МОДЕЛЬ ИЕРАРХИЧЕСКОЙ АССОЦИАТИВНОЙ ПАМЯТИ ДЛЯ ИСКУССТВЕННЫХ КОГНИТИВНЫХ АГЕНТОВ ОБЩЕГО НАЗНАЧЕНИЯ

  • R. Dushkin Агентство Искусственного Интеллекта
  • D. Semyonov ФГБОУ ВО «Московский государственный университет технологий и управления имени К. Г. Разумовского (ПКУ)»
Ключевые слова: искусственный интеллект, когнитивный агент, ассоциативная память, иерархическая память, обработка контекста, жизненный опыт, машинное обучение, обучение с подкреплением, непрерывное обучение, агентный подход.

Аннотация

В настоящей работе представлена модель иерархической ассоциативной памяти, которая может быть использована в качестве основы для построения искусственных когнитивных агентов общего назначения. При помощи этой модели может быть решена одна из важнейших проблем современного машинного обучения и искусственного интеллекта в общем — возможность для когнитивного агента использования «жизненного опыта» для обработки контекста той ситуации, в которой он находился, находится и, возможно, будет находиться. Эта модель применима для искусственных когнитивных агентов, функционирующих как в специально сконструированных виртуальных мирах, так и в объективной реальности. Использование иерархической ассоциативной памяти в качестве долговременной памяти искусственных когнитивных агентов позволит последним эффективно ориентироваться как в общих знаниях, накопленных человечеством, так и в своём жизненным опыте. Новизна представленной работы основывается на авторском подходе к построению контекстно-зависимых искусственных когнитивных агентов с использованием междисциплинарного подхода, в частности, базирующегося на достижениях искусственного интеллекта, когнитологии, нейрофизиологии, психологии и социологии. Актуальность настоящей работы базируется на остром интересе научного сообщества и высоком социальном запросе на создание систем искусственного интеллекта общего уровня. Одним из важных компонентов искусственного интеллектуального агента общего уровня становится ассоциативная иерархическая память, основанная на использовании подхода, сходного с гиперколонками коры человеческого головного мозга. Статья будет интересна всем исследователям, работающим в области построения искусственных когнитивных агентов и смежных областях.

Биография автора

R. Dushkin, Агентство Искусственного Интеллекта

Chief Science and Technology Officer

Литература

Brézillon P. (1999) Context in Artificial Intelligence // Computing and Informatics / Computers and Artificial Intelligence — CAI. — TRANSLIBRIS, May 1999. — P. 321-340.

Hawkins J. (2004) On Intelligence (1st ed.). Times Books. — P. 272. — ISBN 978-0805074567.

Paquette P. (2020) A Road Map to Strong Intelligence // Preprint, February 2020. — URL: https://bit.ly/_aRMtSI.

Takagi M., Sakurai A., Hagiwara M. (2019) Quality Recovery for Image Recognition // IEEE Access. 7. 1-1. — https://doi.org/10.1109/ACCESS.2019.2932726.

Душкин Р. В. (2019) Искусственный интеллект. — М.: ДМК-Пресс, 2019. — 280 с. — ISBN 978-5-97060-787-9.

Душкин Р. В., Андронов М. Г. (2019) Гибридная схема построения искусственных интеллектуальных систем // Кибернетика и программирование. — 2019. — № 4. — С. 51-58. — DOI: 10.25136/2644-5522.2019.4.29809. — URL: http://e-notabene.ru/kp/article_29809.html. 7.Шумский С. А. (2020) Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта. — М.: РИОР, 2020. — 340 с. — ISBN: 978-5-369-01832-3.

Опубликован
2021-02-15
Как цитировать
Dushkin, R., и D. Semyonov. 2021. «МОДЕЛЬ ИЕРАРХИЧЕСКОЙ АССОЦИАТИВНОЙ ПАМЯТИ ДЛЯ ИСКУССТВЕННЫХ КОГНИТИВНЫХ АГЕНТОВ ОБЩЕГО НАЗНАЧЕНИЯ ». EurasianUnionScientists 5 (1(82), 24-26. https://archive.euroasia-science.ru/index.php/Euroasia/article/view/523.