система для получения творческого искусственного интеллекта

Формула изобретения

Система для получения творческого искусственного интеллекта, содержащая ячейку искусственного интеллекта, состоящую из последовательно соединенных рецептора, сопоставителя, устройства управления выбором генетических знаний, блока постоянной памяти, а также эффектора, отличающаяся тем, что дополнительно введено ячеек искусственного интеллекта иерархий n = 0, 1, 2, ..., в каждую ячейку введены последовательно соединенные устройства, вырабатывающие управляющую плотность вероятности, вход которого объединен с устройством управления выбором генетических знаний, генератор случайного процесса изменений знаний, сумматор с оперативной памятью, соединенный двусторонней связью с блоком постоянной памяти, а третьим своим выходом соединен с вторым входом сопоставителя, в ячейках иерархии 1 введен взвешенный сумматор, выход которого соединен с объединенными входами устройства управления выбором генетических знаний и устройства, вырабатывающего управляющую плотность вероятности, входы взвешенного сумматора соединены с выходами сопоставителей ячеек более низкой или такой же иерархии, выходы сумматора с оперативной памятью в ячейках иерархии 1 соединены с входами устройств, вырабатывающих управляющую плотность вероятности ячеек более низкой или такой же иерархии, выходы сумматора с оперативной памятью в ячейках иерархии = 0 соединены соответственно с входами сопоставителя и эффектора.

Описание изобретения к патенту

Изобретение относится к кибернетическим системам различного назначения и может быть использовано в адаптивных системах связи и обнаружения сигналов.

Творческий интеллект (ТИ), естественный (биологический) и искусственный (технический) продукт и свойство самоорганизующейся (самообучающейся) системы. Это способность адаптироваться в нестационарной окружающей среде, когда поведение технической системы не может быть полностью запрограммировано, а генетические данные, заложенные в биосистему, оказываются недостаточными. Это также способность к нелогическим действиям, к созданию аксиом, к получению существенно новых знаний (познанию) в отличие от генетического интеллекта (ГИ), где база знаний закладывается в интеллектуальную систему извне (наследственным путем в биосистемах, эвристическим программированием, экспертами в технических системах). ГИ способен лишь к логическим действиям выработке теорем и следствий из уже имеющихся знаний.

Известны два метода создания интеллектуальных систем (ИС): "модели понимания" (МП) и "нейронная кибернетика"(НК).

Эти методы можно описать выражением



где v_г вырабатываемые интеллектуальной системой ИС ГИ знания (действия), составляющие множество, куда входят знания о необходимых действиях на внешнюю среду и знания о цели этих действий;

F[] программа работы ИС.

Способ МП используется во всех ЭВМ Тьюринга Неймана и соответствует явной форме выражения (1). Метод НК используется в нейрокомпьютерах (транспьютерах) и соответствует некоторой неявной форме выражения (1).

Описаны эти методы, например, в [1]

Структурная схема устройства, реализующего данные методы, представлена на фиг.1, где 1 рецептор, преобразующий сигнал S внешней среды во внутренний язык ИС; 2 сопоставитель; 3 эффектор, преобразующий знания с внутреннего языка ИС в действия R; 4 блок постоянной памяти; 5 устройство, управляющее выбором генетических знаний из блока постоянной памяти.

Это устройство работает по заранее заданной программе F[] и не обеспечивает ТИ, т.к. невозможно полностью предсказать поведение среды.

Для получения творческого интеллекта предлагается система, представленная на фиг. 2, где 6 устройство, вырабатывающее управляющую плотность вероятности случайного процесса (t); 7 генератор случайного процесса изменений знаний; 8 сумматор с оперативной памятью; 9 взвешенный сумматор.

Интеллектуальная система, обладающая ТИ, состоит из иерархических уровней 0,1,2. и имеет K ячеек на каждом из этих уровней, взаимосвязанных между собой по цепям V и W.

Ячейка иерархии n 0 содержит последовательно соединенные рецептор 1, вход которого является входом системы, сопоставитель 2, устройство, вырабатывающее управляющую плотность вероятности 6, генератор случайного процесса изменений знаний 7, сумматор с оперативной памятью 8, эффектор 3. Выход сопоставителя 2 соединен также с входом устройства, управляющего выбором генетических знаний 5, выход которого соединен с входом блока постоянной памяти 4. Блок постоянной памяти 4 соединен двусторонней связью с сумматором с оперативной памятью 8, третий выход которого соединен с вторым входом сопоставителя 2.

Ячейки иерархий n1 содержат последовательно соединенные взвешенный сумматор 9, устройство, вырабатывающее управляющую плотность вероятности 6, генератор случайного процесса изменений знаний 7, сумматор с оперативной памятью 8, который соединен двусторонней связью с блоком постоянной памяти 4. Второй вход блока постоянной памяти 4 через устройство, управляющее выбором генетических знаний соединен с выходом взвешенного сумматора 9. Входы взвешенного сумматора 9 соединены с выходами сопоставителей 2 ячеек более низкой или такой же иерархии. Выходы сумматора с оперативной памятью 8 ячеек иерархий 1 соединены с вторыми входами устройств, вырабатывающих управляющую плотность вероятности 6 ячеек более низкой или такой же иерархий. Выход m в ячейках иерархии 1 показывает, что возможна передача знаний между различными системами, использующими одинаковые внутренние языки.

Работает устройство следующим образом.

Входные сигналы S в ячейке ТИ с 0 превращаются рецептором 1 в сигналы s внутреннего языка ИС. Преобразование может включать наперед заданную, т.е. генетическую фильтрацию входных сигналов. Сигналы s поступают на сопоставитель 2, где сравниваются со значениями , поступающими с сумматора с оперативной памятью 8. Сравнение заключается в определении подходящего в метрике расстояния между ними. Минимальное расстояние соответствует максимальному значению V. По генетическим программам F[] и F_W[] элементы 5 и 6 вырабатывают зависимости от и его изменения управления Y(V) и плотности вероятности W (V, v ).

Значения случайных величин , складываясь в сумматоре 8 с генетическими значениями поступающими из блока памяти 4, образуют творческие знания В процессе этой работы совершенствуются, изменяясь так, чтобы получить максимум сопротивления V. Когда V достигает заданного порога или его приращения v становится меньше наперед заданного значения, адаптивная творческая работа ИС в данной среде заканчивается и элемент 6 вырабатывает W(x)0 по которому генератор случайного процесса 7 прекращает работу и в блок постоянной памяти 4 записываются из сумматора с оперативной памятью 8 полученные знания _т.

После такого самообучения ИС приобретает новые знания, которые позволяют сократить или даже не производить творческую работу при повторном взаимодействии данного индивидуума ИС с такой же средой. По мере нестационарности среды творческая работа вновь необходима.

Описать работу ячейки можно выражением:



которое соответствует наличию как ГИ, так и ТИ.

Здесь величина сопоставления



соответственно для аналоговых или дискретных величин и

В ячейках n1 отсутствуют рецепторы и эффекторы, а сопоставитель 2 заменяется на взвешенный сумматор 9, на выходе которого



Ячейки с =0 непосредственно взаимодействуют со средой, а ячейки с 1 осуществляют все более глубокое по мере увеличения обобщение знаний, которыми обладает и которые вырабатывает ИС.

При использовании ячеек n1 генетическое управление F_W[] дополняется творческим



где _k генетические весовые коэффициенты.

Система ТИ может быть очень разнообразной, определяя различные возможности ИС. Количество входов V_k, объединяемых на взвешенном сумматоре 9, и количество выходов, исходящих из сумматора 8, может быть различными, изменяясь от единицы до полного числа ячеек в системе.

Ячейка действует в одном измерении пространства знаний, а система во всем охватываемом ею пространстве знаний. Возможно также действие в одном измерении нескольких ячеек, работающих в разных масштабах дискретизации данного измерения. Совместная работа таких ячеек организуется ячейками более высокой иерархии.

Ячейка более высокой иерархии не только осуществляет адаптацию совместной работы ячеек более низких иерархий в области взаимной увязки вырабатываемых ими знаний, но и адаптацию самих алгоритмов работы этих ячеек, определяемую (5). Таким образом, в полном объеме ТИ осуществляется именно системой.

Структура и связи в системе генетические и определяются разработчиком системы (в биосистемах естественным отбором).

Знания, элементарные в ячейках 0 и все более обобщенные в ячейках n 1, распределены по системе. Поэтому система относительно устойчива к нарушениям работы отдельных ячеек и связей. Кроме того, ячейки более высоких иерархий одной системы могут передать выработанные ими и сформулированные на общем языке знания ячейкам другой системы, что ускоряет совместный творческий процесс обоих систем.

Все входящие в ИС ТИ элементы ординарны, их реализация не представляет особых трудностей: рецептор 1, входящий в систему ТИ, содержит последовательно соединенные преобразователь одного вида сигналов в другой, селектирующий фильтр (например, в частотной области), декодер или транскодер. В зависимости от назначения ИС и вида необходимых S и s порядок следования перечисленных блоков может меняться.

Эффектор 3 имеет обратную структуру и последовательность действий. Если s и v имеют одинаковое выражение (например, в двоичном коде), то R и S могут иметь различные выражения и даже физическую природу. Так в адаптивной по несущей частоте радиосистеме рецептор представляет собой приемник радиосигналов, включающий в себя селектор, усилитель радиосигналов, декодер, АЦП и транскодер в двоичный код, а эффектор устройство управления частотой передатчика, ЦАП, декодер из двоичного кода.

В системе управления роботом рецептор содержит, например, оптико-электрический преобразователь, АЦП, кодер в двоичный код, а эффектор - декодер, ЦАП, электромеханический преобразователь.

Сопоставитель 2 практически представляет собой коррелятор, производящий вычисления по формуле (3) соответственно в эвклидовой или хемминговой метрике. Он реализуется программно на ЭВМ или в виде отдельного устройства на жесткой логике, выполненного, например, на микросхемах 1802ВР3, 564ИМ3.

Генератор случайного процесса 7 с управляемой плотностью вероятности W (x, t) также реализуется программно на ЭВМ или на жесткой логике, например, x(t) реализуется на IBM PC, как описано в книге Л.Стенлона "Персональные ЭВМ IBM PC и XT. Программирование на языке ассемблера". М. Радио и связь, 1989г.

Устройство, вырабатывающее управляющую плотность вероятности 6, может быть реализовано программно или в жесткой логике, например, на микросхемах 537РУ8.16 посредством записанной в памяти таблицы соответствия одномерного столбца V и двумерного столбца W(X).

Устройство, управляющее выбором генетических знаний из постоянной памяти 5, может быть выполнено так же, как и устройство 6 с той разницей, что в память записывается таблица соответствия одномерного столбца V и также одномерного столбца Y адреса в постоянной памяти устройства 4.

Сумматор с оперативной памятью 8 и взвешенный сумматор 9 реализуются так же, как и сопоставитель 2.

Таким образом, изобретение представляет возможность работы в нестационарных или неполностью известных средах, которую ГИ не обеспечивает, а также возможность научных исследований и проектирования поведения сложных систем в сложных средах, где невозможно достаточно полное и точное моделирование. Использование ТИ позволяет перенести тяжесть исследования и проектирования с МС в целом не только ее генетическую часть. Творческая часть при этом будет адаптивно точно отображать среду и вырабатывать необходимое в ней поведение ИС.