Мультиагентный нейрокогнитивный алгоритм управления референцией речевых событий коммуникации агента общего искусственного интеллекта в ситуации синхронных множественных диалогов

З. В. Нагоев, О. В. Нагоева, Д. Г. Макоева, И. А. Гуртуева

---

Аннотация. Разработаны основные принципы, модели и алгоритмы управления референцией речевых сообщений на основе создания двухконтурной модели мультиагентной нейрокогнитивной архитектуры – суперинтеллектона, реализующего взаимодействие интеллектона подсознания и интеллектона сознания. Сформированы требования к онтологиям агента общего искусственного интеллекта, условия их формирования и обозначены функциональные узлы нейрокогнитивных архитектур, необходимые для их эффективного формирования в режиме обучения. Полученные результаты могут быть применены при создании систем распознавания и понимания речи, работоспособных при применении в зашумленных средах и ситуациях множественных синхронных диалогов для повышения качества распознавания с использованием понимания контекста ситуаций.

Ключевые слова: общий искусственный интеллект, мультиагентные системы, нейрокогнитивные архитектуры, распознавание речи, понимание речи

Для цитирования. Нагоев З. В., Нагоева О. В., Макоева Д. Г., Гуртуева И. А. Мультиагентный нейрокогнитивный алгоритм управления референцией речевых событий коммуникации агента общего искусственного интеллекта в ситуации синхронных множественных диалогов // Известия Кабардино-Балкарского научного центра РАН. № 6(116). С. 193–209. DOI: 10.35330/1991-6639-2023-6-116-193-209

Информация об авторах

Нагоев Залимхан Вячеславович, канд. техн. наук, генеральный директор Кабардино-Балкарского научного центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
zaliman@mail.ru, ORCID: https://orcid.org/0000-0001-9549-1823
Нагоева Ольга Владимировна, науч. сотр. отдела «Мультиагентные системы», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
nagoeva_o@mail.ru, ORCID: https://orcid.org/0000-0003-2341-7960
Макоева Дана Гисовна, канд. филол. наук, зав. лабораторией «Компьютерная лингвистика», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАН;
360004, Россия, г. Нальчик, ул. И. Арманд, 37-а;
makoevadana@mail.ru, ORCID: https://orcid.org/0000-0001-5955-2262
Гуртуева Ирина Асланбековна, науч. сотр. лаборатории «Компьютерная лингвистика», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного центра РАН;
360004, Россия, г. Нальчик, ул. И. Арманд, 37-а;
gurtueva-i@yandex.ru, ORCID: https://orcid.org/0000-0003-4945-5682

Список литературы

1. Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах. Нальчик: Издательство КБНЦ РАН, 2013. 232 с.
2. Cyrus H. Gordon. The Accidental Invention of the Phonemic Alphabet. Journal оf Near Eastern Studies. 1970. Vol. 29. No. 3. Pp. 193–197.
3. Russell S., Norvig P. Artificial Intelligence: A Modern Approach (AIMA). 2nd ed. Moscow: Williams, 2007. 1424 p.
4. Нагоев З. В., Нагоева О. В. Обоснование символов и мультиагентные нейрокогнитивные модели семантики естественного языка. Нальчик: Издательство КБНЦ РАН, 2022. 150 с.
5. Nagoev Z., Nagoeva O., Anchekov M. et al. The symbol grounding problem in the system of general artificial intelligence based on multi-agent neurocognitive architecture. Cognitive Systems Researchthis link is disabled. 2023. No. 79. Pp. 71–84.
6. Nagoev Z., Pshenokova I., Nagoeva O., Sundukov Z. Learning algorithm for an intelligent decision making system based on multi-agent neurocognitive architectures. Cognitive Systems Research. Vol. 66. 2021. Pp. 82–88. ISSN 1389-0417. https://doi.org/10.1016/j.cogsys. 2020.10.015.
7. Nagoev Z., Nagoeva O., Gurtueva I. Multi-agent neurocognitive models of semantics of spatial localization of events. Cognitive Systems Research. 2020. Vol. 59. Pp. 91–102.
8. Nagoev Z., Gurtueva I., Malyshev D., Sundukov Z. Multi-agent algorithm imitating formation of phonemic awareness. Advances in Intelligent Systems and Computing. 2020. Vol. 948. Pp. 364–369.
9. Nagoev Z., Pshenokova I., Gurtueva I., Bzhikhatlov K. A simulation model for the cognitive function of static objects recognition based on machine-learning multi-agent architectures. Advances in Intelligent Systems and Computing. 2020. Vol. 948. Pp. 370–378.
10. Нагоев З. В. Онтонейроморфогенетическое моделирование // Известия Кабардино-Балкарского научного центра РАН. 2013. № 4(54). С. 46–56.
11. Hui P.-Y., Meng H. Latent Semantic Analysis for Multimodal User Input With Speech and Gestures. IEEE/ACM Transactions on Audio, Speech and Language Processing. 2014. Vol. 22. No. 2. Pp. 417–429.
12. Despotovic V., Walter O., Haeb-Umbach R. Machine learning techniques for semantic analysis of dysarthric speech: An experimental study. Speech Communication. 2018. Vol. 99. Pp. 242–251.