Метод декомпозиции функциональных характеристик систем искусственного интеллекта

Обложка
  • Авторы: Гарбук С.В.1,2
  • Учреждения:
    1. Всероссийский институт научной и технической информации Российской академии наук
    2. Технический комитет по стандартизации № 164 «Искусственный интеллект» Федерального агентства по техническому регулированию и метрологии
  • Выпуск: № 1 (2025)
  • Страницы: 14-32
  • Раздел: Системы, включающие искусственный интеллект
  • URL: https://journals.rcsi.science/2071-8594/article/view/293487
  • DOI: https://doi.org/10.14357/20718594250102
  • EDN: https://elibrary.ru/WVSNNW
  • ID: 293487

Цитировать

Полный текст

Аннотация

При принятии решений о возможности применения систем искусственного интеллекта для решения конкретных прикладных задач одной из важнейших проблем является объективное оценивание функциональных характеристик этих систем в запланированных условиях эксплуатации. В статье предложен подход к обоснованию состава факторов внешней среды, вариативность которых необходимо учитывать для обеспечения требуемого уровня репрезентативности проводимых испытаний систем искусственного интеллекта. В основу предлагаемого подхода положено предположение о необходимости разработки классификатора элементарных интеллектуальных функций, схожих с функциями естественного интеллекта человека и обладающих определенными, унифицированными в пределах одного класса, требованиями к вариативности условий их испытания.

Об авторах

Сергей Владимирович Гарбук

Всероссийский институт научной и технической информации Российской академии наук; Технический комитет по стандартизации № 164 «Искусственный интеллект» Федерального агентства по техническому регулированию и метрологии

Автор, ответственный за переписку.
Email: garbuk@list.ru

кандидат технических наук, старший научный сотрудник, директор, председатель

Россия, Москва; Москва

Список литературы

  1. Minsky M. Steps Toward Artificial Intelligence // Proceedings of the IRE. 1961. V. 49 (1). P. 8-30.
  2. ГОСТ 59277-2020. Системы искусственного интеллекта. Классификация систем искусственного интеллекта. Дата введения 01.03.2021.
  3. ПНСТ 838-2023. Искусственный интеллект. Структура описания систем искусственного интеллекта, использующих машинное обучение (ISO/IEC 23053:2022, IDT). Дата введения 01.01.2024.
  4. ISO/IEC 24030:2024. Information technology — Artificial intelligence (AI) — Use cases. Дата введения 08.04.2024. P. 184.
  5. Chen F., Zhou J. Humanity Driven AI: Productivity, Wellbeing, Sustainability and Partnership. Sydney: Springer Cham, 2021. P. 330.
  6. Национальная стратегия развития искусственного интеллекта на период до 2030 года, утверждена Указом Президента Российской Федерации от 10.10.2019 г. № 490.
  7. Schmid T., Hildesheim W., Holoyad T., Schumacher K. The AI Methods, Capabilities and Criticality Grid. A ThreeDimensional Classification Scheme for Artificial Intelligence Applications // KI Künstliche Intelligenz. V. 35. P. 425–440.
  8. Гарбук С.В. Оценка качества систем искусственного интеллекта: особенности проведения и нормативно-техническая база // Контроль качества продукции. 2024. № 1. С. 20-26.
  9. Cosmides L., Tooby J. Beyond intuition and instinct blindness: toward an evolutionarily rigorous cognitive science // Cognition. 1994. V. 50. P. 41-77.
  10. Дрейфус Х. Чего не могут вычислительные машины: критика искусственного разума. Пер. с англ. Общ. ред., Б.В. Бирюкова. М.: Книжный дом «Либроком», 2010. С. 336.
  11. Марков А. Эволюция человека. В 2 кн. Кн. 1. Обезьяны, кости и гены. Москва: ACT: CORPUS, 2014. С. 464.
  12. Марков А. Эволюция человека. В 2 кн. Кн. 2. Обезьяны, нейроны, душа. Москва: ACT: CORPUS, 2014. С. 511.
  13. Опарин А.И. Жизнь, её природа, происхождение и развитие. М.: Издательство Академии наук СССР, 1960. С. 190.
  14. Тихомиров О.К. Психология мышления. М.: Издательство Московского университета, 1984. С. 272.
  15. Юнг К.Г., Фон Франц М.-Л., Хендерсон Дж. Л., Якоби И., Яффе А. Человек и его символы. Под редакцией С.Н. Сиренко. М.: Медков С.Б., 2020. С. 352.
  16. РМГ 29-2013 ГСИ. Метрология. Основные термины и определения. Рекомендации по межгосударственной стандартизации от 05.12.2013 № 29-2013.
  17. Финн В.К. Интеллект, информационное общество, гуманитарное знание и образование. Предисл. В.А.Лекторского. М.: ЛЕНАНД, 2021. С. 464.
  18. Nickerson R.S., Perkins D.N., Smith E.E. The teaching of thinking. Hillsdale, NY: Erlbaum, 1985.
  19. Дунин-Барковский В.Л. Бугорковые аттракторы и проблема поиска «кода разума» // Математическая биология и биоинформатика. III Международная конференция. Доклады. Под ред. В.Д. Лахно. М.: Издательство "Макс пресс". 2010. С. 66.
  20. Голдберг Э. Управляющий мозг. Лобные доли, лидерство и цивилизация. Пер. с англ. Д. Бугакова. М.: Смысл, 2003. С. 335.
  21. Шамис А.Л. Пути моделирования мышления. М.: URSS, 2017. 336 с.
  22. Князева Е. Н. Энактивизм: концептуальный поворот в эпистемологии // Вопросы философии. 2013. № 10. С. 91–104.
  23. Князева Е. Н. Эволюционная эпистемология перед лицом междисциплинарных вызовов современной науки // Философия науки. Вып. 19. М.: Институт философии РАН, 2014. С. 125-144.
  24. Russell S.J., Norvig P. Artificial Intelligence. A Modern Approach. Second Edition. Pearson Education, Inc. 2003. 874 p.
  25. Краткий толковый психолого-психиатрический словарь. Под ред. К. Игишева. 2008.
  26. Jalaian B., Lee M., Russell S. Uncertain Context: Uncertainty Quantification in Machine Learning // AI MAGAZINE. 2019. V. 40. No 4. P. 40-49.
  27. Adel T., Bilson S., Levene M., Thompson A. Trustworthy Artificial Intelligence in the Context of Metrology. 2024. arXiv:2406.10117v1 [cs.LG] 14.06. 2024.
  28. Арбиб М. Метафорический мозг. Пер. с англ. Под ред. и с предисл. Д.А.Поспелова. Изд. 3-е. М.: Едиториал УРСС, 2010. С. 304.
  29. Гарбук С.В., Губинский А.М. Искусственный интеллект в ведущих странах мира: стратегии развития и военное применение. М.: Знание, 2020. С. 590.
  30. Сеченов И.М. Рефлексы головного мозга. М: АСТ, 2015. 352 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».