НЕЙРОКОГНИТИВНЫЕ МЕТОДЫ И АЛГОРИТМЫ ФЕДЕРАТИВНОГО ОБУЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНТЕГРИРОВАННЫХ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ В РЕАЛЬНОЙ КОММУНИКАТИВНОЙ СРЕДЕ
Аннотация
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.
