Миварный подход

Миварный подход. Создание логики с минимумом программного кода [GeekBrains] // Образовательный IT-портал GeekBrains [51:27]

Миварный подход — это математический аппарат для разработки систем искусственного интеллекта, созданный путем комплексирования продукционного подхода и «сетей Петри». Миварный подход разработан для семантического анализа и адекватной трансляции гуманитарных гносеологических и аксиологических принципов при создании искусственного интеллекта (ИИ). Он объединяет научные области компьютерных наук, информатики и дискретной математики, базы данных, экспертные системы, теорию графов, матрицы, системы логического вывода. Подход включает две основные технологии:

• Миварная технология накопления информации — это способ создания глобальных эволюционных баз данных и правил (знаний) с изменяемой структурой на основе адаптивного дискретного миварного информационного пространства унифицированного представления данных и правил, базирующегося на трех основных понятиях «вещь, свойство, отношение». Данная технология предназначена для хранения любой информации с возможным эволюционным изменением структуры и без ограничений по объему и формам представления.
• Миварная технология обработки информации — это способ создания системы логического вывода или «автоматического конструирования алгоритмов из модулей, сервисов или процедур» на основе активной обучаемой эволюционной миварной сети правил с линейной вычислительной сложностью логического вывода, управляемого потоком входных данных. Данная технология предназначена для обработки информации, включая логический вывод, вычислительные процедуры и «сервисы».

Фактически, миварные сети позволяют развить продукционный подход (причинно-следственные зависимости «Если — То») и создать автоматическую обучаемую логически рассуждающую систему.

История

Разрабатывать теорию «быстрого логического вывода» О. О. Варламов начал еще в 1985 году, работая в структурах Минобороны, когда перед ним была поставлена задача анализа «сетей Петри» и «продукций» для быстрого построения алгоритмов в интеллектуальных пакетах прикладных программ (ИППП). В общем виде миварная теория представляет попытку объединения ER-моделей и их частного случая — семантических сетей, «продукционного подхода» и «сетей Петри». Первые экспериментальные системы, работающие на миварных принципах, были созданы только в 2000-х годах. Прикладные миварные системы появились в 2015 году.

Мивар

Мивар (Многомерная Информационная Варьирующаяся Адаптивная Реальность) — наименьший структурный элемент дискретного информационного пространства. Акроним МИВАР введен О. О. Варламовым, д.т. н., профессором МАДИ в 1993 году как технический для обозначения «семантической единицы» при математическом моделировании. В дальнейшем устоялся и был привнесен во все теоретические построения автора.

Ряд представителей Российской ассоциации искусственного интеллекта (РАИИ) — например, В. И. Городецкий д.т. н., профессор СПИИРАН и В. Н. Вагин, д.т. н., профессор МЭИ (ТУ) — полагают, что термин некорректный, и многократно рекомендовали его изобретателю пользоваться общеупотребимой терминологией.

… Предложенные новые эволюционные динамические многомерные объектно-системные структуры унифицированного представления данных и правил названы «миварными». Суть миварного представления данных в том, что формируется информационное пространство <вещь, свойство, отношение> путём определения основных осей и фиксацией основных объектов и их отношений. Названия объектов и отношений в некотором порядке фиксируются на осях, а на соответствующих пересечениям точках этого пространства, которые называются миварами, записываются конкретные значения свойств и отношений объектов. Именно миварное информационное пространство создает фундаментальную возможность реализации самообучения и обеспечивает реальную эволюционность синтеза компьютерных конфигураций интеллектуальных систем. …

 — Академик РАН, доктор технических наук, профессор Каляев А.В.

Вещь — Свойство — Отношение

Вещь-Свойство-Отношение (ВСО) — это связный граф, вершинами которого являются концепты, а ребрами — связи между концептами.

Миварное пространство представляет собой множество осей, множество элементов осей, множество точек пространства и множество значений точек.

Введем $A=\{a_{n}\},n=1\ldots N,$

где:

• $A$ — множество названий осей миварного пространства;

• $N$ — количество осей миварного пространства.

Тогда: $\forall a_{n}\exists F_{n}=\{f_{{ni}_{n}}\},n=1\ldots N,i_{n}=1\ldots I_{n},$

где:

• $F_{n}$ — множество элементов оси $a_{n}$;
• $i_{n}$ — идентификатор элемента множества $F_{n}$;
• $I_{n}=|F_{n}|$.

Множества $F_{n}$ образуют многомерное пространство: $M=F_{1}\times F_{2}\times \ldots \times F_{n}.$

$m=(i_{1},i_{2},\ldots ,i_{N}),$

где:

• $m\in M$;
• $m$ — точка многомерного пространства;
• $(i_{1},i_{2},\ldots ,i_{N})$ — координаты точки $m$.

Существует множество значений точек многомерного пространства $M$:

$C_{M}=\{c_{i_{1},i_{2},\ldots ,i_{N}}|i_{1}=1\ldots I_{1},i_{2}=1\ldots I_{2},\ldots ,i_{n}=1\ldots I_{N}\},$

где:

• $c_{i_{1},i_{2},\ldots ,i_{N}}$ — значение точки многомерного пространства $M$ с координатами $(i_{1},i_{2},\ldots ,i_{N})$.

Для каждой точки пространства $M$ не существует или существует единственное значение из множества $C_{M}$. Таким образом, $C_{M}$ — множество изменений состояний модели данных, представляемой в многомерном пространстве. Для перехода между многомерным пространством и множеством значений точек введено отношение $\mu$: $C_{x}=\mu (M_{x}),$

Миварное информационное пространство

где:

• $M_{x}\subseteq M$;
• $M_{x}=F_{1x}\times F_{2x}\times \ldots \times F_{Nx}$.

Для описания модели данных в миварном информационном пространстве необходимо выделить три оси:

• ось отношений «$O$»;
• ось признаков (свойств) «$S$»; 
• ось элементов (объектов) предметной области «$V$».

Эти множества являются независимыми. Миварное пространство можно выразить кортежем вида:

$\langle V,S,O\rangle$

То есть получается, что мивар описывается формулой «$VSO$», в которой «$V$» — обозначает объект или вещь, «$S$» — его свойства, а «$O$» — многообразие отношений с другими объектами определенной предметной области. При этом категория «Отношения» может описывать зависимости любого уровня сложности: формулы, логические переходы, текстовые выражения, функции, сервисы, вычислительные процедуры и даже нейронные сети. Такая широта возможностей усложняет описание взаимосвязей при моделировании, но позволяет максимально учесть все факторы. Миварные вычисления используют аппарат математической логики. В предельно упрощенном виде могут сводиться к импликации, выраженной в формуле «Если …, то …». Итог миварного моделирования можно представить в виде двудольного графа, связывающего два множества объектов — исходных и результирующих.

Миварная сеть

Представление миварной сети в виде двудольного графа

Миварная сеть (МС) — это двудольный граф, который может быть описан в виде двухмерной матрицы, в которой записывается информация о предметной области решаемой задачи.

Обобщенно говоря, миварная сеть обеспечивает формализацию и представление человеческих знаний в виде связанного многомерного пространства. Более конкретно, МС — это способ представления в виде двудольного ориентированного графа части информации миварного пространства, образуемой объектами и связями между ними, которые в совокупности представляют модель данных предметной области, при этом связи включают в себя правила для обработки объектов. Другими словами, МС предметной области является частью знаний миварного пространства по этой области.

Миварные сети могут быть представлены в виде двудольного графа, состоящего из объектов-переменных и правил-процедур. Для этого, прежде всего, составляются два списка, которые и образуют две непересекающиеся доли графа: список объектов и список правил. Объекты изображены овалами (кружочками). Каждое правило в миварной сети является развитием продукций, гиперправил с мультиактивизаторами или вычислительных процедур. Доказано, что с точки зрения дальнейшей их обработки все эти формализмы идентичны и представляют собой, по сути, вершины двудольного графа, которые изображены прямоугольниками.

Развитие миварных сетей на основе многомерных бинарных матриц 

Миварные сети могут реализовываться на многопроцессорных вычислительных системах или на сервисно-ориентированных архитектурах. Проведенный анализ возможностей и практического применения миварных сетей и продукционного подхода показал, что существуют определенные ограничения для их применения в современных информационных системах, в частности, - размерность матрицы линейного матричного метода определения маршрута логического вывода на адаптивной сети правил.  Ограничение размерности матрицы обусловлено тем, что для реализации этого метода необходимо пересылать общую матрицу на несколько различных процессоров. В связи с тем, что каждое значение матрицы представляется изначально в символьном виде, объем пересылаемых данных становится критичным при достижении, например,  размерности 10 000 правил/переменных. Для реализации классического миварного метода требуется хранить в каждой клетке матрицы всего три различных значения: 

• 0 — пусто, то есть нет значения;
• x — входная переменная для правила;
• y — выходная переменная для правила. 

При этом анализ возможности запуска правила отделен по этапам от определения выводимых переменных,  после  «запуска правила». Следовательно, для этих двух действий: «поиск запускаемых правил»  и  «означивание выходных переменных» - можно использовать различные матрицы, что позволило перейти к многомерным бинарным матрицам. Обработка и пересылка бинарных фрагментов матриц занимают значительно меньшие объемы и повышают возможности применения миварных сетей.

Миварный метод логико-вычислительной обработки данных

Для реализации метода логико-вычислительной обработки данных должно быть выполнено следующее. Прежде всего, должно быть разработано формализованное описание предметной области. Для этого на основе миварного подхода выделяют основные объекты-переменные и правила-процедуры, а затем создают соответствующие списки «объектов» и «правил». Формализованное представление метода логико-вычислительной обработки данных аналогично двудольному графу миварной логической сети.

Выделяются три основных этапа миварной обработки информации:

1. Формирование миварной матрицы описания предметной области;
2. Работа с матрицей и конструирование алгоритма решения заданной задачи;
3. По полученному алгоритму выполнение всех вычислений и нахождение ответа.

Первый этап по существу является этапом синтеза концептуальной модели предметной области и её формализации в виде продукционных правил с переходом на миварные правила. «Входные объекты — правила/процедуры — выходные объекты». В настоящее время именно этот этап является наиболее сложным и требует участия человека-специалиста (эксперта) для создания миварной модели предметной области.

На втором этапе собственно и выполняется автоматическое конструирование алгоритма решения или логический вывод. Исходными данными для этого являются — миварная матрица описания предметной области, а также заданные входные («ДАНО») и искомые («НАЙТИ») объекты-переменные.

На третьем этапе должно выполняться решение по полученному алгоритму.

Более подробно о миварном методе логико-вычислительной обработки данных

Прежде всего, для миварной сети логических правил, строится матрица. Затем, на основе анализа этой матрицы определяется факт наличия успешного маршрута вывода, потом определяются возможные маршруты логического вывода, а на последнем этапе из этих маршрутов выбирают «кратчайший», наиболее оптимальный по заданным критериям оптимальности.

Формирование матрицы миварной сети

Пусть известны $m$ правил и $n$ переменных (входящих в правила либо в качестве исходных, активизирующих их, либо в качестве получаемых, то есть выходных). Тогда в матрице $V(m\cdot n)$, каждая строка которой соответствует одному из правил и содержит информацию об используемых в правиле переменных, могут быть представлены все взаимосвязи между правилами и переменными.

• При этом в каждой строке все входные переменные этого правила на соответствующих позициях матрицы помечаются символом $x$, все выходные — $y$;
• Все переменные, которые уже получили в процессе вывода или задания исходных данных некоторое конкретное значение — $z$;
• Все искомые (выходные) переменные, то есть те, которые необходимо «вывести» из исходных (входных) данных — $w$.

Кроме того, добавим в матрицу $V$ одну строку и один столбец для хранения в них служебной информации. Получаем матрицу $V$ размерности $(m+n)\times (n+1)$, в которой отражена вся структура исходной сети правил. Сразу отметим, что структура этой логической сети может изменяться в любое время, то есть это сеть правил с изменяемой (эволюционной) структурой.

Пример обработки матрицы для решения задачи

Пример работы миварного метода логико-вычислительной обработки данных

Для поиска маршрута логического вывода на полученной матрице производят действия по следующим этапам:

1. В строке $(m+1)$ известные переменные помечают $z$, а искомые — $w$. Например, в строке $(m+1)$ символом $z$ отмечены позиции: 1, 2, 3, а символом $w$ — позиция $(n-2)$.
2. Осуществление последовательного, например, сверху вниз, поиска таких правил, которые могут быть активизированы, то есть у которых известны все входные переменные. Если таких правил нет, то маршрута логического вывода нет и необходимо выдать запрос на уточнение (добавление) входных данных. Если такие правила, которые могут быть активизированы, есть, то у каждого из них в соответствующем месте служебной строки делается пометка, что правило может быть запущено. Например, можно ставить в этих клетках таблицы цифру 1, что и показано в клетке $(1,n+1)$.
3. Если таких правил несколько, то осуществляется выбор по заранее определенным критериям такого или таких правил, которые должны быть активизированы в первую очередь. При наличии достаточных ресурсов, одновременно могут запускаться сразу несколько правил.
4. Имитация запуска правила (процедуры) осуществляется путём присваивания выводимым в этом правиле переменным значений «известно», то есть, в нашем примере, — $z$. Запущенное правило, для удобства дальнейшей работы помечается дополнительно, например, цифрой 2 (это не обязательно). Например, в клетках $(m+1,n-1),(m+1,n)$ и $(1,n+1)$ произведены соответствующие изменения.
5. После имитации запуска правил проводится анализ достижения цели, то есть анализируется получение требуемых значений путём сравнения служебных символов в служебной строке. Если в служебной строке $(m+1)$ осталось хоть одно значение «искомая» (то есть $w$), то осуществляют дальнейший поиск маршрута логического вывода. В противном случае, задача считается успешно решенной, а все задействованные правила в соответствующем порядке их запуска и образуют искомый маршрут логического вывода.
6. Прежде всего, определяется наличие таких правил, которые могут быть запущены после определения новых значений на предыдущем этапе. Если таких правил нет, то маршрута вывода нет и поступают аналогично пункту 2 этого метода. Если такие правила есть, то продолжают поиск маршрута вывода. В данном примере такие правила есть. В клетке $(2,n+1)$ появилась $1$ как признак возможности запуска этого правила.
7. На следующем этапе опять аналогично этапу 4 запускаются правила (имитируют запуск), далее аналогично этапам 5 и 6 выполняют необходимые действия столько раз, сколько требуется для  получения результата. При необходимости, повторяют этапы 2 - 7 до достижения результата. При этом результат может быть как положительный — маршрут вывода существует, так и отрицательный — вывода нет из-за неопределенности входных данных.
8. В клетках $(m+1,4)$ и $(m+1,5)$ получаем признак выводимости переменных 4 и 5, а в клетке $(2,n+1)$ формируем признак того, что правило уже было запущено, то есть ставим цифру 2. После этого, проводим анализ служебной строки и видим, что не все искомые переменные известны. Значит необходимо продолжить обработку матрицы $V$ размерности $(m+n)\times (n+1)$. Анализ этой матрицы показывает возможность запуска правила $m$.
9. При запуске правила $m$ появляются новые значения, в том числе и для искомых переменных.
10. В нашем примере в служебной строке больше не осталось искомых правил, а в клетках таблицы появились новые значения: в клетке $(m,n+1)-2,$ а в клетке $(m+1,n-2)$ вместо значения $w$ появилось значение $z$. Таким образом, получен положительный результат, следовательно, маршрут логического вывода при данных исходных значениях существует.

Литература

• Балдин А. В., Елисеев Д. В. Адаптируемая модель данных на основе многомерного пространства // Наука и образование: научное издание МГТУ им. Н. Э. Баумана. № 10. 2010.
• Балдин А. В., Тоноян С. А., Елисеев Д. В.  Обработка архива кадровых данных средствами 1С в миварном пространстве // Инженерный журнал: наука и инновации. № 11. 2013.
• Васюгова С. А., Остроух А. В., Краснянский М. Н., Самаратунга А. Исследование перспектив и проблем интеграции человека с компьютером: искусственный интеллект, робототехника, технологическая сингулярность и виртуальная реальность. // Перспективы науки. № 4 (19). 2011. — С. 151—153.
• Владимиров А. Н. О возможности создания активной миварной интернет-энциклопедии и развития миварных сетей на основе многомерных бинарных матриц для одновременной эволюционной обработки более 10 000 правил в реальном времени // Труды научно-исследовательского института радио.  № 3. 2010. — С. 45-52.
• Владимиров А. Н. Развитие на основе многодольных графов миварных логико-вычислительных сетей для реализации правил выбора «Если.., то.., иначе…» // Труды научно-исследовательского института радио.  № 3. 2010. — С. 35-44.
• Елисеев Д. В. Модель представления знаний при создании адаптивной информационной системы // Наука и образование: научное издание МГТУ им. Н. Э. Баумана. № 3. 2010.
• Елисеев Д. В. Методика обработки темпоральной реляционной базы данных в миварном пространстве: Дис… канд. технич. наук: 05.13.17 / Елисеев Дмитрий Владимирович; Московский государственный технический университет им. Н. Э. Баумана — М., 2011. — 149 с.
• Санду Р. А. Создание миварной экспертной системы для управления инновационными ресурсами химической и нефтехимической промышленности России // Московский печатник. Москва. 2009. ISBN 5-256-01650-4.
• Санду Р. А. Метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе продукций и миварной сети правил для управления инновационными ресурсами // Прикладная Информатика. № 3 (27). 2010.
• Санду Р. А., Рыцев О. А. Принципы организации и структурирования данных для многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений управления инновационными ресурсами // Транспортное дело России. № 10. 2010. — С. 159—163.
• Санду Р. А. Многомерная эволюционная прикладная автоматизированная информационная система поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России: Дис… докт. технич. наук: 05.25.05 / Санду Роман Александрович; ФГУП «Российский научно-технический центр информации по стандартизации, метрологии и оценке соответствия» — М., 2011. — 314 с.
• Чибирова М. О. Сравнительный анализ возможностей когнитивных карт и миварных сетей для построения систем поддержки принятия решений // Автоматизация и управление в технических системах. № 1.1 (8). 2014. DOI: 10.12731/2306-1561-2014-1-5.
• Чибирова М. О. Анализ подходов к построению систем поддержки принятия решений: онтологии и мивары // Автоматизация и управление в технических системах. № 1.2. 2014. DOI: 10.12731/2306-1561-2014-1-18.

Ссылки

• «Мивар» официальный сайт.
• Интервью Олега Варламова для Telecom daily.
• ИКС-медиа, «Первый искусственный интеллект, способный думать как человек»,
• Сергей Орлов, Computerra.ru, «Роботизированная автоматизация процессов повысит производительность труда».
• Светлана Рагимова, Коммерсантъ Деньги, «Трехмерные мысли роботов».
• Татьяна Шадрина, Российская Газета, «Робота научат шутить».
• Сomnews, «Искусственный интеллект: сделано в России».
• Екатерина Власова, www.rb.ru, «Каким бы был „Терминатор“, если бы Кэмерон проконсультировался с робототехниками».
• The Joyful Frog Digital Incubator, «Let your business idea evolve — what the Teach!Mi team learned through JFDI Discover».
• Валерий Мешков, www.rosnauka.ru, «Что такое Мивар и как создают искусственный интеллект».
• Мария Попова, Коммерсантъ, «Бизнес в поиске».
• LENTA.RU, «Российский стартап создал платформу для распознавания естественного языка».
• CNEWS., «Патформа Tel!Mi от „Мивар“ обучит искусственный интеллект естественному языку»,
• Виталий Акимов, www.comnews.ru, «Skynet уже близко».
• Сергей Рыжков, Вечерняя Москва, «Искусственный интеллект учится мыслить логически».
• Олег Синча, «Мы ESET», «Робот к нам приходит. Как роботы облегчат жизнь офисным работникам?».