Управление знаниями - лекции в весеннем семестре 2012 года

Лекция 1 - 17 февраля 2012 г и т д

...


Лекция 1

17 февраля 2012 года

и

Лекция 2

24 февраля 2012 года

и

Лекция 3

2 марта 2012 года

и

Лекция 4

9 марта 2012 года


Определение курса.

Информатика и физматнауки. Общее и подобное.

Парадигмы информатики и их особенности.

Пример - парадигмы риторики.


KM не есть M of K

Но мы в курсе будем изучать как КМ (Knowledge Management) как определенную парадигму ИТ технологии, так и конкретно Knowledge – то есть знание.

Знание – очень сложный объект – поэтому нужна -

Определение знания.

Данные, информация и знания. Три фундаментальных класса объектов.

Методика (технология) построения понятия знания - через общие места, логическим рассуждением и применяя (насколько возможно при этом) риторические изобретения (то есть не тупое рассуждение – а определенную научную сноровку).

Но начнем с «технического» определения знания – а позже покажем его ограниченность.

С точки зрения информатики З – это –

1. Определенным образом организованная информация (позже мы изучим фреймы, семантические сети, онтологии и т. п.).
2. Процедуры ее обработки (это так называемый когнитивный процессор – иногда он называется иначе – не сложившаяся терминология – тоже проблема этой науки).

Начнем теперь научное определение знания.

В предыдущем курсе мы изучили три мощные парадигмы обработки знаков - семиотика (наука о знаках), теория обращения с готовыми знаковыми произведениями (ЗП) - текстами (часть общей филологии) и риторику - науку о способах эффективного построения знаковых произведений.

Мы применили эти три парадигмы (методики) для построения теории документа.

Примеры применения этих парадигм можно найти на этом сайте по ссылке "Уроки ГОСа и другое"

Стоит также посмотреть ссылки и содержание курсов за предыдущие годы

Для того, чтобы начать, нужно уточнить или определить некоторые понятия



Предварительные определения. Мы уже говорили в прошлом семестре об особенностях определений в информатике и смежных науках. Их отличие от математических и физических определений (в парадигме отличий подходов в науках «атомного» и «информационного» проектов).


Нам нужно немного расширить наши собственные знания прежде чем браться за определение З.
Нам будут необходимынекоторые предварительные сведения и определения.


1. Некоторые необходимые определения.

Понятие объекта. Ведь знание – это тоже объект – но очень сложный. Существует множество определений. Это понятие первично – как понятие множества. Мы примем самое простое.

Объект – это

1. То, с чем мы имеем дело. Объект может принадлежать любому их трех миров (фундаментальных классов объектов) – то есть быть материальным, мысленным (идеальным) и знаковым.

И еще про объект.

Рассматривая объект мы неизбежно учитываем -

1. Сам объект

2. Его качества (свойства)

и

3. Его связи с другими объектами. Связь – двустороннее отношение между двумя объектами.

Какой же объект знание? -

-----------

Также мы часто будем сталкиваться с понятием

Системный подход. Покажем зачем он нам нужен.

Если (пока) очень кратко – то это когда мы какой-либо изучаемый объект изучаем не изолированно, а как часть системы.

Что такое система.

Пока достаточно упрощенно – система это – когда сумма объектов приобретает свойства, не присущие ни одному из суммируемых объектов.

Итак – система – это -

1. Объекты
2. Связи между ними
3. Доминанта

Рассматривая объекты не как сумму, а как целое и новое качество (систему), которое в основном (но не только) реализуется через доминанту, мы можем получить новые результаты и скорректировать старые.

Тривиальный пример. Стул – это совокупность частей (скажем – деревянных), реализующих доминанту – чтобы можно было на нем сидеть.
В другом варианте – как куча деревянных составных частей – это уже не стул и не система.

Зачем нужен системный подход (СП)?

Часто без СП мы не сможем понять – зачем нужна отдельная часть. Пример – кукушка.

Другой – не менее тривиальный пример – коррумпированные чиновники. Хотелось бы, чтобы они свято и скрупулезно выполняли законы?

Рассмотрим систему – законы-чиновники-общество.

Рассмотрим чиновников отдельно. Казалось бы ясно – чем менее коррумпированы чиновники – тем лучше. Это если смотреть на этот объект по отдельности.
А если как часть системы? Допустим – законы несовершенны. Хорошо ли тогда некоррумпированное чиновничество? – Оно будет делать еще хуже …

Сама система может менять свою часть. Клетки желудка больного диабетом человека становятся здоровыми вне его организма.

Частью каких систем является знание? Представляет ли знание сложную систему?



Переходим к определению знания.


Понятие знания (К или З кратко в тексте). Знание как объект изучения.

Знание – один из сложнейших объектов, с которым приходится иметь дело человеку. Существует много его определений. Поэтому лучше определять его поэтапно, с разных сторон.

Будем применять риторическую парадигму (рекурсивно) порождения знания о незнакомом объекте. Определять будем через общие места (Loci communes – LC – по-латински), применяя, по возможности риторическое изобретение (РИ). РИ можно применять в любой части парадигмы. Даже в подборе общих мест.

Поэтому прежде спросим себя – ГДЕ находится З? –это самое общее место, которое надо раскрыть. - LC0. Подробнее – ниже. Но – если просто – в голове человека. То есть – если пользоваться парадигмой трех миров (или парадигмой трех фундаментальных классов объектов – материальных, ментальных и знаковых) – то знание принадлежит к ментальному фундаментальному классу объектов. И наша задача – изучить насколько возможно что это такое, чтобы перенести его в кибернетическую систему (КС) – чтобы оно заработало там.

Итак идем далее.

LC1. Есть ли ч-л подобное, близкое З?
Есть – это данные и информация.
Можно начать с такого различения - чем отличается понятие «знание» (З) от подобных ему – понятий – информация (I), данные (D)? Какие существуют способы различить их?

LC2. Какие науки изучают З?

Затем рассмотрим науки, изучающие З – гносеология, эпистемология, онтология и вообще – теория познания (см. подробнее в след лекциях).

Было LC0. Где находится З?

Но это есть –

Локализация З. – об этом мы говорили выше.

Теперь.

Данные – Информация – Знание и концепция трех миров.

Диалектика соотношения.

Данные – Информация – Знание – термины и слова общеупотребительной лексики. Культура рассуждения о них и причины употребления одного слова (термина) вместо другого.

Предметная, мыслительная и знаковая деятельность.

LC4. Родовой признак знания – знание порождает новое знание.

LC5. Практические способы различения знаний и информации:

Пример 1. Извечная парадигма «Ученик – учитель».

Учитель дает прочитать классу неск. страниц учебника. На след. уроке (если он следует противопоставлению, что он учит думать – т.е. работать со знанием, а не запоминать) он задает вопросы, заставляющие ученика не воспроизводить отрывки прочитанного (зазубрил), а получать новое знание, для ответа на вопрос. То есть проверяется – совершилось ли до конца еще не разгаданное таинство – превратилась ли прочитанная информация в знание. Что и делают учителя уже тысячи лет.

Пример 2. Различия БД – БЗ на примере –

Запись 1 - Иванов учится в 225 группе
Запись 2 - Петров и Иванов учатся в одной группе

Запрос (Q) – В какой группе учится Петров?
Если ответ есть – Петров – то это БЗ – иначе – БД.



Итак зачем нам учение об объектах и системный анализ?
– Знание (З) – сложный объект со своими свойствами и связями.

А системный анализ нам поможет тем, что З будет частью сложной кибернетической системы (КС), основанной на З, да и само З, будучи частью КС, тоже представляет собой сложную систему.


Три мира – три фундаментальных класса объектов –

R - reality – материальный мир
М – ментальный или идеальный мир
S – мир знаков

Адекватность восприятия материального мира. Феномен UmWelt – аберрации осязания (шарик), зрения (солнце), ощущения тела (новейшие опыты).
Экстремистские учения – тот мир что мы ощущаем (и то не адекватно – а как UmWelt!)– как минимум – не единственный. Карлос Кастанеда – Separate Reality. Фредди Меркьюри – To escape from Reality :)


...

...

Лекция 5 и 6

16 и 23 марта 2012 г

Повторение

Теория общих мест (Loci Communes – LC) как когнитивная технология (КТ)

Три типа LC

1. Как к темы
2. Как неоспоримые (в данном социуме) К константы.
3. Как составные части собранного объекта (системы)

Модели изобретения по всем этим трем типам

Теория общих мест как КТ – пример – песни.

Теория общих мест как КТ – пример – см выше построение нашего знания о незнакомом объекте Знании – общие места LC0, LC1 и т д

Куб Эшера -

Когнитивные технологии для познания в областях II и III


Теория систем как когнитивная технология (КТ)

Еще раз - система –

1. Множество объектов
2. Связи между ними
3. Доминанта

Релевантные и нерелевантные свойства объектов и системы.
Горький о Сталине – железная воля.
Лидеры России с точки зрения системности и доминанты.

Понятия эмерджентности, доминанты

Примеры

Стоунхендж, трудовые квантовые состояния человека.

Жанры худ. фото – фэшн, ню, гламур. Интерпретация их! – Семиотическая дуга.

Релевантные и нерелевантные свойства. Примеры
Вопросы к В. Вульфу – что лучше и можно ли вместе – хороший артист или хороший человек. – ВВ: – если замуж – то хороший человек, а если в спектакль – то чтобы был хороший артист.

И главное общее место эпистемологии – LCX! – Составные части знания.

KB – база знаний и KP – когнитивный процессор

Лучше всего это показать на примере языка ПРОЛОГ

Простейшая процедура работы с Прологом

Пролог – программа –

Закодированный предикат – «отец»

Dad (tom,pete)
Запрос – Dad (X,pete) Ответ – X = pete
Составные части Пролога - KB – база знаний (декларируется пользователем) и KP – когнитивный процессор – составная часть Пролога.

Но в этом примере мы только вызвали нужную нам информацию. А как генерируется НОВОЕ – то есть ЗНАНИЕ?
Вот пример. Сложные конструкции –

DED (X,Y) :- DAD (X,Z), DAD (Z,Y).

Тогда запрос DED (X,Pete) – даст НОВОЕ знание!

Как это делается? – Через прологовский когнитивный процессор.
…

Обсуждение.
Природа KP и KB – Нек предметы мы учим не столько для того, чтобы пополнить базу знаний (KB) – а для того чтобы усовершенствовать когнитивный процессор (KP)


Эмерджентность – сравнение граждан США и РФ? НАТО – более агрессивно как целое чем ее отд члены (Рагозин)

А теперь - формула Брукса-Рыкова. В теории обработки знаний в кибер. системе есть формула Брукса-Рыкова (далее – ФБР) - простейший случай -

K(S) + I := K(S1)

K и К1 - когнитивный процессор до и после транзакции
I – новая информация или запрос
S и S1 – база знаний до и после транзакции

Разбор других вариантов –

K(S) + I := K1(S1)

K(S) + I1 + I2 := K1(S1)

И т д

1. Интерпретация, как семиотическая технология.
2. Формула БР как КТ.


…


Феномен сознания. Аналитическая философия.

Передовые когнитивные технологии

Проблема Knowledge Gap и Collaborative Work


Характерными особенностями современной инновационной деятельности является то, что -

1. В ней участвуют специалисты в различных областях знаний. Становится все труднее координировать и эффективно интегрировать их деятельность. Специалисты зачастую не понимают друг друга.
2. Объемы необходимой для эффективной работы в проекте информации возрастает быстрее, чем человек и даже информационные системы способны их обрабатывать.
3. Существующие методы обработки быстро возрастающих объемов информации дают во многих отношениях недостаточные, неадекватные или непонятные широкому кругу специалистов результаты. Это касается и описания полученных при работе над проектом результатов .


Эти обстоятельства заставляют строить специальные методологии эффективной интеграции такой деятельности. Эти методологии, как указывается в работе Succeeding Through Service Innovation. White Paper., называются сервисными системами (service systems - SS) или их частью и являются объектами изучения новой науки – Service Science, Management and Engineering (SSME). Сервисная система или просто сервис (SS) – это динамическая конфигурация (выделим это особо):

1. Людей,
2. Технологий,
3. Их организации и
4. Общей для них информации.


Традиционные технологии и куб Эшера


Как это решать?

Начнем с азов

Предмет философии

Философия науки и философия искусства

Свойство науки – прогностика. Семиотическая деятельность. Пимер прогностики – мог ли к-л предсказать массовое появление татуировок и колец в носу и пупках в 2000-е гг?

Конкретные передовые когнитивные технологии

Эффект UML-crazy – ЗС, которые понимают только посвященные.

Вызовы информационного общества и искусство.

Современное состояние информационного общества характерно тем что:

1. Все более быстрые технологические изменения требуют и вызывают адекватную реакцию со стороны как отдельного человека, так и всего общества.
2. Резко возрастающие объемы информации требуют адекватной их интерпретации.
3. Скорость обоих этих процессов возрастает и это напоминает фазовый переход второго рода (С. П. Капица).
4. Отдельным людям и обществу в целом будет все труднее справляться с этими вызовами и требованиями.
5. Рано или поздно настанет момент, когда уже невозможно будет справляться с этими проблемами старыми методами.
6. Новые методологии освоения новых реалий должны опираться на традицию, но развивать ее и эффективно применять в новых предметных областях.
7. Одной из таких методологий более эффективного освоения новых технологий и возрастающих объемов информации является искусство.
8. Построенные на базе искусства методологии позволят решить поставленные задачи, создав и развив новые технологии понимания, освоения, использования и развития новых реалий.

Развитие исследований о связи искусства и жизни в рамках различных методологий неизбежно приводит к выводу об общности процессов, протекающих в сложных системах самой различной природы. Это позволяет глубже понимать эти процессы, адекватно их воспринимать и эффективно использовать.

Должны быть ЗС, понятные всем а не UML crazy!

Знаки будущего.

Кока кола в горном ручье. Купанье в бассейне рядом с морем.

Существующие прототипы (знаки будущего) технологий (СС) знаковой интеграции СД

Введение в описания

Несмотря на сложность проблемы, уже есть частичные ее решения. Назовем их прототипами сервисных систем (ПСС). Они достаточно эффективно решают описанные выше проблемы знакового взаимодействия людей в СД. Чаще всего в условиях известных ограничений, иногда - частично. Но они демонстрируют главное – правильность выдвинутых теоретических построений.

Некоторые из описываемых здесь прототипов систем, так или иначе осуществляющих знаковую интеграцию СД на приемлемом и действующем уровне, были описаны выше. Здесь они приводятся в кратком, но зато конкретном изложении. Некоторые приводятся впервые. Эти описания сведены вместе для того, чтобы читатель мог себе представить существующее состояние проблемы в максимальной полноте. Они приведены по возможности в иерархической последовательности важности их реализации.

Более подробно с ними можно ознакомиться в соответствующей литературе. Она указана. Что может быть скучнее, чем уже существующее решение? – Что может быть интереснее, чем поиск решения?

Несмотря на то, что эти решения очень разные, пришлось их несколько (достаточно условно) различить даже по общим названиям, чтобы подчеркнуть их существенные для данной проблемы особенности.

Следует отметить, что словесное описание, будучи универсальным, не всегда дает полное представление о каждой СС. Поэтому приходится давать конспективные, реферативные описания, так как реально этот прототип СС воплощается конкретной обстановке ее практического функционирования.

Динамическая система правил

Эта система, как уже говорилось выше, реализуется в каждом конкретном случае, приведенном ниже. Без системы правил, невозможно было бы реализовать сложные СС.

Метасистемные переходы

Эти переходы, описанные А. Турчиным, упоминались выше. В приведенных примерах видно, как реализуются метасистемные переходы в каждой СС.

Введение в проблему. Рассказ – не покупай подержанный автомобиль в двух формах

Визуальное мышление

Автор демонстрирует возможности этой технологии на учебном примере фирмы, выпускающей программное обеспечение для бухгалтеров. Для повышения своей доли в рынке и анализа конкурентов, нужно последовательно отвечать на 6W вопросов (общих мест) – таких как. – Кто есть покупатель вашей продукции? – Сколько наших продуктов покупают? Где наш основной бизнес? Когда следует действовать? При этом сразу по определенным правилам происходит визуализация ответов. В результате происходит когнитивный кумулятивный эффект – проблема становится более ясной, наглядной и приемлемой для принятия оптимизирующих решений. – то есть ответить на вопрос. – Как нам улучшить свой бизнес?

Визуализация СД через POST технологию

Неподготовленные пользователи сразу начинали выражать в графической форме свои соображения, только увидев такую картинку. Например, ту, что приведена ниже. Если она требует объяснений, то она не соответствует своему предназначению!


Очень просто такой рисунок (а это уже POST нотация, понятная ЛЮБОМУ!) представить по такому описанию на примере бизнес процесса (!) заварки чая. Слева – два прямоугольника – чашка с кипятком и пакетик чая. Эллипс – превращение (собственно заварка). Справа – один прямоугольник – готовый чай.


Для наглядности здесь может быть дана схема в IPO - input-process-output (это синоним POST нотации)нотации простейшей бизнес операции по отгрузке товара.


На рисунке это выглядит так – в середине эллипс, в котором происходит преобразование (ядро процесса). В верхней половине эллипса – написано Грузчик. В нижней Отгрузка товара. Слева – прямоугольники – Молоко на складе, Разрешение на отгрузку. Справа прямоугольники – Молоко в фуре клиента и Накладная, т. е. счет фактура.

Подробнее – см. описание в соответствующей лабораторной.

Самое главное, что эта технология не требует практически предварительной подготовки для ее понимания. Она не UML-crazy. Любой неподготовленный участник СС сразу понимает ее смысл, может включиться в ее обсуждение, интегрируя тем самым свои знания в свою СС.


ILOG нотация – ЗС, интегрирующая в СС программистов и аналитиков

Эта нотация дает возможность (бизнес) правила превратить формальную запись, понятную как программисту, реализующему программную часть к-л ИС, так и аналитику, знающему ее бизнес логику, тем самым облегчая понимание, повышая эффективность СД.

Например –

IF <rule> then <action1> else <action2>

Понимание такой нотации (что очень важно) не требует сложной и специальной подготовки. Интерпретация и реализация этих правил выполняется на Rule Execution Server for J2EE.

Обучение бизнес технологиям через ЗС искусства

Это уже обсуждалось выше. Простейший этому пример – картинки в инструкциях, заменяющие многие слова, а главное – облегчающие коммуникацию (то есть повышающие скорость восприятия информации) и делающие ее приятной.

Более сложный пример – обучение типа бизнес консалтинг через подражание (и даже более сложные его формы) с помощью пьес Шекспира.

Формула Брукса-Рыкова

Экспертные системы

Разбор видов ЭС

Схема ЭС

Инженерия знаний

Важный блок - объяснений

Примеры - Каспаров против ИБМ, задача о родственниках


Когнитивные науки

Природа знания

Примеры

Надежность ощущений - пальцы на теннисном шарике. Феномен Umwelt.

Задача о эл цепи, аккумулятор в танке.

Науки о З

Гносеология - наука о познаниии

Куб Эшера - три области познания

Эпистемология - наука о природе З



…

...

Лекции 7 и 8

31 марта и 7 апреля 2012 г

А теперь вспомним Пролог.

Тогда – предикаты – это элементы КВ – а механизм, порождающий новое З – предикат (3) – это «машина вывода» или когнитивный процессор (КР). Как видно – они часто вместе.
В Прологе ЛЗ входит в компилятор.

Различение КВ и КР фундаментально, но не всегда выражено явно в КС. Например – нейросети. В ОЗ есть слово «понимание». Это обработка того, что ты узнал – полученного фрагмента КВ. Часто в разговоре говорят – ты понял – это значит – ты обработал, превратил в З ту КВ, что тебе была сказана?

Теперь мы знаем что –

Знание – это база знаний (КВ) и когнитивный процессор (КР)

Последовательность описания знаний

Описание и кодирование
Это к вопросу о когнитивных структурах, составляющих Базу Знаний (КР).

Мы идем при описании З таким путем –


- понятия
- суждения (простейшеие предикаты)
- силлогизмы (логические выводы )

Теперь –

Простейшие когнитивные структуры для описания знаний

- предикаты (логика со времен Аристотеля, язык Пролог, ЛИСП)
- фреймы (Марвин Минский – 60-е гг)
- семантические сети (Джон Сова – 90-е гг.)

Понятие предметной области (ПО - knowledge domain – domain)

Определение ПО

ПО или domain это -

1. Объекты (относящиеся к данной ПО)
2. Их свойства (релевантные данной ПО)
3. Их взаимосвязи

Примеры –

- ПО программы GEOBASE
- ПО простейших видов деятельности (заварка чая, колка дров)
- ПО более сложных видов деятельности - индустриального строительства

Какие материальные, ментальные, знаковые

...
Какие материальные, ментальные, знаковые объекты входят в эту ПО


Локальные системы обработки знаний.

Мы их изучали на примере экспертных систем – ЭС.

ЭС – это программа, заменяющая пользователю эксперта (его знания) в определенной ПО. Значит, ЭС содержит некоторую сумму знаний о ПО. Но, для того, чтобы их обработать, нужен КР. Все это управляется оболочкой (shell), отвечающей также и за диалог с «юзером» и за другое, что будем изучать позже.

Пока же мы отметим относительность этого определения. Для многих юзеров век назад калькулятор был бы ЭС.
Поэтому различают ЭС 1-го и 2-го рода.

ЭС 1-го рода – это по сути эл. справочник. В диалоге с пользователем ЭС выясняет какая часть справочника ему нужна и выдает ему под видом знания.

Только ЭС 2-го рода могут порождать новые знания в ответ на запрос пользователя. Они устроены гораздо сложнее.

Это не умаляет пользы и значимости ЭС 1-го рода.

Динамические и статические ЭС


Построение и функционирование ЭС

Первый шаг – определение и построение ПО, так как ЭС именно заменяет знания эксперта в определенной ПО.

Какие знания представляет пользователю ЭС – как научные (НЗ), так и обыденные (ОЗ). Действительно, про ЭС, диагностирующую неисправности автомобилей, трудно сказать, что она дает пользователю научные знания.

Типовая схема ЭС.

ЭС содержит следующие компоненты –

КВ – база знаний
И
КР – когнитивный процессор или машина вывода
Являются ее основными частями.

Этими двумя компонентами, являющимися ядром ЭС управляет управляющая программа, осуществляющая также связь этих двух главных компонент с другими блоками.
В числе этих (в общем-то вторичных) компонент следует назвать интерфейс с пользователем.

Есть еще другой интерфейс – у ЭС, отвечающий за наполнение ее базы знаний (КВ). С этим интерфейсом работают как минимум два человека – эксперт (носитель знаний, которые будет представлять для пользователя эта ЭС) и инженер знаний, который эти знания выявляет и кодирует.

Здесь мы впервые встречаемся с термином инженерия знаний, введенным Фейгенбаумом в 70-е годы ХХ века.
Способов выявления и кодирования З много и о них мы уже начали говорить и будем говорить ниже.

Можно заметить, что ЭС Мицар, которая есть лабораторная работа может рассматриваться как структурированное интервью эксперта при помощи самой ЭС.

Блок объяснений – очень важная и обязательная, но незаметная компонента ЭС.

Действительно, чем сложнее знания и ПО, тем ответственнее ответ ЭС. Не всегда он очевиден и сама ЭС может ошибаться или неправильно понять вопрос пользователя.

Поэтому пользователь через блок объяснений вправе затребовать протокол рассуждений ЭС. Который привел к данному решению.

ЭС Мицар – см. на сайте и в курсе лекций.

Функциональная классификация ЭС

см. в курсе лекций.





ЭС – определение, структура, классификация


см. в курсе лекций.

Концептуализация - это процесс формирования знания, исходя из известной предметной области

Язык описания знаний KNOW

см. в курсе лекций.

...



Когда мы говорим КС - кибернетическая система - то подразумеваем неживую кибернетическую систему - например - компьютер. Хотя, строго говоря, человек - это тоже КС.


Итак – мы продолжаем изучать и развивать следующие тезисы –

1. Знание расположено в нашем сознании и мы пытаемся поместить его в КС.
2. Обмен знаниями и генерация новых знаний требуют определенной степени доверия и специальной программной поддержки.
3. Новые технологии развивают новые виды когнитивного поведения и новые когнитивные механизмы, работающие в КС.
4. Обмен знаниями и генерация новых знаний должны быть стимулированы и вознаграждены различными способами.
5. Необходима и важна поддержка этого процесса в форме специальных когнитивных процедур управления, программных и аппаратных ресурсов
6. Знание, генерация новых знаний, разработка процедур генерации новых знаний есть творчество и должно быть поддержано и стимулировано к развитию даже самыми неожиданными способами.

Ниже будут описаны модели, которые различным образом реализуют эти тезисы.

Темы последних лекций

1. Извлечение знаний из знаковых произведений (текста)

2. Локальные когнитивные системы.

Модель 1 - локальная -

Экспертная система.

На ее примере мы отработали и изучили функционирование основных элементов когнитивной системы -

КР - когнитивный процессор

и

КВ - базу знаний

Go Global!

Глобальные КС

Сначала – определение – как мы уточняем определение З в глобальной модели.


Что здесь будет -

КР - когнитивный процессор

и что

КВ - база знаний?

Прототип КР - агент. Подробнее о нем позже.

Прототип КВ - это онтологии

Эти два компонента формируют саму основу любой глобальной системы обработки знаний (ГСЗ)

Итак -

В глобальной модели когнитивный процессор - это агент.

В глобальной модели знания – это онтология.

Как и почему к этому пришли?

Определения

Онтология – это точная спецификация концептуализации предметной области, позволяющая формировать модель знаний специалиста с помощью множества понятий и отношений, описывающих эту предметную область, а также правил и аксиом, определяющих их интерпретацию.

Подробнее см на сайте

http://dp-beg.narod.ru/stat3.html

Go Global – 1.

Semantic Web - первая глобальная распределенная когнитивеая модель.

Ее особенности и проблемы, которые пришлось решить при ее реализации.


Go Global – 2.


Web 2.0

Когнитивная социальная сеть.

Ее структура и проблемы, которые пришлось решить при ее реализации.

Go Global – 3.

BI - Business Intelligence

Бизнес моделирование

Локальный и глобальный варианты.


Структура этой модели и проблемы, которые пришлось решить при ее реализации.

-----

Эти модели пытаются решить основную проблему -

Проблема понимания знакового произведения (текста) кибернетичекой системой (КС) и донесения этого понимания пользователю.


Процесс понимания можно рассматривать по-разному

Мы здесь, исходя из ранее изученного материала будем его рассматривать как последовательность трех этапов (хотя это деление может быть сделано – возможно – и по другим критериям)

1. Слабый критерий понимания. Переход от знака к денотату – то есть это означает только то, о чем говорится в тексте. – Иными словами – результатом понимания будет денотатная структура, отражающая то, о чем говорится в тексте. После этого можно ответить на вопросы, ответы на которые явно сформулированы в тексте. На этом принципе работают современные «искалки» в Web 1.0. Они «выдают» только релевантные (относящиеся по их «мнению» к теме запроса) куски текста (сайта)

2. Сильный критерий понимания. Это то, что проверяют учителя после того как зададут классу читать учебник «от сих до сих». Нужно уметь ответить на вопросы, явно не сформулированные в тексте. То есть – снова - используя известный пример – если в тексте содержатся предложения – «Петров учится в МФТИ» и «Иванов и Петров учатся вместе», то считается что КС поняла этот текст в сильном смысле этого слова, если она способна ответить на вопрос – «Где учится Иванов?». Ответ на такой вопрос требует преобразования денотатной структуры текста в КВ – то есть в когнитивную базу знаний, после чего КР (когнитивный процессор), обращаясь к КВ, может генерировать свои ответы. Что-то похожее на работу с программой на Прологе- и не «что-то» - а на самом деле так.

Но! – Выдавая ответ о том где учился Иванов – КС все равно не понимает – ни что такое «учиться» ни кто такой Иванов и т п. А это бывает и не важно пользователю – как возможно и в первом случае.

3. Онтологический критерий понимания. Это когда КС понимает смысл денотатов – т е может их разъяснить. Этот критерий впервые был сформулирован в концепции Semantic Web – см ниже – модель 2. Для этого надо строить ОНТОЛОГИЮ соответствующих понятий. Подробнее об этом – в разделе про онтологии и Semantic Web.


Сейчас мы разберем подробнее слабый критерий. Сильный критерий (построение КБ и КР, их работа на примере ЭС) мы обсуждали раньше.

Основные проблемы

1. Проблемы перехода по связи «знак-денотат». Здесь переход прежде всего (это не все проблемы) не одно-однозначен в ту и другую сторону.

Самые частотные случаи –

- Полисемия – один знак- два и более денотата. Например – русское слово «решить» имеет два денотата – решить что-то делать и решить задачу. Кстати – на английский это переводится соответственно разными словами – “decision” и “solution”. Ясно, что это затрудняет переход к нужному денотату. Требуются специальные методы.
- Синонимия – наоборот – много знаков – один денотат. И попробуй понять, что денотат один, если в тексте употребляются слова «ПК», «компьютер», «ЭВМ».

2. Варьирование связи «знак-денотат».

Разберем три случая.

Метафора. Перенос значения (буквальный перевод с др. греческого). «Он получил хорошую оценку и вылетел из класса». Понятно, что он не вылетел – но как тогда установить денотат?

Метонимия. «Белый дом угрожает – Кремль молчит». Другая вариация (сдвиг) связи.

Анафора. – «Он ей это сказал» - для того, чтобы «выйти» на денотаты, на которые указывают «он», «ей», и «это», нужно обратиться к предыдущему тексту и найти сами первичные знаки, указывающие на денотаты, а это уже отдельная работа – “Anaphora resolution”.

К счастью, такие явления не часты в нехудожественных текстах и особенно на Web сайтах. И это не все проблемы, но важно знать их характер и свойства.


Более подробно о понимании см. на сайте ниже. Здесь мы обозначили только структуру и характер проблемы понимания в расчете на то, что это пригодится нам впоследствии.

...