Когнитивная ветеринария – ветеринария цифрового общества: дефиниция базовых понятий
Краткий обзор научных работ авторов по когнитивной ветеринарии. Традиционное определение понятия данных и его критика. Развитый алгоритм принятия решений с применением SWOT- и кластерно-конструктивного анализа, ФСА и метода Директ-костинг в ветеринарии.
| Рубрика | Медицина |
| Вид | практическая работа |
| Язык | русский |
| Дата добавления | 07.12.2019 |
| Размер файла | 424,9 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Выявление смысла данных и его использование для решение различных задач, табличные и графические формы, отражающие смысл данных, т.е. причинно-следственные зависимости между значениями факторов и результатами их влияния на объект моделирования.
Интеллектуальные системы (системы искусственного интеллекта)
Базы знаний (БЗ), программное обеспечение интеллектуальной системы (система управления базами знаний - СУБЗ)
Сходство/различие между: 1) образами конкретных объектов и обобщенными образами классов; 2) образами классов, 3) значениями факторов; 4) количество информации в значениях факторов о достижении цели
Решение задач идентификации, прогнозирования, классификации, поддержки принятия решений по достижению поставленной цели, исследование моделируемой предметной области путем исследования ее модели
Каждый последующий вид систем полностью включает элементы системы, связи между элементами и системные (эмерджентные свойства) всех предыдущих видов систем.
Целью создания банков данных; информационных (аналитических) систем и интеллектуальных систем (систем искусственного интеллекта) является не что иное, как получение системного (эмерджентного) эффекта.
2.7 Критерии идентификации банков данных, информационных и интеллектуальных систем
Эти критерии очевидны из предыдущего изложения.
Отметим, что довольно часто даже специалисты не проводят особых различий между базами данных и банками данных, называя банки данных базами данных. Обычно при этом подразумевается, что это не просто данные на носителях, но и программное обеспечение манипулирования ими. Таким образом, научная терминология используется неправильно, некорректно.
Аналогично часто банки данных, т.е. СУБД с базами данных, довольно часто называют информационными системами, подразумевая при этом, что в базах данных содержится информация, а не данные, т.е. не понимая, чем отличается информация от данных.
Более того, даже в учебниках по моделям представления знаний в базах знаний интеллектуальных систем часто фактически описываются не базы знаний, а информационные базы, или даже просто базы данных.
Поэтому вопрос о критериях идентификации банков данных, информационных и интеллектуальных систем является весьма актуальным. Если его решить то терминологическая путаница в головах учащихся и специалистов, а также в соответствующей литературе, может несколько уменьшится. Хотя если оставаться на реальной почве, то можно признать, что надежд на это немного.
Опираясь на таблицу 2 мы можем сказать, что если в программной системе, работающей с базами данных, есть классификационные и описательные шкалы и градации; база событий (эвентологическая база), базы причинно-следственных зависимостей между событиями в эвентологической базе данных, т.е. система обеспечивает выявление смысла данных и его использование для решение различных задач, то есть все основания называть эту систему информационной или аналитической системой.
Опираясь на таблицу 2 мы можем сказать, что если в программной системе, работающей с базами данных, количественно выявляется сходство/различие между: 1) образами конкретных объектов и обобщенными образами классов; 2) образами классов, 3) значениями факторов; 4) количество информации в значениях факторов о достижении цели и это используется для решения задач идентификации, прогнозирования, классификации, поддержки принятия решений по достижению поставленной цели, исследование моделируемой предметной области путем исследования ее модели, то есть все основания называть эту систему интеллектуальной системой или системой искусственного интеллекта (СИИ).
Надо признать, что эти требования довольно жесткие и многие из систем фактически не оправдывают своих названий, т.е. в названии системы заявляются более развитие функция, чем система поддерживает фактически.
С другой стороны вполне понятно желание разработчиков назвать свою систему красивым и модным сочетанием слов: «Информационная система», «Аналитическая система» или даже «система искусственного интеллекта», «Интеллектуальная система».
Но надо понимать, что когда разработчик делает это по сути не понимая смысла используемых им терминов, то он часто поддается соблазну выдать желаемое за действительное и вводит потенциальных пользователей в заблуждение, т.е. попросту обманывает их.
В этом нет ничего удивительного, специалисты по рекламе практически всегда так и делают Например, показывают рекламный ролик с молодой женщиной, которой не более 25 лет, и вдруг она заявляет: «мне 40», и улыбается, а мы уже сами догадываемся, что а выглядит она так молодо потому, что использует рекламируемый ею чудодейственный крем, омолаживающий кожу лица., но это не может оправдать ни разработчиков программных систем, ни специалистов по рекламе.
2.8 Некоторые выводы и перспективы
Авторы считают, что по результатам данной работы можно обоснованно сделать следующие выводы:
1. В настоящее время ситуация с использованием научных терминов в области применения банков данных, информационных (аналитических) и интеллектуальных систем, баз данных, информационных баз и баз знаний нельзя признать удовлетворительной.
2. Предлагается система научных терминов, позволяющая упорядочить терминологию в этой предметной области.
3. Применение этой терминологии и критериев идентификации банков данных, информационных (аналитических) и интеллектуальных систем при преподавании информационных технологий и проведении научных исследований и разработок с применением этих технологий в различных предметных областях позволит повысить качество и адекватность принимаемых решения в этих областях.
В качестве перспективы предлагается ввести в номенклатуру научных специальностей ВАК РФ специальность: «Когнитивная ветеринария».
3. Этапы познания факт (конкретная онтология, фрейм-экземпляр), эмпирическая закономерность, эмпирический закон, научный закон, философский закон
Процесс познания движется от эмпирического к теоретическому, от феноменологических моделей к содержательным, от формы к содержанию, от явления к сущности. От частного к общему и всеобщему, от познания локальных в пространстве-времени закономерностей, к познанию глобальных закономерностей. Принцип относительности и принцип аналогии.
В процессе познания современная наука использует различные формы познания: эмпирическое познание (чувственное познание, наблюдение, эксперимент), и интеллектуальную форму познания (логику и абстрактное мышление). Научные гении явно используют еще также и интуицию.
3.1 Факт (конкретная онтология, фрейм-экземпляр)
Понятие факта многими воспринимается как нечто элементарное, с чего начинается любое исследование. Однако это понятие далеко не так элементарно, как иногда кажется. Понятие факта связано с понятиями измерения и классификации, определения степени выраженности свойства объекта и определения принадлежности объекта к определенной группе.
Факт далеко не элементарен и имеет довольно сложную структуру:
1. Получение эмпирических данных об объекте исследования - это результаты наблюдения или эксперимента, полученные с помощью сенсоров или датчиков.
2. Формирование конкретного образа наблюдаемого объекта или его состояния на основе эмпирических данных.
3. Идентификация (классификация) конкретного образа наблюдаемого объекта или его состояния, т.е. определение его принадлежности к обобщающим категориям (классам).
Такую же структуру, как понятие факта, имеют также понятия конкретной онтологии (понятие из теория искусственного интеллекта) и фрейма-экземпляра (понятие из модели представления знаний Марвина Мински, 1975). По сути, есть все основания понятия факта, конкретной онтологии и фрейма-экземпляра рассматривать как синонимы
На любом из этапов формирования факта могут быть различные ошибки [3-5].
На этапе получения эмпирических данных об объекте исследования: результаты наблюдения или эксперимента наибольшую опасность представляет ошибка гипостазирования, суть которой состоит в том, что свойства способа наблюдения неоправданно переносятся на объект наблюдения. Например в Изумрудном городе Волшебник изумрудного города -- Волков А.М., при входе в который как известно всем в обязательном порядке надевали зеленые очки, зеленый цвет очков ошибочно приписывался стекляшкам в дороге и в стенах домов, и даже облакам. Нам это кажется чрезвычайно наивным. Однако это не так, т.к. мы ведем себя не намного лучше, всерьез считая, что светофор зеленый, тогда как немного поразмыслив мы понимаем, что зеленый цвет - это всего лишь субъективная форма в которой мы осознаем тот факт, что светофор излучает электромагнитные колебания такой длины волны (и частоты), которые мы осознаем как зеленый цвет.
На этапе формирования конкретного образа наблюдаемого объекта или его состояния на основе проблема может состоять в том, что довольно часто адекватный конкретный образ наблюдаемого объекта или явления не может быть создан из-за естественных ограничений способа наблюдения или способа обработки эмпирических данных. Например, мы привыкли к тому, что не видим крыльев пчелы, когда она зависает над цветком, не видим вращающихся лопастей винта самолета и даже не видим спиц в колесе едущего велосипеда. Вернее мы их видим, но неадекватно, т.е. не как крылья, не как лопасти и не как спицы, а как «нечто расплывчатое и полупрозрачное».
Но, по-видимому, наиболее сложным и интеллектуальным является 3-й этап на котором осуществляется идентификация (классификация) конкретного образа наблюдаемого объекта или его состояния, т.е. определение его принадлежности к обобщающим категориям (классам). На этом этапе может возникнуть две проблемы. Первая проблема: по сути невозможно верно идентифицировать наблюдаемый объект или явление, если его конкретный образ некачественно сформирован или вообще не сформирован на предыдущем этапе, если это образ «чего-то расплывчатого и полупрозрачного». Вторая проблема: даже если конкретный образ является адекватным, то он все равно не может быть идентифицирован, если его по сути не с чем идентифицировать, т.е. в модели предметной области познающего субъекта отсутствуют обобщенные категории (классы), к которым действительно относится наблюдаемый объект или явление.
Интересно, что еще Ориген говорил, что чудеса противоречат не законам природы, а лишь нашим представлениям о законах природы. Поэтому если наблюдаемые факты противоречат законам природы, то значит у нас неверное представление об этих законах, неверная теория, которую надо развивать. Но так происходит далеко не всегда. Не зря ведь как бы в шутку говорят: «Если факты противоречат теории, то тем хуже для фактов». Наверное это было бы смешно, если бы не было грустно. Таким образом, описание факта всегда отражает не только саму наблюдаемую реальность, но и самого исследователя, прежде всего его уровень компетентности.
На эмпирическом этапе познания описания новых фактов всегда первоначально делается в старых понятиях, которыми владеют исследователи, и, поэтому, является неадекватным. И лишь на более позднем теоретическом этапе научного познания формируются новые адекватные понятия для описания новых фактов (К.Маркс). Таким образом описание факта содержит не только описание реальности, но всегда несет отпечаток времени и места, где жил его наблюдатель и присущих ему ограничений.
Сохранилось легенды папуасов Океании, описывающие прибытие каравелл европейцев. Они описывают, что в бухте неожиданно появилось несколько маленьких островов с крутыми берегами. На островах было по 2-3 высоких прямых дерева без листьев, опутанных паутиной. На этих островах также были существа, напоминавшие людей, но другой формы тела, достающие из тела и засовывающие обратно в него какие-то предметы. Эти существа ели сырое мясо крокодилов и выбрасывали их шкуру в море (арбузы), кроме того они дышали дымом. На кораблях были мачты и снасти, испанцы были в одежде с карманами, они ели арбузы и курили. Надо сказать, что описание, данное аборигенами, является довольно точным, но в тоже время очевидно, что они совершенно не поняли, что же они видели. Примерно так же и по аналогичным причинам люди описывали плоскую Землю, встающее утром из-за горизонта и садящееся вечером за горизонтом Солнце, метеориты, отколовшиеся от небесной сферы, примерно также и мы описываем НЛО.
Таким образом старые понятия могут и не быть адекватным инструментом для описания фактов. В этом случае описание фактов с их применением получится неадекватным и для их адекватного описания необходимо выработать адекватные для этой задачи «новые термины и понятия». Существует зависимость терминологической формулировки фактов от господствующей теории у тех исследователей, кто их выявляет. Это значит, что когда информация о фактах вербализуется, то по сути факты при этом интерпретируются, т.е. невольно теоретически осмысливаются с позиций господствующей теории. Поэтому в формулировках фактов есть информация не только о том, что наблюдалось эмпирически, но и том, как эти наблюдения поняли наблюдатели.
Но от наблюдателя зависит не только описание фактов, но в ряде случаев и сами факты. Дело в том, что наблюдатель (непосредственно или с помощью измерительных приборов) получает информацию о факте в процессе взаимодействия с объектом познания, при этом не только объект познания влияет на него, но и он влияет на объект познания. В качестве примера можно привести эксперименты о зависимости физических свойств электронов, проявляющихся при их интерференции на щелях, от их наблюдения с помощью света (Комптон-эффекта) См., например: http://vivovoco.astronet.ru/VV/Q_PROJECT/FEYNMAN/LECTURE6.HTM .
Факт - это не описание того, что было в действительности (как чаще всего ошибочно думают), а описание того, как наблюдатель или исследователь понял или не понял то, что было в действительности.
Факт (конкретная онтология, фрейм-экземпляр) - это соответствие общего и особенного, дискретного и континуального, экстенсионального и интенсионального [6]. Область действия факта локальна, т.е. факт описывает нечто, произошедшее в определенном месте и в определенное время, «здесь и сейчас».
3.2 Эмпирические закономерности
Это закономерности, обнаруженные одним исследователем в собранных им фактах. Область действия эмпирических закономерностей это сами факты, на которых они обнаружены (действие в узкой эмпирической области).
3.3 Эмпирические законы (феноменологические модели
и модель «Черного ящика»)
Это эмпирическое закономерности, обнаруженные и подтвержденные многими исследователями на собранных ими фактах, работающими в разных местах и в разное время. На основе эмпирического исследования строится феноменологическая модель объекта исследования (модель «черного ящика») и формулируется эмпирический закон. Область действия эмпирического закона шире, чем эмпирической закономерности и расширяется с фактически исследованной предметной области на всю область, которая в принципе может быть эмпирически исследована.
Иногда факты определяют как явления или их свойства, установленные эмпирически и допускающие проверку другими исследователями в другом месте и в другое время (верификацию) и успешно прошедшие такую проверку. Только тогда факты считаются существующими и достоверными.
По мнению автора, в это определение факта является некорректным по двум причинам:
1. Так как в начале этого определения говорится о том, что это определение фактов, а в конце о том, что оно касается фактов, существование которых установлено достоверно. В результате вообще непонятно что определяется в данном определении: просто факты или только достоверно установленные объективно существующие факты. Очевидно, что из этого следует необходимость доработки или уточнения данного определения.
2. В данном определении фактов активно используются развитые теоретические представления о принципе наблюдаемости и принципе относительности, которые сами описывают свойства фактов в зависимости от условий их наблюдения. Таким образом, в данном определении допущена логическая ошибка, которая называется «логический круг» или определение неизвестных понятий друг через друга (т.е. определение одного неизвестного через другое неизвестное), а не через другие известные более простые и более фундаментальные понятия. Пример такой логической ошибки мы видим при определении понятий «бутерброд», «хлеб», «масло». 1-е определение: «Бутерброд - это хлеб с маслом». 2-е определение: «Масло это то, что намазывают на хлеб, когда делают бутерброд». 3-е определение: «Хлеб - это то, на что намазывают масло, когда делают бутерброд». Нельзя не отметить, что примерно так же в философии определяются категории «Материя» и «Сознание»: «Материя - это то, что существует независимо от сознания», а «Сознание это то, что отражает материю».
Принцип наблюдаемости утверждает, что объективное существование может считаться установленным только для тех процессов и явлений, которые наблюдались несколькими, по крайней мере двумя, независимыми способами.
По мнению автора, измерение - это построение модели объекта на основе наблюдений и исследование этой модели для установления ненаблюдаемых характеристик объекта. Чем больше независимых способом (или датчиков) используется при измерении величины, чем тем меньше погрешность измерения и выше достоверность с которой установлено ее существование и значение.
Например, заряд электрона получается одинаковым и при его определении путем исследования прохождения токов в электролитах, и путем наблюдения отклонений траекторий электронов в магнитном поле. Это является основание для утверждения об объективном существовании такого заряда.
Если же какое-то свойство наблюдается только одним способом, то невозможно понять, является ли это свойство свойством наблюдаемого объекта или оно наблюдается вследствие постоянной погрешности самого способа его наблюдения. Например, непонятно (пока не снимешь очки), действительно ли в Изумрудном городе полно изумрудов или просто стекляшки выглядят как изумруды из-за зеленых очков.
Принцип наблюдаемости играет важную методологическую роль не только в физике. В работе [16] тотальная ложь рассматривается как стратегическое информационное оружие общества периода глобализации и дополненной реальности. Рассматривается возможность применения в современном обществе принципа наблюдаемости, как общепринятого в физике критерия реальности. Показано, в каких случаях применение данного принципа в исследованиях общества приводит к общественным иллюзиям, а когда дает адекватные результаты. Предлагаются понятие: «Степень виртуализации общества» и количественная шкала для ее измерения, а также вводится понятие «Общественный умвельт» под которым понимается область общества, существенно отличающаяся от остальных своими фундаментальными закономерностями.
Таким образом по сути дела принцип наблюдаемости дает критерий достоверности факта, присвоить фактам объективный или субъективный статус [3, 16].
Принципы относительности утверждает, что природа устроена таким образом, что все физические явления и процессы протекают совершенно одинаково во всех системах отсчета, движущихся по инерции.
Из принцип относительности вытекает много следствий, на нем основаны фундаментальные физические теории (СТО и ОТО). Однако сам он не имеет какого-либо обоснования, кроме философско-эстетического предположения, что природа должна быть устроена просто и красиво (которое, по-видимому, правильно).
Мы отметим два следствия из принципа относительности.
Во-первых, если проводить эмпирические исследования в одном месте и в одно время, то результатами этих исследований можно воспользоваться в другом месте и в другое время. По сути, этот принцип позволяет расшить область действия фактов с локальной на глобальную, делокализовать факты. Во многом именно поэтому и имеет смысл проводить исследования.
Во-вторых, появляется невозможность определить, движется ли лаборатория или покоится, проводя любые физические эксперименты внутри нее. Если имеются в виду только механические эксперименты, то речь идет о принципе относительности Галилея, если кроме того и оптические (электромагнитные) - то о принципе относительности Галилея-Эйнштейна, если об информационных, психологических и социально-экономических процессах и явлениях - то о принципе относительности Луценко [17, 18].
Применимость принципов наблюдаемости и принципов относительности в социально-экономических явлениях.
В работе [17] автором сделана попытка расширить область применения принципов, аналогичных принципам относительности Галилея и Эйнштейна и рассматривать их как важнейшие методологические принципы не только для физики, но и для других наук, т.е. как фундаментальные общенаучные методологические принципы. В этой связи необходимо отметить, что в некоторых других науках также были выработаны аналогичные по смыслу методологические принципы. Например в статистике и социально-экономических науках применяются понятия исследуемой и тестовой выборки и генеральной совокупности, рассматриваются вопросы репрезентативности исследуемой выборки по отношению к генеральной совокупности, а также вопросы такого изменения исследуемой выборки, которое позволяет расширить отражаемую ей генеральную совокупность. В теории временных рядов развито также расширение понятий «репрезентативная выборка» и «генеральная совокупность» (которые ассоциируются с пространственными понятиями «локальное множество» и «делокализация») на временную область. Если закономерности, выявленные на каком-то отрезке временного ряда (т.е. исследуемая выборка) действуют для него и далее определенный период времени, то этот период называется «период эргодичности» (т.е. генеральная совокупность). Эргодичность процесса нарушается в точке бифуркации, в которой качественно изменяются и начинают действовать новые закономерности, ранее исследуемая выборка теряет репрезентативность и модели, созданные на ее основе, теряют адекватность.
Принцип аналогии по смыслу сходен с принципами относительности и известен с глубокой древности. Достаточно сказать, что величайшему мудрецу древнего Египта Гермесу Трисмегисту («Трижды Величайший»), впоследствии обожествленному как бог Тот, приписываются такие слова, записанные на изумрудной скрижали существует легенда, согласно которой изумрудной скрижалью Гермеса Трисмегиста владел Александр Македонский, но знал ли он ее сокровенный смысл остается неизвестным.: «Что вверху, то и внизу, каждая нить в великой ткани мироздания проходит от самого верха до самого низа».
В работе [17] предложен обобщенный принцип относительности, аналогичный принципу относительности Галилея-Эйнштейна, но для всех видов реальных и виртуальных систем, а не только физических, высказана гипотеза о его взаимосвязи с теоремой Эмми Нётер и законами сохранения энергии, импульса и момента импульса в социально-экономических и психологических системах. На основе информационной теории времени и информационной теории стоимости (Е.В. Луценко, 1979) сделаны выводы о неравномерности хода времени в социальных системах, неоднородности и анизотропности экономического пространства и нарушении законов сохранения энергии, импульса и момента импульса в социальных системах, и соответственно, о невыполнении или лишь частичном выполнении для них обобщенного принципа относительности. Предложены новые понятия физического и социально-экономического умвельта и с их использованием сформулированы физический и социально-экономический антропные принципы [3].
Итак, принципы наблюдаемости и относительности позволяют установить степень достоверности фактов и расшить область их применения, т.е. по сути перейти от исследования эмпирических закономерностей к формулировке эмпирических законов, выраженных форме феноменологических моделей.
Феноменологические модели могут вполне адекватно отражать результат действия внешних факторов на процессы и явления, но при этом описывают процессы и явления внешне, не рассматривая их внутреннюю структуру, т.е. не рассматривая, каким образом внешние факторы влияют на внутреннюю структуру и каким образом изменения в этой внутренней структуре обусловливают изменение внешне наблюдаемых свойств этих процессов и явлений. В современной науке такие модели называются феноменологическими моделями, наиболее распространенное название которых «Модели черного ящика». Такие модели широко применяются в автоматической теории управления, в которой влияние внешних факторов на систему описывается передаточной функцией. Связанные с этой проблематикой вопросы рассматриваются в работах [19, 20].
Например, (несколько упрощая) можно сказать, что в сельском хозяйстве изучается влияние природных и технологических факторов, а также свойств сортов и пород, на количественные и качественные результаты производства сельхозпродукции, а также методы прогнозирования и поддержки принятия решений, направленные на достижение заданных результатов. А в биологических науках, а также биохимии, биофизике и т.п., изучаются механизмы влияния тех же самых факторов на эти результаты.
3.4 Научные законы (движение от феноменологических моделей к содержательным, от эмпирического к теоретическому познанию)
Дальнейшее движение процесса познания - это движение от феноменологических моделей к содержательным. Суть этого процесса состоит в том, что процесс познание переходит от познания чувственно-воспринимаемой или познаваемой другими эмпирическими методами внешней стороны явлений и процессов к познанию их сущности. В отличие от внешней стороны сущность явлений и процессов при обычной наиболее массовой в настоящее время форме сознания не является непосредственно воспринимаемой и осознаваемой и для ее познания в настоящее время используется интеллектуальная форма познания: мышление и логика.
Задачей мышления является разработка такой теории изучаемых процессов и явлений, которая бы правильно объясняла эмпирически наблюдаемые их свойства. Таким образом теория описывает некий «внутренний механизм» изучаемых процессов и явлений, объясняющий их внешне наблюдаемые свойства. Разработка новой теории - это процесс многоэтапный. На первом этапе выдвигается научная гипотеза о причинах действия эмпирического закона. Если оказывается, что научная гипотеза имеет прогностическую силу, т.е. предсказывает новые наблюдаемые на опыте ранее неизвестные процессы и явления, то она приобретает статус научного закона. Например, 100 лет назад Альберт Эйнштейн в рамках созданной им теории гравитации (ОТО) предсказал существование гравитационных волн, которые недавно были экспериментально обнаружены. Определение научного закона: научный закон - это такой эмпирический закон, который действуют везде, где сохраняют силу и действуют причины его действия, описанные в теории, объясняющей причины и механизм действия данного эмпирического закона.
Область действия научного закона расширяется на неограниченную область не всегда доступную эмпирически, даже в принципе и в перспективе. Научные законы получаются из эмпирических методом научной индукции (Ф. Бэкон, Дж. Милль):
- строится содержательная модель, «объясняющая», почему действует эмпирический закон;
- делается научное обобщение: эмпирические законы выполняются не только во всех исследованных случаях, но и во всех остальных, где сохраняется действие причин их выполнения.
3.5 Философское обобщение
Философский закон - это придание научному (или даже эмпирическому) закону статуса всеобщности, т.е. ничем неограниченное расширение области действия научных законов ни в пространстве, ни во времени, ни по предметной области, ни по уровню иерархического строения Вселенной как системы, ни каким-либо другим образом.
По мнению автора философское обобщение - это неоправданное и очень рискованное предельное обобщение, которое никогда не может быть в достаточной мере (для столь ответственного решения) аргументировано и обосновано, и, по глубокому убеждению автора, в конечном счете оно всегда ошибочно, что рано или поздно и выясняется (правда обычно поздно).
3.6 Перспективы применения научного метода к постановке и решению философских проблем и конец философии
История науки свидетельствует, что науки возникали не одновременно, а в определенной последовательности в порядке усложнения предмета их исследования: физика, химия, биология, науки о человеке и обществе. Понятно, что предметы исследования этих наук не только существовали и до их возникновения, но и исследовались до возникновения этих наук, но исследовались они не научными методами, а в рамках философии, которая выступала в роли своеобразной «преднауки», «прародительницы» и одновременно «матери всех наук» См., например: http://bookz.ru/authors/nina-bu4ilo/filosofi_921/page-4-filosofi_921.html .
Принцип возникновения новых наук состоит в том, что они «отмежевываются» от преднауки философии когда начинают применять научный метод, так как именно этот метод позволял перевести знания из умозрительной формы в точно установленную доказательную форму.
При возникновении новых наук предмет философии сужается, так как часть предмета философии становится предметом изучения этих новых конкретных наук. Конкретные науки обеспечивают более глубокое, детальное, достоверное и доказательное изучение предмета познания, чем это было возможно в философии. В результате этого процесса в настоящее время предметом философии является лишь основной вопрос философии, а также диалектика, логика и теория познания.
По мнению автора «конец философии» наступит, когда научный метод будет применен к познанию не только материи (что уже сделано), но и сознания, а также к исследованию их отношения, т.е. к постановке и решению основного вопроса философии [3], и это станет реально возможным только при высших формах сознания, при которых людям станут доступными другие формы познания, в частности, интеллектуальная истина станет предметом непосредственного восприятия (т.е. это еще не скоро).
4. Применение автоматизированных когнитивных технологий в качестве инструмента познания (на примере АСК-анализа и системы «Эйдос»)
4.1. АСК-анализ как автоматизированный метод
научного познания
4.1.1 Кратко об АСК-анализе
Автоматизированный системно-когнитивный анализ (АСК-анализ) - это новый универсальный метод искусственного интеллекта, представляющий собой единственный в настоящее время вариант автоматизированного системного анализа, а именно, системный анализ, структурированный по базовым когнитивным операциям.
Известно, что системный анализ является одним из общепризнанных в науке методов решения проблем и многими учеными рассматривается вообще как методология научного познания. Однако как впервые заметил еще в 1984 году проф. И. П. Стабин Стабин И.П., Моисеева B.C. Автоматизированный системный анализ.- М.: Машиностроение, 1984. -309 с. практическое применение системного анализа наталкивается на проблему, суть которой состоит в том, что методология системного анализа успешно применяется в сравнительно простых случаях, в которых в принципе можно обойтись и без нее, тогда как в реальных сложных ситуациях, она чрезвычайно востребован и у нее нет альтернатив, сделать это удается очень редко. Проф. И. П. Стабин первым предложил и путь решения этой проблемы, состоящий в автоматизации системного анализа, он же ввел и термин: «Автоматизированный системный анализ» (АСА).
В 2002 году в работе [6] Е.В.Луценко предложил структурировать системный анализ по базовым когнитивным операциям и назвал такой вариант автоматизированного системного анализа: «Автоматизированный системно-когнитивный анализ (АСК-анализ)». На тот момент по запросу: «Автоматизированный системно-когнитивный анализ» не выдавалось ни одного сайта, теперь же Яндекс находит 3 миллиона сайтов по этому запросу. Этих операций оказалось не так много и и их оказалось возможным математически описать с помощью системной теории информации [6]. Затем Е.В.Луценко разработал методику численных расчетов, включающую структуры данных и алгоритмы их обработки, а также программную реализацию: интеллектуальную систему «Эйдос», в настоящее время являющуюся программным инструментарием АСК-анализа [1-25].
4.1.2 Движение познания от эмпирических данных к информации, а от нее к знаниям
Из изложенного выше в разделе 2.2 можно сделать обоснованный вывод о том, что АСК-анализ и система «Эйдос» обеспечивают движение познания от эмпирических данных к информации, а от нее к знаниям. По сути это движение от феноменологических моделей, описывающих явления внешне, к содержательным теоретическим моделям [3].
4.1.3 Когнитивные функции
Когнитивные функции представляют собой отображение в наглядном графическом виде количества информации, которое содержится в различных значениях аргумента (т.е. значениях описательных шкал, значениях факторов) о различных значениях функции (градаций классификационных шкал, или классов) [7, 24-34]. Поэтому когнитивные функции отражают не только внешний вид функциональной зависимости, как в феноменологических моделях, но и смысл этой зависимости, т.е. являются средством визуализации причинно-следственных зависимостей.
В работе [36] приведено теоретическое обоснование применения системно-когнитивных моделей вместо содержательных аналитических моделей сложных технических систем. Презентация к данной работе находится по адресу: http://ej.kubagro.ru/2016/07/upload/02.zip. В работе [37] приведен развернутый детальный пример такого применения, в т.ч. с использованием аппарата когнитивных функций.
4.1.4 Автоматизированный SWOT- и PEST-анализ
SWOT-анализ является широко известным и общепризнанным метод стратегического планирования. Однако это не мешает тому, что он подвергается критике, часто вполне справедливой, обоснованной и хорошо аргументированной. В результате критического рассмотрения SWOT-анализа выявлено довольно много его слабых сторон (недостатков), источником которых является необходимость привлечения экспертов, в частности для оценки силы и направления влияния факторов. Ясно, что эксперты это делают неформализуемым путем (интуитивно), на основе своего профессионального опыта и компетенции. Но возможности экспертов имеют свои ограничения и часто по различным причинам они не могут и не хотят это сделать. Таким образом, возникает проблема проведения SWOT-анализа без привлечения экспертов. Эта проблема может решаться путем автоматизации функций экспертов, т.е. путем измерения силы и направления влияния факторов непосредственно на основе эмпирических данных. Подобная технология разработана давно, ей уже около 30 лет, но она малоизвестна - это интеллектуальная система «Эйдос». В статье на реальном численном примере подробно описывается возможность проведения количественного автоматизированного SWOT-анализа средствами АСК-анализа и интеллектуальной системы «Эйдос-Х++» без использования экспертных оценок непосредственно на основе эмпирических данных. Предложено решение прямой и обратной задач SWOT-анализа [38]. PEST-анализ рассматривается как SWOT-анализ, с более детализированной классификацией внешних факторов [38].
Выводы, полученные с помощью Автоматизированного SWOT- и PEST-анализа можно непосредственно использовать для достижения целей, т.е. для управления. Это и означает, что АСК-анализ и его программный инструментарий - интеллектуальная система «Эйдос» обеспечивают создание непосредственно на основе эмпирических данных содержательных феноменологических моделей и их применение для решения задач идентификации, поддержки управляющих решений и исследования моделируемой предметной области.
4.1.5 Системно-когнитивные модели как содержательные эмпирические модели (выводы)
Из вышеизложенного можно обоснованно сделать следующие выводы:
1. Системно-когнитивные модели, создаваемые в АСК-анализе с помощью интеллектуальной системы «Эйдос» непосредственно на основе эмпирических данных представляют собой новый, ранее неизвестный класс моделей: содержательные феноменологические модели, которые занимают промежуточное положение между эмпирическими феноменологическими моделями и содержательными теоретическим модели. Система «Эйдос» обеспечивает визуализацию знаний о моделируемом объекте, содержащихся в системно-когнитивных моделях, в форме развитой когнитивной графики, в частности в форме когнитивных функций, разнообразных когнитивных диаграмм и SWOT-диаграмм [38]. Необходимо особо подчеркнуть, что все эти диаграммы формируются не основе экспертных оценок, получаемых неформализуемым способом на основе интуиции, опыта и профессиональной компетенции, а на основе системно-когнитивных моделей, формируемых непосредственно на основе эмпирических данных.
2. АСК-анализ и система «Эйдос» обеспечивают движение познания от эмпирических данных к информации, а от нее к знаниям. По сути это движение от феноменологических моделей, описывающих явления внешне, к содержательным теоретическим моделям. Конечно, до создания теоретических моделей этот процесс не доходит, но он уменьшает разрыв или пропасть, существующую между эмпирическими феноменологическими моделями и содержательными теоретическим моделями. А значит и облегчает преодоление этого разрыва, т.е. подготавливает более благоприятную почву для разработки теоретических моделей уже не на основе эмпирических моделей, а на основе системно-когнитивных моделей [36, 37]. Таким образом не смотря на то, что системно-когнитивные модели являются содержательными феноменологическими моделями и отражают смысловые причинно-следственные связи между событиями реальной области они также требуют содержательной теоретической интерпретации, разработка которой является делом специалиста-эксперта содержательно разбирающегося в моделируемой предметной области.
3. Вместе с тем, опыт применения АСК-анализа и системы «Эйдос» показывает, что в ряде практически значимых случаев, таких, например, как принятие решений по рациональному выбору конструктивных особенностей и режимов работы сложных технических систем [36, 37], оказывается, что системно-когнитивных моделей в принципе достаточно для решения поставленных задач и в разработке содержательных теоретических моделей нет особой необходимости. А ранее, когда в распоряжении исследователей и разработчиков были лишь феноменологические модели, а ранее такая необходимость была, т.к. эти модели не позволяли решать те задачи, которые решались лишь с применяем теоретических моделей.
4.2 Движение познания от частных и менее адекватных моделей объекта познания к более общим и более адекватным: принцип соответствия
4.2.1 Множественность адекватных моделей
Пусть у нас есть таблица с координатами точек: (X, Y), отражающая на эмпирическом уровне некоторую предметную область (результаты наблюдений или эксперимента). Эти точки образуют некое облако точек на плоскости. Спрашивается, как построить аналитическую модель этих эмпирических данных? Один из вариантов ответа на этот вопрос, реализованный в регрессионном анализе, состоит в том, чтобы провести некую кривую (тренд) таким образом, чтобы сумма квадрата отклонений от кривой до этих точек была минимальна? Другой вариант ответа на этот вопрос дает АСК-анализ [31, 39, 40]. Возможны и другие варианты. В реализации регрессионного анализа MS Excel пользователь сам выбирает функцию для аппроксимации эмпирических данных и нескольких вариантов. Качество аппроксимации, т.е. достоверность модели, количественно отражается в значении коэффициента детерминации R2. При этом опыт показывает, что значения R2 для разных функций иногда оказываются очень близкими, практически одинаковыми.
Это означает, что обычно на основе одних и тех же эмпирических данных возможно построить несколько различных моделей, которые отражают эти данные с практически одинаковой достоверностью. Поэтому возникает проблема выбора «единственной правильной модели» из нескольких адекватных. Но если известна лишь единственная модель, то обычно она и принимается за «истинную». Понятно, что это весьма легкомысленно и вообще несерьезно, тем ни менее так чаще всего и происходит.
Для ученых, профессионально занимающихся разработкой моделей, все это вполне очевидно. Профессиональные разработчики моделей рассматривают множество различных вариантов повышения степени адекватности моделей [42] и не склонны какую-либо одну из них считать единственной истинной. Однако практически все остальные, в т.ч. ученые не разрабатывающие новых моделей, имеют такую склонность.
Совершенно аналогично, люди в различных состояниях и формах сознания строят различные модели реальности, включая и представления о пространстве, времени и движении, на основе эмпирических данных, поступающих от органов восприятия тех тел, которые поддерживает данные формы сознания [1, 2, 3]. В работе [3] автор обосновывает мысль о том, что чем выше адекватность и область действия модели реальности, созданной при некоторой определенной форме сознания, тем выше эта форма сознания, или, другими словами, чем выше форма сознания, тем более адекватная модель реальности создается при этой форме сознания. При развитии человеческого общества и повышении уровня наиболее массовой формы сознания повышается и степень адекватности моделей реальности, используемых человечеством [3, 41], и, соответственно, сменяют друг друга все более совершенные научные и мировоззренческие парадигмы, имеющие все более широкую область адекватности и действия.
4.2.2 Принцип соответствия
Соотношение между новой более общей теорией и старой, описывающей какой-то частный случай новой теории, раскрывается методологическим принципом соответствия: новые теории включают адекватные аспекты старых теорий в виде своей части, но сохраняют адекватность в более широкой предметной области, чем старые модели, где старые модели теряют адекватность, в области действия, в которой старая теория была адекватна, новая теория дает практически те же самые предсказания, что и старая теория.
4.3 Движение познания от моделей низкого уровня формализации к моделям более высокого уровня формализации
Существуют различные типы измерительных шкал (номинальные, порядковые и числовые) [35] и различные виды моделей.
В процессе познания степень формализации моделей постоянно возрастает. Зачем нужно повышать степень формализации? Прежде всего для того, чтобы передать знания другим и использовать их для опредмечивания, применения в технологиях и обществе. Мы ведь не можем передать знания в интуитивной форме. Этапы формализации: вербализация и т.д. мысль произнесенная есть ложь. Необходимо отметить, что на каждом этапе повышения уровня формализации происходит необратимая потеря информации.
5. Краткий обзор научных работ авторов по когнитивной ветеринарии
5.1 Реализация тестов и супертестов для ветеринарной и медицинской диагностики в среде системы искусственного интеллекта «Эйдос-Х++» без программирования
|
В статье [11] рассмотрено применение интеллектуальной технологи «Эйдос» для реализации уже разработанных ветеринарных и медицинских диагностических тестов без программирования в форме, удобной для индивидуального и массового тестирования, анализа его результатов и выработки индивидуальных и групповых рекомендаций. Возможно объединение нескольких тестов в супертест. |
The article [11] considers the application of Eidos intellectual technologies for implementation of developed veterinary and medical diagnostics statistical tests without programming in the convenient form for the individual and mass testing, the analysis of the results and development of the individual and group recommendations. It is possible to merge several tests in one supertest |
5.2 Автоматизированный системно-когнитивный анализ
в ветеринарии (на примере разработки диагностических
тестов)
|
В статье [12] рассмотрено применение Автоматизированного системно-когнитивного анализа (АСК-анализ) и его программного инструментария интеллектуальной технологи «Эйдос» для реализации уже разработанных ветеринарных и медицинских диагностических тестов без программирования в форме, удобной для индивидуального и массового тестирования, анализа его результатов и выработки индивидуальных и групповых рекомендаций. Возможно объединение нескольких ветеринарных тестов в один супертест. |
The article [12] considers the application of Eidos intellectual technologies for implementation of developed veterinary and medical diagnostics statistical tests without programming in the convenient form for the individual and mass testing, the analysis of the results and development of the individual and group recommendations. It is possible to merge several tests in one supertest |
5.3 Агломеративная когнитивная кластеризация нозологических образов в ветеринарии
|
В статье [13] на небольшом численном примере рассматривается сходство и различие нозологических образов в ветеринарии с применением нового метода агломеративной кластеризации, реализованного в автоматизированном системно-когнитивном анализе (АСК-анализ). Этот метод получил название: «Агломеративная когнитивная кластеризация». Этот метод отличается от известных традиционных тем, что: а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (классов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение; б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые обычно и встречаются на практике; в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям, а в когнитивном пространстве, в котором по всем осям (описательным шкалам) используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов. Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации. |
The article [13] deals with the similarity and difference of nosological images in veterinary medicine using a new method of agglomerative clustering implemented in Automated system-cognitive analysis (ASC-analysis) on a small numerical example. This method is called Agglomerative cognitive clustering. This method differs from the known traditional facts: a) parameters of a generalized image of the cluster are computed not as averages from the original objects (classes) or their center of gravity, and are defined using the same underlying cognitive operations of ASC-analysis, which is used for the formation of generalized images of the classes on the basis of examples of objects and which is really correct and provides a synthesis; b) as a criterion of similarity we do not use Euclidean distance or its variants, and the integral criterion of non-metric nature: "the total amount of information", the use of which is theoretically correct and gives good results in non-orthonormal spaces, which are usually found in practice; c) cluster analysis is not based on the original variables, matrices of frequency or a matrix of similarities (differences) dependent on the measurement units of the axes, and in the cognitive space in which all the axes (descriptive scales) use the same unit of measurement: the quantity of information, and therefore, the clustering results do not depend on the original units of measurement features. All this makes it possible to obtain clustering results that are understandable to specialists and can be interpreted in a meaningful way that is in line with experts' assessments, their experience and intuitive expectations, which is often a problem for classical clustering methods |
5.4 Агломеративная когнитивная кластеризация симптомов и синдромов в ветеринарии
|
В статье [14] на небольшом численном примере рассматривается сходство и различие симптомов и синдромов по их диагностическому смыслу, т.е. по той информации, которую они содержат о принадлежности состояний животных к различным нозологическим образам. Эта задача решается для ветеринарии с применением нового метода агломеративной когнитивной кластеризации, реализованного в автоматизированном системно-когнитивном анализе (АСК-анализ). Этот метод кластеризации отличается от известных традиционных тем, что: а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (симптомов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение; б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые как правило и встречаются на практике; в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям (измерительным шкалам), а в когнитивном пространстве, в котором по всем осям используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов. Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации. ... |
Подобные документы
Методы радиоиммуноанализа и иммунорадиометрического анализа. Сферы применения иммуноанализа в ветеринарии, потребители иммунодиагностических наборов. Диагностика фертильности и фекундильности крупного рогатого скота. Развитие иммуноанализа в ветеринарии.
реферат [1,7 M], добавлен 06.08.2009История китайской медицины. Развитие ветеринарии в Индии. Ветеринарные врачи Древней Персии. Развитие ветеринарии в Месопотамии (долина рек Тигра и Ефрата, XX-XVII вв. до н.э.). Приемы врачевания в Египте. Главная заслуга Гиппократа в развитии медицины.
реферат [26,2 K], добавлен 26.11.2010Военная ветеринария в Древней Руси и русском централизованном государстве. Развитие и усовершенствование структуры русской армии в XVIII веке. Создание центрального аппарата для руководства военно-ветеринарным делом. Ветеринарная служба во время ВОВ.
реферат [25,6 K], добавлен 19.01.2013Основные физико-химические свойства кетамина. Влияние препарата на сердечно-сосудистую систему и дыхательный центр. Практические рекомендации к применению кетамина. Общее анестезирующее и анальгезирующее действие. "Кетаминовая проблема" в ветеринарии.
реферат [26,1 K], добавлен 03.11.2015Применение ионизирующих излучений в сельском хозяйстве, ветеринарии и животноводстве. Использование ионизирующих излучений для диагностики и лечения животных. Использование нейтронов наряду с другими тяжелыми заряженными частицами для лечения опухолей.
контрольная работа [168,6 K], добавлен 30.01.2009Ветеринария - наука, изучающая здоровое и безболезненное состояние домашних животных. История развития науки, ее основные направления и достижения: открытие микроскопа Левенгуком, открытие кровообращения Гарвеем и роль данных исследований в медицине.
реферат [23,0 K], добавлен 17.08.2010Этика научных исследований в ветеринарии. Современные проблемы и будущее ветеринарной медицины. Особенности и пути интенсификации науки. Основные научные проблемы ветеринарной медицины и направления ее развития. Особенности этики научных работников.
реферат [32,9 K], добавлен 10.06.2010Диагностические учреждения государственной ветеринарии. Бактериологические, серологические, паталогоанатомические, биохимические, токсикологические, капроскопические и другие лабораторные методы исследования. Проведение диагностики заболеваний животных.
реферат [22,2 K], добавлен 08.12.2011В задачу токсиколога-химика входит не только установление наличия того или иного вещества относимого к категории «ядов», но и количество последнего. Существование качественных и количественных методов токсикологического исследования в ветенарии.
контрольная работа [25,2 K], добавлен 21.04.2009Характеристика скелетной мышцы животного, которая представляет собой сложное образование, способное выполнять роль активного органа аппарата движения. Химический состав мышц. Условия, улучшающие работу мышц и вспомогательные приспособления для их работы.
реферат [755,5 K], добавлен 22.06.2011Значение ветеринарно-профилактических мероприятий в выполнении задач по интенсификации животноводства. Ветеринария и ветеринарное обслуживание животноводческих комплексов, крупных ферм и птицефабрик. Правовая база выполнения ветеринарных мероприятий.
контрольная работа [53,6 K], добавлен 30.01.2009Развитие ветеринарных учреждений в Российской империи. Открытие первых ветеринарных амбулаторий. Основные цели губернских ветеринарных совещаний и съездов. Анализ первых декретов советского правительства по ветеринарии и журнала "Белорусская ветеринария".
реферат [87,9 K], добавлен 10.04.2012Первые формирования лосиных, перепелиных и страусиных ферм. Собака как первое приученное животное. Особенности развития народной ветеринарии у восточных славян. Луций Колумелла как первый ученый, использовавший в своих трудах термин "ветеринар".
реферат [44,4 K], добавлен 09.04.2012Клиническая диагностика как важнейший раздел клинической ветеринарии, предмет и методы ее изучения. Порядок клинического исследования сердечнососудистой системы собаки, порода Американский Стаффордширский терьер. Взятие крови и методика ее анализа.
курсовая работа [23,3 K], добавлен 09.11.2009Группы медикаментов, порядок их хранения. Наиболее употребляемые дезинфицирующие химические средства и способы их применения. Основные болезни органов дыхания сельскохозяйственных животных. Воспаление легких и плеврит. Распространение заразных болезней.
контрольная работа [700,4 K], добавлен 30.01.2009Витаминная питательность кормов. Классификация витаминов на жирорастворимые и водорастворимые. Применение антибиотиков и витаминов в ветеринарии и животноводстве. Витамины с индуктивным и биокаталитическим действием: последствия их недостаточности.
реферат [24,2 K], добавлен 23.03.2010Нитрофурал как антисептическое средство местного действия. Биофармацевтические аспекты фурацилина. Токсическое действие нитрофурановых препаратов. Способ получения фурацилина. Особенности применения его в ветеринарии. Лекарственные формы фурацилина.
презентация [841,4 K], добавлен 07.11.2012Болезни обмена веществ. Профилактика и лечение остеомаляции у сельскохозяйственных животных. Туберкулез крупного рогатого скота. Методы диагностики и профилактики. Пироплазмидоз сельскохозяйственных животных. Ветеринарная дезинфекционная техника.
контрольная работа [108,0 K], добавлен 18.01.2014Статистика в медико-биологическом исследовании, выбор метода анализа в соответствии с типом распределения данных. Анализ времени жизни в ППО Statistica, сравнение коэффициентов корреляции. Порядок осуществления проверки типа распределения данных.
реферат [1,2 M], добавлен 03.06.2011История открытия и описание препарата "Новокаин" - одного из лучших местных анестетиков, которые применяются в ветеринарии. Механизм действия новокаиновых блокад. Противопоказания к применению. Виды новокаиновых блокад. Общие положения при их выполнении.
курсовая работа [49,2 K], добавлен 06.04.2017
