К построению модульной модели распределенного интеллекта
https://doi.org/10.15514/ISPRAS-2018-30(3)-23
Аннотация
Описание и моделирование динамики мультиагентных социальных систем методами, заимствованными из статистической физики «неживых» многочастичных систем, не отражает принципиальную особенность совокупности взаимодействующих автономных агентов: способность воспринимать, обрабатывать и использовать внешнюю информацию. Распределенный интеллект социальных систем следует непосредственно учитывать в их экспериментальных и теоретических исследованиях. В работе предложена «модульная» модель интеллектуальной деятельности, включающая производство новой информации и пригодная для описания как индивидуального, так и распределенного интеллекта, перечислены возможные области ее использования. «Количественную оценку» эффективности распределенного интеллекта иллюстрирует компьютерная модель искусственной социальной системы; обсуждаются полученные результаты.
Об авторах
Ю. Л. Словохотов
Московский государственный университет имени М.В. Ломоносова; Институт элементоорганических соединений РАН
Россия
Россия
И. С. Неретин
Rock Flow Dynamics
Россия
Россия
Список литературы
1. Moussaïd M, Helbing D, Theraulaz G, How simple rules determine pedestrian behavior and crowd disasters. PNAS, 108 (17), 2011, pp. 6884-6888
2. Губко М.В., Новиков Д.А. Теория игр в управлении организационными системами. 2-е издание. М.: Синтег, 2005, 138 с.
3. Galam S. Sociophysics: a physicist's modeling of phycho-polytical phenomena. Springer, 2012, 439 p.
4. Захаров А.В. Модели политической конкуренции: обзор литературы. Экономика и математические методы, том 45, вып. 1, 2009 г., стр. 110-128
5. Dorogovtsev S.N. Lectures on Complex Networks. Clarendon: Oxford, 2010, 134 p.
6. Newman M.E.J. The structure and functions of complex networks, SIAM Review, 45(2), 2003, pp. 167-225.
7. Берновский М.М., Кузюрин Н.Н. Случайные графы, модели и генераторы безмасштабных графов. Труды ИСП РАН, 2012, том 22, стр. 419-432. DOI: 10.15514/ISPRAS-2012-22-22.
8. Евин И.А. Введение в теорию сложных сетей. Компьютерные исследования и моделирование, том 2, вып. 2, 2010 г., стр. 121-141.
9. Новиков Д.А. Модели стратегической рефлексии. Автоматика и телемеханика, том 73, вып.1, 2012 г., стр. 1 -19
10. Kahneman D. Maps of Bounded Rationality: Psychology for Behavioral Economics Amer. Econ. Rev., 2003, 93(5), pp. 1449-1475.
11. Гасников А.В. (ред.), Введение в математическое моделирование транспортных потоков. М.: МЦНМО, 2013, 428 с.
12. Адамчук А.Н., Есипов С.Е. Коллективно флуктуирующие активы при иналичии арбитражных возможностей и оценка платежных обязательств. Усп. физ. наук, том 167, вып. 12, 1997 г., стр. 1295-1306.
13. Schelling T. Dynamic models of segregation. J. Math. Sociol., 1 (2), 1971, pp. 143-186
14. Castellano C., Fortunato S., Loreto V. Statistical physics of social dynamics. Rev. Mod. Phys. 81 (2), 2009, pp. 591-646.
15. Словохотов Ю.Л. Физика и социофизика. Проблемы управления, 2012, вып. 3, стр. 2–34.
16. Кипятков В.Е. Мир общественных насекомых, 3-е изд., М.: Либроком, 2009, 408 с.
17. Engelbtecht A.P. Fundamentals of computational swarm intelligence. N.-Y.: Wiley, 2005, 672 p.
18. Фаликман М.В. Основные подходы в когнитивной науке. http://www.soc-phys.chem.msu.ru/rus/prev/zas-2017-02-09/presentation.pdf. Дата обращения: 02.04.2018.
19. Величковский Б.М. Когнитивная наука: основы психологии познания. В 2-х т.. М.: Смысл; Академия, 2006.
20. Shaib-Draa B, Moulin B., Mandiau P., Millot P. Trends in distributed artificial intelligence. Artific. Intelligence Rev., 6 (1), 1992, pp. 35-66.
21. Хайкин С. Нейронные сети. Полный курс. 2-е издание. Вильямс, 2016, 1104 с.
22. Петухов В.В. Психология мышления. Учебно-методическое пособие. М.: МГУ, 1987, 99 с.
23. Альтшуллер Г.С. Найти идею. Введение в ТРИЗ – теорию решения изобретательских задач. 4-е изд. М.: Альпина Паблишерз, 2011, 400 с.
24. Чернавский Д.С. Синергетика и информация: динамическая теория информации. 3-е изд. М.: Либроком, 2009, 304 с.
25. Анохин К.В. Когнитом: разум как физическая и математическая структура. http://www.soc-phys.chem.msu.ru/rus/prev/zas-2016-09-27/presentation.pdf. Дата обращения: 02.04.2018.
26. Шумский С.А. Моделирование работы мозга: состояние и перспективы. http://www.soc-phys.chem.msu.ru/rus/prev/zas-2015-03-31/presentation.pdf. Дата обращения: 02.04.2018.
27. Ohlsson S. Information-processing explanations of insight and related phenomena. In M. T. Keane & K. J. Gilhooly (Eds.), Advances in the psychology of thinking. New York, NY: Harvester Wheatsheaf, 1992, pp. 1– 44.
28. Fodor J.A. The Modularity of Mind. MIT Press 1983,142 p.
29. Курганский А.В. Понятие внутренней репрезентации в когнитивной нейронауке. http://www.soc-phys.chem.msu.ru/rus/prev/zas-2017-02-28/presentation.pdf. Дата обращения: 02.04.2018.
30. Dandurand F., Shultz T.R., Rivest F. Complex problem solving with reinforcement learning. Proc. 6th IEEE Internat. Conf. on Development and Learning, 2007, pp. 157-162.
31. Hebb D.O. The Organization of Behavior: a Neuropsychological Theory, Wiley, 1949, 335 p.
32. Mossaid M., Garnieer S., Theraulaz G., Helbing D. Collective information processing and pattern formation in swarms, flocks and crowds. Topics Cogn. Sci., 1, 2009, pp 469-497.
33. Becker J., Brackbill D., Centola D. PNAS, 114, 2017, pp. E5070-E5076.
Рецензия
Для цитирования:
Словохотов Ю.Л., Неретин И.С. К построению модульной модели распределенного интеллекта. Труды Института системного программирования РАН. 2018;30(3):341-362. https://doi.org/10.15514/ISPRAS-2018-30(3)-23
For citation:
Slovokhotov Yu.L., Neretin I.S. Toward construction of a modular model of distributed intelligence. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2018;30(3):341-362. (In Russ.) https://doi.org/10.15514/ISPRAS-2018-30(3)-23
Послать статью по эл. почте 