К. О. Н. И.

Дискуссионная панель — вопросы:

1. Вопрос 1 (онтологический). Что такое: AGI, сильный ИИ, общий ИИ, ИИ уровня человека? Какое понятие наиболее актуально / имеет смысл? Возможен ли он?
2. Вопрос 2 (прагматический). Нужен ли он? Если да, то для чего конкретно он нужен? Какие проблемы он и только он сможет решить? Какие он таит угрозы?
3. Вопрос 3 (эпистемологический). Как мы узнаем о нем? Каковы критерии его приближения и достижения? Как измерить расстояние до цели?

Панелисты:

• Евгений Евгеньевич Витяев, д.ф.-м.н., в.н.с. Лаборатории теории вычислимости и прикладной логики Института математики им. С. Л. Соболева Сибирского отделения Российской академии наук
• Роман Викторович Душкин, Директор по науке и технологиям, Агентство Искусственного Интеллекта
• Владимир Сергеевич Смолин, научный сотрудник сектора робототехники 5 отдела ФИЦ ИПМ им. М.В. Келдыша РАН
• Сергей Александрович Шумский, директор Научно-координационного совета Центра компетенций НТИ «Искусственный интеллект» при МФТИ

Каждый панелист имеет 2 минуты для ответа на каждый вопрос, затем панелисты отвечают на вопросы друг друга и из аудитории. Возможно смещение начала доклада в случае интересной дискуссии.

Доклад:

Антон Г. Колонин. Чего не хватает для AGI? Некоторые гипотезы, позиции и промежуточные результаты.

Аннотация: Обсуждаются последние тренды и свежие идеи в области построения сильного или общего ИИ (Artificial General Intelligence или AGI), в частности - структурное обучение с построением иерархических моделей, ориентация на минимизацию затрат и снижение неопределенности, интерпретируемый ИИ и нейросимвольная интеграция. Обсуждение - в контексте собственных результатов в области обучения с подкреплением и обработки текстов на естественном языке.

Информация о докладчике: Антон Германович Колонин, к.т.н. Основатель aigents.com, ведущий специалист Новосибирского Государственного Университета, архитектор SingularityNET. Антон Колонин занимается вопросами создания распределенных цифровых систем обработки данных с использованием искусственного интеллекта более 30 лет, им написано более 50 научных работ. В настоящее время он занимается разработкой отечественного проекта персонального ИИ с открытым кодом Aigents, является архитектором по искусственному интеллекту и блокчейну в международном проекте SingularityNET, а также преподает курс “социальной кибернетики” в Новосибирском Государственном Университете.

Доклад

Владимир С. Смолин. Не только оптимизация: декомпозиция, локализация и линеаризация — другие математические идеи, необходимые для описания сложного мира (например, методами нейрокартирования).

Аннотация: Алгоритмы глубокого обучения на основе обратного распространения ошибки позволили автоматизировать решение многих «интеллектуальных» задач. Показатели мощности используемой техники, объёмов данных и энергопотребления, характеризующие обучение наиболее мощных нейросетевых алгоритмов, за последнее десятилетие выросли в миллион раз. В следующее десятилетие рост ещё в миллион раз уже невозможен, нужно искать другие пути развития.
      Не обязательно (поскольку невозможно…) бесконечно увеличивать мощность нейросетей для решения всё более сложных задач. Можно последовать примеру человека, который использует значительно меньшие ресурсы, поскольку не просто оптимизирует свои действия, а разбивает сложные задачи на несколько простых, решение которых не требует огромных ресурсов. Современные глубокие нейросети больше сосредоточены на проблемах оптимизации решений частных задач методами статистики. Вопросы же декомпозиции остаются возложенными на человека.
   Невозможность познания целостного реального мира статистическими методами и желание построить сильный ИИ (AGI) приводят к необходимости использовать идеи декомпозиции, локализации и линеаризации представления знаний в структуре нейросетей. Центральной частью доклада является описание путей практической реализации перечисленных идей на основе нейросетевых карт, организованных в иерархическую структуру, взаимодействие уровней которой осуществляется через экраны – устройства для отображения знаний для решения текущих задач.
   Наличие экранов между разными уровнями иерархической структуры позволяет использовать предлагаемую архитектуру нейросети в двух основных режимах: немедленного формирования действий на основе имеющихся знаний (интуиция) и моделирования различных вариантов предполагаемых действий (мышление) для получения новых знаний для улучшения формируемых действий.

Информация о докладчике: Смолин Владимир Сергеевич, научный сотрудник сектора робототехники в ФИЦ ИПМ им. М.В. Келдыша РАН. В ИПМ работаю с 1999 г., окончил МФТИ в 1980 г, проблемами ИИ и нейросетей начал заниматся ещё в 1976 г. С 1980 по 1998 г. работал в лаборатории нейробионики в МИРЭА.
  Предыдущие выступления докладчика по теме: (1) AGI как средство получения «действительно» новых знаний с использованием имеющихся (https://www.youtube.com/watch?v=a6UoSioUsrA), сетевой семинар AGIRussia, 6 октября 2022 г. (2) Познание как важнейшая составляющая ИИ (https://youtu.be/W_ALOQSXj6c), летняя школа ВШЭ, Москва, 05.07.2022 г.

Дискуссионная панель — вопросы:

1. Философский вопрос: Может ли искусственный интеллект стать одушевлённым? Обладают ли языковые модели сознанием? И смогут ли когда-нибудь? То есть, достаточно ли повышать количество данных и параметров для достижения ими сознания? И что это будет означать? Люди все время пытаются увидеть сознание у роботов: сказывается человеческая способность видеть живое в том, в чем его нет. Однако сегодня даже с такой базовой вещью, необходимой для сознания, как рассуждения на основе здравого смысла, модели не справляются.
2. Практический вопрос: Необходимо ли моделировать физиологические процессы, лежащие в основе эмоций, помимо когнитивных? Сможем ли мы генерировать адекватное эмоциональное поведение на уровне человека без моделирования физиологии? И как ее можно ввести для искусственных систем, если это необходимо?
3. Вопрос по-существу: Как лучше строить "нервную систему" для ботов? Какой должна быть искусственная психика робота или виртуального агента? На каких принципах она должна быть основана? Нужны ли роботу высшие, социальные эмоции? Может ли, и должен ли артефакт превзойти человека в его эмоциональном интеллекте? в его "человечности"?

Вопросы подготовлены панелистами совместно с докладчиком. Принимаются к рассмотрению дополнения и изменения.

Панелисты:

• Анна Зинина, н.с. Лаборатории нейрокогнитивных технологий НИЦ КИ
• Данила Корнев, директор по продукту DeepPavlov.ai (ранее — сотрудник Google, Microsoft, Yandex, etc.)
• Артемий Котов, в.н.с. Лаборатории нейрокогнитивных технологий НИЦ КИ
• Яна Шишкина, DeepPavlov.ai, Лаборатория глубокого обучения и нейронных систем, МФТИ

Каждый панелист имеет 2 минуты для ответа на каждый вопрос, затем панелисты отвечают на вопросы друг друга и из аудитории. Возможно смещение начала доклада в случае интересной дискуссии.

Доклад: Алексей В. Самсонович. Социально эмоциональный искусственный интеллект: подходы, проблемы, и перспективы.

Аннотация: В докладе будут рассмотрены различные подходы к моделированию аффектов и эмоциональных состояний, социально-эмоциональных отношений, функций эмоционального интеллекта, и роли эмоций в генерации поведения. Будет сформулирована общая рамочная модель когнитивной архитектуры социально-эмоционального интеллектуального агента и представлены примеры ее воплощений в парадигмах виртуальных окружений. Будут проанализированы актуальные вызовы и предложена дорожная карта для разработки социально-эмоционального ИИ. Данная работа финансирована грантом РНФ №22-11-00213.

Информация о докладчике: Dr. Alexei Vladimir Samsonovich is a Professor at the Cybernetics Department and the head of BICA Lab at the Institute of Cyber Intelligence Systems of the National Research Nuclear University "MEPhI" in Moscow, Russia. He holds a Ph.D. in Applied Mathematics from the University of Arizona (1997), where he co-developed a continuous-attractor theory of hippocampal spatial maps (with Prof. B.L. McNaughton) and a mental state framework for cognitive modeling of the human mind (with Prof. L. Nadel). Since 2000 Dr. Samsonovich worked at the Krasnow Institute for Advanced Study of George Mason University, where his highest rank was Assistant Professor. Since 2005 his research focused on biologically inspired cognitive architectures (BICA), since 2012 – on emotional BICA (eBICA). Dr. Samsonovich is the founding chair of BICA*AI Conference Series, founding president of BICA Society, founding Editor-in-Chief of the journal BICA and BICA*AI section of Cognitive Systems Research (a Q1 journal), recipient of multiple grant awards. His publications deserved journal covers in Learning & Memory, Journal of Neuroscience, Hippocampus, Cortex, and Complexity.

Вопросы для дискуссии (предложены докладчиком):

1. Возможна и нужна ли интеллектуальная (саморазвивающаяся познающая) ИПС?
2. Форма представления знаний: ИНС vs Декларативные формы (Глобальная онтология и Языки представления и коммуникаций)?
3. Интеллект в ИПС – что это?

Доклад

Название доклада: "Модели и средства представления/поиска документированных знаний в контексте задач информационной поддержки интеллектуальной деятельности".
Докладчик: Максимов Николай Вениаминович, профессор, д.т.н., Кафедра финансового мониторинга (№75) НИЯУ МИФИ.
Авторы работы: Максимов Н.В, Голицына О.Л., Монанков К.В., Гаврилкина А.С., Лебедев А.А.

Краткое содержание доклада:

Онтологические основы представления знаний и когнитивного поиска информации
Онтологическая модель представления знаний.
Система онтологий деятельности (декларативные знания) как основа интегрального концептуального представления знаний для процессов сохранения и синтеза знаний.
Онтологии как семиотическая система трех саморазвивающихся систем – функциональной, понятийной, знаковой. Операции над онтологиями.
Мульти-мета-гиперграф как даталогическая модель онтологии знаний (Knowledge Graph).
Средства и технологии извлечения и типизации сущностей, отношений и фактов из текстов документов.

Когнитивный информационный поиск
Когнитивный информационный поиск - (1) как интегрированная технология, предназначенная для информационной поддержки интеллектуальной деятельности (когнитивных процессов, включающих и собственно когнитивный поиск, как функцию мозга); (2) как технология классического документального и глубокого семантического индексирования и поиска, в том числе с операндами/операциями и структурами/процессами, подобными когнитивным.
Информационный поиск, ориентированный на перманентную поддержку процессов познания, как поочередное выполнение (1) отбора документов (классический документальный поиск), обеспечивающего формирование информационного поля для последующего восприятия и понимания, и (2) глубинного семантического поиска – автоматизированного анализа содержания найденных документов с использованием графа онтологии документа(ов) в качестве инструмента, обеспечивающего анализ и извлечение (построение) смыслов, отвечающих потребности.
Поисковые механизмы глубинного семантического поиска - фильтры (включая операцию аспектной проекции), отображения графов в соответствии с поисковой метафорой, преобразования с помощью операций на графах (включая семантическое масштабирование), операции поиска пути и поиска окрестности. «Глубинность» как возможность использования субъектом при оценке релевантности непосредственно реальной потребности, не выражая ее словами, а производя мысленное сопоставление фактов графа с ее ментальным образом.
Глубинный семантический поиск как инструмент «выращивания» концептуального каркаса знания.
Когнитивный рубрикатор - классификационная структура пользовательского представления проекта/задачи, отражающая текущую степень полноты знания, как интегратор (и аттрактор), обеспечивающий фиксацию, систематизацию, анализ мультимодальных элементов знания.

О когнитивности информационного поиска
Рабочая функционально-информационная модель (схема) и свойства процесса познания.
Когнитивность информационного поиска в контексте информационности познания: соответствия/аналогии функций/форм представления знаний в сознании и АИПС
Основные положения когнитивного информационного поиска реализованы в рамках информационно-аналитической системе документального поиска xIRBIS-6.0 (© 1992-2020).

Дискуссионная панель — вопросы:

1. Вопрос о смене парадигмы создания ПО. Может ли машинное обучение, понимаемое в определенном смысле, стать новой доминирующей парадигмой взамен традиционной: исследование, разработка, программирование? Если нет, то почему? Если да, то каковы пределы ее распространения и возможностей? И что нужно для преодоления барьеров, если таковые имеются?
2. Вопрос о биологическом инспирировании. Не так давно популярной была идея обратного инжиниринга человеческого мозга. Проблема в том, что мозг изначально не возник как продукт инжиниринга. Осознание того, что это дает мозгу преимущества перед компьютером, ведет к противоположному вопросу: а не следует ли перенести данный принцип и на искусственный интеллект? То есть, воспроизвести рукотворные результаты в нерукотворных искусственных воплощениях, с тем чтобы позволить им развиваться дальше самостоятельно? Если нет, то почему? Если да, то каковы могли бы быть примеры подобных сценариев?
3. Вопрос о виртуальной эволюции. В будущем (возможно, ближайшем) искусственный интеллект должен стать полноценным партнером, другом и помощником человека. Для этого ему нужны надлежащие средства интерфейса, но не только. Нужны интеллектуальные агенты нового поколения, способные понимать контекст происходящего и внутренний мир человека (включая эмоции), обладающие здравым смыслом, общими знаниями и системой ценностей, теорией мысли и эпизодической памятью, владеющие естественным языком, способные к абстрактному и мета-мышлению, воображению, целеполаганию, креативности. Такой агент будет иметь собственную личность, собственные переживания и внутренний мир, биографию своего развития и т.д. Все это могло бы возникнуть в результате эволюции в виртуальной среде, протекающей в миллиарды раз быстрее эволюции в физическом мире. Или нет?

Панелисты:

• Данила Корнев, директор по продукту DeepPavlov.ai (ранее — сотрудник Google, Microsoft, Yandex, etc.)
• Антон Колонин, к.т.н., ведущий научный сотрудник Новосибирского государственного университета, основатель проекта Aigents, архитектор SingularityNET
• Владимир Сергеевич Смолин, научный сотрудник сектора робототехники 5 отдела ФИЦ ИПМ им. М.В. Келдыша РАН

Панелисты имеют 2 минуты для ответа на каждый вопрос, затем отвечают на вопросы из аудитории.

Доклад: Бурцев М.С. Проблемы глубокого обучения.

Аннотация: В докладе будут рассмотрены основные современные тенденции в области искусственного интеллекта, а также последние достижения, полученные при помощи нейросетевых архитектур. Будет сделана попытка определить ключевые проблемы, стоящие сегодня на пути к более совершенным интеллектуальным системам, и наметить возможные пути их решения.

Информация о докладчике: Бурцев Михаил Сергеевич, кандидат физико-математических наук, директор по фундаментальным исследованиям Научно-исследовательского института искусственного интеллекта (AIRI), основатель и руководитель диалогового ИИ-фреймворка с открытым кодом DeepPavlov.ai, заведующий Лабораторией нейронных сетей и глубокого обучения Московского физико-технического института. Михаил Бурцев также является основателем и соорганизатором серии академических конкурсов Conversational AI Challenges, включая NIPS 2017, NeurIPS 2018, EMNLP 2020, NeurIPS 2021, и летних школ. Его исследовательские интересы лежат в области обработки естественного языка, обучения с подкреплением, искусственного интеллекта и сложных систем. Публикации: более 20 научных статей, в том числе в журналах Nature и Artificial Life. Бурцев М.С. — эксперт мирового уровня и один из основных лидеров России в области глубокого обучения и искусственного интеллекта. Контакты: https://docs.google.com/document/d/1UOhopNCHzo6O1vOkCBpL-iSv7262WUzjqi5kHiYYBl4/edit#heading=h.lpoaekoq6641

Дискуссионная панель — вопросы:

1. Существует мнение, что государству имеет смысл занимать новые, еще не освоенные ниши в науке и технологии и становиться в них лидером. Можем ли мы идентифицировать перспективные ниши в области искусственного интеллекта (ИИ), понимаемого в широком смысле?
2. Какие ключевые опережающие научные инициативы должны быть предприняты сейчас в области ИИ? Например:
   • Создание социально-эмоционального ИИ, взаимодействующего с человеком как живое существо, а не как автомат?
   • Создание автономного саморазвивающегося ИИ, способного понимать контекст, самостоятельно ставить и решать задачи, и когнитивно расти подобно человеку?
   • Другие?
3. Можем ли мы конкретно сформулировать цель создания «сильного ИИ», или AGI? Каков точный критерий ее достижения? Возможно ли это в ближайшем будущем? Как должен выглядеть минимальный зародыш нового ИИ, гарантирующий победу?

Панелисты:

• Роман Викторович Душкин (Директор по науке и технологиям, Агентство Искусственного Интеллекта)
• Валерий Эдуардович Карпов (Вице-президент РАИИ, начальник лаборатории робототехники НИЦ Курчатовский Институт)
• Артемий Александрович Котов (ведущий научный сотрудник, зам. начальника Отдела когнитивных исследований НИЦ Курчатовский Институт)
• Сергей Александрович Шумский (директор Научно-координационного совета Центра компетенций НТИ «Искусственный интеллект» при МФТИ)

Панелисты имеют 2 минуты для ответа на каждый вопрос, затем отвечают на вопросы из аудитории.

Также доступно на Rutube

Доклад на тему "Объектно-центричное обучение с подкреплением на основе модели: когнитивные аспекты".

Слайды

Аннотация: Современные методы обучения с подкреплением на основе модели являются эффектными интегрированными моделями одновременного обучения и планирования. Однако снижение количества шагов взаимодействия когнитивного агента со средой за счет использования модели динамики ограничено тем, что обучение модели может происходить достаточно долго, особенно в сложных средах. В данном докладе будет рассмотрен один из перспективных подходов по преодолению этой проблемы - структуризация используемых агентом представлений состояний и модели динамики за счет динамического выделения объектов и определения специфического набора действий, которые будут приводить данные объекты в необходимые агенту конфигурации. Будут обсуждать как существующие методы, так и остающиеся препятствия перед их более широким применением. Особое внимание в докладе будет уделено соответствию объектно-центричного обучения с подкреплением когнитивным моделям работы высших психических функций человека, в части в рамках теории знаковой картины мира.

Докладчик: Александр Игоревич Панов (в.н.с. Института искусственного интеллекта AIRI, руководитель Центра когнитивного моделирования МФТИ)

Первое заседание: четверг, 10 марта 2022 г.

Докладчик:
Борисов Вадим Владимирович, д.т.н., профессор;
профессор НИУ «МЭИ»; руководитель НИЛ интеллектуальных технологий и высокопроизводительных вычислений филиала НИУ «МЭИ» в г. Смоленске;
президент РАИИ.

Тема доклада:
«Нечеткие и нечетко-нейросетевые когнитивные модели для анализа систем и проблемных ситуаций».

Аннотация:
Выполнена систематизация, представлены подходы к созданию и использованию нечетких и нечетко-нейросетевых когнитивных моделей для интеллектуального анализа сложных систем и проблемных ситуаций:
• во-первых, с целью их предварительного анализа для последующего углубленного исследования;
• во-вторых, для расширения возможностей базовых моделей;
• в-третьих, для композиционного гибридного моделирования систем и проблемных ситуаций.
Приведены предложенные типы нечетких и нечетко-нейросетевых когнитивных моделей, реализующие указанные подходы:
• обобщенные продукционные нечеткие когнитивные модели;
• нечеткие реляционные когнитивные модели;
• «совместимые» нечеткие когнитивные модели;
• нечеткие когнитивно-игровые модели;
• нечеткие коалиционные когнитивные модели;
• нечетко-нейросетевые когнитивные темпоральные модели.
• нечеткие реляционные когнитивные темпоральные модели.
Приведены конструктивные примеры использования предложенных моделей для решения практических задач анализа систем и проблемных ситуаций.


Также доступно на Rutube

Слайды