НЕЙРОКОГНИТИВНЫЕ МЕТОДЫ И АЛГОРИТМЫ ФЕДЕРАТИВНОГО ОБУЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНТЕГРИРОВАННЫХ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ В РЕАЛЬНОЙ КОММУНИКАТИВНОЙ СРЕДЕ
Ключевые слова:
Нейрокогнитивные архитектуры, интеллектуальные агенты, федеративное обучение, «умные» сельскохозяйственные системы, автономный робот, защита растенийАннотация
В отличие от существующих методов обучения систем искусственного интеллекта,
подходы, основанные на федеративном обучении, не потребуют длительной и дорогостоящей
процедуры подготовки обучающей выборки при создании и массовом практическом применении
«умных» сельскохозяйственных систем, автономных беспилотных сельскохозяйственных ма-
шин и роботов, а полученные системой принятия решений знания будут актуализироваться на
постоянной основе. Целью исследования является разработка и внедрение сквозной технологии
федеративного обучения для искусственного интеллекта, отсутствие которой сегодня пре-
пятствует созданию интегрированных информационно-управляющих систем для растениевод-
ства и животноводства («умные» сельскохозяйственные системы), основанных на групповом
применении беспилотных наземных и воздушных сельскохозяйственных машин и роботов. Вне-
дрение подобных интеллектуальных систем необходимо для сохранения и повышения произво-
димой продукции и обеспечения устойчивого развития сельского хозяйства. В статье описаны
нейрокогнитивные методы и алгоритмы федеративного обучения интеллектуальных систем
управления сельскохозяйственными процессами в реальной среде. Также предлагается струк-
тура обмена данными и знаниями в системе «умного» поля на основе распределенной сети ин-
теллектуальных агентов, управляющих системами «умного» поля на различных сельскохозяй-
ственных угодьях, на основе федеративного обучения. Каждый интеллектуальный агент пред-
ставляет собой программную модель нейрокогнитивных процессов рассуждения и принятия
решений в рамках решения определенной задачи. Предложенная структура будет способство-
вать совместному накоплению базы знаний в области сельского хозяйства и сможет стать
основой множества различных интеллектуальных агентов, эффективно выполняющих кон-
кретные задачи в рамках распределенной сети систем управления «умными» полями. Также
приводится описание интеллектуальных агентов, выполняющих различные задачи в реальной
среде. Приведены примеры разрабатываемых на автономных робототехнических и программ-
ных комплексов, на основе которых планируется апробация предложенной концепции федера-
тивного обучения систем «умного» поля. Вместе с тем в статье описаны ожидаемые эффек-
ты внедрения технологий, основанных на разрабатываемых методах и алгоритмах федера-
тивного обучения интеллектуальных агентов, управляющих системами умного поля.
