Концептуализация памяти в рамках теории когнитивных систем

Обложка

Цитировать

Полный текст

Аннотация

Предметом исследования данной статьи является формирование обобщенных представлений о системах памяти. Системы памяти анализируются в контексте различных описаний: в пределах и за пределами информационной модели сознания; в составе систем управления объектами с различным характером устойчивости, в том числе систем реального времени; в качестве элемента акторной модели когнитивной системы. Существенное внимание уделяется анализу существующих и перспективных возможностей познавательной модели памяти, включающей в себя принципы обучения, запоминания и обновление памяти, забывания, а также раскрытия механизма мультисистемной интеграции знаний в памяти, обеспечивающего способность интеллектуальных когнитивных систем к осмыслению знаний через их интеграцию в комплекс существующих представлений, а также к креативной интеллектуальной деятельности – творчеству. В основу методологии исследования положен анализ памяти посредством теории систем, теории алгоритмов, теории когнитивных систем. Отправной точкой представленного анализа является определение памяти в рамках информационной концепции сознания, дополненной определением неинформационных составляющих памяти. Проведенное исследование выявило неразрывную связь памяти системы с ее изменениями во времени. Констатирована адекватность представления когнитивных систем, в том числе подсистем памяти, в рамках акторной модели. Предложена авторская интерпретация сложности когнитивных систем и входящих в них подсистем памяти, включающая временную, пространственную и конфигурационную сложности, рассмотрены возможности повышения эффективности памяти за счет снижения ее сложности при сохранении функциональности, определены приоритетные механизмы повышения эффективности процессов управления памятью. Научная новизна исследования состоит в формировании целостного представления об образовании, содержании, функционировании и взаимосвязях подсистем памяти в составе когнитивных систем, на основе которого могут быть определены направления их дальнейшего развития и совершенствования. В результате исследования установлено, что память является ключевой составляющей когнитивных систем, определяющей устойчивость и преемственность их изменений во времени, а также устанавливающей фундаментальные ограничения расширения знаний, которыми могут оперировать когнитивные системы.

Об авторах

Андрей Армович Грибков

Научно-производственный комплекс "Технологический центр"

Email: andarmo@yandex.ru
ORCID iD: 0000-0002-9734-105X
ведущий научный сотрудник;

Александр Александрович Зеленский

Научно-производственный комплекс "Технологический центр"

Email: zelenskyaa@gmail.com
ORCID iD: 0000-0002-3464-538X
ведущий научный сотрудник;

Список литературы

  1. Грибков А.А., Зеленский А.А. Определение сознания, самосознания и субъектности в рамках информационной концепции // Философия и культура. 2023. № 12. С. 1-14. doi: 10.7256/2454-0757.2023.12.69095 EDN: VZRLGO URL: https://nbpublish.com/library_read_article.php?id=69095
  2. Sayre K.M. Cybernetics and the Philosophy of Mind. Routledge and Kegan Paul, 1976. 265 p.
  3. Дубровский Д.И. Проблема "Сознание и мозг": теоретическое решение. М.: "Канон+" РООИ "Реабилитация", 2015. 208 с.
  4. Прыгин Г.С. Феномен сознания: является ли информационная концепция сознания прорывом в его понимании // Вестник Удмуртского университета. Серия философия. Психология. Педагогика. 2017. Т. 27. Вып. 4. С. 456-463. EDN: YMOXEP
  5. Грибков А.А., Зеленский А.А. Общая теория систем и креативный искусственный интеллект // Философия и культура. 2023. № 11. С. 32-44. doi: 10.7256/2454-0757.2023.11.68986 EDN: EQVTJY URL: https://nbpublish.com/library_read_article.php?id=68986
  6. Gros С. Complex and Adaptive Dynamical Systems. A Primer. Third Edition. Springer-Verlag Berlin Heidelberg, 2013. 356 p. https://doi.org/10.1007/978-3-642-36586-7. EDN: WTRAER
  7. Нуркова В.В. Память / Общая психология. В 7 т.: учебник для студентов высш. учеб. заведений / под ред. Б.С. Братуся. Т. 3. М.: Издательский центр "Академия", 2006. 320 с.
  8. Ноздрачев А.Д. Физиология вегетативной нервной системы. Л.: Медицина, 1983. 296 с.
  9. Селедцов В.И., Литвинова Л.С., Гончаров А.Г., Шуплецова В.В., Селедцов Д.В., Гуцол А.А., Селедцова И.А. Клеточные механизмы генерации иммунологической памяти // Цитокины и воспаление. 2010. Т. 9. № 4. С. 9-15. EDN: OFYYIT
  10. Циркин В.И., Трухина С.И., Трухин А.Н. Нейрофизиология: Физиология памяти: учебник для вузов. М.: Издательство Юрайт, 2021. 407 с.
  11. Palacios S., Bruno S., Weiss R., Salibi E., Goodchild-Michelman I., Kane A., Ilia K., Del Vecchio D. Analog epigenetic memory revealed by targeted chromatin editing // Cell Genomics. 2025. Vol. 5. 100985. https://doi.org/10.1016/j.xgen.2025.100985
  12. Зеленский А.А., Грибков А.А. Онтологические аспекты проблемы реализуемости управления сложными системами // Философская мысль. 2023. № 12. С. 21-31. doi: 10.25136/2409-8728.2023.12.68807 EDN: VIVNFQ URL: https://nbpublish.com/library_read_article.php?id=68807
  13. Попов В.Л. Наномашины: общий подход к индуцированию направленного движения на атомном уровне // Журнал технической физики. 2002. Т. 72. Вып. 11. С. 52-63. EDN: RYQVVZ
  14. Зеленский А.А., Илюхин И.В., Грибков А.А. Память-центрические модели систем управления движением промышленных роботов // Вестник Московского авиационного института. 2021. Т. 28. № 4. С. 245-256. https://doi.org/10.34759/vst-2021-4-245-256. EDN: AJRVJD
  15. Liu X., Zhou Y., Weigend F., Sonawani S., Shuhei Ikemoto S., Amor H.B. Diff-Control: A Stateful Diffusion-based Policy for Imitation Learning // 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). https://doi.org/10.1109/IROS58592.2024.10801557.
  16. Zhang B., Luo C., Yu D., Li X., Lin H., Ye Y., Zhang B. MetaDiff: Meta-Learning with Conditional Diffusion for Few-Shot Learning // Proceedings of the AAAI Conference on Artificial Intelligence. 2024. Vol. 38. P. 16687-16695. https://doi.org/10.1609/aaai.v38i15.29608. EDN: HMWOVV
  17. Keysers C., Gazzola V. Hebbian learning and predictive mirror neurons for actions, sensations and emotions // Philosophical Transactions of the Royal Society B: Biological Sciences. 2014. Vol. 369. Issue 1644. 20130175. https://doi.org/10.1098/rstb.2013.0175
  18. Lu S., Sengupta A. Deep unsupervised learning using spike-timing-dependent plasticity // Neuromorphic Computing and Engineering. 2024. Vol. 4. Num. 2. 024004. https://doi.org/10.1088/2634-4386/ad3a95. EDN: GADNCC
  19. Mohamed A., Lee H., Borgholt L., Havtorn J.D., Edin J., Igel C. Self-Supervised Speech Representation Learning: A Review // IEEE Journal of Selected Topics in Signal Processing. 2022. Vol. 16. Issue 6. P. 1179-1210. https://doi.org/10.1109/JSTSP.2022.3207050. EDN: XOXOKN
  20. Hosna A., Merry E., Gyalmo J., Alom X., Aung Z., Azim M.A. Transfer learning: a friendly introduction // Journal of Big Data. 2022. Vol. 9. 102. https://doi.org/10.1186/s40537-022-00652-w. EDN: AIMXEG
  21. Зеленский А.А., Грибков А.А. Вычислительная сложность в реальном времени // Моделирование, оптимизация и информационные технологии. 2025. Т. 13. № 3. https://doi.org/10.26102/2310-6018/2025.50.3.038. EDN: HTXURG
  22. Грибков А.А. Паллиативные системы с имитационной активностью: факторы устойчивости и сценарии управления // Философская мысль. 2025. № 4. С. 69-84. doi: 10.25136/2409-8728.2025.4.74090 EDN: KQUNND URL: https://nbpublish.com/library_read_article.php?id=74090
  23. Невельский П.Б., Фланчик В.Л. Избыточность и пропускная способность памяти // Проблемы бионики: республиканский межведомственный научно-технический сборник. 1970. № 2. С. 33-35.
  24. Караванов А.А., Устинов И.Ю. Психофизиология и достоверность добросовестных свидетельских показаний // Территория науки. 2014. № 2. С. 170-176. EDN: TJDTHR
  25. Осипов В.Ю. Пределы памяти рекуррентных нейронных сетей со стиранием устаревшей информации // Научный вестник НГТУ. 2014. Т. 56. № 3. С. 115-122. EDN: SNYWBL

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».