在这篇评论文章中，我谈论了我在开发人工智能（人类心理的娱乐）方面的经验，已经取得了什么成果（人类基本的认知过程，理解了文本并可以提出澄清的问题），以及该技术在当前发展阶段适用的解决方案（人工智能已经准备就绪）取代在线实时顾问，并且可以成为程序员的虚拟助手）。

人工智能背景下的理解

理解是智力的重要能力之一。人工智能理解概念的重要性可以追溯到艾伦·图灵，马文·明斯基和雷·库兹韦尔的思想。

根据Wikipedia 所说，“理解是与新内容同化相关联的思维的普遍操作，新内容被包含在既定思想和思想体系中。”我们认为，这种表述的关键在于AI必须具有“既定思想体系”。为了使AI了解人的身分，AI知识系统必须与人类知识系统相同或非常接近。否则，该人将被感知，但不会被理解。

在实践方面，在人工智能中实现理解提供了机会：

-教给AI人为创造的一系列内容；
-以自然语言与AI互动；
-从AI那里获得基于对“像人一样”的理解的结论（答案“ 42”并不总是我们所需要的）。

因此，在我们开发AI的方法中，我们将理解这一概念作为主要概念。

人工智能开发的主要方法是“自上而下”和“自下而上”

AI开发有两种主要方法。第一个目标是在不诉诸单个神经元水平的情况下，在计算机中再现人的认知能力。这种方法称为自顶向下。第二种方法旨在建立从神经元到一般认知过程水平的智力，分别称为“自下而上”。

至于AI发展的总体趋势，现在采用自下而上的方法。科学家，开发人员和爱好者可能更容易理解人工神经网络中使用的数学仪器。

我们使用第一种方法-“自上而下”。通常，由于缺乏通用的，或多或少和谐，一致和全面的人类心理过程理论，人工智能的发展方向变得复杂。

我在2003年组建了一个团队来研究这种理论，但那时仍然出于与人工智能或一般信息技术无关的目的。一群学术和实践中的心理学家和心理治疗师为自己设定了简化心理学中可用的理论概念和实践方法的任务。我必须严格审查有关此主题的所有可用科学知识。在不同阶段，有30多人参与了该项目。

到2008年，我们开发了所谓的心理模型是心理组织及其过程的一致概念。考虑到大量的交互元素，该模型非常复杂，但也有一个优点-算法完善。即该模型使用一些元素进行操作，并根据可理解的数学定律描述其相互作用的性质。

开发结果已在多种产品解决方案中进行了测试。特别是，我们在选择新闻文章，从搜索结果中选择结果时对互联网用户的行为进行了建模，并根据模拟的需求将用户分配给了不同类型商品的消费者群体。作为建模的输入数据，我们使用了每个用户的网站访问历史记录。顺便说一下，这些数据足以计算出心理学家与之共事的一个人的一百个特征-外向性，强迫性等。性别也是一种心理特征，但并非对所有国家都如此。例如，在瑞典，确定的准确性最高为65％，而对于东欧国家/地区，我们可以根据浏览历史确定用户的性别，准确度为95％。

我们很了解心理中会发生什么过程，我们拥有一些工具可以让我们研究和分析这些过程。我们使用现象学方法（1）。通过此方法，您可以突出显示心理过程，将它们彼此分开，观察动态。对我们而言，心理不是一个黑匣子，在大多数情况下，它是一个复杂但可理解的结构。

我还注意到，与专注于解决相同问题的专门AI相比，我们团队的方法意味着正在开发AI的普遍性。

AI中知识的存储和处理

我们开始解决的第一个任务是开发语义网络，用于以人类心理中存储的形式存储知识。同时，语义网络的结构不仅应提供数据存储，还应提供重复认知和其他过程的算法的有效操作。

网络的顶点是意识可以强调的任何现象。顶点以不同的形式出现，例如，对象，动作，符号，抽象概念。峰的例子有笔记本电脑，风帆，黑色，太空。

顶点之间的连接反映了心理中这些现象相互作用的类型。在“蓝色”和“球形”两个峰之间的“蓝色球形”表达中，存在一个特征联系。链接也可以是几种类型。

在他关于语义网络结构形成的工作中，即为了添加新类型的峰和连接，我们遵循人类认知功能的本体生成过程。我们用一个例子来澄清这一点。直到某一点，心理中的现象之间才没有“工具性”的联系，因为心理无法解决相应的问题-孩子可以用抹刀敲打玩具，并且他不认为刀片是一种工具。一段时间后，模仿所见事物并积累知识，心理中会形成一种新型连接-工具性的，孩子知道您可以用铲子挖东西。因此，心理对操作的复杂性，数据量的增加做出响应，并通过形成一种新型的连接来优化其工作。

新型交流的形成与一种新的活动类型有关，并且与心理中的肿瘤的出现有关（2）新型活动的一个例子-对于专业的设计师来说，色彩不仅是一种特征，而且还是形成一种单独类型的联系的一种专业工具。心理中的肿瘤的一个例子是抽象思维。

首先，我们确定了心理形成的两个阶段-前言（不使用单词的结构（从出生到2岁））和言语（使用单词作为标识符）。划分为指示的阶段是有条件的，因为每个阶段也都有其自己独立的结构形成时期。

言语结构的再现被证明是一项相当困难的任务。在后来的阶段，我们被迫从我们已知的结构中重建概念和联系。例如，一个六个月大的孩子的愉悦尚未包含不同的经历（无论是性愉悦，饱腹感，亲密感等）。在发展谚语结构时，我们仅限于那些与后续阶段形成的结构有联系的结构。请注意，尽管已经研究出形成语义网络前言结构的方法，但是该任务需要心理学家的大量工作。在此阶段，我们确定了3种顶点和4种连接。

一旦单词成为信息的主要标识符，就更容易形成结构。通过向适当年龄的人提出问题，您始终可以求助于来源-心理本身。注意，在口头阶段，心理不限于现象数量的大量增加。新型现象也出现了，例如抽象，虚拟等，这需要网络结构的变化。

迄今为止，已有许多发展试图重复使用语义网络的人的知识存储原理。我们形成网络结构的方法基于我们开发的用于研究心理（包括认知）过程的工具。我们仅将相应年龄段内实际可用的内容引入网络结构。结果，重建七岁儿童心理认知结构的语义网络包含17种顶点和15种交流。在人类这个时代，大多数形式的交流已经形成。

在创建语义网络的过程中，我们确定了几个有趣的功能：

1。语义网络有一些技巧-决定关系不均匀分布的元素。在它们周围，这些链接的大部分链都是定向的。这些是人类的需求。

2.对于每个肿瘤，知识结构都将重建。新时代带来了显着改变要素之间关系结构的需求。

3.建立某种参考网络，我们记录了个人差异。这些差异是典型的。也就是说，不变量的数量是非常有限的，并且归因于个体特征或环境的影响。这些是心理类型。

获得新知识并形成问题的答案

实现与理解新知识有关的思维操作的算法基于语义网络的结构。

最初，文本是由斯坦福大学开发的解析器处理的。。然后，我们检查相应顶点和连接的可用性，并在必要时形成新的顶点和连接。在形成答案或澄清问题时，算法以语义网络中的可用数据为指导。下面的示例可以说明算法的简化操作。阅读完“北极熊捕食海豹”一文后，AI让我们已经分别了解了每种现象，并在语义网络中建立了一种特殊的联系以固定排他性-北极熊捕食海豹。收到问题后，“布朗在海豹上捕食吗？” AI将回答“否”，因为语义网络中不会存在满足所有指定条件“棕熊猎豹”的结构。

在第一阶段，我们开发了与三岁儿童的认知过程相对应的算法。基于这些算法，我们编写了一个程序，该程序可以理解非常简单的文本并回答几种类型的问题，这是一个演示程序。该程序使我们能够在大量数据上配置语义网络的连接，并确认了系统反应与活人心理的直接对应关系。

9月，我们完成了一个7岁孩子的认知过程的建模。虽然我们没有资源来编程整个系统，但是因此我们暂时将自己限制在语义网络和几种算法中。如果可以“手动”计算此级别的算法，则无法使用语义网络来完成-它包含大约10,000个顶点和40,000个链接。在完成所有算法的编程后，此解决方案将成为处理文本信息的足够强大的认知系统。我们的系统可以理解以自然语言描述的新知识，并且可以与适当年龄的人在同一水平上进行操作。

下一步发展步骤

我们在人类抽象思维的重构中看到了我们技术发展的下一步。现在，AI可以使用被教导的抽象概念进行操作，但不能独立形成新的概念。例如，这是用来教鱼的文字：

鱼是一种动物。鱼的身体细长。鱼使身体扁平化。鱼有头，颌，腮，尾，银鳞。鱼生活在水中。鱼可以游泳，睡觉，吃东西，感到疼痛，恐惧。鱼不说话。如果鱼没水了，那就死了。鱼使用g呼吸。鱼用脚蹼游泳。鲑鱼，鳟鱼，鲨鱼是鱼。猫，熊，土狼，短吻鳄，海豹，鹈鹕狩猎鱼。

抽象概念的独立形成将极大地扩展AI教学的可能性及其使用范围。我们已经制定了基本原则，并计划在不久的将来详细说明流程。增加抽象思维也将需要语义网络的现代化，因为新的通信类型将被添加。

此外，我们计划开发用于通过人工智能独立形成新型通信的算法。这将为语义网络增加灵活性，并在一组专家的AI培训中增加一些“自治”。

人工智能技术应用

开发的解决方案能够理解简单的文本，例如，系统可以理解来自Simple English Wikipedia的大多数文章。此外，我们的解决方案可以回答有关现有知识的问题，并在发现矛盾时提出澄清问题。从现阶段的限制-文本和问题应在语法上正确构建。此外，系统应由我们的专家在新主题领域中进行抽象概念方面的培训。通过这种学习方法，开发出来的解决方案与真实人的对话是无法区分的。

我们学习方法的特点-不需要大量的培训数据。在特定主题领域中具有新的抽象概念和新知识，通过单次阅读文本即可对该系统进行培训。

在我们的AI中重新创建的认知过程已经足够用于智能机器人，在线文本支持，游戏中的NPC等。即在需要使用自然语言在独立主题领域进行交流的系统中。现在，此类决策中的答案由实时陈述或脚本形成。我们的系统以与人相同的方式从现有知识中形成答案。

我们可以添加某些类型的认知算法并训练相应的学科领域，以便AI可以执行例如入门级编程任务。这是一位虚拟助手，将承担部分日常编程任务-将以自然语言理解任务，分析现有代码，编写新代码。首先，我们正在讨论算法问题，这些问题具有良好的表述和较低的不确定性。

拥有的资源已经不够，因此，我们正在考虑与其他公司建立合作伙伴关系。我们可以完全提供产品或平台的技术部分，而对于合作伙伴，我们希望看到在代码中实现的产品专业知识和资源。对于与本文中提出的想法很接近的开发人员，团队也将感到高兴。

在评论中，请写出您想进一步了解该技术的哪些方面，在接下来的文章中，我将尝试将其考虑在内。

1. Husserl E.逻辑研究。和他在一起。E.A.Bernstein编辑。S.L.弗兰克。R. A. Gromov的新版本。-M。：学术项目，2011年
。2. Piaget J.一个孩子的讲话和思考。-1994年。

通过复制人类心理的结构和过程来开发强大的AI