DOI: 10.14489/vkit.2024.10.pp.050-058

Коновалов В. А.
ПОДХОД К СИНТЕЗУ АЛГОРИТМА, ПЕРЕРАБАТЫВАЮЩЕГО ПРЕДПИСАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. Часть 1
(c. 50-58)

Аннотация. Представлен новаторский подход к синтезу алгоритма, перерабатывающего предписания искусственного интеллекта. Рассмотрена гипотеза о том, что источниками данных для этого интеллекта могут выступать сети Маркова непрямого распространения, иначе говоря, отдельный вид алгоритма. Этот алгоритм задает комплекс предписаний, который запускается механизмом самовзвода сети. Сети построены на базе систем Маркова, состоящих из сNnet-схем алгоритма Маркова. Прослежена взаимосвязь искусственного интеллекта с источниками данных для него и потребителями знаний от него. Для реализации предложенного подхода уточнены и обобщены некоторые термины, относящиеся к содержанию концептуальной идеи сетей Маркова непрямого распространения. При этом уточнение терминов является уточнением неких математических абстракций, которые могут лечь в основу дальнейших конструктивных рассуждений о синтезе искусственного интеллекта. Работа носит теоретический характер. Ее цель –подготовка математических абстракций для начала синтеза конструктивных рассуждений об искусственном интеллекте, задача исследования – конструктивная «привязка» абстрактного понятия «искусственный интеллект» к объектам окружающего мира. Эти объекты рассматриваются прежде всего в качестве источников данных для искусственного интеллекта. Причем они взаимодействуют с ним не напрямую, а через посредничество сетей Маркова непрямого распространения, которые передают результаты переработки данных от объектов окружающего мира в виде категорий искусственному интеллекту. Искусственный интеллект прилагает свои знания для внесения изменений в морфизмы объектов (возможно, и сами объекты) через обратные морфизмы от искусственного интеллекта к сетям Маркова и далее от них к объектам окружающего мира.

Ключевые слова:  теория алгоритмов; теория категорий; искусственный интеллект; сети Маркова; конструктивная математика.

Konovalov V. A.
APPROACH TO THE SYNTHESIS OF AN ALGORITHM PROCESSING ARTIFICIAL INTELLIGENCE DISTRIBUTIONS. Part 1
(pp. 50-58)

Abstract. An innovative approach to the synthesis of an algorithm that processes artificial intelligence instructions is proposed. This approach hypothesizes that Markov networks with abnormal inference can serve as data sources for artificial intelligence. These networks are considered as a separate type of algorithm specifically for artificial intelligence, because they have a way of transmitting data to it and obtaining knowledge from it. This algorithm specifies a set of instructions that are triggered by the self-cocking mechanism of the Markov network with abnormal inference. These networks themselves are supposed to be built on the basis of Markov systems, consisting of сNnet-scheme of the Markov algorithm. The relationship of artificial intelligence with data sources for it and consumers of knowledge from it is explored. To implement the proposed approach, some terms related to the content of the conceptual idea of Markov networks with abnormal inference are clarified and generalized. Clarification of terms is a concretization of mathematical abstractions that can form the basis for further constructive discussions about methods for synthesizing artificial intelligence. Therefore, this work is theoretical in nature. Its goal is to prepare mathematical abstractions to begin the synthesis of constructive reasoning about artificial intelligence. The objective of the research is to constructively “link” the rather abstract concept of “artificial intelligence” to the objects of the world around us. These objects are considered primarily as data sources for artificial intelligence. Moreover, those interacting with it not directly, but through the mediation of Markov networks with abnormal inference, which transmit the results of processing data from objects of the world around us in the form of classified categories (topos) to artificial intelligence. At the same time, artificial intelligence displays its knowledge in the form of inverse morphisms to Markov networks and further from them to the objects of the world around us to make changes to their morphisms (possibly the objects of the world around us themselves).

Keywords: Theory of algorithms; Category theory; Artificial Intelligence; Markov network; Constructive mathematics.