Постановка задачи и определение подходов к построению смысловых моделей знания для искусственного интеллекта

Обложка

Цитировать

Полный текст

Аннотация

В статье исследуется проблематика создания смысловых моделей знаний, которые могут быть использованы для наделения систем искусственного интеллекта способностью в пониманию смысла текста на естественном или любом другом языке. В качестве возможных средств для построения смысловых моделей знаний рассматриваются механизм мультисистемной интеграции знаний, разработанный авторами ранее, формальные онтологии и техники понимания смысла, сформировавшиеся в рамках филологической герменевтики. Значимыми составляющими представленного в статье исследования являются рассмотрение используемых в настоящее время языковых моделей искусственного интеллекта, нового подхода к осмыслению знаний через их обобщение в виде открытых моделей, оценка генезиса и перспектив телеологической и аксиологической интерпретаций смысла для естественных и искусственных когнитивных систем. Методологической базой представленного в статье исследования являются авторские наработки в области системного анализа, известные методы анализа, принятые в рамках герменевтики, структурализма, классической гносеологии, теории формальных онтологий, лингвистического и языкового моделирования. Научная новизна данного исследования заключается в определении необходимого инструментария для создания смысловых моделей, обобщающих знания. Указанный инструментарий включает: мультисистемную интеграцию знаний, основанную на интеграции субъекта познания во множество систем с последующим обобщением паттернов, выявляемых в этих системах, и их трансляции для решения задач осмысления и творчества; формальные онтологии, реализующие описание знаний из какой-либо предметной области в виде концептуальных схем с учетом имеющихся правил и связей между элементами, позволяющее автоматическое извлечение знаний; широкое разнообразие герменевтических техник понимания смыслов. Констатированы объективные ограничения использования для искусственных когнитивных систем, не обладающих субъектностью, ценностной приоритизации в понимании смыслов. Некоторые ограничения в использовании для искусственных когнитивных систем также имеют герменевтические техники понимания смысла текста. Это связано с невозможностью полноценной рефлексии без чувств, эмоций и желаний, порождаемых потребностями, также инициирующими субъектность.

Об авторах

Андрей Армович Грибков

Научно-производственный комплекс "Технологический центр"

Email: andarmo@yandex.ru
ORCID iD: 0000-0002-9734-105X
ведущий научный сотрудник;

Александр Александрович Зеленский

Научно-производственный комплекс "Технологический центр"

Email: zelenskyaa@gmail.com
ORCID iD: 0000-0002-3464-538X
ведущий научный сотрудник;

Список литературы

  1. Тулупова Т.А., Павленко С.А. Лингвистические модели-формальные методы в лингвистике // Современные инновации. 2021. № 2(40). С. 44-46. EDN: CSXQNP.
  2. Рикер П. Конфликт интерпретаций. Очерки о герменевтике / Пер. с фр., вступ. ст. и коммент. И.С. Вдовиной. М.: Академический Проект, 2008. 695 с.
  3. Khurana D., Koli A., Khatter K., Singh S. Natural language processing: state of the art, current trends and challenges // Multimedia Tools and Applications. 2022. 82(3). pp. 3713-3744. doi: 10.1007/s11042-022-13428-4. EDN: OMUYAR.
  4. Minaee S., Mikolov T., Nikzad N., Chenaghlu M., Socher R., Amatriain X., Gao J. Large Language Models: A Survey. 23 Mar 2025. arXiv:2402.06196v3. doi: 10.48550/arXiv.2402.06196.
  5. Huang L., Yu W., Ma W., Zhong W., Feng Z., Wang H., Chen Q., Peng W., Feng X., Qin B., Liu T. A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions // ACM Transactions on Information Systems. 2024. Vol. 43. Issue 2. Article No.: 42. С. 1-55. doi: 10.1145/3703155. EDN: FHGSXF.
  6. Large Concept Models: Language Modeling in a Sentence Representation Space / LCM team, Loïc Barrault, Paul-Ambroise Duquenne, Maha Elbayad et al. 15 Dec 2024. arXiv:2412.08821. doi: 10.48550/arXiv.2412.08821.
  7. Грибков А.А. Эмпирико-метафизическая общая теория систем: монография. М.: Издательский дом Академии Естествознания, 2024. 360 с. doi: 10.17513/np.607. EDN: QTOCDS.
  8. Грибков А.А. Творчество как имплементация представления о целостности мира // Философская мысль. 2024. № 3. С. 44-53. doi: 10.25136/2409-8728.2024.3.70034 EDN: ATWDXF URL: https://nbpublish.com/library_read_article.php?id=70034
  9. Грибков А.А., Зеленский А.А. Разумная когнитивная система с мультисистемной интеграцией знаний: возможность и подходы к формированию // Философская мысль. 2025. № 2. С. 1-11. doi: 10.25136/2409-8728.2025.2.73395 EDN: HUPLGY URL: https://nbpublish.com/library_read_article.php?id=73395
  10. Пивоев В.М. Философия смысла, или Телеология. Петрозаводск: ПетрГУ, 2004. 114 с. EDN: QWJQZV.
  11. Аристотель. Сочинения в четырех томах. Т. 1. Ред. В. Ф. Асмус. М.: Мысль, 1976.
  12. Дорофеев Ю.В. О функциональных основаниях восприятия и понимания текста // Педагогический ИМИДЖ. 2019. Т. 13. № 3 (44). С. 321-332. doi: 10.32343/2409-5052-2019-13-3-321-332.
  13. Франкл В. Человек в поисках смысла. М.: Прогресс, 1990. 368 с.
  14. Грибков А.А., Зеленский А.А. Общая теория систем и креативный искусственный интеллект // Философия и культура. 2023. № 11. С. 32-44. doi: 10.7256/2454-0757.2023.11.68986 EDN: EQVTJY URL: https://nbpublish.com/library_read_article.php?id=68986
  15. Смирнов С.В. Онтологии как смысловые модели // Онтология проектирования: научный журнал. 2013. № 2. С. 12-19. EDN: QICWND.
  16. Богуславский И.М., Диконов В.Г., Тимошенко С.П. Онтология для поддержки задач извлечения смысла из текста на естественном языке // Информационные технологии и системы (ИТиС'12). Сборник трудов 35-ой Конференции молодых ученых и специалистов ИППИ РАН. Петрозаводск, 19-25 августа 2013 г. С. 152-160.
  17. Smith B. Basic Concepts of Formal Ontology / In: Formal Ontology in Information Systems. N. Guarino (Ed.). IOS Press, 1998. P. 19-28.
  18. Загорулько Ю.А., Сидорова Е.А., Загорулько Г.Б., Ахмадеева И.Р., Серый А.С. Автоматизация разработки онтологий научных предметных областей на основе паттернов онтологического проектирования // Онтология проектирования. 2021. Т. 11. № 4 (42). С. 500-520. doi: 10.18287/2223-9537-2021-11-4-500-520. EDN: EEHSIA.
  19. Кононенко И.С., Сидорова Е.А. Методика разработки лексико-семантических паттернов для извлечения терминологии научной предметной области // System Informatics (Системная информатика). 2022. № 20. С. 25-46.
  20. Богин Г.И. Обретение способности понимать: Введение в филологическую герменевтику. Тверь, 2001. 731 с.
  21. Хайдеггер М. Основные проблемы феноменологии. Пер. А.Г. Чернякова. Санкт-Петербург: Высшая религиозно-философская школа, 2001. 446 с.
  22. Гадамер Х.-Г. Истина и метод: Основы философской герменевтики. Пер. с нем. / Общ. ред. и вступ. ст. Б.В. Бессонова. М.: Прогресс, 1988. 704 с.
  23. Нестеров А.Ю. Проблема понимания и искусственный интеллект // Открытое образование. 2008. № 1. С. 58-63. EDN: KUUNLZ.
  24. Liu T., Mitcham C. Toward Practical Hermeneutics of Fourth Paradigm AI for Science // Technology and Language. 2024. № 5(1). P. 89-105. doi: 10.48417/technolang.2024.01.07. EDN: KBKBRS.
  25. Буралкин М.Ю., Черненькая С.В. Цифровая герменевтика // Коммуникативные стратегии информационного общества: Труды XI Международной научно-теоретической конференции, Санкт-Петербург, 25-26 октября 2019 года. Санкт-Петербург: Санкт-Петербургский политехнический университет Петра Великого, 2019. С. 43-45. EDN: TJVUMH.
  26. Чемезова Е.Р. Современные технологии и герменевтический анализ поэтического текста // Педагогика и просвещение. 2024. № 1. С. 57-66. doi: 10.7256/2454-0676.2024.1.39927 EDN: EMZBUQ URL: https://nbpublish.com/library_read_article.php?id=39927

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».