Когнитивная архитектура на основе принципов обработки информации мозгом — Антон Колонин —Семинар AG

• Ведущий приветствует участников и проверяет видимость экрана.  

• Семинар посвящен подведению итогов года и работы авторского коллектива.  

• Цель - объединить понимание работы мозга и формальные математические методы для создания прикладных приложений.  

• Задача - объединить понимание работы мозга от лаборатории нейронаук Сбербанка и формальные математические методы от Новосибирского государственного университета.  

• Цель - понять, как строить прикладные приложения и успешно их апробировать.  

• Практические эксперименты будут рассмотрены в рамках задачного подхода.  

• В современном мире нейросетей важно понимать нейросимвольную интеграцию.  

• Система будет использовать глубокие нейросети и формальные математические методы.  

• Фокус на интерпретируемой или логической части нейросимного дуализма.  

• Подход включает психиатрию, психотерапию, нейрофизиологию, машинное обучение и математику.  

• Принципы программирования мозга от лаборатории нейронаук Сбербанка.  

• Теория функциональных систем Анохина и аспекты нейрофизиологии сознания.  

• Когнитивная база данных на основе гиперграфового представления информации.  

• Глубокие нейросети как глубинный ассоциативный слой.  

• Нейросимвольная интеграция и вероятностная логика на основе разработок Бая, Софитишера и Редхера.  

• Интеграция системы один и системы два Канемана.  

• Знания и поведенческие схемы могут быть закодированы в битах.  

• Вопрос в том, как использовать математические методы для работы с этими битами.  

• В системе 1 информация хранится распределенно, решения принимаются быстро, но обучение занимает много времени.  

• В системе 2 информация структурирована и интерпретируема, обучение быстрое, но принятие решений требует времени.  

• Возможность перевода информации между системами для верификации и быстрого инференса.  

• Логика вероятностного вывода помогает описывать знания на основе предикатов с вероятностными оценками.  

• Примеры систем: Нарсанга, Опенкок Бена Герца, система Евгения Витяева.  

• Вероятностное формальное понятие как подход к кластеризации на основе формальной логики и вероятностных оценок.  

• Позволяют делать вероятностные оценки соответствия свойств объектам.  

• Логические взаимосвязи свойств определяют функциональное поведение объектов.  

• Пример: инвариантная комбинация свойств, определяющая понятие "птица".  

• Математическое и физиологическое обоснование систем на основе подкрепления.  

• Решение прикладных задач в операционных средах, таких как управление АЭС или оформление накладных в интернет-магазине.  

• Возможность генерации правил и оценки эффективности поведенческих схем для их корректировки.  

• Мозг использует пять принципов для принятия решений.  

• Эти принципы можно разложить на множество функций, как в соционике.  

• Принципы включают локальность-распределенность, тяжесть, проксимацию, сущность и отношения.  

• Принципы работают через нейронные механизмы.  

• Пример: ощущение тяжести и поверхности предмета в руке.  

• Возникают ассоциации и генерация сложности.  

• Пример с ожиданием свидания.  

• Гипотезы взаимодействуют, усиливая или ослабляя друг друга.  

• Мозг использует зоны коры для восприятия различных ощущений.  

• Принцип отношения позволяет соотносить гипотезы.  

• Локальное торможение выбирает наиболее активные сигналы.  

• Все зоны коры работают одновременно, сопоставляя гипотезы.  

• Принципы применимы в математических методах.  

• Примеры прикладных задач: психотерапия, маркетинг, поддержка принятия решений.  

• Работа выполняется совместно с Сбербанком.  

• Когнитивный ассистент помогает менеджерам управлять задачами и коммуникациями.  

• Три группы функций: ассистент, реконструктор и актуализатор.  

• Ассистент подсказывает, что делать, реконструктор выявляет закономерности, актуализатор анализирует и визуализирует данные.  

• Ассистент психотерапевта помогает ставить диагнозы и назначать лечение.  

• Цифровой аватар клиента рекомендует, что сказать клиенту и как предложить кросс-продажи.  

• Ассистент менеджера рекомендует приоритеты задач, бюджеты и назначает ответственных.  

• Реконструктор выявляет закономерности и инварианты, например, когнитивные искажения.  

• Цифровой аватар клиента анализирует профили и рекомендует продукты.  

• Ассистент менеджера назначает задачи в зависимости от качества и сроков выполнения.  

• Актуализатор создает аналитический дешборд для предсказания активности.  

• Визуализация проектов и их исходов помогает принимать решения.  

• Система предсказательной аналитики с интерактивной визуализацией.  

• Система ИИ может работать в разных предметных областях.  

• Когнитивное ядро использует логику и вероятностную теорию функциональных систем.  

• Онтологии определяют задачи, которые решает система.  

• Семантически-вероятностная база данных хранит инварианты и темпоральные сущности.  

• Когнитивная архитектура включает задачи и подходы для оценки успешности событий.  

• База данных состоит из метаданных, композиционных классификаторов и инвариантов.  

• Правила логики объединяют сущности, инварианты и классификаторы.  

• Система фиксирует данные и формирует инварианты.  

• Вероятностное формальное понятие обобщает данные и формирует инварианты.  

• Выявление вероятностных формальных понятий с использованием методов логики вероятностного вывода.  

• Сохранение инвариантов и правил, описывающих их правомочность.  

• Правила хранятся в отдельной базе данных и обновляются с помощью логики вероятностного вывода.  

• Система получает запросы и контексты, на основе которых делается прогноз.  

• Прогноз строится на основе правил или инвариантов из базы данных.  

• Если подходящих вариантов нет, система делает прогноз на основе логики вероятностного вывода.  

• Прогноз выдается на модуль теории функциональных систем для оценки эффективности.  

• Обратная связь помогает оценить успешность рекомендаций.  

• Корректировка правил логики вероятностного вывода на основе оценки успешности.  

• Менеджер фиксирует данные и накапливает инварианты.  

• Логика вероятностного вывода выявляет правила и закономерности.  

• Пример с серфингом: накопление инвариантов для прогнозирования волн.  

• Инварианты формируются как сущности, описывающие циклы продаж.  

• При падении продаж возникает запрос на повышение рентабельности.  

• Пример с расширением линейки продукции для увеличения продаж.  

• Генерирование различных сценариев для решения проблемы.  

• Выбор варианта с расширением линейки продукции.  

• Успешность решения фиксируется и закрепляется в правилах.  

• Описание предметных онтологий на унифицированном языке.  

• Введение мета-онтологии для описания предметной онтологии.  

• Онтология верхнего уровня как мета-онтология для предметной онтологии.  

• В верхней онтологии есть понятие вещи, которая распадается на экземпляры и инварианты.  

• Экземпляры могут быть временными прецедентами с началом и концом, или вневременными, как клиент или предприятие.  

• Прецеденты делятся на единичные события, совпадения событий и процессы.  

• Экземпляры могут быть категориями, сущностями, отношениями, субъектами и физическими лицами.  

• Инварианты включают явления, ситуации и развилки, которые могут быть конъюнктивными или дизъюнктивными.  

• Сценарии представляют собой последовательности явлений или ситуаций.  

• Классификаторы используются для атрибутирования значений и могут быть уникальными, множественными или композиционными.  

• Когнитивная база данных включает метаданные, данные и правила, описывающие данные.  

• Данные делятся на инварианты и прецеденты.  

• Графовые базы данных часто превращаются в реляционные.  

• Для описания сложных связей и отношений используются революционные отношения и предикаты.  

• Пример с цифровым аватаром показывает, как атрибуты могут быть уникальными или множественными.  

• Композиционные классификаторы выделяют устойчивые ассоциации и группировки.  

• Они позволяют давать атрибутам ссылки на классификаторы и выявлять новые закономерности.  

• Композиционные классификаторы упрощают работу с данными и могут быть построены на основе новых инвариантов.  

• Существует множество школ психотерапии, каждая из которых имеет свои особенности.  

• Когнитивно-поведенческая терапия объединяет школы, основанные на когнитивных ошибках.  

• Пример: увольнение с работы может вызвать страх и катастрофизацию.  

• Психотерапевтическая диагностика проводится в пятимерном пространстве.  

• Основные измерения: когнитивные ошибки, состояние, эмоции, социальные ситуации и психотип клиента.  

• Диагноз описывает комбинацию состояний, например, катастрофизация при увольнении.  

• Диагностика включает определение положения пациента в пятимерном пространстве.  

• Терапевтические воздействия направлены на изменение положения пациента по двум осям.  

• Пример: ликвидация когнитивной ошибки или негативных эмоций через диалог или вопросы.  

• Оценка успешности включает фиксацию одного диагноза и исключение других.  

• Теория функциональных систем помогает автоматизировать диагностику и лечение.  

• Терапевтические воздействия получают положительное подкрепление при успешном лечении.  

• На входе используются речевые паттерны, которые психотерапевт держит в голове или базе данных.  

• Искусственный интеллект может генерировать гипотезы и формулировать диагноз.  

• Пример: человек приходит со вздохом, говоря, что его уволили, и психотерапевт выявляет гипотезу, которая становится диагнозом.  

• Использование наводящих вопросов для верификации диагноза.  

• Исключение гипотетических диагнозов и выявление подходящих.  

• Применение логики вероятностного вывода для описания временных и причинно-следственных связей.  

• События на временной оси: воздействия психотерапевта и реакции клиента.  

• Временные и причинно-следственные связи фиксируются и выявляются.  

• Воздействия могут быть диагностическими или лечебными.  

• Речевые паттерны влияют на выявление диагнозов.  

• Использование глубоких нейронных сетей для генерации вопросов.  

• Применение математических методов для диагностики и корректировки протоколов.  

• Пример с человеком, которого "выпнули" с работы.  

• Выявление социальной ситуации увольнения и когнитивной ошибки персонализации.  

• Уточнение социальной ситуации и выявление эмоций тревога и раздражение.  

• Подтверждение диагноза и переход к терапевтическим воздействиям.  

• Интеграция с веб-сервисами для диалога и генерации фраз.  

• Использование контекстов, когнитивных баз данных и генеративных моделей.  

• Описание предметной онтологии и событийной логики.  

• Применение логики вероятностной теории функциональных систем.  

• Примеры численных экспериментов и выявление профилей клиентов.  

• Решение задачи реконструктора-актуализатора клиентских коммуникаций.  

• Структурирование коммуникаций в группе.  

• Сборщик коммуникаций выявляет упоминания эмоций и когнитивные искажения в текстах.  

• Когнитивное ядро выявляет темы и участников в контексте конкретных тем.  

• Типовые реакции типа лайк, дизлайк помогают анализировать проекты и задачи.  

• Обсуждение использования данных для управления проектами и персональных коммуникаций.  

• Модератор предлагает перейти к вопросам.  

• Вопрос о соответствии между узлами нейросети и онтологии.  

• Обсуждение попыток извлечь знания из нейронных сетей.  

• Пример с нейроном, работающим как дизъюнкция или конъюнкция.  

• Вероятностная логика может быть записана слойной нейронной сетью.  

• Нейроны могут быть частично дизъюнктивными или конъюнктивными.  

• Вопрос о реализации теоретических идей в модели.  

• Обсуждение принципа генерации сложности.  

• Пример с метаниями и сознанием.  

• Сознание как структурированный обмен информацией между зонами коры.  

• Новые знания — это выявление новых понятий.  

• Пример с продажами дешевой водки и инвариантом.  

• Система должна иметь жизненный опыт для выявления инвариантов.  

• Система пока только в теоретической разработке.  

• Выявление новых инвариантов — это выявление новых понятий.  

• Обсуждение проперо психотерапевтического диагноза и лечения.  

• Обсуждение роли психотерапевта в коррекции когнитивных ошибок.  

• Пример из личного опыта, когда психотерапевт помог улучшить самочувствие.  

• Психотерапевты могут решать реальные проблемы и спасать жизни.  

• Обсуждение сложности восстановления картины по нескольким словам.  

• Пример с психотерапевтом, который устанавливает соответствие между словами и когнитивными искажениями.  

• Использование словарей для выявления когнитивных искажений.  

• Ограничения машинного обучения в психотерапии.  

• Необходимость ручного задания каркасов диалогов и взаимосвязей.  

• Комбинирование методов машинного обучения и ручного задания.  

• Различие между системой психотерапевт и чат-ботом на правилах.  

• Чат-бот не может обучаться и выявлять связи на основе логики вероятностного вывода.  

• Важность ручного задания и верификации диагнозов.  

• Обсуждение построения кластеров и атрибутики.  

• Пример с семейным положением и атрибутами.  

• Важность онтологии и текстового описания для задач презентации.  

• Вербализация ответов формальной системы на естественном языке.  

• Важность задачи вербализации.  

• Обсуждение других работ по вербализации.  

• Обсуждение вербализации и вероятностного вывода.  

• Отличие от старых экспортных систем: отсутствие вероятностных формальных понятий и теории функциональных систем.  

• Вероятностная логика и семантика расширяют возможности вероятностных систем.  

• Благодарность за доклад и объяснение принципа генерации сложности.  

• Вопросы о когнитивной архитектуре и выявлении вариантов.  

• Обсуждение важности выявления инвариантов для принятия решений.  

• Самообучение и структурированные знания как две составляющие системы.  

• Примеры использования: программирование чат-ботов и обучение систем.  

• Важность выявления инвариантов для оптимизации принятия решений.  

• Выявление диагностических отношений и эффективных протоколов.  

• Примеры: работа с пациентами и сегментация аудитории.  

• Инварианты как семантическое индексирование для снижения затрат на принятие решений.  

• Когнитивная оптимизация и шаблонное мышление.  

• Инварианты как основа для шаблонного программирования.  

• Важность выявления инвариантов для оптимизации работы систем.  

• Антон благодарит за доклад и упоминает, что его тетрадь с семинарами закончилась на этом докладе.  

• Он завершает тетрадь, которая велась 15 лет.  

• Обсуждение различия между нейронными сетями и логическими системами.  

• Пример с кластерами и ассоциативной памятью для быстрого и медленного ответов.  

• Логические системы также могут работать быстро и медленно.  

• Системы могут быть рефлексивными и быстро реагировать на изменения.  

• Логические системы могут обращаться к дополнительным атрибутам и интернет-запросам.  

• Нет противоречия между нейросетями и логическими системами.  

• Пример с быстрым ответом по инвариантам и медленным по вероятностному выводу.  

• Логический вывод может быть быстрым, но не всегда.  

• Различие между непосредственным восприятием и мышлением.  

• Пример с врачом, который сразу видит решение, и с человеком, который задает вопросы.  

• Обсуждение улучшения экспертных систем с учетом знаний.  

• Пример с добавлением семантической базы данных и вероятностного вывода.  

• Важность анализа деятельности для получения точных данных.  

• Парсинг деятельности важнее, чем конечный результат.  

• Пример с анализом процесса составления статьи.  

• Экспертные системы могут модернизироваться через парсинг деятельности.  

• Обсуждение событийной онтологии и ее преимуществ.  

• Пример с базой данных и ее использованием.  

• Различие между подходами к семантическим данным.  

• Обсуждение генерации сложности и добавления вероятностного вывода.  

• Пример с пирамидкой из кирпичей и Кремлем.  

• Важность добавления новых элементов для создания сложных систем.  

• Обсуждение новых идей и их связи с предыдущими слайдами.  

• Упоминание о работе с математикой и онтологией.  

• Задача увязки принципов с бизнес-кейсами и формальными методами.  

• Обсуждение генерации сложности и данных.  

• Договоренность не устраивать дискуссию по этому вопросу.  

• Приглашение на внеплановые семинары по кластеризации.  

• Обсуждение различных методов кластеризации.  

• Важность математических достижений и их проекции.  

• Приглашение к обсуждению на семинаре 18 числа.  

• Подведение итогов по кластеризации и логическим системам.  

• Обсуждение остановки логических утверждений и их устойчивости.  

• Предложение ознакомиться с статьей на русском и английском языках для дальнейшего обсуждения.