6.1. Данные и знания. Аксиомы знаний.

Как отмечалось в п.4.1, киберобраз когнитивной психологии появился в середине прошлого века в лице искусственного интеллекта (ИИ), представляя киберсистему, способную моделировать целенаправленную мыслительную деятельность человека, путем абстракции, трактуя процесс мышления как преобразование информации. Поскольку педагогический аспект когнитивной психологии, так или иначе, связан с приобретением и утилизацией знаний, то принято этот аспект именовать когнитологией, предметом которой, в узком смысле, является процедура эффективного формирования баз знаний, а в широком смысле – оптимизация процесса обучения [35;58;59].

С позиций диалектики знания рассматриваются как результат процесса познания действительности, адекватно отраженной в человеческом сознании в виде представлений, понятий, суждений, теорий и т.п. В когнитологии знания представляют основное понятие и рассматриваются как особая форма информации, сочетающая в себе как процедурный, так и декларативный компоненты. Отличительными особенностями знаний как формы информации в ИИ-области являются следующие [60]:

1).Внутренняя интерпретируемость каждая единица такой информации должна иметь уникальное имя, по которому ее можно отыскать в памяти компьютера, отвечая на запрос.

2). Структурированность для информационных единиц в знаниях должен выполняться «принцип матрешки», т.е. рекурсивная вложимость одних информационных единиц в другие. Это дает возможность, например, проводить классификацию информационных единиц базы знаний.

3).Связность возможность установления необходимых отношений (связей) между элементами базы знаний, которые могут носить декларативный или процедурный характер.

4).Наличие семантической метрики, которая характеризует ситуационную близость информационных единиц базы знаний в целях обеспечения навигации при обучении в гипертексте. Иногда такую метрику называют отношением релевантности для информационных единиц.

5). Активность, которая, как и у человека, в ИИ-системах выражается в том, что актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИИ-системах должно инициироваться текущим состоянием ее информационной базы, в отличие от компьютеров, где та или иная программа запускается посредством определенной внешней команды.

Перечисленные особенности определяют ту грань, за которой данные переходят в знания, а базы данных перерастают в базы знаний.

6.2. Модели представления знаний.

В ИИ-области традиционно выделяются две группы методов представлений знаний – декларативные и процедурные [58-60].

6.2.1. Декларативные методы: логические и сетевые модели.

В декларативных методах знания – это структурированные данные, для представления которых используются логические или сетевые модели.

В логической модели знания представляются в виде формальной системы С_l, задаваемой тройкой (П;Р;В), где П={П₁;…;П_k} – набор системных множеств, определяющих предметную область представляемых знаний; Р={Р₁; …;Р_m} – набор отношений между системными множествами, определяющих грамматику, в рамках которой из элементов системных множеств образуются синтаксически правильные выражения; В={В₁;…;В_n} – совокупность правил логического вывода в рамках данной предметной области и грамматики. Кроме того, для компонентов наборов П;Р;В устанавливаются процедуры, реализующие идентификацию их элементов и, соответственно, их принадлежность.

В сетевых моделях знания представляются в виде орграфа C_s, определяемого тройкой (V;E;I), где V={V₁;…:V_k} – набор классов объектов (сущностей), элементы которых определяют вершины предметной области представляемых знаний; E={E₁;…;E_m} – набор типов ориентированных ребер (дуг), определяющих типы связей (отношений) между вершинами рассматриваемой предметной области знаний; I – набор отношений инцидентности между вершинами и дугами на орграфе С_s. Особенность орграфа С_s состоит в том, что он представляет собой сеть, т.е. в нем всегда выделяется набор вершин – источников, из которых дуги только выходят, и, довольно часто, источники сети С_s связаны с аксиоматикой рассматриваемой области знаний. Что касается вершин-стоков, то их всегда можно выделить, если сеть С_s – конечная, как это имеет место, например, при изучении некоторой предметной дисциплины в учебном процессе. Если же сеть С_s конечной не является, как это имеет место, например, при построении аксиоматической теории [10], то в этом случае стоки «достигаются» только лишь виртуально, в процессе некоторой потенциально бесконечной процедуры развития этой теории.

В зависимости от типа связей, используемых для представления знаний, различают классифицирующие сети, функциональные сети и сценарии [60]. В классифицирующих сетях используются отношения структуризации (т.е. частичного порядка), позволяющие вводить те или иные иерархические отношения между информационными единицами данной области знаний. Функциональные сети характеризуются наличием функциональных отношений, с помощью которых реализуют соответствующие процедуры необходимых «вычислений», выражая одни информационные единицы знаний через другие. В сценариях используются так называемые каузальные (причинные) отношения или отношения вроде «средство-результат», «орудие-действие» и т.п.

Отметим, что, если в сетевой модели имеют место связи различного типа, то такую модель обычно называют семантической сетью. Важно подчеркнуть, что между логической и сетевой моделями представления знаний принципиальной разницы нет и, вообще говоря, между ними довольно легко устанавливается изоморфизм С_lC_s. Поэтому выбор той или иной модели (С_l или C_s) в каждом случае, главным образом, определяется удобством ее конкретной реализации.