14 января 2026
Конец 2025 года стал для исследовательской группы профессора ИМИТ ИГУ А. В. Манциводы плодотворным на публикации в ведущих международных изданиях – почти одновременно появились на свет четыре работы. В журналах издательства Springer опубликованы две статьи А. В. Манциводы, посвященные работе над усовершенствованием механизмов искусственного интеллекта. Статья «Don’t Forget Imagination!» (Не забудьте о воображении!) была опубликована в серии Studies in Computational Intelligence в тематическом выпуске Biologically Inspired Cognitive Architectures. Статья написана в соавторстве с д.ф.-м.н., ведущим научным сотрудником Института математики им. Соболева Е. Е. Витяевым. Вторая статья «Semantic Machine Learning and Slow Thinking», опубликована совместно с аспирантом ИМИТ ИГУ Д. Гаврилиным и вышла в журнале Journal of Mathematical Sciences (Q1). Одновременно еще две работы аспирантов Дениса и Дарьи Гаврилиных были опубликованы в электронном журнале IEEE – крупнейшей международной инженерной ассоциации в области вычислительных систем и сетей. В статье Дениса разработан эффективный алгоритм машинного обучения, базирующегося на поиске вероятностных причинно-следственных связей в предметных областях, а Дарья разработала логическую модель управления безопасностью и политиками доступа к знаниям, представленным в логической форме.
Большие языковые модели стали мощным инструментом для работы с текстом и знаниями. Они быстро отвечают на вопросы, помогают принимать решения и генерируют идеи. Однако за этой впечатляющей эффективностью скрывается ограничение: языковые модели не обладают собственной целостной «картиной мира». Их ответы основаны на статистической интуиции, поэтому в новых или сложных ситуациях они могут быть нестабильны и подвержены ошибкам, известным как галлюцинации.
Авторы предлагают посмотреть на проблему через призму человеческого мышления. Человек опирается не только на интуицию, но и на воображение и рассуждения. Воображение удерживает в голове прозрачную модель предметной области — с объектами, связями и правилами, — а рассуждения позволяют проверять идеи, выявлять противоречия и получать новые знания.
«В нашем подходе мы переносим эту структуру в искусственный интеллект. Мы вводим слой «логического или когнитивного воображения» — специальные гибридные модели, сочетающие онтологии и системы вероятностных причинно-следственных связей. Такие модели формируют прозрачный контекст знаний, в котором можно проверять утверждения языковой модели, уточнять смыслы и управлять ими.
Технически логическое воображение подключается к языковым моделям как внешний источник знаний в процессе решения задач (подход RAG — retrieval-augmented generation). В отличие от примитивных реляционных баз данных, такие модели не просто хранят информацию, а понимают её структуру, выявляют пробелы и выводят следствия. Это позволяет получать более точные, устойчивые и объяснимые результаты.
Мы реализуем этот подход на платформе bSystem и в стартапе Ontobox, развиваемом при поддержке фонда «Сколково». Наша цель — создать среду для построения интеллектуальных агентов нового поколения, в которых интуиция языковых моделей, прозрачное воображение и рассуждения работают как единая система. Мы убеждены: без воображения нет полноценного мышления, а значит и по-настоящему надёжного искусственного интеллекта» — отметил А. В. Манцивода.