Возрождение советского научного наследия в современном ИИ
В последние годы искусственный интеллект стал одной из самых обсуждаемых и приоритетных областей науки как в России, так и во всём мире. В этих условиях Удмуртский государственный университет обладает серьёзным потенциалом, чтобы не только занять достойное место в этой сфере, но и вывести свои разработки на уровень ведущих вузов России. Сегодня многие исследования в области искусственного интеллекта сосредоточены на машинном обучении. Однако для университета регионального масштаба, такого как УдГУ, этот путь сопряжён с серьёзными трудностями.
Во-первых, требуются огромные вычислительные ресурсы и дорогостоящее оборудование.
Во-вторых, требуется эффективное применение современных методов машинного обучения. Сейчас это возможно лишь в крупных научных центрах с мощной инфраструктурой.
В-третьих, по своей сути современное машинное обучение во многом сводится к применению математической статистики и не всегда позволяет моделировать сложные интеллектуальные процессы.
В Институте математики, информационных технологий и физики Удмуртского государственного университета, на базе кафедры вычислительных технологий и интеллектуальных систем больших данных ведется активная научная работа, сфокусированная на одной из ключевых задач Стратегии научно-технологического развития Российской Федерации – развитии искусственного интеллекта.
Этой важной темой занимается интернациональная молодежная исследовательская группа, объединяющая около 15 человек, в числе которых 5 иностранных специалистов из дружественных стран. Это подчеркивает курс на укрепление международного научного сотрудничества. Общими усилиями коллектив ведёт свои научные изыскания, нацеленные на решение прикладных задач в интересах развития экономики и социальной сферы России.
Руководство проектом и его реализацию осуществляет научный руководитель проекта, профессор, д.ф.-м.н. А.П. Бельтюков. В составе активных участников также к.т.н. С.Г. Маслов,к.т.н. М.М. Аббаси (Пакистан), к.т.н. В.В. Зиновьев; аспиранты, в том числе международные – Милад Джудакизаде (лидер группы аспирантов - Иран), Бушами Зин Еддин (Алжир), Шергозиев Сохибджон (Таджикистан), К.Д. Банников, А.С. Шестаков, А.В. Русанова, Н.Р. Зигангирова, А.С. Череневаи др.
Исследовательская группа выбрала фундаментальный путь – развитие истинного компьютерного интеллекта через логическое моделирование высшей нервной деятельности человека. Этот подход напрямую продолжает традиции классической советской школы информатики и искусственного интеллекта, основы которой заложили учёные А.А. Марков, А.Н. Колмогоров, Н. А. Шанин, С.С. Лавров, Н.К. Косовский, А.О. Слисенко и их последователи.
Одним из главных результатов стала разработка прототипа нового языка программирования, основанного на легендарном Рефале – языке, созданном в советское время и до сих пор остающимся одним из самых мощных инструментов функционального и логического программирования. Научная группа А.П. Бельтюкова развила идеи вычислительной школы А.А. Маркова, адаптировав их к современным задачам искусственного интеллекта.
«Программирование в грамматиках»
Принцип нового программирования заключается в том, что сама грамматика выполняется как программа, не переходя к грамматикам общего вида, а оставаясь в поле, близком к бесконтекстным грамматикам. Для этого понятия бесконтекстной грамматики снабжаются параметрами. В правилах появляются переменные, понятия становятся абстрактными многозначными функциями и используются в соответствующих выражениях. Правила становятся более симметричными для бесконтекстных грамматик: это равенства выражений с функциями, переменными и константами (уравнения).
В левой части каждого такого равенства – вызов определяемой функции-понятия с аргументом-выражением. В правой части выражение, определяющее значение этой функции.Возможно добавление дополнительных равенств-условий, при которых выполнено основное правило-равенство.
Обычно грамматика имеет два смысла: распознавательный и порождающий. Из-за наличия параметров грамматика приобретает третий – преобразующий смысл. Для программирования выбираются однозначные грамматики, а многозначные грамматики выбираются для постановок задач программирования.
Переход от постановки задачи к её решению – дедуктивное программирование – осуществляется логическим выводом одной из однозначных грамматик, порождающих подпонятие понятия постановки задачи.
В основе данного принципа рассматривается подход к программированию, основанный на использовании параметризованных грамматик. Понятия этих грамматик снабжены параметрами, которые также могут быть объектами грамматик. Такие грамматики являются довольно мощным инструментом, ихпредлагается использовать для формулирования постановок задач преобразования лингвистическихданных. Эти грамматики можно использовать непосредственно для обработки информации, но этоможет оказаться не эффективным. Поэтому выделяется специальный эффективный в применении класс таких грамматик. Предлагается специальная система однозначных (функциональных) параметризованных грамматик, которую можно использовать как эффективный язык программированиялингвистических задач. Описываются идеи дедуктивного синтеза программ в этой системе из постановок задач в общих параметризованных грамматиках с помощью логического вывода с перспективой последующей автоматизации. Демонстрируется практическое применение предложенного инструмента на примерах обработки логических формул и решения других задач. Эта работа продолжает идеи Валентина Турчина в области языка РЕФАЛ.
Кроме того, были предложены:
• новый метод автоматического синтеза программ на основе логических формул;
• гибридная человеко-машинная система доказательства теорем;
• решения для оптимизации вычислений в системах искусственного интеллекта;
•возрождение и модернизация советских вычислительных подходов в контексте современных вызовов.
Признание научного сообщества
Несмотря на отсутствие финансирования, наши работы уже получили высокую оценку со
стороны ведущих учёных. В частности, известный российский математик Н.Н. Непейвода отметил научную глубину и оригинальность наших разработок. Это особенно ценно, учитывая, что все результаты достигнуты исключительно силами небольшого числа энтузиастов.
А.П. Бельтюков:
«Мы предлагаем, заняться исследованием как раз той части искусственного интеллекта, которая занимается логическими работами. Основная проблема там состоит в том, что поиск правильного логического рассуждения, приводящего к заданному результату, если выполнять его чисто механически, требует огромных затрат, которых человек как-то избегает, он обходится без этих затрат.
Нас-то интересует так называемое конструктивное рассуждение, которое приводит к решению какой-то конструктивной задачи. То есть, например, написать компьютерную программу, которая управляет каким-то устройством, например, летательным аппаратом или еще чем-нибудь. Причем вручную, конечно, человек может создавать многие вещи, но там возникают некоторые проблемы.
Основная проблема заключается в том, что человек делает ошибки. И если мы поручим современным системам искусственного интеллекта, которые основаны на машинном обучении, делать то же самое, то они учатся подражать человеку – делают точно те же самые ошибки.
Логическая наука, подсказывает нам, как рассуждать правильно, не делая ошибок. Если просто брать пример со всех текстов, которые есть в интернете, то со всеми ошибками мы и научимся.
А нужно программировать это так, чтобы система работала, если не совсем без ошибок, то хотя бы с минимальными последствиями от допущенных ошибок. Это было бы очень полезно. Другая сторона дела, в том, что когда ошибки получаются, что делать? Поэтому надо выяснить, в чём проблема, в чём причина всего этого.».