SEMANTIC MODELING AND ARTIFICIAL INTELLIGENCE
https://doi.org/10.25205/2541-7517-2018-16-4-5-25
Abstract
The paper discusses the problem of solving human problems using computers. Analyzed are the advantages and disadvantages of declarative programming, including functional and logical programming, acting as an artificial intelligence tool. An alternative, model-theoretic approach to solving problems, called the semantic modeling, is described. The advantages of the proposed concept are analyzed, including the possibility of combining the axiomatic and model-theoretic approach to solving problems in a single approach, as well as the possibility of integrating on the basis of semantic modeling methods of continuous and discrete mathematics. The possibility of constructing a new, «explanatory artificial intelligence free from the drawbacks inherent in the traditional artificial intelligence, based on semantic modeling, is described.
About the Authors
S. S. Goncharov
Sobolev Institute of Mathematics SB RAS; Novosibirsk State University
Russian Federation
Russian Federation
D. I. Sviridenko
Sobolev Institute of Mathematics SB RAS; Novosibirsk State University
Russian Federation
Russian Federation
References
1. Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта. М.: Мир, 1990.
2. Витяев Е. Е., Мартынович В. В. Прозрачное глубокое обучение на основе вероятностных формальных понятий в задаче обработки естественного языка // Изв. ИГУ. Серия: Математика. 2017. Т. 22. C. 31-49.
3. Витяев Е. Е., Мартынович В. В. Формализация «естественной» классификации и систематики через неподвижные точки предсказаний // Сибирские электронные математические известия (Siberian Electronic Mathematical Reports). Новосибирск, 2015. Т. 12. С. 1006-1031.
4. Витяев Е. Е., Неупокоев Н. В. Формальная модель восприятия и образа как неподвижной точки предвосхищений // Подходы к моделированию мышления: Сб. / Под ред. В. Г. Редько. М.: УРСС Эдиториал, 2014. С. 155-172.
5. Гончаров С. С. Условные термы в семантическом программировании // Сиб. мат. журн. 2017. Т. 58, № 5. С. 1026-1034.
6. Гончаров С. С., Свириденко Д. И. Математические основы семантического программирования // Докл. АН СССР. 1986. Т. 289, № 6. С. 1324-1328.
7. Гончаров С. С., Свириденко Д. И. Рекурсивные термы в семантическом программировании // Сиб. мат. журн. Ноябрь-декабрь, 2018. Т. 59, № 6. С. 1279-1290.
8. Зюзысов В. М. Математическое введение в декларативное программирование: Учеб. пособие. Томск: Изд-во ТГУ, 2003. 83 с.
9. Логическое программирование: Сб. ст. / Под ред. В. Н. Агафонова. М.: Мир, 1988. 368 с.
10. Малпасс Д. Р. Реляционный язык ПРОЛОГ и его применение. М.: Наука, 1990.
11. Малых А. А., Манцивода А. В. Документное моделирование // Изв. ИГУ. Серия: Математика, 2017.
12. Пратт Т., Зелковиц М. Языки программирования: разработка и реализация. 4-е изд. СПб.: Питер, 2003.
13. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. 2-е изд. / Пер. с англ. М.: Изд. дом «Вильямс», 2007. 1408 с.
14. Свириденко Д. И., Сибиряков В. Г. ТРИЗ-теория решения инновационных задач. Ч. 1: Как решать инновационные задачи: разработка концепции инновации // Сибирская финансовая школа. Инновации. 2017а. № 3/122. C. 26-35.
15. Свириденко Д. И., Сибиряков В. Г. ТРИЗ-теория решения инновационных задач. Ч. 2: Что такое инновационная задача // Сибирская финансовая школа. Менеджмент и инновации. 2017б. № 4/123. С. 21-37.
16. Стерлинг Л., Шапиро Э. Искусство программирования на языке ПРОЛОГ. М.: Наука, 1990.
17. Тейз А., Грибомон П., Луи Ж. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с фр. М.: Мир, 1990. 432 с.
18. Филд А., Харрисон П. Функциональное программирование: Пер. с англ. М.: Мир, 1993.
19. Хендерсон П. Функциональное программирование. Применение и реализация: Пер. с англ. М.: Мир, 1983. 349 с.
20. Хювенен Э., Сепянен И. Мир ЛИСПа: В 2 т. М.: Мир, 1990.
21. Ambos-Spies K., Badaev S., Goncharov S. Inductive inference and computable numberings // Theoretical Computer Science. 2011. Vol. 412, No. 18. P. 1652-1668.
22. Arora S., Barak B. Computational Complexity: a Modern Approach. Cambridge Univ. Press, 2009.
23. Ershov Yu. L. Definability and Computability. Siberian School of Algebra and Logic. New York: Plenum, 1996.
24. Ershov Yu. L. Dynamic logic over admissible sets // Soviet. Math. Dokl. 1983b. Vol. 28. P. 739-742.
25. Ershov Yu. L. The principle of Σ-enumeration // Soviet. Math. Dokl. 1983a. Vol. 27. P. 670-672.
26. Ershov Yu. L., Goncharov S. S., Nerode A., Remmel J. Introduction to the Handbook of Recursive Mathematics, Handbook of Recursive Mathematics, Vol. 1-2, Amsterdam ets.: Elsevier, 1998. Vol. 138, Pt 1, vii-xlvi, 40 p.
27. Ershov Yu. L., Goncharov S. S., Sviridenko D. I. Semantic foundations of programming // Lecture Notes in Computer Science. 1987. Vol. 278. P. 116-122.
28. Ershov Yu. L., Goncharov S. S., Sviridenko D. I. Semantic programming // Information processing, Proc. IFIP 10-th World Comput. Congres. Dublin, 1986. Vol. 10. P. 1113-1120.
29. Flasinski M. Introduction to Artificial Intelligence. Switzerland: Springer International Publ., 2016. 321 p.
30. Goncharov S. S. Computability and Computable Models // Mathema- tical Problems from Applied Logic II International Mathematical Series / Eds. D. M. Gabbay, M. Zakharyaschev, S. S. Goncharov. Springer, 2007. Vol. 5. P. 99-216.
31. Goncharov S. S., Sviridenko D. I. Theoretical aspects of Σ-programming // Lecture Notes in Computer Science. 1986. Vol. 215. P. 169-179.
32. Goncharov S. S., Sviridenko D. I. Σ-programming, Transl., II. Ser. // Am. Math. Soc. 1989. Vol. 142. P. 101-121.
33. Kubat M. An Introduction to Machine Learning. 2 Ed.; Springer Int. Publ. AG, 2017. 348 p.
34. Martynovich V. V., Vityaev E. E. Recovering Noisy Contexts with Probabilistic Formal Concepts // Proceedings of the 2nd International Workshop on Soft Computing Applications and Knowledge Discovery (SCAKD 2016). Moscow, Russia, July 18, 2016. CEUR Workshop Proceedings. Vol. 1687. P. 24-35.
35. Ospichev S., Ponomarev D. On the Complexity of Formulas in Semantic Programming // Сибирские электронные математические известия. 2018. № 15. Р. 987-995.
36. Papadimitriou C. H. Computational complexity. Addison-Wesley, 1994.
37. Vityaev E. E., Martinovich V. V. Probabilistic Formal Concepts with Negation / Eds. A. Voronkov, I. Virbitskaite. PCI 2014, LNCS 8974, 2015. P. 385-399.
Review
For citations:
Goncharov S.S., Sviridenko D.I. SEMANTIC MODELING AND ARTIFICIAL INTELLIGENCE. Siberian Journal of Philosophy. 2018;16(4):5-25. (In Russ.) https://doi.org/10.25205/2541-7517-2018-16-4-5-25
Views:
427
Email this article 