CC BY
30
№ 1 (49) 2014
Л. С. Болотова, докт. техн. наук, профессор Московского института электроники и математики НИУ ВШЭ,
lubolotova@mail.ru
А. Н. Данчул, докт. техн. наук, профессор Московского городского университета управления
Правительства Москвы, danch@ur.rags.ru А. П. Новиков, канд. техн. наук, Департамент образования г. Москвы, alpnovikov@yandex.ru А. А. Никишина, ООО «Эльстер Метроника», г. Москва, anikishina@gmail.com
организация многонаправленности иерархического подъема (спуска) и локация по структуре неоднородных знаний
В статье рассматриваются особенности неоднородных знаний, отражающиеся на построении моделей в области искусственного интеллекта, и предлагается описание механизма локации по их структуре . Предложенный подход в дальнейшем позволит смоделировать работу соответствующего механизма логического вывода на программном уровне .
Ключевые слова: субъект, интеллектуальное поведение, однородные и неоднородные модели знаний, локация, многонаправленность, иерархия, гносеологическая модель .
Часть 1
введение
Понятие, именованное термином «знания», введено в процесс общения субъектов и в область интересов науки (в первую очередь гносеологии) задолго до формирования и признания информатики научным направлением (НН). Были сформулированы признаки для различения знаний на житейские, донаучные, художественные и научные, научных — на эмпирические и теоретические, а также признаки для множества других различений знаний. По признаку однородности (однородные или неоднородные) различение знаний и моделей знаний широко применяется в публикациях НН «Искусственный интеллект» (ИИ, ННИИ), которое было сформировано в рамках информатики, а утвердившись, приобрело статус НН. Поэтому ответы и пояснения на множество вопросов в ракурсе различения знаний по признаку однородности следует ожидать от специалистов ННИИ.
Из множества таких вопросов отметим следующие три:
1. Чем однородные знания (ОЗ), по существу составляющие часть неоднородных знаний (НЗ), заслужили право на обособление (выделение из общей массы знаний, формирование соответствующего понятия и его именование)?
2. Какой объективный признак позволяет отнести конкретный фрагмент знаний к ОЗ или к НЗ?
3. Что является объективным генератором не ослабевающего интереса к НЗ со стороны разработчиков систем, основанных на знаниях?
Несмотря на то, что известно достаточно много заявлений о создании оболочек1 и соответствующих приложений, как для ОЗ, так и для НЗ, признание и распространение
1 Каждая оболочка обязательно должна содержать два механизма: 1) механизм формирования (ввода
и редактирования) знаний (в идеале сетевой структу-
ры); 2) механизм обработки сформированных знаний (в том числе локации по структуре знаний).
-ч ПРИКЛАДНАЯ ИНФОРМАТИКА
№ 1 (49) 2014 ' -
получили в основном оболочки для формирования и обработки ОЗ (в частности оболочки продукционных экспертных систем). Причины ухода из поля зрения результатов разработок (оболочек и приложений), ориентированных на НЗ, традиционно принято относить к текущим особенностям рынка программных систем такого типа. Чтобы указать на знания, формирование и обработка которых возможны с применением получивших широкое распространение оболочек, введены понятия, именованные ОЗ и «однородные модели знаний» (ОМЗ). Все Ч многообразие знаний именовано НЗ, а для | ОЗ инициирована необходимость их разли-2 чения в этом многообразии. I Анализ показал, что в среде специалистов ННИИ нет единого мнения при толкова-г^ нии понятия «НЗ». Часто в публикациях его | применение не сопровождается каким-либо толкованием, а ориентировано на интуитивное понимание. В этом ракурсе следует рас-& смотреть работы по созданию интегриро-§ ванных и гибридных интеллектуальных сис-| тем2, в которых предлагается свое (автор-| ское) толкование признака однородности ^ для различения знаний.
В ответах на вопросы, близкие по сво-Ц ей формулировке ко второму, встречаются
следующие утверждения: Ц • Неоднородными моделями знаний § (НМЗ) предлагается признавать семантиче-| ские сети3 (СС), а для ОМЗ декларировать § достаточность структур «дерево» и «лес».
<и
I "1-
<о 2 В 2001 году А. В. Колесниковым предложена клас-<и сификация, рассматривающая задачи с позиции сис-£ темного анализа, используя хорошо изученные в хи-<э мии, термодинамике и физике понятия гомогенной и ге-Ц терогенной системы. Применение этих двух терминов § к понятию «задача» и приводит к однородным (гомогенным) и неоднородным (гетерогенным) задачам.
с
■с 3 Для сети характерна сетевая структура, кото-¡5 рая принципиально отличается от структур «дерево» Ц и «лес». «Под сетевой структурой будем понимать вся-§ кую структуру с ориентированными связями, отличи-то тельной особенностью которой является наличие хотя бы одной структурной единицы (из множества и многообразия структурных единиц), имеющей более одной о входящей и более одной исходящей связей» [1].
Наиболее часто для представления СС используются предикативные сети и сети фреймов;
• Графическое отображение СС (как структур, основанных на ориентированных связях) формируется из узлов и именованных дуг. Именно такое отображение НЗ и представляется наиболее реализуемым методом.
• Для формируемого (в исследованиях последнего времени) перечня однородно-стей, по-видимому, существует предел его расширения4. И следовательно, возможны выводы о существовании конечного множества однородностей и п-мерной характеристики пространства реального мира. Очевидно, что предел изменчивого перечня однородностей субъект устанавливает практически целесообразной точностью отражения реального мира.
Авторами статьи предлагается следующее толкование признака однородности: модель знаний однородна, если она формируется одним не меняющимся (в конкретной области однородности) механизмом интеграции/декомпозиции, входящим в состав механизма, порождающего знания. Такое толкование этого признака представляется вполне конструктивной формулировкой дефиниций, предложенных, например, в работах Т. А. Гавриловой и В. Ф. Хорошевского, Г. В. Рыбиной и других авторов, различающих СС «по количеству типов отношений:
• Однородные (с единственным типом отношений).
• Неоднородные (с различными типами отношений)» [2, с. 22].
В работе [3] отмечено, что ОМЗ, если она формируется неосознанно5, может быть признана натурфактом и всегда будет отображаться сетевой структурой. Для сетевой
4 Это утверждение является следствием, в том числе, наблюдаемой ограниченности перечня отношений для любой предметной области, предложенного Ю. И. Шемакиным. Перечень упоминается далее.
5 Такой моделью может быть только гносеологическая модель, формируемая механизмом познания субъекта.
№ 1 (49) 2014
структуры, как и для структур типа «дерево» или «лес», обработка ОМЗ не выходит за рамки локации6 в прямом или обратном направлениях по какой-либо из вертикалей иерархической структуры. Под вертикалью здесь понимается путь от любой корневой вершины к любой висячей вершине.
Сетевая структура ОМЗ (отображаемая слабо связным орграфом) содержит более одной корневой вершины, имеющей только исходящие дуги, и более одной висячей вершины, имеющей только входящие дуги. Таким образом, вертикаль — это не конкретизированный путь и потому существует в одном экземпляре для каждой конкретной ОМЗ, что позволяет говорить об однонаправленности иерархического подъема (как равно и спуска)7 в таких моделях. А неоднородной может быть признана модель знаний, если она содержит в явном виде связи, движение по которым реализуется многонаправленным. В работе [3] предложено рассматривать НМЗ как множество ОМЗ (множество сетевых структур), объединенных в виде органически единой модели знаний. В качестве аналогии легко представить несколько гроздей винограда, каждая из которых упакована в целлофановый пакет, аккуратно завязанный так, чтобы основная веточка выходила за пределы пакета и соприкасалась с соответствующими веточками других гроздей. Каждая ягодка винограда может рассматриваться узлом структуры знаний, а каждая веточка — дугой. Целлофановые пакеты имитируют поверхности раздела между ОМЗ.
Таким видится макет НМЗ специалистами в области построения интегрированных и гибридных интеллектуальных систем
6 Под локацией будем понимать пошаговое виртуальное перемещение установки механизма логического вывода программной системы от узла к узлу структуры знаний. Толкование понятия «локация» не предусматривает расширение ее функций, к примеру, не должно содержать сканирования файла базы знаний.
7 Далее в статье при упоминании этой вертикали
будем отмечать двойственность ее характеристики че-
рез слеш: «подъем/спуск».
д
[4, 5, 11]. Отметим, что в литературных ис- £ точниках не встречаются доказательства ^ присутствия таким образом организован- ^ ных связей между ОМЗ в гносеологической модели, создаваемой субъектом в процес- | се восприятия и познания реального мира. 1 Нет так же доказательства присутствия ло- ^ кации по таким связям в механизме логиче- < ского мышления субъекта. В идеале каждый ^ узел любой ОМЗ (каждая ягодка винограда) ^ должна иметь явно выраженную связь (веточку), проникающую через любую поверх- ^ ность раздела (через «целлофановые паке-
\ / СО
ты»), с каждым узлом (в том числе принад- е лежащим другой ОМЗ). Однако это не так. § Конкретный узел имеет явно выраженные ^ связи только с некоторыми узлами, принад- ^ лежащими другим ОМЗ. Именно они создают органическое единство знаний в НМЗ и определяют локацию по ее структуре. На выявление их характеристик и нацелены исследования по теме в рамках данной статьи. Наличие в модели знаний связей между ОМЗ позволяет утверждать, что рассматривается НМЗ. Эта дефиниция дает обоснованный ответ на вопрос: рассматриваемая конкретная модель знаний может быть названа неоднородной или это все та же ОМЗ, у которой не удалось сформулировать и именовать примененную однородность?
Таким образом, конкретная модель знаний может быть признана неоднородной, если в модели присутствует более одной ОМЗ (т. е. можно продемонстрировать результат работы более одного механизма интеграции/декомпозиции) и модель содержит в явном виде связи между элементами разных ОМЗ. Очевидно, что для обработки НМЗ множества функций механизма обработки знаний, используемых при обработке ОМЗ, недостаточно. Это означает, что и локация по данной структуре не может быть ограничена локацией в прямом или обратном направлениях по вертикали одной из иерархических структур.
Авторы статьи предлагают следующее определение понятия НМЗ: это модели знаний, отображаемые структурой, основанной
№ 1 (49) 2014
на ориентированных связях, отличительной особенностью которых является наличие хотя бы одного понятия, имеющего более одной направленности иерархического подъема/спуска.
НМЗ могут быть сгруппированы по признаку принадлежности к конкретным предметным областям (ПрО), например, упомянутые выше работы по созданию интегрированных и гибридных интеллектуальных систем8. В таком случае конкретная модель из множества моделей создается оболочкой, которая не может быть применена для ц создания других моделей множества. Единая ство множества моделей одной ПрО рас-
2 сматривается как целостная гетерогенная I модель, при обработке которой ожидается
получение синергетического эффекта. В ра-г^ курсе таким образом поставленной задачи | неоднородность возникает на физическом уровне моделирования ПрО9. При данном толковании неоднородности одна и та же & модель ПрО формально-логического уров-§ ня моделирования (в том числе соотносимая Ц с одним и тем же классом моделей знаний) | может быть представлена в гетерогенной ^ модели несколько раз (в случае применения для создания этой модели ПрО нескольких Ц оболочек).
В рамках ответа на третий вопрос от-Ц метим, что для конечного пользователя § не представляют интереса ответы на вопро-| сы, связанные с различением знаний на ОЗ § и НЗ. Для пользователей важным признает-| ся только возможность делать в рамках ин-Ц формационной системы выводы, которые кажутся естественными для каждого. К при-¡5 меру: «Герасим поглядел на несчастную со-§ бачонку, подхватил ее одной рукой, сунул ее
| к себе в пазуху и пустился большими шага-
3
I -
[о 8 См. об этом [4].
¡5 9 Предварительному выбору подлежит конкретный Ц класс моделей знаний, ограничивающий многообразие § проявлений конкретных моделей логического уровня «о моделирования, а так же конкретные оболочки (при этом фактически формируются непреодолимые поверхности раздела между ОМЗ, которые не востребо-о ваны моделями логического уровня моделирования).
ми домой». Столь же естественным видится вывод: «Степан, дюжий парень, состоявший в должности лакея, бросился сломя голову в палисадник и хотел было схватить Муму, но та ловко вывернулась из-под его пальцев и, подняв хвост, пустилась во все лопатки к Герасиму»10.
Недостаточное внимание в современных исследованиях к вопросам относительно сетевых НМЗ ограничило многообразие моделей знаний, а также множество и многообразие методов их обработки в программных системах. В связи с этим далее рассмотрим вопросы организации многонаправленности иерархического подъема/спуска в НЗ более подробно.
Интеграция нескольких ОМЗ одной ПрО
Нельзя не признать, что «достижения ИИ в настоящее время являются более скромными, чем хотелось бы» [5, с. 32]. В поисках причин, способствовавших скромности достижений, на передний план выдвигается проблема представления знаний (ПЗ), которая «одинаково важна и для интеллекта роботов, и для построения умных систем управления и принятия решений» [5, с. 26]. Решение проблемы видится как построение формы, в которую могут быть вложены знания во всем их многообразии. Это предусматривает построение моделей сначала на концептуальном уровне, затем на формально-логическом, и в завершении — на физическом. Отсутствие в течение длительного времени значительных достижений в решении этой проблемы можно объяснить тем, что фон-неймановская архитектура ЭВМ плохо приспособлена к ре-
10 Подробные комментарии к приведенному примеру для читателей, не являющихся специалистами в данном научном направлении, не позволяет дать ограниченность объема публикации. Представленный фрагмент в чистом виде представляет неоднородное знание, так как логический вывод потребовал бы разного рода ссылок от одного понятия к другому. Также этот пример хорошо иллюстрирует возможности предлагаемой модели представления НМЗ.
№ 1 (49) 2014
шению задач ИИ [см. об этом 5, с. 27]. Формализованная модель знаний может иметь два исполнения. В первом в модели можно фиксировать характеристики, не порожденные требованиями файловой организации операционных систем, т. е. характеристики, не зависящие от фон-неймановской архитектуры. Во втором (в окончательной версии) можно фиксировать характеристики, не учитывающие ее. Такое выделение позволит получить концентрированное выражение проблемы несоответствия фон-неймановской архитектуры требованиям задач, которые решаются в ННИИ и, следовательно, оценить эту проблему по критериям актуальности, глобальности и наличия перспектив ее решения.
При рассмотрении подходов к проблеме ПЗ следует исходить из соображения, что анатомировать интеллект и понять, как он работает, невозможно, так же как невозможно и анатомировать область памяти субъекта и установить, как она организована. Мы вынуждены строить лишь предположения, гипотезы. Затем, исследуя конкретную гипотезу, можно в определенной степени убедиться в ее достоверности. Такая позиция стала доминирующей при поиске решения проблемы ПЗ. Фактически поиск решения устойчиво выполнялся не в направлении разработки формы, достаточной для представления всего многообразия знаний, а в противоположном — рассматривалась принятая единообразной для всех операционных систем файловая организация и выполнялись работы по ее совершенствованию в направлении, предположительно соответствующем требованиям ПЗ.
В ННИИ было разработано несколько гипотез по организации знаний, которые и послужили основанием для выделения классов моделей. Среди них основные модели — продукционные, фреймовой организации, формально-логические и СС. Для них созданы множества оболочек. При этом каждая из них реализует возможности создания, актуализации и обработки знаний только моделей конкретного класса. То есть
д
базы знаний, создаваемые каждой конкрет- £ ной оболочкой, не могут актуализироваться ^ и подвергаться обработке механизмом логи- ^ ческого вывода в других. Если знания конкретной ПрО действительно сложны, неод- | нородны, возникает проблема необходимо- 1 сти втиснуть их в прокрустово ложе тех про- ^ граммных средств, которые на сегодняшний ^ день созданы. Это обнародовало проблему приведения знаний к форме, соответствую- ^ щей тому или иному классу моделей знаний, реализуемому той или иной конкретной обо- ^ лочкой. Если это в какой-то степени удается, то качество базы знаний падает, и уменьша- § ются возможности соответствующей систе- § мы, так как на сегодняшний день теории ло- ^ гического вывода, который можно было бы ^ проводить на базах НЗ, нет11. Это означает, что сведение НЗ к однородным, с которыми далее работают соответствующие оболочки, приводит к модели знаний, лишь частично описывающей ПрО. Значимых отношений, на которых могут быть сформированы ОМЗ, выявлено по меньшей мере 30 типов. Приведем в качестве примера базисный набор отношений, предложенный Ю. И. Шемаки-ным [6, с. 70-71]:
• связи типа «часть-целое» («класс-подкласс», «элемент-множество» и т. п.);
• связи типа «общее-частное»;
• функциональные связи (определяемые обычно глаголами-действиями);
• количественные (больше, меньше, равно,...);
• пространственные (далеко от, близко от, за, под, над,.);
• временные (раньше, позже, в течение,.);
• атрибутивные связи (иметь свойство, иметь значение,.);
• логические связи (и, или, не и др.);
• причинно-следственные связи и др.
11 Это утверждение может быть поставлено под сомнение, если сознательно иди неосознанно (в обоих случаях необоснованно) приравнять понятия «НМЗ» и «гетерогенные модели знаний».
№ 1 (49) 2014
Неумение работать с этим многообразием отношений и их свойствами вынуждает довольствоваться множеством частных решений, за которыми нередко становится невидимой решаемая задача в целом. Но учитывая, что многопроцессорные высокопроизводительные системы в значительной мере сместили акценты требований к алгоритмам обработки информации (внутренний параллелизм, позволяющий разбить задачу на равноценные с точки зрения объема вычислений, части; обеспечение минимизации обмена между процессорами; корректность Ч используемых алгоритмов и моделей; логи-| ческая простота алгоритмов), необходима 2 новая постановка задачи о слиянии множе-I ства ОМЗ одной ПрО.
Слияние в этом случае рассматривает-^ ся как работы по созданию новой оболоч-| ки, реализующей п-мерную характеристику пространства реального мира. Размерив ность диктуется количеством учитываемых & в модели однородностей. Соответствен-§ но, необходима новая концепция платфор-Ц мы инструментальной системы (оболочки), | в рамках которой можно было бы (без спе-^ циализированных знаний) компоновать все, что нужно в той или иной ситуации. Работы Ц по ее созданию, видимо, должны вестись по образцу открытых систем, где каждый Ц может использовать в своих целях то, что § ему подходит и отдавать то, что пригодится | еще кому-то.
§ Еще одна проблема, требующая нового | взгляда, — расширение возможностей обо-Ц лочки для НМЗ за счет введения механизмов работы с категориями «время», «простран-¡5 ство» и другими, обеспечивающими челове-§ ческую универсальность (всеядность). Че-| ловеческий интеллект способен выполнять <| расчеты, классификацию, ассоциативный | поиск, аналитический вывод (индукцию и де-| дукцию), обобщать (обобщение по призна-I кам, обобщение по структурам). Он с легкостью делает все перечисленное и многое | другое в любом сочетании и порядке, а так-| же ориентируется в новом пространстве § и на новом отрезке времени.
В ракурсе же вопросов создания новой оболочки следует признать, что для категорий «время» и «пространство» до настоящего времени необходимый уровень осмысления и толкования не достигнут. Созданы варианты довольно простых псевдофизических логик времени и пространства, но программными средствами они реализуются как выполняемые отдельно и последовательно. Если учесть 30 типов отношений, предлагаемых для описания НЗ, то следует признать, что механизма логического вывода для таких систем попросту не существует. Почему? Потому, что любое отношение имеет, в свою очередь, свои характеристики.
К примеру, отношение может быть тран-зитивно, не транзитивно, антитранзитивно; симметрично, не симметрично, антисимметрично; рефлексивно, не рефлексивно, ан-тирефлексивно; и т. д. Чтобы учесть в логических выводах характеристики самого отношения, мы должны создавать специфическую логику, т. е. логику работы с таким отношением. В ННИИ разработка псевдофизических логик составляет отдельное направление, и наиболее проработанная из них — это логика времени. Таким образом, создание оболочки, в которой могли бы учитываться свойства всех типов отношений, встречающихся при описании ПрО, видится пока нереализуемым. Именно необходимость слияния знаний в НМЗ инициировала появление интегрированных и гибридных интеллектуальных систем. При этом инструментальные системы значительно усложнились. Стало очевидным, что необходим новый подход к решению задачи ПЗ.
Продолжение будет опубликовано в следующем номере.
Список литературы
1. Данчул А. Н., Новиков А. П. Представление знаний о предметной области на основе гносеологической модели // Информационные технологии. 2009. № 10.
2. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.
№ 1 (49) 2014
3. Новиков А. П. Организация сетевых структур знаний, поддерживающая их редактирование: дисс.... на соиск. уч. ст. канд. техн. наук по специальности 05.13.11 — Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей. М.: МГТУ МИРЭА, 2012.
4. Колесников А. В., Кириков И. А. Концептуальная модель двунаправленной гибридизации при разработке компьютерных систем поддержки принятия решений // Системы и средства информатики. 2008. Доп. выпуск. С. 21-53.
5. Болотова Л. С. Системы искусственного интеллекта: модели и технологии, основанные на знаниях. М.: Финансы и статистика, 2012.
6. Ярных Ю. А. Структурированная семантическая модель контента текстов научно-теоретического характера: дисс.... на соиск. уч. ст. канд. техн. наук по специальности 05.25.05 — Информационные системы и процессы, правовое обеспечение информатики. М., 2005.
7. Болотова Л. С., Смольянинова В. А., Новиков А. П., Никишина А. А. Практическая значимость результатов исследований в научном направлении «Искусственный интеллект» // Прикладная информатика. 2013. № 4 (46).
8. Дьячко А. Г., Данчул А. Н., Новиков А. П. Автоматизированное рабочее место менеджера целевых проектов // Автоматизация в промышленности. Материалы 3-й научной конференции в Институте проблем управления РАН. Июнь 2009 г. С. 215-238.
9. Виноградов И. М. Алгебра // Математическая энциклопедия М.: Советская энциклопедия, 1977.
10. Болотова Л. С., Новиков А. П., Никишина А. А. Интеграция результатов исследований в научном направлении «Искусственный интеллект» // Прикладная информатика. 2013. № 5 (47).
11. Кузин Е. С. Представление знаний и решение информационно-сложных задач в компьютерных системах // Приложение к журналу «Информационные технологии». 2004. № 4.
12. Большая советская энциклопедия: в 30 т. 3-е изд. М.: Советская энциклопедия, 1969-1978.
13. Морозов В. А., Новиков А. П., Бронивецкая Л. Д. Оболочка экспертной системы FICONOCS (версия 3) // Информационный листок о научно-техническом достижении № 92-1170. Всероссийский научно-исследовательский институт межотраслевой информации.
I
LQ
со сэ
I
эё £
¡5
J
ti
L. Bolotova, Doctor of Engineering, Professor, Institute of Electronics and Matematics of the National Research University Scientifically — research university «The economy higher school», Mosrnw, lubolotova@mail.ru A. Danchul, Doctor of Engineering, Professor, The Moscow city university of management of the Government of Moscow, danch@ur.rags.ru
A. Novikov, Ph. D. (Eng.), Engeneer, Department of Education of the city of Moskow, alpnovikov@yandex.ru A. Nikishina, Senior Engineer, Elster Metronica (Elster Group Company), Applicant, Department of Automated Control Systems, National University of Science and Technology «MISiS», the city of Moscow, anikishina@gmail.com
The organization of the multiorientation of hierarchical lifting (descent) and location on structure of non-uniform knowledge
In this article the features of non-uniform knowledge reflected in construction of models in the field of an artificial intellect are considered, and the description of the mechanism of a location on their structure is offered. It allows to express further work of the corresponding mechanism of a logic conclusion at program level.
Keywords: subject, intellectual behaviour, homogeneous and non-uniform models of knowledge, location, multiorientation, hierarchy, gnoseological model.
