Trainable Model of the Calculus over Classifications

The scientific community is actively discussing how blockchain technology can solve some specific challenges like limited access to research results, General Data Protection Regulation (GDPR) compliance, reproducibility crisis and absence of negative results that are rarely shared. In this paper authors make an attempt to address the main advantages of the blockchain technology and simulate the situation when some steps in a research lifecycle can leverage these advantages. Some examples how blockchain can streamline the whole scientific process are shown. K e y w o r d s: blockchain,

Section: Review and Assessmentmentioning

confidence: 99%

Blockchain and Science.

KRAVTSOV¹,

Zupko²

2018

Strong Artificial Intelligence: Background Precondition

Kravtsov¹,

Levitin²,

Koshel³

et al. 2019

Ñèëüíûé èñêóññòâåííûé èíòåëëåêò: ïðåäïîñûëêè Ïðåäñòàâëåí îáçîð ôóíäàìåíòàëüíûõ îñíîâ, ïîçâîëÿþùèõ ïîñòðîèòü ñèëüíûé èñêóññòâåííûé èíòåëëåêò (ÈÈ). Ïîêàçàíà ñïðàâåäëèâîñòü âûäâèíóòûõ ãèïîòåç, äîêàçàííûõ ìåòîäîì íàòóðíûõ ýêñïåðèìåíòîâ. Óòâåðaeäàåòñÿ, ÷òî äëÿ ïîñòðîåíèÿ ìàòåìàòè÷åñêîé òåîðèè ñèëüíîãî ÈÈ ñëåäóåò ïåðåéòè ê ñèñòåìå àêñèîì Íåéìàíà-Áåðíàéñà-Ãåäåëÿ, è òîãäà ïîÿâëÿåòñÿ âîçìîaeíîñòü èñïîëüçîâàòü ñåìàíòè÷åñêèå ñòðóêòóðû, ïðåäñòàâëÿåìûå êîìïüþòåðíûìè îíòîëîãèÿìè, êàê àëãåáðàè÷åñêèå ñòðóêòóðû. Äëÿ êîððåêòíîãî èñïîëüçîâàíèÿ îíòîëîãèé â ñèñòåìàõ ÈÈ íåîáõîäèìî, ÷òîáû îíòîëîãèè ïî ïëîñêîñòÿì äåëåíèÿ ïðåäñòàâëÿëè ñîáîé ìåòðè÷åñêèå ïðîñòðàíñòâà. Ê ë þ ÷ å â û å ñ ë î â à: èñêóññòâåííûé èíòåëëåêò, ñèñòåìà àêñèîì, àêñèîìàòàêà, ìîçã ÷åëîâåêà, ñåìàíòèêà, ìåðà îòëè÷èÿ, âíóòðåííÿÿ ìîäåëü ìèðà, àäàïòèðóåìîñòü.

Cognitive Algebraic System

Kravtsov¹,

Hrechko²,

Nikitchenko³

et al. 2022

Запропоновано розглядати природу когнітивних агентів як алгебраїчну систему, яка задовольняє певним умовам, а математичний формалізм когнітивного процесу -як композиції функцій, що реалізуються за певних умов з певною ймовірнстю. Введено поняття функціонально-логічних протиріч та протиріч суб'єктивного ставлення в когнітивно-алгебраїчній системі (КАС). Доведено, що КАС за наявних протиріч суб'єктивного ставлення не здатна до аналітичного пошуку оптимального рішення і вимушена спиратися на комбінаторні методи. Дано формальні визначення теоретичному та практичному дослідженню, теоретичному та практичному навчанню когнітивного агента, показано роль і місце мови в цих процесах. Сформульовано нову наукову проблему формалізації семантики мови в межах запропонованої КАС.К л ю ч о в і с л о в а: сильний штучний інтелект, консистентність когнітивної системи, квант часу, суб'єктивний час, модель синтезу, навчання.Створення сильного штучного інтелекту (СШІ) є одним з найвідоміших викликів науковій спільноті в ХХІ сторіччі. Щоб усвідомити геополітичну важливість вирішення цього завдання, достатньо поглянути, наприклад, на загальний бюджет наукових досліджень в межах BRAIN Initiative в США, який становить 4,5 млрд. дол. [1]. До перегонів у розв'язанні зазначеної задачі долучилися не тільки країни, що претендують на геополітичну перевагу, а й громадські організації та окремі меценати. Так, наприкінці 2015 р. започатковано проект OpenAI та анонсовано 1 млрд. дол. США інвестицій в нього з метою демократизації використання штучного інтелекту (ШІ) [2].Якщо BRAIN Initiative передбачає в основному нейрофізіологічні дослідження мозку людини, то OpenAI та DeepMind [3] у своїй стратегії спираються на методи машинного навчання з підкріпленням. Основна