Достаточно сослаться на программные высказывания по этой тематике Президента Российской Федерации Владимира Владимировича Путина и министра обороны Российской Федерации Сергея Кужугетовича Шойгу.

«Искусственный интеллект – это будущее не только России, это будущее всего человечества. Здесь колоссальные возможности и трудно прогнозируемые сегодня угрозы. Тот, кто станет лидером в этой сфере, будет властелином мира» [1].

«Военные и гражданские специалисты должны объединить усилия для разработки технологий искусственного интеллекта. Их развитие необходимо для парирования возможных угроз в области технологической и экономической безопасности России» [2].

Создание и развитие интеллектуальных технологий является долговременным трендом и вершиной[1] развития технологической цивилизации.

По своей природе данное направление имеет ярко выраженный междисциплинарный характер и включает в себя такие направления как математика, программирование, когнитивная и инженерная психология, психология высших форм сознания, перспективы человека, технологии и общества, генная инженерия, нанотехнологии, квантовые компьютеры и квантовые (неклассические) каналы связи, перспективные человеко-машинные интерфейсы, мобильные технологии и ряд других. Результаты же развития интеллектуальных технологий потенциально могут применятся практически во всех областях деятельности человека, по крайней мере в тех, в которых он использует свой естественный интеллект.

Правда, для этого нужны универсальные мультиязычные интеллектуальные системы с пользовательским интерфейсом персонального уровня, разработанные в постановке, не зависящей от предметной области. Эти системы должны быть хорошо оснащены учебными примерами, желательно с накоплением опыта их решения в облаке (on line) [3][2].

Есть все основания считать данное направление научных исследований и разработок критической технологией федерального уровня, оказывающей самое существенное влияние на будущее страны, что и отражено в документе [4] (8. Нано-, био-, информационные, когнитивные технологии).

Cognition (англ.) – познание. На современном этапе развития цивилизации познание осуществляется в основном в интеллектуальной форме. Поэтому сейчас есть все основания обоснованно считать, что когнитивные технологии по сути это и есть интеллектуальные технологии.

Искусственный интеллект является одной из важных составляющих Государственной программы «Информационное общество» [6] и Программы "Цифровая экономика Российской Федерации": [7].

2. Проблема

В чем же на взгляд автора состоит основная проблема в развитии данного важнейшего направления научных исследований и разработок?

Основы данного научного направления были заложены около 70 лет назад в трудах Алана Тьюринга (1948-1950) [5], которого по праву считают родоначальником научно-технологического направления «Искусственный интеллект», а также Норберта Винера (1948), Клода Шеннона (1948), Ульяма Росса Эшби (1956), Фрэнка Розенблатта (1957), Александра Харкевича (1960), Марвина Мински (1975) и ряда других выдающихся ученых.

С тех пор, т.е. уже довольно длительное время, мы наблюдаем весьма парадоксальную нежелательную ситуацию:

– с одной стороны в вопросах практического применения результатов, полученных в данном научно-технологическом направлении, достигнуты довольно значительные успехи;

– с другой стороны практически ничего принципиально нового в научном плане мы не видим в этой области с середины 60-х годов.

Естественно, возникают закономерные вопросы о причинах этой ситуации и о том, каков путь их преодоления и перехода к целевому состоянию.

Таким образом, налицо следующая проблема:

С одной стороны современные интеллектуальные технологии убедительно продемонстрировали на практике свою эффективность и осознаны как чрезвычайно перспективные. Однако, уже многие годы практически все успехи в этой области обеспечиваются лишь увеличением вычислительных ресурсов компьютеров. С другой стороны, в теории искусственного интеллекта по сути наблюдается стагнация, крайне отрицательно сказывающаяся на освоении данным направлением качественно новых уровней достижений. Основную причину этого мы видим в отсутствии системного понимания сущности этих технологий в их взаимосвязи с другими научными направлениями (прежде всего новыми видами интерфейсов и коммуникаций), глубокого теоретического понимания источников их эффективности и перспектив развития и применения, нет также глубокого понимания влияния этих технологий на сознание человека и на развитие общества. Путь решения проблемы мы видим в устранении ее причин, т.е. в разработке системной информационно-функциональной парадигмы развития общества, в рамках которой становится практически очевидной программа дальнейших действий.

Пока сформулированная проблема не решена ученые и разработчики в области искусственного интеллекта обречены на поиск нового методом случайного поиска. Для бактерий подобный алгоритм поиска возможно и не плохой вариант[3], но не для людей. Как известно этот метод является оптимальным только в условиях полного отсутствия информации об объекте исследования, в данном случае информации о том, что вообще представляет собой интеллект, «естественный» он или «искусственный», и что фактически является и в принципе может являться его носителем (системой поддержки интеллектуальных функций.

Понятно, что от решения сформулированной проблемы самым существенным образом зависит когда и где произойдет качественный скачок, настоящий прорыв в будущее в этой чрезвычайно перспективной области.

В данной краткой аналитической записке сделан краткий обзор авторских подходов к решению данной проблемы путем преодоления ее причин.

3. Объект и предмет исследования

Объектом исследования являются интеллектуальные технологии.

Предметом исследования – разработка системного видения сущности интеллектуальных технологий и их взаимосвязи с другими научными направлениями (прежде всего новыми видами интерфейсов и коммуникаций), глубокого теоретического понимания источников их эффективности и перспектив развития и применения, глубокого понимания влияния интеллектуальных технологий на сознание человека и на развитие общества (технологии, производственные отношения, экономику, социум, мировоззрение, идеологию и политику).

4. Цели и задачи исследования

Цель исследования состоит в разработке системного подхода к решению проблем развития научно-технологического направления «Искусственный интеллект».

Можно обоснованно предположить (высказать научную гипотезу), что в результате достижения данной цели будет создан инструмент, с помощью которого можно будет решить поставленную проблему.

Данная цель путем декомпозиции преобразуется в следующую последовательность задач, являющихся этапами ее достижения:

Задача 1. Обоснование требований к методу решения проблемы.

Задача 2. Описание традиционных подходов к решению проблемы и их недостатков в соответствии с ранее обоснованными требованиями.

Задача 3. Описание идеи и концепции авторского подхода к решению проблемы.

Задача 4. Описание авторских наработок к решению проблемы.

Задача 5. Описание перспективы человека, технологии и общества, возникающих в результате решения проблемы.

Задача 6. Описание условий, необходимых для решения проблемы.

Кратко, насколько позволяет формат аналитической справки, рассмотрим решение этих задач.

5. Обоснование требований к методу решения проблемы (задача 1)

Для обоснования требований к методу решения проблемы необходимо ответить на один принципиальный вопрос о том, что мы понимаем под искусственным интеллектом. Существует ли какая-либо принципиальная разница между естественным и искусственным интеллектом? Иначе говоря искусственный интеллект является инструментом, многократно усиливающим возможности естественного интеллекта или он ничем не отличается от естественного интеллекта, кроме своих возможностей, способа создания и системы материальной поддержки?

В настоящее время искусственный интеллект чаще всего понимается как инструмент, усиливающий возможности естественного интеллекта. Тот искусственный интеллект, который создан в настоящее время, как раз соответствует этому понимаю. Иначе говоря это некая программа, исполняющаяся на компьютере. Конечно такой искусственный интеллект создает более комфортные условии для мышления человека, примерно как микроскоп или телескоп многократно усиливает возможности естественного зрения. Но сам такой искусственный интеллект не мыслит, как не видит сам микроскоп или телескоп. Как человек видит с помощью микроскопа или телескопа, так он и мыслит с помощью современной версии искусственного интеллекта.

Но по мнению автора к инструментам этого класса, а других сейчас и не создано, по большому счету вообще на вряд ли применим этот термин «Искусственный интеллект». Все прекрасно понимают, что подобный искусственный интеллект лишь моделирует и имитирует некоторые способы обработки данных, информации и знаний, которые реализуются человеком при мышлении с помощью естественного интеллекта. Поэтому для обозначения этого вида искусственного интеллекта будем применять термин: «Инструментальный искусственный интеллект».

Автор предлагает понимать под искусственным интеллектом такой же интеллект, как естественный, т.е. функционально от него ничем не отличающийся (или отличающийся в лучшую сторону, т.к. иначе нет смысла его создавать), но созданный искусственно по некоторой разработанной человеком технологии и реализованный вообще говоря на другой системе материальной поддержки, на других материальных структурах, чем естественный интеллект (а может быть и не на очень уж и другой, а на довольно сходной). Для обозначения этого вида искусственного интеллекта будем применять термин: «Полнофункциональный искусственный интеллект».

Если инструментальным искусственным интеллектом человек просто пользуется при решении интеллектуальных задач в качестве инструмента собственного мышления, то полнофункциональному искусственному интеллекту он может просто дать задание, как начальник дает задание подчиненному, и тот его вполне самостоятельно выполнит.

Представляется вполне очевидным, что если инструментальный искусственный интеллект возможно создать и развивать не имея особых развитых и адекватных представлений о функциях естественного интеллекта и поддерживающих их материальных структурах, то для создания полнофункционального искусственного интеллекта это знание является совершенно необходимым.

Примерно также люди могли совершать недалекие каботажные (в пределах видимости берегов) плавания, имея представления о Земле, как о диске, покоящемся на трех китах, слонах или черепахах, но совершать кругосветные плавания в открытом мировом океане, руководствуясь подобными представлениями весьма и весьма проблематично. Геоцентрическая система Птолемея давала вполне удовлетворительные результаты прогнозов астрономических явлений на Земле и является удобной для применения на Земле и для расчетов орбит космических аппаратов, перемещающихся в ближнем космосе на геоцентрических орбитах. Гелиоцентрическая система Коперника в этих случаях неудобна. Однако когда необходимо вести расчеты траекторий движения космических аппаратов к планетам Солнечной системы и к другим космическим объектам, перемещающимся по гелиоцентрическим орбитам, то более удобна теория Коперника.

Аналогично, пока мы разрабатываем инструменты для моделирования и имитации интеллектуальных функций, то допустимо находится в плену ошибочных представлений о природе естественного интеллекта, его функциях и поддерживающих их материальных структурах, но для решения задачи создания и развития полнофункционального искусственного интеллекта иметь развитые адекватные представления об этом совершенно необходимо.

Из этих представлений следуют следующее требование к методу решения сформулированной проблемы:

1. Перед тем, как решать проблемы создания и развития полнофункционального искусственного интеллекта необходимо сначала разобраться с тем, что представляет собой естественный интеллект как с точки зрения его функциональных возможностей, так и с точки зрения поддерживающих их материальных структур.

2. Создание и развитие полнофункционального искусственного интеллекта должно основываться на системной информационно-функциональной парадигме развития общества, адекватно отражающей функциональную и структурную сущность естественного интеллекта, необходимость и разноплановые последствия распространения интеллектуальных технологий в обществе.

6. Традиционные подходы к решению проблемы и их недостатки (задача 2)

6.1. История возникновения научно-технологического направления: «Искусственный интеллект»

Выдающиеся ученые мирового уровня, являющиеся основоположниками научно-технологического направления: «Искусственный интеллект» Алан Тьюринг, Норберт Винер, Клод Шеннон, Ульям Росс Эшби, Фрэнк Розенблатт, Александр Харкевич, Марвина Мински и другие более или менее ясно понимали, в чем принципиальное различие между естественным и искусственным интеллектом. Особенно четко и осознанно, как мы увидим ниже, это понимал сам Алан Тьюринг. Однако последующие поколения ученых и разработчиков в области искусственного интеллекта утеряли это понимание. В результате этого они оказались практически не способны решать задачи создания и развития полнофункционального искусственного интеллекта и погрязли в технических деталях, не играющих особой роли для решения этой задачи, т.е. ушли в сторону от ее решения. При этом созданы многочисленные в разной степени успешные, в том числе и довольно успешные, системы инструментального искусственного интеллекта. Анализ систем инструментального искусственного интеллекта показывает, что сами по себе они не приближают нас к решению задачи создания полнофункционального искусственного интеллекта, если не считать самого этого вывода.

6.2. Типы систем искусственного интеллекта

Существует довольно много различных типов систем искусственного интеллекта [13, 15]:

1. Системы распознавания образов (классификации, идентификации, диагностики и прогнозирования).

2. Системы поддержки принятия решений.

3. Системы с интеллектуальной обратной связью и интеллектуальными интерфейсами, в т.ч. дистанционными:

– системы с использованием биометрической информации о пользователе;

– системы с биологической обратной связью (БОС);

– системы с семантическим резонансом и подсознательным интерфейсом, основанные на компьютерных Ψ-технологиях;

– системы виртуальной реальности, дополненной реальности и основанные на них интеллектуальные интерфейсы, в частности типа «Аватар» (иммерсионные среды);

– системы с дистанционным микротелекинетическим интерфейсом (Луценко Е.В., Бакурадзе Л.А, 1979-1981);

– экспертные системы;

– нейронные сети;

– генетические алгоритмы и моделирование эволюции;

системы когнитивного моделирования;

– data mining;

– роевый интеллект, бактериальный поиск и т.п.;

– автоматизированный системно-когнитивный анализ и универсальная аналитическая система «Эйдос» [8-63];

Все эти виды искусственного интеллекта относятся к инструментальному искусственному интеллекту и при всех их достоинствах обладают одним общим недостатком: они не сами по себе не являются искусственным интеллектом, функционально аналогичным естественному, а представляют собой лишь инструменты, усиливающими возможности естественного интеллекта.

Но некоторые из них могут быть использованы для создания полнофункционального искусственного интеллекта, полностью аналогичного естественному, прежде всего это системы с дистанционным микротелекинетическим интерфейсом и с виртуальными интерфейсами типа «Аватар».

Это означает, что решение поставленной проблемы является актуальным.

6.3. Модели представления знаний в базах знаний, их достоинства и недостатки

В таблице 1 приведены практически все основные типы баз знаний, известные в настоящее время, а также дано соотношение содержания основных терминов, используемых в этих базах знаний:

Таблица 1 – Типы баз знаний и соотношение содержания их основных терминов

Модель системно-когнитивного анализа и интеллекту-альной системы «Эйдос»	Классификационные шкалы и градации	Описательные шкалы и градации	Конкретный образ объекта исследуемой выборки	База знаний (декларативное и процедурное представление знаний), прямые и обратные правдоподоб-ные ассуждения	Обобщенный образ класса	Кластеры, могут отображаться в форме дерева и семантической сети	Конструкт как система наиболее непохожих классов с спектром промежу-точных по уровню сходства классов
Логическая модель (детерминистская Аристотелевская логика)	Бинарные (дихотомические) справочники классов	Бинарные (дихотомические) справочники признаков	Бинарный вектор объекта	Правила логического вывода	---	---	---
Логическая модель (нечеткая логика Л.Заде)	Номинальные, порядковые и числовые справочники классов	Номинальные, порядковые и числовые справочники признаков	Вектор объекта с указанием степени выраженности у него признаков	Нечеткие правила логического вывода	---	---	---
Фреймовая модель	Имена фреймов	Слоты и шпации	Фреймы-экземпляры	Процедуры формирования фреймов прототипов на основе фреймов-экземпляров	Фреймы-образцы, или прототипы	---	---
Продукционная модель (экспертные системы)	---	---	---	Продукционное представление правил вывода	---	---	---
Семантические сети	---	Свойства и их значения	Элемент класса	Отношения между классами	Класс	Граф результатов кластерного анализа	---
Нейронные сети	Множество нейронов	Множество рецепторов	Объект обучающей выборки	Матрица весовых коэффициентов	Нейрон с весовыми коэффициентами	Нейрон 2-го слоя сети	---

Основной вывод, который можно обоснованно сделать на основе этой таблицы состоит в том, что все эти модели представления знаний отличаются друг от друга в значительно меньшей степени, чем обычно принято думать. По сути все известные модели представления знаний являются вариациями представления одной и той же модели знаний в разных по звучанию, но очень сходных по смысловому содержанию терминах. Примерно также мы можем говорить об одном и том же на разных языках и это звучит иногда совершенно по-разному, но при этом смысл сказанного остается практически одним и тем же.

Так что же это за смысл? А смысл довольно простой: одни и те же конкретные объекты обучающей выборки, каждый из них, описываются двумя способами:

– во-первых, его признаками;

– во-вторых, его принадлежностью к более общим категориям (классам).

Обычно этими терминами «признаки», «классы» пользуются в системах классификации, идентификации, распознавания и диагностики.

В другой метафоре, чаще используемой в системах прогнозирования и управления это звучит немного по-другому. Каждый результат воздействия управляющих воздействий на объект управления (объект моделирования), т.е. каждое наблюдение, описывается двумя способами:

– во-первых, значениями факторов, действующих на объект управления;

– во-вторых, тем, в какое будущее состояние, соответствующее классу, объект управления перешел под воздействием этих факторов.

Подобные описания в науках об искусственном интеллекте называются конкретными онтологиями (на взгляд автора это название не очень удачное).

На основе конкретных онтологий, составляющих в совокупности обучающую выборку, система искусственного интеллекта (не каждая) формирует обобщенные онтологии, т.е. обобщенные образы классов.

Обобщенная онтология по сути является определением. Например: студент – это учащийся вуза мужского пола. Класс «студент» определяется через более общее понятие «учащийся» и указание специфических признаков «вуза» и «мужского пола», позволяющих выделить определяемое подмножество объектов или их состояний в более общем понятии.

На основе этого затем решаются различные задачи:

– сравнения конкретных объектов с обобщенными образами классов (задача классификации, идентификации, распознавания, диагностики и прогнозирования);

– сравнения обобщенных образов классов друг с другом (кластерный и конструктивный анализ);

– поддержка принятия решений;

– исследование моделируемой предметной области путем исследования ее модели.

Не все эти задачи решаются в каждой системе, т.е. в ряде системах решаются лишь некоторые из них.

В таблице 2 представлены достоинства и недостатки различных моделей представления знаний.

Таблица 2 – Достоинства и недостатки различных моделей знаний

Наименование модели	Рейтинг модели			Тип логики		Способ определения степени истинности высказываний			Наличие хорошо теоретически обоснованной содержательной интерпретации весовых коэффициентов
	Сильные стороны	Слабые стороны	Сумма	Логика Аристотеля	Нечеткая логика	Сообщается экспертом при посредничестве инженера по знаниям (когнитолога)	Рассчитывается автоматически на основе эмпирических данных		Нет	Есть
	Сильные стороны	Слабые стороны	Сумма	Логика Аристотеля	Нечеткая логика		Итерационный алгоритм обратного распространения ошибки	Метод прямого счета	Нет	Есть
Классическая логическая модель	0	2	-2	+	–	+	–	–	Вообще нет весовых коэффи- циентов
Сетевая модель	0	2	-2	+	–	+	–	–
Продукционная модель	0	2	-2	+	–	+	–	–
Нечеткая Логика Л.Заде	2	1	1	–	+	+	–	–	–	+
Фреймовая модель	3	1	2	–	+	–	++	–	+	–
Нейросетевая модель	3	1	2	–	+	–	++	–	+	–
Модель системно-когнитивного анализа и системы «Эйдос»	4	0	4	–	+	–	–	++	–	+

Основной вывод, который можно сделать на основе таблицы 2, состоит в том, что есть два основных критерия классификации моделей представления знаний:

1-й критерий: по форме представления знаний в базе знаний: декларативные и процедурные модели;

2-й критерий: по типу логики представления знаний в базе знаний: четкие и нечеткие модели.

По мнению автора:

– достоинства моделей представления знаний состоят в декларативной форме представления знаний и в нечеткой логике;

– недостатки в процедурной форме и четкой логике.

По этим критериям модель знаний системы «Эйдос» является хорошей моделью.

6.4. Сайты с исходными данными для машинного обучения Machine Learning (ML)

Ссылка на большое количество лабораторных и курсовых работ, находящихся на ftp-сервере системы «Эйдос» (сайт автора) [64]:

http://aidos.byethost5.com/Source_data_applications/WebAppls.htm

http://aidos.byethost5.com/Source_data_applications/WebAppls.xls

В самой системе «Эйдос» реализована возможность загрузки облачных Эйдос-приложений.

В качестве источника данных для машинного обучения рекомендует репозиторий UCI и данные с сервера Kaggle:

http://archive.ics.uci.edu/ml/datasets.html

https://www.kaggle.com/competitions (приоритет у активных тем)

https://www.kaggle.com/datasets

6.5. Обзор фреймворков

Выделяются в первую очередь:

https://habrahabr.ru/company/meanotek/blog/256987/

https://www.tensorflow.org

https://azure.microsoft.com/ru-ru/services/machine-learning/

https://cloud.google.com/prediction/

http://torch.ch

https://www.datarobot.com/

Но есть и множество других:

https://github.com/josephmisiti/awesome-machine-learning/blob/master/README.md

http://dev.aidos.online/brain/

Есть интересный Фреймворк у Стандфорда на яваскрипте

http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html

http://aws.amazon.com/ru/machine-learning/details/

https://azure.microsoft.com/ru-ru/services/machine-learning/

*Наименование*	Алгоритмы ML*	*Год запуска*	*Стоимость (от–до)*		*Дополнительно*
*Наименование*	Алгоритмы ML*	*Год запуска*	*Обучение*	*Прогноз (использование)*	*Дополнительно*
TenserFlow	Использование Графов потока данных. Сверточные нейронные сети, Рекуррентные Нейронные Сети, модели обучения типа “последовательность-в-последовательность” (sequence-to-sequence learning)	2015	Бесплатно	Бесплатно	Библиотека машинного обучения. Интерфейс языков программирования Python и C++. Модель Open Source.
AsureMircosoft ML	Регрессия, Кластеризация, Обнаружение аномалий, Классификация	2010	624 р. /место/месяц	31,25 РУБ/1000 рабочих транзакций API	Основные особенности данной модели: 1) оплата только потребленных ресурсов; 2) общая, многопоточная структура вычислений; 3) абстракция от инфраструктуры.
Google Prediction	Классификация, бинарная классификация, регрессия,	2010	Обучение $0,002 за каждый 1МБ данных (максимум 2.5GB)	$10 за 10 000 прогнозов 10 000 прогонозов - $0.5 за 1000 прогнозов	Возможности – сенимент-анализ, анализ документов, системы рекомендаций, обнаружение спама, диагностика, определение маршрутизации сообщений.
Torch	Тензорные операции, конволюции, Cephes mathematical functions library, графы, линейная регрессия	?	Бесплатно?	Бесплатно?	Проект Open Source. Возможности: мощный N-мерный массив, множество процедур для индексации, нарезки, транспонирования; задачи линейной алгебры, нейронная сеть модели на основе энергии
Amazon ML	С помощью Amazon Machine Learning разработчики могут создавать модели, прогнозирующие значения бинарных атрибутов (бинарная классификация), категорийных атрибутов (многоклассная классификация) или числовых атрибутов (регрессия).	2015	0,42 USD за час	Пакетное прогнозирование: 0,10 USD за 1000 прогнозов с округлением до 1000 в большую сторону. Прогнозирование в реальном времени: 0,0001 USD за прогноз с округлением до цента в большую сторону.	Amazon Machine Learning обеспечивает шифрование моделей машинного обучения и других системных артефактов

* – самое важное

Возможные алгоритмы

https://github.com/sassoftware/enlighten-apply/blob/master/ML_tables/legal/PDF/MLQuickRefAlgos.pdf

Еще полезный материал:

https://github.com/sassoftware/enlighten-apply/blob/master/ML_tables/8.5x11/PDF/MLQuickRefBestPractices.pdf

https://en.wikipedia.org/wiki/List_of_machine_learning_concepts

http://versionone.vc/data-not-algorithms-is-key-to-machine-learning-success/

7. Авторская идея и концепция предлагаемого решения проблемы (задача 3)

7.1. Обсуждение возражений на основополагающую идею Тьюринга о том, что может машина мыслить

7.1.1. Возражения основанные на вере и научные возражения

Когда Алан Тьюринг в 1950 году в работе [5] сформулировал вопрос о том, может ли машина мыслить, то это породило большую волну обсуждений этого вопроса как в научных кругах, так и на чуть ли не на бытовом уровне. В ходе этой дискуссии было сформулировано большое количество возражений против идеи о том, что машина может мыслить.

Обсуждение некоторых из этих возражений представляет большой интерес в связи с рассматриваемой в работе проблемой.

Кроме того, по мнению автора, это обсуждение органично затрагивает самые фундаментальные вопросы философского уровня и вполне может повлиять на мировоззрение.

Все эти возражения можно разделить на две большие группы: основанные на вере и научные возражения.

Возражения, основанные на вере, обычно не сопровождались какой-либо аргументацией и какими-либо обоснованиями. Отметим, что здесь под верой мы понимаем не религиозную Веру, а веру в разные вещи на бытовом уровне.

Научные возражения напротив, были аргументированными, и, естественно, опирались на господствующую научную парадигму и мировоззрение автора возражения.

Итак, возражения основанные на вере, обычно формулировались в такой форме:

«Машина не может мыслить, т.к. мыслить может только человек».

«Машина не может мыслить, т.к. она не может мыслить никогда».

«Машина вполне может мыслить, а почему бы и нет».

«Машина может мыслить. Мышление не есть прерогатива только человека».

Подобные мнения мы обсуждать не будем, т.к. это ничего не дает для решения поставленной в работе проблемы, хотя и может стать основой интересного психологического или социологического исследования.

Ниже рассмотрим некоторые научные возражения[4], а также одно очень интересное возражение, которое называется «теологическим», хотя по своей формулировке оно вполне аргументировано и больше похоже на научное, но основано на религиозной точке зрения.

7.1.2. Мыслить может только субъект. Объект, например машина, в принципе мыслить не может

Это очень интересное возражение. Ответ на него представим в форме гипотетического «сократовского»[5] диалога Алана Тьюринга и его оппонента.

Тьюринг: А Вы, формулирующие это возражение, Вы мыслили, когда его формулировали?

Оппонент: Конечно!

Тьюринг: А на мой взгляд Вы являетесь объектом определенного состава, размера и веса.

Оппонент: Это отчасти верно, если иметь в виду мое тело, но я являюсь личностью и мыслящим субъектом!

Тьюринг: А для меня вполне очевидным является то, что Вы являетесь объектом, который утверждает, что он является личностью и субъектом. С таким же успехом и машина может утверждать, но само по себе это еще не означает, что она им и является.

Если же говорить серьезно, то можно выдвинуть противоположное мнение: «Мыслить может только объект». На основании никоторых мировоззренческих систем [65] вполне можно утверждать, что интеллект является некоторой интеллектуальной машиной, которая наша личность пользуется для выполнения логических операций примерно также, как она пользуется телом для выполнения физических операций.

Конечно, в обычной форме сознания, наиболее распространенной на данном этапе развития общества [66], интеллект осознается большинством людей как субъективное. Но существуют и более высокие формы сознания [65], при которых он осознается как объективное. Чем выше форма сознания, тем выше адекватность модели реальности, создаваемой при этой форме сознания. Поэтому очень может быть, что более правильной точкой зрения на интеллект является признание его объектом, а не субъектом.

7.1.3. Такую машину, которая мыслит, создать невозможно, а если и возможно, то только лишь в очень отдаленной исторической перспективе

Продолжим ответ на это возражение в стиле воображаемого «сократовского» диалога Тьюринга с оппонентом.

Тьюринг: Я могу попросить Вас посмотреть в зеркало? Что Вы в нем видите?

Оппонент: Себя вижу, конечно. Но что Вы этим хотите сказать, что я машина?

Тьюринг: Нет, конечно. Я хочу лишь сказать, что Вы созданы и Вы мыслите. Таким образом одного взгляда в зеркало достаточно, чтобы доказать, что вполне возможно создать нечто мыслящее.

Оппонент: Это верно, но не имеет отношения к делу, т.к. я не машина и создан естественным, а не искусственным путем.

Тьюринг: Я и не утверждал, что Вы машина. Я хочу лишь сказать, что если что-то создано одним путем по определенной технологии, не важно естественной или искусственной, то оно может быть создано и по другой технологии. И такая другая технология возможна не одна, а множество. Открыть и освоить эти технологии – это дело времени. Да и разделение технологий на «естественные», наблюдаемые в самой природе, и «искусственные», используемые человеком, довольно спорно и условно. Тем более если учесть, что и естественная технология создания мыслящих существ тоже используется не самой природой, а человеком как частью природы. Человек это ведь тоже часть природы, а не нечто находящееся вне ее.

От себя мы можем добавить, что в обозримом будущем действительно мыслящие, а не имитирующие мышление, квазибиологические роботы [67] вполне могут быть сконструированы и созданы методами генной инженерии.

7.1.4. Даже если и удастся создать такую машину, которая вроде как мыслит, то все равно на самом деле она будет не мыслить, а лишь совершать какие-то сложные внутренние операции, создающие полное внешнее впечатление, что она мыслит

На это возражение тоже ответим в форме шуточного «сократовского» диалога Тьюринга с оппонентом.

Тьюринг: А Вы, когда формулировали это возражение действительно мыслили, или лишь выполняли какие-то сложные внутренние операции, которые создают полное представление о том, что вы мыслите?

Оппонент: Конечно я действительно мыслил.

Тьюринг: Я легко могу представить себе машину, которая будет утверждать тоже самое. А как на счет сложных внутренних операций? Вы их при этом выполняли?

Оппонент: По-видимому, когда я мыслил, конечно такие операции выполнялись в моем организме.

Тьюринг: Тогда получается, что сам факт выполнения этих сложных внутренних операций не является аргументом в пользу того, что в действительности машина не мыслит, т.к. и в человеке они выполняются и при этом никто не возражает против того, что человек действительно мыслит. Поэтому упоминание в данном контексте в этом возражении сложных внутренних операций не имеет отношения к делу. С таким же успехом можно утверждать, что и человек не мыслит, а лишь ошибочно полагает, что он мыслит, а на самом деле он лишь совершает некие сложные операции, создающие впечатление, что он мыслит.

Кстати, у автора возникла мысль, что этим искусством неплохо овладевают некоторые студенты, и некоторые из них вполне успешно пользуются приобретенными в вузе навыками по созданию у собеседника впечатления о том, что ты мыслишь, и после окончания вуза.

7.1.5. Мыслить может только Душа, а тело является лишь проводником (вместилищем) Души. Машина в принципе не может быть проводником Души, поэтому она мыслить не может

На взгляд автора это наиболее интересное глубокое возражение. В литературе оно называется «теологическим возражением». Звучит оно следующим образом:

«Мышление есть свойство бессмертной души человека. Бог дал бессмертную душу каждому мужчине и каждой женщине, но не дал души никакому другому животному и машинам. Следовательно, ни животное, ни машина не могут мыслить»[6].

От себя добавим, что не только мышление есть свойство Души человека, но все психологические свойства личности, в частности, проявляющиеся в процессе познания: чувства, эмоции, мысли, внимание, память и другие.

На это возражение предельно четко, ясно и откровенно ответил сам Алан Тьюринг: «Пытаясь сконструировать подобные машины, мы не должны бесцеремонно узурпировать Его власть дарования души, подобно тому, как мы не делаем этого, производя на свет детей. В обоих случаях мы являемся скорее Его инструментами, создавая вместилища для созданных Им душ» [5] (курсив мой, авт.).

Как это понимать? Прежде всего хотелось бы обратить внимание на то, что Алан Тьюринг признает само существование Души, до чего современной науке еще далеко. Примерно как науке эпохи Монгольфье далеко до создания постоянно обитаемых орбитальных космических станций, до луноходов и марсоходов, до космических аппаратов исследующих уже все планеты Солнечной системы и их спутники и даже уже покинувших Солнечную систему и вышедших в межзвездное космическое пространство. На взгляд автора Алан Тьюринг совершенно недвусмысленно написал о том, что по его мнению:

– мышление осуществляется не мозгом , а Душой человека;

– люди не создают новые Души, а они созданы Богом;

– люди создают вместилища Душ, т.е. физические тела, как он выразился «производя на свет детей»;

– люди могут создавать вместилища Душ и другим путем: «пытаясь сконструировать подобные машины», т.е. мыслящие машины.

По сути Алан Тьюринг говорит о том, что мыслящие машины будут не более и не менее мыслящими, чем наши физические тела, иначе говоря, они будут просто функционально эквивалентными нашим физическим телам. Эту идею автор подробно развивал в работе [67].

Когда мы обсуждаем это возражение, мы непосредственно касаемся фундаментальных дискуссионных вопросов, имеющих самое серьезное мировоззренческое значение, которые с одной стороны наука интенсивно изучает, а с другой стороны, по которым в науке пока нет одной общепризнанной точки зрения.

Важнейшим из этих вопросов является вопрос о существовании Души. Существование Души, являющейся носителем личности человека, его чувств и мыслей, признается во всех языческих и монотеистических мировых религиях, во всех мистических и магических учениях и в очень многих философских системах.

Однако существование Души до сих пор не признается наукой!

Между тем наука накопила достаточное количество фактов, которые очень сложно или вообще невозможно объяснить без признания существования Души. К этим фактам прежде всего относятся факты, подтверждающие, что человек не мыслит при помощи мозга, что у него другая функция (возможно это функция поддержки канала связи между телом и Душой). Это факты, накопленные в при изучении клинической смерти и внетелесного опыта «out of body». В этой связи в первую очередь надо упомянуть исследования доктора Моуди и его последователей [68].

По мнению автора до тех пор, пока наука не признает существование Души и не сделает из этого соответствующих выводов, путь к созданию полнофункционального искусственного интеллекта для нее будет закрыт!

Пытаться создать полнофункциональный искусственный интеллект не признавая существования Души это тоже самое, как пытаться совершить кругосветное путешествие думая, что Земля это диск, покоящийся на трех китах (или слонах, или черепахах, суть дела от этого не меняется). Точно также невозможно заниматься органической химией, думая, что организм мгновенно бы погиб, если бы в нем происходили химические реакции, как в реторте (о чем писал Парацельс (Филипп Ауреол Теофраст Бомбаст фон Гогенгейм)). Аналогично невозможно создать и совершенствовать автомобиль на двигателе внутреннего сгорания если основываться на представлении, что под его капотом коленвал крутят представители темных сил, а не поршни.

Те, кто после этих аргументов продолжает считать, что компьютер в принципе не может мыслить, т.к. в нем некому или нечему понимать, а лишь может имитировать мышление (аргумент Дж. Сёрла «Китайская комната»), чтобы оставаться до конца последовательным должны тоже самое утверждение распространить и на человека вообще и на самих себя в частности. Таким образом, автор утверждают, что Дж. Сёрл когда выдвигал свое возражение, следовал принципу Дж. Сёрла, то есть в действительности он не понимал, что говорит и о чем говорит. Эта догадка подтверждается тем, что он всерьез думал, что он мыслит при помощи мозга. Это означает, что он вообще не понимал, что такое мышление и как оно в действительности реализуется в природе вообще, в человеке и в нем самом в частности.

Сравним физический труд и умственный без использования средств труда и с их использованием. Представим себе, что человек копает яму и проводит научное исследование: ищет закономерности в эмпирических данных. Человек может копать яму с помощью своих рук и искать закономерности в эмпирических данных с помощью своего естественного интеллекта. Будет получаться так себе. Если взять лопату, а лучше экскаватор, то дело с ямой пойдет с меньшими затратами труда и времени. С помощью экскаватора человек может за несколько часов вырыть яму, которую вручную ему рыть годы и даже десятилетия. Если спросить человека, который роет яму с помощью средства труда, кто ее роет, он или средство труда, то он ответит, что: «конечно я рою (с помощью экскаватора)». Если взять компьютер, оснащенной системой искусственного интеллекта, работа по выявлению закономерностей тоже пойдет быстрее. Более того, это сделает возможным анализ таких огромных массивов данных, которые просто причитать человек может только за десятки жизней (большие данные). Если спросить исследователя, кто анализирует эти данные, ты или компьютер (программная система), он ответит: «конечно, я анализирую, с помощью компьютера и интеллектуальной системы». Таким образом, мыслит не система искусственного интеллекта, а мыслит человек-исследователь с помощью системы искусственного интеллекта. БОЛЕЕ ТОГО, ТАК НАЗЫВАЕМЫЙ ЕСТЕСТВЕННЫЙ ИНТЕЛЛЕКТ ТОЖЕ НЕ ДУМАЕТ, А ДУМАЕТ ЧЕЛОВЕК С ПОМОЩЬЮ СВОЕГО ЕСТЕСТВЕННОГО ИНТЕЛЛЕКТА. Но чтобы это правильно понять, нужно знать что такое человек лучше, чем это знает современная так называемая «западная» наука.

7.2. Информационная сущность процесса труда, информационно-функциональная теория развития техники, сознания человека и форм общества

7.2.1. Информационно-функциональная теория развития техники

Эта теория развита автором в работе [67] и кратко описана в [69, 70]. Она основывается на представлении об информационной сущности процесса труда и двух законах развития техники: законе передачи функций человека средствам труда (Маркс К., 1867) и законе повышения качества базиса (Луценко Е.В., 1979).

Информационная сущность процесса труда (К.Маркс, 1867)

Перед началом процесса труда человек создает субъективный образ будущего продукта труда. В процессе труда информация из этого субъективного образа передается и записывается в предмет труда и он по мере этого процесса преобразуется в продукт труда. В качестве канала связи выступает тело человека и средства труда.

Необходимо отметить, что идея об информационном характере процесса труда сформулирована К.Марксом в разделе «Развитие машин» Капитала примерно за 60 лет до создания научной теории информации, т.е. примерно 150 лет назад. Поэтому его идеи сегодня выражаются несколько в других терминах, чем в его трудах.

Итак, средства труда представляют собой прежде всего информационные системы. В этом их сущность и основная функция. Все остальное, т.е. конструкция, материалы и энергия – это все нужно лишь для поддержки процесса передачи и преобразования формы информации и для ее записи в предмет труда с целью изменения его структуры.

В этом канале связи происходит преобразование формы информации (языка представления или системы кодирования), а также преобразование из субъективной формы в объективную.

Отметим, что в процессе познания наоборот, информация из объективной формы преобразуется в субъективную и передается в создаваемую субъективную модель познаваемого объекта.

Точка преобразования субъективного в объективное и объективного в субъективное в настоящее время науке неизвестна, как и сама природа этого преобразования. Эта проблема называется психофизической проблемой. В работе [67] автор предложил ее решение в рамках естественнонаучной постановки и решения основного вопроса философии.

Известен фундаментальный закон, лежащий в основе развития нашей технологической цивилизации, это закон независимости функций от поддерживающих их структур. В частности, средства труда выполняют те же функции, что до их использования выполнял человек. Но они выполняют эти функции вне психофизиологических ограничений человека. Кроме того технологический прогресс происходит неизмеримо быстрее, чем прогресс биологический и психологический. В этом и состоит смысл и целесообразность создания средств труда и их применения.

Закон передачи трудовых функций от человека средствам труда (К.Маркс, 1867).

Технологический прогресс состоит в создании средств труда более высокого функционального уровня путем передачи им трудовых функций, ранее выполнявшихся человеком.

Закон повышения качества базиса (Е.В.Луценко, 1979)

Развитие систем происходит путем разрешения противоречий в наинизшем структурном уровне иерархической организации, в котором они еще есть (базисный уровень). Когда противоречия в базисном уровне разрешаются система переходит к развитию путем разрешения противоречий в непосредственно более высоком уровне, чем предыдущий, который и становится базисным.

В соответствии с этим законом технологическое общество перешло в информационное общество, а сейчас происходит его переход в общество знаний.

7.2.3. Детерминация формы сознания человека функциональным уровнем технологической среды

Функции, переданные средствам труда, реализуются ими вне биологических и психофизиологических ограничений человека. При использовании средства труда определенного функционального уровня человек учится не выполнять функций, переданные этому средству труда, а оставшиеся функции выполняются человеком вне ограничений, связанных с необходимостью выполнения переданных функций. В результате человек частично высвобождается из процесса труда, отходит от него несколько в сторону, и у него формируются новый, адекватный этому "образ – Я" и сознание. Они изменяются таким образом, что трудовые функции, переданные средству труда, перестают осознаваться человеком как атрибут "образа – Я" [67, 69, 70].

7.2.4. Детерминация экономической и политической формы общества функциональным уровнем технологической среды

Когда средствам передается очередная трудовая функция, происходит технологическая революция, которая с неизбежностью вызывает революцию экономическую и социальную, а значит, переход к новой общественно-экономической формации, группе общественно-экономических формаций и соответствующему состоянию сознания (этапу общественного познания) [66, 67].

7.3. Интеллектуальные системы как системы дистанционного микротелекинетического управления (интерфейс «Душа-компьютер»)

В 1979-1981 годах автором разработана информационно-функциональная теория развития техники на основе которой получены функциональные схемы как 5 уже созданных в человеческой истории, так и еще 11 перспективных технических систем, создание которых дело будущего, причем для одной из этих перспективных систем предложены и технические (инженерные) решения: это система дистанционного микротелекинетического управления. Телекинез – это прямое воздействие души на объекты и процессы физического мира (обычно на микроуровне) и есть тот способ, которым Душа воздействует на физическое тело. Сегодня же, спустя 40 лет (!!!), на подобную в определенной степени систему "Телепатического интерфейса" получен патент фирмой Микрософт. Сегодня, спустя 40 лет после этих предложений автора, интенсивные исследования и разработки в области нейроинтерфейсов, интерфейсов «Мозг-компьютер» (телепатическая клавиатура, управление с помощью мысли) ведутся во всем мире[7]. Однако если судить по материалам открытой печати, ученые мирового уровня в этой области пока действуют неосознанно и ищут наугад не имея фундаментальной информационно-функциональной теории развития производительных сил, 40 лет назад предложенной автором, из которой следуют подобные решения. Их технические решения по многим важнейшим параметрам также пока весьма далеки от предложений автора. Ряд из этих перспективных систем, предложенных автором 40 лет назад, поддерживающих интерфейс «Душа-компьютер» (терм.авт.), действительно будут мыслить, а не лишь моделировать процесс мышления, как современные системы искусственного интеллекта. Однако это перспектива, рассмотрение которой далеко выходит за рамки данного краткого аналитического обзора [71].

8. Имеющиеся у автора наработки для решения проблемы (задача 4)

У автора имеется ряд наработок (как научных, так программных разработок) по решению поставленной проблемы:

1. Системное обобщение математики и системной теории информации

2. Информационно-функциональная теория развития производительных сил (техники и сознания человека)

– информационная сущность процессов труда и познания;

– законы развития производительных сил: закон передачи трудовых функций и закон повышения качества базиса;

– функциональные схемы 5 типов технических систем ранее уже созданных в развитии нашей технологической цивилизации и 11 соответствующих будущим этапам развития общества;

– детерминация формы сознания человека функциональным уровнем технологической среды, критериальная периодическая классификация форм сознания человека и пути перехода между ними;

3. Общественно-экономические формации и группы формаций

4. Информация о дополнении к целевой комплексной программе на создание перспективных интеллектуальных систем дистанционного мысленного управления

5. Краткий обзор работ автора по искусственному интеллекту. О соотношении смыслового содержания понятий: данные, информация и знания

6. Информационная теория стоимости и системы искусственного интеллекта как генераторы потребительной стоимости

Однако их рассмотрение невозможно в пределах ограниченного объема данной аналитической записки. Отметим лишь, что примерно треть этих наработок опубликованы в научных работах автора[8], а часть размещено на сайте [64].

9. Перспективы данного направления научных исследований и разработок (задача 5)

Таким образом, из предыдущего следует, что данное направление научных исследований и разработок открывает новые перспективы развития человека, технологий и общества. Очень кратко рассмотрим ниже, в чем конкретно они заключаются.

9.1. Перспективы человека

Взаимодействие человека со средствами труда приводит не только к созданию определенного материального продукта труда, но и к изменению самого человека. Уровень сознания человека во многом детерминируется функциональным уровнем технологической среды (средств труда), с помощью которых он трудится.

Труд не только создал человека, но через совершенствование форм и способов труда происходит развитие человека и в настоящее время.

А этот организм существует одновременно на многих уровнях реальности и является значительно более сложным, чем обычно полагают. Функции этих тел также будут в будущем (некоторые в близком будущем) передаваться средствам труда, и в этом состоит блестящая перспектива развития техники, человека и общества.

Таким образом, при использовании средства труда определенного функционального уровня человек учится не выполнять функций, переданных этому средству труда, а оставшиеся функции выполняются человеком вне ограничений, связанных с необходимостью выполнения переданных функций. В результате человек частично высвобождается из процесса труда, отходит от него несколько в сторону, и у него формируется новый, адекватный этому "образ-Я" и сознание: они изменяются таким образом, что трудовые функции, переданные средству труда, перестают осознаваться человеком как атрибут "образа-Я".

Здесь неявно предполагается, что если какая-либо функция может быть передана средству труда, то она не может быть атрибутом (неотъемлемой частью) "образа-Я".

Это значит, что при передаче трудовых функций человека техническим системам происходит изменение формы сознания населения, а при передаче средствам всех функций некоторого тела происходит переход в высшие формы сознания [66].

9.2. Перспективы технологии

Основу технологического базиса будущего общества составят дистанционно мысленно управляемые интеллектуальные технические системы, которыми человек будет управлять в высших формах сознания. При этом полностью исчезнет необходимость находится физически там, где трудишься с помощью этих средств труда.

В соответствии информационной теорией стоимости, предложенной автором в 1979-1981 годах [67][9] продукты труда будут и иметь только потребительную стоимость и практически нулевую меновую стоимость.

9.3. Перспективы общества

При передаче каждой трудовой функции человека техническим системам качественно повышается уровень технологий и производительность труда. Это приводит к качественному изменению производственных отношений (технологических укладов). Это в свою очередь качественно изменяет экономические отношения, идеологию и политическую надстройку. В результате при передачи каждой новой функции человека средствам труда происходит переход к новой общественно-экономической формации, а при передаче всех функций некоторого тела – к следующей группе общественно-экономических формаций [67]. Автор в своих работах исследовал основные характеристики уже прошедших 5 и 11 будущих общественно-экономических формаций и 4 групп формаций [67].

10. Создание условий для решения проблемы (задача 6)

10.1. Принцип первого лица и источники финансирования

Подобные масштабные проекты обречены на провал без поддержки первых лиц государства. Но с этим у нас вроде все нормально, по крайней мере на словах. Хотелось бы лишь, чтобы хорошие слова не разошлись с будущими делами, как часто бывает.

10.2. Предложения, региональный уровень

Из вышесказанного следует, что на региональном уровне целесообразно:

– создать во всех вузах кафедры и научно-технические центры искусственного интеллекта;

– введение во всех вузах (научно-исследовательских институтах) должности проектора (заместителя директора) по управлению знаниями и искусственному интеллекту (в вузах проректор по ИИ может совмещать должность зав.кафедрой ИИ);

– начать процесс создания в вузах и НИИ баз знаний, путем преобразования накопленных в них данных сначала в информацию, а ее в знания;

– обеспечить на основе баз знаний решение задач классификации (идентификации, распознавания, диагностики, прогнозирования), принятия управленческих решений и исследования моделируемой предметной области путем исследования ее модели;

– создать Научно-Исследовательский Центр Автоматизированного Системно-Когнитивного анализа в г.Краснодаре.

10.3. Предложения, федеральный уровень

Из вышесказанного следует, что на федеральном уровне целесообразно:

– ввести должность вице-премьера по искусственному интеллекту;

– создать министерство искусственного интеллекта;

– создать Всероссийского НИИ искусственного интеллекта;

– принять отдельную Государственную программу по развитию искусственного интеллекта;

– признать научно-технологическое направление «Искусственный интеллект» критической технологией;

– создать специальность научных работников: «Искусственный интеллект» и включить ее в перечень специальностей научных работников, по которым ведется обучение в вузах и защита кандидатских и докторских диссертаций;

– разработать паспорт специальности «Искусственный интеллект» и присваивать по ней степени кандидата и доктора наук по всем специальностям научных работников, например: «Искусственный интеллект в агрономии» (сельскохозяйственные науки), «Искусственный интеллект в ветеринарии» (биологические науки), «Искусственный интеллект в механизации» (технические науки), «Искусственный интеллект в экономике (экономические науки) и т.п.;

– включить специальность «Искусственный интеллект» в федеральные образовательные стандарты.

11. Выводы

Нет особого смысла самому формулировать выводы, когда можно сослаться на программные высказывания по искусственному интеллекту Президента Российской Федерации Владимира Владимировича Путина и министра обороны Российской Федерации Сергея Кужугетовича Шойгу.

12. Статус данного материала

Необходимо отметить, что данный материал является авторским и отражает только точку зрения автора, основанную на его научных работах и разработках, а также материалах открытой печати. Изложенная в данном материале точка зрения не является общепринятой в современной науке.

Президент Российской Федерации Владимир Владимирович Путин заверил, что если Россия будет лидером в области искусственного интеллекта, «также будет делиться этими технологиями со всем миром как мы сегодня делимся атомными технологиями». Он также обратил внимание на то, что для того «чтобы не стоять в конце очереди, нужно над этим работать уже сегодня».

Поэтому данный материал является не секретным и может быть опубликован в открытой печати.

Литература

1. Сайт: https://ria.ru/technology/20170901/1501566046.html

2. Сайт: http://russian7.ru/post/minoborony-rf-rabotaet-nad-iskusstv/

3. Луценко Е.В. Открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований на базе АСК-анализа и системы «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2017. – №06(130). С. 1 – 55. – IDA [article ID]: 1301706001. – Режим доступа: http://ej.kubagro.ru/2017/06/pdf/01.pdf, 3,438 у.п.л. http://lc.kubagro.ru/aidos/Presentation_Aidos-online.pdf

4. Сайт: http://www.kremlin.ru/supplement/988

5. Turing A. Computing machinery and intelligence (англ.) // Mind : журнал. — Oxford: Oxford University Press, 1950. — No. 59. — P. 433 - 460.

6. Распоряжение Правительства Российской Федерации от 20 октября 2010 г. N 1815-р г. Москва "О государственной программе Российской Федерации "Информационное общество (2011-2020 годы)". https://rg.ru/2010/11/16/infobschestvo-site-dok.html

7. Программа "Цифровая экономика Российской Федерации": http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7M0.pdf

8. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995.- 76с. http://elibrary.ru/item.asp?id=18630282

9. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. - 280с. http://elibrary.ru/item.asp?id=21745340

10. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). – Краснодар: ТУ КубГТУ, 1999. - 318с. http://elibrary.ru/item.asp?id=18828433

11. Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В.С.Симанкова. – Краснодар: ИСТЭК КубГТУ, 2001. – 258с. http://elibrary.ru/item.asp?id=21747625

12. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). – Краснодар: КубГАУ. 2002. – 605 с. http://elibrary.ru/item.asp?id=18632909

13. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351400 "Прикладная информатика (по отраслям)". – Краснодар: КубГАУ. 2004. – 633 с. http://elibrary.ru/item.asp?id=18632737

14. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). – Краснодар: КубГАУ. 2005. – 480 с. http://elibrary.ru/item.asp?id=21720635

15. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.– Краснодар: КубГАУ, 2006. – 615 с. http://elibrary.ru/item.asp?id=18632602

16. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд.,перераб. и доп. – Краснодар: КубГАУ, 2006. – 318с. http://elibrary.ru/item.asp?id=21683721

17. Наприев И.Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях. Монография (научное издание). – Краснодар: КубГАУ. 2008. – 262 с. http://elibrary.ru/item.asp?id=21683724

18. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). – Краснодар: КубГАУ, 2008. – 257 с. http://elibrary.ru/item.asp?id=21683725

19. Трунев А.П., Луценко Е.В. Астросоциотипология: Монография (научное издание). – Краснодар: КубГАУ, 2008. – 264 с. http://elibrary.ru/item.asp?id=21683727

20. Луценко Е.В., Коржаков В.Е., Лаптев В.Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред.д.э.н., проф. Е.В.Луценко. Монография (научное издание). – Майкоп: АГУ. 2009. – 536 с. http://elibrary.ru/item.asp?id=18633313

21. Луценко Е.В., Коржаков В.Е., Ермоленко В.В. Интеллектуальные системы в контроллинге и менеджменте средних и малых фирм: Под науч. ред. д.э.н., проф. Е.В.Луценко. Монография (научное издание). – Майкоп: АГУ. 2011. – 392 с. http://elibrary.ru/item.asp?id=21683734

22. Наприев И.Л., Луценко Е.В. Образ-Я и стилевые особенности личности в экстремальных условиях: Монография (научное издание). – Saarbrucken, Germany: LAP Lambert Academic Publishing GmbH & Co. KG,. 2012. – 262 с. Номер проекта: 39475, ISBN: 978-3-8473-3424-8.

23. Трунев А.П., Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния факторов космической среды на ноосферу, магнитосферу и литосферу Земли: Под науч. ред. д.т.н., проф. В.И.Лойко. Монография (научное издание). – Краснодар, КубГАУ. 2012. – 480 с. ISBN 978-5-94672-519-4. http://elibrary.ru/item.asp?id=21683737

24. Трубилин А.И., Барановская Т.П., Лойко В.И., Луценко Е.В. Модели и методы управления экономикой АПК региона. Монография (научное издание). – Краснодар: КубГАУ. 2012. – 528 с. ISBN 978-5-94672-584-2. http://elibrary.ru/item.asp?id=21683702

25. Горпинченко К.Н., Луценко Е.В. Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа). Монография (научное издание). – Краснодар,КубГАУ. 2013. – 168 с. ISBN 978-5-94672-644-3. http://elibrary.ru/item.asp?id=20213254

26. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). – Краснодар, КубГАУ. 2014. – 600 с. ISBN 978-5-94672-757-0. http://elibrary.ru/item.asp?id=21358220

27. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос". Монография (научное издание). – Краснодар, КубГАУ. 2014. – 600 с. ISBN 978-5-94672-830-0. http://elibrary.ru/item.asp?id=22401787

28. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф.С.Г.Фалько. Монография (научное издание). – Краснодар, КубГАУ. 2015. – 600 с. ISBN 978-5-94672-923-9. http://elibrary.ru/item.asp?id=23209923

29. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / А. И. Орлов, Е. В. Луценко, В. И. Лойко ; под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с. ISBN 978-5-00097-154-3. http://elibrary.ru/item.asp?id=26667522

30. Лаптев В. Н., Меретуков Г. М., Луценко Е. В., Третьяк В. Г., Наприев И. Л.. : Автоматизированный системно-когнитивный анализ и система «Эйдос» в правоохранительной сфере: монография / В. Н. Лаптев, Г. М. Меретуков, Е. В. Луценко, В. Г. Третьяк, И. Л. Наприев; под научной редакцией проф. Е. В. Луценко. – Краснодар: КубГАУ, 2017. – 634 с. ISBN 978-5-00097-226-7. http://elibrary.ru/item.asp?id=28135358

31. Луценко Е. В., Лойко В. И., Лаптев В. Н. Современные информационно-коммуникационные технологии в научно-исследовательской деятельности и образовании: учеб. пособие / Е. В. Луценко, В. И. Лойко, В. Н. Лаптев; под общ. ред. Е. В. Луценко. – Краснодар: КубГАУ,. 2017. – 450с. ISBN 978-5-00097-265-6. http://elibrary.ru/item.asp?id=28996636

32. Лойко В. И., Луценко Е. В., Орлов А. И. Современные подходы в наукометрии: монография / В. И. Лойко, Е. В. Луценко, А. И. Орлов. Под науч. ред. проф. С. Г. Фалько – Краснодар: КубГАУ, 2017. – 532 с. ISBN 978-5-00097-334-9. Режим доступа: https://elibrary.ru/item.asp?id=29306423

33. Грушевский С.П., Луценко Е. В., Лойко В. И. Измерение результатов научной деятельности: проблемы и решения / С. П. Грушевский, Е. В. Луценко В. И. Лойко. Под науч. ред. проф. Е. В. Луценко – Краснодар: КубГАУ, 2017. – 343 с. ISBN 978-5-00097-446-9. https://elibrary.ru/item.asp?id=30456903

34. Луценко Е.В., Универсальная автоматизированная система распознавания образов "ЭЙДОС". Свидетельство РосАПО №940217. Заяв. № 940103. Опубл. 11.05.94. – Режим доступа: http://lc.kubagro.ru/aidos/1994000217.jpg, 3,125 у.п.л.

35. Луценко Е.В., Шульман Б.Х., Универсальная автоматизированная система анализа и прогнозирования ситуаций на фондовом рынке «ЭЙДОС-фонд». Свидетельство РосАПО №940334. Заяв. № 940336. Опубл. 23.08.94. – Режим доступа: http://lc.kubagro.ru/aidos/1994000334.jpg, 3,125 / 3,063 у.п.л.

36. Луценко Е.В., Универсальная автоматизированная система анализа, мониторинга и прогнозирования состояний многопараметрических динамических систем "ЭЙДОС-Т". Свидетельство РосАПО №940328. Заяв. № 940324. Опубл. 18.08.94. – Режим доступа: http://lc.kubagro.ru/aidos/1994000328.jpg, 3,125 у.п.л.

37. Луценко Е.В., Симанков В.С., Автоматизированная система анализа и прогнозирования состояний сложных систем "Дельта". Пат. №2000610164 РФ. Заяв. № 2000610164. Опубл. 03.03.2000. – Режим доступа: http://lc.kubagro.ru/aidos/2000610164.jpg, 3,125 / 3,063 у.п.л.

38. Луценко Е.В., Драгавцева И. А., Лопатина Л.М., Автоматизированная система мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". Пат. № 2003610433 РФ. Заяв. № 2002611927 РФ. Опубл. от 18.02.2003. – Режим доступа: http://lc.kubagro.ru/aidos/2003610433.jpg, 3,125 / 2,500 у.п.л.

39. Луценко Е.В., Драгавцева И. А., Лопатина Л.М., База данных автоматизированной системы мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". Пат. № 2003620035 РФ. Заяв. № 2002620178 РФ. Опубл. от 20.02.2003. – Режим доступа: http://lc.kubagro.ru/aidos/2003620035.jpg, 3,125 / 2,500 у.п.л.

40. Луценко Е.В., Универсальная когнитивная аналитическая система "ЭЙДОС". Пат. № 2003610986 РФ. Заяв. № 2003610510 РФ. Опубл. от 22.04.2003. – Режим доступа: http://lc.kubagro.ru/aidos/2003610986.jpg, 3,125 у.п.л.

41. 8.Луценко Е.В., Некрасов С.Д., Автоматизированная система комплексной обработки данных психологического тестирования "ЭЙДОС-Y". Пат. № 2003610987 РФ. Заяв. № 2003610511 РФ. Опубл. от 22.04.2003. – Режим доступа: http://lc.kubagro.ru/aidos/2003610987.jpg, 3,125 / 2,500 у.п.л.

42. 9.Луценко Е.В., Драгавцева И. А., Лопатина Л.М., Немоляев А.Н., Подсистема агрометеорологической типизации лет по успешности выращивания плодовых и оценки соответствия условий микрозон выращивания ("АГРО-МЕТЕО-ТИПИЗАЦИЯ"). Пат. № 2006613271 РФ. Заяв. № 2006612452 РФ. Опубл. от 15.09.2006. – Режим доступа: http://lc.kubagro.ru/aidos/2006613271.jpg, 3,125 / 2,500 у.п.л.

43. Луценко Е.В., Шеляг М.М., Подсистема синтеза семантической информационной модели и измерения ее внутренней дифференциальной и интегральной валидности (Подсистема "Эйдос-м25"). Пат. № 2007614570 РФ. Заяв. № 2007613644 РФ. Опубл. от 11.10.2007. – Режим доступа: http://lc.kubagro.ru/aidos/2007614570.jpg, 3,125 / 2,500 у.п.л.

44. Луценко Е.В., Лебедев Е.А., Подсистема автоматического формирования двоичного дерева классов семантической информационной модели (Подсистема "Эйдос-Tree"). Пат. № 2008610096 РФ. Заяв. № 2007613721 РФ. Опубл. от 09.01.2008. – Режим доступа: http://lc.kubagro.ru/aidos/2008610096.jpg, 3,125 / 2,500 у.п.л.

45. Луценко Е.В., Трунев А.П., Шашин В.Н., Система типизации и идентификации социального статуса респондентов по их астрономическим показателями на момент рождения "Эйдос-астра" (Система "Эйдос-астра"). Пат. № 2008610097 РФ. Заяв. № 2007613722 РФ. Опубл. от 09.01.2008. – Режим доступа: http://lc.kubagro.ru/aidos/2008610097.jpg, 3,125 / 2,500 у.п.л.

46. Луценко Е.В., Лаптев В.Н., Адаптивная автоматизированная система управления "Эйдос-АСА" (Система "Эйдос-АСА"). Пат. № 2008610098 РФ. Заяв. № 2007613722 РФ. Опубл. от 09.01.2008. – Режим доступа: http://lc.kubagro.ru/aidos/2008610098.jpg, 3,125 / 2,500 у.п.л.

47. Луценко Е.В., Лебедев Е.А., Подсистема формализации семантических информационных моделей высокой размерности с сочетанными описательными шкалами и градациями (Подсистема "ЭЙДОС-Сочетания"). Пат. № 2008610775 РФ. Заяв. № 2007615168 РФ. Опубл. от 14.02.2008. – Режим доступа: http://lc.kubagro.ru/aidos/2008610775.jpg, 3,125 / 2,500 у.п.л.

48. Луценко Е.В., Марченко Н.Н., Драгавцева И.А., Акопян В.С.,Костенко В.Г., Автоматизированная система поиска комфортных условий для выращивания плодовых культур (Система "Плодкомфорт"). Пат. № 2008613272 РФ. Заяв. № 2008612309 РФ. Опубл. от 09.07.2008. – Режим доступа: http://lc.kubagro.ru/aidos/2008613272.jpeg, 3,125 / 2,500 у.п.л.

49. Луценко Е.В., Лойко В.И., Макаревич О.А., Программный интерфейс между базами данных стандартной статистической отчетности агропромышленного холдинга и системой "Эйдос" (Программный интерфейс "Эйдос-холдинг"). Пат. № 2009610052 РФ. Заяв. № 2008615084 РФ. Опубл. от 11.01.2009. – Режим доступа: http://lc.kubagro.ru/aidos/2009610052.jpg, 3,125 / 2,500 у.п.л.

50. Луценко Е.В., Драгавцева И.А., Марченко Н.Н., Святкина О.А., Овчаренко Л.И., Агроэкологическая система прогнозирования риска гибели урожая плодовых культур от неблагоприятных климатических условий зимне-весеннего периода (Система «ПРОГНОЗ-ЛИМИТ». Пат. № 2009616032 РФ. Заяв. № 2009614930 РФ. Опубл. от 30.10.2009. – Режим доступа: http://lc.kubagro.ru/aidos/2009616032.jpg, 3,125 / 2,500 у.п.л.

51. Луценко Е.В., Система решения обобщенной задачи о назначениях (Система «Эйдос-назначения»). Пат. № 2009616033 РФ. Заяв. № 2009614931 РФ. Опубл. от 30.10.2009. – Режим доступа: http://lc.kubagro.ru/aidos/2009616033.jpg, 3,125 у.п.л.

52. Луценко Е.В., Система восстановления и визуализации значений функции по признакам аргумента (Система «Эйдос-map»). Пат. № 2009616034 РФ. Заяв. № 2009614932 РФ. Опубл. от 30.10.2009. – Режим доступа: http://lc.kubagro.ru/aidos/2009616034.jpg, 3,125 у.п.л.

53. Луценко Е.В., Система количественной оценки различимости символов стандартных графических шрифтов (Система «Эйдос-image»). Пат. № 2009616035 РФ. Заяв. № 2009614933 РФ. Опубл. от 30.10.2009. – Режим доступа: http://lc.kubagro.ru/aidos/2009616035.jpg, 3,125 у.п.л.

54. Луценко Е.В., Трунев А.П., Шашин В.Н., Бандык Д.К., Интеллектуальная система научных исследований влияния космической среды на глобальные геосистемы «Эйдос-астра» (ИСНИ «Эйдос-астра»). Пат. № 2011612054 РФ. Заяв. № 2011610345 РФ 20.01.2011. Опубл. от 09.03.2011. – Режим доступа: http://lc.kubagro.ru/aidos/2011612054.jpg, 3,125 у.п.л.

55. Луценко Е.В., Шеляг М.М., Программное обеспечение аппаратно-программного комплекса СДС-тестирования по методу профессора В.М.Покровского. Пат. № 2011612055 РФ. Заяв. № 2011610346 РФ 20.01.2011. Опубл. от 09.03.2011. – Режим доступа: http://lc.kubagro.ru/aidos/2011612055.jpg, 3,125 у.п.л.

56. Луценко Е.В., Бандык Д.К., Подсистема визуализации когнитивных (каузальных) функций системы «Эйдос» (Подсистема «Эйдос-VCF»). Пат. № 2011612056 РФ. Заяв. № 2011610347 РФ 20.01.2011. – Режим доступа: http://lc.kubagro.ru/aidos/2011612056.jpg, 3,125 у.п.л.

57. Луценко Е.В., Подсистема агломеративной когнитивной кластеризации классов системы «Эйдос» ("Эйдос-кластер"). Пат. № 2012610135 РФ. Заяв. № 2011617962 РФ 26.10.2011. Опубл. От 10.01.2012. – Режим доступа: http://lc.kubagro.ru/aidos/2012610135.jpg, 3,125 у.п.л.

58. Луценко Е.В., Универсальная когнитивная аналитическая система "ЭЙДОС-X++". Пат. № 2012619610 РФ. Заявка № 2012617579 РФ от 10.09.2012. Зарегистр. 24.10.2012. – Режим доступа: http://lc.kubagro.ru/aidos/2012619610.jpg, 3,125 у.п.л.

59. Луценко Е.В., Коржаков В.Е., Подсистема генерации сочетаний классов, сочетаний значений факторов и докодирования обучающей и распознаваемой выборки интеллектуальной системы «Эйдос-Х++» ("Эйдос-сочетания"). Свид. РосПатента РФ на программу для ЭВМ, Гос.рег.№ 2013660481 от 07.11.2013. – Режим доступа: http://lc.kubagro.ru/aidos/2013660481.jpg, 2 у.п.л.

60. Луценко Е.В., Коржаков В.Е., «Подсистема интеллектуальной системы «Эйдос-Х++», реализующая сценарный метод системно-когнитивного анализа ("Эйдос-сценарии"). Свид. РосПатента РФ на программу для ЭВМ, Гос.рег.№ 2013660738 от 18.11.2013. – Режим доступа: http://lc.kubagro.ru/aidos/2013660738.jpg, 2 у.п.л.

61. Луценко Е.В., Бандык Д.К., Интерфейс ввода изображений в систему "Эйдос" (Подсистема «Эйдос-img»). Свид. РосПатента РФ на программу для ЭВМ, Заявка № 2015614954 от 11.06.2015, Гос.рег.№ 2015618040, зарегистр. 29.07.2015. – Режим доступа: http://lc.kubagro.ru/aidos/2015618040.jpg, 2 у.п.л.

62. Савин И.Ю., Драгавцева И.А., Мироненко Н.Я., Руссо Д.Э., Геоинформационная база данных «Почвы Краснодарского края» . Свид. РосПатента РФ о гос.регистрации базы данных, Заявка № 2015620687 от 11.06.2015, Гос.рег.№ 2015621193, зарегистр. 04.08.2015. – Режим доступа: http://lc.kubagro.ru/aidos/2015621193.jpg, 2 у.п.л.

63. Луценко Е.В., Открытая масштабируемая интерактивная интеллектуальная on-line среда «Эйдос» («Эйдос-online»). Свид. РосПатента РФ на программу для ЭВМ, Заявка № 2017618053 от 07.08.2017, Гос.рег.№ 2017661153, зарегистр. 04.10.2017. – Режим доступа: http://lc.kubagro.ru/aidos/2017661153.jpg, 2 у.п.л.

64. Сайт профессора Е.В.Луценко: http://lc.kubagro.ru/

65. Radhakrishnan S.. Indian Philosophy, vol. I. L., 1927 (М., 1956), http://orlov-yoga.com, http://psylib.org.ua/books/radha01/index.htm

66. Луценко Е.В. Математическое и численное моделирование динамики плотности вероятности состояний сознания человека в эволюции с применением теории Марковских случайных процессов / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2005. – №07(015). С. 59 – 76. – IDA [article ID]: 0150507004. – Режим доступа: http://ej.kubagro.ru/2005/07/pdf/04.pdf, 1,125 у.п.л.

67. Луценко Е.В. О высших формах сознания, перспективах человека, технологии и общества. [Электронный ресурс]. – Режим доступа: http://lc.kubagro.ru/aidos/LC_young-3/LC_young-3.htm

68. Моуди Раймонд. Жизнь после жизни. Исследование феномена продолжения жизни после смерти тела. (С предисловием д-ра КУБЛЕР - РОССЕ). перевод с английского. 1976.

69. Луценко Е.В. Виртуализация общества как основной информационный аспект глобализации / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2005. – №01(009). С. 6 – 43. – IDA [article ID]: 0090501002. – Режим доступа: http://ej.kubagro.ru/2005/01/pdf/02.pdf, 2,375 у.п.л.

70. Луценко Е.В. "Антитьюринг", или критика теста Тьюринга с позиций информационно-функциональной теории развития техники / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2007. – №10(034). С. 79 – 97. – Шифр Информрегистра: 0420700012\0182, IDA [article ID]: 0340710006. – Режим доступа: http://ej.kubagro.ru/2007/10/pdf/06.pdf, 1,188 у.п.л.

71. Луценко Е.В. СК-анализ и система "Эйдос" в свете философии Платона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2009. – №01(045). С. 91 – 100. – Шифр Информрегистра: 0420900012\0010, IDA [article ID]: 0450901008. – Режим доступа: http://ej.kubagro.ru/2009/01/pdf/08.pdf, 0,625 у.п.л.

72. Луценко Е.В. Программная идея системного обобщения математики и ее применение для создания системной теории информации / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2008. – №02(036). С. 175 – 192. – Шифр Информрегистра: 0420800012\0016, IDA [article ID]: 0360802011. – Режим доступа: http://ej.kubagro.ru/2008/02/pdf/11.pdf, 1,125 у.п.л.

73. Луценко Е.В. Неформальная постановка и обсуждение задач, возникающих при системном обобщении теории множеств на основе системной теории информации (Часть 1-я: задачи 1-3) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2008. – №03(037). С. 154 – 185. – Шифр Информрегистра: 0420800012\0031, IDA [article ID]: 0370803012. – Режим доступа: http://ej.kubagro.ru/2008/03/pdf/12.pdf, 2 у.п.л.

74. Луценко Е.В. Неформальная постановка и обсуждение задач, возникающих при системном обобщении теории множеств на основе системной теории информации (Часть 2-я: задачи 4–9) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2008. – №04(038). С. 26 – 65. – Шифр Информрегистра: 0420800012\0049, IDA [article ID]: 0380804003. – Режим доступа: http://ej.kubagro.ru/2008/04/pdf/03.pdf, 2,5 у.п.л.

75. Указ Президента РФ от 10.10.2019 N 490 "О развитии искусственного интеллекта в Российской Федерации" (вместе с "Национальной стратегией развития искусственного интеллекта на период до 2030 года"): http://lc.kubagro.ru/Decree_President_Russian_Federation_10_10_2019_N_490.pdf

Ссылки на инсталляцию системы «Эйдос» и основные работы автора в открытом доступе помещены на его сайте по адресу: http://lc.kubagro.ru/aidos/_Aidos-X.htm.

Автор:

доктор экономических наук (08.00.13), кандидат технических наук (05.13.06), профессор ВАК

Е. В. Луценко

Краткая справка об авторе:

Луценко Евгений Вениаминович, родился 2 ноября 1954 года в городе Москве, три высших образования:: 1) теоретическая физика, 2) экономика, 3) информационные технологии, профессиональный разработчик программного обеспечения, профессор ВАК, доктор экономических наук по специальности 08.00.13 – Математические и инструментальные методы экономики, член Диссертационного совета Д 220.038.02 по специальности 08.00.13 с 2003 года, кандидат технических наук по специальности 05.13.06 – Автоматизированные системы управления, профессор кафедры компьютерных технологий и систем Кубанского государственного аграрного университета, Основатель Научного журнала КубГАУ: http://ej.kubagro.ru, член редакционного Совета, ответственный секретарь журнала.

По данным РИНЦ 1-2-й рейтинг в России в области кибернетики (искусственный интеллект и управление) по индексу Хирша. По оценке экспертного сообщества в определенный период 1-е место рейтинге в двух номинациях и 3-е место в одной номинации открытого чемпионата России по искусственному интеллекту RAIF-2017.

Области научных интересов: Автоматизированный системно-когнитивный анализ (автор самого понятия: «АСК-анализ», разработчик теории, математической модели, методики численных расчетов и программного инструментария АСК-анализа – интеллектуальной системы «Эйдос», разработчик системной теории информации (СТИ), автор научной программы системного обобщения математики, разработчик автоматизированного SWOT-анализа, разработчик метода агломеративной и дивизивной когнитивной кластеризации, автор понятия когнитивной функции (мат.), автор количественных мер уровня системности и степени детерминированности систем: коэффициентов эмерджентности Хартли, Харкевича и Шеннона, автор информационного аналога метода наименьших квадратов (МНК), а также ряда работ по применению теории информации в статистике, теории чисел, теории рефлексивного управления активными объектами и в ряде других направлений науки), системы искусственного интеллекта, рефлексивное управление активными системами, высшие формы сознания, перспективы человека, технологии и общества (разработчик критериальной периодической классификация 49 форм сознания, включающей и высшие формы сознания (ВФС), а также психологической, микросоциальной и технологической методик перехода между ними, автор информационно-функциональной теории развития техники (в т.ч. закона повышения качества базиса), автор информационной теории стоимости, 11 функциональных схем технических систем будущих форм общества, автор системы дистанционного миротелекинетического (мысленного) управления), автор концепции развития общества в группах общественно-экономических формаций и детерминации формы сознания человека функциональным уровнем технологической среды. Автор 604 научных работ в этих и других областях, в том числе 38 монографий, 27 учебных пособий, в т.ч. 3 учебных пособий по интеллектуальным информационным системам с грифами УМО и Министерства, 30 патентов РФ на системы искусственного интеллекта, 286 публикаций в изданиях, входящих в перечень ВАК РФ (по данным РИНЦ), 3 статей в журналах, входящих в WoS, 5 публикаций в журналах, входящих в Скопус.

Три монографии включены в фонды библиотеки конгресса США: https://catalog.loc.gov/vwebv/search?searchArg=Lutsenko+E.V.&searchCode=GKEY%5E*&searchType=0&recCount=25&sk=en_US

АСК-анализ и система "Эйдос" были успешно применены в 9 докторских и 7 кандидатских диссертациях по экономическим, техническим, биологическим, психологическими и медицинским наукам, еще несколько докторских диссертаций с применением АСК-анализа в стадии выхода на защиту.

Информация о местах работы: http://lc.kubagro.ru/aidos/Auto0700.htm

Электронная почта: prof.lutsenko@gmail.com.

Сайт: http://lc.kubagro.ru

Скайп: eugene_lutsenko

https://kubsau.ru/education/chairs/comp-system/staff/3965/

https://kubsu.ru/ru/public-portfolio/39926