МОДЕЛИРОВАНИЕ ОБУЧЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Область науки, получившая, может быть не слишком удачное название «искусственный интеллект», обычно представляется сферой исследований, основной целью которых является создание устройств, имитирующих человека во всей полноте его деятельности.

«Разумные» системы создаются для работы в средах, где присутствие человека невозможно или опасно для жизни.

Этим устройствам придется действовать в условиях большого разнообразия возможных ситуаций.

Поэтому системы, снабженные искусственным интеллектом, должны располагать механизмами адаптации, позволяющим им строить программы целесообразной деятельности по решению поставленных задач на основании конкретной ситуации, складывающейся на данный момент в окружающей их среде.

Такая постановка проблемы выдвигает перед исследователями особые задачи, не возникавшие ранее в теории управления и теории проектирования технических систем.

В настоящее время еще существуют нерешенные проблемы искусственного интеллекта [1].

В этой статье будет рассмотрена только одна из них и показано применение теории сетей Петри для моделирования искусственного интеллекта с применением элементов теории игр.

Обычно процесс обучения каким-либо понятиям состоит из трех основных компонентов:

1. изучение нового материала;
2. проверка усвоения;
3. переход к следующему этапу.

На мой взгляд, ступени обучения искусственного интеллекта не слишком отличаются от подобных, принятых в школе. Поэтому было решено не отступать от канонов обучения и использовать их при создании модели. По мере усложнения задачи усложняется и модель.

Для примера, искусственный интеллект был обучен некоторым геометрическим понятиям и принципу делимости на три.

Целью данной работы является разработка и реализация обучения искусственного интеллекта, проверка полученных знаний, закрепление их с помощью игры, разработка алгоритма модели искусственного интеллекта в виде сетей Петри.

Перейдем теперь к рассмотрению модели игры.

Для этого введем условные обозначения:

для позиций:

– запуск процесса обучения искусственного интеллект и вход в игровое поле;

– счетчик;

– выбор точки входа;

– выбор направления;

– процесс сборки треугольников по трем точкам;

– граничная точка;

– «последняя» точка;

– выход из игры;

для переходов:

непримитивные переходы:

– процесс выбора точки входа;

– процесс выбора направления;

– процесс определения трех точек;

– процесс проверки граничности точки;

примитивные переходы:

– увеличение счетчика на 1;

– процесс продолжения поиска точки по заданному критерию;

- процесс определения условия завершения игры;

- завершение игры.

Таким образом, в данной модели наглядно продемонстрировано, что процессы выбора из некоторого набора предложенных альтернатив довольно сложен, и его лучше моделировать непримитивными переходами.

Рисунок 1. Модель прохождения игры

Поставленные в начале работы задачи решены полностью и получены выводы, что разработанные модели в виде сетей Петри позволяют осуществить реализацию цепочки правила – модель сети Петри – программная реализация.

Из вышеизложенного следует, что автором была разработана еще одна модель сетей Петри. [2]

Это позволяет найти широкое применение подобным моделям.

Новизна исследования заключается в том, что сети Петри были использованы для моделирования искусственного интеллекта с применением элементов теории игр.

Список литературы:

1. Фенина О.В., Фенин А.О., Брик М.В. Сети Петри для моделирования искусственного интеллекта. ITIDS’2018 Труды VI Всероссийской научной конференции Информационные технологии интеллектуальной поддержки принятия решений т.1/2018. с. 290 – 298.
2. Fenina O.V., Fenin A.O., Brik M.V. The artificial intelligence modeling. EDUCATION and SCIENCE without borders. – 2019. – Volume 10, №19 (1/2019). – С. 57 – 61.