Podejście oparte na Mivar

Podejście oparte na Mivar jest narzędziem matematycznym do projektowania systemów sztucznej inteligencji (AI). Mivar ( Multidimensional Informational Variable Adaptive Reality ) został opracowany przez połączenie produkcji i sieci Petriego . Podejście oparte na Mivar zostało opracowane w celu analizy semantycznej i adekwatnej reprezentacji humanitarnych epistemologicznych i aksjologicznych w procesie rozwoju sztucznej inteligencji. Podejście oparte na Mivar obejmuje informatykę , informatykę i matematyka dyskretna , bazy danych , systemy ekspertowe , teoria grafów , macierze i systemy wnioskowania. Podejście oparte na Mivar obejmuje dwie technologie:

Akumulacja informacji to metoda tworzenia globalnych ewolucyjnych baz danych i reguł o zmiennej strukturze. Działa w oparciu o adaptacyjną, dyskretną, zorientowaną na mivar przestrzeń informacyjną, zunifikowaną reprezentację danych i reguł, opartą na trzech głównych koncepcjach: „obiekt, właściwość, relacja”. Gromadzenie informacji ma na celu przechowywanie dowolnych informacji o możliwej ewolucyjnej strukturze i bez ograniczeń co do ilości informacji i form ich prezentacji.
Przetwarzanie danych to metoda tworzenia logicznego systemu wnioskowania lub zautomatyzowanej konstrukcji algorytmu z modułów, usług lub procedur na podstawie wytrenowanej sieci reguł mivar o liniowej złożoności obliczeniowej. Przetwarzanie danych Mivar obejmuje wnioskowanie logiczne, procedury i usługi obliczeniowe.

Sieci Mivar pozwalają nam rozwijać zależności przyczynowo-skutkowe („Jeśli-to”) i tworzyć zautomatyzowany, wyszkolony, logiczny system wnioskowania.

Przedstawiciele Rosyjskiego Stowarzyszenia Sztucznej Inteligencji (RAAI) – m.in. VI Gorodecki , doktor nauk technicznych, profesor SPIIRAS i VN Vagin, doktor nauk technicznych, profesor MPEI oświadczyli , że termin ten jest błędny i zasugerowali, aby autor użył standardowa terminologia.

Historia

Pracując w rosyjskim Ministerstwie Obrony , OO Varlamov zaczął rozwijać teorię „szybkiego wnioskowania logicznego” w 1985 roku. Analizował sieci Petriego i produkcje w celu konstruowania algorytmów. Ogólnie rzecz biorąc, teoria oparta na mivarach stanowi próbę połączenia modeli relacji encja-związek i ich instancji problemowych – sieci semantycznych i sieci Petriego.

Skrót MIVAR został wprowadzony jako termin techniczny przez OO Varlamova, doktora nauk technicznych, profesora Bauman MSTU w 1993 roku w celu oznaczenia „jednostki semantycznej” w procesie modelowania matematycznego. Termin został ustalony i używany we wszystkich jego dalszych pracach.

Pierwsze eksperymentalne systemy działające na zasadzie mivar powstały w 2000 roku. Stosowane systemy mivar zostały wprowadzone w 2015 roku.

Miwar

Mivar jest najmniejszym elementem strukturalnym dyskretnej przestrzeni informacyjnej.

Obiekt-właściwość-relacja

Object-Property-Relation (VSO) to graf, którego wierzchołkami są koncepcje, a łuki to połączenia między konceptami.

Przestrzeń Mivar reprezentuje zbiór osi, zbiór elementów, zbiór punktów przestrzeni i zbiór wartości punktów.

${\ Displaystyle A = \ {a_ {n} \}, n = 1, \ ldots, N,}$

Gdzie:

${\ displaystyle A}$ to zbiór nazw osi przestrzeni mivar;
${\ displaystyle N}$ to liczba osi przestrzennych mivar.

Wtedy: ${\ Displaystyle \ forall a_ {n} \ istnieje F_ {n} = \{f_{{ni}_{n}}\},n=1,\ldots ,N,i_{n}=1,\ldots ,I_{n},}$

Gdzie:

${\ displaystyle F_ {n}}$ to zbiór elementów osi ${\ displaystyle a_ {n}} ;$
${\ displaystyle i_ {n}}$ to zestaw identyfikator elementu fa $\ displaystyle F_ {n}} ;$
${\ Displaystyle I_ {n} =| F_ {n} |.}$

${\ displaystyle F_ {n}}$ zestawy tworzą przestrzeń wielowymiarową: ${\ Displaystyle M = F_ {1} \ razy F_ {2} \ razy \ cdots \ razy F_ {n}.}$ ${\ Displaystyle m = (i_ { 1},i_{2},\ldkropki,i_{N}),}$

Gdzie:

${\ Displaystyle m \ w M}$ ;
${\ displaystyle m}$ jest punktem przestrzeni wielowymiarowej;
${\ Displaystyle (i_ {1}, i_ {2}, \ ldots, i_ {N})}$ są współrzędnymi punktu ${\ Displaystyle m}$ .

Istnieje zbiór wartości wielowymiarowych punktów przestrzennych: ${\ displaystyle M}$ :

{\ Displaystyle C_ {M} = \ {c_ {i_ {1}, i_ {2}, \ ldots, i_ {N}} \ środkowy i_ {1} = 1, \ ldots, ja_ {1}, i_ {2 }=1,\ldots,I_{2},\ldots,i_{n}=1,\ldots,I_{N}\},}

Gdzie:

${\ Displaystyle c_ {i_ {1}, i_ {2}, \ ldots, i_ {N}}}$ jest wartością punktu przestrzeni wielowymiarowej ${\ Displaystyle M}$ jest wartością punktu przestrzeni wielowymiarowej ${\ Displaystyle (i_ {1}, i_ {2}, \ ldots, i_ {N})}$ .

Dla każdego punktu przestrzeni $wartości$ jedna wartość ze $zbioru$ nie ma takiej Zatem $zbiorem$ zmian stanu modelu danych reprezentowanych w przestrzeni wielowymiarowej Aby zaimplementować przejście między przestrzenią wielowymiarową a zbiorem wartości punktów, ${\ Displaystyle C_ {x} = \ mu (M_ {x}),}$ $zależność$ :

Przestrzeń informacyjna Mivar

Gdzie:

${\ Displaystyle M_ {x} \ subseteq M;}$
${\ Displaystyle M_ {x} = F_ {1x} \ razy F_ {2x} \ razy \ cdots \ razy F_ {Nx}.}$

Aby opisać model danych w przestrzeni informacyjnej mivar, konieczne jest zidentyfikowanie trzech osi:

Oś relacji « ${\ displaystyle O}$ »;
Oś atrybutów (właściwości) « ${\ displaystyle S}$ »;
Oś elementów (obiektów) domeny podmiotowej « ${\ displaystyle V}$ ».

Te zbiory są niezależne. Przestrzeń mivar może być reprezentowana przez następującą krotkę:

{\ Displaystyle \ langle V, S, O \ rangle}

Tak więc mivar jest opisany formułą, w której „ $oznacza$ $obiekt$ rzecz”, „ $oznacza$ ”, ${\ displaystyle V$ » różnorodność relacji między innymi obiektami z danej domeny przedmiotowej. Kategoria „Relacje” może opisywać zależności o dowolnym poziomie złożoności: formuły, przejścia logiczne, wyrażenia tekstowe, funkcje, usługi, procedury obliczeniowe, a nawet sieci neuronowe . Szeroki zakres możliwości komplikuje opis modelowania wzajemnych powiązań, ale może uwzględniać wszystkie czynniki. Obliczenia Mivar wykorzystują logikę matematyczną. W uproszczonej formie można je przedstawić jako implikację w postaci formuły „jeżeli…, to…”. Wynik modelowania mivar można przedstawić w postaci dwudzielnego grafu wiążącego dwa zbiory obiektów: obiekty źródłowe i obiekty wypadkowe .

Sieć Mivar

Reprezentacja sieci Mivar w postaci skierowanego grafu dwudzielnego

Sieć Mivar to metoda reprezentacji obiektów dziedziny przedmiotowej i reguł ich przetwarzania w postaci dwudzielnego skierowanego grafu składającego się z obiektów i reguł.

Sieć Mivar jest grafem dwudzielnym, który można opisać w postaci dwuwymiarowej macierzy, w której rejestrowane są informacje o dziedzinie przedmiotowej bieżącego zadania.

Ogólnie rzecz biorąc, sieci mivar zapewniają formalizację i reprezentację ludzkiej wiedzy w postaci połączonej wielowymiarowej przestrzeni. Oznacza to, że sieć mivar jest metodą przedstawiania fragmentu informacji o przestrzeni mivar w postaci dwudzielnego, skierowanego grafu . Informacje o przestrzeni mivar są tworzone przez obiekty i połączenia, które w sumie reprezentują model danych domeny przedmiotowej. Połączenia zawierają reguły przetwarzania obiektów. Zatem sieć mivar domeny przedmiotowej jest częścią wiedzy o przestrzeni mivar dla tej domeny.

Graf może składać się z obiektów-zmiennych i reguł-procedur. Najpierw tworzone są dwie listy, które tworzą dwie nie przecinające się partycje: listę obiektów i listę reguł. Obiekty są oznaczone kółkami. Każda reguła w sieci mivar jest rozszerzeniem produkcji, hiperreguł z multiaktywatorami czy procedur obliczeniowych. Udowodniono, że z perspektywy dalszego przetwarzania formalizmy te są tożsame iw rzeczywistości są węzłami grafu dwudzielnego, oznaczonymi prostokątami.

Wielowymiarowe macierze binarne

Sieci Mivar mogą być wdrażane w pojedynczych systemach komputerowych lub architekturach zorientowanych na usługi . Pewne ograniczenia ograniczają ich zastosowanie, w szczególności wymiar macierzy metody macierzy liniowej do wyznaczania ścieżki wnioskowania logicznego w sieciach reguł adaptacyjnych. Ograniczenie wymiarów macierzy wynika z faktu, że implementacja wymaga wysłania ogólnej macierzy do wielu procesorów. Ponieważ każda wartość macierzy jest początkowo reprezentowana w postaci symbolu, ilość przesłanych danych jest kluczowa przy uzyskaniu np. 10000 reguł/zmiennych. Klasyczna metoda oparta na mivar wymaga przechowywania trzech wartości w każdej komórce macierzy:

0 – brak wartości;
x – zmienna wejściowa dla reguły;
y – zmienna wyjściowa dla reguły.

Analiza możliwości odpalenia reguły jest oddzielona od określenia zmiennych wyjściowych według etapów po odpaleniu reguły. W związku z tym możliwe jest użycie różnych macierzy do „wyszukiwania uruchamianych reguł” i „ustawiania wartości zmiennych wyjściowych”. Pozwala to na wykorzystanie wielowymiarowych macierzy binarnych. Binarne fragmenty macierzy zajmują znacznie mniej miejsca i poprawiają możliwości zastosowania sieci mivar.

Logiczne i obliczeniowe przetwarzanie danych

Aby wdrożyć logiczne i obliczeniowe przetwarzanie danych, należy wykonać następujące czynności. Najpierw opracowywany jest sformalizowany opis domeny przedmiotowej. Główne obiekty-zmienne i reguły-procedury są określane na podstawie podejścia opartego na mivar, a następnie tworzone są odpowiednie listy „obiektów” i „reguł”. Ta sformalizowana reprezentacja jest analogiczna do dwudzielnego grafu sieci logicznej.

Główne etapy przetwarzania informacji w oparciu o mivar to:

Tworzenie macierzy domeny podmiotowej;
Praca z macierzą i zaprojektowanie algorytmu rozwiązania zadania;
Wykonanie obliczeń i znalezienie rozwiązania.

Pierwszym etapem jest etap syntezy konceptualnego modelu domeny podmiotowej i jego sformalizowania w postaci reguł produkcji z przejściem do reguł mivar. „Obiekty wejściowe – zasady/procedury – obiekty wyjściowe”. Obecnie ten etap jest najbardziej złożony i wymaga zaangażowania eksperta-człowieka w celu opracowania modelu mivar dziedziny przedmiotowej.

W drugim etapie implementowana jest zautomatyzowana konstrukcja algorytmu rozwiązania lub wnioskowanie logiczne. Danymi wejściowymi do budowy algorytmu są: macierz mivar opisu dziedziny przedmiotowej oraz zbiór zmiennych obiektowych i wymaganych zmiennych obiektowych.

Rozwiązanie jest wdrażane w trzecim etapie.

Metoda przetwarzania danych

Najpierw budowana jest macierz. Analiza macierzowa określa, czy istnieje pomyślna ścieżka wnioskowania. Następnie definiowane są możliwe ścieżki wnioskowania logicznego, a na ostatnim etapie wybierana jest najkrótsza ścieżka zgodnie z ustalonymi kryteriami optymalności.

Tworzenie macierzy sieci mivar

Niech reguły i $zmienne$ zostaną włączone do reguł jako zmienne wejściowe aktywujące je lub jako $.$ Wtedy macierz , której każdy wiersz odpowiada $jednej$ z reguł i zawiera informacje o zmiennych użytych w regule, może reprezentować zmienne .

W każdym wierszu wszystkie zmienne wejściowe są oznaczone przez ${\ displaystyle x}$ w odpowiednich pozycjach macierzy, wszystkie zmienne wyjściowe są oznaczone przez ${\ displaystyle y}$ .
Wszystkie zmienne, które uzyskały już określoną wartość w procesie wnioskowania lub ustawiania danych wejściowych – ${\ displaystyle z}$ .
Wszystkie wymagane (wyjściowe) zmienne, czyli zmienne, które należy uzyskać na podstawie danych wejściowych – ${\ displaystyle w}$ .

Do macierzy dodano jeden wiersz i jedną kolumnę $celu$ przechowywania informacji o usługach.

Przykład przetwarzania macierzowego w celu rozwiązania problemu

Tak więc uzyskuje się macierz wymiaru $($ ${\ Displaystyle (m + n) \ razy (n + 1)}$ pokazuje całą strukturę sieć reguł źródłowych. Struktura tej sieci logicznej może się zmieniać, to znaczy jest to sieć reguł o dynamice ewolucyjnej.

Przykład

W celu wyszukania logicznej ścieżki wnioskowania realizowane są następujące działania:

Znane zmienne są oznaczone przez $a$ wymagane zmienne są oznaczone przez w w rzędzie ${\ Displaystyle (m + 1)}$ . Na przykład oznacza pozycje: 1,2,3 w rzędzie $Displaystyle (m + 1)}$ $\$ $,$ zmienna pozycję ${\ Displaystyle (n-2)}$ .
Poszukiwanie takich reguł, które można odpalić, czyli których wszystkie zmienne wejściowe są znane, jest realizowane sukcesywnie, np. z góry na dół. W przypadku braku takich reguł nie istnieje ścieżka logicznego wnioskowania i wymagane jest udoskonalenie (dodanie) danych wejściowych. Reguły, które można zwolnić, są oznaczone w odpowiednim rzędzie miejsca obsługi. Na przykład możemy zapisać 1 w komórce macierzy, co jest zilustrowane w komórce ${\ Displaystyle (1, n + 1)}$ .
Biorąc pod uwagę kilka takich zasad, wybór zasad strzelania w pierwszej kolejności jest realizowany zgodnie z wcześniej ustalonymi kryteriami. Jeśli dostępne są wystarczające zasoby, można uruchomić kilka reguł jednocześnie.
$procedury$ ) jest realizowana poprzez przypisanie „znanych” wartości zmiennym wywnioskowanym w tej regule, czyli w tym przykładzie Odpaloną regułę można dodatkowo oznaczyć np. cyfrą 2 dla ułatwienia dalszej pracy. Na przykład odpowiednie zmiany są dokonywane w komórkach ${\ Displaystyle (m + 1, n-1), (m + 1, n)}$ i ${\ Displaystyle (1, n + 1)}$ .
Po symulacji odpalania reguł przeprowadzana jest analiza realizacji celu, czyli analizowane jest pozyskanie wymaganej wartości poprzez porównanie znaków specjalnych w wierszu usługi. $( ,$ co najmniej jedną „nieznaną” ( $) wartość$ wierszu usługi wyszukiwanie ścieżki wnioskowania. W przeciwnym razie zadanie uważa się za pomyślnie rozwiązane, a reguły uruchamiane w odpowiedniej kolejności tworzą przeszukiwaną ścieżkę wnioskowania logicznego.
Oceniana jest dostępność reguł, które można odpalić po zdefiniowaniu nowych wartości na poprzednim etapie. Brak reguł, które można odpalić, nie istnieje żadna ścieżka wnioskowania i podejmowane są działania analogiczne do kroku 2. Biorąc pod uwagę reguły, które można odpalić, poszukiwanie ścieżki wnioskowania jest kontynuowane. W tym przykładzie takie reguły istnieją. W komórce $liczba$ 1 jest uzyskiwana jako wskazówka
W kolejnym etapie, analogicznie jak w etapie 4, następuje odpalenie reguł (symulacja odpalania reguł), analogicznie do etapów 5 i 6 wykonywane są niezbędne czynności w celu uzyskania wyniku. Etapy 2-7 są realizowane aż do osiągnięcia wyniku. Ścieżka może zostać znaleziona lub nie.
Otrzymuje się wyprowadzalność zmiennych 4 i 5 w komórkach i ${\ Displaystyle (m + 1,5)}$ ${\ Displaystyle (m + 1,4)}$ i wskazanie, że reguła została już uruchomiona w komórce ${\ Displaystyle (2, n + 1)}$ jest utworzona, to znaczy ustawiona jest liczba 2. Następnie przeprowadzana jest analiza wiersza usługi, z której wynika, że nie wszystkie wymagane zmienne są znane. Dlatego konieczne jest kontynuowanie przetwarzania macierzy $m$ ( $\ Displaystyle (m + n) \ razy (n + 1)$ . Analiza tej macierzy pokazuje możliwość $wystrzelenia$ .
Po uruchomieniu reguły m uzyskuje się również nowe wartości wymaganych zmiennych.
Zatem w wierszu usług nie ma wymaganych reguł, aw komórkach macierzy uzyskuje się nowe wartości: w komórce pojawia się 2 ${\ Displaystyle (m, n + 1) -2, }$ i otrzymaliśmy wartość $)$ w komórce ${\ Displaystyle (m + 1, n-$ $2$ . Otrzymuje się więc wynik pozytywny, w konsekwencji istnieje logiczna ścieżka wnioskowania z zadanymi wartościami wejściowymi.

Linki zewnętrzne

Oficjalna strona «Mivar» .