Гуманитарные технологии Аналитический портал • ISSN 2310-1792

Философия техники: история и современность. Часть II. Междисциплинарные аспекты философии техники. Глава 1. Эпистемологический контекст компьютерной революции

  1. Искусственный интеллект и понятие знания
  2. Технологический подход к знанию
  3. Проблема истинности знания
  4. Представление и приобретение знаний: философско-эпистемологический контекст
  5. Метатехнологические вопросы о знании

Прогресс в сфере компьютерной техники, все более широкое её использование в различных областях, формирование новых научных дисциплин, связанных с автоматизированной переработкой информации, способствуют осознанию новых вопросов, касающихся человеческого знания, роли знания в жизни общества, видов знания и способов его существования, — словом, вопросов, касающихся того, что может быть названо эпистемологическим контекстом компьютерной революции.

Человеческое познание, мышление, знание, разум в течение многих веков были предметом философского исследования. С появлением кибернетики, компьютеров и компьютерных систем, которые стали называть интеллектуальными системами (ИС), с развитием такого направления, как искусственный интеллект (ИИ), мышление, интеллект, а затем и знание стали предметом интереса математических и инженерно-технических дисциплин. Это побудило людей по-новому взглянуть на ряд традиционных теоретико-познавательных проблем, наметить новые пути их исследования, обратить внимание на многие, остававшиеся ранее в тени аспекты познавательной деятельности, механизмов и результатов познания.

В ходе бурных дебатов 1960–1970-х годов на тему «Может ли машина мыслить?» были, по существу, представлены различные варианты ответа на вопрос о том, кто может быть субъектом познания: только ли человек (и, в ограниченном смысле, животные) или же машина может считаться субъектом мыслящим, обладающим интеллектом и, следовательно, познающим. Сторонники последнего варианта пытались сформулировать такое определение мышления, которое позволяло бы говорить о наличии мышления у машины, например мышление определялось как решение задач) 1 (Нужно отметить, однако, что и способность компьютерной системы к принятию каких-либо решений также может быть поставлена (и ставится) под сомнение). Оппоненты сторонников «компьютерного мышления», напротив, стремились выявить такие характеристики мыслительной деятельности человека, которые никак не могут быть приписаны компьютеру и отсутствие которых не позволяет говорить о мышлении в полном смысле этого слова. К числу таких характеристик относили, например, способность к творчеству, эмоциональность 2. Характеризуя значение аналогий между человеческим мышлением и компьютерной переработкой информации, английская исследовательница М. Боден пишет: «В той степени, в какой аналогия с компьютером может служить общим человеческим интересам более глубокого познания разума, осторожное использование «психологической» терминологии в отношении определённого типа машин должно скорее поощряться, чем запрещаться… аналогии дают возможность не только обозначить сходные черты между сравниваемыми объектами, но ведут к обнаружению действительно важных сходств и различий» 3.

Компьютерное моделирование мышления дало мощный толчок исследованиям механизмов познавательной деятельности в рамках такого направления, как когнитивная психология. Здесь утвердилась «компьютерная метафора», ориентирующая на изучение познавательной деятельности человека по аналогии с переработкой информации на компьютере. Исследуя устройство человеческой памяти, например, стали различать, по аналогии с компьютерной системой, долгосрочную и оперативную (кратковременную) память 4. Вообще на этом пути были получены ценные результаты, обогатившие наши представления о человеческом мышлении и механизмах его функционирования.

Компьютерное моделирование мышления, использование методов математических и технических наук в его исследовании породило в период «кибернетического бума» надежды на создание в скором будущем строгих теорий мышления, столь полно описывающих данный предмет, что это сделает излишними всякие философские спекуляции по его поводу. Надеждам такого рода, однако же, не суждено было сбыться, и сегодня мышление, будучи предметом изучения ряда частных наук (психологии, логики, искусственного интеллекта, когнитивной лингвистики), остаётся также притягательным объектом философских рассмотрений.

В последние два десятилетия в компьютерных науках заметное внимание стало уделяться такому традиционно входившему в сферу философии предмету, как знание. Слово «знание» стало использоваться в названиях направлений и составляющих компьютерных систем, а также самих систем (системы, основанные на знаниях; базы знаний и банки знаний; представление, приобретение и использование знаний, инженерия знаний). Тема «компьютер и знание» стала предметом обсуждения и в значительно более широком контексте, где на первый план вышли её философско-эпистемологические, социальные и политико-технологические аспекты.

1. Искусственный интеллект и понятие знания

Что касается такой области, как ИИ, то не будет преувеличением сказать, что в 1980-е годы понятие знания потеснило понятия мышления и интеллекта, традиционно занимавшие почётное место в рефлексии профессионалов ИИ над своей деятельностью. Теория искусственного интеллекта стала иногда характеризоваться как «наука о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать для решения задач» 5, а история искусственного интеллекта, исключая её ранние этапы, — как история исследований методов представления знаний 6.

Расширение сферы применения ИС, переход от «мира кубиков» к таким более сложным областям, как медицина, геология и химия, потребовал интенсивных усилий по формализации соответствующих знаний. Разработчики ИС столкнулись с необходимостью выявить, упорядочить разнообразные данные, сведения эмпирического характера, теоретические положения и эвристические соображения из соответствующей области науки или иной профессиональной деятельности и задать способы их обработки с помощью компьютера таким образом, чтобы система могла успешно использоваться в решении задач, для которых она предназначается (поиск информации, постановка диагноза и так далее). Это привело к изменениям в характере данных, находящихся в памяти компьютерной системы, — они стали усложняться, появились структурированные данные — списки, документы, семантические сети, фреймы. Для элементарной обработки данных, их поиска, записи в отведённое место и ряда других операций стали использоваться специальные вспомогательные программы. Процедуры, связанные с обработкой данных, усложнялись, становились самодовлеющими. Появился такой компонент интеллектуальной системы, как база знаний 7.

Термин «знания» приобрёл в ИИ специфический смысл, который Д. А. Поспелов характеризует следующим образом. Под знаниями понимается форма представления информации в ЭВМ, которой присущи такие особенности, как:

  1. Внутренняя интерпретируемость (когда каждая информационная единица должна иметь уникальное имя, по которому система находит её, а также отвечает на запросы, в которых это имя упомянуто).
  2. Структурированность (включённость одних информационных единиц в состав других).
  3. Связность (возможность задания временных, каузальных, пространственных или иного рода отношений).
  4. Семантическая метрика (возможность задания отношений, характеризующих ситуационную близость).
  5. Активность (выполнение программ инициируется текущим состоянием информационной базы).

Именно эти характеристики отличают знания в ИС от данных — «определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний 8.

Пользуясь терминологией Л. Витгенштейна, можно сказать, что это понимание знаний как формы представления информации «работает» в рамках особой, характерной для ИИ, языковой игры. В ходе этой языковой игры могут появляться формулировки, способные вызвать недоумение эпистемолога, пытающегося оценить их с точки зрения привычных философских интерпретаций знания. К такого рода формулировкам относятся ставшее «общим местом» утверждение, что данные не являются знаниями, а также предложения использовать в качестве знаний тот или иной язык или выражения типа «под знаниями будем понимать такого-то вида формулы».

Вместе с тем только что приведённая характеристика знаний в ИС не является совершенно изолированной от того, что мы обычно понимаем под знанием. Такие черты, как внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность, присущи любым более или менее крупным блокам человеческих знаний и в этом смысле знания в компьютерной системе можно рассматривать как модель или образ (в широком понимании данного слова) того или иного фрагмента человеческого знания.

Однако связь знаний в специфическом для ИИ смысле со знанием в более привычном, «обычном», смысле не ограничивается лишь сходством некоторых структурных характеристик. Ведь значительная часть информации, представляемой в базе знаний ИС, есть не что иное, как знания, накопленные в той области, где должна применяться данная система. Исследование этого знания (зафиксированного в соответствующих текстах или существующего как незафиксированное в тексте и даже неартикулированное знание индивида-эксперта) под углом зрения задач построения ИС и определяет технологический подход ИИ к знанию как таковому.

2. Технологический подход к знанию

Л. Н. Голубева в работе «Технологическое отношение к знанию: методологический аспект» (Рыбинск, 1993) вводит термин «технологическое отношение к знанию» для обозначения деятельности инженера знаний. Функции инженера знаний (в ходе проектирования экспертных систем) понимаются следующим образом:

  1. Извлечение знаний из социума в ходе неформальных интервью с экспертом и анализа специальной литературы.
  2. Представление знаний — кодирование знаний с помощью специалистов-экспертов и создание машинной модели «порождения» знаний, к примеру дедуктивной машины вывода.
  3. Создание «сверхбыстрого прототипа» экспертной системы и её последующих версий.
  4. Контроль над модификациями базы знаний — компонента экспертной системы в ходе эксплуатации 9.

Таким образом понимаемое «технологическое отношение к знанию» может считаться одним из проявлений технологического подхода к знанию, трактуемого значительно более широким образом.

Технологический подход к знанию предполагает постановку, исследование и решение технологических вопросов о знании. К последним относятся вопросы типа «Каким образом следует (можно, допустимо) обращаться (иметь дело) со знанием, имея в виду достижение такой-то цели?». «Обращаться», или «иметь дело», со знанием предполагает здесь не только приобретение, хранение или обработку знаний, но и любые ментальные и речевые акты, осуществляемые в отношении знания, — например, утверждение, что некто («a») знает нечто («p»), может быть истолковано как ментальный акт, совершаемый некоторым «наблюдателем» в отношении знания, которым обладает субъект «a» (в качестве «наблюдателя» может выступать и сам субъект «a»).

При самом широком истолковании технологический подход к знанию является неотъемлемым элементом жизни любого человека. В этом смысле и первобытный человек, использующий для передачи информации примитивные сигналы, и наш современник, выбирающий между почтой, телеграфом, телефоном и телефаксом, могут считаться решающими технологические вопросы относительно знания.

Примером технологического подхода к исследованию знания как особой сущности может служить характеристика сократовой майевтики в диалогах Платона. Искусство Сократа задавать наводящие вопросы таким образом, что собеседник в конце концов приходит к верным выводам относительно обсуждаемых предметов во всяком случае, к таким выводам, которые считает верными сам Платон), характеризуется здесь как искусство пробуждения истинных мнений, живущих в душе человека, в результате чего мнения становятся знаниями. Пожалуй, наиболее выразительная иллюстрация этой процедуры дана в известном примере из диалога «Менон», где мальчик-раб решает геометрическую задачу. Вообще же говоря, все диалоги Платона демонстрируют сократову технику «пробуждения» знаний. Однако собственно технологический подход к исследованию знания мы находим у Платона лишь в тех случаях, когда сама эта техника становится предметом осмысления, когда сама она рассматривается как средство для совершения каких-то действий над знанием. Фрагментарные характеристики данной техники встречаются во многих диалогах — примером может служить тот же «Менон», где говорится о пробуждении знаний вопросами. Более подробного рассмотрения она удостоена в диалоге «Теэтет». Здесь Сократ говорит о своём искусстве как аналогичном ремеслу своей матери — повитухи Фенареты, и то, что в «Меноне» характеризовалось как техника пробуждения знаний, здесь характеризуется как своеобразная техника родовспоможения «мужчинам, беременным мыслью» 10.

Технологические вопросы о знании могут быть до известной степени противопоставлены экзистенциальным вопросам — то есть вопросам о том, как существует знание, каково оно есть. К вопросам последнего типа относятся, например, вопросы о соотношении знания с мнением или верой, о структуре знания и его видах, об онтологии знания, о том, как происходит познание.

До второй половины XX столетия экзистенциальный подход в исследовании знания был преобладающим. Это не означает, конечно, что не развивалась сама технология получения, передачи, хранения и обработки знания, а также оценки результатов познания, претендующих на статус знания. Достаточно вспомнить о развитии книгопечатания и технических устройств для передачи информации, о методах обучения и педагогических исследованиях, посвящённых технике передачи знаний и воспитанию способности к самостоятельному приобретению и использованию знаний, развитие методов науки и исследований этих методов. Однако даже когда эти способы работы со знанием становились предметом исследования, их соотносили не столько со знанием как особого рода сущностью, сколько с познаваемой реальностью (которая могла истолковываться как физическая, ментальная или психическая в зависимости от мировоззрения исследователя). Многие из этих рассмотрений могут быть после определённых интерпретаций квалифицированы как технологические, но это всё же будет относиться скорее к результату нашей интерпретации, чем к самому исследованию.

Расцвет технологических (в указанном выше смысле) исследований знания связан с развитием эпистемической логики и искусственного интеллекта. Примером технологического рассмотрения знания может служить изданная в 1962 году книга Я. Хинтикки «Знание и полагание» (Knowledge and belief. — NY, 1962; обычно название переводится как «Знание и вера»). Главную цель представленного в ней исследования он характеризует следующим образом: «Сформулировать и защитить эксплицитные критерии непротиворечивости для определённых множеств предложений — критерии, которые, как я надеюсь, будут сравнимы с критериями непротиворечивости, изучаемыми в устоявшихся разделах логики». Предложения, о которых идёт речь, — это предложения о знании и полагании, сформулированные в выражениях типа «a знает, что p», «a знает, имеет ли место p», «a не знает, что p», «a не знает, имеет ли место p», «a полагает, что p», «p возможно в свете всего, что a знает», «p совместимо со всем, что a полагает». Здесь «a» — имя человека или личное местоимение или, возможно, определённая дескрипция, относящаяся к человеку; «p» — независимое предложение.

Очевидно, что утверждения указанных типов представляют собой ментально-речевые акты в отношении знания субъекта «a», состоящие в осознании лицом, делающим данные утверждения, некоторой части содержания знания субъекта «a» и формулировании соответствующих высказываний. Исследователь, поставивший своей задачей найти ответ на вопрос: «Каким образом должна осуществляться деятельность, состоящая в формулировании высказываний о знании некоторого субъекта непротиворечивым образом?», мог бы считаться, в соответствии с нашей трактовкой, осуществляющим технологический подход к исследованию знания. В работе Хинтикки этот вопрос не ставится, однако задача сформулировать критерии непротиворечивости множеств предложений, получающихся в результате такого рода деятельности (утверждение понимается Хинтиккой именно как акт), также обусловливает технологический характер рассмотрения знания. В центре его внимания оказываются инструменты (то есть сформулированные в метаязыке модальной логики критерии непротиворечивости), необходимые для оценки (как совместимых или несовместимых) результатов ментально-речевых актов, совершенных в отношении знания некоторого субъекта (выраженных в высказывательных формах типа «a знает, что p», «a полагает, что p» и так далее).

Книга Я. Хинтикки была одной из первых работ по эпистемической логике и до сих пор остаётся одной из наиболее значительных в этой области. В целом же эпистемическая логика является сегодня весьма интенсивно развивающимся направлением, для которого характерно разнообразие подходов и инструментальных средств. 11 Не имея целью сколько-нибудь полно охарактеризовать это многообразие, отметим лишь, что довольно типичной чертой исследований по эпистемической логике является разработка определённых средств для решения вопроса о том, будет ли такого-то вида формула (содержащая эпистемические операторы, соответствующие словам «знает», «полагает», «сомневается», «отрицает» или другие) доказуемой в таком-то исчислении или общезначимой для такого-то типа моделей. С точки зрения технологического подхода к знанию этот вопрос может быть понят как вопрос о легитимации (узаконении) с использованием определённого символико-концептуального аппарата результатов ментально-речевой деятельности в отношении знания некоторого субъекта (или группы субъектов), выраженных в форме, пригодной для применения данного аппарата. Характер легитимируемых результатов определяется как особенностями используемых формализмов, так и позицией исследователя по отношению к экзистенциальным вопросам о знании. В частности, он может зависеть от того, разделяет ли он взгляд на знание как истинное.

3. Проблема истинности знания

Работа Хинтикки, о которой говорилось выше, как и множество других работ по эпистемической логике, основывается на понимании знания как истинного. Тем не менее есть немало примеров иной позиции. Альтернативный подход может состоять в выделении различных степеней знания, как это делается, например, В. Н. Костюком 12. Непременно истинным здесь считается знание, соответствующее лишь одной из этих степеней — строгое, или полное, знание. Мнение, предположение или вера, которые могут оказаться ложными, также рассматриваются как степени знания. Если мы будем понимать знание только в строгом смысле, то это, считает В. Н. Костюк, «в общем случае препятствует рассмотрению возможности развития знания, перехода от менее полного к более полному знанию, игнорирует элемент гипотетичности в (научном) знании» (с. 131).

В искусственном интеллекте отсутствие явной апелляции к истинности на уровне рефлексии над знанием обусловлено в значительной степени тем, что проектирование базы знаний требует рассмотрения знания прежде всего в плане его структурно-функциональных характеристик, а не в плане отношения знания к его объекту. Поэтому, говоря о знаниях, нередко указывают на такие их черты, как структурированность, активность, наличие метапроцедур, противопоставляя в этом отношении базу знаний в компьютерной системе базе данных, компоненты которой не обладают перечисленными свойствами. Пытаясь дать оценку с точки зрения истинности тому, что называется представленным в ИС знанием, исследователь, осуществляющий представление знаний, например в экспертной системе, осознает, что не все фиксируемые им положения являются истинными. Наряду с удостоверенными положениями из представляемого фрагмента знания в базе знаний системы фиксируются также правдоподобные утверждения, гипотезы, эвристики. Если исследователь придерживается взгляда на знание как непременно истинное, то вопрос о том, следует ли наделять представляемую систему результатов познания статусом знания, он может решить отрицательно. Именно таким образом поступает Х. Левеск. «В ИИ традиционно используется термин «знание» даже тогда, когда истинность того, что представляют, не утверждается, — пишет он. — Термин «полагание» (belief) является здесь более уместным, однако я буду следовать традиции и использовать термин «знание» 13.

Однако признание условности способа употребления термина «знание» в ИИ в тех случаях, когда о знании говорится как о чём-то существующем вне ИС и представляемом в последней, не есть единственный возможный результат соотнесения этого способа с трактовкой знания как истинного. В этой ситуации возможна также попытка подвести теоретические основания под отказ от понимания знания как непременно истинного (следует подчеркнуть, что речь идёт о знании как таковом, а не о «знаниях» как форме представления информации в ИС, характеристика которых Д. А. Поспеловым приведена выше).

Пример такого рода обоснования, основывающегося на «практике ИИ», даёт один из пионеров этого направления А. Ньюэлл в статье «Уровень знаний» 14. Эта концепция осознанно излагается её автором именно как эпистемологическая концепция, имеющая дело с экзистенциальными (в принятой нами терминологии) вопросами о знании.

Ньюэлл настаивает на чисто функциональной характеристике знания. «Знание, — полагает он, — должно быть охарактеризовано совершенно функционально, в терминах того, что оно делает, а не структурно — в терминах физических объектов с определёнными свойствами и отношениями. Остаётся открытым вопрос о требованиях к физической структуре знания, которая должна выполнять эту функциональную роль. Фактически эта ключевая роль никогда не выполняется непосредственно. Она выполняется лишь косвенным и приблизительным образом символьными системами…» 15. В иерархии уровней компьютерной системы, различаемых Ньюэллом, уровень знания располагается непосредственно над программным (символьным) уровнем, и компоненты уровня знаний (действия, цели, организация), а также его субстанция (знание) могут быть определены в терминах систем символьного уровня. 16 Вместе с тем знание может быть определено независимо от символьного уровня, в терминах целей и действий. Автор исходит из того соображения, что знание тесно связано с рациональностью, и система, обладающая рациональностью, может быть названа имеющей знание.

Принцип рациональности в его формулировке выглядит следующим образом: «Если субъект имеет знание о том, что одно из его действий приведёт к одной из его целей, то данный субъект выберет данное действие». При этом принимаются правила равносильности приемлемых действий: «Для данного знания, если действие A1 и действие A2 — оба ведут к цели G, то выбираются оба действия» и предпочтения требуемого для объединённой цели: «Для данного знания, если цель G1 имеет множество избранных действий A1 и цель G2 имеет множество избранных действий A2, то эффективное множество избранных действий есть пересечение A1 и A2». Сказанное позволяет Ньюэллу охарактеризовать знание как «то, что может быть приписано субъекту, поведение которого может быть вычислено в соответствии с принципом рациональности» 17.

К числу существенных характеристик знания Ньюэлл из принципиальных соображений не относит истинность. Отмечая, что искусственный интеллект имеет интересные точки соприкосновения с философией, поскольку природа разума и природа знания всегда являлись объектами изучения философии, основное различие в подходах ИИ и философии к знанию он видит в следующем: «Философский интерес к знанию сосредоточен на проблеме достоверности… Это нашло отражение в различении между знанием и полаганием (belief), выраженном в лозунговой фразе: «знание есть обоснованное истинное полагание. ИИ, рассматривая всякое знание как содержащее ошибки, называет все такие системы системами знаний. Он использует термин «полагание» лишь неофициально, когда несоответствие действительности становится преобладающим, как это имеет место в системах политических взглядов. С точки зрения философии ИИ имеет дело только с системами полаганий. Таким образом, наша теория знания, разделяя с ИИ безразличие к проблемам абсолютной достоверности, просто оставляет без внимания некоторые центральные философские вопросы» 18. Очевидно, что ньюэлловская трактовка знания основывается на весьма упрощённом истолковании рациональности. Это истолкование выглядит упрощённым не только на фоне дискуссий по проблемам научной рациональности, но и на фоне интерпретаций рациональности вообще, в том числе и рациональности здравого смысла, которая может быть понята, например, как способность действовать в условиях когнитивной ограниченности 19.

Упрощённое понимание рациональности ведёт к упрощённой трактовке знания, — последовательно проводя позицию Ньюэлла, мы должны будем наделить статусом знания все сведения о том, что некое действие ведёт к некоей цели, если обладатель этих сведений выбирает упомянутое действие, независимо от того, ведёт ли данный выбор на самом деле к успеху в достижении цели. Вместе с тем, принимая во внимание подобные трактовки знания, правомерно поставить вопрос о более широком контексте рассмотрения ИС в плане соотношения знания и истины. Очевидно, что проблема оценки когнитивного статуса познавательных результатов и методов, представляемых в компьютерной системе, связана с более общей проблемой истинности знания.

Было бы неверным полагать, что теоретико-познавательное (эпистемологическое) значение имеют только экзистенциальные концепции знания, вырабатываемые профессионалами в области ИИ, — тем более что нередко эти концепции, как можно видеть на примере с работой А. Ньюэлла, основываются на весьма уязвимых эпистемологических представлениях. Большой интерес для философско-эпистемологических исследований представляют предпринимаемые в рамках компьютерных наук и особенно ИИ подходы к знанию, которые в принятой нами терминологии должны быть названы технологическими. Технологические вопросы о знании, исследуемые в рамках ИИ, касаются в значительной степени способов представления знаний и методов приобретения знаний.

4. Представление и приобретение знаний: философско-эпистемологический контекст

Проблемы представления знаний связаны в значительной степени с разработкой соответствующих языков и моделей. Существуют различные типы моделей: логические, продукционные, фреймовые, семантические сети и другие. Логические модели предполагают представление знаний в виде формальных систем (теорий), и в качестве языка представления знаний в таких моделях обычно используется язык логики предикатов. Продукционные представления можно охарактеризовать (упрощённым образом) как системы правил вида «Если А, то В», или «Предпосылка — действие». Сетевые модели предполагают выделение некоторых фиксированных множеств объектов и задание отношений на них (это могут быть отношения различного рода: пространственные, временные, отношения именования и другие). Фреймовые представления иногда рассматривают как разновидность семантических сетей, однако для первых характерно наличие фиксированных структур информационных единиц, в которых определены места для имени фрейма, имён слотов и значений слотов 20.

Каждая из упомянутых моделей имеет свои достоинства и недостатки в отношении того или иного круга задач. Преимущества логических моделей, использующих язык логики предикатов, связаны с дедуктивными возможностями исчисления предикатов, теоретической обоснованностью выводов, осуществляемых в системе. Однако такого рода модели в сложных предметных областях могут оказаться слишком громоздкими и недостаточно наглядными в качестве моделей предметной области или соответствующих фрагментов знания. Продукционные модели получили широкое распространение благодаря таким достоинствам, как простота формулировки отдельных правил, пополнения и модификации, а также механизма логического вывода. В качестве недостатка продукционного подхода отмечают низкую эффективность обработки информации при необходимости решения сложных задач. Преимущества семантических сетей и фреймовых моделей заключаются, с одной стороны, в их экономичности, позволяющей сократить время автоматизированного поиска информации, а с другой стороны, в их удобстве для описания определённых областей знания (и соответствующих фрагментов реальности, изучаемых в данных областях), когда выделяются основные (с точки зрения задач, для которых создаётся ИС) объекты предметной области и (или) система понятий, в которых будут анализироваться конкретные ситуации, а также описываются свойства объектов (понятий) и отношения между ними. И хотя в целом для этих типов моделей существуют значительные проблемы с организацией вывода, фреймовые системы многими были оценены как перспективные благодаря возможностям подведения под них достаточно строгих логических и математических оснований. Разумеется, в ИС вовсе не обязательно должна быть реализована только какая-нибудь одна из упомянутых моделей представления знаний «в чистом виде». Сочетание различных моделей может способствовать созданию более эффективных систем. На уровне теории ИИ это иногда находит отражение в разработке новых типов моделей представления знаний, сочетающих в себе черты моделей, ставших уже традиционными.

В рамках технологического подхода к знанию, осуществляемого ИИ, рассматриваются вопросы экономичности представлений знаний с помощью тех или иных средств, их дедуктивных возможностей, эффективности в решении задач. Вместе с тем влияние теории ИИ (и, в частности, представления знаний) на исследование знания как такового простирается далеко за пределы технологического подхода. Сравнивая влияние тех или иных моделей представления знаний на экзистенциальные исследования знания, мы не можем не заметить различия в той роли, которую играет, с одной стороны, логический подход и, с другой стороны, такие подходы, как продукционный, фреймовый и другие, объединяемые иногда под общим названием эвристического 21 или когнитивного 22 подхода. Нужно отметить, что оба этих подразделения могут быть приняты лишь условно: подразделение «логический — эвристический» или «логический — когнитивный» вызывает сомнения, поскольку для логических моделей характерно наличие эвристик и, кроме того, модели эти могут содержать допущения относительно когнитивного поведения. Пример — разработанная группой В. К. Финна ИС, которая рассматривается своими создателями как реализация логики здравого смысла, объединяющей естественный рационализм и естественный эмпиризм 23.

Тем не менее в целом логический подход к представлению знаний в ИС не привёл до сих пор к каким-либо серьёзным изменениям в экзистенциальных рассмотрениях знания, к появлению новых влиятельных концепций в этой области. Прочие же подходы оказывают более заметное влияние на исследование экзистенциальных вопросов о знании — в качестве примера можно сослаться на фреймовую концепцию строения знания, получившую известное распространение как в психологии, так и в когнитивной лингвистике. Сказанное было бы неверно истолковывать как аргумент в пользу преимуществ этих типов моделей представления знаний перед логическими.

Дело в том, что логический подход в представлении знаний, как и сами логические исчисления, возник на основе трактовок знания, складывавшихся в течение многих веков — на основе того, что может быть названо классической рационалистической эпистемологией с характерными для неё пропозициональным истолкованием элементарного знания, рассмотрением теорий математизированных наук в качестве образцовых форм организации знания, строгими стандартами правильности рассуждений. Уровень классической эпистемологии и разработанности её концептуальных основ столь высок, что за период времени, в течение которого ведутся исследования по представлению знаний в компьютерных системах (а этот период ничтожно мал в сравнении с «возрастом» классической эпистемологии), эти исследования, имеющие в качестве своей концептуальной базы самое классическую эпистемологию, закономерно должны были скорее демонстрировать её возможности в применении к новому кругу задач, чем стимулировать существенные изменения в ней. Утверждение, что неклассические логики, все шире применяемые в представлении знаний, также развиваются на концептуальной основе классической эпистемологии, может, на первый взгляд, показаться парадоксальным. Тем не менее оно справедливо в той степени, в какой неклассические логики являются модификациями классических исчислений и разделяют с ними те глубинные концептуальные предпосылки, которые могут быть в известном смысле противопоставлены концептуальным основам иных подходов. С этой точки зрения работы по логике естественного языка и рассуждений здравого смысла свидетельствуют о высокой гибкости инструментария, развиваемого на базе классической эпистемологии и о богатстве его возможностей.

Другие подходы в представлении знаний достаточно тесно связаны с развитием когнитивной психологии. Однако само это направление сложилось под влиянием «компьютерной метафоры», когда познавательные процессы стали рассматриваться по аналогии с работой вычислительных машин. Неудивительно поэтому, что происходящее в ИИ оказывало и оказывает заметное воздействие на когнитивную психологию (как и на ещё более молодое направление — когнитивную лингвистику). Это справедливо и в отношении собственно представления знаний. И фреймовые, и сетевые модели основываются на соответствующих концепциях структур человеческого восприятия и памяти. Показательно при этом, что концепция фрейма как когнитивной структуры была мотивирована задачами разработки ИС. Вместе с тем эта концепция имеет самостоятельное значение как концепция психологическая и эпистемологическая и используется в исследовании проблем, выходящих за рамки собственно разработок компьютерных систем 24.

Сегодня можно говорить о том, что представлению знаний в ЭВМ в виде систем правил (что характерно, прежде всего, для продукционных моделей) соответствует новый подход в философско-эпистемологических исследованиях, придающий особое значение правилам и предписаниям, регулирующим человеческую деятельность. Этот подход представлен в работах А. И. Ракитова. В середине 1980-х годов А. И. Ракитов и Т. В. Адрианова прогнозировали возможность появления новых тенденций в эпистемологии, касающихся прежде всего исследования познавательной функции правил как особой эпистемологической категории и выявления механизма рационализации и регулятивной трансформации интеллектуального творчества. Такого рода предположения (и постановка задачи развития эпистемологии в этом направлении) были обусловлены тем обстоятельством, что для построения баз знаний компьютерных систем потребовалось изучение механизмов функционирования знания под таким углом зрения, чтобы это позволило выявить правила работы данных механизмов, то есть «инструкции, указывающие, какие классы действий или отдельные действия и каким образом должны быть выполнены» 25.

В книге «Философия компьютерной революции» (М., 1991) А. И. Ракитов выдвигает концепцию «информационной эпистемологии». «Возникновение «интеллектуальной технологии» и жгучий интерес к природе и возможностям машинного мышления, порождённый компьютерной революцией, — пишет он, — привели к формированию нового, нетрадиционного раздела эпистемологии — эпистемологии информационной. Она исследует не те или иные виды научного знания, а знания вообще, но под особым углом зрения, с позиции переработки и преобразования информации в её высшую форму — знания. Информационная эпистемология исследует различные способы представления и выражения знаний и возможности построения знаний с помощью технических систем. В силу этого фокус информационной эпистемологии перемещается на обыденное познание и здравый смысл, поскольку они являются изначальной формой познавательной деятельности, к тому же формой универсальной, всеохватывающей, энциклопедической, наиболее сложной, разнообразной и богатой» 26. Процесс познания и мышления, считает А. И. Ракитов, рассматривается в информационной эпистемологии под углом зрения «инженерного фундаментализма» как процесс машинной трансформации информации. К основным проблемам информационной эпистемологии он относит следующие: «что такое информация; как она передаётся, трансформируется; каковы функции и соотношения сигналов и кодов; какова эпистемическая функция компьютеров, могут ли они мыслить; как из информации создаются знания; как соотносятся информация, смысл и значение; каковы способы машинного представления знаний; какова связь информации и языка; как осуществляется машинное понимание и взаимопонимание машины и человека; можно ли редуцировать мыслительные процессы к вычислительным функциям или представить через них; в чём сущность инженерного подхода к познавательной деятельности; и, наконец, каково соотношение компьютера и мозга?» 27.

Очевидно, что в круг перечисляемых А. И. Ракитовым проблем входят как технологические, так и экзистенциальные вопросы о знании. Соотнесённость между собой этих вопросов, обусловленная тем, что все они так или иначе связаны с проблемами компьютерной переработки информации, позволяет говорить об информационной эпистемологии как об объектно-формируемом спектре исследований. Вместе с тем было бы неправомерно говорить об информационной эпистемологии как о дисциплине. Одни из вопросов, обозначаемых А. И. Ракитовым в качестве основных вопросов информационной эпистемологии, исследуются в рамках ИИ (например, способы машинного представления знаний), другие — в рамках преимущественно психологических работ (например, проблемы мозга), третьи (может ли компьютер мыслить?) являются по существу философскими проблемами, независимо от основного рода занятий людей, участвующих в их обсуждении. Нельзя согласиться с утверждением о том, что таким образом понимаемая информационная эпистемология «становится самостоятельным разделом философии познания» (с. 150), хотя бы потому, что осуществляемые в рамках ИИ работы по представлению и приобретению знаний не имеют, как правило, философского характера (да и не стремятся его иметь; рассмотренная выше попытка построения эпистемологической концепции А. Ньюэллом — скорее исключение, чем правило для области в целом), хотя и представляют интерес для философа, исследующего проблемы знания.

Так или иначе, для осмысления происходящего в разработке компьютерных систем с позиций эпистемологии характерно также наличие тенденции к определённой трансформации эпистемологии с учётом потребностей компьютерной революции. Упоминавшаяся выше задача изучения познавательной деятельности как системы правил, которая ставится А. И. Ракитовым и Т. В. Адриановой (и получает дальнейшее обоснование в цитированной книге А. И. Ракитова), — не единственное возможное направление развития эпистемологии под влиянием компьютерной революции.

Рассматривая проблемы представления знаний посредством семантических сетей, С. М. Шалютин приходит к не менее правомерному выводу о желательности исследования категорий с учётом потребностей моделирования знания. Дело в том, что базовые отношения, содержащиеся в семантических сетях, являются аналогами мыслительных категорий (например, категорий причинности, части и целого, единичного и общего). Это даёт основание полагать, что «… для развития искусственного интеллекта важно создать формальные квазикатегории, которые были бы приближёнными аналогами реальных категорий, функционирующих в мыслительном процессе человека. Это значит, что одной из задач гносеологии на современном этапе является, так сказать, разложение категорий в бесконечный ряд общенаучных и иных понятий, которые могли бы формализоваться средствами логики и методологии науки» 28.

Взгляд на компьютер как на техническое устройство (артефакт), выполняющее скорее функцию посредника в передаче знания от одного человека к другому и скорее играющее роль своеобразного текста, чем являющееся автономной (то есть не требующей дополнительного обращения к знаниям человека) моделью действительности, побуждает нас сделать акцент на неявной, личностной компоненте знания, а также на культурных предпосылках общения людей при посредстве ЭВМ. Заполнение базы знаний, осуществлённое инженером в результате работы с экспертом, предполагает, конечно, формулировку правил (например, правил продукций), которые входят в базу знаний и необходимы для выполнения системой её функций. Тем не менее эти правила обычно не могут претендовать на самостоятельный эпистемологический статус — то есть статус правил, в соответствии с которыми действительно мыслит эксперт и действительно функционирует «некомпьютеризованное» знание. Вполне оправдана в этом отношении аналогия между системой, основанной на знаниях, и обычным текстом, проводимая Ю. А. Шрейдером 29. В обоих случаях «Владелец знания не может его адекватно выразить в тексте, рискуя получить нечто, отличное от того, что имел в виду автор. Знание не упаковывается в текст, а моделируется в нём в дискурсивной, а следовательно, упрощённой форме. Надежда на то, что оно будет адекватно воспринято адресатом, зиждется на вере в творческие способности последнего — в то, что он воспримет текст не как буквальную инструкцию, но как «намек», позволяющий воссоздать архитектуру моделируемого знания» 30.

В принципе утверждение о существовании невербализуемого, неэксплицируемого личностного знания не противоречит утверждению о возможности вербализации или иного рода экспликации той части неявного знания, которая это допускает. С этой точки зрения развитие возможностей систем ИИ именно как автономных систем, сопоставимых с человеком по ряду выполняемых им функций в работе с информацией, совместимо с выполнением системами ИИ посреднической роли в передаче знания от человека к человеку, предполагающей наличие у людей того «общего резервуара» неявного знания, которое не может быть эксплицировано для представления в компьютерной системе. На практике, однако, тенденция к созданию автономных систем и тенденция к разработке систем-посредников иногда противопоставляются одна другой и конкурируют друг с другом. Проекция противопоставления этих подходов на уровень эпистемологии — две крайние точки зрения на знание, одна из которых предполагает принципиальную эксплицируемость всей познавательной деятельности человека, а другая — принципиальную неэксплицируемость того, что не эксплицировано на данный момент.

Важной группой технологических вопросов о знании, изучаемых ИИ, являются вопросы приобретения знаний — то есть вопросы о способах получения и ввода в ЭВМ информации, необходимой для наполнения структур представления знаний конкретным содержанием. Источниками этой информации могут быть как тексты (книги, статьи, архивные документы или уже созданные базы знаний, которые могут считаться текстами в широком смысле этого слова), так и не зафиксированные в текстах (или даже неартикулированные) знания, которыми обладает человек (специалист, эксперт). В некоторых случаях система может приобретать знания непосредственно благодаря наблюдению за окружающей средой 31.Многие исследователи считают, что ключевой проблемой при построении экспертных систем является получение знаний от экспертов 32.

Существуют разнообразные методики так называемого извлечения знаний из эксперта. Ранее других возникшие и наиболее распространённые из них — методики интервьюирования экспертов. Режим интервью, когда инженер по знаниям ведёт активный диалог с экспертом, предполагает как предварительное ознакомление его с предметной областью, для работы в которой создаётся система, так и ознакомление эксперта с некоторыми вопросами построения ИС. Характер диалога зависит от многих факторов — области, в которой будет использоваться система, и задач, которые она должна решать, от теоретической ориентации инженера по знаниям и имеющегося в его распоряжении инструментария, от индивидуальных особенностей эксперта. На сегодня разработано множество стратегий интервьюирования, из которых наиболее известными являются «разбиение на ступени», «репертуарная решётка» и «подтверждение сходства» 33.От интервью отличаются такие способы взаимодействия инженера по знаниям с экспертом, как протокольный анализ и игровая имитация. Протокольный анализ предполагает фиксацию действий (видеозапись) или «мыслей вслух» (запись на магнитофонную ленту) эксперта в ходе решения проблемы. Эта запись впоследствии подвергается анализу. В случае игровой имитации инженер по знаниям наблюдает за поведением эксперта в искусственно созданных ситуациях, моделирующих те, которые действительно имеют место в работе эксперта. Однако и эти способы требуют диалога инженера с экспертом. Такой диалог бывает необходим при анализе полученной информации, для её уточнения, восстановления картины работы эксперта в том объёме, который требуется для построения ИС. Работа с экспертом может быть в значительной степени автоматизирована, когда функции инженера по знаниям (или во всяком случае часть этих функций) выполняет ИС 34.

Было бы неверным утверждать, что в ИИ существует единогласие в интерпретации отношения «знания в ИС — знания вне ИС». В то время, как многие исследователи считают ИС моделирующими экспертное знание, другие подчёркивают, что создаваемые ими системы не претендуют на моделирование стратегий человеческого рассуждения или поиска решений, предпочитая говорить не о моделировании экспертного знания, а, например, об «искусственной компетентности» системы 35.Тем не менее ситуация, когда избранная исследователем позиция в технологическом подходе к знанию оказывается связанной с соответствующей позицией в экзистенциальном рассмотрении знания, достаточно типична. Так исследователь, использующий продукционную модель представления знаний, нередко полагает, что знание эксперта в действительности есть не что иное, как система продукций, и аналогичным образом обстоит дело с другими моделями и их комбинациями. В справочном издании «Искусственный интеллект» (Т. 2, с. 65) соответствие между формой репрезентации знаний у человека-эксперта и формой репрезентации, в которой инженер по знаниям собирается их описывать и представлять, рассматривается как условие эффективности работы инженера по знаниям. Так или иначе, методы извлечения знаний, как и методы их представления, нередко базируются на когнитивно-психологических и эпистемологических соображениях, в том числе на экзистенциальном взгляде на когнитивную структуру экспертного знания (иногда вместо выражения «экспертное знание» предпочитают употреблять выражение «опыт эксперта») 36.

Трудности приобретения знаний — это в значительной степени трудности изучения структуры экспертного знания и механизмов его функционирования. Рефлексия эксперта над собственным знанием не может решить этой проблемы, поскольку, во-первых, не все эксперты обладают достаточно развитой способностью к рефлексии, во-вторых, далеко не всегда могут осуществлять её в тех концептуальных рамках, которые обеспечивают возможность заполнения базы знаний, и, в-третьих, известны случаи, когда эксперты в силу каких-либо соображений не желают делиться информацией с инженером знаний 37. Кроме того, имеются трудности принципиального характера, связанные с вербализацией неявного знания, в том числе «знания, как». Знания этого типа иногда понимаются как эвристики, дающие возможность порождать правдоподобные гипотезы, видеть перспективные подходы к задаче, эффективно работать там, где данные ошибочны или неполны. Однако обнаружившиеся на более ранних этапах развития ИИ (например, при моделировании игры в шахматы) трудности выявления эвристик, а также принципиальные сомнения в реальном существовании эвристик как неосознанных дискретных мыслительных процессов, сохраняют своё значение и применительно к задачам построения экспертных систем. Некоторые исследователи придают большое значение интуиции эксперта-человека, возможностям её учёта или «компенсирования» при разработке ИС.

Проблема «знание и компьютер», таким образом, оказывается связанной с вопросами явного и неявного, вербализуемого и невербализуемого знания, а также с проблемой интуиции.

До сих пор мы различали экзистенциальные и технологические вопросы о знании. Однако в предшествующем обсуждении проблемы «знание и компьютер» сам технологический подход к знанию становился объектом рассмотрения. Поэтому можно сказать, что мы занимались в значительной мере метатехнологическими вопросами о знании.

5. Метатехнологические вопросы о знании

Метатехнологические вопросы можно охарактеризовать как «вопросы о технологических вопросах (и их решениях)». Очевидно, что таковы многие из вопросов, затронутых выше: что такое технологический подход к знанию, как соотносятся технологические и экзистенциальные рассмотрения знания и другие.

Метатехнологические вопросы могут быть связаны с оценкой технологий получения, хранения и обработки знаний в более широком контексте целей человека и условий человеческого благополучия, это могут быть вопросы о влиянии информационной технологии на развитие знания, в том числе на эволюцию форм и видов знания, используемого в профессиональной деятельности.

Метатехнологические вопросы о знании во многих случаях могут быть поняты как разновидность экзистенциальных вопросов о знании. Для метатехнологического подхода к знанию характерно наличие вопросов типа «Таково ли знание, чтобы можно было с ним сделать то-то и то-то?» или «Таково ли знание, чтобы с ним могло произойти то-то и то-то вследствие развития определённых видов технологий?» Слова «можно» и «могло» обозначают здесь как техническую осуществимость, так и прагматическую или этическую допустимость или оправданность. В такие рамки «вписывается» довольно широкий круг вопросов — о возможности создания «подлинного искусственного интеллекта» и системы ИИ, которая могла бы считаться полноценным субъектом знания, о возможности построения общей теории знания как точной науки или каким-либо иным образом, об операциях со знанием, осуществляемых с использованием компьютера как предмета-посредника в познавательно-коммуникационной деятельности, о доверии к результатам переработки информации компьютером и правомерности включения этих результатов в систему человеческого знания, а также многие другие.

Особое положение метатехнологических вопросов о знании среди других экзистенциальных вопросов определяется заметной связью первых с вопросами стратегии развития информационной технологии и технологических подходов к знанию. На основе метатехнологических рассмотрений знания нередко даётся оценка перспективности тех или иных способов моделирования знаний в компьютерных системах, представления и приобретения знаний путём создания компьютерных систем, да и развития информационной технологии в целом. Таким образом, с одной стороны, мы оцениваем с наших эпистемологических позиций те явления и тенденции, которые имеют место в создании и применении компьютерных систем, а с другой стороны, уточняем и развиваем собственные эпистемологические взгляды, пытаясь найти ответы на вопросы, возникающие в связи с появлением новых видов компьютерных систем и с возрастающей ролью компьютера в нашей жизни.

В русле метатехнологического подхода к знанию осознаются проблемы информации и знания как стратегического ресурса развития общества. Знание всегда играло важную роль в жизни общества, однако именно развитие компьютерной техники и осознание ограниченности материальных ресурсов планеты способствовало разработке концепций «информационного общества», или «общества, основанного на знаниях» («knowledge-based society»), как такого, где наиболее важную роль в производстве и использовании знаний будет играть автоматизированная переработка информации. При этом подчёркивается значение информационно-знаниевых ресурсов как практически неисчерпаемых, поскольку они базируются на творческо-познавательных способностях людей.

В оценке перспектив информатизации общества ключевое значение имеет то обстоятельство, что информатизация — это «процесс, в котором социальные, технологические, экономические, политические и культурные механизмы не просто связаны, а буквально сплавлены, слиты воедино» 38. Анализируя процессы и тенденции информатизации, А. И. Ракитов приходит к выводу о возможности такого вида социально-экономической, политической и духовно-культурной сегрегации, при котором «в наиболее развитых информационных обществах сконцентрируется вся или почти вся интеллектуальная индустрия. Они станут источником, хранителем и держателем основных интеллектуальных ресурсов, производителем доминантных информационных технологий, продуцентом основных культурных и социально-гуманитарных потребностей. Остальные же страны мира превратятся в потребителя информационной технологии и информационной продукции, производителя сырья и отдельных видов промышленной продукции» 39.

Это делает актуальными (особенно для стран, рискующих превратиться в информационные колонии) вопросы, связанные с оценкой (в долгосрочной и краткосрочной перспективе) процессов импорта знаниевых ресурсов (особенно принадлежащих к понятийным слоям и фрагментам интеллектуальных структур в области экономики, политики, социальной сферы) и экспорта невозобновляемых сырьевых ресурсов. Каково место в мировом информационно-знаниевом взаимодействии «утечки мозгов», передачи научно-технической и иной информации от «информационно колонизируемых» «информационно колонизирующим»? Требуют внимания проблемы «общего запаса» знаний человечества, знаниевого взаимодействия и знаниевого суверенитета. Эти вопросы выходят далеко за рамки темы «знание и компьютер», однако данная тема не только играет значительную роль в их осознании, но и имеет с ними множество связей как предметного, так и аналогового характера.

Приме­чания:
  1. См: Ботвиник М. М. Почему возникла идея искусственного интеллекта? // Кибернетика: перспективы развития. — М., 1981.
  2. См. Тюхтин В. С. Соотношение возможностей естественного и искусственного интеллектов // Вопросы философии. 1979. № 3.
  3. Boden M. A. Artificial intelligence and natural man. 2 ed. L., 1987. P. 421.
  4. См. Величковский Б. М. Современная когнитивная психология. — М., 1982.
  5. Поспелов Д. А. Ситуационное управление: теория и практика. — М., 1986. С. 7.
  6. См. Представление и использование знаний / Под ред. Х. Уэно, М. Исидзука. — М., 1989. С. 7.
  7. См. Нильсон Н. Принципы искусственного интеллекта. — М., 1985; Поспелов Д. А. Ситуационное управление: теория и практика. С. 39–40.
  8. См. Искусственный интеллект. Справочное издание.: В 3 кн. — М., 1990. Т. 2. С. 8.
  9. Голубева Л. Н. Технологическое отношение к знанию: методологический аспект. Рыбинск, 1993. С. 16–17.
  10. См. Платон. Сочинения: В 3 т. Т. 2. — М., 1970. С. 234.
  11. См., например: Proceedings of the Conference on theoretical aspects of Reasoning about Knowledge. California, 1986; Логика и компьютер: моделирование рассуждений и проверка правильности программ. — М., 1990. С. 183–203.
  12. Костюк В. Н. Элементы модальной логики. — Киев, 1978.
  13. Levesque H. J. Making Belivers out of the Computers // Artificial Intelligence. 1986. Vol. 22. № 1. P. 82.
  14. Newell A. The Knowledge Level // Artificial Intelligence. 1982. Vol. 18. № 1.
  15. Ibid. P. 122.
  16. Ibid. P. 99.
  17. Ibid. P. 105.
  18. Ibid. P. 122.
  19. См. Woods J. Ideals of Rationality in Dialogic // Argumentation. 1988. Vol. 2. № 4.
  20. Характеристику основных моделей представления знаний можно найти в упоминавшемся выше справочном издании «Искусственный интеллект» (т. 2), а также, например, в: The handbook of artificial intelligence. Vol. 1. M. Kaufmann, 1986.
  21. См. Попов Э. В. Экспертные системы. — М., 1987.
  22. См. Представление и использование знаний / Под ред. Х. Уэно, М. Исидзука. — М., 1989.
  23. См. Финн В. К. Об обобщённом ДСМ-методе автоматического порождения гипотез // Семиотика и информатика. 1989. Вып. 29.
  24. См., например: Филмор И. Фреймы и семантика понимания // Новое в зарубежной лингвистике. — М., 1988. Вып. 23: Когнитивные аспекты языка.
  25. Ракитов А. И., Адрианова Т. В. Философия компьютерной революции // Вопросы философии. 1986. № 11. С. 78.
  26. Ракитов А. И. Философия компьютерной революции. — М., 1991. C. 149–150.
  27. Там же. С. 150.
  28. Шалютин И. С. Искусственный интеллект: Гносеол. аспект. — М., 1985. С. 160.
  29. См. ЭВМ как средство представления знаний // Природа. 1986. № 10.
  30. Там же. С. 20.
  31. См. Искусственный интеллект. Справочное издание.: В 3 кн. Т. 2. С. 65–76.
  32. См. Там же; Olson J. R., Rueter H. H. Extracting expertise from experts: Methods for knowledge acquisition // Epert Systems. 1984. Vol. 4. № 3.
  33. См. Искусственный интеллект. Справочное издание.: В 3 кн. Т. 2; Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. — М., 1990.
  34. См., например: Walton J. D., Musen A. A., Combs D. M. Graphical access to medical expert systems: The design of knowledge acqusition environment // Methods of information in medicine. 1986. Vol. 26. № 3.
  35. Cм.: Голубева Л. Н. Технологическое отношение к знанию: методологический аспект. Рыбинск, 1993.
  36. См. Волков А. М., Ломнев В. С. Классификация способов извлечения опыта экспертов // Известия АН СССР. Техническая кибернетика. 1989. № 5; Голубева Л. Н. Когнитивные структуры экспертного знания: Методол. аспект // Новые информационные технологии в системотехнике. — М., 1990.
  37. См., например: Ивашко В. Г., Финн В. К. Экспертные системы и некоторые проблемы их интеллектуализации // Семиотика и информатика. 1986. Вып. 27.
  38. Ракитов А. И. Философия компьютерной революции. — М., 1991. С. 34.
  39. Там же. С. 71.
Источник: Философия техники: история и современность. Монография. Институт философии Российской Академии наук. Ответственный редактор: В. М. Розин. — М., 1997. // Электронная публикация: Центр гуманитарных технологий. — 10.07.2010. URL: https://gtmarket.ru/laboratory/basis/3369/3378
Содержание
Новые произведения
Популярные произведения