Использование блока целеполагания AGI совместно с системами управления ИИ

Введение

Искусственный интеллект - одно из наиболее перспективных и многообещающих направлений развития IT, науки и человечества в целом. В эпоху информатизации общества и начала коммерческого применения нейросетей все чаще речь заходит о следующем этапе технологического развития - создании Artificial general intelligence (General AI, AGI), или искусственного интеллекта общего уровня, способного мыслить и действовать, как человек.
AGI в большой степени использует глобальные «знания» о смежных задачах для решения конкретной задачи. Он позволяет эффективнее использовать контекст. По аналогии с человеком такая система может иметь мультимодальный вход: изображение, звук и так далее, и обрабатывать их совместно, - подчеркнул он.
Если рассматривать искусственный интеллект в сравнении с мозгом человека, то General AI - весь мозг в целом, способный решать комплексные задачи. И хотя иногда под AGI понимают искусственный интеллект, который может прийти к осознанию себя, некоторые специалисты выделяют такой тип ИИ отдельно.
В ходе выполнения данной работы будут рассмотрены вопросы, которые касаются исследования блока целеполагания AGI совместно с системами управления ИИ.

Исследование блока целеполагания AGI совместно с системами управления ИИ
Ограниченные возможности существующих систем, использующих узкие методы ИИ, приводят к интенсификации работ по созданию ИИ. В рамках исследований когнитивных архитектур существует ряд работ по разработке когнитивных архитектур, целью которых является создание AGI. Однако во всех подобных случаях широкий спектр современных теоретических моделей, развивающийся в рамках различных направлений узкой теории ИИ, не используется. На практике применяются только некоторые из них и не во всех случаях это самые последние разработки. Существует явный разрыв между AGI и ИИ: результаты, достигнутые в ИИ, почти не переносятся на работы по AGI.
В качестве исходного фона для разработки предлагаемой архитектуры AGI был взят подход, предложенный в работе [1], суть которого заключается в использовании двух относительно независимых, но взаимосвязанных компонентов – сознания и подсознания. В этом случае сознание агента определяется согласно работе [2] и оценивается по предложенной в той же работе шкале. Пока агент учится, сознание будет развиваться и последовательно переходить с одного уровня на другой, достигая 10 уровня (взрослого) в пределе. Предлагаемая архитектура не предполагает достижения 11-го уровня (которое называется сверхсознание, под которым понимается способность моделировать несколько потоков сознания)

. Как сознание, так и подсознание в предлагаемой архитектуре имеет способность решать широкий круг задач. Архитектура агента показана на рисунке.


Рисунок – Архитектура агента, используемая для формирования сознания

Для определения перечня функциональных компонентов AGI была взята за основу схема эволюционного развития аналитических инструментов из работы [3]. В рамках данной работы она была частично дополнена. Высшая стадия эволюции данной схемы - это AGI. Функциональные компоненты сознания и подсознания включают в себя:
- инструменты предиктивной аналитики, которые решают проблемы машинного обучения. Данные инструменты состоят из импликативных и предикативных аналитических инструментов;
- инструменты прескриптивной аналитики, использование которых позволяет найти оптимальные решения для широкого круга задач;
- инструменты исполнительной аналитики, позволяющие осуществить выбор следующего шага из нескольких возможных вариантов и обеспечить эффективную последовательность выполняемых действий;
- инструменты рефлексивной аналитики, использование которых позволяет учитывать ожидания других участников процесса от агента и ожидания самого агента от них, а также учитывать оценку агентом участников процесса и чувства по отношению к ним;
- инструменты анализа целей, обеспечивающие выбор и ранжирование целей;
- инструменты абстрактной аналитики, позволяющие формировать и использовать абстрактные понятия;
- инструменты аналитики внимания, позволяющие переключать внимание на различные события или области внешней среды, в которых происходит что-то важное.
Сознание использует сознательную память и реализует все перечисленные механизмы с помощью механизмов вывода или вероятностных механизмов вывода. Изучение сознания приводит к появлению новых правил производства. Для сравнения - подсознание использует бессознательную память и различные модели узкого ИИ для принятия решений. Выбор моделей осуществляется с помощью механизмов мета-обучения. Изучение подсознания приводит к появлению в нем новых моделей и совершенствованию используемых механизмов мета-обучения.
Метаграфы целесообразно использовать в качестве модели данных, как в сознательной, так и в бессознательной памяти. Метаграф – это, своего рода, сложная графовая (сетевая) модель с эмерджентностью. Ключевым элементом метаграфной модели является метавертекс, который помимо атрибутов включает в себя фрагмент метаграфа