National Academy of Sciences of the Republic of Armenia
ՀԱՅ  ENG  РУС
Home academy [@] sci.am Facebook Page
General Page About Academy Divisions Organizations Members Contact us
Yervant Zorian
Dr., Professor
COVID-19
Structure
Presidium Members
Documents
Innovation Proposals
Publications
Funds
Conferences
Competitions
Photogallery
Videogallery
Web Resources
Other Academies
"Gitutyun" newspaper
"In the World of Science" Journal
Publications in Press
Notices
Anniversaries
Universities
News
Scientific Results
Diaspora Department presents
Young Scientist Tribune
Our Honored Figures
Announcements
Lindau Nobel Laureate Meeting
Sitemap
Scientific Results
10/12/2021
Արհեստական բանականությունը և տվյալագիտությունը՝ ՀՀ ԳԱԱ մաթեմատիկայի ինստիտուտի ուշադրության կենտրոնում

    ՀՀ գիտությունների ազգային ակադեմիայի մաթեմատիկայի ինստիտուտի արդիական թեմաներից է «Արհեստական բանականությունը և տվյալագիտու-թյունը», որը շահել է  ՀՀ կրթության, գիտության, մշակույթի և սպորտի նախարարության Գիտության կոմիտեի հայտարարած մրցույթը: Թեմայի ղեկավար, ինստիտուտի գիտաշխատող Առնակ Պողոսյանը կարևորում է մեքենայական ուսուցման (ՄՈՒ) և արհեստական բանականության (ԱԲ) խնդիրները. «Հիմնական շարժիչ ուժը տեղեկատվական տեխնոլոգիաների ոլորտի ընկերություններն են: Այս ընկերությունների արտադրանքի գերակշիռ մասը պահանջում է խելամիտ լուծումներ, որոնք մեծ տվյալների առկայության պայմաններում հնարավոր չէ իրականացնել առանց մեքենայական ուսուցման և արհեստական բանականության մեթոդների ներգրավվածության: Մեր խմբի հինգ անդամներից երեքն աշխատում են աշխարհահռչակ ՏՏ ընկերություններում (VMware, Inc., ԱՄՆ, ServiceTitan, ԱՄՆ)»:

    Առնակ Պողոսյանը նշեց, որ այս թեմայի հիմնական աշխատանքները վերաբերում են ամպային ենթակառուցվածքների և նրանցում աշխատող ծրագրերի աշխատանքի մոնիտորինգին, կանոնավոր աշխատանքի պահպանմանը և առաջացած պրոբլեմների հաղթահարմանը: «Բիզնեսի տեսանկյունից շատ կարևոր է ամպային տիրույթների նորմալ աշխատանքը, քանի որ նրանց անկանոն աշխատանքը բերելու է ֆինանսական և վստահության կորստի: Ծրագրերի անխափան աշխատանքի ապահովումը հնարավոր է ամպային համակարգերում ընթացող պրոցեսների մոնիտորինգով, որի արդյունքում հավաքվում և պահվում են տվյալներ` հետագա մշակման համար: Ներկայիս ամպային համակարգերը շատ բարդ են, և դրանց պատասխանատուներն ի վիճակի չեն հետևելու և հասկանալու նրանցում ընթացող պրոցեսները, արագ արձագանքելու խնդիրներին: Անհրաժեշտ են խելացի լուծումներ՝ հիմնված արհեստական բանականության մեթոդների վրա», - ասաց Առնակ Պողոսյանը:

    Ըստ նրա՝ դասական մոնիտորինգն ունի երեք հենասյուներ` տվյալների տեսակներ, որոնց հավաքելն անհրաժեշտ է ամպային ենթակառուցվածքներում  և ծրագրերում ընթացող պրոցեսների բացահայտման համար: Տվյալների յուրաքան-չյուր տեսակ դիտարկում է ամպային համակարգը որոշակի անկյան տակ` ամբողջական պատկերը բացահայտելու համար: 

    «Հենասյուներից մեկը ժամանակային շարքերն են (time series data), որոնք նկարագրում են պրոցեսների վարքը ժամանակի ընթացքում: Ժամանակային շարքերը բազմաթիվ հարցերի պատասխաններ կարող են տալ: Կարևոր է ուսումնասիրել  նրանց պարբերականությունը, թրենդը, հասկանալ շարքերի վար-քագիծը և կատարել կանխատեսումներ, անհանգստություն արտահայտել` «ալերթ» (trigger alert/alarm/event), երբ այն շեղվում է կանոնավոր վարքագծից, ուսումնասիրել բաշխումները, ընդհանրապես արձանագրել ցանկացած փոփոխություն (change detection), որը որևէ ձևով արտահայտում է համակարգի հնարավոր խափանումը:

    Ժամանակային շարքերը կարելի է նաև ուսումնասիրել խմբերով, հասկանալ նրանց կորելիացիաները՝ հատկապես որոշակի պրոբլեմների դեպքում, պարզել կարևոր և անկարևոր խմբերը, իրականացնել բազմաչափ կանխատեսումներ: Էական է հասկանալ տարբեր ժամանակային շարքերից ստացված «ալերթների» կորելացիաները, որոնք կավելացնեն խափանումների վերաբերյալ մեր տեղեկությունները՝ օգնելով ավելի ավարտուն նկարագրել դրանք` դյուրինացնելով վերականգնման գործընթացը», - ասաց Առնակ Պողոսյանը: 

    Նա նշեց, որ ժամանակակից ծրագրերի մոնիտորինգը, որոնք բաշխված են ամպային տիրույթներում, բավական խճճված գործընթաց է, որի համար պահանջվում են խելացի տեխնոլոգիաներ: Այդպիսին է ծրագրի աշխատանքի հետքերի (application traces) մոնիտորինգը, որը հանդիսանում է դասական մոնիտորինգի երկրորդ հենասյունը: Ծրագրի հետքը դրա աշխատանքային պրոցեսի նկարագիրն է` ըստ ենթապրոցեսների հերթականության: Այն ցույց է տալիս բոլոր ենթապրոցեսների տևողությունները և այլ մանրամասներ, որոնց միջոցով կարելի է պարզել աշխատանքի կանոնավոր և վթարային ընթացքները: Արհեստական բանականության խնդիրն է հասկանալ, կանխատեսել կամ բացատրել ենթապրոցեսներից որևէ մեկի խափանումը, որը կազդի ծրագրի ամբողջ աշխատանքի վրա: 

    «Մոնիտորինգի երրորդ հենասյունը ծրագրի լոգերն են (log data, logging)՝ կարճ հաղորդագրությունները ծրագրի կատարման տարբեր օղակների վերաբերյալ, որոնցով  կարելի է իրականացնել դիագնոստիկա խափանումները հասկանալու համար: Լոգերը գեներացվում են ծրագրի աշխատանքի ընթացքում և պահվում են առանձին ֆայլերում, որոնք անհրաժեշտության դեպքում կարելի է ուսումնասիրել: Հաշվի առնելով դրանց ծավալները` ոչ մի ադմինիստրատոր ֆիզիկապես չի կարող դրանք կարդալ և վերլուծել: Անհրաժեշտ են խելացի և ինքնուրույն աշխատող  ալգորիթմներ: Մեքենայական ուսուցման ալգորիթմները փորձում են լոգերի օգնությամբ հասկանալ կանոնավոր  աշխատանքի օրինա-չափությունները, պարզել խափանումները, և դրանց դեպքում գտնել բացատրու-թյուններ` արագ վերացնելու համար», - ասաց Առնակ Պողոսյանը: 

    Նրա խոսքով՝ բոլոր հավաքված տվյալները ծառայում են մեկ ընդհանուր նպատակի՝ հայտնաբերել կամ կանխատեսել համակարգի խնդիրները, որոնք բա-ցասաբար են ազդելու վերջնական օգտագործողների վրա, և բացատրել դրանք մարդուն հասկանալի լեզվով` վթարները արագ վերացնելու կամ կանխելու նպատակով: Ցանկալի է նաև խնդիրների վերացման պրոցեսների ավտոմատացումը` առանց մարդու միջամտության: Դրա համար կարևոր են երևույթների պատճառահետևանքային կապերը: Խնդիրների շտկման համար շատ կարևոր է գտնել այն հիմնական պատճառը (root cause), որից սկսվել են համակարգի մնացած պրոբլեմները` առկա խնդիրները լուծելու կամ նորերից խուսափելու համար: Իր հերթին սա նշանակում է, որ մեքենայական ուսուցման և արհեստական բանականության ալգորիթմների պատասխանները պետք է որոշակի բացատրելիություն ապահովեն: 
    «Մեքենայական ուսուցման ալգորիթմները երկու հիմնական առաջադրանք են կատարում` տվյալների կանխատեսում և բացատրում: Կախված կիրառություններից՝ կամ կարևորվում է դրանցից որևէ մեկը, կամ երկուսն էլ: Ընդհանուր առմամբ, այս երկու խնդիրներն իրար հակասող են: Կան ալգորիթմներ կանխատեսման շատ մեծ հնարավորություններով, ինչպիսիք են խորը ուսուցման մեթոդները, որոնք ունեն բացատրելիության շատ ցածր մակարդակ: Այս մեթոդները հայտնի են ինչպես սև արկղեր՝ հատկապես նշելու համար, որ դրանց տրված պատասխանների աղբյուրը մեզ անհասկանալի է, տեսանելի է միայն տվյալների մուտքը և ելքը: Մյուս կողմից հայտնի են ալգորիթմներ բացատրելիության շատ բարձր մակարդակով, ինչպիսին են ծառերը (decision trees) և կանոններ սովորող մեթոդները (rule induction methods), որոնք իրենց կանխատեսման հզորությամբ չեն կարող մրցել խորը ուսուցման ալգորիթմների հետ: Նման մեթոդները հայտնի են ինչպես սպիտակ արկղեր, որով ցանկանում են շեշտել, որ նրանց աշխատանքի ընթացքը լիովին տեսանելի է», - բացատրեց Առնակ Պողոսյանը:

    Այժմ առանձնահատուկ կարևորության է արժանանում բացատրելի արհեստական բանականությունը: Մեքենայական ուսուցման ալգորիթմներ օգտագործողների գերակշռող մասը համարում է, որ պետք չէ կուրորեն վստահել արհեստական բանականության կանխատեսումներին`  առանց հասկանալու դրանց առաջացման տրամաբանությունը: Բացատրելիությունը  վստահություն է հաղորդում լուծումների նկատմամբ, քանի որ  բացահայտում է դրանց առաջացման պրոցեսը: Բացատրելի արհեստական բանականությունը կարող է անփոխարինելի դեր ունենալ բժշկությունում, ֆինանսներում և այլուր: 

    Ստացված արդյունքների մի մասը տպագրվել է Sensors ամսագրում (https://www.mdpi.com/1424-8220/21/5/1590): 

10.12.2021թ. 
ՀՀ ԳԱԱ տեղեկատվական-վերլուծական ծառայություն


Notices








On the 21st of February, 2024, The Institute of Language named after H. Acharyan of the National Academy of Sciences of the Republic of Armenia invites you to participate in the international conference "Current Problems of Studying and Teaching the Armenian Language". The conference will take place at the Institute of Language

Ս.թ. փետրվարի 23-ին ժ. 15:00-ին ՀՀ ԳԱԱ նիստերի դահլիճում (Բաղրամյան պող., 24) տեղի կունենա «Չընդհատված ծածկագիր. հայեր» գիտական ֆիլմի ցուցադրությունը և քննարկումը

The Shirak Center for Armenological Studies of NAS RA is starting to publish the 1 (27) volume of the "Scientific Works" journal for 2024. Priority is given to articles in English and Russian. The deadline for receiving articles is March 1, 2024

Международный инновационный центр нанотехнологий СНГ (МИЦНТ СНГ) при поддержке Межгосударственного фонда гуманитарного сотрудничества государств - участников СНГ (МФГС) и Объединенного института ядерных исследований объявляет о проведении конкурса на соискание грантов на разработку проектов в рамках деятельности МИЦНТ СНГ в 2024 году и очередной Стажировки молодых ученых и специалистов стран СНГ в Дубне в апреле - мае 2024года

The international conference "Armenia as a Civilizational Crossroad: Historical and Cultural Ties" is scheduled to take place from March 28 to 30, 2024, organized by the National Academy of Sciences of the Republic of Armenia and Yerevan State University

ՀՀ գիտության և տեխնիկայի զարգացման 2020-2024թթ. գերակայության ՀՀ կառավարության որոշման նախագիծ

Publications in Press
20/02/2024

«Գիտուժի» ներկայացուցիչների հետ քննարկվել են գիտահետազոտական ոլորտում պետական պատվերների ձևակերպման հարցեր
1lurer.am
19/02/2024

Երբ գիտության մեջ ես, շարժման մեջ ես. Լուսինե Համբարյան
ankakh.com
19/02/2024

Սևանի ձկնային պաշարները վտանգված են. իշխանի 2 տեսակ արհեստական պայմաններում է բազմացվում
1lurer.am
16/02/2024

Հայաստանը ես եմ. Նարինե Հայրապետյան
1tv.am
This site has been visited
6 847 973

times since 01.01.2005
National Academy of Sciences of the Republic of Armenia
NAS RA Logo (black, blue)
Top Website last updated on:  17:17, 20/02/2024 Top
General Page - About Academy - Divisions - Organizations - Members - Contact us - Structure - COVID-19
Presidium Members - Documents - Innovation Proposals - Publications - Funds - Conferences - Competitions
Photogallery - Videogallery - Web Resources - Other Academies - "Gitutyun" newspaper - "In the World of Science" Journal - Publications in Press
Notices - Anniversaries - Universities - News - Scientific Results - Diaspora Department presents - Young Scientist Tribune
Our Honored Figures - Announcements - Lindau Nobel Laureate Meeting - Sitemap
© Copyright 1998-2024 All Rights Reserved.
Website is created and supported by Academical Scientific Research Computer Network of Armenia (ASNET-AM)
For any suggestions write to webmaster {[ at ]} sci.am