Обоснована целесообразность использования инструментальных средств наглядно-действенного, наглядно-образного и понятийного мышления для планирования целенаправленной деятельности автономных интеллектуальных агентов в различных по степени априорной неопределенности проблемных средах. Раскрыто содержание и показана роль каждой формы мышления в процессе автоматического планирования целенаправленного поведения автономных интеллектуальных агентов в меняющихся условиях функционирования. Обозначена особая роль понятийного мышления в выполнении автономными агентами сложных заданий и связанного с ним планирования полифазного поведения. С учетом сложности проблем, связанных с формализацией мыслительных актов понятийного мышления, показаны возможные пути постепенного его развития от начального уровня до перехода на более высокие уровни развития, и на этой основе расширен класс решаемых автономными интеллектуальными агентами задач. Разработана модель представления знаний и инструментальные средства вывода решений начального уровня понятийного мышления, позволяющие интеллектуальным агентам разбивать полученные ими задания на подцели поведения, а затем планировать на этой основе полифазную деятельность путем поиска решений связанных с ней подзадач, которые обеспечивают определение минимальных по длине маршрутов перемещения в проблемной среде с препятствиями и целенаправленное манипулирование находящимися в ней объектами. Синтезированы инструментальные средства, позволяющие устанавливать порядок отработки сложных действий, входящих в структуру сформулированного автономному интеллектуальному агенту задания. Показано, что дальнейшее развитие предложенных методических основ построения интеллектуальных решателей задач связано с формализацией более высокого уровня мыслительных актов понятийного мышления, позволяющих обеспечить возможность решения различных по сложности практических задач, сформулированных как в процедурной, так и в декларативной форме представления в виде различных целевых ситуаций проблемной среды, имеющих большую размерность.
The expediency of using the tools of visual-effective, visual-figurative and conceptual thinking for planning the purposeful activity of autonomous intelligent agents in problem environments of various degrees of a priori uncertainty has been substantiated. The content is revealed and the role of each form of thin*ing is shown in the process of automatic planning of the purposeful behavior of autonomous intelligent agents in the changing conditions of functioning. The special role of conceptual thinking in the performance of complex tasks by autonomous agents and the planning of polyphasic behavior associated with it is indicated. Taking into account the complexity of the problems associated with the formalization of mental acts of conceptual thinking, possible ways of its gradual development from the initial level to the transition to higher levels of development are shown, expanding on this basis the class of tasks solved by autonomous intelligent agents. A model of knowledge representation and tools for deriving solutions of the initial level of conceptual thinking have been developed, which allow intelligent agents to break down the tasks they receive into sub-goals of behavior. Then, on this basis, plan polyphase activity by searching for solutions to the associated subtasks, which ensure the determination of the minimum length routes of movement in a problematic environment with obstacles and the purposeful manipulation of objects in it. The tools are synthesized allowing to establish the order of elaboration of complex actions included in the structure of the task formulated by autonomous intelligent agents. It is shown that the further development of the proposed methodological foundations for constructing intelligent problem solvers is associated with the formalization of a higher level of mental acts of conceptual thinking, which make it possible to solve practical problems of different complexity, formulated both in procedural and declarative form of presentation in the form of various target situations of the problem environment, having a large dimension.