Санкт-Петербург, г. Санкт-Петербург и Ленинградская область, Россия
УДК 004.8 Искусственный интеллект
Рассматриваются история создания, состав и направления деятельности Санкт-Петербургского отделения научного совета по методологии искусственного интеллекта и когнитивных исследований при Президиуме РАН. Показана выраженная ориентация членов отделения на практику, что связано с преобладанием в его составе ученых инженерного и естественнонаучного профиля. Совет стимулирует работы, связанные с междисциплинарным синтезом и конвергенцией гуманитарных и естественных наук при решении проблемы искусственного интеллекта.
методология и теория искусственного интеллекта, научный совет, проблемы междисциплинарного синтеза.
Введение
Постановлением президиума РАН от № 129 от 25 июня 2019 года утверждено Положение о Научном совете РАН по методологии искусственного интеллекта и когнитивных исследований (НСМИИ и КИ РАН) состоящем при президиуме РАН и утвержден его состав. Данный Совет создан с целью проведения и развития фундаментальных и прикладных исследований в области глобальных интеллектуальных систем и технологий, информационно-технологических проблем и комплексного мониторинга состояния исследований искусственного интеллекта.
Санкт-Петербургское отделение научного совета по методологии искусственного интеллекта и когнитивных исследований при президиуме РАН (НСМИИ и КИ РАН) создано 11 марта 2020 года во исполнение решения 95-го заседания НСМИИ РАН по расширению сферы деятельности Совета.
Основные направления деятельности Санкт-Петербургского отделения Совета:
– анализ современного состояния исследований, определение перспектив научных исследований в области искусственного интеллекта и когнитивных исследований;
– обсуждение инициативных предложений, направленных на решение глобальных проблем создания и развития интеллектуальных систем, теории и практики искусственного интеллекта.
Создание региональных отделений Совета обусловлено серьезным отношением РАН и Правительства России к развитию данного направления и недопущению к деятельности в сфере ИИ неквалифицированных лиц и организаций.
Деятельность Санкт-Петербургского отделения НСМИИ и КИ при Президиуме РАН в 2022 году
В составе Санкт-Петербургского отделения НСМИИ и КИ при Президиуме РАН (Рис.1) действующие ученые, работающие в сфере методологии, теории и практики искусственного интеллекта, представляющие широкий спектр научных организаций входящих в структуру РАН, высшего образования, науки и промышленности Северо-Западного региона и Петербурга.
Рис.1. Члены Санкт-Петербургского отделения НСМИИ РАН и КИ.
Fig.1. Members of the St. Petersburg Branch of the Scientific Council under the Presidium of the RAS on the methodology of AI and cognitive research.
Членами совета стали представители Санкт-Петербургского политехнического университета Петра Великого (СПбПУ) – профессора д-р техн. наук, В. С. Заборовский, д-р техн. наук, Л. В. Уткин, д-р психол. наук С. Ф. Сергеев, д. техн. наук Л. А. Станкевич, д-р техн. наук О. С. Ипатов, канд. техн. наук С. В. Козырев; представители СПб ФИЦ РАН (СПИИРАН) – профессор, д-р техн. наук, А. Л. Ронжин, профессор, д-р техн. наук. А. А. Карпов; представители института эволюционной физиологии и биохимии им. И. М. Сеченова РАН (ИЭФБ РАН) – д-р биол. наук. М. Л. Фирсов, канд. биол. наук, Н. В. Шемякина, канд. биол. наук. Е. И. Гальперина; представители Санкт-Петербургского государственного университета (СПбГУ) – профессор, д-р психол. н. С. Н. Костромина, профессор, д-р физ.- мат. наук. О. Н. Граничин; представители института физиологии им. И. П. Павлова РАН (ИФ РАН) – д-р биол. наук. Е. А. Рыбникова, д-р мед. наук. Ю. Е. Шелепин, канд. техн. наук Р. О. Малашин; представитель Центрального научно-исследовательского института робототехники и технической кибернетики (ЦНИИ РТК) – канд. техн. наук А. Б. Железняков, представитель Национального медицинского исследовательского центра имени В. А. Алмазова (НМИЦ им. В. А. Алмазова) – чл. корр. РАН, д-р мед. наук, профессор А. О. Конради.
Председателем Санкт-Петербургского отделения НСМИИ и КИ РАН избран профессор, д-р психол. наук С. Ф. Сергеев, ученым секретарем отделения – канд. техн. наук С. В. Козырев. Члены отделения являются активными учеными, проводящими практические и теоретические исследования в области искусственного интеллекта и когнитивных исследований.
Приведем некоторые результаты деятельности ряда членов отделения в 2018–2022 годах.
Карпов Алексей Анатольевич работает в области многомодального человеко-машинного взаимодействия, речевых технологий, жестовых интерфейсов, обработки аудиовизуальной информации, компьютерной паралингвистики, аффективных вычислениях. Результаты исследований за последние три года приведены в публикациях [1–5].
Заборовский Владимир Сергеевич и Уткин Лев Владимирович являются специалистами в области машинного обучения (МО) и обработки данных с использованием суперкомпьютера (СК). Если кратко говорить, что они делают на поляне МО и ИИ – это поиск объективных маркеров в данных, которые указывают на признаки, позволяющие точно классифицировать объекты. Формально задачи МО рассматриваются как специальный класс «обратных задач», регуляризация которых осуществляется с использованием объяснительных суррогатных моделей. Ими введены новые термины и понятия, например, понятие «экзоинтеллект», что подчеркивает невозможность решения всех типов «обратных» задач, а также то, что «гибридные человеко-машинные системы» могут успешно конкурировать с другими видами систем ИИ. Широко используются не только статистические методы обработки данных, но привлекается аппарат алгебраической топологии, в частности, диаграммы персистентности и топологические спектры/гистограммы. Это позволяет построить объяснительные модели «выживания» задач в очереди СК, а также дать интерпретации неопределенностей [6–13].
Станкевич Лев Александрович, профессор СПбПУ. Области профессионального интереса: Искусственный интеллект и когнитивные системы; Робототехника и гуманоидные роботы; Интерфейсы «мозг-компьютер» и нейротренажеры. Им проводились многолетние исследования в области интеллектуальных когнитивных систем, акцентируя внимание на разработку методов обучения и самообучения, а также программных средств, обеспечивающих возможность автоматического накопления знаний и их использования. Участвовал в создании первого в России антропоморфного робота по проекту АРНЭ. Создал и руководил командой робототехников, многократно участвующих в международных соревнованиях на Кубок Роботов, которая в 2004 году стала Чемпионом Мира в Лиге симуляционного футбола роботов. В области когнитивных систем управления гуманоидными роботами работы Станкевича Л. А., выполненные в 1999–2019 годах, являются приоритетными и получили признание в России и за рубежом [14–16].
Юрий Евгеньевич Шелепин, доктор медицинских наук, профессор, заведующий лабораторией физиологии зрения и заведующий отделом физиологии сенсорных систем Института физиологии им. И. П. Павлова РАН. Лауреат премии им Академика Ухтомского Президиума РАН за исследования в области нейрофизиологии зрения и зрительной работоспособности, Награжден медалями Российского оптического общества, награжден правительственными наградами. Автор 500 научных работ 10 монографий и 50 патентов [17–21].
Шемякина Наталья Вячеславовна работает в области когнитивных исследований и создании классификации ЭЭГ – паттернов воображаемых движений с использованием методов ИИ [22–27].
Граничин Олег Николаевич и Сергеев Сергей Федорович, работают в области теории и методологии создания динамических робототехнических и эргатических систем с искусственным интеллектом [28–33].
Рыбникова Елена Александровна, проводит исследование патогенетических нейроэндокринных механизмов депрессии и посттравматического стрессового расстройства [34].
Заключение
Анализ деятельности членов совета показывает ярко выраженную направленность работы Санкт-Петербургского отделения НСМИИ РАН на решение задач междисциплинарного синтеза областей теоретического и методологического знания философских, гуманитарных, инженерно-технологических и инженерно-психологических дисциплин.
1. Рюмина Е.В., Рюмин Д.А., Маркитантов М.В. и др. Метод генерации обучающих данных для компьютерной системы обнаружения защитных масок на лицах людей // Компьютерная оптика. Т. 46. № 4. 2022. С. 603-611. DOIhttps://doi.org/10.18287/2412-6179-CO-1039. EDN JBDEWW.
2. Dresvyanskiy D., Ryumina E., Kaya H. et al. End-to-end Modelling and Transfer Learning for Audiovisual Emotion Recognition in the Wild // Multimodal Technologies and Interaction. 2022;6(2):11. DOIhttps://doi.org/10.3390/mti6020011.
3. Kashevnik A., Lashkov I., Axyonov A. et al. Multimodal Corpus Design for Audio-Visual Speech Recognition in Vehicle Cabin // IEEE Access. 2021;9: 34986-35003. DOIhttps://doi.org/10.1109/ACCESS.2021.3062752.
4. Kagirov I., Kapustin A., Kipyatkova I. et al. Medical Exoskeleton "Remotion" with an Intelligent Control System: Modeling, Implementation, and Testing // Simulation Modelling Practice and Theory. 2021;107:102200. DOIhttps://doi.org/10.1016/j.simpat.2020.102200.
5. Кагиров И.А., Карпов А.А., Кипяткова И.С. и др. Интеллектуальный интерфейс для управления роботизированным медицинским экзоскелетом нижних конечностей Remotion // Авиакосмическая и экологическая медицина. 2019. № 5. C. 92-98. DOIhttps://doi.org/10.21687/0233-528X-2019-53-5-92-98. EDN FIGVLU.
6. Konstantinov A.V., Utkin L.V. Interpretable machine learning with an ensemble of gradient boosting machines. Knowledge-Based Systems. 2021;222(106993):1-16.
7. Konstantinov A.V., Utkin L.V. Multi-attention multiple instance learning. Neural Computing and Applications. 2022;34:14029-14051. DOIhttps://doi.org/10.1007/s00521-022-07259-5.
8. Konstantinov A.V., Utkin L.V. Multiple Instance Learning through Explanation by Using a Histopathology Example. In Proceedings of the 31st Conference of Open Innovations Association (FRUCT). Helsinki, Finland. 2022;102-108. DOIhttps://doi.org/10.23919/FRUCT54823.2022.9770901.
9. Konstantinov A.V., Utkin L.V. Attention-like feature explanation for tabular data. International Journal of Data Science and Analytics. 2022. DOIhttps://doi.org/10.1007/s41060-022-00351-y.
10. Utkin L.V, Zaborovsky V.S., Kovalev M.S. et al. Uncertainty Interpretation of the Machine Learning Survival Model Predictions. IEEE Access. 2021;9:120158-120175. DOIhttps://doi.org/10.1109/ACCESS.2021.3108341.
11. Antonov A., Zaborovskij V., Kiselev I. Specialized reconfigurable computers in network-centric supercomputer systems. High Availability Systems. 2018;14(3):57-62. DOIhttps://doi.org/10.18127/j20729472-201803-09.
12. Antonov A., Zaborovsky V., Polyanskiy V. Neural computations in control problems: Aspects of computability and spatial-time characterization of cognitive functions. Journal of Physics: Conference Series. 2021;1864(1). DOIhttps://doi.org/10.1088/1742-6596/1864/1/012104.
13. Antonov A., Kaliaev I., Zaborovskij V. Exo-intelligent data-driven reconfigurable computing platform. Digital Transformation and the World Economy. 2022:181-203. DOIhttps://doi.org/10.1007/978-3-030-89832-8_10. EDN ELZUPN.
14. Станкевич Л.А. Интеллектуальные системы и технологии: учебник и практикум дли бакалавриата и магистратуры. М.: Издательство Юрайт, 2023. 495 с. ISBN 978-5-534-16238-7.
15. Станкевич Л.А. Когнитивные системы и роботы. СПб.: Политех-Пресс, 2019. 631 с. ISBN 978-5-7422-6437-8.
16. Станкевич Л.А., Бахшиев А.В., Лопота А.В. Гуманоидные роботы: монография. СПб.: Медиапапир, 2021. 310 с. ISBN 978-5-00110-189-5.
17. Shelepin Yu.E., Kharauzov A.K., Zhukova O.V. et al. Masking and detection of hidden signals in dynamic images // Journal of Optical Technology 2020;87(10):624-632. DOIhttps://doi.org/10.1364/JOT.87.000624.
18. Шелепин Ю.Е., Хараузов А.К., Вахрамеева О.А. Неосознаваемые зрительные сигналы и непроизвольные реакции человека // Интегративная физиология. 2021. Т. 2. № 4. С. 352-377. DOI:https://doi.org/10.33910/2687-1270-2021-2-4-352-377. EDN RPOJCS.
19. Шелепин Ю.Е., Луцив В.Р., Коротаев В.В. Оптические технологии и зрительная картина мира: иконика и нейроиконика // Оптический журнал. - 2022. Т. 89. № 8. С. 3-7. DOIhttps://doi.org/10.17586/1023-5086-2022-89-08-03-07. EDN KGFPIL.
20. Lee P.-L., Lee T.-M., Lee W.-K. et al. The Full Informational Spectral Analysis for Auditory Steady-State Responses in Human Brain Using the Combination of Canonical Correlation Analysis and Holo-Hilbert Spectral Analysis. J. Clin. Med. 2022;11:3868. DOIhttps://doi.org/10.3390/jcm11133868.
21. Dick O.E., Murav’eva S.V., Lebedev V.S. et al. Fractal Structure of Brain Electrical Activity of Patients with Mental Disorders. Frontiers in Physiol. 2022;13:905318. DOIhttps://doi.org/10.3389/fphys.2022.905318.
22. Kapralov N., Nagornova Zh., Shemyakina N. Classification methods for EEG patterns of imaginary movements. SPIIRAS Proceedings. 2021;20(1):94-132. DOIhttps://doi.org/10.15622/ia.2021.20.1.4. EDN KATWSZ.
23. Шемякина Н.В., Потапов Ю.Г., Нагорнова Ж.В. Динамика частотной структуры ЭЭГ во время эскизирования в экологических условиях и выполнения невербальных творческих задач профессиональным художником; лонгитюдное CASE STUDY // Физиология человека. 2022. T. 48. № 5. С. 26-37. DOIhttps://doi.org/10.31857/S0131164622700096. EDN STNFDG.
24. Шемякина Н.В., Нагорнова Ж.В. Действительно ли инструкция “быть оригинальным и придумывать” влияет на ЭЭГ-корреляты выполнения творческих задач? // Физиология человека. 2020. Т. 46. № 6. С. 5-15. DOIhttps://doi.org/10.31857/S0131164620060090. EDN OHDATW.
25. Shemyakina N.V., Nagornova Zh.V. EEG "Signs" of Verbal Creative Task Fulfillment with and without Overcoming Self-Induced Stereotypes. Behav Sci (Basel). 2019 Dec 29;10(1):17. DOIhttps://doi.org/10.3390/bs10010017.
26. Sonkin K.M., Stankevich L.A., Khomenko Y.G. et al. Neurological Classifier Committee Based on Artificial Neural Networks and Support Vector Machine for Single-Trial EEG Signal Decoding. Advances in Neural Networks / L. Cheng et al. (Eds.): ISNN 2016:100-107. DOIhttps://doi.org/10.1007/978-3-319-40663-3_12.
27. Станкевич Л.А., Сонькин К.М., Шемякина Н.В. Классификация ЭЭГ-паттернов воображаемых движений пальцами одной руки, выполняемых в заданном ритме // Физиология человека. 2016. Т. 42. № 1. С. 40. DOI:https://doi.org/10.7868/S0131164616010185. EDN VHVJGZ.
28. Граничин О.Н., Сергеев С.Ф. Предпосылки к созданию искусственных разумных систем // Самоорганизация и искусственный интеллект в группах автономных роботов: методология, теория, практика. Под ред. О. Н. Граничина, С. Ф. Сергеева. - СПб.: Изд-во ВВМ, 2020. С. 9-34. ISBN 978-5-9651-0888-6. EDN CGARDZ.
29. Самоорганизация и искусственный интеллект в группах автономных роботов: методология, теория, практика. Под ред. О.Н. Граничина, С.Ф. Сергеева. СПб.: Изд-во ВВМ, 2020. 125 с. ISBN 978-5-9651-0888-6. EDN PFSUZI.
30. Амелин К.С., Амелина Н.О., Граничин О.Н. и др. Децентрализованное групповое управление роем автономных роботов без маршрутизации данных // Робототехника и техническая кибернетика. 2021. Т. 9. № 1. С. 42-48. DOIhttps://doi.org/10.31776/RTC.J.9105. EDN EWUTVF.
31. Амелин К.С., Ерофеева В.А., Граничин О.Н. и др. Протокол кооперативной самоорганизации группового поведения роботов // XIV Всероссийская мультиконференция по проблемам управления (МКПУ-2021): материалы XIV мультиконференции (Дивноморское, Геленджик, 27 сентября - 2 октября 2021 г.): в 4 т. / Южный федеральный университет [редкол.: И. А. Каляев, В. Г. Пешехонов и др.]. Ростов-на-Дону; Таганрог: Изд-во Южного федерального университета, 2021. Т. 2. С. 94-96. ISBN 978-5-9275-3851-5. EDN KPOOKH.
32. Сергеев С.Ф., Хомяков А.В. Восприятие оператором групп динамических объектов // Оптический журнал. 2021. № 6. С. 68-75. DOIhttps://doi.org/10.17586/1023-5086-2021-88-06-68-75. EDN GFCJXK.
33. Сергеев С.Ф. Постнеклассическая рациональность в психологии // Психологический журнал. 2020. Tом 41. № 3. С. 131-134. DOIhttps://doi.org/10.31857/S020595920009337-6. EDN LTYJXP.
34. Ступин К.Н., Зенько М.Ю., Рыбникова Е.А. Сравнительный анализ патобиохимических нарушений при депрессии и посттравматическом стрессовом расстройстве // Биохимия. 2021. Т. 86. Вып. 6. С. 885-893. DOIhttps://doi.org/10.31857/S0320972521060105. EDN LMLMLN.
