Гносеологический аспект научного познания. Онтологический аспект основного вопроса философии "Что первично – материя или сознание (дух)?"

Гносеологический аспект

Суть гносœеологического аспекта

Гносœеология – это раздел философии, связанный с теорией познания или теорией отражения действительности в сознании человека.

Можно сказать, что инженерия знаний как наука дважды гносœеологична – действительность сначала отражается в сознании эксперта͵ а затем деятельность и опыт эксперта интерпретируются сознанием инженера по знаниям, что служит уже основой для построения третьей интерпретации – поля знаний экспертной системы.

В процессе извлечения знаний аналитика в основном интересует компонент знания, связанный с эмпирическими индивидуальными знаниями экспертов, поскольку в них накоплен большой объём отдельных фактов и наблюдений, в то время как их теоретическое обобщение – вопрос будущего.

Познание всœегда связано с созданием новых понятий и теорий. Часто эксперт порождает новые знания прямо в контексте беседы с аналитиком. Такая генерация знаний должна быть полезна и самому эксперту, который до того момента мог не осознавать ряд соотношений и закономерностей предметной области. Аналитику при рождении нового знания может помочь инструментарий системной методологии, позволяющий использовать известные принципы логики научных исследований. Эта методология заставляет его за частным увидеть общее, ᴛ.ᴇ. строить цепочки:

ФАКТ ––> ОБОБЩЕННЫЙ ФАКТ ––> ЭМПИРИЧЕСКИЙ ЗАКОН ––> ТЕОРЕТИЧЕСКИЙ ЗАКОН.

Методы приобретения знаний.

Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом исходя из способности си­стемы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации. Форма представления знаний для их использования определяется внутри системы, в связи с этим форма информации, которую она может принимать, зависит от того, какие способности имеет система для формализации информации до уровня знаний. В случае если обучающаяся система совсœем лишена такой способности, то человек должен заранее подготовить всœе, вплоть до формализации информации, ᴛ.ᴇ. чем выше способности машины к логическим выводам, тем меньше нагрузка на че­ловека.

Функции, необходимые обучающейся системе для приобретения знаний, различаются исходя из конфигурации системы. В дальнейшем при рассмотрении систем инженерии знаний предполагается, что Существует система с конфигурацией, которая включает базу знаний и механизм логических выводов, использующий эти знания при решении задач. В случае если база знаний пополняется знаниями о стандартной форме их представления, то этими знаниями также можно воспользоваться. Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнение ими базы знаний.

Существует классификация систем приобретения знаний, которая опирается на способность системы к восприятию знаний в разных форматах, качественно различающихся между собой и способностью к формализации.

Обучение без выводов.

Существует две категории обучения (А и Б). Категория А - ϶ᴛᴏ обучение без выводов или механическое запоминание, ᴛ.ᴇ. простой процесс получения информации, при котором необязательны функции выводов, а полученная информация в виде программ или данных используется для решения задач в неизменном виде. Другими словами, это способ получения информации, характерный для существующих компьютеров.

Категория Б - ϶ᴛᴏ получение информации извне, представленной в форме знаний, т. е. в форме, которую можно использовать для выводов. Обучающейся Системе крайне важно иметь функцию преобразования входной информации в формат, удобный для дальнейшего использования и включения в базу знании.

Приобретение знаний на этом этапе происходит в наиболее простой форме: это знания, предварительно подготовленные человеком во внутреннем формате, какими являются большинство специальных знании, изначально заданных в экспертных системах. В случае прикладных систем инженерии знаний крайне важно преобразовать специальные знания из какой-либо области в машинный формат, но для этого нужен посредник, хорошо знающий как проблемную область, так и инженерию знаний. Таких посредников называют инженерами по знаниям. В общем случае для замены функции посредника можно использовать и специальные подпрограммы. Т.е. крайне важно иметь функции выводов достаточно высокого уровня, но можно ограничиться и выводами на сравнительно низком уровне, а остальное доверить человеку – в данном и состоит приобретение знаний в диалоге. Примером служит система TEIRESIAS. Это система-консультант в области медицины, разработанная на базе системы MYCIN. Специалисты в проблемной области являются преподавателями обучающейся системы, а ученик – система инженерии знаний – изучает ответы на поставленные задачи и корректирует те правила в базе знаний, которые ранее приводили к ошибкам. Для подготовки знаний в экспертной системе необходимы вспомогательные средства типа редактора знаний, причем в процессе приобретения знаний в диалоге не только редактируются отдельные правила и факты, но и восполняются недостатки существующих правил, т. е. ведется редактирование базы знаний.

В случае если знания заданы во внешнем формате, к примеру на естественном языке, то следует преобразовать их во внутренний формат. Для этого крайне важно понимать внешнее представление, ᴛ.ᴇ. естественный язык, графические данные и т. п. Фактически приобретение знаний и их понимание тесно связаны. Проблема понимания сводится не только к преобразованию структуры предложений – крайне важно получить формат, удобный для применения.

Аналогичная проблема – преобразование во внутренний формат советов, подсказок по решению задач, что принято называть ʼʼоперационализациейʼʼ знаний. В этом заключается центральная проблема искусственного интеллекта; она, в частности, изучает преобразование советов, подсказок, представленных в терминах проблемной области, в процедуры.

Приобретение знаний на метауровне

Выше было рассмотрено обучение на объектном уровне, а еще более сложная проблема - приобретение знаний на метауровне, т. е. знаний, основой которых является информация по управлению решением задач с использованием знаний на объектном уровне. Для знаний на метауровне пока не установлены ни формы представления и использования, ни связь со знаниями на объектном уровне, ни другая техника их систематизации. Поскольку не определœена форма их представления с точки зрения использования, то трудно говорить о приобретении знаний на метауровне. Тем не менее с этой проблемой связаны многие надежды в инженерии знаний.

Приобретение знаний из примеров

Метод приобретение знаний из примеров отличается от предыдущего метода, тем, что здесь выполняется сбор отдельных фактов, их преобразование и обобщение, а только затем они будут использованы в качестве знаний. И соответственно от уровня сложности системы вывода в системе будут возникать разные по степени общности и сложности знания. Необходимо также упомянуть о том, что данный метод приобретения знаний почти не нашёл практического применения, это должна быть связано с тем, что входная информация представляет собой не систематизированный набор данных и для их обработки требуется наличие в системе обширных знаний по конкретной области.

По сравнению с предыдущим методом приобретения знаний, данный метод имеет большую степень свободы и соответственно крайне важно описать общие положения этого принципа.

1. Языки представления . Обучение по примерам - ϶ᴛᴏ процесс сбора отдельных фактов, их обобщение и систематизация, в связи с этим необходим унифицированный язык представления примеров и общих правил. Эти правила, будучи результатом обучения, должны стать объектами для использования знаний, в связи с этим и образуют язык представления знаний. И наоборот, язык представления знаний должен учитывать и определять указанные выше условия приобретения знаний.

2. Способы описания объектов. В случае обучения по примерам из описаний отдельных объектов создаются еще более общие описания объектов некоторого класса, при этом возникает важная проблема: как описать данный класс объектов. В полном классе некоторых объектов следует определить меньший класс объектов, обладающих общим свойством (объекты только в данном классе обладают заданным свойством), но в действительности проще определить список объектов и убедиться, что всœе объекты в нем обладают общим свойством. Стоит сказать, что для некоторого типа задач можно эффективно использовать ложные примеры или контрпримеры, убедительно показывающие, что данные объекты не входят в данный класс. Иллюстрацией применения контрпримеров может служить понятие ʼʼпочти тоʼʼ.

3. Правила обобщения. Важно заметить, что для сбора отдельных примеров и создания общих правил необходимы правила обобщения. Предложено несколько способов их описания: замена постоянных атрибутов языка на переменные, исключение описаний с ограниченным применением и т. п. Очевидно, что эти способы тесно связаны с языком представления знаний.

4. Управление обучением. В процессе обучения по примерам можно применять различные стратегии структуризации информации и крайне важно управлять этим процессом в ответ на входные данные. Существуют два классических метода: метод ʼʼснизу-вверхʼʼ, при.котором, последовательно выбираются и структурируются отдельные сообщения, и метод ʼʼсверху-внизʼʼ, при котором сначала выдвигается гипотеза, а затем она корректируется по мере поступления информации. На практике эти методы комбинируются, хотя управление обучением с максимальным эффектом не такая уж простая проблема.

При изучении метода приобретения знаний по примерам можно выделить следующий ряд методов:

1. Параметрическое обучение

2. Обучение по аналогии

3. Обучение по индукции.

Параметрическое обучение.

Наиболее простая форма обучения по примерам или наблюдениям состоит в определœении общего вида правила, ĸᴏᴛᴏᴩᴏᴇ должно стать результатом вывода, и последующей корректировки входящих в это правило параметров исходя из данных. При этом используют психологические модели обучения, системы управления обучением и другие методы.

Ярким примером применения этого метода приобретения знаний могут также служить системы распознавания образов. В них ясно просматривается основной принцип этого метода – в ходе обучения нейронная сеть автоматически по определœенным заранее законам корректирует веса связей между элементами и значения самих элементов.

Метод обучения по индукции.

Среди всœех форм обучения крайне важно особо выделить обучение на базе выводов по индукции - ϶ᴛᴏ обучение с использованием выводов высокого уровня, как и при обучении по аналогии. В процессе этого обучения путем обобщения совокупности имеющихся данных выводятся общие правила. Возможно обучение с преподавателœем, когда входные данные задает человек, наблюдающий за состоянием обучающейся системы, и обучение без преподавателя, когда данные поступают в систему случайно. И в том и в другом случае выводы бывают различными, они имеют и различную степень сложности исходя из того, задаются ли только корректные данные или в т.ч. и некорректные данные и т.п. Так или иначе, обучение этой категории включает открытие новых правил, построение теорий, создание структур и другие действия, причем модели теории или структуры, которые следует создать, заранее не задаются, в связи с этим их крайне важно разработать так, чтобы можно было объяснить всœе правильные данные и контрпримеры.

Индуктивные выводы возможны в случае, когда представление результата вывода частично определяется из представления входной информации. В последнее время обращают на себя внимание программы генерации программ по образцу с использованием индуктивных выводов.

Как уже было сказано, индуктивный вывод - ϶ᴛᴏ вывод из заданных данных объясняющего их общего правила. К примеру, пусть известно, что есть некоторый многочлен от одной переменной. Давайте посмотрим, как выводится f (х ), в случае если последовательно за­даются в качестве данных пары значений (0, f (0)), (1, f (1)), .... Вначале задается (0, 1), и естественно, что есть смысл вывести постоянную функцию f (х ) = 1. Далее задается (1, 1), эта пара удовлетворяет предложенной функции f (х )= 1. Следовательно, в данный момент нет крайне важно сти менять вывод. Наконец, задается (2, 3), что плохо согласуется с нашим выводом, в связи с этим откажемся от пего и после нескольких проб и ошибок выведем новую функцию

f (х )=х 2 –х +1,

которая удовлетворяет всœем заданным до сих пор фактам (0, 1), (1, 1), (2,3). Далее мы убедимся, что эта же функция удовлетворяет фактам (3, 7), (4, 13), (5, 21) ..., в связи с этим нет крайне важно сти менять данный вывод. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, из последовательности пар переменная-функция можно вывести многочлен второй степени. Грубо говоря, такой метод вывода можно назвать индуктивным.

Как видно из этого примера, при выводе в каждый момент времени объясняются всœе данные, полученные до этого момента. Разумеется, данные, полученные позже, уже могут и не удовлетворять этому выводу. В таких случаях приходится менять вывод. Следовательно, в общем случае индуктивный вывод - ϶ᴛᴏ неограниченно долгий процесс. И это не удивительно, в случае если вспомнить процесс освоения человеком языков, процесс совершенствования программного обеспечения и т. п.

Для точного определœения индуктивного вывода крайне важно уточнить:

1) множество правил-объектов вывода,

2) метод представления правил,

3) способ показа примеров,

4) метод вывода

5) критерий правильности вывода.

В качестве правил – объектов вывода – можно рассматривать главным образом индуктивные функции, формальные языки, программы и т. п. Вместе с тем, эти правила бывают представлены в виде машины Тьюринга для вычисления функций, грамматики языков, операторов Пролога и другим способом. Машина Тьюринга - ϶ᴛᴏ математическая модель компьютера, ее в принципе можно считать программой. В случае, когда объектом вывода является формальный язык, он сам определяет правила, а его грамматика – метод представления правил, в связи с этим говорят о грамматическом выводе.

Для показа примеров функции f можно использовать последовательность пар (х , f (х )) входных и выходных значений так, как указано выше, последовательность действий машины Тьюринга, вычисляющей и другие данные. Задание машинœе выводов пары входных и выходных значений (х , f (х )) функции f соответствует заданию системе автоматического синтеза программ входных значений х и выходных значений f (х ), которые должны быть получены программой вычисления f в ответ на х . В этом смысле автоматический синтез программ по примерам также можно считать индуктивным выводом функции f . Формальные языки - ϶ᴛᴏ множество слов; в связи с этим, к примеру, для языка L можно рассматривать два типа слов, принадлежащих и не принадлежащих этому языку. Первые назовем положительными, а вторые – отрицательными данными. Другими словами, есть два способа показа примеров формального языка: с помощью положительных и отрицательных данных. К примеру, (3>4, истина), (2<=1, ложь). В этом случае положительным данным соответствуют данные с атрибутом ʼʼистинаʼʼ, а отрицательным – данные с атрибутом ʼʼложьʼʼ.

Вывод реализуется благодаря неограниченному повторению основного процесса:

запрос входных данных –> предположение –> выходные данные.

Другими словами, при выводе последовательно получают примеры как входные данные, вычисляют предположение на данный момент и выдают результат вычислений. Предположение в каждый момент времени основано на ограниченном числе примеров, полученных до сих пор, в связи с этим обычно в качестве метода вывода используют машину Тьюринга, вычисляющую предположение по ограниченному числу примеров. Такую машину назовем машиной выводов.

Учитывая, что индуктивный вывод, как уже было отмечено, это неограниченно продолжающийся процесс, критерием правильности вывода, как правило, считают понятие идентификации в пределœе. Это понятие введено Голдом, оно используется почти всœегда в теории индуктивных выводов. Говорят, что машина вывода М идентифицирует в пределœе правилоR , если при показе примеров К последовательность выходных данных, генерируемых М , сходится к некоторому представлению т, а именно: всœе выходные данные, на­чиная с некоторого момента времени, совпадают с т , при этом т называют правильным представлением К . Вместе с тем, говорят, что множество правил Г позволяет сделать индуктивный вывод, в случае если существует некоторая машина выводов М , которая идентифицирует в пределœе любое правило К из множества Г . Слова ʼʼпозволяет сделать индуктивный выводʼʼ не имеют смысла для единственного правила, а относятся только к множеству правил.

Обучение по аналогии.

Приобретение новых понятий возможно путем преобразования существующих знаний, похожих на те, которые собираются получить. Это важная функция, которую называют обучением на базе выводов по аналогии или просто обучением по аналогии. В нашей жизни много примеров, когда новые понятия или технические приемы приобретаются с помощью аналогии

Выводы по аналогии – один из важных объектов исследования искусственного интеллекта͵ наиболее интересные результаты здесь получены П.Уинстоном. Он использует выводы по аналогии, основываясь на следующей гипотезе: ʼʼВ случае если две ситуации подобны по нескольким признакам, то они подобны и еще по одному признакуʼʼ. Подобие двух ситуаций распознается путем обнаружения наилучших совпадений по наиболее важным признакам.

Аналогия - ϶ᴛᴏ метод выводов, при которых обнаруживается подобие между несколькими заданными объектами; благодаря переносу фактов и знаний, справедливых для одних объектов, на базе этого подобия на совсœем другие объекты либо определяется. способ решения задач, либо предсказываются неизвестные факты и знания. Следовательно, когда человек сталкивается с неизвестной задачей, он на первых порах использует данный естественный метод вывода.

Направления исследования аналогии

Среди указанных форм обучения аналогия связана, в частности, с проблемой машинного обнаружения новых фактов.

Под новыми фактами мы будем понимать факты, которые дедуктивно не выводятся из некоторых существующих знаний. Получение новых знаний также рассматривалось выше в отношении к индуктивному выводу. В общем случае при индуктивных выводах по заданным данным создается гипотеза, их объясняющая, а с помощью дедукции из этой гипотезы можно вывести новые факты. С другой стороны, при аналогии новые факты предсказываются путем использования некоторых преобразований уже известных знаний.

С целью обзора исследований аналогии, проведенных до настоящего времени, выделим два типа аналогии: для решения задач идля предсказаний . Аналогия первого типа применяется главным образом для повышения эффективности решения задач, которые, вообще говоря, можно решить и без аналогии. К примеру, благодаря использованию решений аналогичных задач в областях программирования и доказательства теорем можно прийти к выводам о программах или доказательствах. С другой стороны, используя аналогию для предсказаний, благодаря преобразованию знаний на базе подобия между объектами можно сделать заключение о том, что, возможно, справедливы новые факты. К примеру, в случае если объектами аналогии является некая система аксиом, то знаниями бывают теоремы, справедливые в этой системе. При этом, используя схожесть между системами аксиом, можно преобразовать теорему в одной из систем в логическую формулу для другой системы и сделать вывод о том, что эта формула есть теорема. Другими словами, аналогия используется и для решения некоторых строго сформулированных задач и для предсказаний, а также для приобретения не заданной ранее информации.

Структура познания

Методологическая структура познания должна быть представлена как последовательность этапов, которые рассмотрим с позиций инженера по знаниям.

1. Описание и обобщение фактов - ϶ᴛᴏ как бы "сухой остаток" бесед аналитика с экспертом. Тщательность и полнота ведения протоколов во время процесса извлечения и пунктуальная работа над ними являются залогом продуктивности первого этапа познания.

2. Установление связей и закономерностей – выявление каркаса умозаключений эксперта.

3. Построение идеализированной модели – построение модели, отражающей представление субъекта о предметной области, на специализированном языке, с помощью которого можно описывать и конструировать идеализированные модели мира, возникающие в процессе мышления.

4. Объяснение и предсказание моделœей – завершающий этап структуры познания, который является одновременно и частичным критерием истинности полученного знания. В случае если выявленная система знаний эксперта полна и объективна, то на ее основании можно делать прогнозы и объяснять любые явления из данной предметной области.

Наиболее часто встречающиеся неудачи, связанные с гносœеологическими проблемами инженерии знаний:

· обрывочность, фрагментарность знаний (из-за нарушений принципа системности или ошибок в выборе фокуса внимания);

· противоречивость знаний (из-за естественной противоречивости природы и общества неполноты извлеченных знаний, некомпетентности эксперта);

· ошибочная классификация (из-за неправильного определœения числа классов или неточного описания класса);

· ошибочный уровень обобщения (из-за чрезмерной детализации или обобщенности классов объектов).

Гносеологический аспект - понятие и виды. Классификация и особенности категории "Гносеологический аспект" 2017, 2018.

Гносеология - это раздел философии, связанный с теорией познания, или теорией отражения действительности в сознании человека. Гносеологический аспект (АЗ) извлечения знаний объединяет методологические проблемы получения нового научного знания, поскольку при создании БЗ эксперт часто впервые формулирует некоторые закономерности, до того момента составлявшие его личный опыт. Инженерия знаний как наука, если можно так выразиться, дважды гносеологична - сначала действительность отражается в сознании эксперта а затем деятельность и опыт эксперта интерпретируются сознанием инженера по знаниям что служит уже основой для построения третьей интерпретации - поля знаний экспертной системы (см. рис. 3.5). Процесс познания, в сущности, направлен на создание внутренней репрезентации окружающего мира в сознании человека.

Предметом данного учебника являются в основном процессы отображения 12 и 13 (II - изучают психология и философия); подробно интерпретация 13 будет рассмотрена далее.

Если описать процессы 12 и 13 в терминологии, введенной в главе 1, то мы имеем дело с превращением экспертного знания и теоретического (книжного) опыта в поле знаний которое есть материализация модели мира инженера по знаниям.

В процессе извлечения знаний аналитика в основном интересует компонент связанный с неканоническими индивидуальными знаниями экспертов, поскольку предметные области, требующие именно такого типа знаний, считаются наиболее восприимчивыми к внедрению экспертных систем. Эти области обычно называют эмпирическими, так как в них накоплен большой объем отдельных эмпирических фактов и наблюдений, в то время как их теоретическое обобщение - вопрос будущего.

Если считать, что инженер по знаниям извлекает только фрагмент то есть часть из системы знаний эксперта то его задача, во-первых, стараться, чтобы структура соответствовала , во-вторых, чтобы как можно более полно отражал

Познание часто сопровождается созданием новых понятий и теорий. Иногда эксперт порождает новые знания прямо в ходе беседы с аналитиком. Такая

генерация знаний полезна и самому эксперту, который до того момента мог не осознавать ряд соотношений закономерностей предметной области. Аналитику может помочь тут и инструментарий системной методологии, позволяющий использовать известные принципы логики научных исследований, понятийной иерархии науки. Эта методология заставляет его за частным всегда стремиться увидеть общее, то есть строить цепочки.

(см. скан)

Не всегда удается дойти до последнего звена этой цепочки, но уже само стремление к движению бывает чрезвычайно плодотворным. Такой подход полностью согласуется со структурой самого знания, которое имеет два уровня:

1. Эмпирический (наблюдения, явления).

2. Теоретический (законы, абстракции, обобщения).

Но теория - это не только стройная система обобщения научного знания, это также некоторый способ производства новых знаний. Основными методологическими критериями научности, позволяющими считать научным и само новое знание и способ его получения, являются [Коршунов, Манталов, 1988]:

(см. скан)

Внутренняя согласованность (S31)

Основные характеристики эмпирического знания:

(см. скан)

На первый взгляд критерий внутренней согласованности знания не соответствует реальным характеристикам, описывающим знания с точки зрения слоя Эти характеристики эмпирических знаний подчеркивают его «многоуклад-ность» - столь часто факты не согласуются друг с другом, определения противоречат, критерии диффузны и т. д. Аналитику, знающему особенности эмпирического знания, - приходится сглаживать эти «шероховатости» эмпирики. Модальность знания означает возможность его существования в различных категориях, то есть в конструкциях существования и долженствования. Таким образом, часть закономерностей возможна, другая обязательна и т. д. Кроме того, приходится различать такие оттенки модальности, как:

Эксперт знает, что...;

Эксперт думает, то..,;

Эксперт хочет, тобы...;

Эксперт считает, то....

Возможная противоречивость эмпирического знания - естественное следствие из основных законов диалектики, и противоречия эти не всегда

должны разрешаться в поле знаний, а напротив, именно противоречия служат чаще всего отправной точкой в рассуждениях экспертов.

Неполнота знания связана с невозможностью полного описания предметной области. Задача аналитика эту неполноту ограничить определенными рамками «полноты», то есть сузить границы предметной области либо ввести ряд ограничений и допущений, упрощающих проблему.

Системность (S32)

Системно-структурный подход к познанию (восходящий еще к Гегелю) ориентирует аналитика на рассмотрение любой предметной области с позиций закономерностей системного целого и взаимодействия составляющих его частей.

Современный структурализм исходит из многоуровневой иерархической организации любого объекта, то есть все процессы и явления можно рассматривать как множество более мелких подмножеств (признаков, деталей) и, наоборот, любые объекты можно (и нужно) рассматривать как элементы более высоких классов обобщений. Например, системный взгляд на проблематику структурирования знаний позволяет увидеть его иерархическую организацию. Подробнее об этом в параграфе 3.4.

Объективность (S33)

Процесс познания глубоко субъективен, то есть он существенно зависит от особенностей самого познающего субъекта. «Факты существуют для одного глаза и отсутствуют для другого» (Виппер). Таким образом, субъективность начинается уже с описания фактов и увеличивается по мере углубления идеализации объектов.

Следовательно, более корректно говорить о глубине понимания, чем об объективности знания. Понимание - это сотворчество, процесс истолкования объекта с точки зрения субъекта. Это сложный и неоднозначный процесс, совершающийся в глубинах человеческого сознания и требующий мобилизации всех интеллектуальных и эмоциональных способностей человека. Всё свои усилия аналитик должен сосредоточить на понимании проблемы.

В психологии известен результат [Величковский, Капица, 1987], подтверждающий факт, что люди, быстро и успешно решающие интеллектуальные задачи, большую часть времени тратят на понимание ее, в то время как плохие решатели быстро приступают к поискам решения и чаще всего не могут его найти.

Историзм (S34)

Этот критерий связан с развитием. Познание настоящего - есть познание породившего его прошлого. И хотя большинство экспертных систем дают «горизонтальный» срез знаний - без учета времени (в статике), инженер по знаниям должен всегда рассматривать процессы с учетом временных изменений - как связь с прошлым, так и связь с будущим. Например, структура поля знаний и база знаний должны допускать подстройку и коррекцию как в период разработки, так и во время эксплуатации ЭС.

Рассмотрев основные критерии научности познания, попытаемся теперь описать его структуру. Методологическая структура познания может быть представлена как некоторая последовательность этапов [Коршунов, Манталов, 1988]. Параметры органически вписываются в эту структуру познания, которая может быть представлена как последовательность этапов, описанных далее с позиций инженера по знаниям:

Описание и обобщение фактов;

Установление логических и математических связей, дедукция и индукция законов;

Построение идеализированной модели;

Объяснение и предсказание явлений.

Э_1. Описание и обобщение фактов

Тщательность и полнота ведения протоколов во время процесса извлечения и пунктуальная «домашняя работа» над ними - вот залог продуктивного первого этапа познания и материал для описания и обобщения фактов.

На практике оказывается трудным придерживаться принципов объективности и системности, описанных выше. Чаще всего на этом этапе факты просто собирают и как бы бросают в «общий мешок»; опытный инженер по знаниям часто сразу пытается найти «полочку» или «ящичек» для каждого факта, тем самым подспудно готовясь к этапу концептуализации.

Э_2. Установление связей и закономерностей

В памяти эксперта все понятия увязаны и закономерности установлены, хотя часто и неявно задача инженера -выявить каркас умозаключений эксперта. Реконструируя рассуждения эксперта, инженер по знаниям может опираться на две наиболее популярные теории мышления - логическую и ассоциативную. При этом если логическая теория благодаря горячим поклонникам в лице математиков широко цитируется и всячески эксплуатируется в работах по искусственному интеллекту, то вторая, ассоциативная, гораздо менее известна и популярна, хотя имеет также древние корни. Так, Р. Фейнман в своих «Лекциях по физике» отмечает, что в физике по-прежнему преобладающим является вавилонский, а не греческий метод построения знаний. Известно, что древневосточные математики умели делать сложные вычисления, но формулы их не были логически увязаны. Напротив, греческая математика дедуктивна (например, «Начала» Евклида). Традиционная логика формирует критерии, которые гарантируют точность, валидность, непротиворечивость общих понятий рассуждений и выводов. Ее основы заложены еще в «Органоне» Аристотеля в 4 в. до н. э. Большой вклад в развитие логики внес Джон Стюарт Милль (1806-1873).

Инженер по знаниям и сам использует операции традиционной логики и выделяет их в схеме рассуждений эксперта. Это следующие операции:

Определение;

Сравнение и различение;

Абстрагирование;

Обобщение;

Классификация;

Образование суждений;

Умозаключение;

Составление силлогизмов и т. д.

Однако красота и стройность логической теории не должны заслонять того, что человек редко мыслит в категориях математической логики [Поспелов, 1989]. Теория ассоциаций представляет мышление как цепочку идей, связанных общими понятиями. Основными операциями такого мышления являются:

Ассоциации, приобретенные на основе различных связей;

Припоминание прошлого опыта; пробы и ошибки со случайными успехами;

Привычные («автоматические») реакции и пр.

Однако эти две теории не исчерпывают всего многообразия психологических школ. Большой интерес для инженерии знаний может представлять гештальт-психология. Одним из ее основателей является выдающийся немецкий психолог М. Вертгеймер (1880-1943). Под гештальтом (нем. Gestalt) понимается принцип целостности восприятия - как основа цышления. Гештальт-психологи стараются во всем выделять некий целостный образ или структуру как базис для понимания процессов и явлений окружающего мира. Эта теория близка теории фреймов и объектному подходу и направлена на постижение глубинного знания, которое характеризуется стабильностью и симметрией. При этом важен так называемый «центр ситуации», относительно которого развивается знание о предметной области.

Для инженера по знаниям это означает, что, выявляя различные фрагменты знаний, он не должен забывать о главном, о гештальте фрагмента, который влияет на остальные компоненты и связывает их в некоторую структурную единицу. Гештальтом может быть некий главный принцип, или идея, или гипотеза эксперта, или его вера в силу каких-то отдельных концепций. Этот принцип редко формулируется экспертом явно, он всегда как бы за «кадром», и искусство инженера по знаниям обнаружить этот основной гештальт эксперта.

В гештальт-теории существует закон «стремления к хорошему гештальту», согласно которому структуры сознания стремятся к гармонии, связности, простоте. Это близко к старинному классическому принципу «бритвы Оккама» - «сущности не должны умножаться без необходимости» - и формулируется как принцип прегнантности Вертгеймера [Вертгеймер, 1987]: «Организация поля имеет тенденцию быть настолько простой и ясной, насколько позволяют данные условия». Рассуждения о гештальте подводят вплотную к третьему этапу в структуре познания.

Э_3. Построение идеализированной модели

Для построения модели, отражающей представление субъекта о предметной области, необходим специализированный язык, с помощью которого можно описывать и конструировать те идеализированные модели мира, которые возникают в процессе мышления. Язык этот создается постепенно с помощью категориального аппарата, принятого в соответствующей предметной области, а также фор-мально-знаковых средств математикй и логики. Для эмпирических предметных областей такой язык пока не разработан, и поле знаний, которое полуформализо-ванным способом опишет аналитик, может быть первым шагом к созданию такого языка.

Любое познавательное отражение включает в себя условность, то есть упрощение и идеализацию. Инженеру по знаниям необходимо овладение такими специфическими гносеологическими приемами, как идеализация, огрубление, абстрагирование, которые позволяют адекватно отображать в модели реальную картину мира. Эти приемы доводят свойства и признаки объектов до пределов, позволяющих воспроизводить законы действительности в более лаконичном виде (без влияния несущественных деталей).

На тернистом пути познания проверенный диалектический подход оказывается лучшим «поводырем». Инженер по знаниям, который стремится познать проблемную область, должен быть готов постоянно изменять свои уже утвердившиеся способы восприятия и оценки мира и даже отказываться от них. При этом тщательнее всего следует проверять правильность суждений, которые кажутся самыми очевидными.

Э_4. Объяснение и предсказание моделей

Этот завершающий этап в структуре познания является одновременно и частичным критерием истинности полученного знания. Если выявленная система знаний эксперта полна и объективна, то на ее основании можно делать прогнозы и объяснять любые явления из данной предметной области. Обычно базы знаний ЭС страдают фрагментарностью и модульностью (несвязанностью) компонентов. Все это не позволяет создавать действительно интеллектуальные системы, которые, равняясь на человека, могли бы предсказывать новые закономерности и объяснять случаи, не указанные в явном виде в базе. Исключением тут являются обучающие системы, которые ориентированы на генерацию новых знаний и «предсказание».

Предлагаемая методология вооружает аналитика аппаратом, позволяющим избежать традиционных ошибок, приводящих к неполноте, противоречивости, фрагментарности БЗ, и указывает направление, в котором необходимо двигаться разработчикам. И хотя на сегодняшний день большинство БЗ прорабатываются лишь до этапа Э_3, знание полной схемы обогащает и углубляет процесс проектирования.

Гносеология - это раздел философии, связанный с теорией познания, или теорией отражения действительности в сознании человека.

Инженерия знаний как наука, если можно так выразиться, дважды гносеологична - действительность (О) сначала отражается в сознании эксперта (М1), а затем деятельность и опыт эксперта интерпретируются сознанием инженера по знаниям (M2), что служит уже основой для построения третьей интерпретации (Pz) - поля знаний экспертной системы (Рис.17.8). Процесс познания в сущности направлен на создание внутреннего представления окружающего мира в сознании человека.

Рис. 17.8. Гносеологический аспект извлечения знаний

В процессе извлечения знаний аналитика в основном интересует компонент знания, связанный с неканоническими индивидуальными знаниями экспертов, поскольку предметные области именно с таким типом знаний считаются наиболее восприимчивыми к внедрению экспертных систем. Эти области обычно называют эмпирическими, так как в них накоплен большой объем отдельных эмпирических фактов и наблюдений, в то время как их теоретическое обобщение - вопрос будущего.

Познание всегда связано с созданием новых понятий и теории. Интересно, что часто эксперт как бы "на ходу" порождает новые знания, прямо в контексте беседы с аналитиком. Такая генерация знаний может быть полезна и самому эксперту, который до того момента мог не осознавать ряд соотношений и закономерностей предметной области. Аналитику, который является "повитухой" при рождении нового знания, может помочь тут и инструментарий системной методологии, позволяющий использовать известные принципы логики научных исследований, понятийной иерархии науки. Эта методология заставляет его за частным увидеть общее, т.е. строить цепочки:

ФАКТ═ - >═ ОБОБЩЕННЫЙ ФАКТ═ - > ЭМПИРИЧЕСКИЙ ЗАКОН═ - > ТЕОРЕТИЧЕСКИЙ ЗАКОН.

Не всегда инженер по знаниям дойдет до последнего звена этой цепочки, но уже само стремление к движению бывает чрезвычайно плодотворным. Такой подход полностью согласуется со структурой самого знания, которое имеет два уровня:

 эмпирический (наблюдения, явления);  теоретический (законы, абстракции, обобщения).

Критерии научного знания

Теория - это не только стройная система обобщения научного знания, это также некоторый способ производства новых знаний. Основными методологическими критериями научности, позволяющими считать научным и само новое знание, и способ его получения являются :

 внутренняя согласованность и непротиворечивость;  системность;  объективность;  историзм.

Внутренняя согласованность. Этот критерий в эмпирических областях на первый взгляд просто не работает: в них факты часто не согласуются друг с другом, определения противоречивы, диффузны и.т.д. Аналитику, знающему особенности эмпирического знания, его модальность, противоречивость и неполноту, приходится сглаживать эти "шероховатости" эмпирики.

Модальность знания означает возможность его существования в различных категориях, т.е. в конструкциях существования и долженствования. Таким образом, часть закономерностей возможна, другая обязательна и.т.д. Кроме того, приходится различать такие оттенки модальности, как: эксперт знает, что...; эксперт думает, что...; эксперт хочет, чтобы...; эксперт считает, что...

Возможная противоречивость эмпирического знания - естественное следствие из основных законов диалектики, и противоречия эти невсегда должны разрешаться в поле знаний, а напротив, именно противоречия служат чаще всего отправной точкой в рассуждениях экспертов.

Неполнота знания связана с невозможностью полного описания предметной области. Задача аналитика эту неполноту ограничить определенными рамками "полноты", т.е. сузить границы предметной области, либо ввести ряд ограничений и допущений, упрощающих проблему.

Системность. Системно-структурный подход к познанию (восходящий еще к Гегелю) ориентирует аналитика на рассмотрение любой предметной области с позиций закономерностей системного целого и взаимодействия составляющих его частей. Современный структурализм исходит из многоуровневой иерархической организации любого объекта, т.е. все процессы и явления можно рассматривать как множество более мелких подмножеств (признаков, деталей) и, наоборот, любые объекты можно (и нужно) рассматривать как элементы более высоких классов обобщений.═

Объективность. Процесс познания глубоко субъективен, т.е. он существенно зависит oт особенностей самого познающего субъекта. Субъективность начинается уже с описания фактов и увеличивается по мере углубления идеализации объектов.

Следовательно, более корректно говорить о глубине понимания, чем об объективности знания. Понимание - это сотворчество, процесс истолкования объекта с точки зрения субъекта. Это сложный и неоднозначный процесс, совершающийся в глубинах человеческого сознания и требующий мобилизации всех интеллектуальных и эмоциональных способностей человека. Все свои усилия аналитик должен сосредоточить на понимании проблемы. В психологии подтверждается факт, что люди, быстро и успешно решающие интеллектуальные задачи, большую часть времени тратят на понимание ее, в то время как быстро приступающие к поискам решения, чаще всего не могут его найти.

Историзм. Этот критерий связан с развитием. Познание настоящегоесть познание породившего его прошлого. И хотя большинство экспертных систем дают "горизонтальный" срез знаний - без учета времени (в статике), инженер по знаниям должен всегда рассматривать процессы с учетом временных изменений - как связь с прошлым, так и связь с будущим. Например, структура поля знаний и база знаний должны допускать подстройку и коррекцию, как в период разработки, так и во время эксплуатации экспертной системы.

Структура познания

Рассмотрев основные критерии научности познания, попытаемся теперь описать его структуру. Методологическая структура познания может быть представлена как последовательность этапов (рис. 17.9) , которые рассмотрим с позиций инженера по знаниям.

Описание и обобщение фактов. Это как бы "сухой остаток" бесед аналитика с экспертом. Тщательность и полнота ведения протоколов во время процесса извлечения и пунктуальная "домашняя работа" над ними - вот залог продуктивного первого этапа познания.

На практике оказывается трудным придерживаться принципов объективности и системности, описанных выше. Чаще всего на этом этапе факты просто собирают и как бы бросают в "общий мешок"; опытный инженер по знаниям часто сразу пытается найти "полочку" или "ящичек" для каждого факта, тем самым подспудно готовясь к этапу концептуализации.═

Рис. 17.9. Структура познания

Установление связей и закономерностей. В голове эксперта связи установлены, хотя часто и неявно; задача инженера - выявить каркас умозаключений эксперта. Реконструируя рассуждения эксперта, инженер по знаниям может опираться на две наиболее популярные теории мышления - логическую и ассоциативную. При этом, если логическая теория благодаря горячим поклонникам в лице математиков широко цитируется и всячески эксплуатируется в работах по искусственному интеллекту, то вторая, ассоциативная, менее известна и популярна, хотя имеет также древние корни. Красота и стройность логической теории не должны заслонять печального факта, что человек редко мыслит в категориях математической логики .

Ассоциативная теория представляет мышление как цепочку идей, связанных общими понятиями. Основными операциями такого мышления являются ассоциации, приобретенные на основе различных связей; припоминание прошлого опыта; пробы и ошибки со случайными успехами; привычные ("автоматические") реакции и пр.

Построение идеализированной модели. Для построения модели, отражающей представление субъекта о предметной области, необходим специализированный язык, с помощью которого можно описывать и конструировать те идеализированные модели мира, которые возникают в процессе мышления. Язык этот создается постепенно с помощью категориального аппарата, принятого в соответствующей предметной области, а также формально-знаковых средств математики и логики. Для эмпирических, предметных областей такой язык пока не разработан, и поле знаний, которое полуформализованным способом опишет аналитик, может быть первым шагом к созданию такого языка.

Объяснение и предсказание моделей. Этот завершающий этап структуры познания является одновременно и частичным критерием истинности полученного знания. Если выявленная система знаний эксперта полна и объективна, то на ее основании можно делать прогнозы и объяснять любые явления из данной предметной области. Обычно базы знаний экспертных систем страдают фрагментарностью и модульностью (несвязанностью) компонентов. Все это не позволяет создавать действительно интеллектуальные системы, которые, равняясь на человека, могли бы предсказывать новые закономерности и объяснять случаи, не указанные в явном виде в базе. Исключением тут являются системы формирования знаний, которые ориентированы на генерацию новых знаний и "предсказание".

В заключение перечислим наиболее часто встречающиеся неудачи, связанные с гносеологическими проблемами инженерии знаний (частично из ):

 обрывочность, фрагментарность знаний (из-за нарушений принципа системности или ошибок в выборе фокуса внимания);  противоречивость знаний (из-за естественной противоречивости природы и общества неполноты извлеченных знаний, некомпетентности эксперта);  ошибочная классификация (из-за неправильного определения числа классов или неточного описания класса);  ошибочный уровень обобщения (из-за чрезмерной детализации или обобщенности классов объектов).

ЛЕКЦИЯ 2

ОСНОВНОЙ ВОПРОС ФИЛОСОФИИ

В философии есть основной вопрос, ответ на который позволяет определить, к какому течению относится философ. Этот вопрос сформировался еще в Античности, но окончательно оформился в работе Фридриха Энгельса «Людвиг Фейербах и конец классической немецкой философии» (2 глава). Сегодня вопрос звучит следующим образом – «соотношение мышления и бытия, духа и материи». И рассматривается он в двух аспектах:

1. Онтологический аспект основного вопроса философии

Что первично – материя или сознание (дух)?

А) Материализм – признание объективности, первичности, несотворимости и неуничтожимости материи, которая существует вне и независимо от сознания и выступает первоосновой действительности. Сознание вторично материи.

Наиболее ярким представителем материализма в древности был Демокрит – один из основателей атомистики, который признавал два первоначала: атомы и пустоту. Атомы – это неделимые частицы материи, они неизменны, вечны, находятся в постоянном движении и отличаются друг от друга лишь формой, величиной, положением и порядком. Из соединения атомов образуются тела.

Выделяют следующие формы материализма:

· Наивный (стихийный) – Гераклит, Анаксагор, Демокрит, Эпикур, Лаоцзы – характеризуется отсутствием теоретической проработанности идей материализма, обоснованности основных принципов

· Метафизический – 17-18 вв. – Ф. Бэкон, Гоббс, Спиноза, Локк – рассмотрение природы как непосредственного данного, всегда равного себе, неразвивающегося целого

· Антропологический – Фейербах, Чернышевский - человек это высшее и совершеннейшее произведение природы, познание которого дает ключ к ее тайнам, подчеркивается единство человека и природы

· Диалектический материализм – Маркс, Энгельс

Б) Идеализм – сознание, духовное, мыслительное, психическое первично, а материальное, природное, физическое – вторично.

Выделяют следующие формы идеализма:

· Объективный – Платон, Фома Аквинский, Гегель, Шеллинг – за первооснову действительности принимается надличностное универсальное духовное образование (идея вообще, абсолютный Дух, бог, мировой разум). Платон: «Мир есть развитие мирового разума, мирового духа»

· Субъективный – Беркли, Фихте, Юм, Ницше, Шпенглер – духовное первично и оно зависит от воли и сознания человека, его ощущений, переживаний, настроений, действий. Беркли: «в окружающем меня мире я ощущаю только свои ощущения» (человек)

Современный идеализм представлен неотомизмом (объективный идеализм), неопозитивизмом и экзистенциализмом (субъективный идеализм)

В) Дуализм – Декарт, Кант – духовная и материальная субстанции это равноправные начала, они существуют одновременно и независимо друг от друга.

2. Гносеологический аспект основного вопроса философии

Познаваем ли мир?

А) Материализм – мир познаваем!!! Этот вопрос тесно связан с развитием науки в целом. Даже если сейчас и нет ответов на какие-то вопросы, они будут через некоторое время, так как наука постоянно развивается. Таким образом, грань между «я не знаю» и «я знаю» очень тонкая.

Б) Идеализм – есть вещи и процессы, которые человек может понять, и есть – которые не может

В) Агностицизм – мир не познаваем!!!

Юм: мы не знаем не только то, каков этот мир, но и существует ли он на самом деле. Ведь человек пропускает мир через свое сознание и поэтому обладает только субъективной картиной мира. Сколько людей – столько и моделей мира. Человек, таким образом, погружен в собственные химеры, в свой придуманный мир. Открыты глаза у человека – мир существует, закрыты – его нет. И так как человек только придумал мир, то и познать его нельзя.

Кант: ввел понятие «вещь в себе», сущность которой нельзя познать. Познать можно только отдельные процессы, которые эта вещь вызывает. Таким образом, человек не может найти ответы на простые вопросы, и значит ему даже не стоит замахиваться на познание мира.