ПРАКТИКА Варламов Олег Олегович Доктор технических наук, президент компании «МИВАР», Профессор каф. ИУ-5 МГТУ им. Н.Э. Баумана +7 (926) 276-76-45 [email protected][email protected]
подобны инстинктивным реакциям, рефлексам и т.п. Применяются, когда надо мгновенно выполнить некое действие (нейросети и генетические алгоритмы). ИНТЕЛЛЕКТУАЛЬНЫЙ УРОВЕНЬ ЛОГИКА – WISDOM ЛОГИЧЕСКИЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Термин "интеллект" ближе к логическому осознанному мышлению, когда человек понимает что и как он делает. Это гораздо медленнее, чем рефлексы и реакции, но зато более универсально (логические рассуждения, обоснование и принятие решений, накопление и обработка информации). СВЕРХ-ИНТЕЛЛЕКТУАЛЬНЫЙ УРОВЕНЬ СОЦИАЛЬНЫЙ Неформализуемые и сложно формализуемые задачи, которые выходят за пределы "логического осознанного мышления", т.к. даже человек эти процессы не осознает (эмоции и т.п.) ТРИ УРОВНЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ ИИ
СОЦИАЛЬНЫЙ ИНТЕЛЛЕКТУАЛЬНЫЙ ЛОГИЧЕСКИЙ ДО-ИНТЕЛЛЕКТУАЛЬНЫЙ РЕФЛЕКСНЫЙ СЕМАНТИЧЕСКАЯ ОБРАБОТКА ТЕКСТА ЭКСПЕРТНЫЕ СИСТЕМЫ ОБЩЕТЕОРЕТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МЫШЛЕНИЯ ПРИКЛАДНОЕ (КОНСТРУКТИВИЗМ) СМЫСЛОВОЕ ПОНИМАНИЕ ОБРАЗОВ АСУ СИСТЕМЫ УПРАВЛЕНИЯ АВТОНОМНЫМИ РОБОТАМИ СИСТЕМНАЯ МОДЕЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА РОЛЬ И МЕСТО МИВАРНЫХ ТЕХНОЛОГИЙ В ОБЛАСТИ ИИ
000 000 правил/сек УНИКАЛЬНОСТЬ МИВАРНОГО ПОДХОДА ЗАКЛЮЧАЕТСЯ В ИСПОЛЬЗОВАНИИ МНОГОМЕРНОЙ БАЗЫ ДАННЫХ «VSO» И ЛОГИЧЕСКОГО ВЫВОДА С ЛИНЕЙНОЙ ВЫЧИСЛИТЕЛЬНОЙ СЛОЖНОСТЬЮ ЭВОЛЮЦИОННЫЕ БАЗЫ ДАННЫХ, ЛИНЕЙНЫЙ ЛОГИЧЕСКИЙ ВЫВОД И ВЫЧИСЛИТЕЛЬНАЯ ОБРАБОТКА ПРЕДСТАВЛЯЮТ СОБОЙ ЕДИНОЕ ЦЕЛОЕ, ЧТО ПОЗВОЛЯЕТ ПРОИЗВОДИТЬ ВСЕ ВЫЧИСЛЕНИЯ В РАЗНЫХ КОНТЕКСТАХ И В РЕАЛЬНОМ ВРЕМЕНИ – основа СИЛЬНОГО ИИ МИВАР = Многомерная Информационная Варьирующаяся Адаптивная Реальность MIVAR = Multidimensional Informational Variable Adaptive Reality Е И П Е У П Е И У П ПРИНЦИПЫ МИВАРНОГО ПОДХОДА (три технологии)
ГРАФ ДЕРЕВО КОГНИТИВНЫЕ КАРТЫ ОНТОЛОГИИ ER-ДИАГРАММА UML МИВАРНАЯ ТЕХНОЛОГИЯ ПОЗВОЛЯЕТ РЕАЛИЗОВАТЬ ВСЕ ПРЕИМУЩЕСТВА И ВОЗМОЖНОСТИ СУЩЕСТВУЮЩИХ ПОДХОДОВ ДЛЯ ОБРАБОТКИ ИНФОРМАЦИИ И РАБОТЫ СО ЗНАНИЯМИ ДАННЫЙ ПОДХОД ПОЗВОЛЯЕТ ИСПОЛЬЗОВАТЬ УЖЕ ИМЕЮЩИЕСЯ ЗНАНИЯ, НО ПОТРЕБУЕТСЯ ФОРМАЛИЗАЦИЯ +СЕТИ ПЕТРИ
РОБОТОВ, ЭКСПЕРТНЫХ И ЛОГИЧЕСКИ РЕШАЮЩИХ СИСТЕМ ТЭЛМИ - СЕМАНТИЧЕСКАЯ ПЛАТФОРМА – АНАЛИЗ ТЕКСТА И ПОНИМАНИЕ ЕСТЕСТВЕННОГО РУССКОГО ЯЗЫКА РОБОРАЗУМ - ПРОГРАММНАЯ ПЛАТФОРМА ИНТЕЛЛЕКТУАЛИЗАЦИИ АВТОНОМНЫХ РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСОВ МИВАР: ПРОДУКТЫ И РЕШЕНИЯ НА ОСНОВЕ ЛИНЕЙНОГО ЛОГИЧЕСКОГО ДВИЖКА РАЗУМАТОР
Формализация знаний о предметной области Правила и отношения Структура и содержание ЗНАНИЯ ПРЕДМЕТНОЙ ОБЛАСТИ МИВАРНАЯ БЗ (VSO) В1 Э А А Э В2 В3 А А А А Э Э Э Э СОЗДАНИЕ МИВАРНОЙ БАЗЫ ЗНАНИЙ МИВАРНАЯ БАЗА ЗНАНИЙ
СЛОВОФОРМА СЛОВОФОРМА Концепт ID 1 Концепт ID N НАБОРЫ СИМВОЛОВ (СЛОВА С ОШИБКАМИ) СИМВОЛЫ ПОЛУЧЕННОЙ РЕЧИ (ФОНЕМА) 2 1 3 4 5 … … ФОРМАЛИЗАЦИЯ ТЕРМИНА ПОНИМАНИЕ СМЫСЛА
Концепт ID N СЛОВО … СЛОВОФОРМА СЛОВОФОРМА СЛОВОФОРМА СЛОВОФОРМА Концепт ID 2 Концепт ID 3 Концепт ID 1 Концепт ID N СЛОВОФОРМА СЛОВО … СЛОВОФОРМА СЛОВОФОРМА СЛОВОФОРМА СЛОВОФОРМА Концепт ID 2 Концепт ID 3 Концепт ID 1 Концепт ID N СЛОВОФОРМА ФОРМАЛИЗАЦИЯ ТЕРМИНА ПОНИМАНИЕ СМЫСЛА
средством коммуникации, но и моделирования и мышления. Миварный подход основывается на представлении информации в виде «тройки»: «вещь – свойство – отношение» (VSO). Для моделирования мира применяем базы данных VSO, а для реализации мышления – миварные базы знаний на правилах «Если, То» Графическое отображение: вещь свойство отношение Пример: «Черный кот мяукает» кот мяукает черный
о предмете (проход по модели знаний) Смысловая обработка (проверка на противоречия, достаточность, здравый смысл) Построение модели текста (понимание) Преобразование модели ответа в текст / в документ Запрос Уточнение: снятие неопределенностей и противоречий в запросе Получая неформализованный запрос/вопрос на естественном языке, система способна обработать его в качестве эксперта и выдать результат, приведенный к требуемому виду. Результат ? УКРУПНЕННАЯ СХЕМА ПОНИМАНИЯ ТЕКСТА
на вешалку, чтобы он просох.» Граф VSO по тексту до снятия семантической неопределенности Граф VSO по тексту после снятия семантической неопределенности СНЯТИЕ СЕМАНТИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ
Я повесил свой дождевик на вешалку, чтобы он просох» ПОЛУЧАЕМ СИЛЬНЫЙ ИИ: ИЗ ПОНИМАНИЯ ЕЯ ТЕКСТА СРАЗУ ДЕЛАЕМ ИНСТРУКЦИИ ДЛЯ ПРОГРАММНЫХ РОБОТОВ (RPA) И/ИЛИ «ЖЕЛЕЗНЫХ» РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСОВ И МАШИН. МОЖНО ПОГОВОРИТЬ С МАШИНОЙ! А МАШИНЫ МОГУТ ГОВОРИТЬ МЕЖДУ СОБОЙ НА ЕЯ!
В РЕЖИМЕ ЕСТЕСТВЕННОГО ДИАЛОГА УПРАВЛЕНИЕ И ПОПОЛНЕНИЕ БАЗЫ ЗНАНИЙ АВТОПЕРЕКЛЮЧЕНИЕ НА ОПЕРАТОРА ИНТЕГРАЦИЯ В КОРПОРАТИВНЫЙ ПОРТАЛ запросов на консультацию в день сотни внутренних клиентов тысячи типов вопросов формулировок на один вопрос 80 регионов РФ тысячи десятки http://futurebanking.ru/post/3565 https://www.banki.ru/news/lenta/?id=10330125 https://alfabank.ru/retail/2018/3/14/43512.html • > 50 (!) раз выросла скорость ответов • Повысил качество обслуживания • Работает 24/7 • Существенно сократил трудозатраты • Не имеет аналогов Мария Шевченко Главный операционный директор Альфа-Банка Управление знаниями Повышение эффективности сервиса • Аккумуляция и развитие отраслевых экспертных знаний • Качественный переход от пассивных форм накопления знаний (чтение источника и анализ инф-и) к активным (получение ответа или решения) • Повышение эффективности – программные роботы не устают и не совершают ошибок (человеческий фактор) • Отсутствие эмоциональной компоненты при общении Сохранение компетенций • Минимизация рисков по утере компетенций при уходе ключевых экспертов • Снижение личностных требований и сокращение периода обучения новых кадров Высокая точность и скорость ответов • Консультация пользователя (ответы на вопросы) базируется на формализованной Базе Знаний с использованием Логического ИИ • Правильно заложенные знания и логическая обработка исключают ошибочное решение даже при высокой нагрузке, требующей быстрой обработки Инновационные компетенции • Развитие инновационных технологических компетенций в области программной роботизации процессов (RPA, Robotic Process Automation) в отрасли • Новые возможности сельского хозяйстваи технологий искусственного интеллекта как ответ на вызовы времени ПРЕИМУЩЕСТВА И ВОЗМОЖНОСТИ МИВАРНОГО ВИРТУАЛЬНОГО КОНСУЛЬТАНТА МИВАРНЫЙ КОНСУЛЬТАНТ РАБОТАЕТ В АЛЬФА-БАНКЕ
интеллекта, что позволило реализовать более высокую скорость обучения и ответа при увеличении точности и естественности диалога человека и чат-бота. Отказались от статистики (нейросетей) в части принятия решений и используем модуль экспертной системы, который позволяет дать не только правильный ответ*, но и предоставить его обоснование с доказательной частью. Используем новый логический движок, позволяющий с линейной вычислительной сложностью обрабатывать более 5 000 000 правил в секунду, при этом не требуя больших аппаратных мощностей для работы системы. Благодаря уникальному анализу синтаксического разбора текста, семантического преобразования, построения графа, а также работы с контекстом и снятию неопределенностей – система ОТВЕЧАЕТ КАК ЧЕЛОВЕК! Применяем гносеологическую модель VSO, позволяющую не просто искать слова в словаре, но и распознавать контекстное окружение – тем самым система ПОНИМАЕТ, КАК ЧЕЛОВЕК! 1 2 3 4 5 ПОЧЕМУ МЫ ТАК КРУТЫ?
3. Стратегический Траекторное управление (рефлексный) Групповое управление и прогнозирование Логическое принятие решений Самообучение, адаптивность Интеллектуальная цифровая среда Радикальное повышение безопасности дорожного движения СПР: база знаний правил дорожного движения и миварная логика ЛОГИЧЕСКИЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ДЛЯ УПРАВЛЕНИЯ РТК И АВТОНОМНЫМ ТРАНСПОРТОМ
ДТС с правилами дорожного движения Происходит ДТП. Вызывается должностное лицо, которое зафиксирует ДТП и составит протокол Сбор данных о ДТП. Должностное лицо заполняет протокол/ анкету с данными о случившемся ДТП Передача данных в ЭКЦ. Данные передаются в ЭКЦ Анализ ДТП. Сотрудники ЭКЦ с помощью системы анализа ДТП получает объективное заключение по произошедшему ДТП Передача полученных результатов в суд. Заключение ЭКЦ передается в отдел судебного делопроизводства ПРЕИМУЩЕСТВА «АНАЛИЗ ДТП»: • Снижение трудоемкости расчета • Снижение возникновения ошибок • Повышение достоверности результатов • Снижение временных затрат • Повышение скорости и качества расчетов • Снижение требований к квалификации экспертов 1 Сбор данных о ДТП 2 Передача данных в ЭКЦ 3 Восстановление картины ДТП ПЛАТФОРМА РЕКОНСТРУКЦИИ И ЭКСПЕРТИЗЫ АВАРИЙНЫХ СОБЫТИЙ ДТП НА БАЗЕ ЛОГИЧЕСКОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ЭКСПЕРТНАЯ СИСТЕМА «АНАЛИЗ ДТП» Получение объективного результата 4
СМЫСЛОВОЕ ПОНИМАНИЕ ОБРАЗОВ ЭКСПЕРТНЫЕ СИСТЕМЫ И СППР АВТОМАТИ- ЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ миварная технологическая платформа ЛОГИЧЕСКИЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КЛЮЧЕВЫЕ НАПРАВЛЕНИЯ СИЛЬНОГО ИИ
и миварных двудольных ориентированных сетях с линейным логическим выводом 2. МИВАРНЫЙ РАЗУМАТОР – это продукты: КЭСМИ, ТЭЛМИ и РОБОРАЗУМ для создания сильного ИИ - понимающих, видящих и думающих групп роботов со «СверхМозгом» 3. Для создания гибридного СИЛЬНОГО ИИ надо работать по всему спектру системной модели ИИ на основе миваров! Компания МИВАР 127521, Россия, Москва, ул. Октябрьская, д. 72 +7(495) 604-44-90 [email protected] www.mivar.ru СПАСИБО ЗА ВНИМАНИЕ! Варламов Олег Олегович Доктор технических наук, президент компании «МИВАР», Профессор каф. ИУ-5 МГТУ им. Н.Э. Баумана +7 (926) 276-76-45 [email protected][email protected] ВЫВОДЫ
N+1 1 X X X Y Y 2 X Y Y X X ... ... M X X X Y M+1 Z Z W W M – количество правил в описании задачи N – количество всех объектов - переменных в правилах (М+1; N+1) – содержит описание конкретной предметной области, в которой по строкам расположены все правила, а по столбцам – все переменные X – входные переменные в конкретном правиле; Y – выходные переменные в конкретном правиле Z – признак известности переменной, который проставляется в (М+1)-ОЙ строке W – искомая переменная, значение которой надо найти. В (N+1)-ОМ СТОЛБЦЕ ПРОСТАВЛЯЮТСЯ ПРИЗНАКИ: «1» - возможности запуска правила, когда известны все входные переменные; «2» – факт выполнения правила (для исключения повторного запуска). В НАЧАЛЕ РЕШЕНИЯ ЗАДАЧИ В МАТРИЦЕ ПРОСТАВЛЕНЫ ВСЕ ЗНАЧЕНИЯ X И Y, КОТОРЫЕ ЗАДАЮТ МОДЕЛЬ ОПИСАНИЯ ЗАДАЧИ. ДАЛЕЕ ПРОСТАВЛЯЮТ ПРИЗНАК Z ДЛЯ ВСЕХ ИЗВЕСТНЫХ ВХОДНЫХ ПЕРЕМЕННЫХ, А W - ДЛЯ ПЕРЕМЕННЫХ, КОТОРЫЕ ТРЕБУЕТСЯ НАЙТИ. ФОРМИРОВАНИЕ МАТРИЦЫ МИВАРНОЙ СЕТИ
1 X X X Y Y 2 X Y Y X X ... ... M X X X Y M+1 1 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 2 X Y Y X X ... ... M X X X Y M+1 Z Z Z W 2 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 1 2 X Y Y X X ... ... M X X X Y M+1 Z Z Z W 3 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 2 2 X Y Y X X ... ... M X X X Y M+1 Z Z Z W Z Z 4 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 2 2 X Y Y X X 1 ... ... M X X X Y M+1 Z Z Z W Z Z 5 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 2 2 X Y Y X X 2 ... ... M X X X Y M+1 Z Z Z Z Z W Z Z 6 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 2 2 X Y Y X X 2 ... ... M X X X Y 1 M+1 Z Z Z Z Z W Z Z 7 1 2 3 4 5 ... N-2 N-1 N N+1 1 X X X Y Y 2 2 X Y Y X X 2 ... ... M X X X Y 2 M+1 Z Z Z Z Z Z(W) Z Z 8 P(1) P(2) P(3) P(n-2) P(1) P(2) P(3) P(n-2) R(1) P(1) P(2) P(3) P(n-2) R(1) P(n-1) P(n) P(1) P(2) P(3) P(n-2) R(1) P(n-1) P(n) R(2) P(1) P(2) P(3) P(n-2) R(1) P(n-1) P(n) R(2) P(4) P(5) P(1) P(2) P(3) P(n-2) R(1) P(n-1) P(n) R(2) P(4) P(5) R(m) P(1) P(2) P(3) P(n-2) R(1) P(n-1) P(n) R(2) P(4) P(5) R(m) ПРИМЕР ОБРАБОТКИ МАТРИЦЫ ДЛЯ РЕШЕНИЯ ЗАДАЧИ … R(1) R(6) … R(2) R(3) R(4) R(5) R(m) СПИСОК ОБЪЕКТОВ СПИСОК ПРАВИЛ P(n-2) P(n-1) P(n) P(1) P(2) P(3) P(4) P(5) P(6) R(m-2) R(m-1) МИВАРНЫЙ МЕТОД ЛОГИКО-ВЫЧИСЛИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ
(Миварная логика на многомерных миварных сетях) *Мама работает врачом в больнице и она очень любит детей. Вопрос: Кто работает врачом? Ответ: Мама. *Молодой человек очень любит гулять лунными вечерами по улице. Вопрос: Где молодой человек любит гулять? Ответ: Улица. *Свиньи живут на ферме. Курицы живут на ферме. Курицы живут с цыплятами. Курицы клюют зерна. Курицы несут яйца. Овцы живут на ферме. Гуси живут на ферме. Козы живут на ферме. Козы едят морковь. Коровы живут на ферме. Животные живут в загонах. Вопрос: Кто обитает на ферме? Ответ: Свинья, курица, овца, гусь, коза, корова. (На одной картинке появляются все животные). *На мой день рождения папа подарил мне маленького и игривого щенка. Вопрос: Кого подарил папа? Ответ: Щенок. *Мама часто готовит вкусный овощной суп. Вопрос: Какой суп готовит мама? Ответ: Вкусный, овощной. *Папа работает на ферме. Он много работает. Вопрос: На ферме работают мужчины? Ответ: Да, папа (обобщающее слово «мужчина»). Вопрос: Папа много работает? Ответ: Да. МЕТОДИКА ОТВЕТОВ НА ВОПРОСЫ
пропорции объекта, удаленность, положение, взаимное расположение объектов, пропорции между объектами, реальные размеры объекта (зная параметры камеры). Цвет Текстура Форма Контур Применяемые в настоящее время технологии Позволяет не только более точно описывать (понимать) объекты, но и определять, в каких отношениях они состоят с другими объектами Первичные «глаза» для выделения и классификации (распознавания) объектов Контекстное понимание изображения ИЕРАРХИЯ УРОВНЕЙ РАСПОЗНАВАНИЯ
распознавания Модуль выделения признаков Модуль построения графа VSO Модуль снятия контекстной неопределенности Модуль обращения к БЗ База Знаний Модуль обратной связи Модуль визуализации графа VSO Проверка на устойчивость СХЕМА ОБЪЕДИНЕНИЯ ЛОГИКИ С РЕФЛЕКСАМИ
МИВАР-ОБРАЗЫ МИВАР-ТЕКСТ V S O - «умный поиск» (обратная задача) – поиск по текстовому запросу наиболее релевантных изображений, благодаря переходу и работе на уровне миварных моделей представления данных. - «умное распознавание» (прямая задача) – получение максимально полного и точного текстового описания изображений, за счет работы на уровне контекста в миварной базе знаний. «УМНЫЕ» РАСПОЗНАВАНИЕ И ПОИСК ОБРАЗОВ
opentalks
takusamar
trycycle
ykiyota
rmaruy
sshimizu2006
.jpg){kind=avatar}
lychee1223
konakalab
shucho0103
shumpei777
estie
jonoalderson
tammyeverts
ks91
schroneko
pauljervisheath
marcoroth
coloredviolet
chrislema
eileencodes
aleyda
csswizardry
trallard
