CC BY
144
с
истемный анализ
УДК 004.822 (824, 827)
СЕМИОТИЧЕСКИЕ КОГНИТИВНЫЕ КАРТЫ. Ч. 1. Когнитивный и семиотический подходы в информатике и управлении
A.A. Кулинич
Предложена семиотическая модель когнитивных карт, основанная на принципах прикладной семиотики и представляющая собой симбиоз классических когнитивных карт в виде причинно-следственной сети (орграфа) и понятийной надстройки в виде качественного концептуального каркаса — понятийной системы — множества понятий предметной области, связанных отношением «род — вид». Показано, что предложенная модель позволяет представить множество семиотических когнитивных карт предметной области как частично упорядоченное множество знаков: имени, содержания и объема, определяющих эти когнитивные карты. Предложен алгоритм построения интерпретирующего концептуального каркаса предметной области, направленный на поддержку процессов верификации и интерпретации причинно-следственных отношений в предметной области, заданных когнитивной картой.
Ключевые слова: когнитивная карта, когнитивное моделирование, знак, знаковая система, семиотика, прикладная семиотика, концептуальный каркас, понятийная система.
ВВЕДЕНИЕ
Исследования когнитивных карт и методов их анализа заложили теоретический фундамент для создания систем поддержки принятия решений в плохо определенных динамических ситуациях. Качество систем поддержки принятия решений, основанных на моделировании ситуаций на основе когнитивных карт, в значительной степени определяется не только удобством и развитостью интерфейсов программных систем, реализующих этот подход в управлении, но и качеством самой когнитивной карты — субъективной модели процессов реальности. Под качеством таких систем поддержки принятия решений подразумевается их полезность при принятии решений в слабоструктурированных ситуациях, которая выражается в повышении обоснованности принимаемых решений.
Однако этот критерий — полезность метода для принятия решений и обоснованность решений — трудноизмерим. Косвенно судить о полезности систем поддержки принятия решений на основе когнитивных карт можно по публикациям о применении этого подхода и популярности статей его исследователей. Например, статьи авторов из ИПУ РАН, посвященных этому подходу, входят
в топ самых популярных и цитируемых публикаций журнала «Проблемы управления» [1].
Интерес к методологии когнитивного моделирования подтверждается и м ногими д ругими работами. Так, в обзорных работах [2—4] предложена классификация существующих когнитивных карт, приведены методы их анализа, а также описаны компьютерные системы поддержки принятия решений, основанные на моделировании ситуаций с помощью когнитивных карт. В работах [5, 6] рассмотрены вопросы применения методологии когнитивного моделирования в процессах управления. В работах [7—9] рассмотрены вопросы применения когнитивных карт при моделировании игровых постановок в управлении и мультиагент-ных системах.
Подтверждением применения методологии когнитивного моделирования служат работы в областях социальной психологии [10], образования [11], ракетостроения [12], энергетики [13], нефтедобычи [14], экономики и финансов [15] и др.
Интерес к моделированию с помощью когнитивных карт сложных экономических и социальных ситуаций существует не только в России, но и у иностранных исследователей. Так, в обзорной статье [16] приведены многочисленные примеры исследований и применения методологии когни-
тивного м оделирования за последнее десятилетие нашими зарубежными коллегами в области социально-политических наук, в сфере образования, информационных технологий, медицине, бизнесе и др.
Несмотря на безусловную полезность когнитивных моделей, существуют и проблемы, возникающие при моделировании ситуаций на основе грубых (концептуальных) субъективных моделей. В работах [3, 4] обозначены некоторые проблемы когнитивного подхода, возникающие на этапах создания когнитивной карты, ее параметризации, выбора модели динамики, верификации. Проблемы возникают и на этапе анализа результатов моделирования и принятия решений.
Все эти проблемы связаны с высоким уровнем субъективности когнитивной карты и процессов принятия решений с ее помощью. Обычно субъективность ассоциируют с чем-то неточным (неточные (качественные) измерения, гипотеза о структуре когнитивной карты и др.), определяемым личным опытом субъекта. Субъективность противопоставляется объективности (независимости от субъекта): измерение с помощью точных приборов, выявление закономерностей, точные верифицируемые модели и подходы для анализа и моделирования ситуаций. Но в когнитивном моделировании применяются экспертные оценки, качественные измерения, гипотетические структуры, и поэтому субъективность является неотъемлемым свойством методологии когнитивного моделирования.
В условиях неопределенности и дефицита информации субъективность лица, принимающего решение, позволяют качественно решать достаточно сложные проблемы, привлекая для этого собственные интеллектуальные способности.
Когнитивная карта — это модель знаний эксперта о процессах в динамической ситуации, которая формально представляется в виде ориентированного знакового графа (иначе однородной семантической сети) с причинно-следственными отношениями (V, И), где Ж = \м.\ — матрица смежности орграфа, м>н е [—1, 1], И — множество факторов (параметров) динамической ситуации, И = {У/}, / = 1, ..., п. Для каждого фактора определено множество значений Х = {х/д}, хдд е [—1, 1] Уд. Задана система конечно-разностных уравнений вида: Х(1 + 1) = Ж-Х(0), где Х(0) — вектор начального приращения значений факторов, I = 0; Х(1 + 1) — вектор изменений значений факторов в моменты времени I = 1, ..., п; V — матрица смежности орграфа, позволяющая моделировать изменение значений всех факторов.
Задача принятия решений заключается в анализе динамики изменения состояния системы,
представленной векторами состояния в последовательные моменты времени Х(1), VI и их содержательной интерпретации. Содержательная интерпретация — это представление вектора состояния ситуации, полученного в процессе моделирования в некоторой другой системе Т: Х(1) ^ 9, где 9 — интерпретирующая система. Под интерпретирующей системой понимается субъективная понятийная система лица, принимающего решение — его знания о предметной области и его интеллектуальные способности (Т): рассуждение, обобщение, воображение, способные представить вектор состояния Х(1) в виде понятия предметной области 9, в которой модель построена.
Процесс интерпретации результатов моделирования достаточно грубой модели действительности в виде когнитивной карты в систему знаний субъекта (интерпретирующую систему) порождает содержательно более богатые когнитивные процессы в интеллекте человека. Процесс интерпретации результатов моделирования, полученных с помощью грубой модели и порождаемые при этом познавательные процессы в интеллекте человека, будем называть процессом когнитивного модели -рования.
Интерпретация результатов моделирования важна при поддержке принятия решений в условиях неопределенности, поскольку корректная интерпретация позволяет: снизить неопределенность; обосновать правдоподобность результата моделирования (оценить адекватность модели); получить оценку прогноза в качественных терминах. При интерпретации прогнозов развития ситуаций (будущих состояний ситуации) важно увидеть признаки некоторого прецедента состояния. Это и будет интерпретанта прогноза — состояние реального объект, которое естественно может быть изучено более подробно, чем его грубая модель в виде когнитивной карты. В этом случае грубая когнитивная карта играет роль «стимулятора», позволяющего найти корректную интерпретацию результатов моделирования.
Для поддержки процесса интерпретации результатов моделирования, знания аналитика можно представить формально в виде онтологии1 как множество понятий предметной области, связанных множеством отношений, а его интеллектуальные способности как процедуры вывода в онто-логиях. В условиях неопределенности онтология предметной области, отражая неполные и фрагментарные знания аналитика, также будет неполной и фрагментарной. В условиях дефицита вре-
1 Под онтологией здесь и далее понимается не общефилософская трактовка онтологии как учения о бытии, а определение онтологии в информатике как концептуальной схемы для формализации экспертных знаний [17].
мени на принятие решений построение подробной онтологии предметной области для решения задачи интерпретации оказывается нецелесообразным.
Еще одна проблема применения технологии моделирования и принятия решений с помощью когнитивных карт заключается в неоднозначности когнитивной карты для описания одного и того же явления действительности и соответственно множественности когнитивных карт одной и той же действительности у разных экспертов. Неоднозначность когнитивной карты приводит к неоднозначности интерпретации результатов моделирования и логического обоснования принимаемых решений разными экспертами, в разных контекстах принятия решений.
С проблемой неоднозначности интерпретации результатов когнитивного моделирования тесно связана проблема верификации модели и установления факта адекватности модели моделируемой действительности. В условиях грубости когнитивной модели решить эту проблему крайне затруднительно [3].
Вопросы верификации когнитивных карт исследовались в работах [18, 19]. Предлагаемые в них методы основаны на анализе типичных систематических ошибок, совершаемых разработчиками когнитивных карт. В частности, выделены риски, приводящие к ошибкам в когнитивных картах: риск ложной транзитивности и риск недопонимания математического смысла связей. Ложная транзитивность возникает при установлении причинно-следственного отношения м ежжду факторами разного уровня общности, что приводит к ошибкам в структуре когнитивной карты, а недопонимание математического смысла связей приводит к ошибкам в определении силы этих причинно-следственных связей. Авторы предлагают и методы снижения этих рисков: путем согласования уровней общности факторов, представленных в когнитивных картах, и применения вербальных шаблонов на этапе определения силы причинных связей.
В работе [20] проблему верификации когнитивных карт предлагается решать с помощью объяснения прогнозов развития ситуации. Объяснение прогнозов представляет собой описание последовательности процесса получения прогнозных значений факторов в виде цепочки сработавших в вершинах когнитивной карты правил, которые описывают моделируемые процессы, облегчая, таким образом, их понимание и, соответственно, верификацию структуры когнитивной карты.
В настоящей работе перечисленные проблемы когнитивного моделирования предлагается решать в рамках единого теоретического базиса, построенного на основе семиотического подхода [21—23].
Предлагается изменить существующую модель представления знаний в когнитивных картах в виде множества факторов и причинно-следственных отношений на этом множестве на ее представление в виде знаковой системы, т. е. на семиотическое представление когнитивных карт.
1. ЗНАКИ И ЗНАКОВЫЕ СИСТЕМЫ, ПРИКЛАДНАЯ СЕМИОТИКА
1.1. Семиотические подходы в информатике и управлении
Исследованием знаков и знаковых систем занимались известные математики и логики при создании так называемой экстенциональной (объемной) логики [24]. Наибольший практический интерес представляют работы немецкого логика Г. Фреге. Его модель знака, известная как «треугольник Фреге», включает в себя три связанные составляющие: имя знака, смысл знака и значение (представление) знака (рис. 1). Имя знака 4 — это символ, слово (изображение), означающее в сознании человека объект реального мира (денотат 1). Под смыслом знака 3 Фреге понимает описание объекта реального мира, отличающего его от других объектов. И, наконец, под значением (представлением) знака, Фреге понимает ментальное представление реального объекта (денотата — означаемого 1), которое определяется смыслом знака и его именем.
Известный американский логик и философ Ч. Пирс приводит классификацию знаков, выделяя знаки-образы (иконы) (изобразительные знаки, в которых означаемое и означающее подобны), знаки-индексы (означаемое указывает на признаки означающего) и знаки-символы (означаемое и означающее связаны меж собой в рамках некоторой конвенции, договоренностей) [25, 26]. Знаки-символы — это обычные слова, которые употребляются для описания действительности, коммуникации между людьми и т. д. Далее мы будем говорить о знаках-символах. Поясним знак-символ. Например, знак «прямоугольный треугольник» будет представлен тройкой: имя знака — «прямоугольный треугольник»; смысл знака — это
Имя
Рис. 1. Знак Г. Фреге
его признаки: плоская геометрическая фигура, ограниченная тремя сторонами, и один угол прямой; значение знака — это некоторый реальный прямоугольный треугольник или множество прямоугольных треугольников, например, изображенных на листе бумаги, экране монитора и др. Особенность знакового представления состоит в том, что все три составляющие знака связаны м ежжду собой и изменение одной из них приведет к изменению остальных. Например, если изменить имя знака, убрав слово прямоугольный, то имя знака будет — «треугольник». Это приведет к необходимости изменения смысла знака — нужно убрать признак «один угол прямой». Значение знака в этом случае также изменится и будет включать в себя не только всевозможные прямоугольные треугольники, но и непрямоугольные треугольники. В этом случае знак с именем «прямоугольный треугольник» будет разновидностью общего знака с именем «треугольник», т. е. между этими знаками существует отношение «род — вид». Это отношение между знаками нас будет интересовать в дальнейшем. Между знаками могут быть и д ругие виды отношений, образующие из отдельных знаков знаковые системы и описывающие наши знания о реальном мире с разной степенью детализации.
Особенность представления знаний в виде знаков и знаковых систем заключается в том, что знак связывает ментальные процессы, в которых принимают участие имя, смысл и значение знака, определяемые субъектом, с объектами реального мира — денотатами. Это означает, что между реальным миром и знаками существуют отношения моделирования, позволяющие осуществлять процесс мышления не с реальными объектами, а с их знаками. Так, основатель теоретической семиотики (науки о знаках и знаковых системах) Ч. Пирс считает, что: «У нас нет способности мыслить без помощи знаков» [25].
Исследованию знаковой природы человеческого мышления посвящено м ножество работ когнитивных психологов. Они исследуют вопросы организации ментальных пространств, в которых разворачиваются знаковые репрезентации реальной д ействительности, особенности строения понятийных пространств, взаимосвязи мышления и речи и др. Феномен знака, его роль в социальной сфере исследовались множеством известных философов, филологов, лингвистов. Например, в 1960—1980-х гг. в исследование семиотических систем в гуманитарных науках большой вклад внесла Тартуско-Московская семиотическая школа, объединившая Ю.М. Лотмана, А.М. Пятигорского и др.
В настоящей работе акцент сделан на вопросы применения знаков и знаковых систем в системах обработки, представления знаний в областях ин-
форматики, искусственного интеллекта, а также управления сложными системами.
Работы известного белорусского лингвиста В.В. Мартынова, посвященные вопросам применения семиотического подхода в кибернетике и информатике, признаны пионерскими. Его первая работа появилась 50 лет тому назад, в 1966 г. [27]. Он предложил несколько вариантов так называемого универсального семантического кода, позволяющего в строгой логической структуре представить смысл текстового сообщения [28].
В области систем управления семиотический подход развивался в рамках ситуационного подхода Д.А. Поспелова [21]. Ситуационный подход в управлении применяется в случаях трудно формализуемого объекта управления, его уникальности, неполноты описания, активности и др., когда нет возможности построить точную математическую модель объекта, но, тем не менее, объект может быть вербально грубо описан экспертами.
Идея ситуационного управления основана на двух гипотезах:
— всю информацию об объекте управления и способах управления им можно выразить на естественном языке;
— всякий текст на естественном языке, относящийся к тому, о чем говорится в первой гипотезе, можно перевести на формальный язык семиотической системы.
В рамках семиотического подхода в управлении был разработан язык ситуационного управления. Основу этого языка составляет его ядро или ядерная конструкция в виде тройки: х{ г х, где х,, х. — это понятия, признаки понятий или их значения, гд — отношения: классификационные гх (иметь имя), признаковые г2 (иметь признак), количественные г3 (иметь значение), сравнения г4 (быть равным), принадлежности г5 (принадлежать классу), пространственные г6 (быть слева (справа) и др.), каузальные г7 (иметь причину или следствие) и др.
Такая конструкция языка с множеством отношений с использованием логических связок (л, V, —, ^ (и, или, не, импликация)), квантификаторов (общности V и существования 3), модальных операторов (возможно, вероятно и др.), позволяет формализовать описания на естественном языке достаточно сложных объектов управления.
В ситуационном управлении термин ситуация определяет состояние объекта управления в некоторый момент времени, требующее реакции на это состояние, т. е. акта управления. Акт управления в этом случае представляется в виде отображения:
$ : О ^
где $ — полная ситуация (описание знаний о состояниях объекта управления и знаний о технологии управления объектом); О, — текущее состоя-
ние (описание текущего состояния ситуации); Ц~к — управляющее воздействие, применимое к текущему состоянию и вырабатываемое на основе знаний о технологии управления, которые содержатся в Б; состояние О; — описание состояния ситуации после применения управления Лк.
При создании системы ситуационного управления все возможные описания состояний объекта управления классифицируются, представляются в виде множества классов состояний Б. = и Б
причем каждому классу состояний Бк ставится в соответствие управляющее воздействие Ик. Управление возможно, если описание текущей ситуации Qj близко к описанию какого л ибо класса ситуаций Б к и, следовательно, возможно одношаговое управление Лк. Как результат управляющего воздействия получаем описание нового состояния О.
В рамках семиотического подхода в ситуационном управлении была предложена архитектура семиотической управляющей системы, возможные варианты реализации составных частей этой архитектуры, позволяющие представить описание объекта управления, законов его функционирования и методов управления, представленных на естественном языке, в семиотической модели, записанной в строгих формальных логико-лингвистических конструкциях.
Однако необходимость описания и классификации всех возможных состояний объекта, а также возможных управляющих воздействий делает этот подход трудно реализуемым для больших систем. Поэтому в рамках семиотического подхода рассматривались другие модели представления естественно-языковых описаний объекта управления. Одна из таких моделей привела к появлению нового направления в рамках ситуационного подхода — прикладной семиотики [22, 23].
Особенность прикладной семиотики заключается в том, что если в ситуационном управлении в описании объекта на естественном языке использовались слова — имена понятий (символов), обозначающих объект, то в прикладной семиотике описание строится с использованием знаков-символов в виде троек: имя, смысл и значение (представление) объекта, т. е. в виде знака в смысле треугольника Фреге. Таким образом, при формализации естественно-языковых предложений, описывающих объект, в модели объекта, кроме имени знака, появляются связанные с именем семиотическими отношениями смысл и значение (представление) объекта. В прикладной семиотике информационной единицей для описания ситуаций служит знак в виде тройки и называется он семой [22, 23]. Причем изменение любого элемента этой тройки, вызванное появлением новых фактов, из-
меняет два других элемента знака. В прикладной семиотике текущая семиотическая модель объекта управления представляется как одна из моделей из упорядоченного множества возможных семиотических м оделей объекта управления — возможных миров. Таким образом, семиотические модели становятся открытыми и легко адаптируются к условиям изменяющейся среды.
К сожалению, монография «Прикладная семиотика» Д.А. Поспелова так и не была закончена, однако отдельные ее главы, в которых изложены основные идеи этого подхода, опубликованы [22, 23]. Работы в области семиотических систем продолжаются: разрабатываются модели и методы отдельных элементов архитектуры семиотической системы, множество работ посвящено исследованию адаптационных возможностей прикладных семиотических систем. В работе [29] предложена архитектура системы управления, построенной на принципах семиотического подхода. Эта архитектура включает в себя базу знаний о предметной области, множество моделей принятий решений и элементы (интерпретатор, классификатор, коррелятор, экстраполятор), обеспечивающие адаптацию существующей (текущей) базы знаний и моделей для решения оригинальной задачи.
В работе [30] предложена нечеткая семиотическая модель, состоящая из нечетких регуляторов и позволяющая их настройку на Т-нормы и модели конкретного пользователя. В работе [31] рассматриваются принципы построения семиотической системы поддержки принятия решений, в которой адаптация для решения проблемы осуществляется на основе учета опыта принятия решений в немарковской модели с обучением. В работе [32] основная идея автора заключается в объединении теоретической семиотики и эволюционного моделирования для моделирования процессов образования и эволюции знаков (семиозиса) в многоагентных системах.
В зарубежной литературе научное направление, исследующее применение знаков и знаковых систем в области информатики часто называют вычислительной семиотикой (computational semiotics)
[33]. В большинстве работ применение семиотического подхода направлено на поддержку проектирования информационных систем. Так, в работе
[34] предложена компьютерная семиотика (computer semiotics). Компьютерная семиотика базируется на тезисе Ф. Соссюра, классика теоретической семиотики [35], о том, что семиотика — это наука о знаках в социуме. Поэтому центром теории компьютерной семиотики является индивидуум как носитель знаковой системы. Тогда знаковая система в теории компьютерной семиотики может рассматриваться как формализованное знание индивидуума в виде знакового описания компьютерной
системы и ее отдельных элементов: интерфейсов; моделей представления знаний; языков программирования; мультимедийных и гипертекстовых приложений; организация коммуникации систем, коллективного поведения в мультиагентных системах и др.
В этом же ключе предлагается семиотический подход для классификации и разработки информационных систем [36]. Любая информационная система рассматривается в трех аспектах: синтаксическом, семантическом и прагматическом, которые являются тремя составными частями теоретической семиотики Ф. Соссюра [35]. Синтаксис отражает формальную знаковую модель информационной системы, выраженную с помощью знаков: блок-схем, имен подсистем и др. Семантика определяет связь знаков синтаксической структуры и реальных объектов (подсистем) информационных систем, которые эти знаки обозначают. Здесь может быть описано функциональное назначение подсистем, интерфейсов, алгоритмы их работы, особенности конструкции и т. д. Прагматика описывает отношение знаков, с помощью которых система описана, и конечного пользователя информационной системы в разных вариантах (контекстах) ее использования. Здесь затрагиваются вопросы человеко-машинного интерфейса, а также функциональность системы в целом и режимы ее использования.
Различные синтаксические, семантические и прагматические структуры позволяют классифицировать различные типы информационных систем (систем поддержки принятия решений, экспертные системы, системы групповой поддержки принятия решений, системы обработки транзакций и др.). Семиотическая классификация позволяет увидеть перспективы развития информационных систем, и, следовательно, сформулировать задачу на их разработку.
В работе [37] исследуется возможность применения семиотического подхода для проектирования пользовательских интерфейсов. Для этого разрабатывается теоретический подход, названный алгебраической семиотикой (algebraic semiotic). Суть его в следующем. Знаки, используемые для построения интерфейсов (кнопки, окна, надписи, тексты и т. д.), представлены в виде множества классов знаков {S}. Определены характеристики всех классов Vij (свойства, например, цвет, размер и т. д.) и определен частичный порядок на множестве знаков ({Si}, <). Это позволяет представить все классы по включению их свойств в виде иерархии на n уровнях. На каждом уровне n определен конструктор cn, который позволяет создавать новые знаки для уровня n + 1 из знаков, находящихся на уровнях n и n + 1. Существующие и вновь созданные знаки образуют частично упорядоченное
множество знаковых систем, которые затем используются для разработки пользовательских интерфейсов.
Автор вводит понятие семиотический морфизм (semiotic morphism), подобное морфизму в теории категорий, для исследования возможности представления интерфейсов в разных, но эквивалентных знаковых системах. Например, если интерфейс разработан с преимущественным применением текстовых полей, то с помощью семиотического морфизма он может быть преобразован в интерфейс, содержащий изображения или иконки.
Понятие семиотический морфизм употребляется также для корректного объединения разных знаковых систем, представляющих интерфейсы. Их объединение направлено на расширение существующих интерфейсов.
В работе [38] рассмотрены возможные применения семиотического подхода при разработке гипертекстовых, мультимедийных и Интернет-приложений.
В международной базе цитирования «Scopus» на запрос «applied semiotics» за период с 2000 г. по настоящее время в областях «Computer Science» и «Engineering», было выявлено 145 докладов на конференциях и статей в периодических научных журналах. Судя по аннотациям этих работ, семиотический подход находит широкое применение для проектирования и анализа разного рода информационных систем, создания моделей знаний в прикладных областях. Однако строгих формальных моделей семиотической системы в проанализированных работах не встречалось. Единственное исключение, теоретическая модель — алгебраическая семиотика, описанная в работе [37]. В работе [38] отсутствие теоретических работ по прикладной семиотике связывают с ее «капризностью». Действительно, рассмотрение одного и того же знака в разных контекстах может означать разный смысл и обозначать разные объекты или явления реального мира. Эта «капризность» семиотики создает трудности при создании единой конструктивной теоретической модели семиотической системы в области компьютерных наук и информатики. Возможно, именно поэтому в настоящее время семиотический подход содержит в качестве элемента семиотической системы носителя знаковой системы — человека — и является скорее методологическим приемом, описывающим сложные системы в едином теоретическом базисе, направленным на поддержку человеко-машинного интерфейса для активизации интеллектуальной деятельности эксперта или аналитика в процессах анализа и принятия решений в сложных ситуациях.
Одна из теоретических моделей прикладной семиотики была в самом общем виде описана в работах [22, 23]. Рассмотрим эту модель.
1.2. Семиотическая система Д.А. Поспелова
Семиотической системой ББ называется упорядоченная восьмерка множеств [22, 23]:
ББ = {Т, Я, А, Р, т, р, а, п),
где Т — множество основных символов, Я — множество синтаксических правил, А — множество знаний о предметной области, Р — множество правил вывода, т — правила изменения множества Т, р — правила изменения м ножества Я, а — правила изменения множества А, п — правила изменения множества Р.
Первые четыре множества образуют формальную систему РБ = {Т, Я, А, Р), которая позволяет формально описать некоторый объект реальности для его моделирования. Элементы МРБ = (т, р, а, п) — правила изменения формальной системы, которые обеспечивают ее адаптацию для решения проблем, которые в рамках формальной системы РБ решить не удается.
Иными словами, семиотическая система в процессах поиска решения может быть определена как динамическая система: ББ(/) = {РБ.(/), МРБг(7)), где РБ ¡(1) — текущая формальная система (модель реальности), а МРБ{(1) — правила смены текущей формальной системы (модели).
Важно отметить, что правила МР. = (т, р, а, п), меняющие состояние формальной системы, связаны зависимостью, аналогичной зависимости, существующей в элементах семиотического треугольника (треугольника Фреге) [24]. Это означает, что применение одного из правил из этой четверки приводит к применению оставшихся правил. В работе [23] считается, что предложенная восьмерка, описывающая семиотическую систему, есть единое целое, которое определяется как знак. Конечно, в рамках формальной системы РБ с помощью подобранного множества основных символов Я и синтаксических правил Т описывать сложные объекты можно тройками: имя знака, его смысл и представление денотата.
Для описания механизма взаимодействия элементов знака, изменяющего формальную систему, в работе [23] рассматривается множество знаков, связанных различными отношениями. В искусственном интеллекте такая сеть знаков называется семантической сетью и, по сути, соответствует некоторому вербальному описанию ситуации — состоянию объекта управления. Управление здесь заключается в изменении сети знаков таким образом, чтобы новая сеть знаков соответствовала некоторой цели управления, например, разрешению некоторого конфликта в ситуации. Поясним это на простом примере. Рассмотрим ситуацию в семье, в которой возник конфликт из-за желания жены приобрести собаку, что не устраивает мужа.
Синтаксис
Семантика
Прагматика
Метазнак
Рис. 2. Квадрат Поспелова
Эта ситуация может быть формально описана семантической сетью. Управление, направленное на разрешение конфликта, в этом случае заключается в том, чтобы убрать знак, вызывающий конфликт — это знаки собака, муж или жена. Соответственно решением этой ситуации служит новый знак, например, супруги договорились купить кошку или аквариумных рыбок, что устраивает всех, или еще одно решение — решили развестись.
Авторы говорят о внутренней активности знаковых сетей, для управления которой необходима надстройка над сетью знаков в виде метазнака. Метазнак определяет фрагмент сети знаков, над которым он надстроен. Структура метазнака отличается от знака в виде треугольника Фреге и определяется четверкой: синтаксис, который определяет имя метазнака, и синтаксические отношения между знаками во фрагменте сети знаков; семантика — понятия о знаке, определяющие основные признаки и особенности фрагмента сети знаков; прагматика — определяет процедуры, связанные с возможным изменением фрагмента сети знаков [23]. Другими словами, метазнак определяет синтаксис, семантику и прагматику фрагмента сети знаков, который он обозначает. Эту четверку принято называть семиотическим квадратом Поспелова (рис. 2).
Например, метазнак для ранее приведенного примера определится следующим образом. Сеть знаков муж, жена и собака с определенными отношениями является денотатом метазнака и обозначается в вершине «Синтаксис» именем — «Конфликт из-за собаки». В вершине «Семантика» будут описаны признаки этой конфликтной ситуации, ее суть, а в вершине «Прагматика» описаны возможные решения этого конфликта, например те, о которых говорилось ранее.
Метазнак (метауровень знаковой системы) можно рассматривать как некоторую управляющую систему над знаковой системой (фрагментом сети знаков), оценивающую ее текущее состояние
и предлагающую действия, направленные на ее изменение. По сути, это система, которая реализует правила смены формальной системы ИБ в случаях, когда такая смена становится необходимой, т. е. появляются условия активности.
В качестве одного из возможных условий активности в работе [23] рассматривается наличие во фрагменте знака, так называемого когнитивного диссонанса [39]. Фактически когнитивный диссонанс в знаковой системе — это конфликт (противоречие) в моделируемой системе.
Условия активности метазнака реализуются множеством правил вида [23]:
(С,, А, Н, В), , = 1, ..., п,
где С, — имя продукции, А{ — условия активизации продукции, Н — последствия активизации продукции, В, — действия по изменению знака.
Разрешение конфликта основано на оценке Н. его последствий. В зависимости от этой оценки, конфликт разрешается действием В,. Действие предполагает изменения самой семиотической системы (изменение ситуации и, следовательно, формальной системы ИБ). Если конфликт считается несущественным, то формальная система остается неизменной до тех пор, пока не изменится оценка последствий конфликта.
Множество знаков, описывающих ситуацию в предметной области — это достаточно сложная многослойная иерархическая структура, в которой отношения «род — вид» между знаками на разных уровнях иерархии позволяют получать описание ситуаций с разной степенью общности, выделяя наиболее важные для решения задачи признаки. Активность метазнаков фрагментов сети знаков позволяет управлять сетью этих знаков для поиска решений. При этом решение будет выражено с помощью новой сети знаков [22].
Система представления знаний, состоящая из знаков, метазнаков и механизмов управления сетью знаков называется семиотической базой знаний [22].
Семиотическая база знаний отличается от обычной характером хранящейся информации (это знаки, метазнаки), а также встроенными механизмами перестройки семиотической базы знаний при решении практических задач. В работе [22] были сформулированы основные идеи прикладной семиотики, процедуры, реализующие функциональность семиотической базы знаний. Однако законченных реализаций идей семиотической системы управления и семиотической базы знаний на изложенных выше принципах не было. Интерес представляет защищенная в 2015 г. кандидатская диссертация, предлагающая модели и алгоритмы элементов знаковой картины мира субъекта, основанных на идеях прикладной семиотики [40].
В настоящее время элементы описанных идей построения семиотической базы знаний можно найти в онтологическом моделировании, в технологиях семантического WEB а, в хранилищах информации, основанных на стандартах RDF-схем и др.
Отметим, что когнитивное моделирование в принятии решений, рассматриваемое в настоящей работе, попадает в класс систем ситуационного управления. Здесь мы имеем грубую модель действительности в виде ориентированного графа, которая считается гипотезой о функциональной структуре объекта управления и является формализацией естественно-языкового описания объекта управления. Можно сказать, что когнитивная карта — это однородная семантическая сеть с причинно-следственными отношениями. По сути, это сеть знаков, которая может быть представлена в терминах семиотической системы.
Цель настоящей работы заключается в разработке и исследовании теоретической модели семиотических когнитивных карт, элементом построения которых служит знак в виде тройки: имя, смысл и значение.
ЗАКЛЮЧЕНИЕ
В первой части статьи рассмотрены трудно решаемые проблемы когнитивного моделирования и принятия решений в плохо определенных ситуациях. Это проблемы интерпретации результатов моделирования ситуаций и верификации моделей ситуации, которые предложено решать на основе нового теоретического базиса когнитивного моделирования ситуаций, основанного на принципах прикладной семиотики.
Проанализированы существующие в настоящее время семиотические подходы и модели проектирования, анализа, принятия решений в областях информатики и управления.
Подробно рассмотрена формальная семиотическая модель ситуаций Д. А. Поспелова, включающая описание ситуации как формальной системы и модификаторы этой формальной системы, позволяющие перестраивать ее в процессах принятия решений. Эта модель в дальнейшем взята за основу для формализации семиотических когнитивных карт.
Далее будут рассмотрены основные определения терминов и понятий модели семиотических когнитивных карт, а также алгоритм построения интерпретирующего каркаса предметной области, предназначенного для облегчения решения задач интерпретации результатов моделирования и верификации когнитивных моделей в процессах принятия решений в плохо определенных предметных областях, с применением метод оло-гии когнитивного моделирования.
ЛИТЕРАТУРА
1. Часто цитируемые статьи журнала «Проблемы управления». — URL: http://www.mathnet.ru/php/joumal.phtml? jrmd=pu&wshow=statiist&option_lang=ras&speriod=alltime#r6 (дата обращения: 9.04.2015).
2. Кулинич А.А. Классификация когнитивных карт и методы их анализа. Интегрированные модели и мягкие вычисления в искусственном интеллекте // Сб. науч. тр. VI между-нар. науч.-техн. конф. (Коломна, 16—19 мая 2011 г.). — М., 2011. — Т. 1. — С. 124—136.
3. Кулинич А.А. Компьютерные системы моделирования когнитивных карт: подходы и методы // Проблемы управления. — 2010. — № 3. — С. 2—16.
4. Кулинич А.А. Компьютерные системы анализа ситуаций и поддержки принятия решений на основе когнитивных карт: подходы и методы // Проблемы управления. — 2011. — № 4. — С. 31—45.
5. Авдеева З.К., Коврига С.В., Макаренко Д.И., Максимов В.И. Когнитивный подход в управлении // Проблемы управления. — 2007. — № 3. — С. 2—8.
6. Кузнецов О.П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. — 2009. — № 3.1. — С. 64—72.
7. Новиков Д.А. «Когнитивные игры»: линейная импульсная модель // Проблемы управления. — 2008. — № 3. — С. 14—22.
8. Куливец С.Г., Коргин Н.А. Модель информационного управления на основе игры на линейной когнитивной карте // Управление большими системами. — 2011. — Вып. 35. — С. 94—113.
9. Кулинич А.А. Модель поддержки принятия решений для образования коалиций в условиях неопределенности // Искусственный интеллект и принятие решений. — 2012. — № 2. — С. 95—106.
10. Рябов В.Б. Управление качеством трудовой жизни в организации c использованием когнитивных карт // Экспериментальная психология. — 2013. — Т. 6, № 3. — С. 110—121.
11. Соседов Г.А. Менеджмент качества системы образования // Наука и бизнес: пути развития. — 2013. — № 1 (19).
12. Канаева Е.И. Когнитивное моделирование риска нештатного падения отделяющейся части ракеты-носителя // Космонавтика и ракетостроение. — 2014. — № 3 (76). — С. 79—87.
13. Фадеев В.А. Формализация проблемы развития генерирующих мощностей в изолированном районе // Тр. Братского гос. ун-та. Сер.: Естественные и инженерные науки. — 2013. — Т. 1. — С. 61—64.
14. Башлыков АА. Принципы построения перспективных корпоративных информационных систем интеллектуальной поддержки принятия решений в управлении и бизнесе транспорта нефти // Автоматизация, телемеханизация и связь в нефтяной промышленности. — 2013. — № 8. — С. 9—19.
15. Авдонин Б.Н., Хрусталев Е.Ю., Хрусталев О.Е. Когнитивная методология структуризации знаний для изучения и применения финансово-экономических инноваций // Финансовая аналитика: проблемы и решения. — 2013. — № 35. — С. 2—13.
16. Papageorgiou E.I. A Review study on Fuzzy Cognitive Maps and their applications during the last decade // Proc. of IEEE Intern. Conf. of Fuzzy Systems (FUZZ IEEE). — 2011, 27—30 June. — Taipei, Taiwan. — P. 828—835.
17. Gruber Т.А Translation approach to portable ontology Specifications // Knowledge Acquisition. — 1993. — Vol. 5 (2). — P. 199—220.
18. Абрамова Н.А., Коврига С.В. О рисках, связанных с ошибками экспертов и аналитиков // Проблемы управления. — 2006. — № 6. — С. 60—67.
19. Абрамова Н.А., Коврига С.В. Некоторые критерии достоверности моделей на основе когнитивных карт // Проблемы управления. — 2008. — № 6. — С. 23—33.
20. Кулинич А.А. Верификация когнитивных карт на основе объяснения прогнозов // Управление большими системами. — 2010. — Вып. 30.1. — C. 453—469.
21. Поспелов Д.А. Ситуационное управление: теория и практика. — М.: Наука, 1986. — 288 с.
22. Поспелов Д.А., Осипов Г.С. Прикладная семиотика // Новости искусственного интеллекта. — 1999. — № 1. — С. 9—35.
23. Осипов Г.С. От ситуационного управления к прикладной семиотике // Там же. — 2002. — № 6. — С. 56—59.
24. Бирюков Б.В. Теория смысла Готлоба Фреге / В кн.: Применение логики в науке и технике. — М.: Изд-во АН СССР, 1960. — С. 502—555. — URL: http://www.rulit.me/ books/teoriya-smysla-gotloba-frege-read-262511-3.html (дата обращения 3.11.2015).
25. Peirce C.S. Questions Concerning Certain Faculties Claimed for Man // Journal of Speculative Philosophy. — 1868. — Vol. 2. — P. 103—114. — URL: http://www.peirce.org/writings/ p26.html (дата обращения: 9.04.2015).
26. Пирс Ч.С. Что такое знак? // Вестник Томского гос. ун-та. Философия. Социология. Политология. — 2009. — № 3 (7). — С. 88—95.
27. Мартынов В.В. Кибернетика. Семиотика. Лингвистика. — Минск: Изд-во БГУ, 1966. — 275 c.
28. Мартынов В.В. Основы семантического кодирования. Опыт представления и преобразования знаний. — Минск: ЕГУ, 2001. — 140 с.
29. Эрлих А.И. Прикладная семиотика и управление сложными объектами // Программные продукты и системы. — 1997. — № 3. — С. 2—6.
30. Аверкин А.Н., Головина Е.Ю. Нечеткая семиотическая система управления // Тр. междунар. конф. «Интеллектуальное управление: новые интеллектуальные технологии в задачах управления (ICIT'99)». Переславль-Залесский 6—9 дек. 1999 г. — М., 1999. — С. 141—145.
31. Еремеев А.П., Тихонов Д.А., Шутова П.В. Поддержка принятия решений в условиях неопределенности на основе немарковской модели // Изв. РАН: Теория систем и управления. — 2003. — № 5. — С. 75—88.
32. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. — М.: Эдиториал УРСС, 2002. — 352 с.
33. Gudwin R.R From semiotics to computational semiotics. In Proc. of the 9th International Congress of the German Society for Sem-iotic Studies / 7th International Congress of the International Association for Semiotic Studies (IASS/AIS). — Dresden, 1999.
34. Andersen P.B. A Theory of Computer Semiotics: Semiotic Approaches to Construction and Assessment of Computer Systems. — Cambridge: Cambridge University Press, 2006. — 460 p.
35. Соссюр Ф. де Курс общей лингвистики. Пер. с фр. — М.: Эдиториал УРСС, 2004. — 256 с.
36. Barron T.M., Chiang Roger H.L., Storey V.C. A semiotics framework for information systems classification and development // Decision Support Systems. — 1999. — N 25. — P. 1—17.
37. Goguen J. An Introduction to Algebraic Semiotics, with Applications to User Interface Design // Computation for Metaphor, Analogy and Agents, ed. by Ch. Nehaniv, Springer Lecture Notes in Artificial Intelligence. — 1999. — Vol. 1562. — P. 242—291.
38. Neumueller M. Hypertext Semiotics in the Commercialized Internet. Diplomarbeiten Agentur diplom. de (January 1, 2001). — P. 236. — URL http://sammelpunkt.philo.at:8080/23/2/ht_ semiotics.pdf (дата обращения: 17.09.2015).
39. Фестингер Л. Теория когнитивного диссонанса. — СПб.: Ювента, 1999. — 318 c.
40. Панов А.И. Исследование методов, разработка моделей и алгоритмов формирования элементов знаковой картины мира субъекта деятельности: Автореф. дисс. канд. физ.-мат. наук. — М.: ВЦ РАН, 2015. — 22 с. http:// vak2.ed.gov.ru/idcUploadAutoref/renderFile/193573 (дата обращения: 21.08.2015).
Статья представлена к публикации членом редколлегии
Д.А. Новиковым.
Кулинич Александр Алексеевич — канд. техн. наук,
ст. науч. сотрудник, Институт проблем управления
им. В.А. Трапезникова РАН, г. Москва,
