Год издания: 2025
Ключевые слова: неклассические логики, многомодальные логики, мультиагентные и временные логики, разрешающие алгоритмы, правила вывода, допустимые и таблично допустимые правила вывода, представление знаний, мультиагентные системы, логические нейронные сети, вычислительная сложность
Аннотация: Проект направлен на решения ряда научных проблем, имеющих фундаментальное и прикладное значение в областях неклассической логики, проектировании логических нейронных сетей и многоагентных систем. В проекте исследуются неклассические логические системы: временные и многомодальные логики с малоизученными на данный момент свойствами,Показать полностьютакими как, нетранзитивные и антитранзитивные модели и мультиозначивание. Изучение таких логик лежит в русле современных исследований по неклассическим логикам, найденные техники могут быть использованы для широкого класса логик. Исследуемые логики обладают такими выразительными свойствами, как возможность обработки неполной и противоречивой информации, с которой в настоящее время системы искусственного интеллекта справляются плохо. Поэтому теоремы и правила вывода таких логик можно применять при проектировании систем нейро-символического ИИ, в которых обработка недостаточной информации очень важна, например, в логических нейронных сетях, а также мультиагентных системах, использующих такие сети. В настоящее время нейро-символический ИИ использует архитектуру нейронных сетей с глубоким обучением и сочетает их с методами математической логики. Первой парадигмой ИИ был символический ИИ, в основе которого лежит символическое представление задач и логический вывод. Затем на смену символического ИИ пришел статистический ИИ, с помощью которого были решены задачи, которые были не под силу первой парадигме: распознавание изображений, речи, текста и т.д. Объединив символический и статистический ИИ удалось повысить эффективность нейронных сетей. При решении задач можно уменьшить объем обучающих данных и время обучения, .контролировать действия нейронных сетей, что позволит создавать безопасный и контролируемый ИИ. Поэтому исследование логических систем оказывается перспективным направлением в области проектирования систем нейро-символического ИИ. В нашем проекте мы с помощью некоторых классов временных многомодальных логик приведем формулы и правила вывода, которые можно использовать при проектировании логических нейронных сетей. Логические инструменты работы с неполной информацией будут предложены во временных логиках с моделями с нетранзитивными отношениями, при этом нетранзитивность интерпретируется как наличие фрагментов потерянной информации, не полученной из прошлого. Инструменты работы с противоречивой информация будут даны в логиках с мультиозначенными моделями, где могут быть истинны формулы, которые при традиционном означивании не могут быть одновременно выполнимы в одной модели. Другим относительно новым способом описания неполной и противоречивой информации могут стать таблично допустимые правила. Современные системы ИИ могут быть описаны с точки зрения разных логик. Нахождение таких правил вывода позволит усовершенствовать извлекаемую из известных данных информацию. Научная новизна проекта будет заключаться в следующем. — в исследовании временных многомодальных логик с нетранзитивными моделями с мультиозначиванием. Особое внимание будет уделено нахождению алгоритмов, развитию теорий унификации и допустимых правил вывода, разрешимости в нетранзитивных временных многомодальных логиках с мультиозначиванием, — в построении временных многомодальных логик для моделирования выводов в логических нейронных сетях или мультиагентной среде с неполной информацией с помощью нетранзитивных моделей с мультиозначиванием. Мультиозначивание - это новый подход для моделирования знаний, рассуждений агентов в мультиагентной системе и предлагающий новые средства для построения таких рассуждений. Особое внимание будет уделено развитию теорий унификации и допустимых и истинных правил вывода, разрешимости в широком классе многомодальных логик. — в исследовании правил вывода, допустимых сразу во всех логиках из некоторого класса логик, которые развивают и обобщают понятие допустимого правила. Также такие правила могут позволить извлекать новую информацию из данных, записанных в виде формул разных логик.