Онтология проектирования
2021. — Выпуск 3
Содержание:
+
+
+
+
+
+
+
+
+
Вверх
Созданный межрегиональный научно-образовательный центр «Инженерия будущего», призванный объединить науку и реальный сектор экономики, сформировал ряд важных отраслевых и предметных комитетов, в которых планируется разрабатывать прорывные продукты и технологии мирового уровня. Комитет по искусственному интеллекту научно-образовательного центра «Инженерия будущего» выработал свою стратегию развития в проектной группе, состоящей из специалистов, представляющих промышленные предприятия, университеты, академическую среду, проектные организации, технологические компании и стартапы. Ключевым в стратегии является концепция цифровой экосистемы эмерджентного искусственного интеллекта, возникающего за счёт взаимодействий различных интеллектуальных сервисов. В основу построения эмерджентного интеллекта положены принципы самоорганизации, модели и методы коллективного принятия решений, онтологии и мультиагентные технологии, позволяющие формировать решение любой сложной задачи в ходе выявления и разбора конфликтов путём переговоров агентов. Следуя теории сложных адаптивных систем, эмерджентный интеллект - это спонтанно возникающая в мультиагентной системе, под действием внешних событий или из внутренних причин или мотивов, цепочка согласованных изменений состояний агентами, находящими решение новой проблемы или повышающих ценность уже имеющегося решения. В статье сформулированы основные задачи Комитета по искусственному интеллекту на ближайшие годы в рамках подготовленного технологического проекта создания серийно-массового производства интеллектуальных систем управления ресурсами, персонализируемых путём создания цифровых двойников процессов управления предприятиями, баз знаний, мультиагентных технологий, машинного обучения и других перспективных методов. Результатом предлагаемого проекта, отражающего приоритеты индустриальных партнёров, будет создание линейки интеллектуальных продуктов и сервисов для всех стадий жизненного цикла сложных высокотехнологических изделий и построение «фабрики» таких систем в виде открытой инструментальной платформы, которая позволит этим предприятиям снизить зависимость от поставщика решения и своими силами развивать и модернизировать такие системы. Предложен подход к организации работы Комитета по искусственному интеллекту на основе принципов Науки 5.0, рассмотрены направления разработок, а также планируемая кооперация для достижения первых научных и практических результатов.
Возможность оперирования знаниями основана на использовании соответствующих понятий, их обозначений и описаний. Последние, представленные в кратком виде, суть определения, адекватно отражающие вложенный в эти знания смысл, и особенности которых во многом определяют дальнейшие логические построения. Традиционно описания строятся на основе понятий, относящихся к признакам и связям, присущих объекту внимания. В литературе предложено описание понятий в рамках контекстно-смысловой парадигмы. В статье предпринята попытка рассмотреть не только известные, а все потенциально возможные пути формирования адекватного описания смыслового содержания понятий, используя предложенный в ИПУ РАН вариант трансдисциплинарного подхода. Этот вариант предусматривает выявление и систематизацию знаний в рамках целостного построения. Процедура формирования описания, раскрывающего смысл знания, рассматривается как метод решения соответствующей задачи. Описаны логические процедуры, устанавливающие происхождение понятий, позволяющие указать их место в целостном построении, определить достижимые границы формализации при формировании искомых описаний и, следовательно, потенциальные возможности реализуемости сильного искусственного интеллекта.
В первой части статьи было показано, что есть существенная разница между понятиями, заданными через определения, описываемые наборами признаков, и теми понятиями, которыми оперирует человек и за которыми стоит представление о смысле. Было высказано предположение, что это и есть ключевой момент, различающий представление о традиционном искусственном интеллекте и сильном искусственном интеллекте. Было предложено использовать для формализации естественных понятий связанные с ними точки зрения, которые могут быть описаны соответствующими контекстами. В этой части статьи приводится формализация контекста как уникальной точки зрения. В контексте исходное описание приобретает свою характерную черту только для этого контекста - трактовку. Использование предыдущего опыта позволяет проверять адекватность полученной трактовки. Сопоставив используемые понятия с их контекстами, можно получить пространство контекстов, способное искать потенциально возможные смыслы в поступающей информации. Использование пространства контекстов позволило описать механизм переноса опыта из одного контекста в другой. Основываясь на контекстном переносе, дано объяснение феномена творчества и описание его природы.
Работа посвящена концепции современного профильного музея на примере музея авиации и космонавтики Самарского университета. Развитие Куйбышевского авиационного института, а впоследствии Самарского национального исследовательского университета им. академика С.П. Королева определило необходимость в совершенствовании экспозиций музея и предложить новую концепцию музея, существенно расширить его роль и значение во внешних связях, в образовательной и научной деятельности университета. В основу проектирования концепции музея положен онтологический подход. Проведён анализ законодательной базы музейной деятельности в Российской Федерации, рассмотрены взгляды философов и историков на концепцию музея, практики проектирования современных музеев, особенности профильных университетских музеев. Предлагается виртуально включить в музей локации, существующие в университете независимо и применяемые в учебном процессе, используя для этого, в том числе, режим онлайн-трансляции. Это: учебный аэродром, на котором представлены образцы авиационной техники; крупнейший в Европе Центр истории авиационных двигателей, самолётный класс и класс оборудования; музей истории КуАИ-СГАУ. Важным и значимым являются, с одной стороны, сохранение преемственности в экспозициях музея, с другой стороны, предложение инновационных решений, которые будут востребованы целевой аудитории, на которую работает и ориентирован музей. Предлагается сделать упор в музее на футуристичность, на музей будущего, на широкое использование информационных технологий, представление новых и будущих проектов, на расширение объёма тематического материала через QR-коды, позволяющие дополнить аудио- и видеоматериалы посетителям. Оснащение музея двуязычными основными надписями и аудиогидами - непреложное требование к современному музею. Наличие оригинальной подсветки, движущихся моделей и экспонатов, летающих дронов и махолётов, применение технологий виртуальной, дополненной и расширенной реальности, а также «релакс-зоны» в форме салона самолета позволит добиться нужного впечатления у посетителей об университете будущего.
Эффективное управление процессом обучения программ дополнительного профессионального образования в университете обусловлено обеспечением уникальных потребностей обучающихся согласно запросам предприятий-работодателей реального сектора экономики в соответствии с выбранными компетенциями и направлениями подготовки. В ряде задач управления, алгоритм решения которых неизвестнен, активно разрабатываются и внедряются системы с использованием искусственных нейронных сетей, позволяющие классифицировать и анализировать данные для принятия управленческих решений. Широкое применение искусственных нейронных сетей приводит к необходимости систематизации данных с целью повышения производительности процессов обработки, хранения, поиска и анализа данных для реализации программ обучения на всех этапах их жизненного цикла. Разрабатываемый программно-аналитический комплекс представлен на примере модели интеллектуальной системы, применяемой для контроля и анализа получаемых компетенций обучающихся, построенной на основе онтологического подхода, модели непрерывного улучшения качества, позволяющей определить взаимодействие бизнес-процессов, их последовательность и контрольные показатели эффективности. Разработана схема узла нейронной сети программно-аналитического комплекса, способная к обучению на основе данных. Представленная схема узла нейронной сети предполагает применение алгоритма обучения с учителем, когда на вход поступает тренировочный набор данных.
Социальные сети предоставляют исследователям возможности получения массива текстовых данных для дальнейшего анализа в рамках некоторой предметной области. Каждая предметная область имеет свой специфический профессиональный словарь и стиль написания текста. При определении предметной области текстового материала большую проблему представляет построение словарей, тезаурусов, онтологий. В данной статье под онтологией рассматривается лингвистическая онтология, направленная на определение предметной области текстового материала. Представлен алгоритм для автоматического построения онтологии на основе графа знаний Wikidata . Задача состоит в том, чтобы отобразить множество объектов графа знаний Wikidata на множество сущностей лингвистической онтологии. В статье предложен алгоритм определения степени принадлежности текстового материала предметной области. Эксперименты по оценке времени построения онтологии и применимости полученных лингвистических онтологий к задаче определения степени принадлежности текстовых материалов предметной области показали: время работы алгоритма и количество терминов в сформированной онтологии прямо пропорционально зависят от количества анализируемых свойств и объектов Wikidata ; сформированная лингвистическая онтология применима к задаче определения степени принадлежности текста предметной области.
В настоящее время инновационные технологии третьей и четвёртой промышленных революций оказывают огромное влияние на развитие промышленных предприятий. Появляется необходимость создания подхода к управлению принятием решений при внедрении инновационных технологий. Цель статьи - разработка алгоритма оценки инновационных технологий путём постепенного сужения области допустимых решений. Приводится краткий анализ существующих методов оценки инноваций. Показано, что существующие экономические и комплексные оценки не позволяют дать системную оценку результативности инноваций, так как новые технологии не имеют опыта в прошлом. Работы Дж. Рифкина и К. Шваба, а также «Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы» могут составить базис для выбора начального множества инноваций, основу для формирования области предполагаемых инноваций для внедрения. Для сужения выбранного множества инноваций предлагается алгоритм системной оценки и выбора инноваций. Исследование, проведённое на основе разработанного алгоритма для судостроительного предприятия Санкт-Петербурга АО «Адмиралтейские верфи», позволило оценить и выбрать рациональный состав инноваций для этого предприятия.
В руководствах по управлению проектами создания программных компонентов вычислительно-коммуникационных систем отмечается, что качество результатов определяется обоснованностью организационных решений, связанных с управлением проектом. Подчёркивается, что организационные ошибки, допускаемые на начальных стадиях проекта, включая недостаточную обоснованность бюджета проекта, имеют тяжелые последствия. Новизна настоящей работы заключается в утверждении о том, что качество результатов проекта в равной степени определяется не только удовлетворённостью потребителей/заказчиков, но и удовлетворённостью разработчиков ходом выполнения проекта. Предложена схема оценивания возможных границ бюджета проекта, в которых возможно получение решения, приемлемого как для потребителей/заказчиков, так и для исполнителей проекта. Основу схемы составляет использование опыта потребителей и разработчиков в реализации схожих по содержанию проектов. Модельную основу схемы составляют нелинейные эмпирические функциональные зависимости между показателями удовлетворённости акторов, бюджетом проекта и длительностью его реализации. Повышение обоснованности оценки бюджета с учётом опыта акторов является предпосылкой сокращения организационных дефектов проекта, что делает возможным достижение требуемого качества инфраструктурных компонентов вычислительно-коммуникационных систем.