ДЕЯКІ ПИТАННЯ СИНТЕЗУ В КІБЕРНЕТИЦІ ТА ІНФОРМАТИЦI
DOI:
https://doi.org/10.32782/mathematical-modelling/2022-5-2-10Ключові слова:
синтез, кібернетика, інформатика, штучний інтелект, системний аналіз, поліметричний аналіз, принцип Моiсеєва, ПайтонАнотація
Проаналізовано проблему синтезу в інформатиці, зокрема в кібернетиці, штучному інтелекті та системному аналізі. Обговорюються основні методи реалізації цієї проблеми. Представлено шляхи пошуку універсального методу створення універсальної синтетичної науки. Як приклад такого універсального методу наведено поліметричний аналіз. Представлено короткий класифікаційний метод синтезу. Основними методами синтезу є дедуктивний, дедуктивно-індуктивний, індуктивний і прагматичний. Аналізуються перспективи подальшого розвитку цього дослідження, в тому числі застосування поліметричного методу для вирішення основних проблем інформатики. Дедуктивні методи використовуються для створення узагальнюючих теорій або теорій всього. Для створення цих теорій було сформульовано шість критеріїв. Дедуктивно-індуктивний метод – чотири правила висновку Ньютона у фізиці. Цей метод дозволяє створювати класичну механіку, логічні типи Б. Рассела та ін. Індуктивні методи використовують для отримання індуктивних узагальнених законів як теорема Шеннона. Прагматичні методи використовують для створення систем, необхідних для перерозв'язання конкретних завдань, наприклад, створення якогось блоку для вирішення конкретної практичної задачі. Цей метод часто використовується в техніці або в сфері людської діяльності, де вже є багато розробок і їх часто потрібно поєднувати з розробками в інших суміжних галузях. У програмуванні прикладом прагматичного синтезу є мова програмування Python, яка включає елементи попередніх мов програмування. Межі між цими чотирма видами синтезу іноді досить умовні. Сучасним прикладом дедуктивно-індуктивного синтезу є концепція сильного штучного інтелекту Владислава Дорофєєва. Сама кібернетика також є синтезом різних наук. Але синтез у сенсі Джорджа індуктивний, а в сенсі поліметричного аналізу – дедуктивний.
Посилання
Trokhimchuck P. P. S. Beer centurial problem in cybernetics and methods of its resolution. In: Advanced in computer science, vol. 7, ch. 5. Ed. Mukesh Singla. New Delhi: AkiNik Publications, 2020. P. 87-118.
Бир С. Мы и сложность современного мира. В: Кибернетика сегодня: проблемы и предложения. М.: Знание, 1976. С. 7 – 32.
Trokhimchuck P. P. Theories of Everythings: Past, Present, Future. Saarbrukken: Lambert Academic Publishing, 2021. 260 p.
George F. H. Philosophical Foundations of Cybernetics. Abacus Press, London, 1976, 157.
George F. H. Foundations of cybernetics. Gordon and Breach Science Publishing, London, Paris, New York, 1977, 260
Genesereth M. R., Nillson N. I. Logical foundations of artificial intelligence. Palo Alto: Morgan Kauffman Publishers, Inc., 1988. 406 p.
Nillson N. I. The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge University Press, New York, 2010, 562.
Novikov D.A. Cybernetics 2.0. Advances in Systems Science and Application. Vol. 16(1), 2016. P. 1 – 18.
Dorofeev V., Trokhimchuck P. Hybrid Super Intelligence and Polymetrical Analysis. AIP Conference Proceedings, 2022, vol. 2656 (1), 020024, 9 p,.
Dorofeev V. P., Trokhimchuck P. P. Cоmputer Sciences and Synthesis: Retrospective and Perspective. In: Advanced in computer science, vol. 13. Ed. Mukesh Singla. New Delhi, AkiNik Publications, 2022. Р. 1-32.
Computer science/ Wilkipedia – the free encyclopedia. // http:/en.wikipedia.org/wiki/ Computer_science
Computing/ Wilkipedia – the free encyclopedia. // http:/en.wikipedia. org / wiki/ Computing
Nillson N. I. Artificial Intelligence. A new synthesis. San Francisco: Morgan Kauffman Publishers, Inc., 1998. 514 p.
Дорофеев В.П. Система сильного гибридного искусственного интеллекта и принципы Моисеева, Ефремова и Легасова. В кн.: Актуальные проблемы фундаментальной науки2021, Материалы IV международной конференции, под ред. П.П. Трохимчука и др. Луцк: Вежа-Принт, 2021. С. 47 – 50.
Russel S. J., Norwig P. Artificial Intelligence. A modern Approach. Harlow: Pearson Education Limited, 2021. 1166 р.
Kasabov N. K. Time-Space, Spiking Neural Networks and Brain-Inspired Artificial Intelligence. Berlin: Springer-Verlag GmbH, 2019. 738 p.
Замуруєва О. В., Кримусь А. С., Ольхова Н. В. Об’єктно-орієнтоване програмування в Python. Курс лекцій. Частина 1. Луцьк: Вежа-Друк, 2018. 64 с.
Замуруєва О. В., Вілігурський О. М. Об’єктно-орієнтоване програмування в Python. Курс лекцій. Частина 2. Луцьк: Вежа-Друк, 2020. 72 с.
