Данные и знания. Основные определения.
Информация, с которой имеют дело ЭВМ, разделяется на процедурную и декларативную. Процедурная информация овеществлена в программах, которые выполняются в процессе решения задач, декларативная информация - в данных, с которыми эти программы работают.
Стандартной формой представления информации в ЭВМ является машинное слово, состоящее из определенного для данного типа ЭВМ числа двоичных разрядов - битов. Машинное слово для представления данных и машинное слово для представления команд, образующих программу, могут иметь одинаковое или разное число разрядов. Одинаковое число разрядов в машинных словах для команд и данных позволяет рассматривать их в ЭВМ в качестве одинаковых информационных единиц и выполнять операции над командами, как над данными. Содержимое памяти образует информационную базу. Машинное слово является основной характеристикой информационной базы, т.к. его длина такова, что каждое машинное слово хранится в одной стандартной ячейке памяти, снабженной индивидуальным именем - адресом ячейки. По этому имени происходит извлечение информационных единиц из памяти ЭВМ и записи их в нее. В языках программирования высокого уровня используются абстрактные типы данных, структура которых задается программистом.
Появление баз данных (БД) знаменовало собой еще один шаг на пути организации работы с декларативной информацией. В базах данных могут одновременно храниться большие объемы информации, а специальные средства, образующие систему управления базами данных (СУБД), позволяют эффективно манипулировать с данными, при необходимости извлекать их из базы данных и записывать их в нужном порядке в базу.
По мере развития исследований в области ИС возникла концепция знаний, которые объединили в себе многие черты процедурной и декларативной информации. В ЭВМ знания так же, как и данные, отображаются в знаковой форме - в виде формул, текста, файлов, информационных массивов и т.п. Поэтому можно сказать, что знания - это особым образом организованные данные. В системах ИИ знания являются основным объектом формирования, обработки и исследования. База знаний, наравне с базой данных, - необходимая составляющая программного комплекса ИИ. Машины, реализующие алгоритмы ИИ, называются машинами, основанными на знаниях, а подраздел теории ИИ, связанный с построением экспертных систем, - инженерией знаний.
Отличия между данными и знаниями:
1. внутренняя интерпретируемость знаний (например: данные – 243849..., знания – предложения естественного языка).
2. активность знаний. Если есть знания, то появления новых знаний может привести к изменению старых знаний и появлению новых.
3. связность знаний. Знания не интересны сами по себе, они интересны в совокупности (система знаний).
4. знания динамичны, а данные как правило статичны.
Интенсиональные знания определяются через понятие более высокого уровня с указанием специфических свойств. Экстенсиональные знания определяются через понятия более низкого уровня, обычно путем их простого перечисления. Как правило экстенсионалы хранятся в базах данных, а интенсионалы в базах знаний. Знания по способу представления различают на декларативные (описывается информация) и процедуральные (записаны в алгоритме). Основное направление движения в области представления знаний – большее использование декларативных знаний.
Классификации знаний и их моделей
Существует много способов классифицировать знания. Остановимся на классификации по носителю знаний. Знания делятся на:
1. Формализованные
· справочные руководства,
· энциклопедии,
· знания в корпоративных информационных системах
2. Персональные
· навыки, связанные с ремеслом,
· спортивные навыки,
· способы мышления, анализа,
· способы выполнения работ
Формализованные знания обычно уже размещены на материальных носителях - книги, брошюры, сайты интернет/интранет, файлы данных, КИС (ERP). Эти способы организации знаний очень хороши и проверены временем. Мы вряд ли сможем их существенно улучшить, чтобы это отразилось на производительности или других экономических показателях вашей организации.
Персональные знания, напротив, обычно содержатся только в умах их носителей. Для того, чтобы сделать их достоянием организации, необходимо, чтобы знания активно передавались между сотрудниками. Для этого издавна существует наставничество, системы внутреннего корпоративного обучения.
Очень многие из персональных знаний могут быть формализованы. Это касается прежде всего методов и способов выполнения работ, принятых и оптимальных в вашей организации. В зависимости от этапа развития организации, методы выполнения работ развиваются от творческих, созданных на рабочих местах методом проб и ошибок до лучших практик в индустрии, закрепленных в документации о бизнес-процессе, ERP-системе и в политике организации.
Определения фрейма. Фрейм как список свойств и как сеть. Иерархия и наследование свойств
Фрейм – это некоторая структура представления знаний, которая при ее заполнении соответствующими значениями превращается в описание конкретного фактора, события или ситуации. Фрейм - это минимальное возможное описание сущности какого-либо явления, события, ситуации, процесса или объекта. Минимальность означает, что при дальнейшем упрощении описания теряется его полнота, она перестает определять ту единицу знаний, для которой предназначено. Фрейм имеет определенную структуру, состоящую из множества элементов – слотов. Каждый слот в свою очередь, представляется определенной структурой данных, процедурой, или может быть связан с другим фреймом. Структуру фрейма можно представить так:
ИМЯ ФРЕЙМА: (имя 1-го слота: значение 1-го слота), (имя 2-го слота: значение 2-го слота), … (имя N-го слота: значение N-гo слота).
Ту же запись представим в виде таблицы, дополнив двумя столбцами.
В качестве значения слота может выступать имя другого фрейма; так образуют сети фреймов, состоящие из выделенных вершин и связей. Верхний уровень фрейма представляет соответствующие понятия, а последующие уровни терминальные слоты, которые содержат конкретные значения. Иерархия объектов реализуется через аппарат исследования свойств, когда классы объектов определенного уровня наследуют строения классов фреймов более высокого уровня. Если объект, кот. описывается некоторой группой фреймов находится в концептуальной связи с верхним и нижним уровнями фреймов, то соотв. ему фреймы конструируются с учетом и иерархических отношений и при этом наследование свойств осущ. через слоты или фреймы с одинаковым именем.
5.1. Отличия знаний от данных
Характерным признаком интеллектуальных систем является наличие знаний, необходимых для решения задач конкретной предметной области. При этом возникает естественный вопрос, что такое знания и чем они отличаются от обычных данных, обрабатываемых ЭВМ.
Данными называют информацию фактического характера, описывающую объекты, процессы и явления предметной области, а также их свойства. В процессах компьютерной обработки данные проходят следующие этапы преобразований:
Исходная форма существования данных (результаты наблюдений и измерений, таблицы, справочники, диаграммы, графики и т.д.);
Представление на специальных языках описания данных, предназначенных для ввода и обработки исходных данных в ЭВМ;
Базы данных на машинных носителях информации.
Знания являются более сложной категорией информации по сравнению с данными. Знания описывают не только отдельные факты, но и взаимосвязи между ними, поэтому знания иногда называют структурированными данными. Знания могут быть получены на основе обработки эмпирических данных. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
Для того чтобы наделить ИИС знаниями, их необходимо представить в определенной форме. Существуют два основных способа наделения знаниями программных систем. Первый - поместить знания в программу, написанную на обычном языке программирования. Такая система будет представлять собой единый программный код, в котором знания не вынесены в отдельную категорию. Несмотря на то что основная задача будет решена, в этом случае трудно оценить роль знаний и понять, каким образом они используются в процессе решения задач. Нелегким делом являются модификация и сопровождение подобных программ, а проблема пополнения знаний может стать неразрешимой.
Второй способ базируется на концепции баз данных и заключается в вынесении знаний в отдельную категорию, т.е. знания представляются в определенном формате и помещаются в БЗ. База знаний легко пополняется и модифицируется. Она является автономной частью интеллектуальной системы, хотя механизм логического вывода, реализованный в логическом блоке, а также средства ведения диалога накладывают определенные ограничения на структуру БЗ и операции с нею. В современных ИИС принят этот способ.
Следует заметить, что для того, чтобы поместить знания в компьютер, их необходимо представить определенными структурами данных, соответствующих выбранной среде разработки интеллектуальной системы. Следовательно, при разработке ИИС сначала осуществляются накопление и представление знаний, причем на этом этапе обязательно участие человека, а затем знания представляются определенными структурами данных, удобными для хранения и обработки в ЭВМ. Знания в ИИС существуют в следующих формах:
Исходные знания (правила, выведенные на основе практического опыта, математические и эмпирические зависимости, отражающие взаимные связи между фактами; закономерности и тенденции, описывающие изменение фактов с течением времени; функции, диаграммы, графы и т. д.);
Описание исходных знаний средствами выбранной модели представления знаний (множество логических формул или продукционных правил, семантическая сеть, фреймы и т. п.);
Представление знаний структурами данных, которые предназначены для хранения и обработки в ЭВМ;
Базы знаний на машинных носителях информации.
Что же такое знания? Приведем несколько определений.
Из толкового словаря С. И. Ожегова: 1) «Знание - постижение действительности сознанием, наука»; 2) «Знание - это совокупность сведений, познаний в какой-либо области».
Определение термина «знания» включает в себя большей частью философские элементы. Например, знание - это проверенный практикой результат познания действительности, верное ее отображение в сознании человека.
Знание есть результат, полученный познанием окружающего мира и его объектов. В простейших ситуациях знания рассматривают как констатацию фактов и их описание.
Исследователями в области ИИ даются более конкретные определения знаний.
«Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области» .
«Знания - это хорошо структурированные данные или данные о данных, или метаданные» .
«Знания - формализованная информация, на которую ссылаются или используют в процессе логического вывода» .
В области систем ИИ и инженерии знаний определение знаний увязывается с логическим выводом: знания - это информация, на основании которой реализуется процесс логического вывода, т.е. на основании этой информации можно делать различные заключения по имеющимся в системе данным с помощью логического вывода. Механизм логического вывода позволяет связывать воедино отдельные фрагменты, а затем на этой последовательности связанных фрагментов делать заключение.
Знания - это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода (рис. 5.1.).
Рис. 5.1. Процесс логического вывода в ИС
Под знанием будем понимать совокупность фактов и правил. Понятие правила, представляющего фрагмент знаний, имеет вид:
Если <условие> то <действие>.
Это определение есть частный случай предыдущего определения.
Однако признается, что отличительные качественные особенности знаний обусловлены наличием у них больших возможностей в направлении структурирования и взаимосвязанности составных единиц, их интерпретируемости, наличие метрики, функциональной целостности, активности.
Существует множество классификаций знаний. Как правило, с помощью классификаций систематизируют знания конкретных предметных областей. На абстрактном уровне рассмотрения можно говорить о признаках, по которым подразделяются знания, а не о классификациях. По своей природе знания можно разделить на декларативные и процедурные.
Декларативные знания представляют собой описания фактов и явлений, фиксируют наличие или отсутствие таких фактов, а также включают описания основных связей и закономерностей, в которые эти факты и явления входят.
Процедурные знания - это описания действий, которые возможны при манипулировании фактами и явлениями для достижения намеченных целей.
Для описания знаний на абстрактном уровне разработаны специальные языки - языки описания знаний. Эти языки также делятся на языки процедурного типа и декларативного. Все языки описания знаний, ориентированные на использование традиционных компьютеров фон-неймановской архитектуры, являются языками процедурного типа. Разработка языков декларативного типа, удобных для представления знаний, является актуальной проблемой сегодняшнего дня.
По способу приобретения знания можно разделить на факты и эвристику (правила, которые позволяют сделать выбор при отсутствии точных теоретических обоснований). Первая категория знаний обычно указывает на хорошо известные в данной предметной области обстоятельства. Вторая категория знаний основана на собственном опыте эксперта, работающего в конкретной предметной области, накопленном в результате многолетней практики.
По типу представления знания делятся на факты и правила, Факты - это знания типа «А - это А», такие знания характерны для баз данных и сетевых моделей. Правила, или продукции, - это знания типа «ЕСЛИ А, ТО В».
Кроме фактов и правил существуют еще метазнания - знания о знаниях. Они необходимы для управления БЗ и для эффективной организации процедур логического вывода.
Форма представления знаний оказывает существенное влияние на характеристики ИИС. Базы знаний являются моделями человеческих знаний. Однако все знания, которые привлекает человек в процессе решения сложных задач, смоделировать невозможно. Поэтому в интеллектуальных системах требуется четко разделить знания на те, которые предназначены для обработки компьютером, и знания, используемые человеком. Очевидно, что для решения сложных задач БЗ должна иметь достаточно большой объем, в связи с чем неизбежно возникают проблемы управления такой базой. Поэтому при выборе модели представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Однородность представления приводит к упрощению механизма управления знаниями. Простота понимания важна для пользователей интеллектуальных систем и экспертов, чьи знания закладываются в ИИС. Если форма представления знаний будет трудна для понимания, то усложняются процессы приобретения и интерпретации знаний. Следует заметить, что одновременно выполнить эти требования довольно сложно, особенно в больших системах, где неизбежным становится структурирование и модульное представление знаний.
Решение задач инженерии знаний выдвигает проблему преобразования информации, полученной от экспертов в виде фактов и правил их использования, в форму, которая может быть эффективно реализована при машинной обработке этой информации. С этой целью созданы и используются в действующих системах различные модели представления знаний.
К классическим моделям представления знаний относятся логическая, продукционная, фреймовая и модель семантической сети.
Каждой модели отвечает свой язык представления знаний. Однако на практике редко удается обойтись рамками одной модели при разработке ИИС за исключением самых простых случаев, поэтому представление знаний получается сложным. Кроме комбинированного представления с помощью различных моделей, обычно используются специальные средства, позволяющие отразить особенности конкретных знаний о предметной области, а также различные способы устранения и учета нечеткости и неполноты знаний.
Глава 1 Основные понятия
В этой книге описываются методы обработки информации, представленной в различной форме - в виде «данных», «знаний», «структур» и т. д. В основе анализа всех этих видов информации лежат две процедуры: процедура обнаружения закономерностей, содержащихся в представленной информации, и процедура использования обнаруженных закономерностей для предсказания значения одной части информации по известным значениям другой ее части. Но прежде чем переходить к описанию этих процедур, нужно пояснить смысл употребляемых в книге терминов, в частности таких распространенных, как данные, знания, гипотеза, закономерность и т. п.
§ 1. Чем отличаются «данные» от «знаний»?
Исходная
информация, которую нужно обрабатывать, чаще всего имеет вид числовых таблиц
(матриц), состоящих из строк и столбцов.
Строки 
отражают информацию об
изучаемых объектах или явлениях, а столбцы 
отражают свойства (признаки,
характеристики) этих объектов или явлений. Природа объектов может быть любой -
это могут быть физические тела, живые организмы, сигналы, отдельные социальные
процессы, заводы, виды спорта, месторождения и т. д. Понятно, что набор
признаков, описывающих эти объекты, будет в каждом случае своим и должен
отражать их наиболее важные свойства.
На пересечении -й строки и -го столбца указывается значение -го признака у -го объекта. Такой факт (например, что -й дом имеет высоту 12 м) считаем атомарной частью данных о конкретном -м объекте. Полные данные об -м объекте содержатся в совокупности всех элементов -й строки. Информация же о всех заданных свойствах всех изучаемых объектов, записанная в таблице «объект-свойство», и называется таблицей данных. Таким образом, данные представляют собой совокупность отдельных конкретных фактов.
Пусть в таблице данных представлены описания большого количества жилых домов, а нас интересуют только три свойства этих домов: из какого материала они построены, в какой цвет покрашены их стены и какой они высоты. После изучения таблицы данных мы можем обнаружить некоторые закономерности. Например, выясняется, что все панельные дома, окрашенные в серый цвет, имеют высоту от 15 до 25 м, панельные зеленые дома - от 8 до 16 м, а кирпичные, вне зависимости от цвета стен, имеют высоту меньше 10 м. Обозначим признак «вид строительного материала» через . Этот признак принимает два понятных значения: (панель) или (кирпич). Признак «цвет стен», обозначаемый через принимает значения: = серый, = зеленый или = любой. Признак «высота» может принимать любое числовое значение от нуля до 30 м. Тогда обнаруженные закономерности можно сжато записать в виде таких логических высказываний:
Эти высказывания не содержат информации в виде конкретных характеристик каждого отдельного дома, но зато отражают наши знания о некоторых обобщенных характеристиках всех домов, описанных в таблице данных.
Так выглядит переход от данных к знаниям. Знания представляют собой краткое обобщенное описание основного содержания информации, представленной в данных. Знания могут быть представлены в различной форме. В дальнейшем мы будем пользоваться приведенной выше формой в виде логических правил типа «если... то...».
1. В чем отличие знаний от данных.
Информация (данные) явл-ся неотъемлемой частью материального мира, характериз-его его упорядоченность или структуру в мире, обусловлена их способностью распознавать стр-ру окружающего мира и использовать рез-т распознавания (знаний о мире). Знания – это информация, воспринятая из внешнего мира. Знание субъективно. Знание уникально, и обмен знаниями м/у индивидами не происходит без потерь, в отличие от данных, в кот. закодирована информация и кот. м. передаваться без потерь. Знание передается посредством к-л метода представления знаний, типичным естественным языком.
Отличаются:
Знания более структурированы;
В знаниях наибольшее зн-ие имеют не атомарные эл-ты знаний, а взаимосвязи м/у ними;
Знания более самоинтерпритируемые, чем данные, т.е. в знаниях содержится информация о том, как их использовать;
Знания активны, в отличие от пассивных данных, т.е. м. порождать действия системы, использующей их.
2. Каковы два основных направления исследований в ИИ
1. Нейронные сети.
Идея. «Единственный объект, способный мыслить – это человеческий мир»; 10 21 нейронов в мозгу, кот. связаны м/у собой. Розенблед, Мак-Каллок – 1936 – 1965 модель percepton
Модель перцетона:
каж. точка предыдущего слоя связана со всеми точками данного слоя
1 слой 2 слой
Распределенная ВС. Индексирование БД. Это синтаксические системы, основанные на формальном подходе. (Модель нервных цепей).
2. Семантические модели.
Идея. Противоположная нейронной идеологии: «не имеет зн-ия, как устроено вычислительное устройство, главное чтобы на заданные входные действия оно реагировало как чел. мозг » - концепция «черного ящика».
Тезис Тьюринга, кот. определил семантический подход (ф-ии мозга).
Языки: Lisp, Fortran.
3. Приведите примеры нечетких знаний.
а)
Молодой б) Пусть S – множество людей. Пусть «высокий» - нечетное подмножество S, кот. ответит на вопрос: «какой человек X явл-ся высоким?». Каж. человеку из области наследования нужно назначить степень принадлежности к нечетному подмножеству «высокий». Для этого используем ф-ию принадлежности, основанную на росте человека:
0, если рост(х)<5 футов;
Высокий(х)= (рост(х) – 5ft)/2ft, если 5 футов<= рост(х) <=7 футов;
1, если рост(х) > 7 футов.
Графически:
4. Приведите пример, характеризующий поверхностные и глубинные знания.
Поверхностные знания:
Я знаю, что на авиазаводе в цехе собирают самолеты;
Y = a 0 x 0 + a 1 (x 0 *2) + a 2 (x 0 *3) + . . .
Глубинные знания:
Я знаю как, с помощью чего собирается самолет;
5. В чем отличие процедурных знаний от декларированных? Приведите примеры.
Процедурные знания – хранят информацию о том, как надо действовать, чтобы получить нужный результат. Декларированные знания – хранят в себе информацию о том, над чем надо выполнить эти действия.
Чтобы собрать самолет необходимо скрепить его основные части (проц. знания), для его сбора необходимы крылья, носовая часть, хвостовая и т.п. и их нужно соединить (декларир. знания).
Различие между декларативным и процедурным предпочтением в том, что последнее определяет не только логические связи между головой предложения и целями в его теле, но еще и порядок в котором эти цели обрабатываются.
6. Охарактеризуйте морфологический, синтаксический, семантический и прагматический анализы в естественных языковых интерфейсах.
a) Морфологический анализ – анализ слова в предложении.
b) Семантический анализ – распознавание смысла в составных частях предложения на основе некоторой предметно - ориентированной БЗ.
c) Синтаксический анализ – анализ распознавания структуры предложения.
d) Прагматический анализ – анализ смысла предложения в реальном контексте на основе собственной БЗ.
7. В чем разница интенсионала и экстенсионала. Пример.
Интенсионал – способствует связи с выделением закономерностей.
Экстенсионал – способ перечисления фактографических сторон (описание на уровне данных)
Пр. : объект (философия): 1. Высокий уровень
2. Примитивный
8. Построить фрейм для следующего примера: “Пингвин и синица- птицы, однако пингвин не умеет летать, о умеет плавать и живет в Антарктиде”.
Понятие, структура, классификация, особенности интеллектуальных систем.
Система называется интеллектуальной, если в ней реализованы 3 базовые функции:
1. Представление и обработка знаний.
2. Рассуждение.
3. Общение.
Пользователь
Функциональные механизмы База знаний
Структурные знания – знания об операционной среде. Метознания – знания о свойствах знаний.
1. Биохимическое (все, что связано с мозгом);
2. Программно-прагматическое направление (написание программ, заменяющих функции).
1. Локальный (задачный) подход: для каждой задачи специальные программы, достигающие результаты не хуже человека.
2. Системный подход, основанный на знаниях –создание средств автоматизации, создание самих программ.
3. Подход использующий метод процедурного программирования – создание алгоритмов на естественных языках.
Основные разделы ИИТ:
1. Управление знаниями.
2. Формальные языки и семантика.
3. Квантовая семантика.
4. Когнитивное моделирование.
5. Конвергентные (сходящиеся) системы поддержки решений.
6. Эволюционные генетические алгоритмы.
7. Нейронные сети.
8. Муравьиные и иммунные алгоритмы.
9. Экспертные системы.
10. Нечеткие множества и вычисления.
11. Немонотонные логики.
12. Активные многоагентные системы.
13. Естественное языковое общение и перевод.
14. Распознавание образов, игра в шахматы.
Характеристики проблемных областей, где необходимо применение ИИС:
1. Качество и оперативность принятия решений.
2. Нечеткость целей.
3. Хаотичность, флюктуируемость и квантованность поведения среды.
4. Множественность взаимозаменяющих друг на друга факторов.
5. Слабая формализуемость.
6. Уникальность (нестереотипность) ситуации.
7. Латентность (скрытость) информации.
8. Девиантность реализации планов, а так же значимость малых действий.
9. Парадоксальность логики решений.
Неустойчивость, нецеленаправленность, хаотичность среды
Понятие данных, информации и знаний. Свойства знаний и отличие их от данных.
Информация – это:
· любые сведения, принимаемые и передаваемые, сохраняемые различными источниками;
· это вся совокупность сведений об окружающем нас мире, о всевозможных протекающих в нем процессах, которые могут быть восприняты живыми организмами, электронными машинами и другими информационными системами;
· это значимые сведения о чём-либо, когда форма их представления также является информацией, то есть имеет форматирующую функцию в соответствии с собственной природой;
· это все то, чем могут быть дополнены наши знания и предположения.
Данными называют информацию фактического характера, описывающую объекты, процессы и явления предметной области, а также их свойства. В процессах компьютерной обработки данные проходят следующие этапы преобразований:
· исходная форма существования данных (результаты наблюдений и измерений, таблицы, справочники, диаграммы, графики и т.д.);
· представление на специальных языках описания данных, предназначенных для ввода и обработки исходных данных в ЭВМ;
· базы данных на машинных носителях информации.
Знание - в теории искусственного интеллекта и экспертных систем - совокупность информации и правил вывода (у индивидуума, общества или системы ИИ) о мире, свойствах объектов, закономерностях процессов и явлений, а также правилах использования их для принятия решений. Главное отличие знаний от данных состоит в их структурности и активности, появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений.
Для того чтобы поместить знания в информационную систему, их необходимо представить определенными структурами данных, соответствующих выбранной среде разработки интеллектуальной системы. Поэтому при разработке информационной системы сначала осуществляются накопление и представление знаний, причем на этом этапе обязательно участие человека, а затем знания представляются определенными структурами данных, удобными для хранения и обработки в ЭВМ.
Знания в ИС существуют в следующих формах:
· исходные знания (правила, выведенные на основе практического опыта, математические и эмпирические зависимости, отражающие взаимные связи между фактами; закономерности и тенденции, описывающие изменение фактов с течением времени; функции, диаграммы, графы и т. д.);
· описание исходных знаний средствами выбранной модели представления знаний (множество логических формул или продукционных правил, семантическая сеть, иерархии фреймов и т. п.);
· представление знаний структурами данных, которые предназначены для хранения и обработки в ЭВМ;
· базы знаний на машинных носителях информации.
Знания являются более сложной категорией по сравнению с данными. Знания описывают не только отдельные факты, но и взаимосвязи между ними, поэтому знания иногда называют структурированными данными. Знания представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
Знания получаются в результате применения к исходным данным некоторых методов обработки, подключения внешних процедур.
ДАННЫЕ + ПРОЦЕДУРА ОБРАБОТКИ = ИНФОРМАЦИЯ
ИНФОРМАЦИЯ + ПРОЦЕДУРА ОБРАБОТКИ = ЗНАНИЯ
Характерная особенность знаний состоит в том, что они не содержаться в исходной системе. Знания возникают в результате сопоставления информационных единиц, нахождения и разрешения противоречий между ними, т.е. знания активны их появление или недостача приводит к реализации некоторых действий или появлению новых знания. Знания отличаются от данных наличием следующих свойств.
Свойства знаний (из лекций):
· Внутренняя интерпритируемость (данные+методанные). Методанные -структурированные данные, представляющие собой характеристики описываемых сущностей для целей их идентификации, поиска, оценки, управления ими
· Наличие связей (внутренних, внешних), структура связи
· Возможность шкалирования (оценка соотношения между информационными единицами) – количественная
· Наличие семантической метрики (средства оценки плохо формализуемых информационных единиц)
· Наличие активности (неполнота, неточность побуждает их к развитию, пополнению).
Классификация знаний
Знание – форма существования и систематизации результатов познавательной деятельности человека. Знание помогает людям рационально организовывать свою деятельность и решать различные проблемы, возникающие в её процессе.
Знание (в теории искусственного интеллекта и экспертных систем) – совокупность информации и правил вывода (у индивидуума, общества или системы ИИ) о мире, свойствах объектов, закономерностях процессов и явлений, а также правилах использования их для принятия решений.
Главное отличие знаний от данных состоит в их структурности и активности, появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений.
Выделяют различные виды знания:
Научное,
Вненаучное,
Обыденно-практическое (обыденное, здравый смысл),
Интуитивное,
Религиозное, и др.
Обыденно-практическое знание носит несистемный, бездоказательный, бесписьменный характер. Обыденное знание служит основой ориентации человека в окружающем мире, основой его повседневного поведения и предвидения, но обычно содержит ошибки, противоречия. Научное знание, основанное на рациональности, характеризуется объективностью и универсальностью, и претендует на общезначимость. Его задача – описать, объяснить и предсказать процесс и явление действительности. Вненаучное знание продуцируется определённым интеллектуальным сообществом по отличным от рационалистических нормам, эталонам, имеют свои источники и средства познания.
Классификация знаний
I. по природе. Знания могут быть декларативные и процедурные .
Декларативные знания содержат в себе лишь представление о структуре неких понятий. Эти знания приближены к данным, фактам. Например: высшее учебное заведение есть совокупность факультетов, а каждый факультет, в свою очередь, есть совокупность кафедр. Процедурные же знания имеют активную природу. Они определяют представления о средствах и путях получения новых знаний, проверки знаний. Это алгоритмы разного рода. Например: метод мозгового штурма для поиска новых идей.
II. по степени научности. Знания могут быть научными и вненаучными .Научные знания могут быть:
1) эмпирическими (на основе опыта или наблюдения);
2) теоретическими (на основе анализа абстрактных моделей, аналогий, схем, отображающих структуру и природу процессов, т.е. обобщение эмпирических данных).
Вненаучные знания могут быть:
паранаучными знаниями – учения или размышления о феноменах, объяснение которых не является убедительным с точки зрения критериев научности.
лженаучными – сознательно эксплуатирующие домыслы и предрассудки.
квазинаучными – они ищут себе сторонников и приверженцев, опираясь на методы насилия и принуждения. Квазинаучное знание, как правило, расцветает в условиях строго иерархированной науки, где невозможна критика власть предержащих, где жестко проявлен идеологический режим. (В истории России периоды «триумфа квазинауки» хорошо известны: лысенковщина; фиксизм, и т.д.)
антинаучными – как утопичные и сознательно искажающие представления о действительности.
псевдонаучными – представляют собой интеллектуальную активность, спекулирующую на совокупности популярных теорий (истории о древних астронавтах, о снежном человеке, о чудовище из озера Лох-Несс)
обыденно-практическими – доставлявшими элементарные сведения о природе и окружающей действительности. Обыденное знание включает в себя и здравый смысл, и приметы, и назидания, и рецепты, и личный опыт, и традиции. Оно хотя и фиксирует истину, но делает это не систематично и бездоказательно.
личностными – зависящими от способностей того или иного субъекта и от особенностей его интеллектуальной познавательной деятельности. Коллективное же знание общезначимо (надличностно), предполагает наличие общей для всей системы понятий, способов, приёмов и правил построения. III. по местонахождению
Выделяют личностные (неявные, скрытые, пока неформализованные) знания и формализованные (явные) знания.
Неявные знания – знания людей, которые ещё не формализованы и не могут быть переданы другим людям.
Формализованные на некотором языке (явные) знания:
знания в документах;
знания на компакт-дисках;
знания в персональных компьютерах;
знания в Интернете;
знания в базах знаний;
знания в экспертных системах, извлечённые из неявных знаний людей-экспертов.
Отличительные характеристики знания все ещё являются предметом неопределённости в философии. Согласно большинству мыслителей, для того чтобы нечто считалось знанием, это нечто должно удовлетворять трем критериям:
a) быть подтверждаемым,
b) быть истинным,
c) заслуживающим доверия.
Похожая информация.
