Ментальная репрезентация: pro et contra
Итак, понятие ментальной репрезентации интерпретируется в современной науке в двух смыслах: как содержание психического отражения и как фор- мат психического отражения. В зависимости оттого, как используется дан- ное понятие, организуется стратегия научного экспериментирования. Ис- следователь вправе остановиться на любом из описанных толкований, по- нимая, однако, что тем самым он добровольно и осознанно ограничивает область изучения.
Ментальная репрезентация: pro et contra
|
Рис. 6.4. Модель оценки и принятия решения (цит. no: (Alamberti, Basien, Richard, 1995, p. 413]).
Трактуя ментальную репрезентацию в первом смысле, экспериментатор оказывается в плену объяснительных схем, заимствованных, по сути, из би- хевиоризма: содержание психического есть результат воздействия стимула.
Принимая вторую трактовку ментальной репрезентации как формата отражения, исследователь сталкивается с проблемами выбора формата, позволяющего построить экономную объяснительную модель. При этом допустимо пользоваться либо одним форматом (алфавитом кодирования), либо несколькими. В случае унитарных моделей неминуемо возникнет про- блема «синтаксиса», т.е. проблема разработки детальной системы опера- ций и правил, позволяющих свести все многообразие опыта к единствен- ному формату. В том же случае, если выбор сделан в пользу нескольких форматов, исследователь должен быть готов объяснить механизмы взаи- модействия между ними.
Глава 6. Ментальная репрезентация
Репрезентация и знание в искусственном интеллекте'
В искусственном интеллекте, где переход от использования данных к ра- боте со знаниями знаменовал собой новый этап, приведший к появлению современных интеллектуальных систем, характеристике знаний было уде- лено особое внимание. В работах Д.А. Поспелова знания описываются сле- дующим образом.
• Внутренняя интерпретируемость знаний, т.е. понятность знания са- мому его носителю.
Каждая информационная единица должна иметь уникальное имя, по ко- торому информационная система находит ее, а также отвечает на запросы, в которых это имя упомянуто. Когда данные, хранящиеся в памяти, были ли- шены имени, отсутствовала возможность их идентификации системой. Дан- ные могла идентифицировать лишь программа, извлекающая их из памяти по указанию написавшего ее программиста. Что скрывается за тем или иным дво- ичным кодом машинного слова, системе было неизвестно. При переходе к знаниям в память ЭВМ вводится информация о некоторой протоструктуре информационных единиц. Она может быть представлена, например, как таб- лица; тогда каждая строка таблицы будет экземпляром протоструктуры.
• Структурированность знаний — знания устроены так, что представляют собой некоторую иерархическую (точнее, гетерархическую) структуру.
Информационные единицы должны обладать гибкой структурой. Для них должен выполняться принцип «матрешки», т.е. рекурсивная вложи- мость одних информационных единиц в другие. Каждая информационная единица может быть включена в состав любой другой, и из каждой инфор- мационной единицы можно выделить некоторые составляющие ее инфор- мационные единицы. Другими словами, должна существовать возможность произвольного установления между отдельными информационными еди- ницами отношений типа «часть—целое», «род—вид», «элемент—класс».
• Связность— знания находятся между собой в определенных отноше- ниях (например, каузальных, функциональных и т.д.).
В информационной базе между элементами должна быть предусмотре- на возможность установления связей различного типа. Прежде всего эти связи могут характеризовать отношения между элементами. Семантика отношений может носить декларативный или процедурный характер. На- пример, две или более информационные единицы могут быть связаны от- ношением «одновременно», две единицы — отношением «причина—след- ствие» или отношением «быть рядом». Приведенные отношения характе-
' Данный раздел написан Н.И. Чудовой.
Репрезентация и знание в искусственном интеллекте
ризуют декларативные знания. Если между двумя элементами установле- но отношение «аргумент—функция», то оно характеризует процедурное знание, связанное с вычислением определенных функций. Различают от- ношения структуризации, функциональные, каузальные и семантические. С помошью первых задаются иерархии информационных единиц; вторые несут процедурную информацию, позволяющую находить одни элементы через другие; третьи задают причинно-следственные связи; четвертые со- ответствуют всем остальным отношениям.
Между элементами могут устанавливаться и иные связи, например, определяющие порядок выбора элемента из памяти или указывающие на то, что две информационные единицы несовместимы друг с другом в од- ном описании.
• Ассоциативность знаний или наличие семантической метрики в сфе- ре знаний.
На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость элементов, т.е. силу ассоциативной связи между ними. Это отношение можно было бы назвать отношением релевантности. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации (например, «покупка», «регулирование движения на перекрестке»). Отношение реле- вантности при работе с информационными единицами позволяет находить знания, близкие к уже найденным.
• Активность знаний, т.е. наличие побуждающей и направляющей фун- кции у знаний, что фактически делает их квазипотребностями.
Как и у человека, в интеллектуальных системах актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким обра- зом, выполнение программ в информационной системе должно иниции- роваться текущим состоянием информационной базы. Появление в базе фактов или описаний событий, установление связей может стать источни- ком активности системы.
Дата добавления: 2015-09-27 | Просмотры: 553 | Нарушение авторских прав
|