sibphilСибирский философский журналSiberian Journal of Philosophy2541-7517Новосибирский государственный университет10.25205/2541-7517-2021-19-2-51-64sibphil-435Research ArticleАНАЛИТИЧЕСКАЯ ФИЛОСОФИЯ, ЭПИСТЕМОЛОГИЯ И ФИЛОСОФИЯ НАУКИANALYTICAL PHILOSOPHY, EPISTEMOLOGY AND PHILOSOPHY OF SCIENCEСемантическое обучение с учителем для искусственных когнитивных агентов общего уровняSemantic Supervised Training for General Artificial Cognitive Agentshttps://orcid.org/0000-0003-4789-0736ДушкинР. В.DushkinR V.

Москва

Moscow

roman.dushkin@gmail.comАгентство искусственного интеллекта, ООО «Дикрипто»РоссияArtificial Intelligence Agency, Deecrypto LLCRussian Federation2021201020211925164Copyright © Душкин Р.В., 20212021Душкин Р.В.Dushkin R.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sibphil.elpub.ru/jour/article/view/435

Статья описывает авторский подход к построению искусственных когнитивных агентов общего уровня на основе так называемого «семантического обучения с учителем», в рамках которого в соответствии с гибридной парадигмой искусственного интеллекта используются как методы машинного обучения, так и методы символьного подхода и систем, основанных на знаниях («старый добрый искусственный интеллект»). Представлено описание текущих проблем с пониманием общего смысла и контекста ситуаций, в которых находятся узкие ИИ-агенты. Дано определение семантического обучения с учителем и описана его связь с другими методами машинного обучения. Кроме того, представлен мысленный эксперимент, на котором показана суть и смысл семантического обучения с учителем.

The article describes the author's approach to the construction of general-level artificial cognitive agents based on the so-called "semantic supervised learning", within which, in accordance with the hybrid paradigm of artificial intelligence, both machine learning methods and methods of the symbolic ap­ proach and knowledge-based systems are used ("good old-fashioned artificial intelligence"). А descrip­ tion of current proЬlems with understanding of the general meaning and context of situations in which narrow AI agents are found is presented. The definition of semantic supervised learning is given and its relationship with other machine learning methods is described. In addition, а thought experiment is presented, which shows the essence and meaning of supervised semantic learning.

искусственный интеллектагентагентный подходискусственный интеллект общего уровняобучение с учителемсемантикаобработка контексталичный опытонтологияархитектураartificial intelligenceagentagent-based approachartificial general intelligencesupervised learningsemanticscontext processingpersonal experienceontologyarchitectureReferencesДушкин Р. В. Обзор подходов и методов искусственного интеллекта // Радиоэлектронные технологии. 2018. № 3. С. 85-89.Benzon W. GPT-3: Waterloo or RuЬicon? Неге Ье Dragons. Preprint. 2020. DOI 10.13140/RG.2.2.18525.0З048Душкин Р. В. Критика «Китайской комнаты» Дж. Сёрла с позиции гибридной модели построения искусственных когнитивных агентов// Сибирский философский журнал. 2020. Т. 18, № 2. С. 30-47.Bibel W., Kurfess F., Aspetsberger К., Hintenaus Р., Schumann J. Parallel Inference Machines. In: Future Parallel Computers, An Advanced Course. Pisa, Italy, 1986, chapter: 5. PuЬlisher: Springer Verlag, Berlin, Lecture Notes in Computer Science 272. Editors: Р. Treleaven, М. Vanneschi. DOI 10.1007/3-540-18203-9_5Николенко С., Архангельская Е., Кадурин А. Глубокое обучение. Погружение в мир нейронных сетей. СПб.: Питер, 2018. 480 с. ISBN 978-5-496-02536-2Dushkin R. V. Criticism of J. Searle's "Chinese Room" from the perspective of а hybrid model for constructing artificial cognitive agents]. Siberian Journal of Philosophy, 2020, vol. 18, no. 2, рр. 30-47. (in Russ.)Шумский С. А. Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта. М.: РИОР, 2020. 340 с. ISBN 978-5-369-01832-3Dushkin R. V. Obzor podkhodov i metodov iskusstvennogo intellekta [The Review on approaches and methods of artificial intelligence ]. Radioelektronnye technologii [Radioelectronic technologies], 2018, no. 3, рр. 85-89. (in Russ.)Benzon W. GPT-3: Waterloo or Rublcon? Неге Ье Dragons. Preprint. 2020. DOI 10.13140/RG.2.2.18525.0З048Dushkin R. V., Andronov М. G. The Hybrid Design for Artificial Intelligence Systems. In: Arai К., Kapoor S., Bhatia R. (eds.). Proceedings of the 2020 Intelligent Systems Conference (IntelliSys). Springer, Cham, 2020, vol. 1 (1250), рр. 164-170. DOI 10.1007/978-3-030-55180-3_13Bibel W., Kurfess F., Aspetsberger К., Hintenaus Р., Schumann J. Parallel Inference Machines. In: Future Parallel Computers, An Advanced Course. Pisa, Italy, 1986, chapter: 5. PuЬlisher: Springer Verlag, Berlin, Lecture Notes in Computer Science 272. Editors: Р. Treleaven, М. Vanneschi. DOI 10.1007/3-540-18203-9_5Georgakopoulos Т. Semantic Maps. In: Oxford BiЬliographies in Linguistics Publisher. New York, Oxford Uni. Press, 2019. DOI 10.1093/оЬо/9780199772810-0229Dushkin R. V., Andronov М. G. The Hybrid Design for Artificial Intelligence Systems. In: Arai К., Kapoor S., Bhatia R. (eds.). Proceedings of the 2020 Intelligent Systems Conference (IntelliSys). Springer, Cham, 2020, vol. 1 (1250), рр. 164-170. DOI 10.1007/978-3-030-55180-3_13Harnad S. The Symbol Grounding ProЬlem. Physica D, 1990, vol. 42 (1-3), рр. 335-346.Georgakopoulos Т. Semantic Maps. In: Oxford BiЬliographies in Linguistics Publisher. New York, Oxford Uni. Press, 2019. DOI 10.1093/оЬо/9780199772810- 0229Не К., Zhang Х., Ren Sh., Sun J. Delving Deep into Rectifiers: Surpassing Human­Level Performance on ImageNet Classification. In: IEEE International Conference on Computer Vision (ICCV 2015). 1502. DOI 10.l109/ICCV.2015.123Harnad S. The Symbol Grounding ProЬlem. Physica D, 1990, vol. 42 (1-3), рр. 335-346.Heck R. G. Logic, semantics, ontology. PhD Thesis. Massachusetts Institute of Technology, Dept. ofLinguistics and Philosophy, 2009.Не К., Zhang Х., Ren Sh., Sun J. Delving Deep into Rectifiers: Surpassing Human­Кhanam S., Tanweer S., Кhalid S. Artificial Intelligence Surpassing Human Intelligence: Factual or Ноах. The Computer Journal, 2020, January. DOI 10.1093/ comjnl/bxzl 56Level Performance on ImageNet Classification. In: IEEE International Conference on Computer Vision (ICCV 2015). 1502. DOI 10.l109/ICCV.2015.123Liu Zh., Lin У., Sun М. Representation Learning and NLP. In: Representation Learning for Natural Language Processing, July 2020. DOI 10.1007/978-981-15-5573- 2_1Heck R. G. Logic, semantics, ontology. PhD Thesis. Massachusetts Institute of Technology, Dept. ofLinguistics and Philosophy, 2009.Lopez М. Four unsolvaЫe proЬlems of symbolic AI. Revista de Filosofia, 2015, no. 40, рр. 81-104. DOI 10.5209/rev-resF.2015.v40.nl.48441Кhanam S., Tanweer S., Кhalid S. Artificial Intelligence Surpassing Human Intelligence: Factual or Ноах. The Computer Journal, 2020, January. DOI 10.1093/ comjnl/bxzl 56Nikolenko S., Archangelskaya Е., Kadurin А. Glubokoye obucheniye. Pogruzheniye v mir neyronnykh setey [Deep Learning. Dive into the world of neural networks]. St. Petersburg, Piter, 2018, 480 р. (in Russ.) ISBN 978-5-496-02536-2Liu Zh., Lin У., Sun М. Representation Learning and NLP. In: Representation Learning for Natural Language Processing, July 2020. DOI 10.1007/978-981-15-5573- 2_1Shumsky S. А. Mashinny intellekt. Ocherki ро teorii mashinnogo obucheniya i iskusstvennogo intellekta [Machine intelligence. Essays on Machine Learning and Artificial Intelligence Theory]. Moscow, RIOR, 2020, 340 р. (in Russ.) ISBN 978- 5-369-01832-3Lopez М. Four unsolvaЫe proЬlems of symbolic AI. Revista de Filosofia, 2015, no. 40, рр. 81-104. DOI 10.5209/rev-resF.2015.v40.nl.48441Williams А. Е. А Model for Artificial General Intelligence. Artificial General Intelligence, 2020, July. DOI 10.1007/978-3-030-52152-3_38Williams А. Е. А Model for Artificial General Intelligence. Artificial General Intelligence, 2020, July. DOI 10.1007/978-3-030-52152-3_38Witbrock М. et al. Knowledge Begets Knowledge: Steps towards Assisted Knowledge Acquisition in Сус. In: Papers from the 2005 AAAI Spring Symposium on Knowledge Collection from Volunteer Contributors (KCVC). Stanford, California, March, 2005, рр. 99-105.Witbrock М. et al. Knowledge Begets Knowledge: Steps towards Assisted Knowledge Acquisition in Сус. In: Papers from the 2005 AAAI Spring Symposium on Knowledge Collection from Volunteer Contributors (KCVC). Stanford, California, March, 2005, рр. 99-105.Yu L. А Developer's Guide to the Semantic Web. 2nd ed. Springer, 2014. ISBN 978-3-662-43796-4Yu L. А Developer's Guide to the Semantic Web. 2nd ed. Springer, 2014. ISBN 978-3- 662-43796-4Yu L. А Developer's Guide to the Semantic Web. 2nd ed. Springer, 2014. ISBN 978-3- 662-43796-4

The authors declare that there are no conflicts of interest present.