- •Часть1. Психологические и кибернетические аспекты когнитологии: модели представления знаний.
- •1.1. Краткий исторический экскурс в кибернетику.
- •1.2. Понятийно-категориальный аппарат кибернетики.
- •1.3. Формализованное описание кибернетической системы.
- •1.4. Классы задач для кибернетических систем.
- •2.1. Стохастические меры информации.
- •2.2. Детерминированные меры информации.
- •2.3. Информационные аспекты оптимизации управления
- •3.1. Классические подходы.
- •3.2. Интеллект – как форма индивидуального ментального опыта.
- •3.3. О кризисе тестологических теорий интеллекта,
- •4.1. Искусственный интеллект (ии): исторический экскурс.
- •4.2. Психологические аспекты ии
- •4.2.1. Мыслительные операции и конфигурации. Язык.
- •4.2.2. Модели мыслительных процессов: фреймы и
- •5.3. Специализация полушарий мозга и принцип дополнительности.
- •5.4. Концепция самоорганизованной критичности
- •6.1. Данные и знания. Аксиомы знаний.
- •6.2. Модели представления знаний.
- •6.2.1. Декларативные методы: логические и сетевые модели.
- •6.2.2. Процедурные методы: продукционные модели и фреймы.
2.2. Детерминированные меры информации.
Для построения метрической функции, определяющей количество информации на основе детерминированной меры, обычно используются алгоритмический [16] или топологический [20] подходы.
При алгоритмическом
подходе рассматриваемая система
моделируется семантической сетью,
представляющей орграф
в виде пары (S;F),
где S –
множество вершин, описывающих предикатную
область данной системы, связи (дуги) в
которой задаются посредством коммутатора
F –
набора функций
.
Пусть в сети
(S)
имеется алгоритм вывода:
,
где
.
Процедура вывода s
является
упорядоченным множеством
B(s)
U(s),
где U(s)
– есть объединение всех алгоритмов
перехода к вершине s.
Пусть
множество маршрутов от источников сети
![]()
S к
вершине s
в алгоритме
вывода B(s).
Длина |
|
алгоритма B(s)
представляет критический путь на B(s)
и определяется рекурсивно [10]:
|
|=
max(|
|;…;|
|)+1.
(1.10)
Тогда величина
inf
|
|
среди всех алгоритмов множества U(s)
определяет алгоритмическое количество
информации по А.Н. Колмогорову.
Топологический
подход к построению метрической функции
для определения количества информации
формируется с помощью системы покрытий
сети
,
когда параметром оптимизации выступает
емкость (мощность) элементов покрытия,
что равносильно оптимизации, например,
в рамках блочно-модульного обучения
[10]. Таким образом, формируется
топологическая концепция Н. Рашевского
для определения количества информации
[20], которая, вообще говоря, не совпадает
с алгоритмической концепцией А.Н.
Колмогорова [16]. В частности, данная
проблематика основательно исследуется
в связи с задачами принятия решений при
ситуационном управлении сложными
системами и, например, в алгоритмах
обобщения [21], использующих аппарат
покрытий, эффективность принимаемого
решения (гипотезы) оценивается с помощью
мощностей подмножеств, покрывающих
класс элементов обучающей выборки на
соответствующей семантической сети.
2.3. Информационные аспекты оптимизации управления
и синергетики.
Из пп.2.1;2.2 следует, что, если оптимизация управления системой на основе стохастической меры информации по К. Шеннону (т.е. по принципу минимизации информационной энтропии) означает оптимальную организацию информационных сетей и потоков в этой системе, то на основе детерминированных мер происходит оптимизация качественных аспектов информации (семантических и аксиологических), обеспечивающих качество принимаемых управленческих решений.
Необходимо отметить, что в последние десятилетия в теории семантической информации эффективно задействованы концепции синергетики [22], поскольку теорию самоорганизации можно рассматривать как возникновение новых качеств на макроскопическом уровне, трактуя появление этих качеств как неравновесный фазовый переход в сложной динамической системе по сценарию самоорганизованной критичности [23]. Если такой сценарий реализуется в информационной среде, то в результате фазовых переходов рождаются новые информационные качества, например, смысл или ценность информации.
Лекция 3. Психологические теории развития интеллекта.
