dr hab. Izabela Trzcińska
Uniwersytet Jagielloński - Jagiellonian University
Wydział Filozoficzny, Instytut Religioznawstwa
Zakład Historii Chrześcijaństwa
dr Adrian Horzyk
Akademia Górniczo-Hutnicza w Krakowie - University of Science and Technology
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Katedra Automatyki i Inżynierii Biomedycznej
Katedra Automatyki i Inżynierii Biomedycznej
dr Adrian Horzyk
Neuroasocjacyjne modele
obliczeniowe
w sztucznej inteligencji dla celów
formowania się wiedzy i skojarzeń
w sztucznej inteligencji dla celów
formowania się wiedzy i skojarzeń
Informacja pełni kluczowe znaczenie dla współczesnego świata
biznesu, nauki, kultury oraz dalszego rozwoju naszej cywilizacji. Informacja
może być na wiele różnych sposobów przekazana pomiędzy inteligentnymi
jednostkami, które są w stanie ją sformułować w oparciu o swoją wiedzę i
przekazać za pośrednictwem pewnego systemu kodowania w taki sposób, żeby jej
inteligentny odbiorca mógł ją skojarzyć ze znanymi mu pojęciami. Niestety, informacja
może być również zrozumiana niezgodnie z intencjami nadawcy, co prowadzi do
nieporozumień lub wywołania innego niezamierzonego stanu u jej odbiorcy.
Wartość informacyjną dla określonego odbiorcy mogą mieć również przeróżne
układy, formacje i kombinacje danych nieświadomie tworzone przez różne obiekty
lub zjawiska. Obecnie pojęcie informacji jest bardzo rozmyte i nieprecyzyjne. Docierające
od nadawcy do odbiorcy układy, sekwencje lub kombinacje danych można uznać za
informacje dla odbiorcy, gdy wywołają u niego pewną zmianę stanu, poszerzenie,
pogłębienie lub weryfikację wiedzy lub sposobu dalszego kojarzenia albo
działania. Podstawowymi celami przekazywania informacji jest wpływ na dokonywanie
wyborów, określanie działań i na proces formowania się wiedzy u inteligentnych
jednostek. Współczesna nauka definiuje wiedzę na bardzo wiele różnych sposobów.
W informatyce, gdzie ścisłość definicji jest niezbędna do modelowania, wiedzę
najczęściej definiuje się jako pewne zbiory danych wraz z regułami ich
przetwarzania albo jako pewną strukturę i parametry sztucznej sieci neuronowej.
Niestety obydwa te podejścia zakładają zgromadzenie pewnej „wiedzy” w pasywnej
postaci na podstawie określonego zbioru danych lub informacji, a następnie poprzez
ewaluację reguł lub sieci neuronowej próbuje się zapewnić wydobycie informacji
z takiego systemu. Wiedza ludzka ma charakter aktywny i jest ściśle powiązana z
inteligencją, pozwalając na kojarzenie ze sobą różnych faktów, wnioskowanie,
tworzenie rozwiązań oraz uogólnianie. Tworzenie rozwiązań jest często powiązane
z możliwością przenoszenia pewnych właściwości lub działań pomiędzy obiektami
podobnymi lub pomiędzy którymi występuje jakiś istotny związek, który został dostrzeżony
i zapamiętany w przeszłości. Ponadto indywidualna wiedza formuje się w
odniesieniu do potrzeb określonej jednostki, a więc w różny sposób, gdyż
potrzeby różnych jednostek są różne. Wiedza jest tworem bardzo dynamicznym i
reaktywnym na nadchodzące dane, więc musi być osadzona w pewnym aktywnym,
reaktywnym i dynamicznie plastycznym systemie skojarzeniowym, który umożliwia
formowanie, pogłębianie, poszerzanie i weryfikację wiedzy oraz kojarzenie.
Kojarzenie to proces powiązany z aktywacją neuronów za pośrednictwem połączeń
interneuronalnych, które mimo swego podobieństwa mogą pełnić różną funkcję. Wykorzystywane
jest podobieństwo pomiędzy składowymi informacji, lecz bardzo istotne znaczenie
ma również możliwość utrwalania się związków pomiędzy danymi, które docierają
do takiego systemu równocześnie lub następują po sobie. Umożliwia to definiowanie
i reprezentację pojęć i algorytmów postępowania oraz wnioskowanie w procesach
kojarzenia.
W tym artykule zdefiniowano pojęcia informacji, wiedzy,
kojarzenia, systemu skojarzeniowego w taki sposób, żeby było możliwe
modelowanie wiedzy oraz procesów skojarzeniowych na gruncie informatyki i
asocjacyjnej sztucznej inteligencji. System skojarzeniowy został zdefiniowany
jako specyficzny aktywny graf neuronowy, który formuje się automatycznie pod
wpływem docierających do niego danych oraz umożliwia celowe wywoływanie
skojarzeń po wzbudzeniu wybranej kombinacji lub sekwencji jednostek
semantyczno-skojarzeniowych reprezentowanych w neuronach tego grafu. Proces
formowania się wiedzy zamodelowano i zilustrowano na przykładach. W artykule
również szeroko omówiono tzw. skojarzeniowość – cechę obecnie nieistniejącą w
systemach informatycznych, lecz niezbędną i powszechną w systemach
skojarzeniowych umożliwiających formowanie się wiedzy…
Brak komentarzy:
Prześlij komentarz