Когнитивная пиринговая инфраструктура для организации коллективной работы над проектами на основе agile-методологии

Цель исследования.  Целью работы является предложение и обоснование когнитивной пиринговой инфраструктуры, позволяющей улучшить условия для коллективной работы над проектами на основе agileметодологии. Когнитивная архитектура определяется как структура, обеспечивающая реализацию антропоморфных и нейроморфных функций в естественных или искусственных системах. Предлагаемый подход основан на организации взаимодействия коллективного интеллекта членов agile-команды и искусственного интеллекта, представленного обученными искусственными нейронными сетями. При форми-ровании agileкоманды предлагается учитывать структуру познавательной сферы в структуре психических процессов когнитивного, способного к познавательной деятельности агента-человека.   

Методы. Знания о предметной области определяются на основе коллективного интеллекта участников agile-команды и обучения искусственных нейронных сетей. Предполагается, что искусственные нейронные сети доступны всем участникам agile-команды и реализуют функции коллективного искусственного интеллекта при условии, что при их обучении использован профессионализм и опыт работы человека в естественной социальной среде. Мыслительные операции, такие как анализ, разбиение (модуляризация), сравнение, абстрагирование, синтез, обобщение, классификация, конкретизация, известные из курсов общей психологии, интерпретируются не только как результат деятельности человека, но и как функционал программы.

Аналогично реализуются некоторые элементы процессов познавательной сферы «память» и «речь».       Результаты. Система реализована на основе пиринговой компьютерной сети, обеспечивающей коммуникации между всеми искусственными и естественными участниками когнитивного познавательного процесса в процессе проектирования. Предложена концептуальная модель ячейки когнитивного коллективного интеллекта, объединяющая элементы собственно коллективного интеллекта agile-агентов с коллективным искусственным интеллектом агентов на базе нейронных сетей. При экспертной оценке качества отдельных этапов проектирования предложено использовать тегирование на основе эмоционально-волевых и мотивационных психических процессов личностей.    

Заключение. Когнитивная обработка информации основана на идее моделирования процессов человеческого мышления в компьютерных системах. В рассматриваемой системе это включает в себя обработку естественного языка, распознавание письменной речи, связанные с пониманием информации  путем программной имитации человеческого интеллекта. Принятая концепция предполагает реализацию коллективного интеллекта не только искусственным путем, но и путем организации удобного взаимодействия участников интеллектуального чата. Искусственный интеллект, также коллективный, реализуется при помощи первоначально обученных и обучаемых далее нейронных сетей.

1. Manifesto for Agile Software. URL: Development http://www.agilemanifesto.org/ (дата обращения 01.03.2024).

2. Фарли Д. Современная программная инженерия. Программное обеспечение в эпоху эджайла и непрерывного развертывания. СПб.: Питер, 2023. 288 с.

3. Форд Н., Парсонс Р., Куа П. Эволюционная архитектура. Поддержка непрерывных изменений. СПб.: Питер, 2019. 272 с.

4. Федотова О. С. Когнитивное моделирование как метод познания и изучения объекта в научных исследованиях // Филологические науки. Вопросы теории и практики. 2015. № 4 (46): в 2 ч. Ч. II. C. 199-202.

5. Dąbrowska E. Cognitive Linguistics’ seven deadly sins // Cognitive Linguistics. 2016. Vol. 27, no. 4. P. 479-491. https://doi.org/10.1515/cog-2016-0059.

6. Краткий словарь когнитивных терминов / под ред. Е.С. Кубряковой. М.: Изд.-во МГУ, 1996. 245 с.

7. Маслова В. А. Введение в когнитивную лингвистику. Изд-е 5-е. М.: Изд.-во Флинта; Наука, 2018. 296 с.

8. Langley P., Laird J. E., Rogers S. Cognitive architectures: Research issues and challenges // Cognitive Systems Research. June 2009. Vol. 10, is. 2. P. 141-160.

9. Human Brain Project. URL: https://www.humanbrainproject.eu/en/ (дата обращения 1.03.2024).

10. Access to Neuromorphic Computing. URL: https://www.humanbrainproject.eu/en/#neuromorphiccomputing-220623-10 (дата обращения 01.03.2024).

11. Agile Project Management: Best Practices and Methodologies. URL: https://www.altexsoft.com/whitepapers/agile-project-management-best-practices-and-methodologies (дата обращения 01.03.2024).

12. Agile Project Management Methods. URL: https://www.altexsoft.com/infographics/agile-project-management-methods (дата обращения 01.03.2024).

13. Никулина И. В. Эмоциональный интеллект: инструменты развития. Самара: Изд-во Самарского государственного университета, 2022. 82 с.

14. Гоулман Д. Эмоциональный интеллект. М.: ACT, 2009. 478 с.

15. Delugach H. S. Implementation and Visualization of Conceptual Graphs in CharGer // International Journal of Conceptual Structures and Smart Applications. 2014. 2(2). P. 1-19. DOI: 10.4018/IJCSSA.2014070101.

16. Корниенко В. И. Командообразование. М.: Изд-во Юрайт, 2021. 291 с.

17. Микони С.В. Подход к оцениванию уровня интеллектуальности информационной системы // Онтология проектирования. 2023. Т.13, №1(47). С.29-43. https://doi.org/10.18287/2223-9537-2023-13-1-29-43.

18. Метод Дельфи. URL: https://wiki.loginom.ru/articles/delphi-technique.html (дата обращения 01.03.2024).

19. Веприкова М.Я. Коллективные методы принятия решений в современных организациях, их эффективность // Экономика: вчера, сегодня, завтра. 2018. Т. 8, № 9А. С. 353-360.

20. Быльева Д. С. Коллективный и искусственный интеллект // Вестник Мининского университета. 2023. Т. 11, № 2. С. 13. https://doi.org/10.26795/2307-1281-2023-11-2-13.

21. Белбин Р. М. Типы ролей в командах менеджеров: [пер. с англ.]. М.: HIPPO, 2003. 232с.

22. Ученые описали особенности появления коллективного ИИ. URL: https://rspectr.com/novosti (дата обращения 01.03.2024).

23. David Ha, Yujin Tang. Collective Intelligence for Deep Learning: A Survey of Recent Developments. Cornell University. Computer Science. Neural and Evolutionary Computing. https://doi.org/10.48550/arXiv.2111.14377.

24. Маклаков А. Г. Общая психология. СПб.: Питер Пресс, 2017. 582 с.

25. Кулагина И. Ю., Колюцкий В. Н. Психология развития и возрастная психология: полный жизненный цикл развития человека. М.: Академический проект, 2020. 420 c.

26. Психология / под общ. ред. В. Н. Дружинина. СПб.: Издательский дом «Питер», 2009. 652 с.

27. Бережливое мышление. URL: https://en.wikipedia.org/wiki/Lean_thinking (дата обращения 1.03.2024).

28. Wang Y., Wang Y. Cognitive Informatics Models of the Brain // IEEE Transactions on Systems, Man, and Cybernetics. 2006. 36(2). P. 203-207.

29. Wang Y., Wang Y., Patel S., Patel D. A Layered Reference Model of the Brain (LRMB) // IEEE Transactions on Systems, Man, and Cybernetics (C) 2006. 36(2). P. 124-133.

30. Современные образовательные технологии: Психология и педагогика. Познавательные психические процессы. Мышление и интеллект. URL: https://intuit.ru/studies/professional_retraining/16257/courses/707/lecture/16756?page=2&ysclid=lvv7vfr93p274 714474операции (дата обращения 01.03.2024).

31. Deciphering P2P: The Basics and Benefits of Peer-to-Peer Technology. URL: https://www.cachefly.com/news/deciphering-p2p-the-basics-and-benefits-of-peer-to-peertechnology (дата обращения 01.03.2024).

32. Чан У. Python: создание приложений. Библиотека профессионала. М.: Вильямс, 2015. 816 с.

33. Князева М. Д., Карамышева Н. С., Григорьева Д. Д. От алгоритма к программе и искусственному интеллекту. С примерами на языках Python и Prolog / под ред. д-ра техн. наук, проф. С. А. Зинкина. Пенза: Изд-во ПГУ, 2024. 412 с.

34. MongoDB: The Developer Data Platform. URL: https://www.mongodb.com (дата обращения 01.03.2024).

35. React. JavaScript-библиотека для создания пользовательских интерфейсов. URL: https://ru.react.js.org (дата обращения 01.03.2024).

36. Создание веб-приложения с использованием Python Flask. URL: https://timeweb.cloud/tutorials/python/sozdanie-veb-prilozheniya-s-ispolzovaniem-python-flask (дата обращения 01.03.2024).

37. О программной реализации когнитивных интероперабельных агентно-базированных систем / Н.С. Карамышева, А.С. Милованов, М.А. Митрохин, С.А. Зинкин // Известия Юго-Западного государственного университета. 2024. Т. 28, №1. С. 100-122. https://doi.org/10.21869/2223-1560-2024-28-1-100-122.

38. Логический подход к искусственному интеллекту: от классической логики к логическому программированию / А. Тейз, П. Грибомон, Ж. Луи [и др.]. М.: Мир, 1990. 429 с.

39. Sowa J. F. Knowledge Representation: Logical, Philosophical, and Computational Foundations. Brooks Cole Publishing Co., Pacific Grove, CA, 2000. 594 p.

40. Unified Theories of Cognition. URL: https://en.wikipedia.org/wiki/Unified_Theories_of_Cognition (дата обращения 01.03.2024).