Лаборатория компьютерной инженерии интеллектуальных систем

Интеллектуальная система (ИС)

Интеллектуальная система (ИС) – автоматизированная система, основанная на знаниях, или комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке. Разработка естественно-языковых интерфейсов. Проблемы компьютерной лингвистики разрабатываются в ИИ с 1950-х гг. Данное направление охватывает также исследования методов и разработку систем, обеспечивающих реализацию процесса общения человека с компьютером на естественном языке (так называемые системы ЕЯ-общения).

Распознавание слитной казахской речи

Одним из основных направлений в области искусственного интеллекта являются речевые технологии. Разработка систем автоматического распознавания казахской слитной речи на основе современных глубоких нейросетевых моделей являются актуальной задачей. С её помощью можно осуществлять речевой ввод текстовых данных в компьютер. Разработанная система состоит из 3 частей:

  • Компьютерное приложение распознавания слитной казахской речи.
  • Веб-приложение распознавания слитной казахской речи.
  • Мобильное приложение (iOS/Android) распознавания слитной казахской речи.

Для распознавания слитной казахской речи диктор (пользователь) читает (говорит) текст на казахском языке в микрофон или загружает заранее записанный аудиофайл на казахском языке, а компьютер/смартфон выводит распознанный текст на экране устройства. Полученный текст можно сохранить или скопировать для дальнейшего использования.

Акустический корпус слитной речи казахского языка

Акустический корпус можно использовать для исследования и/или разработки систем автоматического распознавания казахской речи, идентификации диктора по голосу, верификации диктора по голосу и т.д. Корпус состоит из 72 часовых аудиоданных

Текстовой корпус казахского языка

Текстовой корпус можно использовать для исследования и/или разработки систем автоматического распознавания казахской речи, обработки текстов и т.д.

Языковая модель для систем автоматического распознавания казахской речи

Разработанная языковая модель для систем автоматического распознавания казахской речи можно использовать для создания систем автоматического распознавания казахской речи. Языковая модель разработана на основе глубоких нейросетевых моделей.

Акустическая модель для систем автоматического распознавания казахской речи

Разработанную акустическую модель можно использовать для систем автоматического распознавания казахской речи. При разработке модели использовались 72- часовые аудиоданные.

Разработка и программная реализация пакета прикладных программ для решения прикладных задач по байесовским сетям

Искусственный интеллект широко используется при решении различных проблем в различных областях науки, экономики, производства и общественной жизни. Наиболее популярным направлением использования искусственного интеллекта с начала 2000 годов стало использование в исследованиях аппарата байесовских сетей. Во многом это обусловлено наличием неопределенностей в большинстве изучаемых проблем, желанием исследователей получать вероятностные оценки различных факторов изучаемых процессов, понимать зависимости между различными изучаемыми факторами. Байесовские сети позволяют решить эти и многие другие проблемы.

Возникла потребность в программных инструментах, обеспечивающих реализацию моделей, основанных на аппарате байесовских сетей. На рынке программных продуктов появилось много прекрасных программных продуктов для работы с байесовскими сетями. Большинство данных продуктов – коммерческие. Стоимость данных продуктов весьма значительна. Существуют также и бесплатные программные продукты. Однако они, как правило, более низкого качества. Кроме того, на бесплатные программные продукты существуют определенные лицензионные ограничения, не позволяющие исследователя прикладных задач в полной мере использовать данные продукты в своих работах.

Для решения данной проблемы поставлены следующие задачи:

  1. Исследовать мировой рынок программных продуктов по байесовским сетям.
  2. Провести качественный анализ наиболее популярных и эффективных программ, понять их возможности и недостатки.
  3. На основании сделанного анализа разработать собственный пакет программ для работы с байесовскими сетями, ориентированный, в первую очередь, на казахстанских исследователей различных прикладных проблем, использующих аппарат байесовских сетей.

За время работы была выпущено учебное пособие «РАБОТА С БАЙЕСОВСКИМИ СЕТЯМИ В BAYESIALAB» по работе с одним из наиболее популярных пакетов BayesiaLab

В данное время идет техническая подготовка к выпуску второй книги «AGENARISK. РАБОТА С БАЙЕСОВСКИМИ СЕТЯМИ», в которой описывается работа с пакетом AgennaRisk, также ориентированном на работу с байесовскими сетями.

Разработано демо версия программного обеспечения Bayes_Class (разработка алгоритма кластеризации на основе байесовских сетей)

Список публикации исполнителей проекта

1. Shayakhmetova A.S., Satymbekov M. Analysis of the modern software for bayesian networks // Новости науки Казахстана. – Алматы, 2018. — №2 (136). – С.27-34.

2. Litvinenko N., Shayakhmetova A., Mamyrbayev O. Clusterization by the K-means method withunknown K and other additional conditions // J.WSEAS TRANSACTIONS on INFORMATION SCIENCE and APPLICATIONS. Volume 16, 2019. – Р. 1-7.

3. Litvinenko A., Litvinenko N., Mamyrbayev O., Shayakhmetova A., Turdalyuly M. Application of bayesian networks for estimation of individual psychological characteristics // Proceedings 3rd International Conference Applied Mathematics, Computational Science and Systems Engineering. Rome, Italy. – Vol. 24, 2019. – P. 1-6.

4. Литвиненко Н.Г., Литвиненко А.Г., Шаяхметова А.С., Мамырбаев О.Ж., Сатымбеков М., Турдалыулы М. Использование байесовских сетей при исследовании соответствия претендента вакантной должности // Труды III междунар. науч. конф. «Информатика и прикладная математика». — Алматы, 2018. – Ч.2. – С.324-332.

5. Литвиненко Н.Г., Литвиненко А.Г., Шаяхметова А.С., Мамырбаев О.Ж. К вопросу о классификации типов свидетельств в байесовских сетях // Матер.научн. конф. ИИВТ МОН РК «Современные проблемы информатики и вычислительных технологий». – Алматы, 2018. – С. 143-152.

6. Сатымбеков М.Н., Шаяхметова А.С. Деректерді кластерлеу кезінде байестік желіні қолдану // Труды XIV международ. азиатской школы-семинар «Проблемы оптимизации сложных систем». — Кыргызстан. Иссык-Куль, 2018. – Ч.1.

– С.58-63.

7. Litvinenko A., Mamyrbayev O., Litvinenko N., Shayakhmetova A. Application of bayesian networks for estimation of individual psychological characteristics // PRZEGLAD ELEKTROTECHNICZNY, 2019. – Т. 95 (5). — C. 92-97.( Thomson Reuters)

8. Seisenbekova P., Shayakhmetova A., Othman M. The use of the Bayesian Approach in the Formation of the Student’s Competence in the ICT Direction // Proceedings IEEE International Conference on Automatic Control and Intelligent Systems (I2CACIS 2019), Shah Alam, Selangor, Malaysia (Scopus).