Об интеллекте и определении степени интеллектуализации продукции и деятельности приборостроительного предприятия

В статье приведены наиболее известные определения термина «интеллект». Научное содержание этого термина устанавливается очень медленно, поскольку лежит в области пересечения многих научных дисциплин и не имеет до сих пор достаточно обоснованной количественной характеристики или степени интеллектуализации. В основе феномена интеллекта, как функции мозга, лежит такое явление, как сенсорный образ — проявление функции рецепторных систем, который может формироваться у любых животных. Приведены примеры междисциплинарных исследований по изучению и моделированию работы головного мозга. Изложены известные методы определения степени интеллектуализации. Большинство попыток расчета степени интеллектуализации имеют один и тот же недостаток: происходит объединение интеллектуальных функций и функций автоматизации управления. Предложен комплексный функциональный подход к определению степени интеллектуализации систем и объектов

Ключевые слова: интеллект, интеллектуализация, интеллектуальный продукт, искусственный интеллект, когнитивная способность, мозг, мышление, наука, нейронные сети, принятие решений, психология, размерность, робот, сенсорный образ, степень интеллектуальности, технология, управление, функция

Список использованных источников

  1. Национальная стратегия развития искусственного интеллекта на период до 2030 года. Утверждена Указом Президента РФ от 10 октября 2019 г. № 490 "О развитии искусственного интеллекта в Российской Федерации”. — 23 с.
  2. Евсеенко С. М. Этапы развития технологий искусственного интеллекта и уточнение терминологии//Инновации. — 2021, №4, с. 39-48.
  3. Евсеенко С. М. Обзор направлений интеллектуализации продукции и деятельности приборостроительного предприятия//Инновации. — 2021.
  4. Психологический словарь/Под ред. В. В. Давыдова. — М.: Акад. Пед. Наук СССР, 1983. — 448 с.
  5. Линн Р. Интеллект и экономическое развитие//Психология. Журнал высшей школы экономики. — 2008. — № 2. — С. 89–108.
  6. Лобанов А. П. Интеллект: определения, теории, парадигмы//Весиi БДПУ, Сер. 1, 2014, № 2. — С. 42–46.
  7. Ильясов Ф. Н. Разум искусственный и естественный//Известия АН Туркменской ССР, серия общественных наук, 1986, № 6. — С. 46–54.
  8. Семь интеллектов Говарда Гарднера. https://hr-academy.ru/hrarticle/sem-intellektov-govarda-gardnera.html (дата обращения: 15.02.2021).
  9. Большая Российская Энциклопедия. — М.: Большая Российская Энциклопедия, 2008, т. 11. — С. 429–430.
  10. Брандин В. М. Размерностная сложность. Интеллект. — М.: Физматлит, 2008. — 168 с.
  11. Каку М. Будущее разума: Пер. с англ. — 4-е изд. — М.: Альпина нон-фикшн, 2018. — 646 с.
  12. Тьюринг А. Может ли машина мыслить? — М.: Физматгиз, 1960. — 112 с.
  13. Искусственный интеллект. Что надо знать о наступающей эпохе разумных машин/под ред. Д. Хэвен: пер. с англ. О. Д. Сайфудиновой. — М.: АСТ, 2019. 352 с.
  14. Шевченко А. И., Сальников И. С., Сальников Р. И. О принципах построения искусственного интеллекта в антропоморфных системах//Искусственный интеллект, 2010, № 4, с. 4–19.
  15. Кузнецов и др. Круглый стол «Парадигмы искусственного интеллекта»//Новости искусственного интеллекта.- М.,1998, № 3, С. 3–21.
  16. Маркофф Дж. Homo Roboticus? Люди и машины в поисках взаимопонимания. — М.: АНО, 2017. — 405 с.
  17. Ray Kurzweil. Haw to create a mind: the secret of human thought revealed. — В переводе на русский издательства: Эволюция разума или бесконечные возможности человеческого мозга, основанные на распознавании образов. — М.: БОМБОРАтм. — 2018. — 350 с.
  18. Хокинс Дж., Блейксли С. Об интеллекте: Пер. с англ. — М.: ООО «И. Д. Вильямс», 2007. — 240 с.
  19. Осин А. А. Модель роевого интеллекта в организационных коммуникациях//Социально-гуманитарные знания, 2012. — № 6. — С. 343–349.
  20. Карпов В. Э., Карпова И. П., Кулинич А. А. Социальные сообщества роботов. — М.: ЛЕАНДР, 2019. — 352 с.
  21. Финн В. К. Далеко не все функции естественного интеллекта могут быть формализованы и автоматизированы//Журнал «Коммерсант Наука», № 68 от 23.12.2019. — М.: ИД «Коммерсант». — С. 33–38. https://www.kommersant.ru/doc/4198609 (дата обращения: 15.02.2021).
  22. Величенко В. В. Принципы технического интеллекта в проблеме управления сложными экономическими системами//Интеллектуальные системы, 1997, том 2, вып. 1–4.
  23. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П. Искусственный интеллект и интеллектуальные системы. — М.: Наука, — 2006. — 333 с.
  24. Остроух А. В. Интеллектуальные системы. Учебное пособие. — Красноярск: Научно-инновационный центр, 2015. — 110 с.
  25. Бранец В. Н., Клаб Д., Кнутов А. С., Микрин Е. А., Черток Б. Е., Шеррил Д. Развитие вычислительных систем с элементами искусственного интеллекта, применяемых в системах управления космическими аппаратами//Известия РАН, Т и СУ, 2004. — № 4. — С. 146–149.
  26. Красилов А. А. Информатика. Том 7. Интеллектуальные системы (Системы решения проблем). — М., 2003. — 232 с. http://rudocs.exdat.com/docs/index-18530.html (дата обращения: 15.02.2021).
  27. Лябах Н. Н., Умрихин Н. Г. Методы оценки интеллектуальности компьютерных систем//Вестник Университета, 2013. — № 6. — С. 54–58.
  28. Литвинов В. А., Оксанич И. Н. Оценка уровня виртуальной интеллектуальности прикладной программно-технической системы на основе анализа эргономической модели// Математичнi мaшини i системи, 2008, № 2, С. 100 –105.
  29. Большой экономический словарь/под. общ. ред. А. Н. Азрилия. — 3-е изд., перераб. и доп. — М.: Институт новой экономики, 1998. — 864 с.
  30. Александров П. С., Пасынков Б. А. Введение в теорию размерности.- М.: Наука, 1973. — 577 с.
  31. Клайн М. Математика. Утрата определённости. — М.: МИР, 1984.
  32. Углов В. А., Митихин В. Г. Оценка характеристик сложных систем//Сб. научных трудов “В мире науки”. — Международная академия информатики, 1996. — С. 40–46.
  33. Чечкин А. В. Математическая информатика. — М.; Наука, 1991. — 416 с.
  34. Клайн С.Дж. Подобие и приближенные методы. — М.: МИР, 1968. — 304 с.
  35. Нитежук М. С. Верификация и поиск противоречий в базах знаний интеллектуальных систем//Молодая наука Сибири: электрон. науч. журн. — 2018. — № 2. http://mnv.irgups.ru/toma/22–2018 (дата обращения: 15.02.2021).
  36. Шемакин Ю. И. Тезаурус в автоматизированных системах управления и обработки информации. — М.: Воениздат, 1974. — 202 с.
  37. Мохов А. И., Душкин Р. В., Андронов М. Г., Мальцев В. П. — Методика оценки степени интеллектуальности технических и социотехнических систем//Цифровая экономика. —2019, № 3 (7). — С. 24–33.
  38. Джарратано Дж., Райли Г. Экспертные системы: принципы разработки и программирование: Пер. с англ. — М.: Издательский дом «Вильямс», 2006. — 1152 с.
  39. Julian Hyde. Data in Flight. How streaming SQL technology can help solve the Web 2.0 data crunch. ACM Queue, vol. 7, no. 11, December 2009 https://dl.acm.org/doi/10.1145/1661785.1667562 (дата обращения: 15.02.2021).
  40. Евсеенко С. М., Скороходов Д. А. О степени механизации и автоматизации организационно-технологических процессов предприятия и корабля//Морские интеллектуальные технологии, 2013, № 3 (21). — С. 44–50.
  41. Евсеенко С. М. Комплексный показатель качества проектирования изделий научно-производственного приборостроительного предприятия//Инновации, 2020, № 7. — С. 20–29.
  42. Саати Т. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1993. — 314 с.
  43. Алексеев А. В., Смольников А. В., Сус Г. Н., Ушакова Н. П. Когнитивные технологии системы поддержки принятия решений и управления борьбой за живучесть корабля, судна//Системы управления и обработки информации: научн.-техн. сб./АО «Концерн «НПО «Аврора». СПб, 2019. Вып. 3 (46), с. 18–27.
  44. Субетто А. И. Синтетическая квалиметрия. Книга 1/Под ред. Л. А. Зеленова. — С.-Петербург — Кострома: КГУ им. Н. А. Некрасова, 2011. — 620 с.
  45. Микони С. В., Соколов Б. В. Юсупов Р. М. Квалиметрия моделей и полимодельных комплексов: монография. — М.: РАН, 2018. — 314 с.

Авторы