НЕЙРОСИМВОЛЬНИЙ ФРЕЙМВОРК ФОРМУВАННЯ МЕНТАЛЬНИХ МОДЕЛЕЙ РІШЕНЬ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ

Анотація

Предметом роботи є процес побудови ментальних моделей рішень інтелектуальних систем для користувачів з різним рівнем компетентності та відтворення послідовностей їх взаємодії з інтелектуальними системами в структуроване ментальне подання. Мета дослідження – розробити нейросимвольний підхід, що інтегрує концептуальну ментальну модель, систему принципів побудови й нейросимвольну реалізацію ментальної моделі для забезпечення персоналізованих пояснень в інтелектуальних системах. Завдання: розробити нейросимвольний фреймворк побудови ментальних моделей; розширити систему принципів для персоналізації пояснень; експериментально перевірити нейросимвольний фреймворк формування ментальних моделей рішень інтелектуальних систем. Методи дослідження основані на застосуванні нейросимвольного штучного інтелекту, що поєднує машинне навчання з причинно-наслідковим символьним міркуванням, використанні операторів лінійної темпоральної логіки для верифікації каузальних залежностей і адаптивному механізмі відбору концептів за рівнем компетентності користувача. Результати дослідження. Розроблено нейросимвольний фреймворк формування ментальних моделей рішень інтелектуальних систем, який містить: ментальну модель, що інтегрує множини позитивних і негативних властивостей рішення, каузальний граф причинно-наслідкових залежностей і лінгвістичні мітки для інтерпретації структури моделі природною мовою; запропоновано розширену систему принципів побудови ментальних моделей, яка до наявних принципів відповідності, множинності, неповноти й доповнення долучає нові принципи деталізації, темпоральної узгодженості та поведінкового виведення; створити адаптивну порогову функцію відбору концептів, що визначає рівень деталізації ментальної моделі відповідно до рівня компетентності конкретного користувача. Доведено, що система з чотирьох принципів є необхідною, але не достатньою умовою коректності нейросимвольної ментальної моделі. Експериментальна перевірка підтвердила суттєве підвищення темпоральної узгодженості каузальних залежностей порівняно з наявними методами. Висновки. Запропонований фреймворк забезпечує побудову персоналізованих ментальних моделей з верифікованими каузальними залежностями, відповідає вимогам прозорості моделей штучного інтелекту й забезпечує масштабовану персоналізацію пояснень для інтелектуальних систем.