рус eng
«ИЗВЕСТИЯ ИРКУТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА». СЕРИЯ «МАТЕМАТИКА»
«IZVESTIYA IRKUTSKOGO GOSUDARSTVENNOGO UNIVERSITETA». SERIYA «MATEMATIKA»
«THE BULLETIN OF IRKUTSK STATE UNIVERSITY». SERIES «MATHEMATICS»
ISSN 1997-7670 (Print)
ISSN 2541-8785 (Online)

Список выпусков > Серия «Математика». 2025. Том 54

Задачный подход: новая парадигма построения доверенного искусственного интеллекта

Автор(ы)

А. В. Нечесов1, Е. Е. Витяев1,2, С. С. Гончаров1,2, Д. И. Свириденко1 

1 Исследовательский центр в сфере искусственного интеллекта НГУ, Новосибирск, Российская федерация 

2 Институт математики им. С. Л. Соболева СО РАН, Новосибирск, Российская Федерация

Аннотация
Несмотря на высокие способности ИИ-систем к рассуждению в рамках формальных систем, их склонность к галлюцинациям остаётся ключевой проблемой. Предлагается задачно-ориентированный подход для повышения надёжности. Фокусируясь на конкретной задаче и её критериях решения, гарантируется, что ИИ-системы будут строить свои выводы на основе глубокого понимания внутренних ограничений проблемы, включая определяющие её аксиомы и теоремы. Именно такое осознание структуры задачи и её ограничений становится ключом к минимизации галлюцинаций и созданию доверенного искусственного интеллекта
Об авторах

Нечесов Андрей Витальевич, канд.физ.-мат. наук, Новосибирский государственный университет, Новосибирск, 630090, Российская Федерация, nechesoff@gmail.com

Витяев Евгений Евгеньевич, д-р физ.-мат. наук, проф., Новосибирский государственный университет, Новосибирск, 630090, Российская Федерация, vityaev@math.nsc.ru,

Гончаров Сергей Савостьянович, акад. РАН, проф., Новосибирский государственный университет, Новосибирск, 630090, Российская Федерация, s.s.goncharov@math.nsc.ru

Свириденко Дмитрий Иванович, д-р физ.-мат. наук, проф., Новосибирский государственный университет, Новосибирск, 630090, Российская Федерация, dsviridenko47@gmail.com

Ссылка для цитирования
Nechesov A. V., Vityaev E. E., Goncharov S. S., Sviridenko D. I. The Task-Based Approach: A New Paradigm for Building Trustworthy Artificial Intelligence // Известия Иркутского государственного университета. Серия Математика. 2025. Т. 54. C. 96–112. https://doi.org/10.26516/1997-7670.2025.54.96
Ключевые слова
искусственный интеллект, машинное обучение, агентный подход, задачный подход, вычислимость, семантическое моделирование
УДК
519.7
MSC
68W30, 68U35
DOI
https://doi.org/10.26516/1997-7670.2025.54.96
Литература
  1. Anokhin P.K. Principled questions of the theory of functional systems. Philosophical aspects of the theory of functional systems, Moscow, 1978, pp. 49–106. 
  2. Demin A.V., Vityaev E.E. Learning in a virtual model of the c. elegans nematode for locomotion and chemotaxis, biologically inspired. Biologically Inspired Cognitive Architectures, 2014, vol. 7. 
  3. Dolgov N. Development of a virtual machine for executing l*-programs pf a pcomplete logical language in decentralized enviroment. ZONT, 2023. 
  4. Ershov Y., Samokhvalov K. Sovremennaya filosofiya matematiki: nedomoganiya i lechenie. Parallel Publ., 2007. 
  5. Gavrilin D.N., Mantsivoda A.V. Object ontologies as a priori models for logical-probabilistic machine learning. The Bulletin of Irkutsk state university. Series Mathematics, 2025, vol. 51, pp. 116–129. https://doi.org/10.26516/1997-7670.2025.51.116
  6. Goncharov S.S., Nechesov A. Functional variant of polynomial analogue of gandy’s fixed point theorem. Mathematics, 2024, vol. 12. https://doi.org/10.3390/math12213429 
  7. Goncharov S., Sviridenko D., Vityaev E. Task approach to artificial intelligence. CEUR, 2642, 2020. 
  8. Gumirov V., Matyukov P., Palchunov D. Semantic domain specific languages. IEEE, 2018. 
  9. Halpern J.Y. An analysis of first-order logic of probability. Artificial Intelligence, 1990, vol. 46. 
  10. Hempel C.G. Aspects of scientific explanation. Aspects of Scientific Explanation and other Essays. Free Press, 1965. 
  11. Hempel C.G. Maximal specificity and lawlikeness in probabilistic explanation. Philosophy of Science, 1968, vol. 35. 
  12. Kazakov I.A., Kustova I.A., Mantsivoda A.V. Document modeling: methodology and applications. The Bulletin of Irkutsk State University. Series Mathematics, 2020, vol. 32. 
  13. Mantsivoda A.V., Ponomaryov D.K. Towards semantic document modeling of business processes. The Bulletin of Irkutsk State University. Series Mathematics, 2019, vol. 29. 
  14. Mantsivoda A.V., Ponomaryov D.K. A Formalization of Document Models with Semantic Modelling. The Bulletin of Irkutsk State University. Series Mathematics, 2019, vol. 27, pp.36-54. https://doi.org/10.26516/1997-7670.2019.27.36 
  15. Mantsivoda A.V., Ponomaryov D.K. On termination of transactions over semantic document models. The Bulletin of Irkutsk State University. Series Mathematics, 2020, vol. 41. 
  16. Nechesov A. Learning theory and knowledge hierarchy for artificial intelligence systems. Sib. Adv. Math., 2023, vol. 33, pp. 299–302. https://doi.org/10.1109/SIBIRCON63777.2024.10758505 
  17. Nechesov A., Ruponen J. Empowering government efficiency through civic intelligence: Merging artificial intelligence and blockchain for smart citizen proposals. Technologies, 2024, vol. 12(271). https://doi.org/10.3390/technologies12120271. 
  18. Nechesov A., Dorokhov I, Ruponen J. Virtual cities: From digital twins to autonomous ai societies. IEEE Access, 2025, vol. 13, pp. 13866—13903. https://doi.org/10.1109/ACCESS.2025.3531222. 
  19. Russell S., Norvig P. Artificial intelligence: a modern approach. Williams, 2006. 
  20. Sviridenko D. Semantic smart wallets. In International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), Novosibirsk, 2019, pp. 991–994. 
  21. Sudakov K.V. The general theory of functional systems. Moscow, Medicine, 1984. 
  22. Vityaev E.E. Semantic probabilistic output of predictions. The Bulletin of Irkutsk State University. Series Mathematics, 2017, vol. 21. 
  23. Vityaev E. The logic of prediction. Proceedings of the 9th Asian Logic Conference, World Scientific Publishers, 2006, pp. 263–276. 
  24. Vityaev E. Logika raboty mozga (Logic of brain activity). Approaches to mind modeling. Moscow, 2014, pp. 120–153. 
  25. Vityaev E. Purposefulness as a principle of brain activity. Nadin M. (ed.) Anticipation: Learning from the Past. Cognitive Systems Monographs, Springer, 2015, pp. 231–254. 
  26. Vityaev E. Mathematical probability model of cognitome and functional systems. Proceedings of the Conference ”Interdisciplinary interaction of algebraic Biology, systems Theory and artificial Intelligence, Moscow, 2021, pp. 238–292. 
  27. Vityaev E., Goncharov S., Sviridenko D. Task-driven approach to artificial intelligence. Cognitive Systems Research, 2023, vol. 81. 
  28. Vityaev E.E., Kovalerchuk B.Y. Relational methodology for data mining and knowledge discovery. Intelligent Data Analysis, 2008, vol. 12. 
  29. Vityaev E., Kovalerchuk B. Ontological data mining. Uncertainty Modeling: Dedicated to Professor Boris Kovalerchuk on his Anniversary, Springer, 2017, pp. 277–292. 
  30. Vityaev E., Odintsov S. How to predict consistently? Trends in Mathematics and Computational Intelligence, Springer, 2019, vol. 796, pp. 35–41. 
  31. Web site Scientific Discovery. Available at: http://old.math.nsc.ru/AP/ScientificDiscovery/index.html.

Полная версия (english)