WO2020046159A1 - Система и способ для хранения и обработки данных - Google Patents

Система и способ для хранения и обработки данных Download PDF

Info

Publication number
WO2020046159A1
WO2020046159A1 PCT/RU2018/000576 RU2018000576W WO2020046159A1 WO 2020046159 A1 WO2020046159 A1 WO 2020046159A1 RU 2018000576 W RU2018000576 W RU 2018000576W WO 2020046159 A1 WO2020046159 A1 WO 2020046159A1
Authority
WO
WIPO (PCT)
Prior art keywords
graph
information
nodes
node
afferent
Prior art date
Application number
PCT/RU2018/000576
Other languages
English (en)
French (fr)
Inventor
Илья Николаевич ЛОГИНОВ
Original Assignee
Илья Николаевич ЛОГИНОВ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Илья Николаевич ЛОГИНОВ filed Critical Илья Николаевич ЛОГИНОВ
Priority to US16/232,324 priority Critical patent/US20210357791A1/en
Priority to PCT/RU2018/000576 priority patent/WO2020046159A1/ru
Publication of WO2020046159A1 publication Critical patent/WO2020046159A1/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/043—Distributed expert systems; Blackboards
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures

Definitions

  • the present invention relates to a method and system for storing data, in particular, to a method and system for storing and processing data.
  • the space-time continuum does not allow creating systems capable of responding to unpredictable information (for example, predicting and reacting to the behavior of an object / object of information / information object not previously encountered in the surrounding world / environment / external environment or in the system or a device for storing information implemented by the method described in the framework of the present invention) in the framework of the goals.
  • Hierarchical temporary memory Another way of storing and processing information / data, in particular, hierarchical temporary memory is limited by the physical structure of a biological neuron.
  • the hierarchical memory system uses a more complex model of an artificial neuron, but which is a simplified model of a natural / biological neuron, the hierarchical memory system is not able to solve a number of spatio-temporal problems, without which the application of the methods proposed by the hierarchical memory is practically impossible, and is not currently implemented.
  • the hierarchical temporary memory system uses an overlay of information coming from outside one after another, which implies the need for such a system to use infinite hardware capabilities and, in fact, simulates ordinary video shooting in which the images are pre-structured.
  • the technical result of the present invention is to expand the functionality of data storage and processing, due to a comprehensive analysis of input data on environmental objects and relationships between environmental objects, taking into account the source data on external objects environment containing information about the relationships between the objects of the external environment, and by storing the input data in the form of graph nodes in a graph database implemented by a matrix in a computer-readable memory of said computing device or an external device associated with said computing device.
  • a method for storing data performed on an electronic computing device comprising the steps of obtaining information about an information object from an external medium in the form of a data set; at least two information entities are formed from the data set, the second information entity being the connecting property of the first information entity in the form of two afferent nodes of the graph; form at least one insertion node of the graph for each of the mentioned afferent nodes of the graph, and the insertion node of the graph has at least one input from at least one afferent node of the graph or insertion node of the graph; form links between the first and second afferent nodes of the graph, and the bonds are formed through the insertion nodes of the graph; the generated graph nodes are stored in at least one graph database implemented by at least one matrix in a computer-readable memory of said computing device or an external device associated with said computing device.
  • the generated graph nodes are stored as unique identifiers.
  • connection between the first and second afferent nodes is formed as an insertion graph node.
  • the method further includes creating an insertion node that results from linking at least one afferent node and at least one insertion node of the graph or at least one afferent node and at least one afferent node of the graph, or at least one insertion node and at least one insertion node of the graph.
  • the method further includes generating from the data set or another data set an information entity that is an action performed on at least one information entity referred to in claim 1, in the form of an efferent graph node; the formation of at least one connection between at least one insertion node of the graph and the efferent node of the graph.
  • the formation of communication with efferent nodes is carried out as a result of the analysis of graph nodes and / or the creation of afferent nodes of the graph and / or insertion nodes of the graph.
  • said graph is a quasi-graph in which at least one link between at least two links in the graph is stored in the form of at least one node and / or, in which, at least one connection between at least two nodes of the graph is stored in the form of at least one node of the graph, and / or in which at least one connection between at least one node of the graph and, at least one link is stored in the form of at least one graph node.
  • obtaining information about the information object from the external environment in the form of a data set is carried out through the data input interface.
  • the data input interface is implemented by a user interface and allows at least one input data set to be input.
  • the generated graph nodes are used to create at least one insertion graph node and / or at least one afferent graph node and / or at least one efferent graph node.
  • the totality of the generated insertion nodes of the graph is the logic that is used to systematize the information stored in the graph in the form of ⁇ generated nodes.
  • the data sets contain information about at least one object of the outside world and a description of such an object.
  • the insertion node is first-order intelligence and is an abstract connection between objects of the external environment from the general to the particular.
  • the insertion unit is a second-order intelligence and characterizes a change in environmental objects as a function of time.
  • the insertion node is a third-order intelligence and is a causal relationship between data sets and / or environmental objects.
  • environmental objects are recognized by comparing the generated nodes of the graph and / or the relationships between nodes of the graph.
  • insertion nodes are formed for an unrecognized environmental object, and afferent graph nodes or graph efferent nodes have not been previously formed for an unrecognized object.
  • the recognition of an unrecognized object is carried out using at least one data set corresponding to an unrecognized object and stored as an afferent node of the graph, and / or using at least one previously saved data set as an afferent graph node, and / or using at least one insertion graph node created earlier.
  • At least one data set stored as an afferent node of the graph and / or at least one insertion node of the graph describes an object of the physical world other than an unrecognized object of the physical world, between such afferent nodes of the graph and / or insertion nodes of the graph, connections are created with afferent nodes of the graph and / or insertion nodes of the graph that describe an unrecognized object of the physical world in order to accumulate information about the logical connections between recognized objects of the physical world and an unrecognized object of the physical world, thereby realizing the prediction of the behavior of the object of the physical world.
  • the formation of informational entities includes the use of a dictionary of afferent values, in which at least one graph node is associated with each afferent value.
  • the information entity is associated with an afferent node with at least one insertion node.
  • afferent nodes comprise data transformed by an afferent cognitive transducer characterized by the ability to transform a data set into at least one cognitive frame representing at least one information structure whose elements are cognitive quanta information / pieces of information indivisible for intelligence.
  • the formation of at least one graph node in the form of a quantum graph node which is the highest degree of abstraction and input to at least one insertion graph node and contains a description of the data set.
  • the matrix is implemented by a three-dimensional matrix, the intersection of the axes X, Y and Z of which contain ones and zeros, and the axis of the matrix are identifiers (ID) or afferent values.
  • At least one generated graph node is converted into at least one link between graph nodes and / or at least one insertion and / or other afferent graph node, and at least one such node of the graph is stored in the graph database.
  • a system for storing and processing data including a data input interface for inputting information about an information object from an external environment and converting the entered information into at least one data set; an information converter that converts information into at least one data set and transfers the data set to an afferent cognitive transducer; afferent cognitive transformer implemented by a software module that converts a data set into cognitive frames representing information structures whose elements are cognitive quanta of information indivisible for intelligence, and at least two informational entities are formed from a data set, the second informational entity being a connecting property of the first informational entity; a cognitive memory software module that implements: creation and storage of information structures in the form of afferent graph nodes; creating and storing graph insertion nodes for afferent graph nodes, wherein the graph insertion node has at least one input from at least one afferent graph node or graph insertion node; creating and maintaining links between afferent nodes of the graph, and the bonds are formed through the insertion no
  • the system further includes creating and storing a module of cognitive memory from at least one data set of an information entity, which is an action performed on at least one information entity in the form of an efferent node of a graph.
  • system further includes storing the nodes of the graph in the form of unique identifiers in the cognitive memory module in at least one graph database implemented by at least one matrix in the computer-readable memory of said computing device or external device associated with said computing device.
  • FIG. 1 illustrates an exemplary embodiment of a CSI system according to the present invention
  • FIG. 2 illustrates an example embodiment of a user interface (logic navigator);
  • FIG. 3 illustrates an exemplary embodiment of a cognitive relativistic information field (topological field) according to the present invention
  • FIG. 4 illustrates the general case of a graph and an example embodiment of writing a graph in the form of a matrix.
  • FIG. 5 illustrates a matrix (in the particular case of an adjacency matrix) of an information field (represented by a quasi-graph) in the CSI system of the present invention.
  • FIG. 6 illustrates an exemplary version of the training and operation of the CSI system with recording information in the form of a graph and a conjugation matrix.
  • FIG. 7 illustrates an example of a general purpose computer system.
  • the determination / prediction of the behavior of an object and / or recognition of an information object unknown to the described system (unrecognized by the described system) of an information object is carried out using previously stored information / data (the so-called experience of the described system) that describes other objects (in particular, information objects similar to information object unknown to the system described, for example, in appearance, size, color, speed, behavior, etc.), and which may be applicable to such unknown objects, that thus accumulating information about the logical relationships between information objects and thereby realizing the establishment of relationships for the information object unknown to the system described, for example, with other information objects, and also realizing the prediction of the behavior of the information object.
  • previously stored information / data the so-called experience of the described system
  • other objects in particular, information objects similar to information object unknown to the system described, for example, in appearance, size, color, speed, behavior, etc.
  • the information essence of an object is a subjective display / reflection (representation) of an object in the data format of those characteristics that the system described in the framework of the present invention saved (saw).
  • an informational essence is a reflection of the essence of the real world (for example, an object of the external world) with respect to the generated graph / quasi-graph, i.e. in a particular embodiment of the present invention, the construction of a graph / quasi-graph is based on already created information entities.
  • Information entering the system in a particular case from the external world / external environment is used by the system to form information entities, moreover, one of the information entities can be a connecting property (for example, describe the behavior of an object of the external world represented at least , one information entity, or describe the property / characteristic of the object of the external world, for example, color, size, type of object, etc.) of the first information entity.
  • a connecting property for example, describe the behavior of an object of the external world represented at least , one information entity, or describe the property / characteristic of the object of the external world, for example, color, size, type of object, etc.
  • information entities can be implemented by graph nodes, for example, afferent graph nodes and / or graph efferent nodes, where graph nodes (in particular, efferent graph nodes, afferent graph nodes, and other graph nodes) can be connected by at least one insertion a graph node and an insertion node of a graph has at least one input from at least one afferent node of a graph or an insertion node of a graph.
  • graph nodes for example, afferent graph nodes and / or graph efferent nodes, where graph nodes (in particular, efferent graph nodes, afferent graph nodes, and other graph nodes) can be connected by at least one insertion a graph node and an insertion node of a graph has at least one input from at least one afferent node of a graph or an insertion node of a graph.
  • Recognition refers to a set of actions / operations aimed at recognizing objects (words, speech, images, including photographs, objects in images, photographs, etc.) and their structures from information (general information flow, which is described below) coming from the external environment, in particular, through the data input interface and converted into a data recording format (in particular, in the format of a topological field / quasi-graph) of the described system by means of level elements of actuators 1 25 (FIG. 1), the level of neural networks 120 (FIG. 1), the level of logic 115 (FIG. 1).
  • object reconnaissance is the transformation of an object (information object) into an information entity, in particular, on the basis of existing (including created and / or stored) data in a graph (quasi-graph).
  • neural networks at the level of neural networks 120 answers the question of what will be contained at the output of the neural network, but does not answer the question of how this output was received (in particular, output values, data set, etc. )
  • the level of logic 115 also called the level of books or the level of formal logic
  • the logic level contains afferent values (at least one set of data contained in at least one afferent node), structured into formal logic.
  • afferent values at least one set of data contained in at least one afferent node
  • Such structuring is, in particular, formatting the vocabulary of the author of the book into logical constructions.
  • the recorded information in the manner described in the framework of the present invention from a medical textbook
  • the CSI system (for example, using the user interface 172, in particular a graphical user interface, or using devices connected to the described system, for example, displays, audio speakers, etc., as described in the framework of the present invention) is able to generate a data set (output data, output data set, output data set), which are, for example, a diagnosis, in particular . variants of the disease / illness that struck the person, or which are a set of actions necessary to help the patient and / or clarify the diagnosis (for example, conducting additional tests, various diagnostic procedures, etc.), i.e.
  • efferent actions for example, in the form of values / data sets contained in efferent nodes.
  • decision-making process and the execution of efferent actions can be automated, for example, by means of program code and various devices connected to the CSI system (for example , manipulators, automated operating rooms, x-ray machines, automated laboratories, etc.) so that the CSI system using stored nodes can make such decisions and execute commands contained efferent nodes as described below.
  • the CSI system 105 described in the present invention may include a logic level 115, but is an intelligence level system, where the main component of the CSI system is cognitive memory (implemented by the cognitive memory module 172), and other elements, such as 160, 175, 155, 180, 190, 147, 150, 144, and their corresponding levels 115, 120, 125 are optional.
  • cognitive memory implemented by the cognitive memory module 172
  • other elements such as 160, 175, 155, 180, 190, 147, 150, 144, and their corresponding levels 115, 120, 125 are optional.
  • the object is determined by the core of the object and the totality of the characteristics of the object.
  • the characteristics of the object are the following incoming connections of abstractions to the core of the object from other objects, not only the first step, but also at least one step or all steps along the ascending path, thus detailing the object, in particular, detailing the description of the object (including at least one characteristic of the object) can be determined by the depth of the connections included in the description of the ascending path in the graph / quasi-graph.
  • the characteristics of the object are invariant, that is, they are built / created (or calculated) relative to other objects of cognitive memory, in particular, implemented by the cognitive memory module 170 at the intelligence level of the software (FIG.
  • the core of the information object (the core of the object) in the present invention is a node of a graph (in particular, a quasigraph described in the present invention (topological space / topological field), in particular, a graph whose connections between nodes are represented by graph nodes), with respect to which communications forming the characteristics of the object.
  • An example of information (processed information, processed information / data stream) that has passed the reconnaissance step within the framework of the present invention is (strictly) structured data, in particular e-books or drawings, and the strict structure of the data after reconnaissance allows to isolate the data logic.
  • structured data in particular, a strictly structured book, is the code of a computer program, and a drawing in an application for computing devices, for example, a drawing in Autodesk's AutoCAD program, is a strictly structured drawing (strictly structured data).
  • the drawing on paper is not a strictly structured drawing, because it may contain errors, in particular errors in the thickness of the line or in the size of the elements of the drawing, for example, determined by the error of the drawing element (ruler, thicknesser, compass etc.), as well as the thickness of a pencil, pen, etc.
  • the method of CSI (Cognitive Systematization of Information) described in the present invention allows one to isolate the logic of information objects (create logical connections between information objects), i.e. the logic of the behavior of information objects, the logic of establishing relationships between information objects, in particular, the logic of books, and it is invariant to save information about the logic of objects and relations between objects.
  • the described CSI system allows self-learning to create related (for example, related information about several information objects, relations between them, etc.) into a single whole knowledge by creating logical connections and connections for such connections, etc., which allows the described system when objects or tasks enter it for execution in the form of connections, for example , through the data entry interface, by checking the relationships between information objects find similar (suitable) information for a given object or actions saved (existing in the described system) relationships between information objects from stored data for similar objects Comrade information and make decisions as described above, the above-mentioned items of information or tasks do not necessarily have to be contained (stored) in the CSI system.
  • ANN artificial neural network
  • An artificial neural network is a mathematical model, including its implementation by means of computing devices (for example, computers), and the ANN is created on the basis of the organization and functioning of biological neural networks, which are a set of neurons of a living organism, connected or functionally combined in the nervous system of a living organism, and are capable of performing certain (specific) physiological functions.
  • neural networks are not able to answer the question “how are decisions made by neural networks”, and neural networks are not able to interact / manipulate / “work” with most logical chains without teaching a neural network to specific logical chains, since a neural network must be “trained” for a specific subject area of such logical chains, thus the neural network is not able to find solutions based on general experience, i.e. information / knowledge about similar logical chains and objects connected by such logical chains, in particular, from other subject areas, since the neural network does not store decision logic, i.e. Does not answer the question “how exactly was the decision made”;
  • artificial neural networks are a model artificial intelligence, and such ANNs can be attributed to the level, methods and systems of the previous level, methods and systems (methods and systems of CSI) described in the framework of the present invention. It is also worth noting that in the context of the methods and systems of CSI described in the present invention, artificial neural networks can complement the methods and systems of CSI, in particular artificial neural networks (in particular, through the afferent cognitive level converter 155 of neural networks 120 within the framework of the present invention) be used to recognize external information and its transformation into a cognitive form, where the cognitive form of information is a form of information that is understandable / recognizable by a person by the mind / human brain). Those.
  • the CSI system after recognition of information (information objects), for example, coming from outside, for example, from the physical world 142 of the level of the surrounding world 130, FIG. 1, by means of a neural network (neural network level 120, FIG. 1), for example, after text recognition, the CSI system is able to recognize the logic of such recognized text and build the relationships described in the present invention (between information objects and relations between information objects), in particular comparing such links with those already stored in the CSI system (for example, in the cognitive memory module 170 of intelligence level 110, FIG.
  • HMT Hierarchical temporal memory
  • Hierarchical temporary memory is a private model of the brain that models some structural and algorithmic properties of the neocortex (new cortex, isocortex) and is based on the theory of the brain function “memory-prediction”. In particular, hierarchical memory is described as biomimetic / bionic mathematical models of the assumption of causes by the intellect. One of the key features of hierarchical temporal memory is the ability to detect causes and hypothesize reasons. [00067] It is believed (in particular, by the authors of hierarchical temporal memory) that hierarchical temporal memory is closest to the principles of the brain (human brain). Creating a hierarchical temporary memory allows you to solve one of the problems of neural networks, namely the problem associated with the time component, i.e.
  • the CSI system describes time in the form of links between links, where the links are nodes / nodes of a quasi-graph, as described below. So, for example, the earth revolves around the sun.
  • the Earth’s relationship to the Sun exists / is stored or added to the CSI system (the Earth’s relationship with the Sun, that is, the Earth node - the Day node - the Sun node) in the form of a node, in particular a node that characterizes time for example, the time during which the Earth makes a complete revolution around the Sun.
  • the “car” information object (also represented by the quasi-graph node) that moves (or moved) for 24 hours is added to the CSI system, then in the CSI system a connection can be made between the node describing the movement of the “car” object (for example, the “Move” node ”) And the“ Day ”node to save information about the time, in particular, about the time the car was moved (the“ car ”object).
  • the hierarchical temporal memory is limited by the physical structure of the biological neuron.
  • the hierarchical memory system is not able to solve a number of spatio-temporal problems, without which the application of the methods proposed by the hierarchical memory is practically impossible, and is not currently implemented. So, the hierarchical temporary memory system uses the superposition of information coming from outside one after another, which implies the need for such a system to use infinite hardware capabilities and, in fact, simulates ordinary video recording in which the images are pre-structured.
  • hierarchical temporary memory does not allow the implementation of abstract time storage (storage of time in an abstract form, as described above), as well as the relative perception of time (for example, by specifying abstract time intervals, abstract terms, abstract dates, etc.), for example, "until the next drought.”
  • the systems and methods proposed by the authors of the hierarchical temporary memory do not allow storing the indicated data.
  • CRM Customer Relationship Management System, from English Customer Relationship Management
  • ERP Enterprise Resource Planning System, from English Enterprise Resource Planning
  • SCADA Disatch Management System and data collection, from the English - Supervisory Control And Data Acquisition
  • BPMS Business Process Management System, from the English - Business Process Management System
  • cognitive processing i.e.
  • the system and method described in the framework of the present invention can be used not only for intellectual (cognitive) processing of information / data, but also for creating CRM and ERP, allowing, for example, to integrate all accounting in an organization into a single whole , however, this may require training the said system in quantitative accounting (to save the information described in the framework of the present invention, by the CSI method), in particular, in reading numbers.
  • the mentioned saving by the CSI method in afferent nodes for example, of numbers from 0 to 9, on the basis of which quantitative accounting will be carried out.
  • Mathematical operations can be moved outside the described system (for example, how a person uses a calculator, that is, enters numbers and operands and receives ready-made answers), and training is also possible described system described in the framework of the present invention by the method (method of CSI) table of multiplication and / or multiplication in a column, or other mathematical operations.
  • Method of CSI method of CSI
  • CRM, ERP and other systems created on the basis of the described method and / or system (KSI method / method, KSI system) will solve one of the main problems of existing systems - the relationship of heterogeneous objects into a single accounting system.
  • neural networks are not able to cognitively represent the logic of making certain decisions, which makes them practically inapplicable for use in systems where it is important to use business processes or change causal relationships has a complex structure (for example, almost any literary a work, for example, a fairy tale by A.S. Pushkin, has a complex structure that cannot be described by means of existing systems, in particular, by means of neural networks, while such complex structures They can be described by relations between information objects and relationships between objects in a data communications system CSI).
  • CSI data communications system
  • the CSI method implements the ability to enter data into the CSI system, for example, by a person, in particular, through the data / information input interface about information objects, thereby teaching the CSI system cognitive fundamentals, i.e., in particular, teaching the CSI system to process the information received or stored in it (for example, to solve various tasks assigned to CSI system) based on previously saved data describing similar information with similar characteristics.
  • the CSI system does not operate with the concepts of time “past” and “future”, since there is no difference between the past and the future for cognitive memory. For example, a person can read a fantastic story and experience events as if they had happened. For a person, this will be the past, only irrespective of reality, without connection with the external environment. A person realizes that this is fantastic, since the source of information is not connected with reality, but a person can tell a friend about the experienced adventures of the protagonist.
  • the reliability of what happened to a person’s consciousness is determined by the correspondence of a person’s knowledge of the real world, and the connections of objects from a science fiction story have a great depth of continuum (the story will be built on the text, and reading the text is the first depth and the second depth of the continuum).
  • external information perceived by a person information coming from outside
  • the human brain in the form of the text of a book, for example, in the form of the text of an electronic book, the words of which are known to man and objects do not require recognition by the human brain.
  • a person after reading a book a person gains knowledge and is able to answer abstract questions, including reacting to previously not encountered changes in the external environment.
  • the external environment is a source receiving interconnected information for cognitive memory and a receiver of processed information from it.
  • the entire information structure created by the CSI method can be closed to the external environment.
  • the external environment is a single and indivisible object represented in cognitive memory by one core of the information object (the external environment is the same) and characteristics (nodes), which are the only nodes of the graph / quasi-graph in cognitive memory that contain values for their comparison with the kernels of objects in cognitive memory.
  • the CSI method and system described in the framework of the present invention is a set of actions for inputting, outputting, and storing logically related information in a cognitive form (as described below) in order to obtain answers from cognitive memory (described below) based on this information earlier unresolved issues in the CSI system (in particular, in cognitive memory implemented by the (software) module of cognitive memory 170), as well as in order to obtain a response of cognitive memory to an unknown cognitive memory situation (not previously obtained (i.e., information determining the behavior in such a situation is not explicitly contained in the CSI system, for example: “situation1”; if there is “situation 1” in the CSI system, then “reaction2”) provided that the incoming information is described elements from the set of values recognized by the system.
  • the CSI method may include the following actions and elements (which will be disclosed as part of the description of the present invention):
  • afferent nodes that contain information represented by a data set, for example, received in the CSI through a data input interface, and afferent nodes are incoming links / input for the insert nodes described below;
  • the CSI method and system described in the framework of the present invention can be used for logical processing and storage of identified objects, namely, for establishing abstractions, interconnections of such identified objects, as well as for establishing cause-effect relationships between information objects with a view to further based on the training of the described system (for example, by means of the data entered into the described system) to receive various types of tasks from the described system (the described CSI system), including math problems, logic problems, etc. or receive reactions leading to problem solving (for example, in the form of predicting the behavior of an information object or choosing one of the possible behaviors of an information object), including spatio-temporal nature such as forecasts or a reaction to a change in the external environment.
  • training of the CSI system is a process of identifying cause-effect relationships between information objects in the flow of incoming information from the external environment by querying the CSI system to the external environment (described below).
  • the CSI system is able to build causal relationships in cognitive memory based on the reaction of the external environment to the requests of the CSI system.
  • the flow of information is a collection of successive frames (in the particular case, information implemented in the form of quasigraphs described in the framework of the present invention, in which communications are also objects of information), the imposition of which complements spatial relationships with temporary relationships, moreover, the described system comparing each the subsequent frame / quasi-graph with the previous frame / quasi-graph establishes / builds cause-effect relationships, which are the links of quasi-graphs.
  • a relationship between objects is a connection of abstraction from general to particular, in other words, one object is a characteristic of another object, if it is a connection of the first depth.
  • the connection between the object "man” and the object “Ivanov” will be directed from the object “man” to the object “Ivanov”, since a person is a characteristic of Ivanov (a person named Ivanov).
  • the connection from the “heart” object is directed to the “man” object, since the heart is a characteristic of a person, but at the same time, the “heart” can be a characteristic of other living beings, that is objects “creature cat", “creature dog”, etc.
  • a heart transplant action will correspond to an object with an afferent meaning “transplant”, which, in turn, will act as a connection of the second depth between the connections of one heart (replaced heart) with a person and another heart (new heart) with the same person.
  • a heart transplant action will correspond to an object with an afferent meaning “transplant”, which, in turn, will act as a connection of the second depth between the connections of one heart (replaced heart) with a person and another heart (new heart) with the same person.
  • An object is not one node, which is the core of an object, but a combination of a graph node and its constituent connections of various depths of logic with other nodes of the graph, as well as the logical weight of the connections.
  • some related nodes can be afferent nodes are compared, which are the link between the external environment and cognitive memory, as described above.
  • an object acquires its individual properties (a description of the object and its characteristics are set, depending on the type of object, for example, speed, overall dimensions, density, color, beautiful, smart, etc.) through connections with other objects (i.e. i.e., in relation to other objects), which forms, on the whole, within the CSI system, an information single space-time continuum in which each object depends on other objects.
  • the information object "Man” has certain characteristics, for example, height, weight, age, etc., implemented in the form of links with other information objects.
  • the node relative to which the characteristics of the object are collected is the core of the object.
  • the above-mentioned “heart” object is, on the one hand, a characteristic of a person, and, on the other hand, the “heart” object has its own characteristics, i.e. objects characterize each other with mutual relationships, due to which a continuous description of space can be achieved when one part (characteristics or part of the characteristics of an information object) describes another and from this description a single indivisible whole can be obtained without loss of logic.
  • the “heart” object is, on the one hand, a characteristic of a person, and, on the other hand, the “heart” object has its own characteristics, i.e. objects characterize each other with mutual relationships, due to which a continuous description of space can be achieved when one part (characteristics or part of the characteristics of an information object) describes another and from this description a single indivisible whole can be obtained without loss of logic.
  • the kernels of objects do not have direct comparisons of the values of afferent nodes, but are described by a set of characteristics that have comparable values of afferent nodes. So, information objects can be attributed to people who are usually described by two characteristics - name and surname (and not some kind of identification code), which is the afferent value of the core of the object of this particular person.
  • the description of the object (in the particular case, the full description of the object) consists, at a minimum, of the graph node (the kernel of the object) and the totality of all incoming links.
  • the CSI method described in the framework of the present invention can also be used to systematize information (in particular, information objects and relationships between information objects) in the CSI system in such a way that as it increases volumes of information in the CSI system, abstract and causal relationships were built between information objects of arbitrarily deep nesting order (as described below), due to which the CSI system is able to make forecasts using information stored in the CSI system and using newly received data, for example, from the external environment. Also described in the framework of the present invention, the system and method is able to explain the logic of such forecasts, which distinguishes the described method and system from other forecasting methods and systems, for example, implemented on the basis of neural networks.
  • the above logic can be stored in the CSI system in a cognitive form, which allows for situational adaptation of the user interface 172, FIG. 1 of the CSI system for user-entered data (or any other interface for entering data coming from an external data source, in particular, the external environment, the physical world, which simplifies the recognition of new data.
  • the ability to cognitively represent the decision logic of the CSI system is another difference described in within the framework of the present invention, CSI systems from neural networks that are not able to describe the logic of their behavior after training such CSI systems and on the basis of which it is impossible to realize cognitive Simulated by incoming data, user interface.
  • the method of CSI allows you to create cognitive data structures of relativistic logic of any subject area, which is an integral part of the task of creating artificial intelligence.
  • the CSI method and system are described in more detail below, and also describes how the CSI method and system solves its tasks and applied solutions.
  • FIG. 1 shows an exemplary embodiment of a CSI system according to the present invention.
  • the system of CSI (which implements the method of CSI)
  • intelligence is the highest level of abstract systematization of information necessary to perform tasks related to interaction with the external environment, the so-called cognitive systematization of information.
  • the work of intelligence may consist of at least the following, shown in FIG. 1 and the following levels and elements, including information conversion elements (in particular, afferent cognitive transducer 155 and efferent cognitive transducer 180) when inputting / outputting information to the CSI system and from the CSI system in the process of interaction with the external environment.
  • At least one element of the system 105 can be implemented by software (computer program, computer module, a set of algorithms and / or instructions for a computing device) and / or hardware, for example, a device connected to a computing device (via wired communication, for example, via a USB interface, or wireless communication, for example, via Wi-Fi, Bluetooth, etc.) or a device that is an integral part of a computing device, for example, a printed circuit board, or a chip / chipset.
  • the level of the physical world 130 represented by the physical world 142 is an environment 140 (physical environment, external environment) that interacts with the intellect and with which the intellect (in particular, implemented by the cognitive memory module 170) of the CSI system interacts.
  • the external environment 140 has an information field / relativistic spatio-temporal information field (which will be described below), in particular an infinite information field.
  • a relativistic spatio-temporal information field is a mathematical formulation of the sense (in the mathematical sense) of a topological space / topological field / quasi-graph (a set with an additional structure of a certain / definitely given type - topology ), which has at least one property of a connected oriented weighted graph, where some of the nodes of the graph are characteristics of other nodes of the graph, while the nodes of characteristics (abstractions) of the object are defined by incoming connections, and nodes of the graph of the same topological space can act as connections, and changes in the topological space occurs by adding relationships between relationships of characteristics in which the nodes of the graph of the same topological space also act as nodes of the graph.
  • Such nesting described above can be infinite, due to which its space-time continuum is set.
  • the unity of space and time lies in the fact that time does not exist as a separate element in the method and system of CSI, and time is expressed through a change in the characteristics of objects in the system, that is, through the creation of new relationships between the relationships of previous and subsequent changes. Changing the characteristics of objects is a manifestation of time.
  • creating reference changes, through such reference changes, in particular, through relativism (which is described below), time intervals of other changes can be described.
  • One of the tasks of the intelligence (functioning of the intellect) solved by the CSI system is the creation and identification of abstractions necessary for making decisions by the system described, in particular, predicting the behavior of objects / information objects and recognizing the object itself.
  • the external environment 140 is connected to the CSI system 105 through at least one actuating device (converting device / converter, information converter) of the level of actuating devices 125, which allows converting information into at least one data set in the form / format of frames information field (information frames) from the physical environment / external environment 140 into a digital form / format and transmit the converted information frames (for example, in the form of digitized data) to at least one of the elements of the CS system And 105, for example, to the afferent cognitive transducer 155.
  • the information frame is the incoming information from the external environment 140, presented in the particular case in the form of a field graph with first-order depth connections (i.e., spatial connections).
  • the data output (input / output) module 145 is capable of transmitting data / information from the CSI system 105 (from at least one element of the CSI system 105, for example, the efferent cognitive transformer 180) to the external environment 140 of the physical world 142 of the level of the physical world 130.
  • Actuators can be divided into at least two types (although they can be implemented by one information device) of information devices:
  • a device 144 converts 140 the data included in the CSI 105 system from the external environment (in the format of the external environment) into the format of the CSI 105 system (in particular, into a digital format that can be processed by computing devices, for example, a computer : personal computer, server, etc. by using suitable software) for their further processing, in particular, analysis, conversion, storage, etc .;
  • a device 147 that converts the data of the KSI system 105 (in the format of the KSI system 105, the format of digital data) into the format of the external environment.
  • the device / converter 144 may be implemented as devices such as video cameras, various sensors (temperature, pressure, humidity, vacuum sensors, ultrasonic, capacitive, magnetoelectric, humidity, LEDs / photodiodes, etc.), microphones and other devices capable of converting / converting one type of information into another.
  • the device / converter 147 may be implemented by devices such as a monitor, television, projector, etc.
  • the system 105 also includes a level of neural networks 120, which in turn includes an afferent cognitive transducer 155, which is a module, for example, made in the form of software that implements an algorithm for converting (instantly converting) frames of an environmental information field (data sets, previously converted, for example, into a digital form, by a converter 144) into cognitive frames, which are information structures whose elements are cognitive quanta inf rmatsii or, in other words, pieces of information for intelligence indivisible, of which one (intelligence) adds the abstract model of the environment. So, for example, cognitive frames can be represented by words and the relationships between them.
  • the afferent converter algorithm 155 may be an instantaneous algorithm (i.e., executed almost instantly), which, in the particular case, is not used to store information (incoming or transformed by this converter), analysis of the logic of information and prediction of the behavior of the external environment.
  • Information is entered into the system using a dictionary of afferent values recognized by the system, where more than one node of the internal information space can be associated with each afferent value (actions are also objects in the CSI method). Since the graph node is the core of the object, it is possible to find the object and obtain characteristics by comparing several afferent nodes, or if such an object is not found, a new afferent node can be created, which makes it easier to search for such a created node in the future.
  • the afferent values may be words, images, fragments of audio recordings, etc., in particular, converted by the transformer 144.
  • the interaction of the CSI system with an external information field is carried out by entering information into the CSI system and outputting information from the CSI system (by connecting the cognitive memory / internal information field with the external information field).
  • the CSI method can process the information received in it, pre-structured into objects of the first connection depth, describing the details of the objects and their location relative to each other.
  • Such information described above may be contained, for example, in e-books, source computer software codes and does not require a cognitive recognition step.
  • various pattern recognition systems based on neural network principles can be used and afferent cognitive converters 155 and efferent cognitive converters 180 can be used.
  • information in the form of pre-structured data can be entered into cognitive memory 170 by use of the interface, including the user interface 172, which can be implemented as a user interface (navigating and logic), in particular, the user interface shown in FIG. 2.
  • the cognitive memory module 170 can be implemented with at least one data storage, for example, Random Access Memory (RAM), a hard disk drive, a network data storage (including cloud storage and storage methods data) etc. and may include at least one processor, for example, a central processing unit (CPU / CPU) or any other device or unit capable of processing information, in particular for processing data stored in cognitive memory (for example, as described in the framework of the present invention , for example, to create new nodes, establish connections between nodes, etc.), implemented, for example, by the cognitive memory module 170.
  • RAM Random Access Memory
  • CPU central processing unit
  • any other device or unit capable of processing information in particular for processing data stored in cognitive memory (for example, as described in the framework of the present invention , for example, to create new nodes, establish connections between nodes, etc.), implemented, for example, by the cognitive memory module 170.
  • the set of graph nodes and links between graph nodes represents the content of cognitive memory.
  • the content of cognitive memory itself is passive and does not cause any action of the CSI system in relation to the external environment until data that violates the information balance of the system is entered into the system. Recording and storage of newly received information in cognitive memory is carried out on an accrual basis, that is, by adding new information without changing previous information. After entering new information, the CSI system strives for energy optimization, that is, it constantly searches for structures corresponding to information objects similar to the introduced structure in order to minimize the storage of structures by highlighting common abstractions and maintaining a minimum number of object cores.
  • nuclei of objects are resonators that create a field, their minimization entails minimizing the energy expended when data analysis is activated.
  • the search for general constructions and combining them in abstraction is a process of thinking (in particular, the process of thinking of the CSI system, artificial intelligence, cognitive thinking, etc.), which can occur instantly, for example, at the speed of light, etc., however, due to the huge number of possible combinations, sometimes equivalent, leading to the same results of the optimization described here, it can cause optimization fluctuations (variation in the optimization results) and the transition from one optimal cognitive thinking to another passed over time.
  • the situation is determined by the relativity of the nodes being connected and always follows the rule “one through one”.
  • the rule “one through one” means that two nodes can only be connected through the third node, which characterizes such a connection.
  • the mathematical model described in the framework of the CSI system and method provides the invariance of measuring objects relative to the external environment through the relativity mechanism for measuring objects relative to each other, as described in the framework of the present invention.
  • Afferent nodes are the kernels of objects / information objects that contain the values that the CSI system perceives when interacting with the external environment. By using these values, the nodes are compared by the KSI system in cognitive memory, implemented by the cognitive memory module 170 (FIG. 1) and information about the object coming from the external environment.
  • afferent nodes As examples of afferent nodes, one can cite words, phrases, signals, and information in any other form coming to devices / supplied to devices (in particular, digital computing devices), for example, that implement the functionality of converter 144, in particular, information input devices, such as a keyboard, devices that realize recognition of images, speech, sound, etc. ..
  • Information can be output from the CSI system based on the input of new data by the CSI method, for example, as a new data requesting cognitive information from the CSI system, in particular, cognitive memory, or new data may come into the CSI system, based on which the system will respond according to the existing cognitive data structure, in particular, through data output devices, such as, for example , monitor display, various manipulators, etc.
  • the stored logic by the method of CSI in particular, in cognitive memory can be activated and connected with the external environment by various types of devices capable of processing data, coming from the CSI system through executive level devices 125.
  • the output of information can also use predicted cause-effect relationships in cognitive memory, which can be automatically turned on (can be used by the CSI system) upon the occurrence of certain external conditions from the external environment or by directly querying the memory via interface 172.
  • the system of FIG. 1 also includes a module of cognitive memory (cognitive memory) 170, which is an information field of a certain structure described in the framework of the present invention, in particular, implemented as a quasi-graph disclosed in the present invention, into which information / data is recorded in the form of cognitive data / cognitive frames 160 (for example, received from module 155 or from the user interface 172 described below) in progressive total and which is able to respond to the recording of information / data by transmitting / giving (e.g. measures the external medium 140) the predicted information when certain environmental conditions, such as when a request arrives from the external environment for delivery of information from the CSI system, in particular cognitive memory or instantaneously.
  • cognitive memory cognitive memory
  • Such environmental conditions may include various situations occurring in the physical world 142 level of the physical world 130 (FIG. 1), for example, in response to a bright flash recorded by a sensor or camera, the signal of which is transmitted to the CSI system through a converter 144 and processed by the module Cognitive memory 170, the CSI system is able to respond depending on the logic that will be selected by the CSI system based on the information available in it, stored in the form of at least one quasi-graph or at least a bunch of coupled quasi-graphs, wherein the response of the CSI system can be realized, for example, by a device connected to the CSI system, in particular, after converting information from the cognitive memory module by converter 180, for example, into a data format perceived by converter 147, as will be described later, moreover, the transducer 147 can perform not only perform the transform, but also execute, for example, to affect the physical world 142 and its elements.
  • converter 147 may be implemented by a computing device, for example, a personal computer or television, capable, in particular, to display to the user information displayed by the CSI system.
  • the transducer can be implemented by various manipulators, for example, capable of moving or in any other way acting on objects of the physical world 142.
  • the system depicted in FIG. 1 also includes a data input interface / input-output interface (not shown in FIG. 1), which can be implemented in a particular case by a user interface 172 or an interface of the converter of incoming frames of information 144 or can be a separate module, for example, located between (and connecting ) by the user interface 172 and the cognitive memory module 170 or between the physical world 142 and the CSI system, in particular, between the physical world 142 and the converter of incoming frames of information 144, and can also connect (can be located between) the CSI system, in a particular case, the converter of digital data into frames of information of the format of the external environment 147.
  • a data input interface / input-output interface (not shown in FIG. 1), which can be implemented in a particular case by a user interface 172 or an interface of the converter of incoming frames of information 144 or can be a separate module, for example, located between (and connecting ) by the user interface 172 and the cognitive memory module 170 or between the physical world
  • Cognitive memory is a structure capable of preserving all the elements of human perception of the world (previously transformed into the format of cognitive memory, in particular, at least one transducer 150 and 155), namely objects and their abstractions, the connections between objects, including the number of causal relationships in the field graph, which presents the fundamental objects of the external world / physical world 142, such as a common object / proto-object, which is the highest degree of abstraction of all objects, moreover, the naive Shai degree of abstraction is simultaneously designation of an environment 140 in the CSI system, and values of the elements such as the external medium 140, needed to recognize the logical structures of the environment CSI system.
  • the degree of abstraction is the number of connections between the core of the source object along the path of its constituent links to the core of the object, and the level of abstraction of which is calculated relative to the source object.
  • the highest degree of abstraction of any object can be a single indivisible object, which is including the external environment or can be represented by the external environment.
  • the system shown in FIG. 1 may also include an efferent cognitive transducer, which is an algorithm (e.g., an instantly executable algorithm) having the functionality of the opposite functionality of the afferent cognitive transducer 155 and, in a particular case, implements a response of cognitive memory (implemented by the cognitive memory module 170) to the processed / transformed (for example, modules, 155, 144) external information received or received by the cognitive memory module 170 through any other method for example, via the user interface 172.
  • an efferent cognitive transducer which is an algorithm (e.g., an instantly executable algorithm) having the functionality of the opposite functionality of the afferent cognitive transducer 155 and, in a particular case, implements a response of cognitive memory (implemented by the cognitive memory module 170) to the processed / transformed (for example, modules, 155, 144) external information received or received by the cognitive memory module 170 through any other method for example, via the user interface 172.
  • Data (in particular, cognitive frames / cognitive frame stream) converted by the efferent transducer 180 to the format of the transducer 147 is transmitted to the transducer 147, where they are converted from a digital format by actuators (e.g., televisions, monitors, audio speakers, printers, manipulators, signal emitters, relays, etc.) into a format that is perceived (understandable for understanding, processing, etc.) external environment 140 of the physical world 130, for example, an image on a monitor screen, electromagnetic impulses, etc., thus realizing the interaction of artificial intelligence (implemented by the CSI system described in the present invention, in particular, cognitive memory) medium 140.
  • actuators e.g., televisions, monitors, audio speakers, printers, manipulators, signal emitters, relays, etc.
  • an image on a monitor screen for example, an image on a monitor screen, electromagnetic impulses, etc.
  • the output of information / data from the CSI system to the external environment 140 can be carried out when appropriate conditions arise (evaluated, for example, as the probability of a situation being possible) for this information to be perceived by the external environment.
  • the cognitive mind in particular, implemented by the cognitive memory module 170, is capable of outputting information from the CSI system to the external environment 140, if it is assumed (calculated) by means of the cognitive mind, according to, for example, the predictions calculated by it / likelihood that a response will be returned to him (for example, in the form of input to the CSI system) from / from the external environment 140 (a response will be received from the external environment 140), otherwise the information may not be output by the CSI system. So, for example, the KSI system will not output information, for example, to a monitor connected to it, if there is no one to look at the monitor. Also, the CSI system may not output information in the form of sound if no one hears it.
  • the decision to output information from the CSI system to the external environment can be formed in cognitive memory (module cognitive memory 170) at one point in time (in advance), and information can be output when the external environment changes, i.e. the appropriate information about changes in the external environment will come into the CSI system, which will lead to the conclusion of pre-calculated / prepared information.
  • Such a change in the external environment, converted into a command to output information from the CSI system to the external environment can be represented / implemented by establishing / fixing a new connection of existing objects / information objects that have an abstract reaction model to existing information objects in the CSI system.
  • afferent and efferent cognitive transducers are algorithms (which can be represented by modules of a computing device or several computing devices, including computers or computer boards) converting the information entering into and from them into a cognitive form and from cognitive form in instant commands of clear logic, respectively.
  • a user interface 172 can be used (in particular, a user interface, which is a special case of a data input interface), allowing the user to enter data into cognitive memory in the form / format ready-made cognitive frames of information.
  • any data input interface can be used, which allows adding cognitive frames to the system 105, in particular to the cognitive memory module.
  • Such an interface can be represented by the command line, API (Application Programming Interface), etc.
  • the afferent converter and the efferent converter are optional modules of the CSI system that implements the CSI method, and are shown in FIG. 1 as an exemplary embodiment of the method and system of CSI.
  • the CSI method is a set of actions / operations (performed, for example, by a computing device, in a particular case represented by an electronic computer) for processing and presenting information from the external environment in a format that can be recognized by cognitive memory, so that the data (information) received in cognitive memory can be processed by cognitive memory (cognitive memory module) 170.
  • a computing device in a particular case represented by an electronic computer
  • cognitive memory cognitive memory module
  • the CSI method and system described in the framework of the present invention can influence, in particular, as described above on the environment environment 140, for example, through devices connected to the CSI system, which, in turn, can lead to the appearance of new and / or additional information in the external environment, and such information can be used to I optimize cognitive memory (in particular, for building / creating new relationships in a quasigraph between information objects, creating new quasigraphs, deleting new ones with creating new relationships between information objects and relationships, etc.), for example, by entering / receiving such information in the CSI system through various input devices with subsequent processing by the transducer 144.
  • the CSI method uses a mathematical model of “relativistic spatio-temporal information” ion field "(information field, RI field, information RI field), which is part of the systematization of information.
  • Cognitive memory represented by module 170
  • information field topological field / RI field.
  • Insertion nodes are a connection between afferent nodes and other insertion nodes or a connection between insertion nodes, and have incoming connections / inputs from afferent nodes and / or insertion nodes, and are object kernels and characterized by only incoming and outgoing connections with other objects and quasi-graph nodes.
  • the set of insertion nodes forms the logic of the system described in the framework of the present invention. Insertion nodes are created by the CSI system based on unrecognized objects in the flow of incoming information.
  • the CSI method based on the properties of the concept of the information field, has a number of capabilities that allow cognitively systematizing information, describing any medium, including fictional ones (for example, stories from science fiction stories).
  • Cognitive systematization of information is a recognition of the logic of the input data into the CSI system, including causal relationships of information objects with other information objects and information object connections, and also the relationship of the links of information objects with the links of information objects with the aim of recording them in the cognitive memory represented by the cognitive memory module 172.
  • nodes of the graph which are the kernels of information objects, and the incoming connections to the nodes of the graph from other nodes are characteristics of these information objects (in the framework of the description of the present invention, the concepts “object core” and “node” / “graph node” are considered as synonyms).
  • Incoming connections of the first level of abstraction are individual characteristics of an object, communications of a higher degree (second, third, etc.) are abstract characteristics, the presence of which is assumed in the object, if this has not been refuted, for example, by means of the CSI system.
  • Any node of the graph can simultaneously be a linked node and a connection between two nodes of the graph.
  • the relativity property allows you to implement the theory of embodied consciousness when the incoming information in the CSI system is stored in cognitive memory in comparison with the previous information and is described to it (i.e., the incoming information is described by the incoming information itself).
  • Such relativism is a manifestation of the cognitive nature of the CSI method and the cognitive TM system of the CSI.
  • the cognitive nature of the CSI system and the cognitive nature of the CSI method in the context of the described method and system of the CSI means the ability to preserve the entirety of incoming information from the external environment based on previously received information.
  • cognitiveness is a description of the incoming information through information already available in the CSI system, limited to linking nodes, that is, forming an individual relative TM for new objects (which reflects the relativism of the CSI system and method).
  • This approach expands the cognitive cognition for its application not only to human consciousness, but also to other systems, including artificial origin, including the CSI system.
  • Any cognitive nature is based on the principles of relativism, that is, a description of one through the other, in particular, a description of one information object through another information object, for example, the characteristics of the information object.
  • Links the role of which are nodes of the information field, have the topological weight of the link, which is expressed in incoming links (determined by incoming links) to these link nodes from other nodes. It is worth noting that communication is also an object. So, for example, two nodes acting as bonds can have a single / one input node of abstraction, so we can talk about the uniformity of the weight of the bonds. For example, we can create an abstract Kilogram object and it will be an input node for two objects “heavier than man” and “lighter than man” and these objects can be used as links where it is important to indicate the physical weight of one object relative to another, characterizing it relative to the weight of people.
  • node The role of a node as a connection between two other nodes is relative and depends on which node it is considered with respect to, that is, for example, which node is the description of the current node in this particular case.
  • any information object in particular, represented by a graph / quasi-graph node
  • has an incoming link path containing a set of links located from one information object to another information object, which will lead to this object of the highest abstraction.
  • a "proto-object” which is implemented / represented by at least one quasigraph quantum node in the CSI system, and the quasigraph quantum nodes are incoming connections / inputs for the quasigraph insertion nodes.
  • this object denotes the very meaning of the concept of the object and establishes the fact that the entire information space consists of objects.
  • the connections are objects information field, and objects that do not have incoming connections have a connection with a protoobject
  • the model of an information field shows that all unsystematized space is filled with objects with incoming links from a protoobject, which acts as the highest abstraction for many objects and for many relationships .
  • the CSI method allows to unify the systematization of information of any depth of logic and degree of abstraction, namely it allows you to save not only the structure of abstractions of objects, but also the cause-effect relationships that arise in the process of changing these objects.
  • the first connection depth describes / reflects the spatial structure of objects, their detail and abstraction.
  • the second connection depth describes changes in space, that is, time.
  • the third connection depth reflects causal relationships between changes in space.
  • the fourth and further depths of connections reflect other dimensions that are currently not perceived by the human consciousness, but their use for scientific purposes is supposed to study processes in multidimensional spaces.
  • the depth of logic is the number of connections between objects (information objects) that act as links relative to each other between the original connection and the connection, the depth of which is calculated / established / considered relative to the original connection.
  • the first depth of logic corresponds to abstraction
  • the second depth of logic - a change in space
  • the third depth of logic - a causal relationship.
  • storing data for example, the above-mentioned cognitive frames, in particular, new cognitive frames
  • the cognitive memory module one selects the structure (chain) with the least number of bonds (in the particular case, the bonds are an analog of energy, where one link is one unit, respectively, the system seeks to minimize storage costs, to minimize connections).
  • the main difference between the information field and the associated oriented graph is that the graph nodes belonging to the set of nodes of the same graph can act / be used as edges of the graph, and the node itself, which acts as a connection between the other two nodes, determines how It was said above that the topological (not numerical) or in other words the logical weight of the connection.
  • the direction of communication describes the spatio-temporal abstraction of objects “from general to particular”, where the connection always begins with an abstract object and ends on a specific object, including the properties of the abstract object.
  • the change in the information field occurs on an accrual basis as information accumulates, but not by removing or replacing elements of the information field.
  • connection depth at which each communication depth corresponds to a certain nature of the field change is the depth of abstraction.
  • the second connection depth is a change in objects that reflects the passage of time.
  • the third depth of the supply is a causal relationship and so on.
  • the CSI method does not consider numbers as an independent tool, since the CSI method is based on the principles of relativism of objects, and numerical methods violate this principle. So, in the CSI system, numerical measurements of objects are built on the basis of relationships between the comparison of some objects (the number of which is obviously known) to other objects. For example, the presence of ten fingers on a hand allows them to be compared through connections to other objects, the number of which is ten. As you know, human consciousness is not able to carry out complex mathematical calculations in the mind more than the tangible number of objects. However, for specific needs, one can introduce the concept of objects of a number series and describe the mathematical apparatus (including formulas) used by a person to solve mathematical problems without involving computer technology.
  • tools external to the cognitive memory can be used in the “request-response” format whereby the cognitive memory is able to request accurate calculations if it is necessary to determine the relativity of objects and build the corresponding relativistic relationships within itself.
  • Environmental tools are external systems of clear logic, which are directories of absolute values for cognitive memory that cognitive memory can use to identify / establish cause-effect relationships in the incoming information. Also, external systems of clear logic can be used to move from absolute values to relativistic structures. So, for example, standards of units of measurement, physical constants are a typical example. Environmental tools can be used when applying the CSI method when entering information into the CSI system from the external environment and when outputting information from the CSI system to the external environment, since the external environment exists in the world of absolute values, while cognitive memory can contain any, up to to the fantastic in terms of physics, the idea of the external environment.
  • cognitive memory Since, as described above, cognitive memory is invariant and relative, then to create clear platforms on its basis logic requires tools to work with absolute values such as world time, constants, units of measurement, etc.
  • cognitive memory can communicate with information tools of the external environment through afferent nodes, which allow you to enter absolute information from the external environment to turn it into relative information inside the cognitive memory implemented by the cognitive memory module 170.
  • One of the tools of the external environment is a real-time clock.
  • FIG. Figure 2 shows an example user interface, implemented as a logic navigator, used by the KSI system, in particular for entering data into the KSI system, for example, to enter data into cognitive memory, and also used to output data from the KSI system (in particular, physical world), for example, visualization of data stored in the CSI system.
  • the logic navigator may include a logic navigator panel 210, the selection of any object (element of the logic navigator panel) of which the user can be shown a characteristics map / object card 280, containing, in the particular case, the characteristics of the selected element of the logic navigator panel.
  • the logic navigator panel may contain a region of the current logic, i.e.
  • the area of the current logic 230 may contain a search string 240 (which can be used to search for data, objects, quasi-graph nodes, etc. stored in cognitive memory or being part of the external environment, in particular, the physical world 142, FIG. 1) and the focus of the current logic 220, and the focus of the current logic can change (it can be changed, for example, by the algorithm for processing the commands of the logic navigator panel), for example, to the shown example of a different focus of the logic 225, depending on the change in focus of the current logic, which is carried out, for example, by the up and down arrows in the command line 270 of the logic navigator panel.
  • a search string 240 which can be used to search for data, objects, quasi-graph nodes, etc. stored in cognitive memory or being part of the external environment, in particular, the physical world 142, FIG. 1
  • the focus of the current logic 220, and the focus of the current logic can change (it can be changed, for example, by the algorithm for processing the commands of the logic navigator panel),
  • the command line of the logic navigator can be used to add (delete) a user to the CSI system (in the particular case, to the cognitive memory implemented by the cognitive memory module 170) of objects, quasi-graph nodes, links between quasigraph graph nodes, i.e. in a particular case, train the CSI system.
  • the area of the current logic 230 may contain a list of links 250, in particular, for the currently selected object (element of the logic navigator panel), for example, between quasi-graph nodes, objects and data stored in cognitive memory and / or environmental objects.
  • the logic navigator panel 210 may include operational logic objects 260, in particular, related to the selected object in the logic navigator panel, and in a particular case, containing actions applicable to the selected object in the logic navigator panel, for example, for the selected object " Locomotive inv. Le 234-1 "the operational logic objects may contain the objects" Engine stop 124N14 / 16.5 “and” Starting the engine 124N14 / 16.5 “, allowing you to start and stop the engine of the selected locomotive, i.e. in the particular case contain instructions / commands for the device controlling the electric motor, or for the electric motor itself, and relate to the efferent nodes of the quasi-graph (620, FIG. 6), i.e.
  • the user can be shown a characteristics map (object card) of the selected object, while the user sees the entire chain of communication passed, and without resetting it, the user can also view characteristics maps (object cards).
  • object card characteristics map
  • FIG. Figure 3 shows an exemplary version of a cognitive relativistic information field (topological field).
  • the following is an example demonstrating a method for cognitively organizing information / data described in the framework of the present invention.
  • any database can be used, for example, file cabinets, hierarchical databases, network databases, relational databases, multidimensional databases, object-oriented databases, etc., including, for example , graph databases, semantic databases, databases of the "entity-relationship" type and others, and / or any other systematization tool can be used, implemented, for example, by program code.
  • a methodological connection in a particular case, is an object linking at least two other objects.
  • Technological communication is information / data on the direction of communication and / or other objects connected by such communication.
  • the connections used in such databases can be technological connections.
  • the cat is in the room, represented by at least afferent node 342, and changes its location / location (at least afferent node 336) by moving / moving (at least , afferent node 340) from point A, represented by at least afferent node 338, (for example, being the far left corner of the room) to point B, represented by at least afferent node 344 (e.g., the far right upper corner), and the cat’s hair stands on end / sticks out (p at least afferent node 332) after moving to point B.
  • the cat can lie down (at least afferent node 330).
  • the information in this example can be described by quasigraph nodes in the topological field shown in FIG. 3, in particular, as shown above.
  • the cat object can be described in various ways, for example, in the form of a cat image, the word “cat” or the word “cat”, which are stored in the CSI system as afferent nodes 320 (cat image), 322 (“cat”) and 324 ( "Cat"), respectively.
  • the cat object in the CSI system can be described by means of at least one node, for example, at least one afferent node, and in this case, three afferent nodes.
  • the image of a cat, “cat” and “cat” are special cases of the Cat object, so one insertion node 375 can be created for them, associated with the corresponding afferent nodes 320, 322 and 324.
  • the cat has wool, the presence of which is expressed as the corresponding afferent node 326 and the insertion node 350.
  • Cat hair (350) is connected with the cat (375) through the cover (afferent node 334, insertion node 365).
  • the connection from the fur to the cat is incoming, so the cat is a special case of hair and is determined by the cover.
  • the connection between the cat and the hair is the object of "cover”.
  • Such connections are “one - part of another” or “general and particular” are a reflection of first-order intelligence, as described above.
  • the informational essence of a cat can be described through afferent nodes, cat's paws, cat's tail, cover and so on.
  • other informational entities can be created, the description of which is not necessarily directly connected with any afferent node, but can be connected through at least one insertion node.
  • the informational entity “lies” is an informational entity
  • the informational entity is an action, but not necessarily the word “lies” can be represented by an afferent node, but can be described by a number of other graph nodes (for example, insert and / or afferent).
  • an information entity is an object that is defined by a combination of nodes and the relationships between them.
  • a quasi-graph node which is part of an information entity, has at least one ascending path to an afferent graph node.
  • Objects that act as a connection between objects that act as a connection of abstractions are objects that characterize a change and are usually denoted by verbs.
  • a person reflects / characterizes second-order intelligence, i.e. reflects time.
  • This way can be a system of measures of time with respect to atomic vibrations (in a particular case, an atomic clock).
  • the connections between the connections are causal and third-order intelligence inherent in man. In this way, a person is able to store information when one change affects another.
  • the previously accumulated information (stored in the form of datasets and quasi-graph / quasi-graph nodes) is reused to present new information or information in a new format.
  • this event can be saved as a quasi-graph connection - instantiation from the object of the car, geolocation and communication with objects as verbs as relativity of time / time parameter so that the system has information about what time / when the car was noticed).
  • a person When a person needs to answer a question about a given car, a person, based on experience (stored information), will be able to state the operation of the atomic vehicle and its behavior, and in the case of the KSI system, when asked to the KSI system about the operation and behavior of the car, the KSI system will be able to answer the request according to the accumulated experience (stored information).
  • the insertion unit 355 reflects first-order intelligence, i.e. is an abstract connection from the general to the particular.
  • the insertion unit 360 is a reflection of second-order intelligence (change as a sense of time), in the particular case it characterizes change as a function of time.
  • Insertion unit 380 is a reflection of intelligence third order (when one change affects another - a causal relationship), as described above.
  • the nodes stored in the graph can be used to create at least one insertion node and / or at least one afferent node, and / or at least one efferent node / and / or at least one quantum node.
  • the set of insertion nodes stored in the graph forms a logic that can be used, at least, to systematize the information stored in the graph in the form of nodes.
  • FIG. 4 shows the general case of a graph and an example of writing a graph in the form of a matrix.
  • FIG. 4 (A) shows an exemplary graph.
  • FIG. 4 (B) shows a variant of recording the adjacency matrix of the graph depicted in FIG. 4 (A), which is one way of representing a graph in the form of a matrix by which the characteristics of the vertices of such a graph can be found. So, the sum of the elements of the i-th row of the matrix gives a half-degree of the outcome of the vertex xi, and the sum of the elements of the i-th column gives the half-degree of the approach of the vertex xi. From the adjacency matrix, one can find direct and inverse mappings.
  • FIG. 5 shows a matrix (in the particular case of an adjacency matrix) of an information field / topological field (represented by a quasi-graph) according to the present invention.
  • the matrix of the information field consists of the region of afferent nodes (A1-Ap), insertion nodes (II-In) and efferent nodes (El-Ep).
  • the graph in the CSI system is represented by a quasi-graph in which, in the particular case, the graph links are also represented by nodes, in contrast to the classical description of the graph by a two-dimensional matrix, where 1 or 0 means the connection exists
  • the CSI can be used as at least one two-dimensional matrix, and at least one three-dimensional matrix, in which the third dimension is an indication of a node acting as a connection (being a connection). It is worth noting that between two nodes of the graph there can be several connections, and, accordingly, several nodes of the graph, performing the role of ties.
  • the matrix is a three-dimensional matrix in which the third dimension is made up of the same nodes of the graph along the “Z” axis, and at the intersection - “1” and “0”, indicating the fact of communication through the graph node that goes along the Z axis , ie, in the particular case, “1” and “0” are indicated in the cells of the aforementioned three-dimensional matrix, and the nodes of the graph along the “Z” axis, and “1” is put on the contrary for those that perform the communication role.
  • the graph nodes generated by the described system can be stored (in particular in the cognitive memory described in the framework of the present invention) as unique identifiers in at least one graph database implemented by at least one matrix (in including a three-dimensional matrix, in the particular case the intersection of the X, Y and Z axes contain ones and zeros, and the matrix axes are identifiers (IDs) or afferent values described in the framework of the present invention, if these are afferent nodes ) in a computer-readable memory (random access memory, read-only memory device, hard disk drive, etc.) of a computing device (on which the system and method described in the framework of the present invention can be implemented) or an external device (for example, a personal computer, server, etc.) associated with said computing device, for example, via wired communication (USB, etc.) or wireless communication (Wi-Fi, Bluetooth, etc.).
  • IDs identifiers
  • afferent values described in the framework of the present invention if these are affer
  • FIG. 6 shows an example of the training and functioning of the CSI system with recording information in the form of a graph and a conjugation matrix.
  • the system described in this invention contains afferent nodes 610, receiving the count from 1 to 9 (for example, from the external environment, the physical world) and the sign of multiplication.
  • command 4 that is, in the particular case, it contains the reaction of the described system, for example, an output command to the screen / display of the number “4” or a command to reproduce by means of speakers connected to the described system, “the answer is four”, etc.
  • Communication 12 (implemented as an insertion unit 630) demonstrates / reflects the nucleation of an object. Like everything in nature, the form of the further formation of an object around a node develops in a spiral (exponential). If 12 has no records of relations in the matrix, then 12 has an incoming connection from the quantum node described earlier in the framework of the present invention.
  • the system recognizes the second two in the text combination “2 * 2” and writes to the cognitive memory, so that the matrix 640 takes the form 640B.
  • the KSI system can analyze the “run through” (pass through the nodes and bonds of the quasi-graph) of the reaction from the closest nodes connected to the efferent nodes to the farthest nodes.
  • the CSI system will compare such a reaction with the information obtained by establishing links between the nodes of the quasi-graph.
  • the CSI system or the person / user of the CSI system can create an afferent object (in in particular, the afferent node) "2 * 2", that is, the described CSI system does not have to run through / pass the matrix (in particular, the quasigraph nodes) to the reaction mentioned, and the described system will immediately indicate the desired object (in particular, the node), etc. e. to the existing afferent object (in particular, stored in cognitive memory) in an existing afferent object (in particular, an afferent node) “2 * 2”.
  • a software node with an incoming connection from the insertion node II 635 can be created in the CSI system (using the CSI system or by a person / user) and also conduct an incoming connection from the afferent node "2 * 2".
  • the described CSI system does not need to read (for example, subtract by character) the text combination “2 * 2” from left to right.
  • Learning to read people works in a similar way, i.e. a person begins to perceive “2 * 2” not as text, but as an image without having to read “2 * 2” from left to right.
  • FIG. 7 shows an example of a general-purpose computer system that includes a multi-purpose computing device in the form of a computer 20 or a server including a processor 21, a system memory 22, and a system bus 23 that couples various system components, including the system memory to the processor 21.
  • the system bus 23 may be any of various types of bus structures, including a memory bus or memory controller, a peripheral bus, and a local bus using any of a variety of bus architectures.
  • System memory includes read-only memory (ROM) 24 and random access memory (RAM) 25.
  • the ROM 24 stores the basic input / output system 26 (BIOS), which consists of basic routines that help exchange information between elements within the computer 20, for example, at the time of launch.
  • BIOS basic input / output system 26
  • Computer 20 may also include a hard disk drive 27 for reading from and writing to a hard disk, not shown, a magnetic disk drive 28 for reading from or writing to a removable magnetic disk 29, and an optical disk drive 30 for reading from or writing to a removable optical disc 31 such as a CD, a digital video disc, and other optical means.
  • the hard disk drive 27, the magnetic disk drive 28, and the optical disk drive 30 are connected to the system bus 23 by means of the hard disk drive interface 32, the magnetic disk drive interface 33, and the optical drive interface 34, respectively.
  • Storage devices and their respective computer readable means provide non-volatile storage of computer readable instructions, data structures, program modules and other data for computer 20.
  • Computer 20 includes a file system 36 associated with the operating system 35 or included in her, one or more software applications 37, other software modules 38 and software data 39.
  • the user can enter commands and information into the computer 20 using input devices such as a keyboard 40 and pointing device 42.
  • Other input devices may include a microphone, joystick, gamepad, satellite dish, scanner, or any other .
  • serial port interface 46 which is connected to the system bus, but can be connected via other interfaces, such as a parallel port, a game port, or a universal serial bus (USB).
  • a monitor 47 or other type of visual display device is also connected to the system bus 23 via an interface, such as a video adapter 48.
  • personal computers typically include other peripheral output devices (not shown), such as speakers and printers.
  • Computer 20 may operate in a networked environment through logical connections to one or more remote computers 49.
  • the remote computer (or computers) 49 may be another computer, server, router, network PC, peer device, or other node on a single network, and also typically includes most or all of the elements described above with respect to computer 20, although only an information storage device 50 is shown.
  • Logical connections include a local area network (LAN) 51 and a global computer network l (GCS) 52.
  • LAN local area network
  • GCS global computer network l
  • Such network environments are commonly found in institutions, corporate computer networks, the Intranet, and the Internet.
  • a computer 20 used in a LAN network environment is connected to a local area network 51 via a network interface or adapter 53.
  • a computer 20 used in a GKS network environment typically uses a modem 54 or other means to establish communication with a global computer network 52, such like the internet.
  • the modem 54 which may be internal or external, is connected to the system bus 23 via the serial port interface 46.
  • program modules or parts thereof described with reference to computer 20 may be stored on a remote information storage device. It should be noted that the network connections shown are typical, and other means may be used to establish communication between computers.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Изобретение относится к области хранения и обработки данных. Технический результат заключается в расширении функциональных возможностей хранения и обработки данных. Способ для хранения данных, выполняемый на вычислительном устройстве, содержит этапы: получения информации об объекте информации из внешней среды в виде набора данных; формирования из набора данных информационных сущностей, причем вторая информационная сущность является связующим свойством первой, в виде двух афферентных узлов графа, представляющих собой данные, преобразованные афферентным когнитивным преобразователем, преобразующим набор данных в когнитивные кадры, представляющие собой информационные структуры, элементами которых являются когнитивные кванты информации, неделимые для интеллекта; формирования, вставочного узла графа для каждого из афферентных узлов графа, причем вставочный узел графа имеет вход, но крайне мере, от одного афферентного или вставочного узла графа; формирования связи между афферентными узлами графа, причем связи формируются через вставочные узлы графа; сохранения сформированных узлов графа в графовой базе данных, реализованной матрицей в машиночитаемой памяти упомянутого вычислительного устройства или внешнего устройства, связанного с вычислительным устройством.

Description

Система и способ для хранения и обработки данных.
Область техники
[0001] Настоящее изобретение относится к способу и системе для хранения данных, в частности, к способу и системе для хранения и обработки данных.
Уровень техники
[0002] Разработка различных интеллектуальных способов систематизации информации, включая хранение данных, в том числе на базе нейронного подхода (нейронных сетей и системы иерархической памяти), ведется уже давно, однако все созданные решения (в частности, способы), как правило, ограничиваются строго прикладными решениями для решения узких (в локальной предметной области) задач, в частности в области распознавания (рекогниции) информации/данных, например, распознавания текста или графических образов/изображений (по шаблонам, контрольным точкам и т.д.), в частности, статических изображений (например, изображений, сохраненных в цифровом формате, на бумаге, на сетчатке глаза человека, отображаемых через как дисплеи электронных устройств), и объектной систематизации такой информации, но не решают вопрос с распознаванием логических взаимосвязей такой информации/данных в пространственно-временом континууме (т.е. в рамках физической модели, дополняющей пространство равноправным временным измерением и таким образом создающая теоретико-физическую конструкцию, i
называемую пространственно-временным континуумом), что не позволяет создавать системы, способные реагировать на непредсказуемую информацию (например, предсказывать и реагировать на поведение объекта/объекта информации/информационного объекта, ранее не встречающееся в окружающем мире/окружающей среде/внешней среде либо в системе или устройстве для хранения информации, реализуемых способом, описываемым в рамках настоящего изобретения) в рамках поставленных целей.
[0003] Существующие способы хранения и обработки данных/информации, в частности, нейронные сети накладывают информацию поверх накопленного такими сетями опыта и в ответ на запрос данных или ответа на поставленную задачу предоставляют готовые решения, вне зависимости от типа и вида информации, хранимой в таких сетях или поступающей в такие сети.
[0004] Также, в существующих нейронных сетях отсутствует механизм систематизации причинно-следственных связей объектов информации, отсутствует механизм пошагового принятия решений, отсутствует способ систематизации абстракций и их применение к вновь поступающим данным требует настройки под узкий круг задач.
[0005] Еще один способ хранения и обработки информации/данных, в частности, иерархическая временная память ограничена физическим строением биологического нейрона. Используя более сложную модель искусственного нейрона, но являющуюся упрощенной моделью натурального/биологического нейрона, система иерархической памяти не способна решить ряд задач пространственно-временного характера, без которых прикладное использование предлагаемых иерархической памятью способов практически невозможно, и на данный момент не реализовано. Так, система иерархической временной памяти использует наложение поступающей извне информации одну за другой, что предполагает необходимость использования такой системой бесконечных аппаратных возможностей и, по сути, моделирует обычную видеосъемку, в которой изображения заранее структурированы.
[0006] Таким образом, на сегодняшний день не существует систем и способов хранения, обработки и систематизации информации, позволяющих создавать прикладные системы и учитывать огромный пласт информации (объем информации), в частности когнитивные связи между объектами, в том числе абстрактные и причинно-следственные связи.
[0007] Соответственно, основываясь на анализе существующего уровня техники и возможностей, существует потребность в данной области техники в системе и способе для хранения и обработки данных.
Сущность изобретения
[0008] Техническим результатом настоящего изобретения является расширение функциональных возможностей хранения и обработки данных, за счет комплексного анализа входных данных об объектах внешней среды и связях между объектами внешней среды с учетом исходных данных об объектах внешней среды, содержащих информацию о связях между объектами внешней среды, и за счет хранения входных данных в виде узлов графа в графовой базе данных, реализованной матрицей в машиночитаемой памяти упомянутого вычислительного устройства или внешнего устройства, связанного с упомянутым вычислительным устройством.
[0009] Согласно одному из вариантов реализации, предлагается способ для хранения данных, выполняемый на электронном вычислительном устройстве, причем способ содержит этапы, на которых получают информацию об объекте информации из внешней среды в виде набора данных; формируют из набора данных по крайней мере две информационные сущности, причем вторая информационная сущность является связующим свойством первой информационной сущности, в виде двух афферентных узлов графа; формируют, по крайней мере, один вставочный узел графа для каждого из упомянутых афферентных узлов графа, причем вставочный узел графа имеет, по крайней мере, один вход, по крайне мере, от одного афферентного узла графа или вставочного узла графа; формируют связи между первым и вторым афферентными узлами графа, причем связи формируются через вставочные узлы графа; сохраняют сформированные узлы графа в, по крайней мере, одной графовой базе данных, реализованной, по крайней мере, одной матрицей в машиночитаемой памяти упомянутого вычислительного устройства или внешнего устройства, связанного с упомянутым вычислительным устройством.
[00010] В одном из частных вариантов реализации сформированные узлы графа сохраняют в виде уникальных идентификаторов.
[00011] В одном из частных вариантов реализации при сохранении сформированных узлов графа им присваивают уникальные идентификаторы.
[00012] В одном из частных вариантов реализации связь между первым и вторым афферентными узлами формируется в виде вставочного узла графа.
[00013] В одном из частных вариантов реализации способ дополнительно включает создание вставочного узла, являющегося результатом связывания по крайней мере, одного афферентного узла и по крайней мере одного вставочного узла графа или по крайней мере одного афферентного узла и по крайней мере одного афферентного узла графа, или по крайней мере одного вставочного узла и по крайней мере одного вставочного узла графа. [00014] В одном из частных вариантов реализации способ дополнительно включает формирование из набора данных или другого набора данных информационной сущности, являющейся действием, совершаемом над, по крайней мере, одной информационной сущностью, упомянутой в п.1 , в виде эфферентного узла графа; формирование, по крайней мере, одной связи между, по крайней мере, одним вставочным узлом графа и эфферентным узлом графа.
[00015] В одном из частных вариантов реализации формирование связи с эфферентными узлами осуществляется в результате анализа узлов графа и/или создания афферентных узлов графа и/или вставочных узлов графа.
[00016] В одном из частных вариантов реализации указанный граф является квазиграфом, в котором, по крайней мере, одна связь между, по крайней мере, двумя связями в графе хранится в виде, по крайней мере, одного узла и/или, в котором, по крайней мере, одна связь между, по крайней мере, двумя узлами графа хранится в виде, по крайней мере, одного узла графа, и/или в котором, по крайней мере, одна связь между, по крайней мере, одним узлом графа и, по крайней мере, одной связью хранится в виде, по крайней мере, одного узла графа.
[00017] В одном из частных вариантов реализации получение информации об объекте информации из внешней среды в виде набора данных осуществляется посредством интерфейса ввода данных.
[00018] В одном из частных вариантов реализации интерфейс ввода данных реализован интерфейсом пользователя и позволяет вводить, по крайней мере, один входной набор данных.
[00019] В одном из частных вариантов реализации сформированные узлы графа используются для создания, по крайней мере, одного вставочного узла графа и/или, по крайней мере, одного афферентного узла графа, и/или, по крайней мере, одного эфферентного узла графа.
[00020] В одном из частных вариантов реализации совокупность сформированных вставочных узлов графа являются логикой, которая используется для систематизации информации, хранящейся в графе в виде· сформированных узлов.
[00021] В одном из частных вариантов реализации наборы данных содержат информацию, по крайней мере, об одном объекте внешнего мира и описание такого объекта.
[00022] [00023] В одном из частных вариантов реализации вставочный узел является интеллектом первого порядка и является абстрактной связью между объектами внешней среды от общего к частному.
[00024] В одном из частных вариантов реализации вставочный узел является интеллектом второго порядка и характеризует изменение объектов внешней среды, как функцию от времени.
[00025] В одном из частных вариантов реализации вставочный узел является интеллектом третьего порядка и является причинно следственной связью между наборами данных и/или объектами внешней среды.
[00026] В одном из частных вариантов реализации объекты внешней среды распознаются посредством сравнения сформированных узлов графа и/или связей между узлами графа.
[00027] В одном из частных вариантов реализации для нераспознанного объекта внешней среды формируются вставочные узлы, причем для нераспознанного объекта не были ранее сформированы афферентные узлы графа или эфферентные узлы графа.
[00028] В одном из частных вариантов реализации распознавание нераспознанного объекта осуществляется с использованием, по крайней мере, одного набора данных, соответствующего нераспознанному объекту и сохраненного в виде афферентного узла графа, и/или с использованием, по крайней мере, одного ранее сохраненного набора данных в виде афферентного узла графа, и/или с использованием созданного ранее, по крайней мере, одного вставочного узла графа.
[00029] В одном из частных вариантов реализации, по крайней мере, один набор данных, сохраненный в виде афферентного узла графа, и/или, по крайней мере, один вставочный узел графа описывает объект физического мира, отличный от нераспознанного объекта физического мира, причем между такими афферентными узлами графа и/или вставочными узлами графа создаются связи с афферентными узлами графа и/или вставочными узлами графа, описывающими нераспознанный объект физического мира с целью накопления информации о логических связях между распознанными объектами физического мира и нераспознанным объектом физического мира, тем самым реализовывая прогнозирование поведения объекта физического мира. [00030] в одном из частных вариантов реализации формирование информационных сущностей включает использование словаря афферентных значений, в котором каждому афферентному значению сопоставляется, по крайней мере, один узел графа.
[00031] В одном из частных вариантов реализации информационная сущность связана с афферентным узлом по крайней мере одним вставочным узлом.
[00032] В одном из частных вариантов реализации афферентные узлы содержат данные, преобразованные афферентным когнитивным преобразователем, характеризующимся способностью преобразовывать набор данных, по крайней мере, в один когнитивный кадр, представляющий собой, по крайней мере, одну информационную структуру, элементами которой являются когнитивные кванты информации/фрагменты информации, неделимые для интеллекта.
[00033] В одном из частных вариантов реализации формирование, по крайней мере, одного узла графа в виде квантового узла графа, являющимся наивысшей степенью абстракции и входом, по крайней мере, для одного вставочного узла графа и содержащим описание набора данных.
[00034] В одном из частных вариантов реализации матрица реализована трехмерной матрицей, пересечение осей X, Y и Z которой содержат единицы и нули, а оси матрицы являются идентификаторами (ID) или афферентными значениями.
[00035] В одном из частных вариантов реализации осуществляется преобразование, по крайней мере, одного сформированного узла графа, по крайней мере, в одну связь между узлами графа и/или, по крайней мере, в один вставочный и/или другой афферентный узел графа, и осуществляется сохранение, по крайней мере, одного такого узла графа в графовой базе данных.
[00036] Согласно другому варианту реализации, предлагается система для хранения и обработки данных, включающая интерфейс ввода данных, обеспечивающий ввод информации об объекте информации из внешней среды и преобразующий введенную информацию, по крайней мере, в один набор данных; конвертор информации, преобразующий информацию, по крайней мере, в один набор данных и передающий набор данных в афферентный когнитивный преобразователь; афферентный когнитивный преобразователь, реализованный программным модулем, преобразующий набор данных в когнитивные кадры, представляющие собой информационные структуры, элементами которых являются когнитивные кванты информации, неделимые для интеллекта, причем из набора данных формируются по крайней мере две информационные сущности, причем вторая информационная сущность является связующим свойством первой информационной сущности; программный модуль когнитивной памяти, осуществляющий: создание и хранение информационных структур в виде афферентных узлов графа; создание и хранение вставочных узлов графа для афферентных узлов графа, причем вставочный узел графа имеет, по крайней мере, один вход, по крайне мере, от одного афферентного узла графа или вставочного узла графа; создание и сохранение связей между афферентными узлами графа, причем связи формируются через вставочные узлы графа.
[00037] В одном из частных вариантов реализации система дополнительно включает создание и сохранение модулем когнитивной памяти, по крайней мере, из одного набора данных информационной сущности, являющейся действием, совершаемым, по крайней мере, над одной информационной сущностью, в виде эфферентного узла графа.
[00038] В одном из частных вариантов реализации система дополнительно включает сохранение модулем когнитивной памяти узлов графа в виде уникальных идентификаторов, по крайней мере, в одной графовой базе данных, реализованной, по крайней мере, одной матрицей в машиночитаемой памяти упомянутого вычислительного устройства или внешнего устройства, связанного с упомянутым вычислительным устройством.
Краткое описание чертежей
[00039] Дополнительные цели, признаки и преимущества настоящего изобретения будут очевидными из прочтения последующего описания осуществления изобретения со ссылкой на прилагаемые чертежи, на которых:
[00040] ФИГ. 1 иллюстрирует примерный вариант реализации системы КСИ согласно настоящему изобретению;
[00041] ФИГ. 2 иллюстрирует примерный вариант интерфейса пользователя (навигатора логики);
[00042] ФИГ. 3 иллюстрирует примерный вариант когнитивного релятивистского информационного поля (топологического поля), согласно настоящему изобретению; [00043] ФИГ. 4 иллюстрирует общий случай графа и примерный вариант записи графа в виде матрицы.
[00044] ФИГ. 5 иллюстрирует матрицу (в частном случае матрицу смежности) информационного поля (представленного квазиграфом) в системе КСИ согласно настоящему изобретению.
[00045] ФИГ. 6 иллюстрирует примерный вариант обучения и функционирования системы КСИ с записью информации в виде графа и матрицы сопряжения.
[00046] ФИГ. 7 иллюстрирует пример компьютерной системы общего назначения.
Описание вариантов осуществления изобретения
[00047] Обладая сохраненными знаниями (например, сохраненными знаниями в виде данных в описываемой системе, в частности, на цифровом устройстве хранения данных, таком как накопитель на жестких магнитных дисках, оперативное запоминающее устройство и т.д.), в частности, накопленными логическими связями между информационными объектами (объектами информации, т.е. объектами, информация о которых поступает в систему, описанную в рамках настоящего изобретения, например, посредством интерфейса ввода данных), которые также могут представлять собой связи (являться связями), описываемая в рамках настоящего изобретения система способна определить, в частном случае, спрогнозировать, как минимум, одно из возможных поведений объекта информации, учитывая, что в описываемой системе не содержится (сохраненной) информации/данных о таком поведении объекта информации и/или о таком объекте информации. Причем, определение/прогнозирование поведение объекта и/или распознание неизвестного описываемой системе (нераспознанного описываемой системой) информационного объекта осуществляется с использованием сохраненной ранее информации/данных (так называемого, опыта описываемой системы), описывающей другие объекты (в частности, объекты информации, схожие с неизвестным описываемой системе объектом информации, например, по внешнему виду, размеру, цвету, скорости, поведению и т.д.), и которая может быть применима к таким неизвестным объектам, таким образом накапливая информацию о логических связях между объектами информации и реализовывая тем самым установление связей для неизвестного описываемой системе объекта информации, например, с другими объектами информации, а также реализовывая прогнозирование поведения объекта информации.
[00048] В частном случае, как будет описано ниже информационная сущность объекта (информационного объекта) является субъективным отображением/отражением (представлением) объекта в формате данных тех характеристик, которые сохранила (увидела) система, описываемая в рамках настоящего изобретения. В частной реализации изобретения информационная сущность является отражением сущности реального мира (например, объекта внешнего мира) относительно формируемого графа/квазиграфа, т.о. в частном варианте реализации настоящего изобретения построение графа/квазиграфа строится на базе уже созданных информационных сущностей. Информация, поступающая в систему (в частном случае из внешнего мира/внешней среды) в виде наборов данных используются системой для формирования информационных сущностей, причем одна из информационных сущностей может являться связующим свойством (например, описывать поведение объекта внешнего мира, представленного, по крайней мере, одной информационной сущностью, либо описывать свойство/характеристику объекта внешнего мира, например, цвет, размер, тип объекта и т.д.) первой информационной сущности. Стоит отметить, что информационные сущности могут быть реализованы узлами графа, например, афферентными узлами графа и/или эфферентными узлами графа, где узлы графа (в частности эфферентные узлы графа, афферентные узлы графа и другие узлы графа) могут быть связаны по крайней мере одним вставочным узлом графа и вставочный узел графа имеет, по крайней мере, один вход, по крайне мере, от одного афферентного узла графа или вставочного узла графа.
[00049] Под рекогницией (этапом рекогниции) понимается совокупность действий/операций, направленных на распознавание объектов (слов, речи, изображения, включая фотографии, объектов на изображениях, фотографиях и т.д.) и их структур из информации (общего потока информации, который описан ниже), поступающей из внешней среды, в частности, посредством интерфейса ввода данных и преобразованных в формат записи данных (в частности, в формате топологического поля/квазиграфа) описываемой системы посредством элементов уровня исполнительных устройств 125 (ФИГ. 1), уровня нейронных сетей 120 (ФИГ. 1), уровня логики 115 (ФИГ. 1). [00050] В частном случае рекогниция объекта является преобразованием объекта (информационного объекта) в информационную сущность, в частности, на основе существующих (в том числе созданных и/или сохраненных) данных в графе (квазиграфе).
[00051] Как было сказано ранее нейронные сети на уровне нейронных сетей 120 отвечает на вопрос что будет содержаться на выходе из нейронной сети, но не отвечает на вопрос как был получен этот выход (в частности, выходные значения, набор данных и т.д.) . В свою очередь, уровень логики 115 (также называемый уровнем книг или уровнем формальной логики) в частном случае, по крайней мере, частично, отвечает на вопрос «как», то есть, иными словами, логически выстраивает распознанные объекты. Уровень логики содержит афферентные значения (по крайней мере, один набор данных, содержащихся в, по крайней мере, одном афферентном узле), структурированные в формальную логику. Простым примером таких структурированных данных являются книги. Таким структурированием является, в частности, форматирование словарного запаса автора книги в логические конструкции. Рассмотрим пример предложения из книги «кошка прыгнула за мышью на стол, но не рассчитала силы и упала, так как стол был скользким». В данном примере существует форматирование слов (четко определенных автором) в конструкции формальной логики. То же самое относится к графическим схемам различных процессов, в частности, на программном коде на одном из языков программирования. Автор книги изложил в книге часть своих идей, однако книга не является интеллектом, как и аудиозапись песни не является певцом. Книга (в частном случае, электронная книга) не может выдавать ответы, решения по ситуации и решать поставленные задачи при подаче на вход книги каких либо знаний. Также учебник по медицине не может поставить диагноз по загруженным в него симптомов пациента. Книга/учебник являются логически сформатированной информацией. В свою очередь, записанная информация способом, описываемым в рамках настоящего изобретения (способом КСИ), из медицинского учебника, то система КСИ (например, при помощи интерфейса пользователя 172, в частности, графического интерфейса пользователя, или при помощи подключенных к описываемой системе устройств, например, дисплеев, аудио динамиков и т.д., как описано в рамках настоящего изобретения) способна сформировать набор данных (выходных данных, набора выходных данных, выходного набора данных), являющихся, например, диагнозом, в частности, вариантами болезни/болезней, поразившей человека, или являющихся набором действий, необходимых для помощи пациенту и/или уточнения диагноза (например, проведение дополнительных анализов, различных диагностических процедур и т.д.), т.е. являющихся эфферентными действиями (например, в виде значений/наборов данных, содержащихся в эфферентных узлах). Также, процесс принятия решений и исполнение эфферентных действий (записанных в виде, по крайней мере, одного набора данных в эфферентных узлах/набора значений эфферентных узлов) может быть автоматизирован, например, посредством программного кода и различного рода устройств, подключенных к системе КСИ (например, манипуляторов, автоматизированных операционных, рентгеновских аппаратов, автоматизированных лабораторий и т.д.) так, чтобы система КСИ, используя сохраненные узлы могла принимать такие решения и исполнять команды, содержащиеся в эфферентных узлах, как описано ниже.
[00052] Как было сказано выше, описываемая в настоящем изобретении система КСИ 105 может включать уровень логики 115, но является системой уровня интеллекта, где основной составляющей системы КСИ является когнитивная память (реализованная модулем когнитивной памяти 172), а остальные элементы, такие, как 160, 175, 155, 180, 190, 147, 150, 144, и соответствующие им уровни 115, 120, 125 являются опциональными.
[00053] Возвращаясь к объектам, стоит отметить, что объект (объект информации) определяется ядром объекта и совокупностью характеристик объекта. Характеристики объекта представляют собой описанные далее входящие связи абстракций в ядро объекта от других объектов, причем не только первого шага, но и, по крайней мере, одного шага или всех шагов по восходящему пути, таким образом детализация объекта, в частном случае, детализация описания объекта (в том числе, по крайней мере, одной характеристики объекта) может определяться глубиной включенных в описания связей по восходящему пути в графе/квазиграфе. Характеристики объекта инвариантны, то есть строятся/создаются (или вычисляются) относительно других объектов когнитивной памяти, в частности, реализуемой модулем когнитивной памяти 170 на уровне интеллекта ПО (ФИГ. 1), а не относительно абсолютных значений внешней среды, таких как существующих единиц измерений времени, систем измерений и иных абсолютных значений внешней среды. В частности, такая характеристика объекта Плутоний, как время полураспада, может быть унаследована от объекта информации Атомные часы либо от объекта информации Жизнь Ньютона (который, как известно, прожил 84 года). Ядро объекта информации (ядро объекта) в настоящем изобретении представляет собой узел графа (в частности описываемого в настоящем изобретении квазиграфа (топологическое пространство/топологическое поле), в частности, представляющим собой граф, связи между узлами в котором представлены узлами графа), относительно которого рассматриваются связи, образующие характеристики объекта.
[00054] Примером информации (обработанной информации, обработанного потока информации/данных), прошедшей этап рекогниции, в рамках настоящего изобретения являются (строго) структурированные данных, в частности, электронные книги или чертежи, причем строгая структурированность данных после рекогниции позволяет выделить логику данных. Еще одним примером структурированных данных, в частности, строго структурированной книги, является код компьютерной программы, а чертеж в приложении для вычислительных устройств, например, чертеж в программе «AutoCAD» компании Autodesk, является строго структурированным чертежом (строго структурированными данными). Так, в отличие от чертежа, выполненного в приложении, чертеж на бумаге не является строго структурированным чертежом, поскольку может содержать погрешности, в частности, погрешности в толщине линии либо в размере элементов чертежа, например, определяемые погрешностью чертежного элемента (линейки, рейсмуса, циркуля и т.д.), а также толщиной карандаша, ручки и т.д. Описываемый в настоящем изобретении способ КСИ (Когнитивной Систематизации Информации) позволяет выделять логику объектов информации (создавать логические связи между объектами информации), т.е. логику поведения объектов информации, логику установления связей между объектами информации, в частности, логику книг, и сохранять информацию о логике объектов и связей между объектами инвариантно.
[00055] Функционал описываемой в рамках настоящего изобретения способа и системы после этапа распознавания объектов (рекогниции) тесно связаны с созданием искусственного интеллекта, поскольку позволяют решать задачи различного рода ранее не описанным способом, что является признаком искусственного интеллекта. Описываемая система КСИ позволяет посредством самообучения создавать связанное (например, связанную информацию о нескольких объектах информации, связях между ними и т.д.) в единое целое знание посредством создания логических связей и связей для таких связей и т.д., что позволяет описываемой системе при поступлении в нее объектов или задач к исполнению в виде связей, например, через интерфейс ввода данных, посредством проверки связей между объектами информации находить похожие (подходящие) для данного объекта информации или действия сохраненные (существующие в описываемой системе) связи между объектами информации из сохраненных данных у похожих объектов информации и принимать решения, как было описано выше, причем упомянутые выше объекты информации или задачи Не обязательно должны содержаться (храниться) в системе КСИ. Описываемые существующие системы хранения данных и искусственного интеллекта, в частности, формальные системы или нейронные системы не способны решить подобные типы задач, поскольку формальные системы/сети четко следуют алгоритмам под заранее определенные входящие параметры, а нейронные сети не хранят логику, то есть не отвечают на вопрос «как» (какими средствами, методами и способами, при помощи каких инструментов и данных, включая объекты информации) решается задача, в отличие от описываемой системы КСИ, которая позволяет осуществлять сбор и хранение объектов информации в единое целое логики «как». Как было сказано ранее, из наиболее близких способов построения/создания искусственного интеллекта на сегодняшний день можно выделить несколько способов:
[00056] - нейронные сети (подходит только для этапа рекогниции);
[00057] - иерархическая временная память (в настоящее время не позволяет создавать прикладные системы для решения широкого круга задач в силу предложенной архитектуры).
[00058] Далее приводится обзор наиболее близких к описываемой в рамках настоящего изобретения систем и способов построения/создания искусственного интеллекта.
[00059] Искусственные нейронные сети.
[00060] Теория нейронных сетей строится на частичном копировании строения биологического нейрона (элемента клеточной структуры мозга), который способен выполнять, как минимум, прием, элементарные преобразования и передачу данных (информации) другим нейронам, причем информация переносится в виде импульсов нервной активности электрохимической природы. Искусственная нейронная сеть (ИНС) представляет собой математическую модель, включая ее реализацию посредством вычислительных устройств (например, компьютеров), причем ИНС создается по принципу организации и функционирования биологических нейронных сетей, представляющих собой совокупность нейронов живого организма, связанные или функционально объединенные в нервной системе живого организма, причем способны выполнять определенные (специфические) физиологические функции. В виду того, что строение биологического нейрона недостаточно изучено, особенно поля взаимодействия нейронов, то при построении искусственного нейрона для упрощения принимается лишь физическое строение биологического нейрона, вследствие чего такая математическая модель обладает рядом существенных недостатков и принципиальных ограничений:
[00061] - логика систематизации информации в искусственных нейронных сетях не известна (не определена, не используется), поскольку задается путем/посредством обучения системы, а рассчитанные выходные данные, как правило, приблизительны и не дают точного ответа на поставленный вопрос (принятия определенного решения, решения конкретной ситуации).
[00062] В частности, теория нейронных сетей не способна ответить на вопрос «как принимаются решения нейронными сетями», а также нейронные сети не способны взаимодействовать/манипулировать/«работать» с большинством логических цепочек без обучения нейронной сети конкретным логическим цепочкам, поскольку нейронная сеть должна быть «обучена» под конкретную предметную область таких логических цепочек, таким образом нейронная сеть не способна найти решения на основе опыта общего характера, т.е. информации/знаний о схожих логических цепочках и объектах, связанных такими логическими цепочками, ва частности, из других предметных областей, поскольку нейронная сеть не хранит логику принятия решения, т.е. не отвечает на вопрос «как именно принято решение»;
[00063] - отсутствует механизм систематизации причинно-следственных связей объектов информации, нет механизма пошагового принятия решений, отсутствует способ систематизации абстракций и их применение к вновь поступающим данным требует настройки под узкий круг задач. Так, в существующих искусственных нейронных сетях отсутствует способ систематизации абстракций, реализуемый настоящим изобретением, в частности, способом и системой КСИ, которые позволяют систематизировать абстракции, например, если в системе КСИ хранится записанная информация об объекте информации «шар», который «легкий», «катится», «круглый», а потом при добавлении нового объекта информации в систему КСИ, например, «мяч», то от объекта информации «мяч» создаются/устанавливаются связи с объектом информации «шар», являющиеся, в свою очередь, характеристикой или частью характеристики объекта информации «мяч»; также, связь между объектом «мяч» может быть установлена лишь с некоторыми характеристиками объекта «шар», например, с характеристикой «круглый»; также, если например, объект информации «мяч» имеет характеристики, которых нет у объекта информации «шар», например, характеристика «резиновый», то может быть установлена связь между объектом информации «шар» и объектом информации «мяч», в частности, с характеристикой «резиновый» объекта информации «мяч», либо между характеристикой «резиновый» объекта информации «мяч» и характеристикой «катится» объекта информации «шар»; также подобные связи могут быть установлены с объектами информации «сфера», «кругляш», «планета» и т.д., которые уже существуют или будут добавлены в систему КСИ; такие связи между объектами информации сохраняются в системе КСИ и далее такие сохраненные связи между объектами информации используются для прогнозирования поведения, построения логических связей между объектами информации, например, если в системе КСИ сохранен объект информации «шар» с характеристикой «катится», то при добавлении в систему КСИ объектов информации «Колобок» или «Мыльный пузырь», или «икринка» между такими добавляемыми объектами информации и между объектами информации «шар» и «сфера», в частности, между характеристикой/связью «катится» таких объектов информации, существующих в системе КСИ, в частности, в хранилище данных системы КСИ, например, реализуемой средствами модуля когнитивной памяти 170 (ФИГ. 1) могут быть созданы связи, которые, в свою очередь, являются характеристиками соответствующих объектов информации, т.е. объектам информации «Колобок», «Мыльный пузырь» или «икринка» будет установлена характеристика «катится», означающая, что они могут катиться, причем такая характеристика представляет собой связь с «катится» существующих объектов информации).
[00064] Стоит отметить, что с общепринятой точки зрения на искусственный интеллект, искусственные нейронные сети представляют собой модель искусственного интеллекта, и такие ИНС можно отнести к уровню, способам и системам, предшествующим уровню, способам и системам (способам и системам КСИ), описываемых в рамках настоящего изобретения. Стоит также отметить, что в контексте описываемых в настоящем изобретении способам и системам КСИ, искусственные нейронные сети могут дополнять способы и системы КСИ, в частности искусственные нейронные сети (в частности, посредством афферентного когнитивного преобразователя 155 уровня нейронных сетей 120 в рамках настоящего изобретения) могут быть использованы для распознавания внешней информации и ее преобразование в когнитивную форму, где когнитивная форма информации представляет собой форму информации, понятную/распознаваемую человеческим разумом/человеческим мозгом). Т.е. в рамках настоящего изобретения, после распознавания информации (объектов информации), например, поступающей извне, например, из физического мира 142 уровня окружающего мира 130, ФИГ. 1, средствами нейронной сети (уровня нейронной сети 120, ФИГ. 1), например, после распознавания текста, система КСИ способна распознать логику такого распознанного текста и выстраивать описанные в настоящем изобретении связи (между объектами информации и связями между объектами информации), в частности, сравнивая такие связи с уже сохраненными в системе КСИ (например, в модуле когнитивной памяти 170 уровня интеллекта 110, ФИГ. 1) и сохраняя новую информацию, в частности, о новых объектах информации, в виде упомянутых связей с использованием уже имеющихся в системе КСИ сохраненных данных, например, о других объектах информации, посредством создания связей первой глубины (абстракции), второй глубины (изменения), третьей и так далее, как описано далее.
[00065] Иерархическая временная память (англ. Hierarchical temporal memory, НТМ).
[00066] Иерархическая временная память представляет собой частную модель мозга, моделирующую некоторые структурные и алгоритмические свойства неокортекса (новой коры, изокортекса) и основана на теории мозговой функции “память-предсказание”. В частности, иерархическая память описывается как биомиметические/бионические математические модели предположения причин интеллектом. Одной из ключевых особенностей иерархической временной памяти считается способность обнаруживать причины и выдвигать гипотезы о причинах. [00067] Считается (в частности, авторами иерархической вре енной памяти), что иерархическая временная память наиболее приближена к принципам работы мозга (человеческого мозга). Создание иерархической временной памяти позволяет решать одну из проблем нейронных сетей, а именно проблему, связанную с временной составляющей, т.е. в систему иерархической временной памяти добавлена временная составляющая. Поскольку искусственные нейронные сети не способны манипулировать временем (в частности, воспринимать его), то такие сети накладывают информацию поверх накопленного такими сетями опыта и в ответ на запрос предоставляют готовые решения, вне зависимости от типа и вида информации. В свою очередь, создатели иерархической памяти предположили, что такой подход не верен, поскольку не ведет к созданию интеллекта/искусственного интеллекта, способного воспринимать время (в частности, ориентироваться во времени) и принимать решения (решать поставленные перед ним задачи) с учетом времени/временной составляющей (во времени), например, такие как «на основании полученных сетью новых данных сделать то, что было запланировать на послезавтра». Создатели иерархической памяти предлагают отображать время в виде шагов связей и неких значений, т.е. вводят дополнительную величину времени. В свою очередь, в рамках настоящего изобретения система КСИ описываем время в виде связей между связями, где связи являются узлами/узлами квазиграфа, как описано ниже. Так, например, земля вращается вокруг Солнца. В системе КСИ существует/хранится или добавляется в систему КСИ связь Земли относительно Солнца (связь Земли с Солнцем, т.е. узел «Земля» - узел «Сутки» - узел «Солнце») в виде узла, в частности узла, характеризующего время, например, время, за которое Земля делает полный оборот вокруг Солнца. Далее, если в систему КСИ будет добавлен объект информации «автомобиль» (также представленный узлом квазиграфа), который перемещается (или перемещался) сутки, то в системе КСИ можно провести связь между узлом, описывающим перемещение объекта «автомобиль» (например, узел «Перемещение») и узлом «Сутки», чтобы сохранить информацию о времени, в частности, о времени перемещения автомобиля (объекта «автомобиль»).
[00068] Стоит отметить, что, как и в случае с искусственным нейроном, иерархическая временная память ограничена физическим строением биологического нейрона. Используя более сложную модель искусственного нейрона, но являющуюся упрощенной моделью натурального/био логического нейрона, система иерархической памяти не способна решить ряд задач пространственно-временного характера, без которых прикладное использование предлагаемых иерархической памятью способов практически невозможно, и на данный момент не реализовано. Так, система иерархической временной памяти использует наложение поступающей извне информации одну за другой, что предполагает необходимость использования такой системой бесконечных аппаратных возможностей и, по сути, моделирует обычную видеосъемку, в которой изображения заранее структурированы.
[00069] Однако, стоит отметить, что иерархическая временная память не позволяет реализовать абстрактное хранение времени (хранение времени в абстрактном виде, как было описано выше), а также об относительном восприятии времени (например, путем указания абстрактных временных интервалов, абстрактных сроках, абстрактных датах и т.д.), например "до следующей засухи". Предложенные авторами иерархической временной памяти системы и способы не позволяют хранить указанные данные.
[00070] Технология прямого наложения знаний (автор Бронфельд Г.Б., http://www.rf.unn.ru/eledep/confesem/nro popova/2016 05 23 (62V01.pdf).
[00071] Основной идеей технологии прямого наложения знаний является структурирование информации в виде молингов - универсальных информационных структур, несущих/содержащих идеальное знание, лишенное противоречий и пустых элементов, которые в дальнейшем сопоставляются молингам в обрабатываемых текстах, но с тем же смыслом. Согласно данной технологии, необходимы некоторые эксперты, которые решают схожесть смыслов, таким образом, подобные технологии, как правило, представляют собой технологию накопления статистических данных, но не интеллектуальную систему. Кроме того, касательно данной технологии не было обнаружено каких-либо прикладных решений или описания данной технологии, которые могли бы быть использованы для создания прикладных систем, способных решать прикладные задачи, примеры которых описаны далее.
[00072] Далее описано прикладное использование существующих способов и систем предшествующего уровня (в том числе описанных выше) по отношению к настоящему изобретению.
[00073] В настоящее время отсутствуют способы и системы построения/создания искусственного интеллекта с возможностями широкого использования, в том числе для их использования в повседневной жизни, в таких распространенных прикладных системах как CRM (Система управления взаимоотношениями с клиентами, от англ. Customer Relationship Management), ERP (Система планирования ресурсов предприятия, от англ. Enterprise Resource Planning) SCADA (Система диспетчерского управления и сбора данных, от англ. - Supervisory Control And Data Acquisition), BPMS (Система управления бизнес- процессами, от англ. - Business Process Management System) и других, например, с целью когнитивной обработки (т.е. в процессе обработки данных об объекте информации, не существующего в системе КСИ, т.е. ранее не встречавшегося в системе КСИ, причем обработки способами, использующимися при обработке других объектов информации, существующих в системе КСИ, в частности, посредством создания связей между объектами информации и связей между связями/характеристиками объектов информации) динамично меняющейся в процессе работы пользователей структуры информации и пользовательского интерфейса, подстраиваемого под саму новую структуру информации. Иными словами пользователь не может произвольно задавать логику данных в частности, алгоритмы обработки информации, абстракции между объектами информации и т.д. (в частности, поскольку в большинстве программ/приложений функционал управления логикой реализован посредством создания новых типов полей или сценариев, например, на языке сценариев, скриптах, которые строго формализованы), а именно создавать произвольные связи различной природы и абстракции между информационными объектами (объектами/объектами информации) ограничиваясь рамками строго заданными разработчиками системы.
[00074] Стоит отметить, что описываемые в рамках настоящего изобретения система и способ может быть использован не только для интеллектуальной (когнитивной) обработки информации/данных, но и для создания CRM и ERP, позволяющих, например, связать в единое целое весь учет в организации, однако для этого может потребоваться обучение упомянутой системы количественному учету (сохранить информацию описываемым в рамках настоящего изобретения, методом КСИ), в частности, чтению цифр. Упомянутое сохранение методом КСИ в афферентных узлах, например, чисел от 0 до 9, на базе которых будет вестись количественный учет. Математические операции могут быть вынесены за пределы описываемой системы (например, как человек использует калькулятор, т.е. вводит числа и операнды и получает готовые ответы), а также возможно обучение описываемой системы описываемым в рамках настоящего изобретения способом (методом КСИ) таблице умножения и/или умножения в столбик, или другим математическим операциям. Таким образом, системы CRM, ERP и другие, созданные на основе описываемого способа и/или системы (метода/способа КСИ, системы КСИ) позволят решить одну из главных проблем существующих систем— взаимосвязь разнородных объектов в единую систему учета.
[00075] В свою очередь, использование нейронных сетей ограничено решением задач способами и системами обучения без формирования кргнитивной логики решения поставленных задач. Иными словами, нейронные сети не способны в когнитивной форме представить логику принятия тех или иных решений, что делает их практически не применимыми для использования в системах, где важно использование бизнес-процессов или изменение причинно-следственных связей имеет сложную структуру (например, практически любое литературное произведение, например, сказка А.С. Пушкина, имеет сложную структуру, которую невозможно описать средствами существующих систем, в частности, средствами нейронных сетей, в то время, как такие сложные структуры могут быть описаны связями между объектами информации и связями между связями объектов информации в системе КСИ).
[00076] Использование искусственных нейронных сетей для решения когнитивных задач (т.е. задач, которые может решить, например, человеческий мозг, в частности, основываясь на опыте, приобретенном человеком, в частности, на стандартном/общепринятом людьми и обществом восприятии мира, а также с использованием основных объектов и правил взаимодействия между объектами и с объектами физического/внешнего мира) не позволяет решить такие задачи, предположительно в связи с тем, что искусственные нейронные сети не предназначены для решения подобных задач и в процессе реального человеческого мышления. Именно это и стало предпосылкой разработки описываемых в настоящем изобретении способа и системы КСИ, в частности, способ КСИ реализует возможность вводить данные в систему КСИ, например, человеком, в частности, посредством интерфейса ввода данных/информации об объектах информации, тем самым обучая систему КСИ когнитивным основам, т.е., в частности, обучая систему КСИ обрабатывать поступающую или сохраненную в ней информацию (например, решать различные задачи, поставленные перед системой КСИ) на основе уже сохраненных ранее данных, описывающим схожую информацию с похожими признаками.
[00077] Как известно, искусственные нейронные сети сами по себе не являются искусственным интеллектом и предназначены для распознавания объектов, а искусственный интеллект“включается” (может быть использован) только после распознания объектов. Способностью распознавать объекты обладает весь животный мир, однако только человек обладает интеллектом, а именно выделением из потока поступающей в его мозг внешней информации причинно- следственных связей между объектами информации в системе КСИ и/или объектами информации физического мира, причем описываемая в настоящем изобретении система и способ КСИ позволяют создавать новые причинно- следственные связи в системе КСИ, различные комбинации которых позволяют системе КСИ решать более широкий круг задач, даже задач, которые ранее не встречались системе КСИ, т.е. информация о которых не сохранена в системе КСИ. Причинно-следственные связи являются частью связей когнитивной памяти более чем второй глубины (как описано ниже) континуума. В рамках описываемого изобретения система КСИ не оперирует понятиями времени «прошлое» и «будущее», поскольку для когнитивной памяти нет разницы между прошлым и будущем. Так, например, человек может читать фантастический рассказ и переживать события, словно они свершились. Для человека это будет прошлое, только безотносительно к реальности, без связи с внешней средой. Человек осознает, что это фантастика, поскольку источник информации не связан с реальностью, однако человек может рассказывать другу о пережитых приключениях главного героя. В данном случае достоверность случившегося для человека сознания определяется соответствием знаний человека о реальном мире, а связи объектов из фантастического рассказа имеют большую глубину континуума (рассказ будет построен на тексте, а чтение текста это первая глубина и вторая глубина континуума). Так, например, воспринимаемая человеком внешняя информация (информация, поступающая извне), в частности, мозгом человека, в виде текста книги, например, в виде текста электронной книги, слова которой известны человеку и объекты не требуют распознания мозгом человека. Кроме того, человек после прочтения книги получает знания и способен отвечать на абстрактные вопросы, в том числе реагировать на ранее не встречающиеся изменения внешней среды. Внешняя среда представляет собой источник получения взаимосвязанной информации для когнитивной памяти и приемник обработанной информации из нее. Таким образом, вся информационная структура, создаваемая способом КСИ, может быть замкнута на внешнюю среду. Внешняя среда является единым и неделимым объектом, представленным в когнитивной памяти одним ядром объекта информации (внешняя среда едина) и характеристиками (узлами), которые единственные из узлов графа/квазиграфа в когнитивной памяти содержат значения для их сопоставления с ядрами объектов в когнитивной памяти.
[00078] Описываемые в рамках настоящего изобретения способ и система КСИ представляет собой совокупность действий по вводу, выводу и хранению логически связанной информации в когнитивной форме (как описано ниже) с целью получения на основе этой информации ответов от когнитивной памяти (описанной ниже) на ранее не встречающиеся вопросы в системе КСИ (в частности, в когнитивной памяти, реализуемой (программным) модулем когнитивной памяти 170), а также с целью получения реакции когнитивной памяти на неизвестную когнитивной памяти ситуацию (не случавшуюся ранее (т.е. информация, определяющая поведение в такой ситуации, не содержится в системе КСИ в явном виде, например: «ситуация1»; если в системе КСИ существует «ситуация 1», то «реакция2») при условии описания поступающей информации элементами из множества значений, распознаваемых системой. Способ КСИ может включать следующие действия и элементы (которые будут раскрыты в рамках описания настоящего изобретения):
[00079] - описание объектов способом КСИ;
[00080] - ввод поступающего потока информации в когнитивную память;
[00081] - помещение объекта в фокус;
[00082] - формирование словаря афферентных узлов, т.е. узлов, которые содержат информацию, представленную набором данных, например, поступивших в систему КСИ посредством интерфейса ввода данных, причем афферентные узлы являются входящими связями/входом для вставочных узлов, описанных далее;
[00083] - формирование словаря эфферентных узлов, которые содержат входящие данные/входы от вставочных узлов и содержат данные/набор данных, которые выводятся во внешнюю среду, например, посредством интерфейса ввода- вывода (в том числе, реализованном в виде интерфейса пользователя), в частности, после преобразования в преобразователе 147 и эфферентном когнитивном преобразователе 180;
[00084] - обучение когнитивной памяти (в частном случае обучение описываемой системы);
[00085] - математическое представление когнитивной памяти с целью ее физического хранения на существующих носителях информации;
[00086] - реакции когнитивной памяти на ввод информации через афферентные узлы;
[00087] - инструменты внешней среды.
[00088] Описываемые в рамках настоящего изобретения способ и система КСИ могут быть использованы для логической обработки и хранения идентифицированных объектов, а именно для установления абстракций, взаимосвязей таких идентифицированных объектов, а также для установления причинно-следственных связей между объектами информации с целью в дальнейшем на основе обучения описываемой системы (например, посредством введенных в описываемую систему данных) получать от описываемой системы (описываемой системы КСИ) решения различного рода задач, включая математические задачи, логические задачи и т.д. или получать реакции ведущие к решению задач (например, в виде прогнозирования поведение объекта информации или выбора одного из возможных поведений объекта информации), в том числе пространственно-временного характера такие как прогнозы или реакция на изменение внешней среды. Стоит отметить, что при разном обучении описываемой системы может быть созданы разные структуры хранения информационных сущностей и могут быть получены разные реакции (эфферентные значения) на ввод (добавление) в описываемую в настоящем изобретении систему одних и тех же информационных объектов, данных, информации и т.д., в зависимости от того, на какую предметную область было сделано обучение то или иной системы, описываемой в рамках настоящего изобретения.
[00089] Стоит отметить, что обучение системы КСИ представляет собой процесс выявления причинно-следственных связей между объектами информации в потоке поступающей информации из внешней среды путем запросов системы КСИ к внешней среде (описанной ниже). Таким образом, система КСИ способна выстраивать в когнитивной памяти причинно-следственные связи на основании реакции внешней среды на запросы системы КСИ. Поток информации представляет собой совокупность следующих друг за другом кадров (в частном случае, информации, реализованной в виде описываемых в рамках настоящего изобретения квазиграфов, в которых связи также являются объектами информации), наложение которых дополняет пространственные связи временными связями, причем описываемая система, сравнивая каждый последующий кадр/квазиграф с предыдущим кадром/квазиграфом устанавливает/выстраивает причинно-следственные связи, являющиеся связями квазиграфов.
[00090] Связь между объектами представляет собой связь абстракции от общего к частному, иными словами один объект является характеристикой другого объекта, если это связи первой глубины. Таким образом, связь между объектом «человек» и объектом «Иванов» будет направлена от объекта «человек» к объекту «Иванов», поскольку человек есть характеристика Иванова (человека по фамилии Иванов). В то же время от объекта «сердце» связь направлена к объекту «человек», поскольку сердце есть характеристика человека, но в то же время «сердце» может быть характеристикой и других живых существ, т.е. объектов «существо кот», «существо собака» и т.д. В случае если была произведена операция по пересадке сердца, то происходит изменение в пространстве связи от одного сердца к другому, т.е. действие по пересадке сердца будет соответствовать объекту с афферентным значением "пересадка", который, в свою очередь, будет выступать в роли связи второй глубины между связями одного сердца (замененного сердца) с человеком и другого сердца (нового сердца) с этим же человеком. Описанным выше способом построения связей между объектами информации достигается реализация времени в описываемой системе, реализуемой способом КСИ. Если пересадка сердца повлекла за собой другие изменения, например, изменение температуры тела, то такая причинно-следственная связь может быть отражена между связями времени и представлет собой глубину связей третьего порядка.
[00091] Описание объекта способом КСИ позволяет сформировать полную пространственно-временную картину внешней среды. Объект представляет собой не один узел, являющийся ядром объекта, а совокупность узла графа и входящих в него связей различной глубины логики с другими узлами графа, а также логического веса связей. Кроме того, для представления объекта на языке внешней среды (т.е. для описания объекта средствами и/или объектами внешней среды и используемыми связями между ними), некоторым связанным узлам могут быть сопоставлены афферентные узлы, являющиеся связующим звеном между внешней средой и когнитивной памятью, как было описано выше. Таким образом, объект приобретает свои индивидуальные свойства (задается описание объекта и его характеристики, в зависимости от типа объекта, например, скорость, габаритные размеры, плотность, цвет, красивый, умный и т.д.) посредством связей с другими объектами (т.е. в относительности к другим объектам), что образует в целом внутри системы КСИ информационный единый пространственно-временной континуум, в котором каждый объект зависит от других объектов. Так, например, у объекта информации «Человек» существуют определенные характеристики, например, рост, вес, возраст и т.д., реализованные в виде связей с другими объектами информации. Узел, относительно которого собираются характеристики объекта, является ядром объекта. Стоит отметить, что упомянутый выше объект «сердце» является с одной стороны характеристикой человека, а, с другой стороны, объект «сердце» обладает своими характеристиками, т.е. объекты характеризуют другу друга взаимными связями, за счет чего может быть достигнуто непрерывное описание пространства, когда одна часть (характеристики или часть характеристик объекта информации) описывает другую и из такого описания может быть получено единое неделимое целое без потери логики. Таким образом, в системе КСИ не может существовать объектов, не связанных с другими объектами системы КСИ каким либо способом.
[00092] В некоторых случаях, ядра объектов (описываемые ниже) не имеют прямых сопоставлений значениям афферентных узлов, а описываются совокупностью характеристик, обладающих сопоставленными значениями афферентных узлов. Так, к объектам информации можно отнести людей, которых принято описывать двумя характеристиками - именем и фамилией (а не каким-то идентификационным кодом), что является афферентным значением ядра объекта этого конкретного человека.
[00093] Таким образом, описание объекта (в частном случае, полное описание объекта) состоит, как минимум, из узла графа (ядра объекта) и совокупности всех входящих связей.
[00094] Описываемый в рамках настоящего изобретения способ КСИ, реализованный в виде системы КСИ, также может быть использован для систематизации информации (в частности, объектов информации и связей между объектами информации) в системе КСИ таким образом, чтобы по мере увеличения объемов информации в системе КСИ выстраивались абстрактные и причинно- следственные связи между объектами информации сколько угодно глубокого порядка вложенности (как описано ниже), благодаря которым система КСИ способна составлять прогнозы с использованием хранимой в системе КСИ информации и с использованием вновь поступивших данных, например, из внешней среды. Также описываемые в рамках настоящего изобретения система и способ способны объяснять логику таких прогнозов, что отличает описываемые способ и систему от других способов и систем прогнозирования, например, реализованных на основе нейронных сетей.
[00095] Стоит отметить, что упомянутая логика может храниться в системе КСИ в когнитивной форме, что позволяет обеспечить ситуативную адаптацию интерфейса пользователя 172, ФИГ. 1 системы КСИ под вводимые пользователя данные (или любой другой интерфейс ввода данных, поступающих из внешнего источника данных, в частности, внешней среды, физического мира, что упрощает распознавание новых данных. Возможность когнитивного представления логики принятия решений системой КСИ является еще одним отличием описываемой в рамках настоящего изобретения системы КСИ от нейронных сетей, которые не способны описать логику своего поведения после обучения таких систем КСИ и на базе которых невозможно реализовать когнитивный, зависимый от поступающих данных, интерфейс пользователя.
[00096] Для работы разработанных систем на основе описанного в данном изобретении способа не обязательно использовать и/или не обязательно создавать жесткие (некогнитивные) интерфейсы пользователя и способны распознавать логику книг и давать ответы на абстрактные вопросы по распознанной информации, а также выносить различные суждения по мере работы описываемой системы при реализации процесса релятивистского анализа данных (расчет относительной близости друг к другу тех или иных абстракций).
[00097] Способ КСИ позволяет создавать когнитивные структуры данных релятивистской логики любой предметной области, что является неотъемлемой частью задачи по созданию искусственного интеллекта.
[00098] Способ КСИ, в частности, позволяет реализовать:
[00099] - возможность работы с абстрактными объектами любой вложенности и связями между ними, которые (объекты/объекты информации и связи между ними и связями между объектами информации) могут быть конкретизированы средствами системы КСИ и использованы по ситуации в зависимости от конкретных начальных данных, поступивших в систему КСИ (заданных системе КСИ), что открывает большие возможности по систематизации информации на этапе планирования задач предметной области, когда заранее не известны точные параметры для принятия решения и/или решения поставленных перед системой КСИ задач;
[000100] - возможность хранения причинно-следственных связей изменения информации любой сложности в любом временном диапазоне, включая будущее интерфейс пользователя, обеспечивающий пользователю работу с данными, структурированными способом КСИ, отражает фундаментальные принципы когнитивного мышления, унифицирован и независим от предметной области, с которой работает пользователь, то есть изменения в предметной области не требуют изменения машинного кода, а значит временных и финансовых затрат сокращение временные и финансовые затраты на поиск и обработку информации в том числе не требуется программирование сложных запросов благодаря особенностям структуры, создаваемой способом КСИ, при которой вся информация уже найдена и связана между собой, а вновь добавляемая информация связывается с текущей информацией через общие признаки и логику. Когнитивное мышление представляет собой выстраивание прогнозируемых связей от точки внимания на основании связанных с ним абстракций и перемещение этой точки внимания в сторону прогнозируемых связей.
[000101] - повышение безопасности хранения информации, при которой логика системы КСИ (структура связей между объектами) может хранится отдельно от значений объектов логики, причем значения объектов логики могут храниться отдельно от логики системы КСИ, например, в других хранилищах данных/информации, связанных с данными логики системы КСИ.
[000102] - упрощение взаимодействия системы КСИ/интеграции системы КСИ
(обмена информацией) с любыми сторонними информационными системами и устройствами благодаря тому, что способ и система КСИ построены на принципах относительности информации (релятивизма, который будет описан ниже), универсален и применим к структуре информации любой сторонней системы за счет механизмов относительности (например, за счет механизмов эффектов специальной теории относительности, в частности, механизмов замедления времени, и т.д.). [000103] - распознавание незнакомых логики и объектов информации из поступающей в систему КСИ информации посредством сопоставления входных значений объектов информации (начальных данных об объектах информации).
[000104] Способ и система КСИ позволяют реализовать множество прикладных решений, не требующих внесения конструктивных изменений в код программы, реализующей способ и систему КСИ:
[000105] - в области медицины, например, медицинские карты, анатомические атласы, способы лечения;
[000106] - в области кадрового учета, например, множество связанной с сотрудником информации - учет рабочего времени, образование, значимые события, кадровые изменения, личные связи) документооборот (разложение документа на объекты с целью последующего их анализа) юриспруденция (ведение судебных процессов с помощью связывания объектов и их анализа) производство (построение сложных схем производства в динамичной среде с привязкой к оборудованию);
[000107] — в области управления недвижимостью (построение и учет объектов недвижимости и их частей, взаимосвязи с документами, инженерными коммуникациями и событиями);
[000108] - в области академической науки (инструмент для работы со сложными абстрактными концепциями и перехода к их физической реализации) образование (учет анализа собственных знаний, учет знаний учащихся);
[000109] - в области маркетинга (ведение не только клиентов и сделок, но и связей между контактами, сделками и прочими объектами учета) полиция (учет и анализ связанной информации, выявление преступных схем);
[000110] и других областях.
[000111] Более подробно способ и система КСИ описаны далее, а также описано, как способ и система КСИ решает поставленные перед ней задачи и прикладные решения.
[000112] На ФИГ. 1 показан примерный вариант реализации системы КСИ согласно настоящему изобретению.
[000113] В системе КСИ (реализующей способ КСИ) интеллект, как объект, является высшим уровнем абстрактной систематизации информации, необходимой для выполнения задач по взаимодействию с внешней средой, так называемую когнитивную систематизацию информации. В описываемой настоящим изобретением системе КСИ 105 работа интеллекта может состоять, как минимум, из следующих, показанных на ФИГ. 1 и перечисленных далее уровней и элементов, включая элементы преобразования информации (в частности, афферентный когнитивный преобразователь 155 и эфферентный когнитивный преобразователь 180) при вводе/выводе информации в систему КСИ и из системы КСИ в процессе взаимодействия с внешней средой. Стоит отметить, что, по крайней мере, один элемент системы 105 (в том числе афферентный когнитивный преобразователь 155, эфферентный когнитивный преобразователь 180, модуль когнитивной памяти 170, конвертор информации/преобразователь 144 и т.д.), а также интерфейс 172 могут быть реализованы программным обеспечением (компьютерной программой, компьютерным модулем, набором алгоритмов и/или инструкций для вычислительного устройства) и/или аппаратными средствами, например, устройством, подключаемым к вычислительному устройству (посредством проводной связи, например, через USB-интерфейс, или беспроводной связи, например, посредством Wi-Fi, Bluetooth и т.д.) или устройством, являющимся составной частью вычислительного устройства, например, печатной платой, или микросхемой/набором микросхем.
[000114] Уровень физического мира 130 представленный физическим миром 142 представляет собой среду 140 (физическую среду, внешнюю среду), взаимодействующую с интеллектом и с которой взаимодействует интеллект (в частности, реализуемый модулем когнитивной памяти 170) системы КСИ. Внешняя среда 140 обладает информационным полем/релятивистским пространственно-временным информационным полем (которое будет описано ниже), в частности бесконечным информационным полем. Релятивистское пространственно-временное информационное поле (информационное поле, РИ- поле, информационное РИ-поле) - представляет собой в математической формулировке смысле (в математическом смысле) топологическое пространство/топологическое поле/квазиграф (множество с дополнительной структурой определенного/определенно заданного типа - топологией), обладающее, как минимум одним, свойством связанного ориентированного взвешенного графа, где часть узлов графа являются характеристиками других узлов графа, при этом узлы характеристик (абстракций) объекта определены входящими связями, а в качестве связей могут выступать узлы графа этого же топологического пространства, причем изменения в топологическом пространстве происходит путем добавления связей между связями характеристик, в которых так же в качестве узлов графа выступают узлы графа того же топологического пространства. Такая описанная выше вложенность может быть бесконечна, благодаря чему задается его пространственно-временной континуум.
[000115] Единство пространства и времени заключается в том, что времени не существует как отдельного элемента в способе и системе КСИ, и время выражается через изменение характеристик объектов в системе, то есть через создание новых связей между связями предыдущих и последующих изменений. Изменение характеристик объектов представляет собой проявление времени. Таким образом, создавая эталонные изменения, через такие эталонные изменения, в частности, через релятивизм (который описан ниже) могут быть описаны временные интервалы других изменений.
[000116] Одной из задач работы интеллекта (функционирования интеллекта), решаемых системой КСИ, является создание и идентификация абстракций, необходимых для принятия описываемой системой решений, в частности, прогнозирование поведения объектов/объектов информации и распознание самого объекта.
[000117] Внешняя среда 140 связана с системой КСИ 105 посредством, как минимум, одного исполнительного устройства (преобразующего устройства/преобразователя, конвертора информации) уровня исполнительных устройств 125, позволяющего преобразовывать информацию, по крайней мере, в один набор данных в виде/формате кадров информационного поля (кадров информации) из физической среды/внешней среды 140 в цифровой вид/формат и передавать преобразованные кадры информации (например, в виде оцифрованных данных), по крайней мере, одному из элементов системы КСИ 105, например, афферентному когнитивному преобразователю 155. Кадр информации представляет собой поступающую информацию из внешней среды 140, представленную в частном случае в виде полевого графа со связями глубины первого порядка (т.е. пространственными связями). Также модуль вывода (ввода/вывода) данных 145 способен передавать данные/информацию из системы КСИ 105 (по крайней мере из одного элемента системы КСИ 105, например, эфферентного когнитивного преобразователя 180) во внешнюю среду 140 физического мира 142 уровня физического мира 130. [000118] Исполнительные устройства можно разделить, по крайней мере, на два типа (хотя, могут быть реализованы одним информационным устройством) информационных устройств:
[000119] - устройство 144 (конвертор информации) преобразующее 140 входящие в систему КСИ 105 данные из внешней среды (в формате внешней среды) в формат системы КСИ 105 (в частности, в цифровой формат, который может быть обработан вычислительными устройствами, например, компьютером: персональным компьютером, сервером и т.д. путем использования подходящего программного обеспечения) для их дальнейшей обработки, в частности, анализа, преобразования, хранения и т.д.;
[000120] - устройство 147, преобразующее данные системы КСИ 105 (в формате системы КСИ 105, формате цифровых данных) в формат внешней среды.
[000121] Устройство/преобразователь 144 может быть реализовано в виде таких устройств, как видеокамеры, различные датчики (датчики температуры, давления, влажности, разрежения, ультразвуковые, емкостные, магнитоэлектрические, влажности, светодиоды/фотодиоды и т.д.), микрофоны и другие устройства, способные преобразовывать/конвертировать один тип информации в другой.
[000122] Устройство/преобразователь 147 может быть реализовано таким устройствами как монитор, телевизор, проектор и т.д..
[000123] Система 105 также включает уровень нейронных сетей 120, который в свою очередь включает афферентный когнитивный преобразователь 155 представляет собой модуль, например, выполненный в виде программного обеспечения, реализующего алгоритм преобразования (мгновенного преобразования) кадров информационного поля внешней среды (наборов данных, предварительно преобразованных, например, в цифровой вид, преобразователем 144) в когнитивные кадры, представляющие собой информационные структуры, элементами которых являются когнитивные кванты информации или, иными словами, фрагменты информации, неделимые для интеллекта, из которых он (интеллект) складывает абстрактную модель внешней среды. Так, например когнитивные кадры могут быть представлены словами и связями между ними. Алгоритм афферентного преобразователя 155 может представлять собой алгоритм мгновенного действия (т.е. исполняющийся практически мгновенно), который, в частном случае, не используется для хранения информации (входящей или преобразованной данным преобразователем), анализа логики информации и прогнозирования поведения внешней среды.
[000124] Ввод информации в систему производится с использованием словаря афферентных значений, распознаваемых системой, где каждому афферентному значению может быть сопоставлен более чем один узел внутреннего информационного пространства (действия также являются объектами в способе КСИ). Поскольку узел графа является ядром объекта, то найти объект и получить характеристики можно путем сопоставления нескольких афферентных узлов или если такой объект не найден то может быть создан новый афферентный узел, что позволяет упростить поиск такого созданного узла в дальнейшем. В качестве афферентных значений могут выступать слова, изображение, фрагменты аудиозаписей и т.д., в частности, преобразованные преобразователем 144.
[000125] Взаимодействие системы КСИ с внешним информационным полем осуществляется посредством ввода в систему КСИ и вывода из системы КСИ информации (связью когнитивной памяти/внутреннего информационного поля с внешним информационным полем). Способ КСИ может обрабатывать поступающую в него информацию, предварительно структурированную на объекты первой глубины связей, описывающую детализацию объектов и их расположение друг относительно друга. Такая описанная выше информация может содержаться, например, в электронных книгах, исходных компьютерных кодах программного обеспечения и не требует этапа когнитивного распознавания. Для работы с неструктурированной информацией могут быть использованы различные системы распознавания образов, построенных на нейросетевых принципах и могут быть использованы афферентные когнитивные преобразователи 155 и эфферентные когнитивные преобразователи 180. Как было отмечено выше, информация в виде предварительно структурированных данных может быть введена в когнитивную память 170 посредством использования интерфейса, в том числе интерфейса пользователя 172, который может быть реализован в виде интерфейса пользователя (навигатора логики), в частности, интерфейса пользователя, изображенного на ФИГ. 2.
[000126] Стоит отметить, что модуль когнитивной памяти 170 может быть реализован, по крайней мере, одним хранилищем данных, например, Оперативным Запоминающим Устройством (ОЗУ), накопителем на жестких магнитных дисках, сетевым хранилищем данных (включая облачные средства и способы хранения данных) и т.д. и может включать, по крайней мере, один процессор, например, центральный процессор (ЦП/ЦПУ) или любое другое устройство или блок, способный обрабатывать информацию, в частности, для обработки сохраненных в когнитивной памяти данных (например, как описано в рамках настоящего изобретения, например, для создания новых узлов, установления связей между узлами и т.д.), реализованной, например, модулем когнитивной памяти 170.
[000127] Совокупность узлов графов и связей между узлами графов представляет собой содержание когнитивной памяти. Само по себе содержание когнитивной памяти пассивно и не вызывает никаких действий системы КСИ по отношению к внешней среде до тех пор, пока в систему не будут введены данные, нарушающие информационное равновесие системы. Запись и хранение вновь поступающей информации в когнитивную память осуществляется нарастающим итогом, то есть путем добавления новой информации, без изменения предыдущей информации. После ввода новой информации система КСИ стремится к энергетической оптимизации, то есть осуществляет постоянный поиск структур, соответствующих объектам информации, похожих на введенную структуру с целью минимизации хранения конструкций посредством выделения общих абстракций и сохранения минимального количества ядер объектов. Поскольку ядра объектов представляют собой резонаторы, создающие поле, то их минимизация влечет за собой минимизацию затрачиваемой энергии при активации анализа данных. Поиск общих конструкций и объединения их в абстракции и представляет собой процесс мышления (в частности, процесс мышления системы КСИ, искусственного интеллекта, когнитивного мышления и т.д.), который может происходить мгновенно, например, со скоростью света и т.д., однако в силу огромного количества возможных комбинаций, порой равнозначных, приводящих к одинаковым итогам описываемой здесь оптимизации, может вызывать колебания оптимизации (разброс в в результатах оптимизации) и переход из одного оптимального когнитивного мышления в другое с течением времени.
[000128] Стоит отметить, что поскольку биологические нейроны по нашей гипотезе являются лишь источниками поля, их ядра лишь сохраняют информацию этого поля до момента возбуждения (воспоминания) такого информационного поля, а мышление (в том числе когнитивное) представляет собой образование поля в момент обработки информации в момент воспоминаний, то для физической реализации способа КСИ, которую можно реализовать на базе существующих вычислительных машин, может быть использованное математическое представление когнитивной памяти (описываемое в рамках настоящего изобретения) в форме специфического графа, в котором ребра представляют собой узлы графа, а роль узлов графа (являются они связью или узлом) в той или иной
I
ситуации определяется относительностью связываемых узлов и всегда следует правилу «один через один». Правило «один через один» означает, что два узла могут быть связаны только через третий узел, который характеризует собой такую связь. Кроме того, описываемая в рамках математическая модель системы и способа КСИ обеспечивает инвариантность измерения объектов относительно внешней среды посредством механизма относительности измерения объектов друг относительно друга, как описано в рамках настоящего изобретения.
[000129] Вывод информации или реакция системы, реализующей описываемый в настоящем изобретении способ КСИ, осуществляется посредством афферентных узлов, взаимодействующих с внешней средой. Афферентные узлы представляют собой ядра объектов/информационных объектов, содержащие значения, которые воспринимает система КСИ при взаимодействии с внешней средой. Посредством использования данных значений осуществляется сопоставление узлов системой КСИ в когнитивной памяти, реализуемой модулем когнитивной памяти 170 (ФИГ. 1) и информации об объекте, поступающей из внешней среды. В качестве примеров афферентных узлов можно привести слова, фразы, сигналы и информацию в любом другом виде, поступающие на устройства/подаваемые на устройства (в частности, цифровые вычислительные устройства), например, реализующие функционал преобразователя 144, в частности, устройства ввода информации, такие как клавиатура, устрйоства, реализующие распознавание изображения, речи, звука и т.д.. Вывод информации из системы КСИ может осуществляется на основании ввода новых данных способом КСИ, например, в качестве новых данных может выступать запрос когнитивной информации из системы КСИ, в частности, когнитивной памяти, или могут выступать новые данные, поступающие в систему КСИ, на основе которых система отреагирует согласно сложившейся в ней когнитивной структуре данных, в частности, посредством устройств вывода данных, таких как, например, дисплей монитора, различные манипуляторы и т.д. Таким образом, сохраненная логика способом КСИ, в частности, в когнитивной памяти может быть активизирована и связана с внешней средой различными видами устройств, способными обрабатывать данные, поступающие из системы КСИ через устройства уровня исполнительных устройств 125. Вывод информации также может использовать прогнозируемые причинно-следственные связи в когнитивной памяти, которые могут автоматически включаться (могут быть использованы системой КСИ) при наступлении определенных внешних условий из внешней среды либо путем прямого запроса к памяти через интерфейс 172.
[000130] Система на ФИГ. 1 также включает модуль когнитивной памяти (когнитивную память) 170, представляющую собой информационное поле определенной структуры, описываемой в рамках настоящего изобретения, в частности, реализованной в виде раскрытого в настоящем изобретении квазиграфа, в которое происходит запись информации/данных в виде когнитивных данных/когнитивных кадров 160 (например, полученных из модуля 155 или из интерфейса пользователя 172, описанного ниже) нарастающим итогом и которое способно реагировать на запись информации/данных, передавая/отдавая (например, во внешнюю среду 140) прогнозируемую информацию при наступлении определенных условий внешней среды, например, при поступлении запроса из внешней среды на выдачу информации из системы КСИ, в частности, когнитивной памяти, или мгновенно. К таким условиям внешней среды могут относиться различные ситуации, происходящие в физическом мире 142 уровня физического мира 130 (ФИГ. 1), например, в ответ на яркую вспышку, зарегистрированную датчиком или камерой, сигнал которых поступает в систему КСИ посредством преобразователя 144 и обрабатывается модулем когнитивной памяти 170, система КСИ способна отреагировать в зависимости от логики, которая будет выбрана системой КСИ на основании имеющейся в ней информации, сохраненной в виде, по крайней мере, одного квазиграфа или, по крайней мере, двух связанных квазиграфов, причем реакция системы КСИ может быть реализована, например, устройством, подключенным к системе КСИ, в частности, после преобразования информации из модуля когнитивной памяти посредством преобразователя 180, например, в формат данных, воспринимаемых преобразователем 147, как будет описано далее, причем преобразователь 147 может выполнять не только выполнять преобразовывать, но и исполнять, например, осуществлять воздействие на физический мир 142 и его элементы. В частности, преобразователь 147 может быть реализован вычислительным устройством, например, персональным компьютером или телевизором, способными, в частности, отображать пользователю информацию, выводимую системой КСИ. Также, преобразователь может быть реализован различными манипуляторами, например, способными перемещать или любым другим способом воздействовать на объекты физического мира 142.
[000131] Система, изображенная на ФИГ. 1, также включает интерфейс ввода данных/ интерфейс ввода-вывода (не показан на ФИГ. 1), который может быть реализован в частном случае интерфейсом пользователя 172 или интерфейсом преобразователя входящих кадров информации 144 либо являться отдельным модулем, например, расположенным между (и связывающий) интерфейсом пользователя 172 и модулем когнитивной памяти 170 или между физическим миром 142 и системой КСИ, в частности, между между физическим миром 142 и преобразователем входящих кадров информации 144, а также может связывать (может быть расположен между) систему КСИ, в частном случае, преобразователь цифровых данных в кадры информации формата внешней среды 147.
[000132] Когнитивная память представляет собой структуру, способную сохранять все элементы восприятия мира человеком (предварительно преобразованные в формат когнитивной памяти, в частности, по крайней мере одним преобразователем 150 и 155), а именно объекты и их абстракции, связи между объектами, в том числе причинно-следственные связи в полевом графе, в котором представлены фундаментальные объекты внешнего мира/физического мира 142, такие как общий объект/протообъект, который является наивысшей степенью абстракции всех объектов, причем наивысшая степень абстракции является одновременно обозначением внешней среды 140 в системе КСИ, и такие как значения элементов внешней среды 140, необходимые для распознания логических структур внешней среды системой КСИ. Степень абстракции представляет собой количество связей между ядром исходного объекта по пути входящих в него связей до ядра объекта, причем уровень абстракции которого вычисляется относительно исходного объекта. Наивысшей степенью абстракции любого объекта может являться единый неделимый объект, который в том числе является внешней средой или может быть быть представлен внешней средой.
[000133] Система, продемонстрированная на ФИГ. 1, также может включать эфферентный когнитивный преобразователь, который представляет собой алгоритм (например, мгновенно исполняемый алгоритм), обладающий функциональностью противоположной функциональности афферентного когнитивного преобразователя 155 и, в частном случае, реализует реакцию когнитивной памяти (реализуемой модулем когнитивной памяти 170) на поступившую в систему КСИ 105 обработанную/преобразованную (например, модулями, 155, 144) внешнюю информацию или полученную модулем когнитивной памяти 170 посредством любого другого способа, например, посредством интерфейса пользователя 172. Данные (в частности, когнитивные кадры/поток когнитивных кадров), преобразованные эфферентным преобразователем 180 в формат преобразователя 147, передаются в преобразователь 147, где из цифрового формата преобразуются исполнительными устройствами (например, телевизорами, мониторами, аудио-колонками, принтерами, манипуляторами, излучателями сигналов, реле и т.д.) в формат, воспринимаемый (понятный для понимания, обработки и т.д.) внешней средой 140 физического мира 130, например, изображение на экране монитора, электромагнитные импульсы и т.д., таким образом осуществляя взаимодействие искусственного интеллекта (реализуемого описываемой в настоящем изобретении системой КСИ, в частности, когнитивной памяти) с внешней средой 140. Стоит отметить, что предоставляемая во внешний мир информация из системы КСИ 105 может иметь вид программного кода.
[000134] Вывод информации/данных из системы КСИ во внешнюю среду 140 может быть осуществлен при возникновении подходящих условий (оцененных, например, в виде вероятности возможности возникновения какой-либо ситуации) для восприятия этой информации внешней средой. Иными словами, в одном из вариантов осуществления изобретения, когнитивный разум, в частности, реализованный модулем когнитивной памяти 170, способен выводить информацию из системы КСИ во внешнюю среду 140, если средствами когнитивного разума предполагается (было вычислено), согласно, например, рассчитанным им прогнозам/вероятности, что ему вернется ответ (например, в виде входных данных в систему КСИ) от/из внешней среды 140 (будет получен ответ от внешней среды 140), в противном случае вывод информации может не осуществляться системой КСИ. Так, например, система КСИ не будет выводить информацию, например, на подключенный к ней монитор, если монитор некому смотреть. Также, система КСИ может не выводить информацию в виде звука, если его никто не услышит.
[000135] Стоит отметить, что решение о выводе информации из системы КСИ во внешнюю среду может сформироваться в когнитивной памяти (модуле когнитивной памяти 170) в один момент времени (заранее), а вывод информации может быть осуществлен тогда, когда изменится внешняя среда, т.е. в систему КСИ поступит соответствующая информация об изменении внешней среды, что приведет выводу заранее вычисленной/подготовленной информации. Подобное изменение внешней среды, преобразованное в команду на вывод информации из системы КСИ во внешнюю среду, может быть представлено/реализовано установлением/фиксацией новой связи существующих объектов/объектов информации, у которых существует абстрактная модель реакции на существующие в системе КСИ объекты информации.
[000136] Стоит отметить, что афферентные и эфферентные когнитивные преобразователи представляют собой алгоритмы (которые могут быть представлены модулями вычислительного устройства или нескольких вычислительных устройств, в том числе компьютерами или платами компьютеров) преобразования входящей в них и исходящей из них информации в когнитивную форму и из когнитивной формы в мгновенные команды четкой логики, соответственно.
[000137] Для использования способа КСИ с целью систематизации больших объемов информации, обрабатываемой системой КСИ, может быть использован интерфейс пользователя 172 (в частности, интерфейс пользователя, являющийся частным случаем интерфейса ввода данных), позволяющий пользователю вводить данные в когнитивную память в форме/формате готовых когнитивных кадров информации. Стоит отметить, что вместо интерфейса пользователя 172 может быть использован любой интерфейс ввода данных, позволяющий добавлять в систему 105, в частности в модуль когнитивной памяти, когнитивные кадры. Такой интерфейс может быть представлен командной строкой, API (интерфейс программирования приложений, от англ. - Application Programming Interface) приложений и т.д. Таким образом афферентный преобразователь и эфферентный преобразователь являются опциональными модулями системы КСИ, реализующей способ КСИ, и приведены на ФИГ. 1 в качестве примерного варианта реализации способа и системы КСИ.
[000138] Как было сказано выше, способ КСИ представляет собой набор действий/операций (исполняемых, например, вычислительным устройством, в частном случае, представленным электронной вычислительной машиной) по обработке и представлению информации из внешней среды в формате, который может быть распознан когнитивной памятью, так что поступившие в когнитивную память данные (информация) могут быть обработаны когнитивной памятью (модулем когнитивной памяти) 170. Описываемые в рамках настоящего изобретения способ и система КСИ позволяют оказывать воздействие, в частности, как было описано выше на окружающую среду 140, например, посредством устройств, подключенных к системе КСИ, что, в свою очередь, может привести к появлению новой и/или дополнительной информации во внешней среде, и такая информация может быть использована для оптимизации когнитивной памяти (в частности, для выстраивания/создания новых связей в квазиграфе между объектами информации, создания новых квазиграфов, удаления новых с созданием новых связей между объектами информации и связями и т.д.), например, посредством ввода/поступления такой информации в систему КСИ посредством различных устройств ввода информации с последующей обработкой преобразователем 144. В одной из реализаций изобретения, способ КСИ использует математическую модель "релятивистского пространственно- временного информационного поля" (информационное поле, РИ-поле, информационное РИ-поле), которая является частью способа систематизации информации. Когнитивная память (представленная модулем 170), в астном случае, представлена информационным полем (топологическим полем/РИ-полем).
[000139] Вставочные узлы являются связью между афферентными узлами и другими вставочными узлами или связью между вставочными узлами, и обладают входящими связями/входами от аферентных узлов и/или вставочных узлов, и представляют собой ядра объектов и характеризуемые только входящими и исходящими связями с другими объектами и узлами квазиграфа. Совокупность вставочных узлов образует логику системы, описываемой в рамках настоящего изобретения. Вставочные узлы создаются системой КСИ на основе нераспознанных объектов в потоке поступающей информации.
[000140] Стоит отметить, что способ КСИ, основанный на свойствах понятия информационного поля, обладает рядом возможностей, позволяющих когнитивно систематизировать информацию, описывая любую среду, в том числе вымышленную (например сюжеты из фантастических рассказов). Когнитивная систематизация информации представляет собой распознавание логики вводимых данных в систему КСИ, включая причинно-следственные связи объектов информации с другими объектами информации и связями объектов информации, а также связи связей объектов информации со связями объектов информации с целью их записи в когнитивную память, представленную модулем когнитивной памяти 172.
[000141] Основными свойствами информационного поля, используемыми способом КСИ являются:
[000142] - узлы графа, которые представляют собой ядра объектов информации, а входящие связи в узлы графа от других узлов являются характеристиками этих объектов информации (в рамках описания настоящего изобретения понятия "ядро объекта" и "узел"/”узел графа” рассматриваются как синонимы). Входящие связи первого уровня абстракции являются индивидуальными характеристиками объекта, связи более высокой степени (второй, третьей и т.д.) абстрактными характеристиками, наличие которых предполагается у объекта, если это не было опровергнуто, например, средствами системы КСИ.
[000143] Любой узел графа может одновременно являться связываемым узлом и связью между двумя узлами графа. Свойство относительности позволяет реализовать теорию воплощенного сознания, когда поступающая информация в систему КСИ сохраняется в когнитивной памяти в сравнении с предшествующей информацией и ей же описывается (т.е. поступающая информации описывается самой поступающей информацией). Такой релятивизм представляет собой проявление когнитивности способа КСИ и когнитивное™ системы КСИ. Когнитивность системы КСИ и когнитавность способа КСИ в контексте описываемого способа и системы КСИ означает способность к сохранению всей полноты поступающей информации из внешней среды на основе ранее поступившей информации. Иными словами когнитавность это описание поступающей информации через уже имеющуюся в системе КСИ информации ограничиваясь связыванием узлов, то есть формируя индивидуальную относительное™ для новых объектов (что отражает релятивизм системы и способа КСИ). Такой подход расширяет понятае когнитавности для его применения не только к сознанию человека, но и к другим системам, в том числе искусственного происхождения, включая систему КСИ. Любая когнитавность основана на принципах релятивизма, то есть описание одного через другое, в частности, описание одного объекта информации через другой объект информации, например, характеристиками объекта информации. [000144] Поскольку связи являются ядрами объектов информационного поля, то можно говорить о топологическом/логическом весе связей (не числовом), определяемых связями с другими объектами, то это позволяет выстраивать абстрактные структуры топологических весов связей в релятивистской форме, в отличие от числовых весов, принятых скажем в нейронных сетях и ограничивающих возможность их динамичной оптимизации (т.е. невозможно перестроить нейронную сеть не разрушив результаты ее обучения/самообучения).
[000145] Связи, роль которых выполняют узлы информационного поля, имеют топологический вес связи, который выражается во входящих связях (определяется входящими связями) к этим узлам-связям от других узлов. Стоит отметить, что связь также является объектов. Так, например, у двух узлов, выступающих в роли связей может существовать единый/один входящий узел абстракции, таким образом можно говорить об однородности веса связей. Например мы можем создать абстрактный объект Килограмм и он будет входящим узлом для двух объектов "тяжелее человека" и "легче человека" и эти объекты можно использовать в роли связей где важно указать физический вес одного объекта относительно другого характеризуя его относительно веса людей.
[000146] Роль узла в качестве связи между двумя другими узлами понятие относительное и зависит от того, относительно какого узла она рассматривается, т.е., например, какой узел является описанием текущего узла в данном конкретном случае.
[000147] Объекты, не имеющие ни одной входящей связи, считаются имеющими входящую связь от объекта наивысшей абстракции не имеющего никаких входящих связей. Таким образом, любой объект информации (в частности, представленный узлом графа/квазиграфа) имеет входящий путь связей (содержащий набор связей, расположенных от одного объекта информации к другому объекту информации, который приведет к этому объекту наивысшей абстракции. Назовем такой объект "протообъект", который реализован/представлен, по крайней мере, одним квантовым узлом квазиграфа в системе КСИ, причем квантовые узлы квазиграфа являются входящими связями/входами для вставочных узлов квазиграфа. В когнитивном смысле (с точки зрения когнитивизма) этот объект обозначает сам смысл понятия объекта и устанавливает тот факт, что все информационное пространство состоит из объектов. Принимая во внимание то, что в качестве связей выступают объекты информационного поля, а объекты, не имеющие входящих связей, имеют связь с протообъектом, то в когнитивном смысле модель информационного поля показывает, что все несистематизированное пространство заполнено объектами с входящими связями от протообъекта, который выступает в роли наивысшей абстракции для многих объектов и для многих связей.
[000148] Таким образом, способ КСИ позволяет унифицировать систематизацию информации любой глубины логики и степени абстракции, а именно позволяет сохранять не только структуры абстракций объектов, но и причинно-следственные связи, возникающие в процессе изменения этих объектов. Так, например, первая глубина связи описывает/отражает пространственную структуру объектов, их детализацию и абстракцию. Вторая глубина связи описывает изменения в пространстве, то есть время. Третья глубина связи отражает причинно- следственные связи между изменениями в пространстве. Четвертая и далее глубины связей отражают иные измерения, которые в настоящее время не воспринимаются человеческим сознанием, однако предполагается их использование в научных целях для исследования процессов в многомерных пространствах.
[000149] Глубина логики представляет собой количество связей между объектами (объектами информации), выступающими в роли связей друг относительно друга между исходной связью и связью, глубина которой вычисляется/устанавливается/считается относительно исходной связи. В когнитивном смысле первой глубине логики соответствует абстракция, второй глубине логики - изменение пространства, третьей глубине логики - причинно- следственная связь.
[000150] Стоит отметить, что сохранение данных (например, упомянутых выше когнитивных кадров, в частности, новых когнитивных кадров), поступающих в описываемую в настоящем изобретении систему, может быть реализовано созданием новых связей и/или использованием существующих связей в квазиграфе, таким образом, один объект информации (или информационную сущность) может быть представлен разными связями. В этом случае средствами описываемой системы, в частности, модулем когнитивной памяти, выбирается структура (цепочка) с наименьшим количеством связей (в частном случае связи являются аналогом энергии, где одна связь это одна единица, соответственно система стремится к минимизации затрат на хранение, к минимизации связей). Так, например, при существовании двух объектов информации с одним и тем же набором узлов графа (в частности, набором афферентных узлов графа) существующие афферентные узлы графа не дублируются, а описываемая система оставляет только один объект информации, описываемый узлами графа, а второй объект информации создаётся в виде одного узла графа, имеющего входящую связь от узла первого объекта информации, к которому идёт (с которыми связан) упомянутый набор афферентных узлов графа. Таким образом, осуществляется преобразование, по крайней мере, одного сформированного узла графа (в частности, афферентного узла графа), по крайней мере, в одну связь между узлами графа и/или, по крайней мере, в один вставочный и/или другой афферентный узел графа, и осуществляется сохранение, по крайней мере, одного такого узла графа в графовой базе данных.
[000151] Основным отличием информационного поля от связанного ориентированного графа является то, что в качестве ребер графа могут выступать/использоваться узлы графа, принадлежащие множеству узлов этого же графа, а сам узел, выступающий в роли связи между другими двумя узлами, и определяет, как было сказано выше, топологический (не числовой) или иными словами логический вес связи. Направление связи описывает пространственно временную абстракцию объектов "от общего к частному", где связь начинается всегда с абстрактного объекта и завершается на конкретном объекте, включающим свойства абстрактного объекта. При этом изменение информационного поля происходит нарастающим итогом по мере накопления информации, но не путем удаления или замены элементов информационного поля.
[000152] Поскольку, как было сказано выше, в качестве связей могут быть использованы узлы, а эти узлы также имеют связи, роль которые также выполняют узлы, то можно говорить о глубине связи при которой каждая глубина связи соответствует определенной природе изменения поля. Первая глубина связи представляет собой глубину абстракции. Вторая глубина связи представляет собой изменение объектов, отражающее течение времени. Третья глубина свези представляет собой причинно-следственную связь и так далее. Таким образом достигается непрерывная пространственно-временная модель взаимосвязанной информации/ данных (в системе КСИ), систематизированной способом КСИ. Стоит отметить, что релятивизм информации заключается в описании одних объектов через входящие связи с другими объектами нарастающим итогом в процессе поступления информации в систему КСИ, при котором объекты от входящих связей являются характеристиками того объекта, в который эти связи входят.
[000153] Стоит отметить, что способ КСИ не рассматривает числа, как самостоятельный инструмент, поскольку способ КСИ исходит из принципов релятивизма объектов, а численные способы нарушают этот принцип. Так, в системе КСИ числовые измерения объектов строятся на базе связей сопоставления одних объектов (число которых заведомо известно), другим объектам. Так например, наличие десяти пальцев на руке позволяет их сопоставить через связи другим объектам, число которых равно десяти. Как известно, сознание человека не способно проводить сложные математические вычисления в уме более чем осязаемые количества объектов. Однако для конкретных нужд можно ввести понятие объектов числового ряда и описать математический аппарат (включая формулы), используемый человеком при решении математических задач без привлечении вычислительной техники. Также, стоит отметить, что в системе КСИ могут быть использованы внешние по отношению к когнитивной памяти инструменты в формате "запрос-ответ" посредством которых когнитивная память способна запрашивать точные вычисления при необходимости определения относительности объектов и выстраивания соответствующих релятивистских связей внутри себя.
[000154] Инструменты внешней среды представляют собой внешние системы четкой логики, являющиеся справочниками абсолютных значений для когнитивной памяти, которые когнитивная память может использовать для выявления/установления причинно-следственных связей в поступающей информации. Также внешние системы четкой логики могут быть использованы для перехода от абсолютных величин к релятивистским структурам. Так, например, типичным примером являются эталоны единиц измерений, физические константы. Инструменты внешней среды могут быть использованы при применении способа КСИ при вводе информации в систему КСИ из внешней среды и при выводе информации из системы КСИ во внешнюю среду, поскольку внешняя среда существует в мире абсолютных значений, в то время как когнитивная память может содержать любое, вплоть до фантастического с точки зрения физики, представление о внешней среде.
[000155] Поскольку, как было описано выше, когнитивная память является инвариантной и относительной, то для создания на ее базе платформ четкой логики необходим инструментарий для работы с абсолютными значениями, такими как мировое время, константы, единицы измерения и т.д. По аналогии с тем, когда человек смотрит в органайзер, блокнот с расписанием и т.д. для того, чтобы вспомнить хронологию событий или дату запланированных встреч, когнитивная память может связываться с информационными инструментами внешней среды посредством афферентных узлов, которые позволяют вводить абсолютную информацию из внешней среды для превращения ее в относительную внутри когнитивной памяти, реализованной модулем когнитивной памяти 170 . Одним из инструментов внешней среды являются часы реального времени. Кроме этого в системе могут использованы другие инструменты с абсолютными значениями, например номера телефонов людей, которые не являются когнитивными и хранение номеров телефонов внутри когнитивной памяти нецелесообразно. Таким образом, посредством использования инструментов внешней среды достигается возможность когнитивного управления точными инструментами посредством когнитивную систему, выступающую посредником и обученную общению с точными инструментами.
[000156] На ФИГ. 2 продемонстрирован примерный вариант интерфейса пользователя, реализованного в виде навигатора логики, используемый системой КСИ, в частном случае для ввода данных в систему КСИ, например, для ввода данных в когнитивную память, а также используемый для вывода данных из системы КСИ (в частности, в физический мир), например, визаулизации данных, хранящихся в системе КСИ. Навигатор логики может содержать панель навигатора логики 210, выделение любого объекта (элемента панели навигатора логики) которой пользователю может быть отображена карта характеристик/карточка объекта 280, содержащая, в частном случае, характеристики выделенного элемента панели навигатора логики. Панель навигатора логики может содержать область текущей логики, т.е. область логики для выбранного объекта (элемента панели навигатора логики) 230 в панели навигатора логики. Область текущей логики 230 может содержать строку поиска 240 (которая может быть использована для поиска данных, объектов, узлов квазиграфа и т.д., сохраненных в когнитивной памяти или являющимися частью внешней среды, в частности, физического мира 142, ФИГ . 1) и фокус текущей логики 220, причем фокус текщей логики может меняться (может быть изменен, например, алгоритмом обработки команд панели навигатора логики), например, на показанный примерный вариант другого фокуса логики 225, в зависимости от смены фокуса текущей логики, которая осуществляется, например, стрелками вверх и вниз в строке команд 270 панели навигатора логики. Строка команд навигатора логики может быть использована для добавления (удаления) пользователем в систему КСИ (в частном случае, в когнитивную память, реализованную модулем когнитивной памяти 170) объектов, узлов квазиграфа, связей между узлами квазиграфов, т.е. в частном случае обучать систему КСИ. Также, область текущей логики 230 может содержать список связей 250, в частности, для выбранного в настоящий момент объекта (элемента панели навигатора логики), например, между узлами квазиграфа, объектами и данными, сохраненными в когнитивной памяти и/или объектами внешней среды. Также, панель навигатора логики 210 может включать объекты оперативной логики 260, в частности, относящиеся к выбранному объекту в панели навигатора логики, и в частном случае, содержащие действия, применимые к выбранному объекту в панели навигатора логики, так, например, для выбранного объекта «Локомотив инв. Ле 234-1» объекты оперативной логики могут содержать объекты «Остановка двигателя 124Н14/16,5» и «Запуск двигателя 124Н14/16,5», позволяющие запускать и останавливать двигатель выбранного локомотива, т.е. в частном случае содержат инструкции/команды для устройства, управляющего электродвигателем, или для самого электродвигателя, и относятся к эфферентным узлам квазиграфа (620, ФИГ. 6), т.е. в частном случае являются эфферентными узлами квазиграфа, описываемым в рамках настоящего изобретения. Выделяя любой объект в навигаторе логики, пользователю может быть отображена карта характеристик (карточку объекта) выделенного объекта при этом пользователь видит всю цепочку пройденной связи, причем не сбрасывая которую, пользователь может также просматривать карты характеристик (карточки объектов).
[000157] На ФИГ. 3 показан примерный вариант когнитивного релятивистского информационного поля (топологического поля). Далее приведен пример, демонстрирующий способ когнитивной систематизации информации/данных, описываемый в рамках настоящего изобретения. В качестве инструмента для реализации систематизации информации/данных может быть использована любая база даных, например, картотеки, иерархические базы данных, сетевые базы данных, реляционные базы данных, многомерные базы данных, объектно- ориентированные базы данных и т.д., включая, например, графовые базы данных, семантические базы данных, базы данных типа «сущность-связь» и другие, и/или может быть использован любой другой инструмент систематизации информации, реализованный, например, программным кодом. При использовании существующих на настоящий момент времени баз данных, в частности, графовых графовых баз данных, систематизация информации может быть реализована, например, с учетом различения описываемых в настоящем изобретении связей на технические и методологические. Методологическая связь, в частном случае, представляет собой объект, связывающий, как минимум два других объекта. Технологическая связь представляет собой информацию/данные о направлении связи и/или связываемых такой связью других объектов. Таким образом, при использовании существующих баз данных, в частности, графовых баз данных, связи, используемые в таких базах данных, могут являться технологическими связями.
[000158] Рассмотрим ситуацию, в которой объект/объект информации кошка находится в комнате, представленную, по крайней мере, афферентным узлом 342, и меняет свое местоположение/локацию (по крайней мере, афферентный узел 336) посредством движения/перемещения (по крайней мере, афферентный узел 340) из точки А, представленную, по крайней мере, афферентным узлом 338, (например, являющуюся левым дальним углом комнаты) в точку Б, представленную, по крайней мере, афферентным узлом 344 (например, правый дальний верхний угол), и у кошки шерсть встает дыбом/торчит (по крайней мере, афферентный узел 332) после перемещения в точку Б. После этого кошка может лечь (по крайней мере, афферентный узел 330). Информацию данного примера можно описать узлами квазиграфов в топологическом поле, приведенном на ФИГ. 3, в частности, как было показано выше. Также объект кошка может быть описан различными способами, например, в виде изображения кошки, словом «кошка» или словом «cat», которые хранятся в системе КСИ в виде афферентных узлов 320 (изображение кошки), 322 («кошка») и 324 («cat») соответственно. Таким образом объект кошка в системе КСИ может быть описан посредством, по крайней мере, одного узла, например, по крайней мере, одним афферентным узлом, а в данном случае - тремя афферентными узлами. Изображение кошки, .«кошка» и «cat» являются частными случаями объекта Кошка, так что для них может быть создан один вставочный узел 375, связанный с соответствующими афферентными узлами 320, 322 и 324. У кошки есть шерсть, наличие которой выражено в виде соответствующего афферентного узла 326 и вставочного узла 350. Шерсть кошки (350) связана с кошкой (375) через покров (афферентный узел 334, вставочный узел 365). Связь от шерсти к кошке является входящей, таким образом, кошка является частным случаем шерсти и определяется покровом. Таким образом, связью между кошкой и шерстью является объект «покров». Такие связи представляют собой «одно - часть другого» или «общее и частное» являются отражением интеллекта первого порядка, как было описано выше.
[000159] Стоит отметить, что информационная сущность кошка может быть описана через афферентные узлы, лапы кошки, хвост кошки, покров и так далее. При добавлении (создании) других информационных сущностей могут быть созданы другие информационные сущности, описание которых не обязательно напрямую связано с каким либо афферентным узлом, а может быть связано через, по крайней мере, один вставочный узел. Стоит омтетить, что в приведенном на ФИГ. 3 примере информационная сущность“лежит’ яваляется информационной сущностью, информационная сущность действие, однако не обязательно слово "лежит" может быть представлено афферентным узлом, а может быть описана рядом других узлов графа (например, вставочных и/или афферентных).
[000160] В частном варианте изобретения информационная сущность представляет собой объект, который определятся совокупностью узлов и связей между ними. Узел квазиграфа, являющийся частью информационной сущности, имеет хотя бы один восходящий путь до афферентного узла графа.
[000161] С ходом изменения характеристик объектов (перемещение из токи А в точку Б, открывание-закрывание глаз, шерсть встает дыбом/торчит) являются способом ощущения времени человеком. Объекты, выступающие в качестве связи между объектами, выступающими в роли связи абстракций, представляют собой объекты, характеризующие изменение и, обычно, обозначаются глаголами. Таким способом человек отражает/характеризует интеллект второго порядка, т.е. отражает время. Таким способом может быть система мер времени относительно колебания атома (в частном случае, атомные часы). Связи между связями представляют собой причинно-следственные связи и интеллект третьего порядка, свойственный человеку. Таким способом человек способен хранить информацию, когда одно изменение влияет на другое. Связи четвертого порядка человеческий мозг на данный момент осознать не способен, поэтому в настоящее время их логический смысл мозг человека не воспринимает (не существует физиологических мехнизмов воспринимать их на данном этапе эволюции). [000162] Таким образом, выше были описаны входящие связи от афферентных узлов словаря (значений словаря) системы КСИ. Однако, стоит отметить, что возможны связи в обратную сторону, т.е. входящие связи в афферентные узлы. Инымы словами, посылающие сигналы внешней среде и влияющие на внешнюю среду, в частности, на объекты (в данном случае - предметы) внешней среды. Такие узлы называются эфферентными. Подобное описание информации способом, описываемом в рамках настоящего изобретения, может быть описана и реализована (в частности, различными, например, описанными выше, устройствами, подключенными к системе КСИ) реакция системы КСИ на внешние раздражители (внешнюю информацию/входящую информацию в систему КСИ, поступающую в систему КСИ).
[000163] Посредством описанного в настоящем изобретении примера реализации способа КСИ осуществляется многократное использование ранее накопленной информации (сохраненной в виде наборов данных и узлов квазиграфа/квазиграфов) для представления новой информации или информации в новом формате. Таким образом, чем больше информации сохранено (накоплено), и, соответственно, опыта, в системе КСИ, тем меньше ресурсов (в частности аппаратных ресурсов) требуется системе КСИ для запоминания/хранения новой информации. Так, например, если человек видит автомобиль и является опытным автослесарем, то такой человек запоминает тот факт, что увидел автомобиль (в системе КСИ данное событие может быть сохранено в виде связи квазиграфа - конкретизация от объекта автомобиль, геолокации и связи с объектами глаголами в качестве относительности времени/параметра времени, чтобы система имела информацию о том, в какое время/когда был замечен автомобиль). Когда человеку потребуется ответить на какой-либо вопрос про данный автомобиль, человек, исходя из опыта (запомненной информации) сможет изложить работу атомобилья и его поведение, а в случае с системой КСИ, при запросе в систему КСИ о работе и поведении автомобиля, система КСИ сможет ответить на запрос согласно накопленному опыту (сохраненной информации).
[000164] На приведенном рисунке вставочный узел 355 отражает интеллект первого порядка, т.е. является абстрактной связью от общего к частному. Вставочный узел 360 является отражением интеллекта второго порядка (изменение, как ощущение времени), в частном случае характеризует изменение, как функцию от времени. Вставочный узел 380 является отражением интеллекта третьего порядка (когда одно изменение вклияет на другое - причинно следственная связь), как было описано выше.
[000165] Стоит отметить, что узлы, сохраненные в графе, могут быть использованы для создания, по крайней мере, одного вставочного узла и/или, по крайней мере, одного афферентного узла, и/или, по крайней мере, одного эфферентного узла/ и/или по крайней мере одного квантового узла.
[000166] Также, стоит отметить, что совокупность вставочных узлов, сохраненных в графе, образует логику, которая может быть использована, по крайней мере, для систематизации информации, сохраненной в графе, в виде узлов.
[000167] На ФИГ. 4 показан общий случай графа и примерный вариант записи графа в виде матрицы. На ФИГ. 4(A) показан примерный вариант графа. На ФИГ. 4(Б) показан вариант записи матрицы смежности графа, изображенного на ФИГ. 4(A), являющейся одним из способов представления графа в виде матрицы, по которой могут быть найдены характеристики вершин такого графа. Так, сумма элементов i -ой строки матрицы дает полустепень исхода вершины xi, а сумма элементов i -го столбца дает полустепень захода вершины xi. По матрице смежности можно найти прямые и обратные отображения. Рассмотрим i-ю строку матрицы. Если элемент aij=l, то элемент графа х) входит в отображение G(cΐ). Например, во 2-й строке матрицы А ( рис. 1.5,6) единицы стоят в 2-м и 5-м столбцах, следовательно, Г(х2) = { х2, х5}.
[000168] На ФИГ. 5 показана матрица (в частном случае матрица смежности) информационного поля/топологического поля (предствавленного квазиграфом) согласно настоящему изобретению.
[000169] Матрица информационного поля состоит из области афферентных узлов (А1-Ап), вставочных узлов (II -In) и эфферентных узлов (Э1-Эп).
[000170] Поскольку в системе КСИ граф представлен квазиграфом, в котором, в частном случае связи графа также представлены узлами, то в отличие от классического описания графа двухмерной матрицей, где 1 или 0 означает наличие связи, в описываемом способе КСИ может быть использована, как, по крайней мере, одна двухмерная матрица, так и, по крайней мере, одна трехмерная матрица, в которой третье измерение является указанием на узел, выступающий в качестве связи (являющийся связью). Стоит отметить, что между двумя узлами графа может существовать несколько связей, и, соответственно, несколько узлов графа, выполняющих роль связей. Таким образом, в частном случае матрица является трехмерной матрицей, в которой третье измерение составляют те же узлы графа по оси «Z», а на пересечении - «1» и «0», обозначающие факт связи через узел графа, который идет по оси Z, т.е., в частном случае в ячейках упомянутой трехмерной матрицы указываются «1» и «0», а по оси «Z» - узлы графа, и напротив тех, которые выполняют роль связи ставится «1».
[000171] Сформированные средствами описываемой системы узлы графа могут быть сохранены (в частности в когнитивногй памяти, описываемой в рамках настоящего изобретения) в виде уникальных идентификаторов, по крайней мере, в одной графовой базе данных, реализованной, по крайней мере, одной матрицей (в том числе трехмерной матрицей, в частном случае пересечение осей X, Y и Z которой содержат единицы и нули, а оси матрицы являются идентификаторами (ID) или афферентными значениями, описываемыми в рамках настоящего изобретения, если это афферентные узлы) в машиночитаемой памяти (оперативно запоминающее устрйоство, постоянно запоминающее устройство, накопитель на жестких магнитных дисках и т.д.) вычислительного устройства (на котором могут быть реализованы описываемые в рамках настоящего изобретения система и способ) или внешнего устройства (например, персональным компьютером, сервером и т.д.), связанного с упомянутым вычислительным устройством, например, посредством проводной связи (USB и т.д.) или беспроводной связи (Wi- Fi, Bluetooth и т.д.).
[000172] Поскольку, исходя из вышесказанного, прямых связей между афферентными узлами и эфферентными узлами не существует, то, в связи с этим, данные области в изображенной матрице информационного поля пусты. Для простоты описания третье измерение не отображено в показанной матрице, а в ячейках матрицы указываются имена узлов по оси третьего измерения через запятую, как будет показано на примере обучения и функционирования системы КСИ, отображенном на ФИГ. 6.
[000173] На ФИГ. 6 отображен примерный вариант обучения и функционирования системы КСИ с записью информации в виде графа и матрицы сопряжения.
[000174] Рассмотрим пример, в котором описываемая в данном изобретении система содержит афферентные узлы 610, воспринимающие счет от 1 до 9 (например, из внешней среды, физического мира) и знак умножения. [000175] Афферентный узел А2 является числом «2» (А2 = 2), например, содержит значение, равное двум, а афферентный узел А1 является знаком умножения «*» (А2 = *), например, содержит значение, равное знаку умножения. Также, описываемая система, в данном случае, может содержать эфферентный узел Е1 являющийся командой (El = команда 4), в данном случае «командой 4», т.е., в частном случае, содержит реакцию описываемой системы, например, команду вывода на экран/дисплей цифры «4» или команду воспроизвести посредством динамиков, подключенных к описываемой системе, «ответ равен четырем» и т.д.
[000176] Далее, если необходимо получить результат для операции умножения значения афферентного узла А2 на значение этого же афферентного узла А2, представленной в системе, например, виде текстовой комбинации «2*2», описываемая система запускает процесс чтения текстовой комбинации «2*2» слева направо так, как поступает человек (направление играет роль, поскольку текстовая комбинация «5-2» не является равнозначной текстовой комбинации «2-5»), т.е. запускает процесс вычисления данной математической операции. Система обнаруживает первый символ «2» и сохраняет его в когнитивной памяти описываемым способом КСИ, то есть формируется матрица 640 (которая принимает вид 640А). Связь 12 (реализованная в виде вставочного узла 630) демонстрирует/отражает зарождение объекта. Как и все в природе форма дальнейшего формирования объекта вокруг узла развивается по спирали (экспоненте). Если у 12 нет записей связей в матрице, значит у 12 есть входящая связь от квантового узла, описываемого ранее в рамках настоящего изобретения.
[000177] Далее в процессе чтения текстовой комбинации «2*2» система распознает символ умножения («*»), что записывается в матрицу 640 (которая принимает вид 640Б), таким образом матрица вида 640Б описывает «2*».
[000178] Далее система распознает вторую двойку в текстовой комбинации «2*2» и осуществляет запись в когнитивную память, так что матрица 640 принимает вид 640В.
[000179] Далее осуществляется процесс обучения системы, в частности, человеком, например, посредством интерфейса пользователя, описанного выше, который включает указание описываемой системе, что реакцией на текстовую комбинацию «2*2» является «команда 4», например, команда ицдикатор с цифрой «4». [000180] Как было сказано выше, при записи в систему КСИ, описанным здесь способом, нарастающим итогом другую информацию, то записанная информация, в частности, пересекающаяся между собой и отраженная в виде узлов квазиграфа, порождает ассоциативный эффект памяти, сродни человеческому ассоциативному эффекту памяти. Таким образом, если система КСИ не находит прямого указания на реакцию, то система КСИ может анализировать "пробегать" (проходить по узлам и связям квазиграфа) реакции от самых близких по узлам, связанным с эфферентными узлами, до самых дальних узлов. Как также было сказано выше, получая ответную реакцию окружающей среды (внешней среды) система КСИ сопоставит такую реакцию с полученной информацией посредством установления связей между узлами квазиграфа.
[000181] По прошествии некоторого времени (например, сразу после первого прохода по узлам квазиграфа, относящимся к упомянутой текстовой комбинации «2*2») система КСИ или человек/пользователь системы КСИ (например, посредством интерфейса пользователя) может создать афферентный объект (в частности, афферентный узел) «2*2», то есть описываемой системе КСИ не придется пробегать/проходить матрицу (в частности узлы квазиграфа) на упомянутую реакцию, а описываемая система сразу будет указывать на нужный объект (в частности, узел), т.е. на существующий в системе КСИ (в частности, сохраненный в когнитивной памяти) существующий афферентный объект (в частности, афферентный узел) «2*2». Для этого в системе КСИ создается (средствами системы КСИ или человеком/пользователем) может быть создан узел ПО с входящей связью от вставочного узла II 635 и провести также входящую связь от афферентного узла "2*2". В этом случае описываемой системе КСИ нет необходимости читать (например, вычитывать посимовольно) текстовую комбинацию «2*2» слева направо. Обучение скорочтению людей работает подобным образом, т.е. человек начинает воспринимать «2*2» не как текст, а как изображение без необходимости прочтения «2*2» слева направо.
[000182] На ФИГ. 7 показан пример компьютерной системы общего назначения, которая включает в себя многоцелевое вычислительное устройство в виде компьютера 20 или сервера, включающего в себя процессор 21, системную память 22 и системную шину 23, которая связывает различные системные компоненты, включая системную память с процессором 21. [000183] Системная шина 23 может быть любого из различных типов структур шин, включающих шину памяти или контроллер памяти, периферийную шину и локальную шину, использующую любую из множества архитектур шин. Системная память включает постоянное запоминающее устройство (ПЗУ) 24 и оперативное запоминающее устройство (ОЗУ) 25. В ПЗУ 24 хранится базовая система ввода/вывода 26 (БИОС), состоящая из основных подпрограмм, которые помогают обмениваться информацией между элементами внутри компьютера 20, например, в момент запуска.
[000184] Компьютер 20 также может включать в себя накопитель 27 на жестком диске для чтения с и записи на жесткий диск, не показан, накопитель 28 на магнитных дисках для чтения с или записи на съёмный магнитный диск 29, и накопитель 30 на оптическом диске для чтения с или записи на съёмный оптический диск 31 такой, как компакт-диск, цифровой видео- диск и другие оптические средства. Накопитель 27 на жестком диске, накопитель 28 на магнитных дисках и накопитель 30 на оптических дисках соединены с системной шиной 23 посредством, соответственно, интерфейса 32 накопителя на жестком диске, интерфейса 33 накопителя на магнитных дисках и интерфейса 34 оптического накопителя. Накопители и их соответствующие читаемые компьютером средства обеспечивают энергонезависимое хранение читаемых компьютером инструкций, структур данных, программных модулей и других данных для компьютера 20.
[000185] Хотя описанная здесь типичная конфигурация использует жесткий диск, съёмный магнитный диск 29 и съёмный оптический диск 31, специалист примет во внимание, что в типичной операционной среде могут также быть использованы другие типы читаемых компьютером средств, которые могут хранить данные, которые доступны с помощью компьютера, такие как магнитные кассеты, карты флеш-памяти, цифровые видеодиски, картриджи Бернулли, оперативные запоминающие устройства (ОЗУ), постоянные запоминающие устройства (ПЗУ) и т.п.
[000186] Различные программные модули, включая операционную систему 35, могут быть сохранены на жёстком диске, магнитном диске 29, оптическом диске 31, ПЗУ 24 или ОЗУ 25. Компьютер 20 включает в себя файловую систему 36, связанную с операционной системой 35 или включенную в нее, одно или более программное приложение 37, другие программные модули 38 и программные данные 39. Пользователь может вводить команды и информацию в компьютер 20 при помощи устройств ввода, таких как клавиатура 40 и указательное устройство 42. Другие устройства ввода (не показаны) могут включать в себя микрофон, джойстик, геймпад, спутниковую антенну, сканер или любое другое.
[000187] Эти и другие устройства ввода соединены с процессором 21 часто посредством интерфейса 46 последовательного порта, который связан с системной шиной, но могут быть соединены посредством других интерфейсов, таких как параллельный порт, игровой порт или универсальная последовательная шина (УПШ). Монитор 47 или другой тип устройства визуального отображения также соединен с системной шиной 23 посредством интерфейса, например видеоадаптера 48. В дополнение к монитору 47, персональные компьютеры обычно включают в себя другие периферийные устройства вывода (не показано), такие как динамики и принтеры.
[000188] Компьютер 20 может работать в сетевом окружении посредством логических соединений к одному или нескольким удаленным компьютерам 49. Удаленный компьютер (или компьютеры) 49 может представлять собой другой компьютер, сервер, роутер, сетевой ПК, пиринговое устройство или другой узел единой сети, а также обычно включает в себя большинство или все элементы, описанные выше, в отношении компьютера 20, хотя показано только устройство хранения информации 50. Логические соединения включают в себя локальную сеть (ЛВС) 51 и глобальную компьютерную сеть (ГКС) 52. Такие сетевые окружения обычно распространены в учреждениях, корпоративных компьютерных сетях, Интранете и Интернете.
[000189] Компьютер 20, используемый в сетевом окружении ЛВС, соединяется с локальной сетью 51 посредством сетевого интерфейса или адаптера 53. Компьютер 20, используемый в сетевом окружении ГКС, обычно использует модем 54 или другие средства для установления связи с глобальной компьютерной сетью 52, такой как Интернет.
[000190] Модем 54, который может быть внутренним или внешним, соединен с системной шиной 23 посредством интерфейса 46 последовательного порта. В сетевом окружении программные модули или их части, описанные применительно к компьютеру 20, могут храниться на удаленном устройстве хранения информации. Надо принять во внимание, что показанные сетевые соединения являются типичными, и для установления коммуникационной связи между компьютерами могут быть использованы другие средства.
[000191] В заключение следует отметить, что приведенные в описании сведения являются примерами, которые не ограничивают объем настоящего изобретения, описанного формулой. Специалисту в данной области становится понятным, что могут существовать и другие варианты осуществления настоящего изобретения, согласующиеся с сущностью и объемом настоящего изобретения.

Claims

ФОРМУЛА ИЗОБРЕТЕНИЯ
1. Способ для хранения данных, выполняемый на электронном вычислительном устройстве, причем способ содержит этапы, на которых
- получают информацию об объекте информации из внешней среды в виде набора данных;
- формируют из набора данных по крайней мере две информационные сущности, причем вторая информационная сущность является связующим свойством первой информационной сущности, в виде двух афферентных узлов графа;
- формируют, по крайней мере, один вставочный узел графа для каждого из упомянутых афферентных узлов графа, причем вставочный узел графа имеет, по крайней мере, один вход, по крайне мере, от одного афферентного узла графа или вставочного узла графа;
- формируют связи между первым и вторым афферентными узлами графа, причем связи формируются через вставочные узлы графа;
- сохраняют сформированные узлы графа в, по крайней мере, одной графовой базе данных, реализованной, по крайней мере, одной матрицей в машиночитаемой памяти упомянутого вычислительного устройства или внешнего устройства, связанного с упомянутым вычислительным устройством.
2. Способ по п.1, характеризующийся тем, что сформированные узлы графа сохраняют в виде уникальных идентификаторов.
3. Способ по п.1, характеризующийся тем, что при сохранении сформированных узлов графа им присваивают уникальные идентификаторы.
4. Способ по п. 1 , характеризующийся тем, что связь между первым и вторым афферентными узлами формируется в виде вставочного узла графа.
5. Способ по п. 1, дополнительно включающий создание вставочного узла, являющегося результатом связывания: по крайней мере одного афферентного узла и по крайней мере одного вставочного узла графа или по крайней мере одного афферентного узла и по крайней мере одного афферентного узла графа, или по крайней мере одного вставочного узла и по крайней мере одного вставочного узла графа.
6. Способ по п.1, дополнительно включающий
- формирование из набора данных или другого набора данных
информационной сущности, являющейся действием, совершаемым над, по крайней мере, одной информационной сущностью, упомянутой в п.1 , в виде эфферентного узла графа;
- формирование, по крайней мере, одной связи между, по крайней мере, одним вставочным узлом графа и эфферентным узлом графа.
7. Способ по п. 6, характеризующийся тем, что формирование связи с
эфферентными узлами осуществляется в результате анализа узлов графа и/или создания афферентных узлов графа и/или вставочных узлов графа.
8. Способ по п.1, характеризующийся тем, что указанный граф является
квазиграфом, в котором, по крайней мере, одна связь между, по крайней мере, двумя связями в графе хранится в виде, по крайней мере, одного узла и/или, в котором, по крайней мере, одна связь между, по крайней мере, двумя узлами графа хранится в виде, по крайней мере, одного узла графа, и/или в котором, по крайней мере, одна связь между, по крайней мере, одним узлом графа и, по крайней мере, одной связью хранится в виде, по крайней мере, одного узла графа.
9. Способ по п.1, характеризующийся тем, что получение информации об объекте информации из внешней среды в виде набора данных осуществляется посредством интерфейса ввода данных.
10. Способ по п.1, характеризующийся тем, что интерфейс ввода данных
реализован интерфейсом пользователя и позволяет вводить, по крайней мере, один входной набор данных.
11. Способ по n.l , характеризующийся тем, что сформированные узлы графа используются для создания, по крайней мере, одного вставочного узла графа и/или, по крайней мере, одного афферентного узла графа, и/или, по крайней мере, одного эфферентного узла графа.
12. Способ по п.1, характеризующийся тем, что совокупность сформированных вставочных узлов графа являются логикой, которая используется для
систематизации информации, хранящейся в графе в виде сформированных узлов.
13. Способ по п.1 , характеризующийся тем, что наборы данных содержат
информацию, по крайней мере, об одном объекте внешнего мира и описание такого объекта.
14. Способ по п. 1 характеризующийся тем, что вставочный узел является
интеллектом первого порядка и является абстрактной связью между объектами внешней среды от общего к частному.
15. Способ по п. 1, характеризующийся тем, что вставочный узел является интеллектом второго порядка и характеризует изменение объектов внешней среды, как функцию от времени.
16. Способ по п. 1, характеризующийся тем, что вставочный узел является интеллектом третьего порядка и является причинно следственной связью между наборами данных и/или объектами внешней среды.
17. Способ по п. 1 характеризующийся тем, что объекты внешней среды
распознаются посредством сравнения сформированных узлов графа и/или связей между узлами графа.
18. Способ по п. 17, характеризующийся тем, что для нераспознанного объекта внешней среды формируются вставочные узлы, причем для нераспознанного объекта не были ранее сформированы афферентные узлы графа или эфферентные узлы графа.
19. Способ по п. 18, характеризующийся тем, что распознавание нераспознанного объекта осуществляется с использованием, по крайней мере, одного набора данных, соответствующего нераспознанному объекту и сохраненного в виде афферентного узла графа, и/или с использованием, по крайней мере, одного ранее сохраненного набора данных в виде афферентного узла графа, и/или с использованием созданного ранее, по крайней мере, одного вставочного узла графа.
20. Способ по п. 19, характеризующийся тем, что, по крайней мере, один набор данных, сохраненный в виде афферентного узла графа, и/или, по крайней мере, один вставочный узел графа описывает объект физического мира, отличный от нераспознанного объекта физического мира, причем между такими афферентными узлами графа и/или вставочными узлами графа создаются связи с афферентными узлами графа и/или вставочными узлами графа, описывающими нераспознанный объект физического мира с целью накопления информации о логических связях между распознанными объектами физического мира и нераспознанным объектом физического мира, тем самым реализовывая прогнозирование поведения объекта физического мира.
21. Способ по п.1, характеризующийся тем, что формирование информационных сущностей включает использование словаря афферентных значений, в котором каждому афферентному значению сопоставляется, по крайней мере, один узел графа.
22. Способ по п. 21, характеризующийся тем, что информационная сущность связана с афферентным узлом по крайней мере одним вставочным узлом.
23. Способ по п. 21, характеризующийся тем, что афферентные узлы содержат данные, преобразованные афферентным когнитивным преобразователем, характеризующимся способностью преобразовывать набор данных, по крайней мере, в один когнитивный кадр, представляющий собой, по крайней мере, одну информационную структуру, элементами которой являются когнитивные кванты информации/фрагменты информации, неделимые для интеллекта.
24. Способ по п.1, характеризующийся тем, что формирование, по крайней мере, одного узла графа в виде квантового узла графа, являющимся наивысшей степенью абстракции и входом, по крайней мере, для одного вставочного узла графа и содержащим описание набора данных.
25. Способ по п.1, характеризующийся тем, что матрица реализована трехмерной матрицей, пересечение осей X, Y и Z которой содержат единицы и нули, а оси матрицы являются идентификаторами (ID) или афферентными значениями.
26. Способ по п.1, характеризующийся тем, что осуществляется преобразование, по крайней мере, одного сформированного узла графа, по крайней мере, в одну связь между узлами графа и/или, по крайней мере, в один вставочный и/или другой афферентный узел графа, и осуществляется сохранение, по крайней мере, одного такого узла графа в графовой базе данных.
27. Система для хранения и обработки данных, включающая:
- интерфейс ввода данных, обеспечивающий ввод информации об объекте информации из внешней среды и преобразующий введенную информацию, по крайней мере, в один набор данных;
- конвертор информации, преобразующий информацию, по крайней мере, в один набор данных и передающий набор данных в афферентный когнитивный преобразователь;
- афферентный когнитивный преобразователь, реализованный программным модулем, преобразующий набор данных в когнитивные кадры, представляющие собой информационные структуры, элементами которых являются когнитивные кванты информации, неделимые для интеллекта, причем из набора данных формируются по крайней мере две информационные сущности, причем вторая информационная сущность является связующим свойством первой
информационной сущности;
- программный модуль когнитивной памяти, осуществляющий:
- создание и хранение информационных структур в виде афферентных узлов графа;
- создание и хранение вставочных узлов графа для афферентных узлов графа, причем вставочный узел графа имеет, по крайней мере, один вход, по крайне мере, от одного афферентного узла графа или вставочного узла графа;
- создание и сохранение связей между афферентными узлами графа, причем связи формируются через вставочные узлы графа.
28. Система по п.27, дополнительно включающая создание и сохранение модулем когнитивной памяти, по крайней мере, из одного набора данных информационной сущности, являющейся действием, совершаемым, по крайней мере, над одной информационной сущностью, в виде эфферентного узла графа.
29. Система по п.27, дополнительно включающая сохранение модулем
когнитивной памяти узлов графа в виде уникальных идентификаторов, по крайней мере, в одной графовой базе данных, реализованной, по крайней мере, одной матрицей в машиночитаемой памяти упомянутого вычислительного устройства или внешнего устройства, связанного с упомянутым вычислительным устройством.
PCT/RU2018/000576 2018-08-31 2018-08-31 Система и способ для хранения и обработки данных WO2020046159A1 (ru)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/232,324 US20210357791A1 (en) 2018-08-31 2018-08-31 System and method for storing and processing data
PCT/RU2018/000576 WO2020046159A1 (ru) 2018-08-31 2018-08-31 Система и способ для хранения и обработки данных

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/RU2018/000576 WO2020046159A1 (ru) 2018-08-31 2018-08-31 Система и способ для хранения и обработки данных

Publications (1)

Publication Number Publication Date
WO2020046159A1 true WO2020046159A1 (ru) 2020-03-05

Family

ID=69645318

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2018/000576 WO2020046159A1 (ru) 2018-08-31 2018-08-31 Система и способ для хранения и обработки данных

Country Status (2)

Country Link
US (1) US20210357791A1 (ru)
WO (1) WO2020046159A1 (ru)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11599749B1 (en) * 2019-12-23 2023-03-07 Thales Sa Method of and system for explainable knowledge-based visual question answering

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050092823A1 (en) * 2003-10-30 2005-05-05 Peter Lupoli Method and system for storing, retrieving, and managing data for tags
WO2013043160A1 (en) * 2011-09-20 2013-03-28 Hewlett-Packard Development Company, L.P. Text summarization
US20140098101A1 (en) * 2012-10-10 2014-04-10 International Business Machines Corporation Node cluster relationships in a graph database
RU2544739C1 (ru) * 2014-03-25 2015-03-20 Игорь Петрович Рогачев Способ преобразования структурированного массива данных
US20150356135A1 (en) * 2014-06-09 2015-12-10 Cognitive Scale, Inc. Graph Query Engine for Use within a Cognitive Environment
WO2016159819A1 (en) * 2015-04-03 2016-10-06 Obschestvo S Ogranichennoy Otvetstvennostyu "Colloware" System and method for data search in a graph database

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050092823A1 (en) * 2003-10-30 2005-05-05 Peter Lupoli Method and system for storing, retrieving, and managing data for tags
WO2013043160A1 (en) * 2011-09-20 2013-03-28 Hewlett-Packard Development Company, L.P. Text summarization
US20140098101A1 (en) * 2012-10-10 2014-04-10 International Business Machines Corporation Node cluster relationships in a graph database
RU2544739C1 (ru) * 2014-03-25 2015-03-20 Игорь Петрович Рогачев Способ преобразования структурированного массива данных
US20150356135A1 (en) * 2014-06-09 2015-12-10 Cognitive Scale, Inc. Graph Query Engine for Use within a Cognitive Environment
WO2016159819A1 (en) * 2015-04-03 2016-10-06 Obschestvo S Ogranichennoy Otvetstvennostyu "Colloware" System and method for data search in a graph database

Also Published As

Publication number Publication date
US20210357791A1 (en) 2021-11-18

Similar Documents

Publication Publication Date Title
Gilbert et al. Simulating societies: the computer simulation of social phenomena
RU2670781C9 (ru) Система и способ для хранения и обработки данных
WO2021093821A1 (zh) 智能助理评价、推荐方法、系统、终端及可读存储介质
Niu et al. Cognition-driven decision support for business intelligence
Mainzer Artificial intelligence-When do machines take over?
Pavlov Decision Control, Management, and Support in Adaptive and Complex Systems: Quantitative Models: Quantitative Models
Sosnovshchenko et al. Machine Learning with Swift: Artificial Intelligence for IOS
Kiv et al. Computer Science & Software Engineering
CN111126552A (zh) 一种智能学习内容推送方法及系统
Logachev et al. Information System for Learning Control in Teaching Russian Sign Language: Process and Data Modeling.
Sosnin Substantially evolutionary theorizing in designing software-intensive systems
Barbashin Imitation modeling and institutional studies
Pillai et al. Using historical methods to improve abduction and inference to the best explanation in strategy
JP2022516227A (ja) 自然言語ソリューション
Mpia et al. CoBERT: A Contextual BERT model for recommending employability profiles of information technology students in unstable developing countries
Wodecki et al. Artificial intelligence methods and techniques
Leppan et al. Process model for differentiated instruction using learning analytics
Skeeter et al. Artificial intelligence: Problems and prospects of development
WO2020046159A1 (ru) Система и способ для хранения и обработки данных
CN116956934A (zh) 任务处理方法、装置、设备及存储介质
Felin et al. Theory Is All You Need: AI, Human Cognition, and Decision Making
Aldabbagh et al. Optimal Learning Behavior Prediction System Based on Cognitive Style Using Adaptive Optimization‐Based Neural Network
Tsang et al. Interpretability and explainability in machine learning
Zoteva et al. Generalized nets. An overview of the main results and applications
KR102636797B1 (ko) 인공지능 모델을 활용하여 해시태그 기반 노트 주제 및 노트 콘텐츠 분석을 통해 사용자 심리 상태를 분석하고 이에 대한 솔루션 제공 방법, 장치 및 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18932223

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 28.06.2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18932223

Country of ref document: EP

Kind code of ref document: A1