ИСТИНА

Исследование комплексных подходов в сфере искусственного интеллекта, комбинирующих нейросетевые подходы и классические подходы искусственного интеллекта, методы представления знаний (онтологий, графов знаний, терминологии, словарей, формальных грамматик), включая методы адаптации больших языковых моделей на русский язык и заданную предметную область, интеграцию знаний в нейросетевые модели, автоматизированную подготовку размеченных наборов данных для обучения нейронных сетей на основе существующих лексико-семантических ресурсов, баз знаний.

The research is devoted to the study of hybrid approaches in the field of artificial intelligence, combining neural network approaches and classical approaches of artificial intelligence, methods of knowledge representation (ontologies, knowledge graphs, terminology, dictionaries, formal grammars), including methods of adaptation of large language models to the Russian language and a given subject area, integration of knowledge into neural network models, automated preparation of labeled data sets for training neural networks based on existing lexical-semantic resources, knowledge bases.

1) методы автоматического порождения и пополнения онтологий и графов знаний на основе комбинированных подходов, включающих лингвистические шаблонЫ и предобученных языковых моделей, 2) онтологии в разных предметных областях, 3) адаптированные на русский язык большие языковые модели, 4) большие языковые модели, адаптированные на конкретную предметную область, 5) обучающие выборки для обучения нейросетевых архитектуры распознавать классы формальных языков, 6) оптимальные методы retrieval augmented generation, 7) алгоритмы компьютерной алгебры, 8) интеллектуальные системы на основе предложенных методов.

1. Теория L-графов. Показано, что бесконтекстные и регулярные L-графы применимы для задания формальных языков. Предложены и обоснованы алгоритмы: (а) распознавания свойств языков, задаваемых L-графом, (б) преобразования КС-грамматики в L-граф, (в) реализации L-графов на языке C++, (г) оптимизации L-графов. 2. Обработка ЕЯ. Разработаны, обоснованы и реализованы: (а) дистрибутивный тезаурус русского языка, (б) методы автоматического построения предметных указателей для научно-технических документов, (в) методы машинного обучения для обнаружения семантических связей слов, (г) методы построения синтаксической модели, (д) метод морфемной сегментации слов русского языка на основе рекуррентных нейронных сетей, (е) версия транслятора лексико-синтаксических шаблонов, (ж) метод морфемного разбора слов для выявления вариантов терминов, (з) методы построения векторных представлений многозначных слов. 3. Задача реконструкции слов. (а) Предложена корректная постановка задачи реконструкции без запретов. (б) Разработан метод построения мультиорграфа де Брейна по исходному множеству подслов. (в) Разработана алгебра в целях реконструкции слов. (г) Дана постановка задачи реконструкции слов по мультимножеству подслов в гипотезе сдвига один. (д) Рассмотрены частные случаи снижения трудоемкости реконструкции слов. 4. Компьтерная алгебра. (а) Показана алгоритмическая неразрешимость задачи существования бесконечно дифференцируемых решений для подкласса дифференциальных уравнений в частных производных. (б) Изучен класс линейных дифференциальных систем с выделенными неизвестными, для которого введено понятие сателлитных неизвестных. (в) Разработан алгоритм распознавания линейно сателлитных неизвестных. 5. ИТ-технологии. Разработаны, обоснованы и реализованы: (а) прототип алгоритма выбора стратегии мультиагентной системы; (б) методы выявления хронологического порядка возникновения слов, (в) метод верификации программ на языке Питон.