Эволюционный метод построения систем искусственного интеллекта

Abstract

Представлена эволюционная модель построения искусственного интеллекта, предназначенная для проектирования и разработки интеллектуальных систем. Ключевым базовым элементом предложенной модели является так называемый ALF интеллектуальный агент со способностями к самообучению, коммуникации, самоорганизации и совместным действиям с подобными агентами. В основу ALF-агентов заложены эволюционные принципы с применением генетических алгоритмов. Реализация предложенного подхода выполнена в виде игровой модели. Разработанная структура и функциональность ALF-агентов обусловливают гибкость и эффективность модели, что подтверждено в проведенных экспериментах.

Описано еволюційну модель побудови штучного інтелекту, призначену для проектування та розроблення інтелектуальних систем. Ключовим базовим елементом запропонованої моделі є так званий ALF інтелектуальний агент з можливостями для самонавчання, комунікації, спільних дій і самоорганізації серед подібних агентів. В основу ALF-агентів покладено еволюційні принципи, реалізовані з використанням генетичних алгоритмів. Реалізацію запропонованого підходу виконано у вигляді ігрової моделі. Унікальна структура та функціональність ALF-агентів зумовлюють значну гнучкість і ефективність моделі, продемонстровані в проведених експериментах.

The paper describes an evolutionary model for artificial intelligence construction, designed for the development of intelligent systems. It allows describing a variety of subject areas with the construction of knowledge bases. The model has universal means for formal description of tasks, as well as environment for implementing computational processes of their solution. The key element of the proposed model is a so-called ALF, which is an intelligent agent with the ability of learning, communication, self-organization, and joint action with other agents. The development of ALF agents is based on evolutionary principles implemented with the use of genetic algorithms. The implementation of the proposed approach was performed as a game model. A considerable flexibility and efficiency of the model demonstrated in the experiments are due to the unique structure and functionality of ALF agents.