонстрировано, каким образом АлНикОр предоставляет новые смыслы (гипотезы и проч.) пользователю.

Для решения уравнения в общем виде используются стандартные правила: умножение и/или деление левой и правой части уравнения, извлечение корня квадратного и проч.

Рис. 12. Результат преобразования смыслов фрагментов уравнения относительно смысла цели задачи «скорость»

Fig12

На рис.12 показан результат преобразования смыслов фрагментов уравнения относительно смысла цели задачи «скорость».

Теперь АлНикОр, основываясь на смыслах «по воде» и «человек», находит нужные численные данные – файлы с данными физических параметров человека и воды, подставляет их в уравнение и производит вычисления, подробности здесь опускаются. Результат представляется пользователю в привычном виде (рис. 13).

Рис. 13. Предоставление результата

Fig13

В результате АлНикОр представляет искомое значение скорости бега по воде человека с экстремально большой площадью ступни. Для средних значений площади ступни скорость существенно увеличивается.

АлНикОр имеет возможность проверить, по крайней мере получить аргументы «за» или «против» правильности своего решения. Для этого пользователь или некий ИИ может подставить соответствующие данные в файлы данных человека и воды. А затем можно подсчитанное сравнить с известным результатом. В нашей задаче известным результатом можно считать рекомендуемую среднюю скорость катера, буксирующего человека на водных лыжах. Это – от 53 до 60км/час (в среднем около 57км/час) для человека весом 68кг и площади водных лыж от 0,57 до 0,55 кв.м. Так что перед тем, как нажать «Да», пользователь должен, если хочет проверить, внести эти вес человека и площадь водных лыж в файлы.

В дальнейшем АлНикОр может предложить пользователю проверить результаты (рис. 14).

Рис. 14. АлНикОр предлагает пользователю проверить решение задачи

Fig14

Если проверка оказалась успешной, то АлНикОр проверяет, является ли найденное решением задачи, и если да, то он демонстрирует результат пользователю (рис. 15).

Рис. 15. Предоставление результата программой АлНикОр

Fig15

Выше приведены только основные фрагменты протокола АлНикОра. Полный протокол в зависимости от задаваемой пользователем установки (пользователь может задавать специальные установки в виде записей в соответствующем файле) может содержать до 60 скриншотов. Из приведённых фрагментов может возникнуть впечатление лёгкости задачи для решающего. Семантические и информационные испытания покажут, насколько это впечатление обманчиво.

Задача решается АлНикОром полностью автономно, а вывод на экран используется лишь для информации пользователя о происходящем. При подключении семантической памяти возможен т.н. положительный перенос, т.е. при поступлении сходной по смыслу задачи решение находится сразу же. При этом смыслы её условия j и условия уже решенной задачи i сравниваются, и если  то осуществляет положительный перенос. Причём min выбирается АлНикОром исходя из параметров личностных структур, в частности доверия источнику информации.

Заключение

У АлНикОра как решателя задач имеются как достоинства, так и недостатки.

Среди достоинств можно отметить следующие:

  1. АлНикОр во всех процессах, в т.ч. при решении задач, использует смыслы – инварианты – слов, фраз, текстов естественного русского языка [2]. Справедливо утверждение о том, что смыслы – активные или ограниченно активные состояния, а также области в семантическом (фазовом) пространстве. Если смыслы используются одновременно, то между их областями может быть подсчитано расстояние. Чем это расстояние меньше, тем более похожи слова, предложения, тексты, соответствующие смыслам. Чем расстояние больше, тем менее похожи. Данное свойство смыслов позволяет после некоторого размышления находить важное сходство во внешне различном, и существенные различия во внешне сходном.
  2. Алгоритмы генерации смыслов инвариантны и универсальны для всех областей знания и любых задач, т.к. представляют собой компьютерные реализации математических моделей психических процессов интеллектуально развитого человека [2].
  3. Алгоритмы мыслительных процессов АлНикОра, включающих операции анализа, синтеза, обобщения и др. также инвариантны и универсальны [13].
  4. В АлНикОре предусмотрена личностная регуляция процессов решения задач, которая сводит к минимуму риск использования системы для антиобщественной деятельности [14].
  5. В АлНикОре имеется система долговременной семантической памяти, позволяющая ему самообучаться в автономном режиме [12].
  6. В АлНикОре реализованы алгоритмы подсознательных процессов мышления – активация и дезактивация состояний, переходы в фазовом пространстве, позволяющие полагать полиномиальной зависимость времени решения от количества слов и предложений, в т.ч. правил, которые используются [2].
  7. В АлНикОре реализована возможность автономного изменения, в т.ч. дополнения, основной и предметных баз знаний за счёт использования толковых электронных словарей русского языка [11].
  8. АлНикОр способен объяснить все свои действия и решения. В этом плане он полностью транспарентен.

Основные недостатки АлНикОра:

  1. Сложность теории, моделей и, соответственно, реализующих их компьютерных алгоритмов. Уже на начальных этапах разработки в 2001 г. при программировании осмысления русскоязычных текстов пришлось сильно упростить первоначальные модели генерации смыслов слов и предложений с тем, чтобы обеспечить минимальную возможность их экспериментальной верификации. То же относится и к алгоритмам мыслительных операций, и к алгоритмам личностных воздействий на процессы решения задач.
  2. В сравнении с современными системами ИИ, в частности, с текстовыми процессорами вроде GPT-3 и другими, АлНикОр выглядит лилипутом с основной базой знаний меньше 5000 слов и выражений против около 200 млрд слов у GPT-3, так что проверить АлНикОр, например, в генерации произвольных текстов не представляется возможным.
  3. Сложности «социального» существования и теории, и АлНикОра, тесно связаны с первым. Теория, модели и АлНикОр далеко выходят за рамки всех известных трендов как в психологии, так и в ИИ и компьютерных науках. Даже если отбросить личностные факторы активных критиков, остаются опасения, связанные с чем-то сложным, запутанным и крайне непривычным. Уровень математической подготовки большинства психологов недостаточен, чтобы понять, как устроен и работает АлНикОр. Но даже квалифицированные математики, доктора физико-математических наук, вынуждены будут потратить недели, а то и месяцы, чтобы верифицировать математические модели – следствия теории и сделать обоснованные предположения, к чему может привести их компьютерное воплощение. Примером в пользу сказанного можно считать недавнюю длительную проверку доказательства Григория Перельмана теоремы Пуанкаре. При том, что проверка доказательства математических теорем – гораздо более привычное занятие для математиков, чем проверка сверхсложных психологических теорий, уж тем более компьютерных воплощений их следствий. Однако интуиция некоторых людей, обычно гениев, подсказывает им верные решения в тех случаях, когда аргументов в пользу этих решений явно недостаточно. Таким был великий математик академик Андрей Николаевич Колмогоров, много лет назад, незадолго до кончины сказавший своим ученикам после прочтения нашей статьи с доказательством и экспериментальной верификацией основного закона теории: «Я ничего в этом не понимаю, но интересно, печатайте». Данная статья [15] была опубликована уже после смерти Андрея Николаевича по рекомендации его ученика академика АН УССР Б.В. Гнеденко.

За всё время разработки было проведено несколько десятков испытаний различных алгоритмов, входящих в АлНикОр. Основные заявленные параметры АлНикОра также верифицировались в серии испытаний, включавших вероятностные, семантические и информационные. Описание данных испытаний будет представлено в следующих статьях.

Список источников

  1. Леонтьев А.Н. Деятельность, сознание, личность. М.: Политиздат. 1975.
  2. Орехов А.Н. Моделирование психических и социально-психологических процессов: номотетический подход: Автореф. дисс. … докт. психол. наук. М.: 2006.
  3. Jaderberg M., Czarnecki W.M., Dunning I. et al. Human-level performance in first-person multiplayer games with population-based deep reinforcement learning. arXiv:1807.01281v1 [cs.LG] 3 Jul 2018
  4. Иванов А.И., Язов Ю.К. Рост скорости программирования биометрических приложений при использовании специальных языков автоматического обучения искусственных нейронных сетей большой размерности // Тр. науч.-техн. конф. кластера пензенских предприятий, обеспечивающих безопасность информационных технологий. Пенза: 2012. Т. 8. С. 53–55. [Электронный ресурс]. – URL: http://пниэи.рф/activity/science/BIT/T8-p53.pdf
  5. Иванов А.И. Подсознание искусственного интеллекта: программирование автоматов нейросетевой биометрии языком их обучения. Пенза: Изд-во ОАО «ПНИЭИ». 125 с.
  6. Brown T.B., Mann B., Ryder N. et al. Language Models are Few-Shot Learners arXiv:2005.14165v4. 2020
  7. [Электронный ресурс]. – URL: https://sbercloud.ru/ru/warp/gpt-3
  8. Hutson Robo-writers: the rise and risks of language-generating AI // Nature. 2021. V. 591. P. 22–25.
  9. Copi.ai [Электронный ресурс]. – URL: https://www.copy.ai
  10. Cook S. The complexity of theorem proving procedures // Proceedings of the Third Annual ACM Symposium on Theory of Computing. 1971. P. 151–158.
  11. Орехов А.Н., Орехов С.А. Культурно обусловленные значения и личностные смыслы в компьютерной психике // Пленарный докл. XII Всерос. науч. конф «Нейрокомпьютеры и их применение». 2014. – [Электронный ресурс]. – URL: http://it.mgppu.ru/upload/iblock/d4c/program_NKP_2014.pdf (дата обращения: 10.04.2021)
  12. Орехов А.Н. Обучение и самообучение системы знаний компьютерной психики. – [Электронный ресурс]. – URL: http://libed.ru/konferencii-bezopasnost/405973-2-xi-vserossiyskaya-nauchnaya-konferenciya-neyrokompyuteri-primenenie-marta-2013-goda-tezisi-dokladov-moskva-2013.php (дата обращения: 09.04.2021)
  13. Орехов А.Н. Компьютерная психика 2017: состояние и гуманитарные перспективы // Человек, искусство, вселенная. 2017. № 1. С. 210–222.
  14. Орехов А.Н. Компьютерная личность: преимущества и недостатки // Тр. XV Всерос. науч. конф. «Нейрокомпьютеры и их применение». 2017. С. 125–126.
  15. Орехов А.Н., Семенов Д.В. Исследование зависимости между семантическими и процессуальными характеристиками представлений в математической синтетической теории психических процессов // Доклады Украинской академии наук. 1988. A(9). С.78–82.

Всем читателям  и посетителям сайта!

Всем читателям  и посетителям сайта!

Задача момента: нужно, чтобы как можно больше граждан РФ узнали  о Самосовершенствующейся компьютерной системе – Социально ориентированной компьютерной личности.

Для этого любым способом проинформируйте всех кого знаете: перешлите ссылку на сайт, подпишитесь на канал Компьютерная личность в яндекс Дзен, Telegram, VK, OK, расскажите друзьям и знакомым. 

Прошу использовать материалы сайта в соответствии с законодательством РФ

Ссылаться на мой сайт и его материалы можно на Ваших сайтах и блогах, если Ваши  сайты и блоги удовлетворяют следующим требованиям:

 а) Соответствуют закону об авторских и смежных правах РФ.

б) Не содержат материалов порочащих нашу страну;

в) Сделаны пристойно, без “нецензурщины” и “порнухи”.

Все предложения, имеющие практическое значение (если Вы полагаете наладить контакт или сотрудничество и т.д.) прошу направлять на alexandernorekhov@yandex.ru