Искусственный интеллект и машинное обучение (в области исследований Института интеллектуальных кибернетических систем)

Шифр и наименование области науки: 1. «Естественные науки»

Шифр и наименование группы научных специальностей:  1.2. «Компьютерные науки и информатика»

Выпускающая кафедра: кафедра кибернетики (№ 22).

Форма обучения: очная

Срок обучения: 3 года

Куратор программы:  д.т.н. Рыбина Галина Валентиновна, GVRybina@mephi.ru

Цель программы:

Целью программы аспирантуры является подготовка аспирантом диссертации на соискание ученой степени кандидата технических наук в области разработки и применения методов, моделей и программных средств искусственного интеллекта, позволяющих искусственным устройствам имитировать интеллект человека, реализуя целенаправленное поведение и разумные рассуждения, в том числе за счет  использования методов машинного обучения. Аспирантам предлагается участие в НИОКРах и грантах.

Направление научных исследований:

1. Естественно-научные основы  теоретических  методов  искусственного интеллекта (методы математической логики, теории алгоритмов, комбинаторики, распознавания образов, статистики, оптимизации,  когнитивной психологии, лингвистической семантики и др. областей, ориентированных на решение задач искусственного интеллекта и машинного обучения).

2. Теоретико-концептуальные  основы базовых парадигм искусственного интеллекта – символьного искусственного интеллекта или кибернетики «черного ящика» (подход на основе знаний) и нейрокибернетики (статистический подход на основе машинного обучения). Синергетический искусственный интеллект. Исследования в области  объяснимого  искусственного интеллекта.

3.  Системный анализ проблемной области на  применимость методов и технологий  искусственного интеллекта и машинного обучения для оценки качества и эффективности алгоритмических и программных решений при создании интеллектуальных  систем  различной архитектурной типологии. Многокритериальные методики сравнения и выбора алгоритмических и программных решений.

4. Интеллектуальные системы (системы искусственного интеллекта) -  основной программно-аппаратный продукт синергии кибернетики и искусственного интеллекта. Интегрированные и гибридные интеллектуальные системы. Методы конструирования   интеллектуальных систем различной архитектурной типологии. Модели   многоуровневой  интеграции  и  методы гибридизации в рамках разных парадигм искусственного интеллекта.

5.  Модели и методы представления достоверных и правдоподобных  знаний в интеллектуальных системах.  Развитие и усовершенствование  классических моделей представления достоверных знаний (переход к абстрактным знаниям) и создание новых и гибридных моделей, включая моделирование НЕ-факторов знаний,  темпоральных знаний и разработку  моделей онтологий.

6.   Методы и алгоритмы обработки знаний (автоматизация рассуждений) в контексте  моделирования мыслительных процессов, в том числе  рассуждений, аргументации, распознавания и классификации, формирования понятий. Автоматизация рассуждений на основе прецедентов.  Исследования в области разработки методов интеллектуального планирования и интеллектуальных планировщиков.

7.   Методы, алгоритмы  и программные средства   для обработки и анализа текстов на естественном языке и анализа  изображений. Методы открытого извлечения информации из текстов на естественном языке, в том числе с помощью машинного обучения без учителя. Методы автоматизированного  приобретения темпоральной информации из текстов на естественном языке   и других специальных видов слабоструктурированных  данных.

8.  Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе – эмпирических, в интеллектуальных  системах. Модели и методы автоматизированного приобретения знаний из различных источников (эксперты, ЕЯ-тексты, БД, онтологии). Исследования в области совместного применения методов машинного обучения, математического моделирования и методов и средств инженерии знаний (или онтологического инжиниринга).

9.   Методы и средства построения онтологических систем. Онтологии как концептуальные модели проблемной/предметной  области.  Графы знаний на основе онтологий. Гибридизация онтологий и нейронных сетей.  Онтологический инжиниринг и автоматизация построения онтологий различных типов. Исследования в области создания семантических моделей проектирования программных систем под управлением онтологий.

10.  Мягкие вычисления (вычислительный интеллект): исследования в области нечеткой логики, нейрокомпьютинга, генетических вычислений, вероятностных вычислений. Нечеткие логики и приближенные рассуждения. Гибридные нечеткие и вероятностные модели.  Нейро-нечеткие модели. Гибридные эволюционные модели и генетические алгоритмы. Моделирование эмерджментного и роевого интеллекта.  

11.   Нейросетевые технологии и нейрологические модели. Интеграция методов инженерии знаний и конструирования признаков машинного обучения.  Исследования в области многослойных алгоритмических конструкций и  многослойных нейросетей.

12.  Методы и средства интеллектуальной технологии   построения интегрированных экспертных систем различной архитектурной типологии (статических, динамических, обучающих) на основе задачно-ориентированной методологии. Эвристические модели  решения типовых  задач (диагностика, проектирование, планирование, управление, обучение). Интеграция методов интеллектуального планирования, онтологического инжиниринга и семантических моделей проектирования программного обеспечения прикладных интегрированных экспертных систем.

13.  Динамические интеллектуальные системы. Интеграция методов и средств  динамических систем автоматического управления с методами  принятия решений,  инженерии знаний, нечеткой логики, имитационного моделирования, нейросетевых  технологий и машинного обучения. Методы моделирования  внешнего мира (среды) и исследование поведения динамических  интеллектуальных систем в реальном времени (для различных типов архитектур).

14. Методы и средства  построения интеллектуальных агентов и многоагентных систем. Децентрализованные и распределенные архитектуры  многоагентных систем. Многоагентные технологии и самоорганизация. Исследования в области моделей и архитектур МАС, а также   типологии и  архитектур интеллектуальных (когнитивных) агентов. Модели взаимодействия (коммуникации) интеллектуальных агентов и методы построения архитектуры программно-коммуникационной среды для взаимодействия агентов.

15.  Методы и средства разработки  интеллектуальных обучающих систем. Исследование   типовых  задач  интеллектуального обучения и методов построения компетентностно-ориентированных моделей обучаемых и персонифицированных моделей обучения.  Автоматизированное формирование  единого онтологического пространства знаний и умений обучаемых. Интеллектуальный мониторинг.

16.  Разработка инструментальных программных средств для  автоматизации и интеллектуализации процессов  построения прикладных интеллектуальных систем (включая  средства  автоматизированного приобретения знаний и средства  онтологического инжиниринга).    Разработка специализированного (проблемно-ориентированного и/или предметно-ориентированного)  математического, алгоритмического и программного обеспечения интеллектуальных систем и систем  машинного обучения. 

17.  Методы и средства формирования массивов данных и прецедентов, включая «большие данные», необходимых для решения задач искусственного интеллекта и машинного обучения. Проблемно-ориентированные коллекции данных для важных прикладных областей.

18. Методы и средства формирования массивов условно-реальных данных и прецедентов, необходимых для решения задач искусственного интеллекта и машинного обучения.

19.  Исследования в области «сильного ИИ», включая формирование понятийной базы и элементов математического формализма, необходимых для построения алгоритмического аппарата.

20. Исследования в области «доверенных» систем класса ИИ, включая проблемы формирования тестовых выборок прецедентов, надежности, устойчивости, переобучения и т.д.

Организации-партнеры для проведения совместных научных исследований: 

• НИКИЭТ
• ВНИИА им.Духова
• ВНИИЭФ г. Саров
• РНЦ им. Курчатова
• ООО «1С»
• ООО «Яндекс» ,
• ФИЦ ИУ РАН

Научные группы, научные лаборатории, центры НИЯУ МИФИ:

Поступившие на программу аспиранты могут выполнять свои исследования в лабораториях кафедры:

• «Фундаментальные основы информационных технологий»
• «Анализ данных и машинное обучение»
• «Интеллектуальные системы и технологии»
• «Микропроцессорные системы»
• «Распределенные вычислительные системы»
• «Бизнес-анализ и разработка информационных систем»