Kompjuterska grafika je oblast računarske nauke koja se bavi algoritmima i tehnologijama za vizuelizaciju podataka. Razvoj kompjuterske grafike uglavnom određuju dva faktora: stvarne potrebe potencijalnih korisnika i mogućnosti hardvera i softvera. Potrebe potrošača i mogućnosti tehnologije stalno rastu, a danas se kompjuterska grafika aktivno koristi u različitim oblastima. Mogu se razlikovati sljedeća područja primjene kompjuterske grafike:
- Vizualizacija informacija.
- Modeliranje procesa i pojava.
- Projektovanje tehničkih objekata.
- Organizacija korisničkog interfejsa.
Vizualizacija informacija
Većina naučnih članaka i izvještaja ne može bez vizualizacije podataka. Pristojan oblik prezentacije podataka je dobro strukturirana tablica s točnim vrijednostima funkcije ovisno o nekim varijablama. Ali često je vizualniji i efikasniji oblik vizualizacije podataka grafički, a, na primjer, u modeliranju i obradi slike, jedini je moguć. Neke vrste prikaza informacija različitog porijekla navedene su u sljedećoj tabeli:
Mnogi programi za finansijske, naučne, tehničke proračune koriste ove i neke druge metode vizualizacije podataka. Vizuelni prikaz informacija je odličan alat za naučno istraživanje, jasan i uvjerljiv argument u naučnim člancima i raspravama.
Modeliranje procesa i pojava
Moderni grafički sistemi su dovoljno moćni da kreiraju složene animacije i dinamičke slike. Simulacijski sistemi, koji se nazivaju i simulatori, pokušavaju da dobiju i vizualiziraju sliku procesa i pojava koje se dešavaju ili bi se mogle dogoditi u stvarnosti. Najpoznatiji i najsloženiji primjer ovakvog sistema je simulator letenja, koji se koristi za simulaciju situacije i procesa leta prilikom obuke pilota. U optici se simulatori koriste za simulaciju složenih, skupih ili opasnih pojava. Na primjer, simulacija snimanja ili simulacija procesa u laserskim rezonatorima.
Projektovanje tehničkih objekata
Dizajn je jedna od glavnih faza u stvaranju proizvoda u tehnologiji. Savremeni grafički sistemi omogućavaju vam da vizuelno vizualizujete projektovani objekat, što doprinosi ranoj identifikaciji i rešavanju mnogih problema. Programer procjenjuje svoj rad ne samo po brojevima i indirektnim parametrima, on vidi objekt dizajna na vlastitom ekranu. Računalni sistemi omogućavaju vam da organizirate interaktivnu interakciju s dizajniranim objektom i simulirate izradu modela od plastičnog materijala. CAD sistemi uvelike pojednostavljuju i ubrzavaju rad projektantskog inženjera, oslobađajući ga od rutinskog procesa izrade nacrta.
Organizacija korisničkog interfejsa
U posljednjih 5-7 godina vizualna paradigma za organizovanje interfejsa između računara i krajnjeg korisnika postala je dominantna. Prozorski grafički interfejs ugrađen je u mnoge moderne operativne sisteme. Skup kontrola koje se koriste za izgradnju takvog interfejsa je već prilično standardizovan. Većina korisnika je već navikla na takvu organizaciju sučelja, koja omogućava korisnicima da se osjećaju ugodnije i povećavaju efikasnost interakcije.
Sve ovo sugerira da u samom operativnom sistemu već mora biti implementiran dovoljno veliki broj funkcija da bi se izvršile kontrole. Na primjer, Windows operativni sistem pruža programerima GDI (Graphics Device Interface). Kao što praksa pokazuje, za neke aplikacije su mogućnosti koje pruža sistemski API sasvim dovoljne za vizualizaciju obrađenih podataka (izgradnja najjednostavnijih grafova, predstavljanje modeliranih objekata i pojava). Ali takvi nedostaci kao što su mala brzina prikaza, nedostatak podrške za 3D grafiku ne doprinose njenoj upotrebi za vizualizaciju naučnih podataka i kompjutersko modeliranje. Neki naučni i tehnički programi sa složenim grafičkim izlazom zahtevaju funkcije za bržu, moćniju i fleksibilniju vizualizaciju izračunatih podataka, simuliranih pojava i projektovanih objekata.
Tehnologije kompjuterske grafike
U savremenim naučnim i tehničkim aplikacijama, složeno grafičko prikazivanje se implementira pomoću OpenGL biblioteke, koja je postala de facto standard u oblasti 3D renderovanja. OpenGL biblioteka je veoma efikasan softverski interfejs za grafički hardver. Najveće performanse ova biblioteka vam omogućava da postignete u hardverskim sistemima koji rade na bazi modernih grafičkih akceleratora (hardver koji oslobađa procesor i vrši proračune potrebne za renderovanje).
Arhitekturu i algoritme biblioteke razvili su 1992. godine stručnjaci iz Silicon Graphics, Inc. (SGI) za vlasnički hardver grafičke radne stanice Iris. Nekoliko godina kasnije, biblioteka je portovana na mnoge hardverske i softverske platforme (uključujući Intel + Windows) i danas je to pouzdana biblioteka sa više platformi.
OpenGL biblioteka je slobodno distribuirana, što je njena nesumnjiva prednost i razlog za tako široku upotrebu.
OpenGL nije objektno orijentisana, već proceduralna biblioteka (stotinjak komandi i funkcija), napisana na C. S jedne strane, to je nedostatak (računarska grafika je plodno područje za korišćenje objektno orijentisanog programiranja), ali programeri koji rade sa OpenGL-om mogu raditi sa C++, Delphi, Fortran, pa čak i Javom i Pythonom.
U sprezi sa OpenGL-om, nekoliko pomoćnih biblioteka se obično koristi za pomoć pri prilagođavanju biblioteke u datom okruženju ili za izvođenje složenijih, složenijih funkcija renderovanja koje se implementiraju kroz primitivne OpenGL funkcije. Osim toga, postoji veliki broj specijalizovanih grafičkih biblioteka koje koriste OpenGL biblioteku kao niskorazinsku osnovu, svojevrsni asembler, na osnovu kojeg se grade složene funkcije grafičkog izlaza (OpenInventor, vtk, IFL i mnoge druge) . Zajednica korisnika OpenGL-a može se naći na www.opengl.org
Microsoft je također razvio i predlaže korištenje DirectX multimedijalne biblioteke u slične svrhe. Ova biblioteka se široko koristi u igrama i multimedijalnim aplikacijama, ali nije dobila široku distribuciju u naučnim i tehničkim aplikacijama. Razlog je, najvjerovatnije, taj što DirectX radi samo pod Windowsom.
Vizualizacija informacija
Po već ustaljenoj tradiciji, krenimo od definicije.
Vizualizacija informacija- predstavljanje informacija u obliku grafikona, dijagrama, strukturnih dijagrama, tabela, mapa itd.
ecsocman.edu.ru
Zašto vizualizirati informacije? "Glupo pitanje!" - uzviknut će čitalac. Naravno, tekst sa slikama se percipira bolje od "sivog" teksta, a slike sa tekstom se percipiraju još bolje. Nije uzalud što svi toliko volimo stripove – na kraju krajeva, oni nam omogućavaju da doslovno shvatimo informacije u hodu, naizgled bez primjene ni najmanjeg mentalnog napora! I zapamtite kako se tokom studija dobro sjećate materijala tih predavanja, koja su bila popraćena slajdovima!
Prvo što nam padne na pamet kada kažemo "vizualizacija" su ϶ᴛᴏ grafovi i dijagrami (evo je, moć asocijacija!). S druge strane, na ovaj način se mogu vizualizirati samo numerički podaci, dok još niko nije uspio da napravi grafikon na osnovu koherentnog teksta. Za tekst možemo napraviti plan, istaknuti glavne misli (teze) - napraviti kratak sažetak. O nedostacima i opasnostima vođenja bilješki govorit ćemo malo kasnije, ali sada ćemo reći da ako kombinirate plan i kratak sažetak - "okačite" teze na grane drveta čija struktura odgovara struktura (plan) teksta - tada ćemo dobiti odličan blok dijagram tekst͵ koji će se pamtiti mnogo bolje od bilo kog sinopsisa. U ovom slučaju, grane će igrati ulogu onih "trakova" - staza koje povezuju pojmove i teze o kojima smo ranije govorili.
Sjećate se kako smo pravili UML dijagrame na osnovu opisa dizajniranog softverskog sistema koji smo dobili od budućih korisnika? Rezultirajuće slike su i klijenti i programeri percipirali mnogo lakše i brže od tekstualnog opisa. Na isti način možete "prikazati" apsolutno bilo koji tekst, a ne samo tehnički zadatak za razvoj sistema. Gore opisani pristup omogućava vam da vizualno predstavite apsolutno bilo koji tekst - bilo da je to bajka, tehnički zadatak, predavanje, fantastični roman ili rezultati sastanka - u obliku prikladnog i lako razumljivog stabla. Možete ga izgraditi kako želite - samo ako dobijete jasan i razumljiv dijagram, koji bi bilo lijepo ilustrirati odgovarajućim crtežima.
Takve sheme su također zgodne za korištenje u komunikaciji kada se raspravlja o bilo kakvim pitanjima i problemima. Kao što pokazuje praksa, nepostojanje jasnih standarda notacije ne stvara apsolutno nikakve komunikacijske poteškoće za učesnike u raspravama. Naprotiv, upotreba neverbalnih oblika prezentacije informacija omogućava vam da se fokusirate na ključne tačke problema. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, vizualizacija je jedno od najperspektivnijih područja povećanja efikasnosti analize, prezentacije, percepcije i razumijevanja informacija.
Vau, konačno smo završili sa zamornim opisom naučnih teorija, metoda i tehnika koje se koriste za obradu, organizovanje i vizualizaciju informacija! Prethodni dio poglavlja uvelike je umorio i autora i čitaoce, a ipak je bilo neophodno: kao rezultat toga, vidjeli smo da se osobine našeg mozga već aktivno koriste od strane naučnika u raznim oblastima nauke, mnogo toga koji nam se čine poznatim, - personalni računari, korisnički interfejsi, baze znanja itd. - prvobitno su izgrađene uzimajući u obzir asocijativnu prirodu ljudskog mišljenja i njegovu sklonost hijerarhijskom predstavljanju i vizualizaciji informacija. Ali vrhunac i prirodni grafički izraz ljudskih misaonih procesa je mapiranje uma, o čemu konačno raspravljamo. A istovremeno ćemo pokušati proširiti naše razumijevanje principa vizualnog mišljenja.
Vizualizacija informacija - pojam i vrste. Klasifikacija i karakteristike kategorije "Vizuelizacija informacija" 2017, 2018.
Sa povećanjem količine akumuliranih podataka, čak i kada se koriste proizvoljno moćni i svestrani Data Mining algoritmi, postaje sve teže "svariti" i interpretirati dobijene rezultate. I, kao što znate, jedna od odredbi DM-a je potraga za praktično korisnim obrascima. Obrazac može postati praktično koristan samo ako se može shvatiti i razumjeti.
Metode za vizuelno ili grafičko predstavljanje podataka uključuju grafikone, grafikone, tabele, izveštaje, liste, strukturne dijagrame, karte, itd.
Tradicionalno se na vizualizaciju gledalo kao na pomoć u analizi podataka, ali sada sve više istraživanja govori o njenoj samostalnoj ulozi.
Tradicionalne tehnike snimanja mogu pronaći sljedeće primjene:
• predstaviti informacije korisniku u vizuelnom obliku;
Kompaktno opisati obrasce svojstvene originalnom skupu podataka;
• smanjiti dimenziju ili komprimirati informacije;
oporavljati praznine u skupu podataka;
• pronalaženje šuma i odstupanja u skupu podataka.
Tehnike snimanja
Metode snimanja, u zavisnosti od broja korišćenih merenja, su prihvaćene
razvrstane u dvije grupe:
• prezentacija podataka u jednoj, dvije i tri dimenzije;
• prezentacija podataka u četiri ili više dimenzija.
Prezentacija podataka u 4+ dimenzije
Reprezentacije informacija u četvorodimenzionalnim i više dimenzija nedostupne su ljudskoj percepciji. Međutim, razvijene su posebne metode za mogućnost prikazivanja i percipiranja takvih informacija od strane osobe.
Najpoznatije metode višedimenzionalne prezentacije informacija:
• paralelne koordinate;
„Lica Černova“;
• latice karte.
Prikaz prostornih karakteristika
Posebno područje vizualizacije je vizualna prezentacija
prostorne karakteristike objekata. U većini slučajeva, takvi fondovi izdvajaju pojedine regije na karti i označavaju ih različitim bojama, ovisno o vrijednosti analiziranog pokazatelja.
Mapa je predstavljena u grafičkom prikazu interfejsa, prikazujući podatke u obliku trodimenzionalnog pejzaža, proizvoljno definisanih i pozicioniranih oblika (bar-grafovi, svaki sa individualnom visinom i bojom). Ova metoda vam omogućava da vizualno prikažete kvantitativne i relacijske karakteristike prostorno orijentiranih
podatke i brzo identificirati trendove u njima.
Proces rudarenja podataka. Analiza domena. Formulacija problema. Priprema podataka.
Proces rudarenja podataka. Početne faze
DM proces je vrsta istraživanja. Kao i svako istraživanje, ovaj proces se sastoji od određenih faza, uključujući elemente poređenja, kucanja, klasifikacije, generalizacije, apstrakcije, ponavljanja.
DM proces je neraskidivo povezan sa procesom donošenja odluka.
DM proces gradi model, au procesu donošenja odluka ovaj model se iskorišćava.
Razmotrite tradicionalni DM proces. Uključuje sljedeće korake:
• analiza predmetne oblasti;
iskaz problema;
• priprema podataka;
• modeli izgradnje;
• validacija i evaluacija modela;
izbor modela;
• primjena modela;
• Ispravka i ažuriranje modela.
U ovom predavanju ćemo detaljnije pogledati prve tri faze procesa Data Mininga,
o ostatku koraka biće reči u sledećem predavanju.
Faza 1. Analiza predmetne oblasti
Studija je proces spoznaje određene predmetne oblasti, predmeta ili pojave sa određenom svrhom.
Istraživački proces se sastoji u posmatranju svojstava objekata u cilju identifikacije i evaluacije važnih, sa stanovišta subjekta-istraživača, pravilnih odnosa između indikatora ovih svojstava.
Rješenje bilo kojeg problema u oblasti razvoja softvera mora početi proučavanjem predmetne oblasti.
Predmetna oblast- ovo je mentalno ograničeno područje stvarnosti, podložno opisu ili modeliranju i istraživanju.
Predmetno područje se sastoji od objekata koji se razlikuju po svojim svojstvima i koji su međusobno u određenim odnosima ili na neki način u interakciji.
Predmetna oblast je dio stvarnog svijeta, beskonačan je i sadrži oboje
značajni i beznačajni podaci, sa stanovišta sprovedenog istraživanja.
Istraživač treba da bude u stanju da izoluje značajan deo njih. Na primjer, prilikom rješavanja problema "Da li da izdam kredit?" bitni su svi podaci o privatnom životu klijenta, uključujući da li supružnik ima posao, da li klijent ima maloljetnu djecu, koji je njegov stepen obrazovanja itd. Za rješavanje još jednog problema bankarstva ovi podaci će biti apsolutno nevažni. Materijalnost podataka stoga zavisi od izbora predmetne oblasti.
Sa povećanjem količine akumuliranih podataka, čak i kada se koriste proizvoljno moćni i svestrani Data Mining algoritmi, postaje sve teže "svariti" i interpretirati dobijene rezultate. I, kao što znate, jedna od odredbi Data Mininga je potraga za praktično korisnim obrascima. Obrazac može postati praktično koristan samo ako se može shvatiti i razumjeti.
1987. godine, na inicijativu ACM SIGGRAPH IEEE Computer Society Technical Committee of Computer Graphics, u vezi sa potrebom korišćenja novih metoda, alata i tehnologija podataka, formulisani su odgovarajući zadaci smera vizuelizacije. Metode za vizuelno ili grafičko predstavljanje podataka uključuju grafikone, grafikone, tabele, izveštaje, liste, strukturne dijagrame, karte, itd. Tradicionalno se na vizualizaciju gledalo kao na pomoć u analizi podataka, ali sada sve više istraživanja govori o njenoj samostalnoj ulozi.
Tradicionalne tehnike snimanja mogu pronaći sljedeće primjene:
Ø prezentirati informacije korisniku u vizuelnom obliku;
Ø da kompaktno opiše obrasce svojstvene originalnom skupu podataka;
Ø smanjiti dimenziju ili komprimirati informacije;
Ø popraviti praznine u skupu podataka;
Ø pronalaženje šuma i odstupanja u skupu podataka.
Vizualizacija alata za rudarenje podataka
Svaki od algoritama Data Mininga koristi poseban pristup vizualizaciji. Prilikom korištenja svake od gore razmatranih metoda, odnosno njihovih softverskih implementacija, dobili smo neke vizualizatore uz pomoć kojih je bilo moguće interpretirati rezultate dobivene kao rezultat rada odgovarajućih metoda i algoritama.
Ø Za stabla odluka, ovo je vizualizator stabla odluka, lista pravila, kontingentna tabela.
Ø Za Kohonen kartice: kartice ulaza, izlaza, druge specifične kartice.
Ø Za linearnu regresiju, linija regresije djeluje kao vizualizator.
Ø Za grupisanje: dendrogrami, dijagrami raspršenja.
Raspršene dijagrame i dijagrami se često koriste za procjenu učinka određene metode.
Svi ovi načini vizualizacije ili prikaza podataka mogu obavljati jednu od funkcija:
Ø su ilustracija izgradnje modela (na primjer, predstavljanje strukture (grafa) neuronske mreže);
Ø pomoć u tumačenju dobijenog rezultata;
Ø su sredstvo za procjenu kvaliteta izgrađenog modela;
Ø kombinovati gore navedene funkcije (stablo odlučivanja, dendrogram).
Vizualizacija modela rudarenja podataka
Prva funkcija (ilustracija izgradnje modela), u stvari, je vizualizacija Data Mining modela. Postoji mnogo različitih načina predstavljanja modela, ali grafički prikaz daje korisniku maksimalnu "vrijednost". Korisnik, u većini slučajeva, nije specijalista za modeliranje, najčešće je stručnjak u svojoj oblasti. Stoga, model Data Mininga treba biti predstavljen na jeziku koji mu je najprirodniji, ili, barem, da sadrži minimalan broj različitih matematičkih i tehničkih elemenata.
Stoga je dostupnost jedna od glavnih karakteristika Data Mining modela. Uprkos tome, postoji i tako raširen i najjednostavniji način predstavljanja modela kao što je "crna kutija". U ovom slučaju korisnik ne razumije ponašanje modela koji koristi. Međutim, uprkos nesporazumu, dobija rezultat - otkrivene obrasce. Klasičan primjer takvog modela je model neuronske mreže.
Drugi način predstavljanja modela je predstavljanje na intuitivan, razumljiv način. U ovom slučaju, korisnik zaista može razumjeti šta se dešava "unutar" modela. Tako je moguće osigurati njegovo direktno učešće u procesu. Takvi modeli pružaju korisniku mogućnost da diskutuje ili objasni svoju logiku sa kolegama, klijentima i drugim korisnicima.
Razumijevanje modela vodi razumijevanju njegovog sadržaja. Kao rezultat razumijevanja, povećava se povjerenje u model. Klasičan primjer je stablo odlučivanja. Konstruirano stablo odlučivanja zaista poboljšava razumijevanje modela, tj. korišćeni Data Mining alat.
Osim razumijevanja, ovakvi modeli pružaju korisniku mogućnost interakcije s modelom, postavljanja joj pitanja i dobivanja odgovora. Primjer ove interakcije je mogućnost šta ako. Kroz dijalog sistem-korisnik, korisnik može steći razumijevanje modela.
Primjeri alata za vizualizaciju koji se mogu koristiti za procjenu kvaliteta modela su dijagram raspršenosti, tabela kontingencije, graf promjene veličine greške:
Ø Scatterplot je graf odstupanja vrijednosti predviđenih modelom od stvarnih. Ovi grafikoni se koriste za kontinuirane vrijednosti. Vizuelna procjena kvaliteta izgrađenog modela moguća je tek na kraju procesa izgradnje modela.
Ø Kontingentna tabela se koristi za procjenu rezultata klasifikacije. Takve tabele se koriste za različite metode klasifikacije. Procjena kvaliteta izgrađenog modela moguća je tek na kraju procesa izgradnje modela.
Ø Grafikon promjene veličine greške. Grafikon prikazuje promjenu veličine greške u procesu rada modela. Na primjer, tokom rada neuronskih mreža, korisnik može uočiti promjenu greške na skupovima za obuku i testiranje i prekinuti obuku kako bi spriječio „prekomponovanje“ mreže. Ovdje se ocjena kvaliteta modela i njegovih promjena može ocijeniti direktno u procesu izgradnje modela.
Primjeri vizualizatora koji vam mogu pomoći u tumačenju rezultata su: linija trenda u linearnoj regresiji, Kohonenove karte, dijagram raspršenja u klaster analizi.
Tehnike snimanja
Metode vizualizacije, u zavisnosti od broja korišćenih merenja, obično se dele u dve grupe:
1. Prezentacija podataka u jednoj, dvije i tri dimenzije
Ova grupa metoda uključuje dobro poznate metode prikazivanja informacija koje su dostupne ljudskoj mašti za percepciju. Gotovo svaki savremeni alat za rudarenje podataka uključuje metode vizuelne prezentacije iz ove grupe.
Prema broju dimenzija prikaza, to mogu biti sljedeći načini:
Ø jednodimenzionalno mjerenje, ili 1-D;
Ø dvodimenzionalno mjerenje, odnosno 2-D;
Ø 3D ili projekcijsko mjerenje, ili 3-D.
Treba napomenuti da ljudsko oko najprirodnije percipira dvodimenzionalne prikaze informacija.
Kada se koristi dvodimenzionalni i trodimenzionalni prikaz informacija, korisnik ima priliku da vidi obrasce skupa podataka:
Ø njegovu klastersku strukturu i distribuciju objekata u klase (na primjer, na dijagramu raspršivanja);
Ø topološke karakteristike;
Ø prisustvo trendova;
Ø informacije o međusobnom rasporedu podataka;
Ø postojanje drugih zavisnosti svojstvenih proučavanom skupu podataka.
Ako skup podataka ima više od tri dimenzije, tada su moguće sljedeće opcije:
ü korištenje višedimenzionalnih metoda prezentacije informacija (o njima se govori u nastavku);
ü svođenje dimenzije na jedno-, dvo- ili trodimenzionalno predstavljanje. Postoje različiti načini za smanjenje dimenzija. Samoorganizirajuće Kohonenove karte se koriste za smanjenje dimenzionalnosti i istovremeno vizualizaciju informacija na dvodimenzionalnoj mapi.
2. Prezentacija podataka u 4+ dimenzije
Reprezentacije informacija u četvorodimenzionalnim i više dimenzija nedostupne su ljudskoj percepciji. Međutim, razvijene su posebne metode za mogućnost prikazivanja i percipiranja takvih informacija od strane osobe.
Napomena: U ovom predavanju ćemo razmatrati pitanja: asocijacije kao osnovu ljudskog mozga, koncept teorija obrade, sistematizacije i vizualizacije informacija, mapiranje uma i vizuelno mišljenje.
Kao što je već pomenuto, predmet ovog kursa je mapiranje uma – efikasna tehnika za povećanje lične produktivnosti. Ali prije nego što se raspravlja o područjima primjenjivosti mapa uma, pravilima za njihovu konstrukciju i tipičnim greškama u njihovoj upotrebi, štaviše, prije nego što pokušate objasniti šta je mapiranje uma općenito, potrebno je razgovarati o vizualnom (ili blistavom) razmišljanju, oličenju a rezultat toga su mape uma "s.
Asocijacije kao osnova ljudskog mozga
Da li ste ikada razmišljali o principima na kojima se zasniva rad tih super-moćnih kompjutera koje svako od nas nosi u svojoj lobanji? Kladim se - prva misao koja je pala na pamet većini čitalaca bila je o mikroprocesorima koji pokreću naše laptopove i radne stanice. Međutim, nejasne sumnje o neuporedivosti "težinskih kategorija" silicijumskog mikročipa i mozga i dalje nam ne dozvoljavaju da sa sigurnošću govorimo o tome koliko je sve jednostavno - binarna aritmetika, "postoji impuls, nema impulsa" i tako dalje. Da, kao model kako mozak radi, binarna mašina je sasvim prihvatljiva, ali ovo je vrlo grub model (sjetimo se da svaki model odražava samo jedno svojstvo objekta koje je najvažnije u ovom kontekstu, zar ne?). Ispada nekako previše primitivno - da svoje razmišljanje svedemo na nule i jedinice. Kako onda možemo objasniti tu kaskadu malih uspomena - senzacija, boja, mirisa, ideja koje se pojavljuju pred našim umom kada o nečemu razmišljamo? Za većinu stranaca mnoge od ovih slika nemaju nikakve veze sa temom naših razmišljanja i samo za njih znače nešto specifično, jer su povezane sa nekom vrstom ličnih uspomena i iskustava. Dozvolite sebi da razmišljate o nečemu i ne pridržavajte se nekog određenog pravca misli - iznenadićete se koliko ćete brzo i daleko pobeći od prvobitne teme razmišljanja: naizmenične slike, povezane, kao karike jednog lanca, povlačeći svaku drugo van kante memorije, brzo će vas odvesti od objekta na koji mislite. Naravno, ovo ponašanje našeg mozga možete pokušati objasniti činjenicom da on jednostavno radi genijalno složen razgranati program za obradu informacija uzimajući u obzir podatke koji su već pohranjeni u memoriji, ali sve je daleko od tako jednostavnog.
Svaka informacija koja uđe u naš mozak (bez obzira o čemu se radi - dodir, ukus, miris, boja, zvuk), izvlači u svetlost Boga mnogo malih uspomena, misli i senzacija, baš kao kamen koji je upao u ribnjak se prostire preko koncentričnih krugova površinske vode. A svako od ovih sjećanja vuče za sobom mnogo drugih, koje zauzvrat oživljavaju sve više i više novih slika, misli ili ideja. Da, razumijem da sam već pomalo umorio čitaoca svojim dugim rasuđivanjem. A suština njih je bila da su jedinice i nule vjerovatno dobre za objašnjenje kako naš mozak funkcionira na "fizičkom nivou", ali ako je u pitanju kako radi, onda ne treba govoriti o bitovima, već o asocijacije kao minimalne jedinice obrade informacija od strane ljudskog mozga... Sjećate se koncepta lekseme kao minimalne jezičke jedinice koja ima samostalno značenje? Dakle, u jeziku kojim naš mozak "govori", takve lekseme su asocijacije. Šta je udruženje?
Udruženje:
- u fiziologiji - stvaranje privremene veze između indiferentnih podražaja kao rezultat njihove višestruke kombinacije u vremenu;
- u psihologiji - prirodna veza između pojedinačnih događaja, činjenica, predmeta ili pojava koje se odražavaju u svijesti i fiksiraju u sjećanju.
U prisustvu asocijativne veze između mentalnih fenomena A i B, pojava fenomena A u svijesti osobe prirodno povlači pojavu fenomena B.
Dakle, svako udruženje je povezano s ogromnim brojem novih asocijacija, koje su, zauzvrat, povezane s novim i novim konceptima. Dakle, mišljenje se može predstaviti u obliku složenog asocijativnog algoritma, svojevrsnog slaloma duž grana stabla asocijacija, odstupajući od debla - glavne ideje. Svojevremeno je profesor Anokhin (http://ru.wikipedia.org/wiki/Anokhin_Pyotr_Kuzmich) rekao da sposobnost mozga da formira asocijativne veze daleko premašuje njegovu sposobnost pohranjivanja informacija. Što se tiče informacionog kapaciteta mozga, on je takođe vrlo impresivan - dr Mark Rosenzvajg (http://en.wikipedia.org/wiki/Mark_Rosenzweig) napisao je da čak i ako je osoba zapamtila 10 jedinica informacije (reč, slika ili još jedan elementarni utisak) svake sekunde tokom 100 godina bilo bi moguće popuniti manje od jedne desetine ukupnog volumena ljudske memorije. I bez obzira koliko je takvih jedinica informacija pohranjeno u našoj glavi, broj asocijacija povezanih s njima je i dalje nekoliko redova veličine veći! Potencijal ljudskog mozga povezan sa stvaranjem asocijacija je zaista neograničen: sve naše ideje, sjećanja i senzacije pohranjene su u našoj glavi u obliku svojevrsnih "traka" - krivudavih razgranatih staza koje ih povezuju s našim drugim mislima.
Evo primjera onoga što se obično dešava u našim glavama:
Vrlo poznata slika, zar ne?
Dakle, naš mozak radi na dva osnovna principa.
- Asocijativno razmišljanje- povezanost svake uspomene sa mnoštvom drugih slika, a radi se o ovom principu o kome smo pričali poslednjih deset minuta.
- Hijerarhija koncepata- u svakoj takvoj asocijativnoj „trazi“ jedna od slika je glavna (korijenska), od koje se grane-putevi razilaze do drugih pojmova, ideja, sjećanja. Kao rezultat, dobijamo određeno stablo (ili graf) slika povezanih s originalnim konceptom.
Ako pokušamo spojiti ova dva principa (koji djeluju u kombinaciji, dopunjujući se), onda treba reći o tzv. blistav, ili vizuelno, razmišljanje... O njemu ćemo govoriti na istom predavanju, ali nešto kasnije. U međuvremenu, pokušaćemo da otkrijemo koje teorije obrade, sistematizacije i vizualizacije informacija postoje u ovom trenutku i da li imaju ikakvih sličnosti sa principima ljudskog mozga koje smo opisali.
Koncept teorija obrade, sistematizacije i vizualizacije informacija
Postojeće teorije obrade informacija
Počnimo s definicijama.
Obrada podataka- svaka transformacija informacija iz jedne vrste u drugu, izvršena prema strogim formalnim pravilima.
Teorija obrade informacija- smjer naučnog znanja koji proučava kako ljudi rukuju informacijama, odabiru ih i asimiliraju, a zatim ih koriste u procesu donošenja odluka i upravljanja svojim ponašanjem.
Teorije obrade informacija koriste se u proučavanju percepcije, pamćenja, pažnje, govora, mišljenja i rješavanja problema u eksperimentalnoj psihologiji. Zauzvrat, matematička logika, komunikaciona tehnologija, teorija informacija i teorija računarskih sistema dale su veliki doprinos razvoju navedenih teorija. Zašto kažemo "teorije" u množini? Poenta je da, u stvari, treba govoriti o čitavoj porodici potpuno različitih teorijskih i istraživačkih programa. Naravno, kao iu svakoj naučnoj zajednici, među istraživačima nema ni traga saglasnosti – mišljenja naučnika slažu se samo oko nekih početnih premisa, teorije i metodologije istraživanja. U okviru ove porodice mogu se izdvojiti pristupi široko poznati u uskim krugovima kao što su transformaciona lingvistika (http://ru.wikipedia.org/wiki/Generative_Linguistics), Piagetova psihologija (http://www.gumer.info/bibliotek_Buks /Psihol/ Jaroschev / 11.php) i radikalni biheviorizam. Biheviorizam je posebno proučavao ponašanje životinja i aktivno je proširio svoje principe na sva područja psihologije. Međutim, pojavile su se neke poteškoće kada se pokušalo proširiti teoriju i metode biheviorizma na simboličke procese osobe, posebno na jezične sposobnosti. Kako je frustracija naučnika uobičajenim metodama postala univerzalna, istraživači-psiholozi su se okrenuli drugim teorijama, zbog čega je biheviorizam bio gotovo zaboravljen. Ipak, naučnici koji razvijaju teorije obrade informacija dijele sa svojim prethodnicima bihevioristima vjerovanje u empirizam, operacionalizam, itd. Da, psiholozi su odbili da na ljude prošire zaključke dobijene kao rezultat eksperimenata sa životinjama, i od objašnjavanja očiglednog ponašanja pojedinaca vanjskim uzrocima, posebno utjecajima iz okoline. U isto vrijeme, opća metodologija i statističke metode obrade rezultata eksperimenata ostale su iste - samo su životinje zamijenjene ljudima kao subjektima. Učeno bratstvo je ponovo prepoznalo postojanje urođenih sposobnosti i počelo aktivno raspravljati o unutrašnjim procesima kao što su planovi, strategije, slike, odluke i udruženja.
Dvadeseti vijek je obilježen naglim razvojem komunikacionih tehnologija - telefonije, radija i televizije. Analogija između obrade informacija od strane ljudskog mozga i rada informacijskog kanala opisanog u teoriji komunikacije bila je vrlo razotkrivajuća. Istraživanje Claudea Shanona (poznato ime, zar ne?) odigralo je važnu ulogu u stvaranju matematičke teorije informacija i prenošenju pojmova teorije komunikacije u rad ljudskog mozga. Teorija koju je stvorio opisuje prijenos poruka bilo koje prirode od bilo kojeg izvora do bilo kojeg primatelja, uključujući prijenos signala unutar ljudskog mozga.
Ali prisjetimo se još jednog nerazumljivog naziva koji smo spomenuli na početku ovog odjeljka - transformacijska lingvistika. Svojevremeno je Noam Čomski (http://ru.wikipedia.org/wiki/Chomsky_Noam) tvrdio da se ljudski jezik ne može naučno objasniti sa stanovišta bihejviorizma. On je insistirao da ovaj pristup potpuno pogrešno predstavlja prirodu jezika, zanemarujući njegovu strukturu, pravila i gramatiku. Umjesto toga, govorio je o "pravilima u glavi" osobe, koja omogućavaju transformaciju (transformaciju) prenesene informacije - da se razbije na semantičke jedinice (riječi) i povežu te jedinice jedne s drugima. Udaljavajući se od biheviorizma, nova paradigma obrade informacija u potrazi za idejama sve je više naginjala lingvistici. Dakle, savremeni istraživači pokušavaju da otkriju psihološke procese ili mentalne operacije koje su u osnovi jezičke aktivnosti. Aktivno se proučavaju takve vrste kognitivne aktivnosti kao što su percepcija, pamćenje, mišljenje i razumijevanje. I opet, koncept udruživanja nije ostao po strani.
Što se tiče teorije računarskih sistema, ovaj naziv takođe krije čitavo leglo apsolutno šarolikih disciplina. To uključuje teoriju algoritama, numeričke metode, teoriju konačnih automata, programske jezike, teoriju umjetne inteligencije i još mnogo toga... I to nije jedina karakteristika koja čini teoriju računarskih sistema sličnom psihologiji informacija obrada - oba pravca su izrasla iz matematičke logike, oba su se bavila proučavanjem prirode razumnog ponašanja, a pojava kompjutera i razvoj principa na kojima su bili zasnovani doveli su do pojave još jedne analogije ljudskog mentalnog i intelektualnog sposobnosti. Mašinski modeli pomogli su u proučavanju mišljenja i, posebno, procesa rješavanja problema. Na osnovu ove analogije, psiholozi pokušavaju da objasne kako mozak prima informacije, rekodira ih i pohranjuje u memoriju, kako ih onda koristi za donošenje odluka i kontrolu ponašanja. Naravno, ne postoji potpuna korespondencija između rada mozga i kompjutera, i ne može biti, ali ipak, naučnici su uspeli da stvore koherentan koncept koji može da objasni kako inteligentni sistem - bilo da je u pitanju osoba ili određeni uređaj - stvara nova znanja. Pogodite koji koncept ovdje igra najvažniju ulogu? Da, naravno da ste u pravu - ovo je koncept udruženja!
Sistematizacija i strukturiranje informacija
Dakle, shvatili smo obradu informacija, idemo na sistematizaciju. Naravno, ne zaboravljamo da je sistematizacija informacija sastavni dio algoritma obrade informacija, njegova određena faza, ali svejedno, ovu fazu treba reći zasebno. Kao i uvijek, pogledajmo prvo definiciju:
Sistematizuj- distribuirati elemente informacija na osnovu srodnosti, sličnosti, odnosno klasifikovati ih i tipizirati.
Ljudski mozak (u kontekstu procesa percepcije, pamćenja, transformacije informacija itd.) radi upravo sa sistematizovan informacije. Na primjer, proces pamćenja je mnogo efikasniji ako čovjek uspije racionalno strukturirati informacije koje prima, razvrstati ih po policama, kako narod kaže. U komunikacijskim procesima (sjećate se, govorili smo o jeziku i lingvistici?) važnu ulogu igra i sistematizovana prezentacija prenesenih informacija. Sistematizacija i strukturiranje informacije – najvažniji psihološki mehanizmi pomoću kojih ljudski mozak može efikasno obraditi velike tokove informacija.
Želja za holističkim obuhvatom predmeta proučavanja, za sistematizacijom znanja karakteristična je za svaki proces spoznaje. Mnogi istraživači su primijetili da proces rada mozga na problemu ide od razumijevanja svojstava, karakteristika i funkcija predmeta proučavanja do potrage za nedostajućim strukturnim elementima, vezama i odnosima između njih. A ako savladate sistematski pristup i razvijete svoju sposobnost sistematizacije i strukturiranja informacija, možete pomoći mozgu da radi efikasnije u procesu učenja i rješavanju profesionalnih problema.
Strukture podataka su različite - linearne (lista), tabelarne, hijerarhijske (stablo). Stabla (grafovi) koncepata, izgrađena na osnovu asocijativnih veza, najprirodniji su način na koji naš mozak predstavlja (strukturira) podatke (iako, strogo govoreći, ne treba brkati asocijativne i klasifikacione odnose). Razmišljate o vizuelnom razmišljanju? Inače, pošto govorimo o drveću, vrijeme je da neometano pređemo na razmatranje pitanja vizualizacije informacija. Ali prvo, napominjemo da postoji čitavo područje naučnog znanja koje proučava metode i tehnike za strukturiranje informacija, tzv. informaciona arhitektura... To kažu klasici
informaciona arhitektura- kako se nauka bavi principima organiziranja informacija i navigacije kroz njih kako bi pomogla ljudima da uspješnije pronađu i obrađuju podatke koji su im potrebni.
Prvo što nam padne na pamet kada kažemo vizualizacija su grafovi i dijagrami (evo je, moć asocijacija!). S druge strane, na ovaj način se mogu vizualizirati samo numerički podaci, dok još niko nije uspio napraviti grafikon na osnovu povezanog teksta. Za tekst možemo napraviti plan, istaknuti glavne misli (teze) - napraviti kratak sažetak. O nedostacima i opasnostima vođenja bilješki govorit ćemo malo kasnije, ali sada ćemo reći da ako kombinirate plan i kratak sažetak - "okačite" teze na grane drveta čija struktura odgovara strukturu (plan) teksta, onda ćemo dobiti odličan blok dijagram tekst koji će se pamtiti mnogo bolje od bilo kog sinopsisa. U ovom slučaju, grane će igrati ulogu onih "trakova" - staza koje povezuju pojmove i teze o kojima smo ranije govorili.
Sjećate se kako smo pravili UML dijagrame na osnovu opisa dizajniranog softverskog sistema koji smo dobili od budućih korisnika? Rezultirajuće slike su i klijenti i programeri percipirali mnogo lakše i brže od tekstualnog opisa. Na isti način možete "prikazati" apsolutno bilo koji tekst, a ne samo tehnički zadatak za razvoj sistema. Gore opisani pristup omogućava vam da vizualno predstavite apsolutno bilo koji tekst - bilo da je to bajka, tehnički zadatak, predavanje, fantastični roman ili rezultati sastanka - u obliku prikladnog i lako razumljivog stabla. Možete ga izgraditi kako želite - samo ako dobijete jasan i razumljiv dijagram, koji bi bilo lijepo ilustrirati odgovarajućim crtežima.
Takve sheme su također zgodne za korištenje u komunikaciji kada se raspravlja o bilo kakvim pitanjima i problemima. Kao što pokazuje praksa, nepostojanje jasnih standarda notacije ne stvara apsolutno nikakve komunikacijske poteškoće za učesnike u raspravama. Naprotiv, upotreba neverbalnih oblika prezentacije informacija omogućava vam da se fokusirate na ključne tačke problema. Dakle, vizualizacija je jedno od oblasti koje najviše obećava za povećanje efikasnosti analize, prezentacije, percepcije i razumijevanja informacija.
Vau, konačno smo završili sa zamornim opisom naučnih teorija, metoda i tehnika koje se koriste za obradu, organizovanje i vizualizaciju informacija! Prethodni dio poglavlja uvelike je umorio i autora i čitatelje, a ipak je bilo potrebno: kao rezultat toga, vidjeli smo da značajke rada našeg mozga već aktivno koriste naučnici u različitim područjima nauke. , mnoge stvari koje nam se čine poznati su lični računari, korisnički interfejsi, baze znanja itd. - prvobitno su izgrađene uzimajući u obzir asocijativnu prirodu ljudskog mišljenja i njegovu sklonost hijerarhijskom predstavljanju i vizualizaciji informacija. Ali vrhunac i prirodni grafički izraz ljudskih misaonih procesa je mapiranje uma, o čemu konačno raspravljamo. A istovremeno ćemo pokušati proširiti naše razumijevanje principa vizualnog mišljenja.
