Проблема истинности знания

Работа Хинтикки, о которой говорилось выше, как и множество вторых работ по эпистемической логике, основывается на понимании знания как подлинного. Однако имеется много примеров другой позиции. Другой подход может пребывать в выделении разных степеней знания, как это делается, к примеру, В.Н.Костюком12. Обязательно подлинным тут считается знание, соответствующее только одной из этих степеней – строгое, либо полное, знание. Вывод, предположение либо вера, каковые могут быть фальшивыми, кроме этого рассматриваются как степени знания. В случае если мы будем осознавать знание лишь в строгом смысле, то это, считает В.Н.Костюк, в общем случае мешает рассмотрению возможности развития знания, перехода от менее полного к более полному знанию, игнорирует элемент гипотетичности в (научном) знании (с. 131).

В неестественном интеллекте отсутствие явной апелляции к истинности на уровне рефлексии над знанием обусловлено в значительной мере тем, что проектирование базы знаний требует рассмотрения знания в первую очередь в плане его структурно-функциональных черт, а не в плане отношения знания к его объекту. Исходя из этого, говоря о знаниях, часто показывают на такие их черты, как структурированность, активность, наличие метапроцедур, противопоставляя в этом отношении базу знаний в компьютерной совокупности базе данных, компоненты которой не владеют перечисленными особенностями. Пробуя дать оценку с позиций истинности тому, что именуется представленным в ИС знанием, исследователь, осуществляющий представление знаний, к примеру в экспертной совокупности, поймёт, что не все фиксируемые им положения являются подлинными. Наровне с удостоверенными положениями из воображаемого фрагмента знания в базе знаний совокупности фиксируются кроме этого похожие на правду утверждения, догадки, эвристики. В случае если исследователь придерживается взора на знание как обязательно подлинное, то вопрос о том, направляться ли наделять воображаемую совокупность результатов познания статусом знания, он может решить отрицательно. Как раз так поступает Х.Левеск. «В ИИ традиционно употребляется термин знание кроме того тогда, в то время, когда истинность того, что воображают, не утверждается, – пишет он. – Термин полагание (belief) есть тут более уместным, но я буду направляться традиции и применять термин знание»13.

Но признание условности метода потребления термина знание в ИИ в тех случаях, в то время, когда о знании говорится как о чем-то существующем вне ИС и воображаемом в последней, не есть единственный вероятный итог соотнесения этого метода с трактовкой знания как подлинного. В данной ситуации вероятна кроме этого попытка подвести теоретические основания под отказ от понимания знания как обязательно подлинного (выделим, что речь заходит о знании как таковом, а не о знаниях как форме представления информации в ИС, черта которых Д.А.Поспеловым приведена выше).

Пример для того чтобы рода обоснования, основывающегося на практике ИИ, дает один из пионеров этого направления А.Ньюэлл в статье Уровень знаний14. Эта концепция осознанно излагается ее автором как раз как эпистемологическая концепция, имеющая дело с экзистенциальными (в принятой нами терминологии) вопросами о знании.

Ньюэлл настаивает на чисто функциональной характеристике знания. Знание, – думает он, – должно быть охарактеризовано совсем функционально, в терминах того, что оно делает, а не структурно – в терминах физических объектов с отношениями и определёнными свойствами. Остается открытым вопрос о требованиях к физической структуре знания, которая обязана делать эту функциональную роль. Практически эта важная роль ни при каких обстоятельствах не выполняется конкретно. Она выполняется только косвенным и приблизительным образом символьными совокупностями…15. В иерархии уровней компьютерной совокупности, различаемых Ньюэллом, уровень знания находится конкретно над программным (символьным) уровнем, и компоненты уровня знаний (действия, цели, организация), и его субстанция (знание) смогут быть выяснены в терминах совокупностей символьного уровня.16 Вместе с тем знание возможно выяснено независимо от символьного уровня, в терминах действий и целей. Создатель исходит из того мысли, что знание тесно связано с рациональностью, и совокупность, владеющая рациональностью, возможно названа имеющей знание.

Принцип рациональности в его формулировке выглядит следующим образом: В случае если субъект имеет знание о том, что одно из его действий приведет к одной из его целей, то этот субъект выберет данное воздействие. Наряду с этим принимаются правила равносильности приемлемых действий: Для данного знания, в случае если воздействие A1 и воздействие A2 оба ведут к цели G, то выбираются оба действия и предпочтения требуемого для объединенной цели: Для данного знания, в случае если цель G1 имеет множество избранных действий A1 и цель G2 имеет множество избранных действий A2, то действенное множество избранных действий имеется пересечение A1 и A2. Сообщённое разрешает Ньюэллу охарактеризовать знание как то, что возможно приписано субъекту, поведение которого возможно вычислено в соответствии с принципом рациональности17.

К числу значительных черт знания Ньюэлл из принципиальных мыслей не относит истинность. Отмечая, что ИИ имеет занимательные точки соприкосновения с философией, потому, что природа знания и природа разума постоянно являлись объектами изучения философии, главное различие в философии и подходах ИИ к знанию он видит в следующем: Философский интерес к знанию сосредоточен на проблеме достоверности… Это отыскало отражение в различении между полаганием и знанием (belief), выраженном в лозунговой фразе: знание имеется обоснованное подлинное полагание. ИИ, разглядывая всякое знание как содержащее неточности, именует все такие совокупности совокупностями знаний. Он применяет термин полагание только неофициально, в то время, когда несоответствие действительности делается преобладающим, как это имеет место в совокупностях политических взоров. С позиций философии ИИ имеет дело лишь с совокупностями полаганий. Так, отечественная теория знания, разделяя с ИИ безразличие к проблемам полной достоверности, без внимания кое-какие центральные философские вопросы18. Разумеется, что ньюэлловская трактовка знания основывается на очень упрощенном истолковании рациональности. Это истолкование выглядит упрощенным не только на фоне дискуссий по проблемам научной рациональности, но и на фоне интерпретаций рациональности по большому счету, среди них и рациональности здравого смысла, которая возможно осознана, к примеру, как свойство функционировать в ограниченности и условиях19.

Упрощенное познание рациональности ведет к упрощенной трактовке знания, – последовательно проводя позицию Ньюэлла, мы должны будем наделить статусом знания все сведения о том, что некое воздействие ведет к некоей цели, в случае если обладатель этих сведений выбирает упомянутое воздействие, независимо от того, ведет ли этот выбор в действительности к успеху в достижении цели.

К тому же, принимая к сведенью подобные трактовки знания, правомерно поставить вопрос о более широком контексте рассмотрения ИС в плане истины и соотношения знания. Разумеется, что неприятность оценки когнитивного статуса познавательных методов и результатов, воображаемых в компьютерной совокупности, связана с более неспециализированной проблемой истинности знания.

Было бы неверным считать, что теоретико-познавательное (эпистемологическое) значение имеют лишь экзистенциальные концепции знания, вырабатываемые специалистами в области ИИ, – тем более что часто эти концепции, как возможно видеть на примере с работой А.Ньюэлла, основываются на очень уязвимых эпистемологических представлениях.

Громадный интерес для философско-эпистемологических изучений воображают предпринимаемые в рамках компьютерных наук и особенно ИИ подходы к знанию, каковые в принятой нами терминологии должны быть названы технологическими.

Технологические вопросы о знании, исследуемые в рамках ИИ, касаются в значительной мере методов представления приобретения и способов знаний знаний.

4. приобретение и Представление знаний:
философско-эпистемологический контекст

Неприятности представления знаний связаны в значительной мере с разработкой соответствующих языков и моделей. Существуют разные типы моделей: логические, продукционные, фреймовые, семантические сети и другие. Логические модели предполагают представление знаний в виде формальных совокупностей (теорий), и в качестве языка представления знаний в таких моделях в большинстве случаев употребляется язык логики предикатов. Продукционные представления возможно охарактеризовать (упрощенным образом) как системы правил вида В случае если А, то В, либо Предпосылка – воздействие. Сетевые модели предполагают выделение некоторых фиксированных множеств объектов и задание взаимоотношений на них (это смогут быть отношения разного рода: пространственные, временные, отношения именования и др.). Фреймовые представления время от времени разглядывают как разновидность семантических сетей, но для первых характерно наличие фиксированных структур информационных единиц, в которых выяснены места для имени фрейма, значений слотов и имён слотов20. Любая из упомянутых моделей имеет недостатки и свои достоинства в отношении того либо иного круга задач. Преимущества логических моделей, применяющих язык логики предикатов, связаны с дедуктивными возможностями исчисления предикатов, теоретической обоснованностью выводов, осуществляемых в совокупности. Но для того чтобы рода модели в сложных предметных областях могут быть через чур громоздкими и не хватает наглядными в качестве моделей предметной области либо соответствующих фрагментов знания. Продукционные модели стали широко распространены благодаря таким преимуществам, как простота формулировки отдельных правил, модификации и пополнения, и механизма логического вывода. В качестве недочёта продукционного подхода отмечают низкую эффективность обработки информации при необходимости ответа непростых задач. Преимущества семантических фреймовых моделей и сетей заключаются, с одной стороны, в их экономичности, разрешающей сократить время автоматизированного поиска информации, а иначе, в их удобстве для описания определенных областей знания (и соответствующих фрагментов действительности, изучаемых в данных областях), в то время, когда выделяются главные (с позиций задач, для которых создается ИС) объекты предметной области и (либо) совокупность понятий, в которых будут анализироваться конкретные обстановки, и описываются свойства объектов (понятий) и отношения между ними. И не смотря на то, что в целом для этих типов моделей существуют серьёзные неприятности с организацией вывода, фреймовые совокупности многими были оценены как перспективные благодаря возможностям подведения под них достаточно строгих логических и математических оснований. Очевидно, в ИС вовсе не обязательно должна быть реализована лишь какая-нибудь одна из упомянутых моделей представления знаний в чистом виде. Сочетание разных моделей может содействовать созданию более действенных совокупностей. На уровне теории ИИ это время от времени находит отражение в разработке новых типов моделей представления знаний, сочетающих в себе черты моделей, ставших уже классическими.

В рамках технологического подхода к знанию, осуществляемого ИИ, рассматриваются вопросы экономичности представлений знаний посредством тех либо иных средств, их дедуктивных возможностей, эффективности в ответе задач. Вместе с тем влияние теории ИИ (и, например, представления знаний) на изучение знания как такового простирается далеко за пределы технологического подхода. Сравнивая влияние тех либо иных моделей представления знаний на экзистенциальные изучения знания, мы не можем не подметить различия в той роли, которую играется, с одной стороны, логический подход и, иначе, такие подходы, как продукционный, фреймовый и другие, объединяемые время от времени под неспециализированным заглавием эвристического21 либо когнитивного22 подхода. Необходимо подчернуть, что оба этих подразделения смогут быть приняты только условно: подразделение логический – эвристический либо логический – когнитивный приводит к, потому, что для логических моделей характерно наличие эвристик и, помимо этого, модели эти смогут содержать допущения довольно когнитивного поведения. Пример – созданная группой В.К.Финна ИС, которая рассматривается собственными создателями как реализация логики здравого смысла, объединяющей естественный эмпиризм и естественный рационализм23.

Однако в целом логический подход к представлению знаний в ИС не привел до сих пор к каким-либо важным трансформациям в экзистенциальных рассмотрениях знания, к появлению новых влиятельных концепций в данной области. Другие же подходы оказывают более заметное влияние на изучение экзистенциальных вопросов о знании – как пример возможно сослаться на фреймовую концепцию строения знания, взявшую известное распространение как в психологии, так и в когнитивной лингвистике. Сообщённое было бы неверно истолковывать как довод в пользу преимуществ этих типов моделей представления знаний перед логическими.

Дело в том, что логический подход в представлении знаний, как и сами логические исчисления, появился на базе трактовок знания, складывавшихся в течение многих столетий – на базе того, что возможно названо хорошей рационалистической эпистемологией с характерными для нее пропозициональным истолкованием элементарного знания, рассмотрением теорий математизированных наук в качестве образцовых форм организации знания, строгими стандартами правильности рассуждений. Уровень разработанности и классической эпистемологии ее концептуальных баз столь высок, что за период времени, за который ведутся изучения в соответствии с представлением знаний в компьютерных совокупностях (а данный период ничтожно мелок в сравнении с возрастом хорошей эпистемологии), эти изучения, имеющие в качестве собственной концептуальной базы самое хорошую эпистемологию, закономерно должны были скорее демонстрировать ее возможности в применении к новому кругу задач, чем стимулировать значительные трансформации в ней. Утверждение, что неклассические логики, все шире используемые в представлении знаний, кроме этого развиваются на концептуальной базе хорошей эпистемологии, может, на первый взгляд, показаться парадоксальным. Однако оно справедливо в той степени, в какой неклассические логики являются модификациями хороших исчислений и разделяют с ними те глубинные концептуальные предпосылки, каковые смогут быть в известном смысле противопоставлены концептуальным базам иных подходов. С данной точки зрения работы по логике рассуждений и естественного языка здравого смысла говорят о высокой гибкости инструментария, развиваемого на базе хорошей эпистемологии и о достатке его возможностей.

Другие подходы в представлении знаний достаточно тесно связаны с развитием когнитивной психологии. Но само это направление сложилось под влиянием компьютерной метафоры, в то время, когда познавательные процессы стали рассматриваться по аналогии с работой вычислительных автомобилей. Неудивительно исходя из этого, что происходящее в ИИ оказывало и оказывает заметное действие на когнитивную психологию (как и на еще более молодое направление – когнитивную лингвистику). Это справедливо и в отношении фактически представления знаний. И фреймовые, и сетевые модели основываются на соответствующих концепциях структур памяти и человеческого восприятия. Показательно наряду с этим, что концепция фрейма как когнитивной структуры была мотивирована задачами разработки ИС. Вместе с тем эта концепция имеет независимое значение как концепция психотерапевтическая и эпистемологическая и употребляется в изучении неприятностей, выходящих за рамки фактически разработок компьютерных совокупностей24.

Сейчас возможно сказать о том, что представлению знаний в ЭВМ в виде совокупностей правил (что характерно, в первую очередь, для продукционных моделей) соответствует новый подход в философско-эпистемологических изучениях, придающий особенное значение предписаниям и правилам, регулирующим людскую деятельность. Данный подход представлен в работах А.И.Ракитова. В середине 80-х годов А.И.Ракитов и Т.В.Адрианова прогнозировали возможность появления новых тенденций в эпистемологии, касающихся в первую очередь изучения познавательной функции правил как особенной эпистемологической категории и регулятивной механизма трансформации и выявления рационализации интеллектуального творчества. Для того чтобы рода предположения (и постановка задачи развития эпистемологии в этом направлении) были обусловлены тем событием, что для построения баз знаний компьютерных совокупностей потребовалось изучение механизмов функционирования знания под таким углом зрения, дабы это разрешило распознать правила работы данных механизмов, т.е. инструкции, показывающие, какие конкретно классы действий либо отдельные действия и как именно должны выполняться25.

В книге Философия компьютерной революции (М., 1991) А.И.Ракитов выдвигает концепцию информационной эпистемологии. Происхождение интеллектуальной технологии и жгучий интерес к возможностям и природе машинного мышления, порожденный компьютерной революцией, – пишет он, – стали причиной формированию нового, нетрадиционного раздела эпистемологии – эпистемологии информационной. Она исследует не те либо иные виды научного знания, а знания по большому счету, но под особенным углом зрения, с преобразования информации и позиции переработки в ее высшую форму – знания. Информационная эпистемология исследует выражения знаний и различные способы представления и возможности построения знаний посредством технических совокупностей. Поэтому фокус информационной эпистемологии перемещается на здравый смысл и обыдённое познание, потому, что они являются изначальной формой познавательной деятельности, к тому же формой универсальной, всеохватывающей, энциклопедической, самая сложной, разнообразной и богатой26. мышления и Процесс познания, считает А.И.Ракитов, рассматривается в информационной эпистемологии под углом зрения инженерного фундаментализма как процесс машинной изменении информации. К главным проблемам информационной эпистемологии он относит следующие: что такое информация; как она передается, трансформируется; соотношения сигналов и каковы функции и кодов; какова эпистемическая функция компьютеров, смогут ли они мыслить; как из информации создаются знания; как соотносятся информация, значение и смысл; каковы методы машинного представления знаний; какова сообщение языка и информации; как осуществляется взаимопонимание машины и машинное понимание и человека; возможно ли редуцировать мыслительные процессы к вычислительным функциям либо представить через них; в чем сущность инженерного подхода к познавательной деятельности; и, наконец, каково соотношение мозга и компьютера?27.

Разумеется, что в круг перечисляемых А.И.Ракитовым неприятностей входят как технологические, так и экзистенциальные вопросы о знании. Соотнесенность между собой этих вопросов, обусловленная тем, что все они так или иначе связаны с проблемами компьютерной переработки информации, разрешает сказать об информационной эпистемологии как об объектно-формируемом спектре изучений. Вместе с тем было бы неправомерно сказать об информационной эпистемологии как о дисциплине. Одни из вопросов, обозначаемых А.И.Ракитовым в качестве главных вопросов информационной эпистемологии, исследуются в рамках ИИ (к примеру, методы машинного представления знаний), другие – в рамках в основном психотерапевтических работ (к примеру, неприятности мозга), третьи (может ли компьютер мыслить?) являются по существу философскими проблемами, независимо от главного рода занятий людей, участвующих в их дискуссии. Запрещено дать согласие с утверждением о том, что так осознаваемая информационная эпистемология делается независимым разделом философии познания (с. 150), хотя бы вследствие того что осуществляемые в рамках ИИ работы по представлению и приобретению знаний не имеют, в большинстве случаев, философского характера (да и не стремятся его иметь; рассмотренная выше попытка построения эпистемологической концепции А.Ньюэллом – скорее исключение, чем правило для области в целом), не смотря на то, что и воображают интерес для философа, исследующего неприятности знания.

Так или иначе, для осмысления происходящего в разработке компьютерных совокупностей с позиций эпистемологии характерно кроме этого наличие тенденции к определенной изменению эпистемологии с учетом потребностей компьютерной революции. Упоминавшаяся выше задача изучения познавательной деятельности как системы правил, которая ставится А.И.Ракитовым и Т.В.Адриановой (и приобретает предстоящее обоснование в цитированной книге А.И.Ракитова), – не единственное вероятное направление развития эпистемологии под влиянием компьютерной революции.

Разглядывая неприятности представления знаний при помощи семантических сетей, С.М.Шалютин приходит к не меньше правомерному выводу о желательности изучения категорий с учетом потребностей моделирования знания. Дело в том, что базисные отношения, содержащиеся в семантических сетях, являются аналогами мыслительных категорий (к примеру, категорий причинности, части и целого, единичного и неспециализированного). Это дает основание считать, что …для развития ИИ принципиально важно создать формальные квазикатегории, каковые были бы приближенными аналогами настоящих категорий, функционирующих в мыслительном ходе человека. Это значит, что одной из задач гносеологии на современном этапе есть, так сообщить, разложение категорий в нескончаемый последовательность общенаучных и иных понятий, каковые имели возможность бы формализоваться средствами методологии и логики науки28.

Взор на компьютер как на техническое устройство (артефакт), делающее скорее функцию посредника в передаче знания от одного человека к второму и скорее играющее роль необычного текста, чем являющееся независимой (т.е. не требующей дополнительного обращения к знаниям человека) моделью действительности, побуждает нас сделать выговор на неявной, личностной компоненте знания, и на культурных предпосылках общения людей при посредстве ЭВМ. Заполнение базы знаний, осуществленное инженером в следствии работы с специалистом, предполагает, само собой разумеется, формулировку правил (к примеру, правил продукций), каковые входят в базу знаний и нужны для исполнения совокупностью ее функций. Однако эти правила в большинстве случаев не смогут претендовать на независимый эпистемологический статус – т.е. статус правил, в соответствии с которыми вправду мыслит специалист и вправду функционирует некомпьютеризованное знание. В полной мере оправдана в этом отношении аналогия между совокупностью, основанной на знаниях, и простым текстом, проводимая Ю.А.Шрейдером29. И в том и другом случае …обладатель знания не имеет возможности его адекватно выразить в тексте, рискуя взять что-то, хорошее от того, что имел в виду создатель. …Знание не упаковывается в текст, а моделируется в нем в дискурсивной, а следовательно, упрощенной форме. Надежда на то, что оно будет адекватно воспринято адресатом, зиждется на вере в творческие свойства последнего – в то, что он воспримет текст не как буквальную инструкцию, но как намек, разрешающий воссоздать архитектуру моделируемого знания30.

В принципе утверждение о существовании невербализуемого, неэксплицируемого личностного знания не противоречит утверждению о возможности вербализации либо иного рода экспликации той части неявного знания, которая это допускает. С данной точки зрения развитие возможностей совокупностей ИИ как раз как независимых совокупностей, сопоставимых с человеком по последовательности делаемых им функций в работе с информацией, совместимо с исполнением совокупностями ИИ посреднической роли в передаче знания от человека к человеку, предполагающей наличие у людей того неспециализированного резервуара неявного знания, которое не может быть эксплицировано для представления в компьютерной совокупности. На практике, но, тенденция к созданию независимых совокупностей и тенденция к разработке совокупностей-посредников время от времени противопоставляются одна второй и соперничают между собой. Проекция противопоставления этих подходов на уровень эпистемологии – две крайние точки зрения на знание, одна из которых предполагает принципиальную эксплицируемость всей познавательной деятельности человека, а вторая – принципиальную неэксплицируемость того, что не эксплицировано сейчас.

Серьёзной группой технологических вопросов о знании, изучаемых ИИ, являются вопросы приобретения знаний – т.е. вопросы о методах ввода и получения в ЭВМ информации, нужной для наполнения структур представления знаний конкретным содержанием. Источниками данной информации смогут быть как тексты (книги, статьи, архивные документы либо уже созданные базы знаний, каковые смогут принимать во внимание текстами в широком смысле этого слова), так и не зафиксированные в текстах (либо кроме того неартикулированные) знания, которыми владеет человек (эксперт, специалист). В некоторых случаях совокупность может получать знания благодаря наблюдению за окружающей средой31.Многие исследователи уверены в том, что главной проблемой при построении экспертных совокупностей есть получение знаний от специалистов32.

Существуют разнообразные методики так именуемого извлечения знаний из специалиста. Ранее вторых появившиеся и самый распространенные из них – методики интервьюирования специалистов. Режим интервью, в то время, когда инженер по знаниям ведет деятельный диалог с специалистом, предполагает как предварительное ознакомление его с предметной областью, для работы в которой создается совокупность, так и ознакомление специалиста с некоторыми вопросами построения ИС. Темперамент диалога зависит от многих факторов – области, в которой будет употребляться совокупность, и задач, каковые она обязана решать, от теоретической ориентации инженера по знаниям и имеющегося в его распоряжении инструментария, от личных изюминок специалиста. На сегодня создано множество стратегий интервьюирования, из которых самые известными являются разбиение на ступени, репертуарная решетка и подтверждение сходства33.От интервью отличаются такие методы сотрудничества инженера по знаниям с специалистом, как игровая имитация и протокольный анализ. Протокольный анализ предполагает фиксацию действий (запись) либо мыслей вслух (запись на магнитофонную ленту) специалиста на протяжении решения проблемы. Эта запись потом подвергается анализу. При игровой имитации инженер по знаниям следит за поведением специалиста в искусственно созданных обстановках, моделирующих те, каковые вправду имеют место в работе специалиста. Но и эти методы требуют диалога инженера с специалистом. Таковой диалог не редкость нужен при анализе взятой информации, для ее уточнения, восстановления картины работы специалиста в том количестве, что требуется для построения ИС. Работа с специалистом возможно в значительной мере автоматизирована, в то время, когда функции инженера по знаниям (либо по крайней мере часть этих функций) делает ИС34.

Было бы неверным утверждать, что в ИИ существует единогласие в интерпретации отношения знания в ИС – знания вне ИС. В то время, как многие исследователи вычисляют ИС моделирующими экспертное знание, другие выделяют, что создаваемые ими совокупности не претендуют на моделирование стратегий людской рассуждения либо поиска ответов, предпочитая сказать не о моделировании экспертного знания, а, к примеру, об неестественной компетентности совокупности35.Однако обстановка, в то время, когда избранная исследователем позиция в технологическом подходе к знанию выясняется связанной с соответствующей позицией в экзистенциальном рассмотрении знания, достаточно обычна. Так исследователь, применяющий продукционную модель представления знаний, часто считает, что знание специалиста в конечном итоге имеется не что иное, как совокупность продукций, и подобным образом обстоит дело с другими их комбинациями и моделями. В справочном издании ИИ (Т. 2, с. 65) соответствие между формой репрезентации знаний у человека-специалиста и формой репрезентации, в которой инженер по знаниям планирует их обрисовывать и воображать, рассматривается как условие эффективности работы инженера по знаниям. Так или иначе, способы извлечения знаний, как и способы их представления, часто базируются на когнитивно-психотерапевтических и эпистемологических мыслях, а также на экзистенциальном взоре на когнитивную структуру экспертного знания (время от времени вместо выражения экспертное знание предпочитают использовать выражение опыт специалиста)36.

Трудности приобретения знаний – это в значительной мере трудности изучения структуры механизмов и экспертного знания его функционирования. Рефлексия специалиста над собственным знанием не имеет возможности решить данной неприятности, потому, что, во-первых, не все специалисты владеют достаточно развитой свойством к рефлексии, во-вторых, далеко не всегда могут осуществлять ее в тех концептуальных рамках, каковые снабжают возможность заполнения базы знаний, и, в-третьих, известны случаи, в то время, когда специалисты в силу каких-либо мыслей не хотят делиться информацией с инженером знаний37. Помимо этого, имеются трудности принципиального характера, которые связаны с вербализацией неявного знания, а также знания, как. Знания этого типа время от времени понимаются как эвристики, дающие возможность порождать похожие на правду догадки, видеть перспективные подходы к задаче, действенно трудиться в том месте, где эти ошибочны либо неполны. Но обнаружившиеся на более ранних этапах развития ИИ (к примеру, при моделировании игры в шахматы) трудности обнаружения эвристик, и принципиальные сомнения в настоящем существовании эвристик как неосознанных дискретных мыслительных процессов, сохраняют собственный значение и применительно к задачам построения экспертных совокупностей. Кое-какие исследователи придают значение интуиции специалиста-человека, возможностям ее учета либо компенсирования при разработке ИС.

Неприятность компьютер и знание, так, выясняется связанной с вопросами явного и неявного, вербализуемого и невербализуемого знания, и с проблемой интуиции.

До сих пор мы различали экзистенциальные и технологические вопросы о знании. Но в предшествующем дискуссии неприятности компьютер и знание сам технологический подход к знанию становился объектом рассмотрения. Исходя из этого возможно заявить, что мы занимались в значительной степени метатехнологическими вопросами о знании.

5. Метатехнологические вопросы о знании

Метатехнологические вопросы возможно охарактеризовать как вопросы о технологических вопросах (и их ответах). Разумеется, что таковы многие из вопросов, затронутых выше: что такое технологический подход к знанию, как соотносятся технологические и экзистенциальные рассмотрения знания и др.

Метатехнологические вопросы смогут быть связаны с оценкой разработок получения, обработки и хранения знаний в более широком контексте условий и целей человека людской благополучия, это смогут быть вопросы о влиянии информационной разработке на развитие знания, а также на эволюцию видов и форм знания, применяемого в профессиональной деятельности.

Метатехнологические вопросы о знании во многих случаях смогут быть осознаны как разновидность экзистенциальных вопросов о знании. Для метатехнологического подхода к знанию характерно наличие вопросов типа Таково ли знание, дабы возможно было с ним сделать то-то и то-то? либо Таково ли знание, дабы с ним имело возможность случиться то-то и то-то благодаря развития определенных видов разработок?. Слова возможно и имело возможность обозначают тут как техническую осуществимость, так и прагматическую либо этическую допустимость либо оправданность. В такие рамки вписывается достаточно широкий круг вопросов – о возможности создания настоящего ИИ и совокупности ИИ, которая имела возможность бы принимать во внимание полноценным субъектом знания, о возможности построения неспециализированной теории знания как правильной науки либо каким-либо иным образом, об операциях со знанием, осуществляемых с применением компьютера как предмета-посредника в познавательно-коммуникативной деятельности, о доверии к итогам переработки информации компьютером и правомерности включения этих результатов в совокупность людской знания, и многие другие.

Особенное положение метатехнологических вопросов о знании среди вторых экзистенциальных вопросов определяется заметной связью первых с вопросами стратегии развития информационной разработке и технологических подходов к знанию. На базе метатехнологических рассмотрений знания часто дается оценка перспективности тех либо иных способов моделирования знаний в компьютерных совокупностях, приобретения и представления знаний методом создания компьютерных совокупностей, да и развития информационной разработке в целом. Так, с одной стороны, мы оцениваем с отечественных эпистемологических позиций тенденции и те явления, каковые имеют место в применении и создании компьютерных совокупностей, а иначе, уточняем и развиваем личные эпистемологические взоры, пробуя отыскать ответы на вопросы, появляющиеся в связи с возникновением новых видов компьютерных совокупностей и с возрастающей ролью компьютера в нашей жизни.

В русле метатехнологического подхода к знанию осознаются знания и проблемы информации как стратегического ресурса развития общества. Знание постоянно играло ключевую роль в жизни общества, но как раз развитие компьютерной осознание и техники ограниченности материальных ресурсов планеты содействовало разработке концепций информационного общества, либо общества, основанного на знаниях (knowledge-based society), как для того чтобы, где наиболее значимую роль в использовании и производстве знаний будет играться автоматизированная переработка информации. Наряду с этим подчеркивается значение информационно-знаниевых ресурсов как фактически неисчерпаемых, потому, что они базируются на творческо-познавательных свойствах людей.

В оценке возможностей информатизации общества главное значение имеет то событие, что информатизация – это процесс, в котором социальные, технологические, экономические, политические и культурные механизмы не просто связаны, а практически сплавлены, слиты воедино38. Разбирая тенденции и процессы информатизации, А.И.Ракитов приходит к выводу о возможности для того чтобы вида социально-экономической, политической и духовно-культурной сегрегации, при котором в самые развитых информационных обществах сконцентрируется вся либо практически вся интеллектуальная индустрия. Они станут источником, держателем и хранителем главных интеллектуальных ресурсов, производителем доминантных IT, продуцентом главных культурных и социально-гуманитарных потребностей. Остальные же страны мира превратятся в потребителя информационной продукции и информационной технологии, отдельных видов и производителя сырья промышленной продукции39.

Неприятность истины в философии коротко


Также читать:

Понравилась статья? Поделиться с друзьями: