SCI Библиотека

Автомобильные дороги являются стратегически необходимой частью инфраструктуры страны, высокие требования к их состоянию обуславливают регулярный контроль качества дорожного полотна. Большая протяженность автомобильных дорог в России и влияние на них погодно-климатических условий (сезонные колебания температур, осадки) подчеркивают актуальность поиска методов неразрушающего контроля при диагностике дорог, обеспечивающих короткие сроки выполнения диагностических работ и использование минимальных ресурсов. Рассмотрены существующие решения для обнаружения повреждений дорожного полотна: применение георадара, лазерного метода, метода анализа вибровоздействий неровностей дорожной поверхности, детекция повреждений по данным лидар-устройств и системы мобильного картографирования. Целью исследования является разработка алгоритма анализа состояния дорожного полотна, позволяющего осуществлять детекцию дефектов дорожного покрытия по снимкам, полученным в процессе диагностики автомобильных дорог аэродромно-дорожной измерительной передвижной лабораторией КП-514-RDT, в комплекте с программным обеспечением IndorRoad и RDT-Line. Разработка алгоритма для обнаружения дефектов покрытия автодороги осуществлялась с применением методов машинного обучения. Выявленные дефекты имеют точную геопривязку по пикетажу измеряемого участка автодороги. В результате разработки получена обученная модель, позволяющая в автоматическом режиме размечать на снимке дефекты разных классов. Разработанный алгоритм интегрирован в программное обеспечение для управления мониторингом состояния региональных и муниципальных дорог. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.

В статье рассматривается искусственный интеллект (ИИ), ставится задача сопоставить ИИ и интеллект человека, выяснив их особенности, исходя из таких оснований, как способность человека и машины к пониманию, интуиции, воображению, познанию и мышлению. Определено, что ИИ способен к функционированию в качестве кибернетической системы, но он не обладает возможностью к порождению мира идеального. Показано, что отсутствие такой способности ИИ делает невозможным сближение системы человеческого интеллекта и ИИ, которые принципиально различаются.

Проведен анализ различных исследований в области психологии сознания. Раскрыто значение гормонов и эмоций как механизмов внутреннего вознаграждения и стимулирования субъективной активности. Сформулировано сущностное определение сознания, в основе которого лежат бессознательные механизмы декодирования и сличения информационных потоков разных нейронных групп (когов). Показано, что информация должна быть иерархически выстроенной для организации мышления человеческого типа, что подразумевает ее оценку с позиции личного опыта и необходимость наличия речевого самовыражения.

Цель исследования. В настоящее время математические методы анализа видеоряда представляют собой структурированную совокупность подходов к распознаванию изображений на основе разности свечения различных областей изображений. Множество данных значений описываются с применением математических зависимостей, однако, существующие подходы работают только для стандартных изображений, полученных при обработке видеоданных. Целью настоящего исследования является разработка нового подхода к анализу изображений, полученных, в том числе, с применением терагерцевого излучения, имеющего специфические характеристики, как физические, так и математические.

Методы. В настоящем исследовании применялись следующие теоретические и эмпирические научные методы: анализ (проведен анализ существующих на сегодняшний день известных математических методов обработки изображений с целью распознания образов). Синтез (предложен принципиально новый подход к системам безопасности, представляющий собой единую систему, состоящую из отдельных взаимосвязанных подсистем); моделирование (разработана информационная модель системы безопасности на базе СКУД с применением системы анализа и распознавания потенциально опасных предметов на основе видеопотока в реальном времени); математизация (система анализа изображений описана языком математических законов и формул).

Результаты. В результате исследования на основе анализа современных материалов, в перспективе предлагается концепция системы обеспечения безопасности на основе анализа видеоряда в реальном времени с применением перспективных технологий сканирования объектов. В качестве основного новшества предлагается усовершенствованный метод анализа изображений Виолы-Джонса с применением дополнительного множества, характеризующего признаковое пространство объектов в терагерцевом диапазоне излучения.

Заключение. Применение технологий высокочастотного сканирования с интеллектуальными системами распознавания образов объектов в режиме реального времени позволит в существенной мере снизить риски проникновения злоумышленников на охраняемые объекты, а также повысить безопасность граждан при сравнительно малых затратах на разработку и внедрение модернизированных систем безопасности.

В статье рассмотрена актуальность и необходимые условия внедрения в комплексы воен-
ного назначения с разноспектральными датчиками систем технического зрения программно-аппа-
ратных средств автоматического распознавания объектов вооружения, военной и специальной
техники (ВВСТ). Приведены результаты анализа возможностей обучения нейронных сетей автоматическому распознаванию объектов. Показана необходимость создания отечественного межвидового банка данных оптических и радиолокационных сигнатур объектов ВВСТ

Появление когнитивных наук вызвано стремлением преодолеть кризис познания. Когнитивные подходы предусматривают новые онтологические и гносеологические представления о реальности, разработку и освоение инновационных методологий. Реальность описывается составленной физическим, психическим, знаниевым компонентами, причем знание выражает, в первую очередь, антропный аспект реальности. Кардинальные успехи в развитии искусственного интеллекта возможны на основе перехода естественного интеллекта на качественно новый уровень. Это предусматривает решение задач: совершенствования технологий автоматизации рассуждений, сочетание в исследованиях смыслосодержателных и формально-математических когнитивных конструкций.

Основными целями внедрения роботов в сельское хозяйство являются повышение эффективности и производительности, выполнение трудоемких и опасных задач и решение вопроса нехватки рабочей силы. Технологические достижения в области обнаружения и управления, а также машинного обучения позволили автономным роботам выполнять больше сельскохозяйственных задач. Такие задачи варьируются на всех этапах выращивания: от подготовки земли и посева до мониторинга и сбора урожая. Некоторые сельскохозяйственные роботы уже доступны, и ожидается, что в ближайшие годы их станет еще больше, поскольку технологии обработки больших данных, машинного зрения и легкого захвата и становятся все более точными. В настоящее время все большую актуальность приобретает внедрение нескольких взаимодействующих роботов в полевых условиях, так как оно имеет хорошие перспективы в снижении производственных затрат и повышении операционной эффективности. Целью данного исследования является разработка интеллектуальной системы управления группой мобильных роботов на основе мультиагентных нейрокогнитивных архитектур. Задача исследования состоит в разработке нейрокогнитивных алгоритмов управления мультиагентной робототехнической системой сельскохозяйственного назначения. В работе описан мультиагентный робототехнический комплекс для активной защиты растений в рамках системы «умного» поля. Представлена концепция системы управления группой мобильных роботов на основе моделирования мультиагентных нейрокогнитивных архитектур. Для обеспечения работы многоагентной гетерогенной группы автономных роботов предлагается использование нейрокогнитивной модели управления с реализацией отдельных интеллектуальных агентов как на каждом отдельном роботе, так и на базовых станциях обслуживания или серверах. При этом, учитывая реализацию рекурсивности в самой архитектуре, задача масштабирования подобной системы управления заметно упрощается. Использование агентов сенсоров и эффекторов для обеспечения обмена знаниями между роботами и центрами принятия решений позволяет минимизировать нагрузку на систему связи и обеспечить запас отказоустойчивости системы управления. Полученные результаты могут быть применены для разработки универсальных систем управления и упрощения масштабирования для различных групп автономных роботов.

В отличие от существующих методов обучения систем искусственного интеллекта, подходы, основанные на федеративном обучении, не потребуют длительной и дорогостоящей процедуры подготовки обучающей выборки при создании и массовом практическом применении «умных» сельскохозяйственных систем, автономных беспилотных сельскохозяйственных машин и роботов, а полученные системой принятия решений знания будут актуализироваться на постоянной основе. Целью исследования является разработка и внедрение сквозной технологии федеративного обучения для искусственного интеллекта, отсутствие которой сегодня препятствует созданию интегрированных информационно-управляющих систем для растениеводства и животноводства («умные» сельскохозяйственные системы), основанных на групповом применении беспилотных наземных и воздушных сельскохозяйственных машин и роботов. Внедрение подобных интеллектуальных систем необходимо для сохранения и повышения производимой продукции и обеспечения устойчивого развития сельского хозяйства. В статье описаны нейрокогнитивные методы и алгоритмы федеративного обучения интеллектуальных систем управления сельскохозяйственными процессами в реальной среде. Также предлагается структура обмена данными и знаниями в системе «умного» поля на основе распределенной сети интеллектуальных агентов, управляющих системами «умного» поля на различных сельскохозяйственных угодьях, на основе федеративного обучения. Каждый интеллектуальный агент представляет собой программную модель нейрокогнитивных процессов рассуждения и принятия решений в рамках решения определенной задачи. Предложенная структура будет способствовать совместному накоплению базы знаний в области сельского хозяйства и сможет стать основой множества различных интеллектуальных агентов, эффективно выполняющих конкретные задачи в рамках распределенной сети систем управления «умными» полями. Также приводится описание интеллектуальных агентов, выполняющих различные задачи в реальной среде. Приведены примеры разрабатываемых на автономных робототехнических и программных комплексов, на основе которых планируется апробация предложенной концепции федеративного обучения систем «умного» поля. Вместе с тем в статье описаны ожидаемые эффекты внедрения технологий, основанных на разрабатываемых методах и алгоритмах федеративного обучения интеллектуальных агентов, управляющих системами умного поля.

Организационная структура многоагентной системы (МАС) представляет собой совокупность ролей и связей агентов, компонентов, осуществляющих управление их поведением, а также правил, регламентирующих взаимодействие элементов системы. Эффективность МАС во многом зависит от характеристик применяемой организационной структуры. Существующие решения в данной области обладают значительным недостатком, а именно низкой адаптивностью к изменениям параметров окружающей среды или корректировке условий поставленной задачи, которая заключается в необходимости повторного запуска процедуры синтеза организационной структуры МАС. Проблема автоматической оптимизации организационной структуры централизованных МАС в условиях изменившихся параметров окружающей среды или поставленной задачи особую актуальность приобретает для централизованных МАС, имеющих строгую иерархическую структуру, агенты которой могут быть разделены на два класса - агенты-менеджеры, агенты-подчиненные. Предметом исследования являются методы синтеза организационной структуры МАС. Целью работы является разработка метода оптимизации организационной структуры централизованных МАС в автоматическом режиме. Для достижения обозначенной цели были введены понятия первичного и вторичного ресурса агента, на основе биогеографического алгоритма разработан метод, регламентирующий перемещение агентов-подчиненных между группами в зависимости от степени привлекательности агента-менеджера (зависит от суммы оценок эффективности управляемых им агентов-подчиненных, а также от удаленности от данного агента-подчиненного). Разработанный метод может найти свое практическое применение при реализации следующих задач: обследование или патрулирование (охрана) мобильными роботами инфраструктурных объектов, реализация искусственного интеллекта в компьютерных играх.

Как показывают исследования последних лет, так называемые большие языковые модели испытывают определенные затруднения с оценкой и осуществлением рассуждений. В статье предпринимается попытка выявить причины этих затруднений и предложить возможные пути их преодоления. Первый раздел представляет собой своеобразное введение в проблематику, в нем анализируются примеры некорректной оценки умозаключений языковыми моделями. В следующем разделе устанавливается связь между нейрокогнитивными механизмами пространственной навигации у животных, концептуальной навигацией человека и идеями телесной воплощенности сознания. Отмечается влияние этих идей на развитие проекта искусственного интеллекта. Последний раздел подводит итоги предпринятого исследования, в нем формулируется предположение автора о роли перцептивных данных в процессе обработки информации и основанных на нем интеллектуальных процедур и рассуждений в том числе. Наличие сенсорного входа в конечном итоге оказывается необходимым условием для осуществления рассуждений, и именно его отсутствие у больших лингвистических моделей приводит к отмеченным затруднениям и проблемам.