В статье рассматриваются условия принятия результатов ДСМ-исследований. Определяются три типа истинностных значений - корреспондентные, когерентные и прагматические. Прагматические истинностные значения определяются посредством семантических типов эмпирических закономерностей. Рассматриваются три типа доверия к ДСМ-исследованиям - максимальное, допустимое и минимальное. Определяются также характеристики качества ДСМ-исследований. Установление доверия осуществляется в модуле когнитивного интерфейса интеллектуальных систем (ИС-ДСМ). ИС-ДСМ являются конструктивным средством интеллектуального анализа данных. В статье предлагаются усовершенствованные определения индукции и абдукции - логических средств ДСМ-метода АПИ, основанные на принципах конструктивной эволюционной эпистемологии и концепции эмпирической качественной причинности.
Идентификаторы и классификаторы
ДСМ-метод АПИ имеет три основных составляющих – ДСМ-рассуждения, ДСМисследования и квазиаксиоматические теории (КАТ) как итог их применения.
В §2 было охарактеризовано ДСМ-исследование и его качество, реализуемые посредством обоснованности ДСМ-рассуждений и ДСМ-исследований, их операциональности, монотонности и верифицируемости результатов – предсказаний исследуемых эффектов. Они выразимы посредством предиката H1(Z, Y, p, h).
Обоснованность, операциональность, верифицируемость гипотез о причинах и предсказаниях и их сохранение в ДСМ-исследования ранга r, где r>1, являются достаточным основанием принятия как этих гипотез, так и знаний, представляющих ЭЗК, сохраняющих эти гипотезы.
Список литературы
1. Финн В.К. Об эвристиках ДСМ-исследований (дополнения к статьям) // Научно-техническая информация. Сер. 2. 2019, №10. С.1-34. EDN: APBXAS
2. Финн В.К. Точная эпистемология и искусственный интеллект // Научно-техническая информация. Сер. 2. 2020№6.-с.1-36. EDN: NGHSLF
3. Финн В.К. ДСМ-рассуждения и обнаружение знаний: амплиативные выводы, распознавание причинности и три вида полноты // Научно-техническая информация. Сер.2. 2022, №4. С.4-36. EDN: GKTAXU
4. Фукс Л. Частично упорядоченные алгебраические системы. - Москва: Издательство “Мир”, 1965.
5. Финн В.К. Дистрибутивные решетки индуктивных ДСМ-процедур // Научно-техническая информация. Сер.2. 2014, №11. С.1-30. EDN: SYOYSB
6. Финн В.К. О классе ДСМ-рассуждений, использующих изоморфизм правил индуктивного вывода // Искусственный интеллект и принятие решений. 2016, №3. С.95-108. EDN: WWUTJH
7. Финн В.К. О неаристотелевском строении понятий // Логические исследования. 2015, Т. 21, №1. С.9-48. EDN: UHNDSN
8. Rosser J.B., Furquette A.R. Many-Valued Logics.-Amsterdam: North-Holland Publishing Company, 1958.
9. Бочвар Д.А. Об одном трехзначном исчислении и его применении к анализу парадоксов классического расширенного функционального исчисления // Математический сборник. 1938, Т.4, № 2. С.287-308.
10. Fann K.T. Peirce’s theory abduction // The Hague: Martinus Nijhoff Publishers, 1970.
11. Гершель Дж. Философия естествознания. - М.: Книжный дом “ЛИБРОКОМ”. 2011.
12. Fayyad U.M., Piatetsky-Shapiro G., Smyth P., Uthurusamy R. Advances in Knowledge Discovery and Data Mining. - Cambridge, MA: The AAAI Press, 1996.
13. Биркгоф Г. Теория решеток. - М.: “НАУКА”, 1984.
14. Гретцер Г. Общая теория решеток. - Москва: “Мир”, 1982.
15. Gr?tzer G. Lattice Theory. - San Francisco: W.H. FREEMAN AND COMPANY, 1971.
16. Абрикосов А.А. Академик Л.Д. Ландау. М.: “Наука”, 1965.
17. Bridgman P.W. The nature of some of our physical concepts // The British Journal for the Philosophy of Science. 1951, Vol.1, №4. Р.257-272.
18. Smullyan R.M. First-Order Logic. - New York: Springer-Verlag, Inc., 1968.
19. Аншаков О.М., Скворцов Д.П., Финн В.К. О дедуктивной имитации некоторых вариантов ДСМ-метода автоматического порождения гипотез. // В кн.: ДСМ-метод автоматического порождения гипотез. Логические и эпистемологические основания. - Москва: Книжный дом “ЛИБРОКОМ”. 2009, Глава 5. С.240-286.
20. Rescher N. The Coherence Theory of Theory of Truth. - Oxford: The Clarendon Press, 1973.
21. Милль Д.С. Система логики силлогистической и индуктивной: Изложение принципов доказательства в связи с методами научного исследования / пер. с англ.; предисл. и приложением В.К. Финна. - изд. 5-е, испр. и доп. - Москва: ЛЕНАНД, 2011.
22. Финн В.К. Стандартные и нестандартные логики аргументации. В кн.: Финн В.К. Искусственный интеллект. Методология, применения, философия. Часть IV. Глава 3. - М.: ЛЕНАНД, 2023. С. 337-363.
23. Есенин-Вольпин А.С. Об антитрадиционной (ультраинтуиционистской) программе оснований математики и естественно-научном мышлении. - В кн.: Есенин-Вольпин А.С. Логика, философия, поэзия, защита прав человека. - М.: Российский государственный гуманитарный университет. 1999. С. 53-111.
24. Шестерникова О.П., Финн В.К., Лесько К.А., Винокурова Л.В. Интеллектуальная система прогнозирования целесообразности применения компьютерной томографии // Искусственный интеллект и принятие решений 2022, №2 С. 3-16. EDN: QSUQRY
25. Шестерникова О.П., Финн В.К., Лесько К.А., Винокурова Л.В. О применении ДСМ-метода автоматизированной поддержки исследований для предсказания развития сахарного диабета у больных хроническим панкреатитом // Научно-техническая информация. Сер. 2. 2023, №4 С. 16-22. EDN: YHLEUG
26. Тарский А. Семантическая концепция истины и основания семантики. - В кн.: Аналитическая философия: становление и развитие. Москва: Дом интеллектуальной книги, “Прогресс-традиция”. 1998 С. 90-129.
27. Челпанов Г.И. Учебник логики. - Москва: Издательская группа “ПРОГРЕСС”, 1994.
28. Вейнгартен П. Фундаментальные проблемы истины. - М.: РОССПЭН, 2005.
29. Поппер К.Р. Объективное знание. Эволюционный подход. - М.: УРСС, 2002.
30. Ляпин Е.С. Полугруппы. - Москва: Государственное издательство физико-математической литературы, 1960.
31. Финн В.К. Об эмпирических закономерностях в ДСМ-методе автоматизированной поддержке исследований // Научно-техническая информация. Сер. 2. 2023, №12 С. 14-33. EDN: MGHLTO
32. Марков А.А., Нагорный Н.М. Теория алгорифмов. - Москва: ФАЗИС, 1996.
33. Reichenbach H. Elements of Symbolic Logic. - New York: The Macmillan Co., 1947.
34. Reichenbach H. Nomological Statements and Admissible Operations. - Amsterdam: North-Holland Publishing Co., 1954.
35. Ariel O., Avron A. Reasoning with Logical Bilattics // Journal of Logic Language and Information. 1996,Vol. 5, №1 P. 25-63. EDN: XQOMXE
36. Финн В.К. Интеллект, информационное общество, гуманитарное знание и образование. - М.: ЛЕНАНД, 2023.
37. Шрейдер Ю.А. Равенство, сходство, порядок. Издательство “Наука”, Главная редакция физико-математической литературы, 1971.
38. Финн В.К. Искусственный интеллект. Методология, применения, философия. Изд. 2-е, испр. и доп. - М.: ЛЕНАНД, 2023.
39. Финн В.К. Об эмпирических закономерностях ранга r в ДСМ-методе автоматизированной поддержки исследований // Научно-техническая информация. Сер. 2. 2024, №1 С. 11-33. EDN: BRCGLY
40. Автоматическое порождение гипотез в интеллектуальных системах. Изд. Стереотип. - М.: Книжный дом “ЛИБРОКОМ”, 2020.
41. Пирс Чарльз Сендерс Рассуждения и логика вещей. - М.: Российский государственный гуманитарный университет. 2005. С. 168.
42. Peirce Charles Sanders Reasoning and the Logic of Things. - Harvard University Press, Cambridge, Massachusetts, London, England, 1992.
43. Финн В.К. Об эмпирических закономерностях ранга r в ДСМ-методе автоматизированной поддержки исследований // Научно-техническая информация. Сер. 2. 2024, №1 С. 11-33. EDN: BRCGLY
44. Abductive Inference: Computation, Philosophy, Technology. Eds. J.R. Josephson, S.G. Josephson. - Cambridge: University Press, 1994.
45. Kapitan T. Peirce and the Structure of Abductive inference // В кн.: Studies in the Logic of Charles Sanders Peirce / Eds. N. Houser, Don D. Roberts, and James Van Evra. - Indiana University Press, 1997.
46. Peirce C.S. Collected Papers of Charles Sanders Peirce. Vol. 5. - Cambridge: Harvard University Press. 1934. p. 189.
47. Aliseda A. Abductive Reasoning. - Dordrect. - Synthese Library. 2006,Vol. 30.
Выпуск
Другие статьи выпуска
В данной статье проводится анализ воздействия региональных различий в потреблении продуктов на экономику. Рассматриваются различные факторы, которые влияют на разнообразие потребления продуктов в различных регионах, такие как климатические условия, культурные особенности, экономический уровень и доступность продуктов. Также исследуется влияние этих различий на развитие сельскохозяйственного сектора, торговлю и инфраструктуру. Использование искусственных обществ, в частности агентных моделей, позволяет провести более глубокий и детальный анализ воздействия различий в потреблении на экономику. Эти подходы учитывают широкий спектр факторов и взаимосвязей между участниками рынка, что может быть невозможным при использовании традиционных методов исследования. Использование агентных моделей позволяет учитывать поведение отдельных участников рынка, их взаимодействие и адаптацию к изменяющимся условиям. Это позволяет более точно оценить влияние региональных различий в потреблении продуктов на экономику, предсказать возможные последствия изменений в потреблении и выработать стратегии для оптимизации производства и распределения продуктов. Анализ воздействия региональных различий в потреблении продуктов на экономику является важным шагом для разработки эффективных политик в области сельского хозяйства, торговли и инфраструктуры.
В настоящее время классические понятия капитализма и социализма совершенствуются, уточняются, модифицируются. На сегодняшний день социалистическими называют страны с разным подходом к распределению общественных благ. В данной работе речь пойдет об искусственном обществе, в котором реализован механизм предпочтения социализма над капитализмом. Обосновывается, что такое общество представляется естественным при доминировании цифровых технологий, в частности, разнообразных видов роботов. Основное внимание будет уделено социальным нормам, так как в цифровом мире их роль становится едва ли не доминирующей. Нормы рассматриваются как эффективная мера борьбы с несправедливостью и неравенством. Типичный вопрос при построении искусственного общества - как сформулировать отношения между агентами применительно к добру и злу. Будет рассмотрена модель взаимодействия агентов между собой, где показатели взаимоотношения агентов, в частности, добро и зло, указываются в форме «существуют - не существуют» без их количественного измерения. Проводя расчеты на такого типа модели возможно определить, при каких условиях общество консолидируется или наоборот распадается на ненавидящие друг друга группировки и т. п.
Обсуждены существующие проблемы в применении компьютерного прогнозирования добычи нефти и эффективности проведения геолого-технических мероприятий, связанные, прежде всего, с высокой неопределённостью функциональных зависимостей, наличием большого числа гетерогенных объектов и ограниченным объемом доступной геолого-промысловой информации. В качестве альтернативного варианта геолого-гидродинамического моделирования нефтяных месторождений предложен агент-ориентированный подход, отличающийся тем, что вместо традиционных дифференциальных уравнений в частных производных или искусственных нейронных сетей для прогнозирования добычи нефти и эффективности геолого-технических мероприятий используются агент-ориентированные геолого-гидродинамические модели, которые рассчитываются согласно локальным правилам, непротиворечащим глобальным законам подземной гидравлики, и с использованием каскадов нечетко логических матриц, каждый из которых содержит около тысячи различных параметров. Таким образом, удается создать математический инструмент, приближенный к «сильному» искусственному интеллекту, способный принимать самостоятельные решения и генерировать реалистичные прогнозы.
Технологическое развитие России в последние годы идет активными темпами в связи с внешними вызовами, которые диктуют необходимость поиска внутренних ресурсов и ставит перед научным сообществом серьезные задачи в части развития научно-исследовательского потенциала и достижения программно-технологического суверенитета, особенно подчеркивая важность IT индустрии и долгосрочного прогнозирования. Важной составляющей является поиск «технологических ключей» к созданию товаров и услуг следующих поколений. Чтобы занять лидирующие позиции, необходимо быть на шаг впереди, создавая собственные конкурентные технологии, товары и сервисы. Нанотехнологии вбирающие в себя понятие IT, являются надотраслевой технологией, то есть, это основа для достижения прогресса в любой сфере человеческой деятельности. Без применения информационных технологий достичь выдающихся результатов в динамично меняющемся мире будет крайне сложно. Появляется интерес к новым методам компьютерного моделирования, которые позволяют создавать экспериментальные цифровые двойники в виде имитационных моделей и способны отчасти нивелировать неполноту информации. Можно принимать управленческие решения, смоделировав критически важные динамические процессы государства, например: сформировать прогноз на 10 лет о демографическом положении страны, сымитировать внутреннее социально-экономическое развитие, оценить и спрогнозировать геополитическую обстановку в период глобальных торговых войн, рассчитать интегральные показатели национальной силы передовых держав. Рассмотренные в статье прикладные инструменты моделирования демонстрируют полезность таких средств управления с развитыми функциональными элементами в информационно-аналитических структурах управления. В ближайшей перспективе эта тенденция будет возрастать и, те страны, которые займут лидирующие позиции в этом направлении, смогут создавать сверхэффективные прогнозно-аналитические сценарии с различным уровнем детализации. Задействовав все функциональные возможности имитационного моделирования можно создавать действительно прикладные инструментальные комплексы с потенциальным заделом на имплементацию подобных решений в структуры систем распределенных ситуационных центров для будущего развития технологического суверенитета и внедрения принципиально новых методов стратегического прогнозирования в Российской Федерации.
Автор статьи представляет киборгизацию человека как парадигмальный сдвиг в эволюции HomoSapiens, в рамках которого интеграция технологий в человеческое тело не только изменяет физические возможности, но и перестраивает социальные и культурные ландшафты. В работе рассматривается ряд актуальных нарративов, связанных с киборгизацией человека, и исследуются их последствия для человеческой идентичности, автономности и в целом для «человеческого». Опираясь на ряд междисциплинарных источников, включая философские труды современных ученых и правовую дискуссию о конкретной ситуации в словенской юриспруденции, автор анализирует инженерно-прагматический нарратив, ориентирующийся на прогресс и совершенствование человека, и культурно-гуманистический нарратив, основанный на дискуссии о сохранении человеческого достоинства и автономии. В исследовании также рассматривается биологическо-эволюционная перспектива, в рамках которой киборгизация рассматривается как одна из иллюстраций адаптивности и инструмент когнитивного совершенствования человека. В рамках проведенного анализа автор стремится осветить некоторые грани сложного взаимодействия между технологическим прогрессом и общественной системы, в рамках который существует современный человек, и внести вклад в дискуссию о роли киборгизации в продолжающемся развитии человечества
В рамках настоящей статьи сделано уточнение такого понятия, как «искусственный интеллект» (ИИ), исследован его функционал в сфере недвижимости. Проанализированы различные концептуальные подходы к возможностям, которые предоставляются технологиями искусственного интеллекта. Описаны технологии, предоставляющие широкие возможности для различных субъектов рынка недвижимости. Проведён обзор правовых регуляторов применения искусственного интеллекта в сфере недвижимости и проанализированы правовые аспекты применения IT-решений в сфере недвижимости. В статье рассматриваются преимущества и недостатки применения искусственного интеллекта в сфере недвижимости, затронуты вопросы, касающиеся факторов сдерживания интеграции ИИ-технологий в сферу недвижимости. Среди таких факторов могут быть технические ограничения, юридические ограничения, а также вопросы конфиденциальности и защиты персональных данных. Исследование представляет интерес для широкого круга специалистов, включая исследователей в области экономики, права, недвижимости и информационных технологий, а также для предпринимателей. Полученные в работе результаты могут послужить основой для разработки стратегий использования технологии искусственного интеллекта в сфере недвижимости в России и реформирования правовых и регуляторных механизмов для обеспечения безопасности и эффективности внедрения технологий.
Формирование искусственных сообществ в рамках различного вида математического и компьютерного моделирования, прежде всего, агент-ориентированного, требует уверенного знания о степени и характере взаимодействия моделируемых агентов, компонентов и элементов изучаемой системы. В работе выявлены закономерности влияния научно-инновационных показателей на уровень экономики в странах мира. На основании измерения уровня корреляций между публикационной активностью стран мира, подушевым уровнем расходов на НИОКР, патентной активностью и численности исследователей с уровнем их экономики относительно численности населения показано, что показатели сопряженности научно-инновационной сферы стран и уровня их достаточно высок, в в целом и он усилился с 2010 по 2022 год. С 2010 года изменилось соотношение уровней взаимной зависимости показателей научной и изобретательской деятельности и относительных величин национальных экономик, среди других показателей наибольшим уровнем сопряжения в 2022 году характеризуется именно публикационная активность. В значительной степени уровень сопряжения вырос благодаря резкой интенсификации уровня научного развития богатых нефтегазобывающих стран. С учетом места России в глобальных трендах научного развития автор делает вывод в целесообразности роста финансирования научных исследований в России при сохранении курса на поддержку продуктивности фундаментальной науки.
Начальным шагом построения многоагентной модели популяции является построение совокупности объектов-агентов, атрибуты которых будут распределены в соответствии со статистическими данными о реальной популяции, модель которой предстоит построить. Эти атрибуты в зависимости от типа модели могут включать, географическое положение, социальные связи, занятость, образование и уровень доходов, но общим является то, что такие данные часто представляют собой таблицы частот определенных уровней классификации значений отдельных признаков особей в популяции. Каждая таблица характеризует распределение одной случайной величины. Каждому агенту следует назначить значения атрибутов в соответствии с этими распределениями. В отличие от других моделей, которые были тесно связаны с конкретными агентными средами, в данной работе представляется обобщенный подход, предлагающий универсальный инструмент для распределения атрибутов агентов, который можно легко интегрировать в различные сценарии моделирования. Этот этап моделирования может быть выполнен с помощью генератора псевдослучайных векторов, распределение значений элементов которых в каждой из позиций будут соответствовать заданным таблицам частот. Статья затрагивает вопросы разработки алгоритма такого генератора, оценку его точности и эффективности, а также демонстрацию его применения на нескольких примерах.
Издательство
- Издательство
- ГАУГН
- Регион
- Россия, Москва
- Почтовый адрес
- 119049, г Москва, р-н Якиманка, Мароновский пер, д 26
- Юр. адрес
- 119049, г Москва, р-н Якиманка, Мароновский пер, д 26
- ФИО
- Промыслов Николай Владимирович (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- Контактный телефон
- +7 (___) _______