ПНСТ 953-2024

ПРЕДВАРИТЕЛЬНЫЙ НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Классификация алгоритмов и вычислительных методов

Artificial intelligence systems. Classification of algorithms and computational methods

ОКС 35.020

Срок действия с 2025-01-01

до 2028-01-01

Предисловие

1 РАЗРАБОТАН Федеральным государственным автономным образовательным учреждением высшего образования "Национальный исследовательский университет "Высшая школа экономики" (НИУ ВШЭ)

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 164 "Искусственный интеллект"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 8 октября 2024 г. № 56-пнст

4 Настоящий стандарт разработан с учетом основных нормативных положений международного документа ISO/IEC TR 24372:2021* "Информационная технология. Искусственный интеллект (AI). Обзор вычислительных методов для систем искусственного интеллекта" [ISO/IEC TR 24372:2021 "Information technology - Artificial intelligence (AI) - Overview of computational approaches for AI systems", NEQ]

________________

* Доступ к международным и зарубежным документам, упомянутым в тексте, можно получить, обратившись в Службу поддержки пользователей. - Примечание изготовителя базы данных.     

Правила применения настоящего стандарта и проведения его мониторинга установлены в ГОСТ Р 1.16-2011 (разделы 5 и 6).

Федеральное агентство по техническому регулированию и метрологии собирает сведения о практическом применении настоящего стандарта. Данные сведения, а также замечания и предложения по содержанию стандарта можно направить не позднее чем за 4 мес до истечения срока его действия разработчику настоящего стандарта по адресу: info@tc164.ru и/или в Федеральное агентство по техническому регулированию и метрологии: 123112 Москва, Пресненская набережная, д.10, стр.2.

В случае отмены настоящего стандарта соответствующая информация будет опубликована в ежемесячном информационном указателе "Национальные стандарты" и также будет размещена на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.rst.gov.ru)

Введение

Целью указанного стандарта является установление принципов классификации вычислительных методов и алгоритмов систем искусственного интеллекта. Внедрение данного стандарта необходимо для повышения эффективности использования систем искусственного интеллекта при решении прикладных задач.

Установление классификации вычислительных алгоритмов в соотношении с категорией систем искусственного интеллекта и их функционального назначения позволит проводить целенаправленный выбор при построении систем искусственного интеллекта.

Применение данного стандарта обеспечит повышение эффективности использования систем искусственного интеллекта для решения прикладных задач, как автономного характера, так и во взаимодействии с человеком-оператором.

Это позволит заинтересованным сторонам выбирать надлежащие решения для их приложений и сравнивать качество доступных решений.

Документ структурирован следующим образом:

- в разделе 4 приведено общее описание вычислительных подходов в системах искусственного интеллекта;

- в разделе 5 приведено основные характеристики систем искусственного интеллекта;

- в разделе 6 представлена классификация типов вычислительных подходов, включая подходы, основанные на знаниях и данных;

- в разделе 7 описаны выбранные алгоритмы, используемые в системах искусственного интеллекта, включая базовые теории и методы, их основные характеристики и типичные приложения.

     1 Область применения

Настоящий стандарт содержит обзор и структурирование вычислительных подходов систем искусственного интеллекта, включая:

- основные вычислительные характеристики систем искусственного интеллекта;

- основные алгоритмы и подходы, используемые в системах искусственного интеллекта.

Стандарт предназначен для применения в сфере теоретической и практической деятельности по классификации систем искусственного интеллекта, при выполнении работ:

- по оценке соответствия вычислительных методов функциональному назначению систем искусственного интеллекта;

- по отнесению конкретных систем искусственного интеллекта к определенным классам вычислительных методов;

- по применению классификации систем искусственного интеллекта в сфере стандартизации.

В настоящем стандарте установлена схема классификации основных технологий, алгоритмов и вычислительных методов систем искусственного интеллекта для решения прикладных задач, помогающая определить направления их стандартизации. Схема классификации приведена в приложении А.

     2 Термины и определения

В настоящем стандарте применены термины по [1] и [2], а также следующие термины с соответствующими определениями:

2.1

2.2 генератор (generator): Нейронная сеть, которая производит выборки, классифицируемые дискриминатором.

Примечание - Генераторы в основном появляются в контексте порождающих состязательных сетей.

2.3 дискриминатор (discriminator): Нейронная сеть, которая классифицирует выборки, создаваемые генератором.

Примечание - Дискриминаторы в основном появляются в контексте порождающих состязательных сетей.

2.4

2.5

2.6

2.7 персептрон (perceptron): Нейронная сеть, состоящая из одного искусственного нейрона, с двоичным или непрерывным выходным значением, которое определяется путем применения монотонной функции к линейной комбинации входных значений с обучением и исправлением ошибок.

2.8 платформа (platform): Комбинация операционной системы и аппаратного обеспечения, составляющая операционную среду, в которой выполняется программа.

Примечание - См. [3], статья 3.30.

2.9 порождающая состязательная сеть; GAN (generative adversarial network, GAN): Архитектура нейронной сети, состоящая из одного или нескольких генераторов и одного или нескольких дискриминаторов, которые конкурируют для повышения производительности модели.

     3 Сокращения

В настоящем стандарте применены следующие сокращения:

ИИ (AI) - искусственный интеллект (artificial intelligence);

СИИ - система искусственного интеллекта;

ЦП (CPU) - центральный процессор (central processing unit);

AdaBoost - алгоритм машинного обучения c несколькими алгоритмами классификации (adaptive boosting);

ASIC - специализированная интегральная схема (application-specific integrated circuit);

BERT - представления двунаправленного кодера для трансформеров (bidirectional encoder representations from transformers);

BPTT - обратное распространение во времени (back propagation through time);

CNN - сверточная нейронная сеть (convolutional neural network);

DAG - ориентированный ациклический граф (directed acyclic graph);

DNN - глубокая нейронная сеть (deep neural network);

ERM - минимизация эмпирического риска (empirical risk minimization);

HMM - скрытая марковская модель (Hidden markov model);

FFNN - нейронные сети прямого распространения (feedforward neural network);

FPGA - программируемые интегральные схемы (field programmable gate array);

GDM - метод дискретизации градиента (gradient descent method);

GPU - графический процессор (graphics processing unit);

GPT - генеративный предобученный трансформер (generative pre-training);

KG - граф знаний (knowledge graph);

KNN - метод К-ближайших соседей (k-nearest neighbour)

LSTM - длинная цепь элементов краткосрочной памяти (long short-term memory)

MFCC - мелкочастотные кепстральные коэффициенты (mel-frequency cepstrum coefficient);

MLM - маскированное языковое моделирование (masked language model);

NER - распознавание именованных сущностей (named entity recognition);

NLP - обработка естественного языка (natural language processing);

NLU - система, сервис или программа понимания естественного языка (natural language understanding);

NSP - прогнозирования следующего высказывания (next sentence prediction);

OWL - язык веб-онтологий (web ontology language);

RDF - среда описания ресурса (resource description framework);

RNN - рекуррентная нейронная сеть (recurrent neural network);

RTRL - рекуррентное обучение в реальном времени (real-time recurrent learning);