Когнитивные инструменты объяснительного  искусственного интеллекта для задач транспортной и образовательной логистики

Владимир Леонидович Горохов; Ирина Александровна Брусакова; Станислав Олегович Кожухов

doi:10.32603/2071-2340-2032-2-30-40

Владимир Леонидович Горохов Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), ул. Профессора Попова, 5, корп. 3, 197022, Санкт-Петербург, Россия
Ирина Александровна Брусакова Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), ул. Профессора Попова, 5, корп. 3, 197022, Санкт-Петербург, Россия
Станислав Олегович Кожухов Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), ул. Профессора Попова, 5, корп. 3, 197022, Санкт-Петербург, Россия

DOI: https://doi.org/10.32603/2071-2340-2032-2-30-40

Ключевые слова: искусственный интеллект, объяснительный искусственный интеллект, объяснимость, нейронные сети, искусственные нейронные сети, логистика

Аннотация

В преддверии перехода к цифровой системам логистики происходит экспоненциальный рост использования систем искусственного интеллекта. Этот рост наиболее заметен в сфере анализа логистических процессов. Однако, с усложнением алгоритмов работы, возможности пользователя по контролю за принятием решения в логистике значительно снижаются, что сказывается на доверии к получаемому результату, которое критически важно в логистике. Повысить прозрачность в работе систем искусственного интеллекта (ИИ) при анализе логистических явлений призвано применение методов объяснительного искусственного интеллекта. В нашем исследовании представлен один из когнитивных инструментов в спектре методов объяснительного искусственного интеллекта для анализа логистических процессов, а также рассмотрены потенциально перспективные подходы к совершенствованию этой технологии. Ключевые слова: искусственный интеллект, объяснительный искусственный интеллект, объяснимость, нейронные сети, искусственные нейронные сети, логистика Однако, несмотря на то, что технологии искусственного интеллекта имеют огромный потенциал, усложнение этих систем сказывается на доверии к технологии. Особенно это заметно в сферах, где от правильности решения зависит техносферная и логистическая безопасность. Выходом из этой непростой ситуации становится применение объяснительного искусственного интеллекта (eXplainable Artificial Intelligence (XAI)). В данной работе в качестве такой объясняющей технологии предлагается когнитивное динамическое прецирование SW.

Биографии авторов

Владимир Леонидович Горохов, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), ул. Профессора Попова, 5, корп. 3, 197022, Санкт-Петербург, Россия

доктор технических наук, профессор кафедры инновационного менеджмента СПбГЭТУ «ЛЭТИ», vlgorokhov@etu.ru

Ирина Александровна Брусакова, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), ул. Профессора Попова, 5, корп. 3, 197022, Санкт-Петербург, Россия

Доктор технических наук, зав. кафедрой инновационного менеджмента СПбГЭТУ «ЛЭТИ», brusakova@gmail.com

Станислав Олегович Кожухов, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), ул. Профессора Попова, 5, корп. 3, 197022, Санкт-Петербург, Россия

Аспирант кафедры Инженерной защиты окружающей среды СПбГЭТУ «ЛЭТИ», koguhov@gmail.com

Литература

The United Kingdom Offshore Oil and Gas Industry Association (Oil and Gas UK), “Accident atistics for Offshore Units on the UKCS 1990–2007,” in www.oilandgasuk.co.uk, 2009. [Online]. Avilable: http://www.oilandgasuk.co.uk/cmsfiles/modules/publications/pdfs/EC024.pdf

V. L. Gorokhov and V. V. Tsaplin, “Information and communication technologies at the university, key principles,” T. A. Datsyuk ed., in Materials of the 1st Regional Conference, Saint Petersburg, Russia: SPbGASU, 2012 (in Russian).

A. N. Averkin and S. A. Yarushev, “Review of research in the development of methods for extracting rules from artificial neural networks,” Izvestiya RAN. Theory and Control Systems, no. 6, pp. 106–121, 2021 (in Russian); doi:10.31857/S0002338821060044

V. L. Gorokhov and I. P. Muravyov, Cognitive machine graphics. dynamic projections and robust segmentation of multidimensional data. Methodology, methods and interfaces, [Monograph], Saint Petersburg: INGECON Publishing House, 2007 (in Russian).

A. A. Zenkin, Cognitive computer graphics, D. A. Pospelov, Moscow: Nauka, 1991 (in Russian).

V. Gorokhov and V. Vitkovskiy, “Cognitive Imaging in Visual Data-Driven Decision-Support Systems,” in Astronomical Data Analysis Software and Systems (ADASS) XIX, Sapporo, Japan, 4–8 October 2009, pp. 171–175, 2010.

V. Vitkovskiy, V. Gorohov, and S. Komarinskiy, “Cognitive 6-D imaginig in visual data-driven decision support systems,” in Astronomical Data Analysis Software and Systems (ADASS) XIX, Sapporo, Japan, 4-8 October 2009, pp. 449–452, 2010.

V. L. Gorokhov, M. Yu. Admakin, V. Yu. Stepanov, and A. A. Zhuravlev, “Experience in 3-D representation of cognitive images of dynamic projection of multidimensional data,” Soft measurements and computing, no. 8(21), pp. 42–50, 2019 (in Russian).