Интуитивные логические системы и их приложения в технологиях искусственного интеллекта

Abstract

рассмотрены задачи построения интуитивных языковых образов, связанных с идеями построения искусственных нейронных сетей (ИНС), широко и без надлежащего строгого математического обоснования применяемых в технологиях искусственного интеллекта (ИИ). Работа нацелена на выявление семантики, необходимой для создания строгого математического основания будущей теории ИНС и ИИ. Принципиальным моментом указанных технологий является понятийный аналитический аппарат, создаваемый интеллектом Человека-пользователя в рамках его информационной среды, в которой ИНС и ИИ выступают как вспомогательные быстродействующие средства. Они способствуют решению задач, сформулированных в рамках общечеловеческой интуитивной языковой среды. В контексте развиваемого подхода определены метрики в пространствах решений, в частности, в задачах визуального корреляционного анализа, применяемого для эффективного выявления связей экспериментальных наблюдений. Представлены понятия теории и семантической значимости, определяемой Человеком. Показаны возможные ограничения в технологиях ИИ, основанные на особенностях человеческого мышления и языковых систем the paper considers the construction of intuitive language images related to the concept of artificial neural networks (ANN) which are extensively used and without proper, rigorous mathematical justification applied to artificial intelligence (AI) technologies. This work aims to identify the semantics for creating a rigorous mathematical foundation for the future theory of ANNs and AI. A fundamental aspect of these technologies is the conceptual analytical apparatus created by the intelligence of the Human in their information environment, in which ANN and AI act as auxiliary, fast-acting tools. They contribute to the solution of tasks formulated within the framework of the universal intuitive language environment. In the context of the developed approach, metrics in solution spaces are defined, in particular, in the tasks of visual correlation analysis applied to efficiently reveal the relationships of experimental observations. The concepts of theory and semantic relevance as defined by Man are presented. Possible limitations in AI technologies based on the peculiarities of human thinking and language systems are shown