Імітаційне моделювання наукового знання (методологічний аналіз)

Сучасні методологічні уявлення про наукове знання. Дослідження зі штучного інтелекту та проблема моделювання знання. Класифікація засобів імітаційного моделювання. Перспективи розвитку й використання методів імітаційного моделювання знання у філософії.

Рубрика Философия
Вид автореферат
Язык украинский
Дата добавления 21.11.2013
Размер файла 32,9 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.

Размещено на http://www.allbest.ru/

ІНСТИТУТ ФІЛОСОФІЇ ІМ.Г.С.СКОВОРОДИ

НАЦІОНАЛЬНОЇ АКАДЕМІЇ НАУК УКРАЇНИ

УДК 1:519.876.5

Шишкіна Марія Павлівна

ІМІТАЦІЙНЕ МОДЕЛЮВАННЯ НАУКОВОГО ЗНАННЯ (МЕТОДОЛОГІЧНИЙ АНАЛІЗ)

Спеціальність 09.00.09 - філософія науки

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата філософських наук

Київ-1999

Дисертацією є рукопис

Роботу виконано у Центрі досліджень потенціалу і історії науки ім. Г.М. Доброва НАН України.

Науковий керівник - доктор філософських наук, профессор КУЗНЄЦОВ Володимир Іванович, головний науковий співробітник Інституту філософії ім.Г.С.Сковороди НАН України.

Офіційні опоненти: 1. Доктор філософських наук Омельянчик Валентин Йосипович, провідний науковий співробітник Інституту філософії ім.Г.С.Сковороди НАН України.

2. Кандидат філософських наук, доцент Джулай Юрій Володимирович, доцент кафедри філософії та методології науки Київського національного університету ім. Тараса Шевченка.

Провідна установа - Центр гуманітарної освіти НАН України.

Захист дисертації відбудеться "26" березня 1999 р. о 14 годині на засіданні спеціалізованої вченої ради Д 26.161.01 для захисту дисертацій на здобуття наукового ступеня доктора (кандидата) наук в Інституті філософії ім.Г.С.Сковороди НАН України за адресою: 252001, Київ-1, вул.Трьохсвятительська, 4.

З дисертацією можна ознайомитися у бібліотеці Інституту філософії ім.Г.С.Сковороди НАН України за адресою:

252001, Київ-1, вул.Трьохсвятительська 4.

Автореферат розіслано " 25 " лютого 1999 р.

Вчений секретар спеціалізованої ради кандидат філософських наук, старший науковий співробітник Андрос Є.І.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. У галузі штучного інтелекту за останні роки значно збільшилася кількість програм, пов'язаних з імітацією тих чи тих етапів наукових досліджень, зокрема у багатьох розділах фізики, хімії, математики. Такі програми можна розглядати як відображення різних аспектів будови і функціювання цілісних систем наукового знання. У межах самого імітаційного моделювання знання виходять здебільшого з уявлень про структуру знання, які були характерні для методології науки 50-60-х років. Проте ці уявлення занадто вузькі для того, щоб охопити всі ті аспекти знання, які фактично розглядають при його імітаційному моделюванні. Продемонструвати перспективність застосування в імітаційному моделюванні більш сучасних методологічних підходів - одна з цілей дослідження.

Можливість аналізу імітаційних програм з єдиної методологічної точки зору надає структурно-номінативна реконструкція системи знання (М.Бургін, В.Кузнєцов). Її використання пояснюють, з одного боку, тим, що у ній особливості і природу наукового знання вивчають повніше й детальніше, ніж в інших існуючих на наш час методологічних реконструкціях (стандартній, структуралістській, інструментальній та ін.). З іншого боку, структурно-номінативна реконструкція крім дескриптивного має ще й нормативний аспект.

Отже, тема набуває актуальності у зв'язку, по-перше, з поширенням сучасних методологічних уявлень про знання на нову галузь, по-друге, із з'ясуванням у самій цій галузі концептуальних засад та об'єктів дослідження, що може сприяти її подальшому розвиткові.

Міра розробленості проблеми. Статичні й динамічні структури наукового знання досліджували сучасні українські та російські вчені у галузі філософії науки: М.Бургін, А.Ішмуратов, Ф.Канак, В.Карпович, О.Кедровський, А.Конверський, П.Копнін, А.Кравченко, С.Кримський, В.Кузнєцов, Є.Лєдніков, В.Лук'янець, О.Мороз, В.Омельянчик, В.Онопрієнко, М.Попович, Г.Рузавін, В.Рижко, Л.Соловей, В.Стьопін, В.Шинкарук; а також зарубіжні вчені: П.Суппес, Ф.Саппе, Дж.Снід, В.Штегмюллер та інші. У галузі імітаційного моделювання знання значні результати одержали українські та російські автори: Г.Атанов, В.Глушков, О.Довгялло, В.Котюков, С.Кутомін, А.Лапко, А.Манохін, В.Михалевич, В.Плотніков, Ю.Рамський, К.Самохвалов, В.Тищенко, С.Туренко, Л.Хоменко; а також зарубіжні науковці: Дж.Андерсон, Дж.Бредшоу, А.Буркс, Г.Копелаар, Д.Лєнат, Дж.Куїнлан, П.Ленглі, Р.Михальські, А.Ньюел, Г.Саймон, П.Тагард.

Для моделювання наукового знання використовуються різноманітні математичні й комп'ютерні засоби. Традиційний "філософський" підхід зазвичай пов'язують з логікою і зводять до моделювання міркувань як дедуктивних висновків, що підлягають правилам переходу від одних тверджень до інших. У межах цього підходу не розглядають як специфічні й незвідні повністю до логічних висновків такі важливі аспекти функціювання знання, як висунення гіпотез, застосування процедур, формування концепцій, конструювання нових моделей, виведення законів, понять тощо.

Інші підходи у моделюванні знання вже належать до галузі штучного інтелекту. У ній імітаційно моделюють процеси доведення теорем, евристичного пошуку, класифікації, розв'язання завдань експертом, навчання, наукових відкриттів. Проте при побудові імітаційних моделей не завжди досить точний зміст вкладають у використовувані поняття, нечітко визначають зв'язки між різними компонентами знання або не беруть до уваги його важливі складові. Використання структурно-номінативної реконструкції дає змогу значною мірою усунути зазначені протиріччя, а також запропонувати методологічні засади для узагальнення й розвитку існуючих напрямків імітаційного моделювання.

Об'єктом дослідження є філософсько-методологічні проблеми, пов'язані з моделюванням наукового знання у галузі штучного інтелекту.

Предметом дослідження є визначення методологічних принципів побудови комп'ютерних програм моделювання наукового знання та структур знання, на яких грунтуються програми.

Мета та завдання дослідження. Метою роботи є: методологічний аналіз наявних концептуальних і програмних засобів, що імітують різні аспекти системи наукового знання; створення передумов для систематизації головних напрямків імітаційного моделювання знання; визначення тенденцій і перспектив у галузі імітаційного моделювання щодо побудови його більш ефективних, повних і точних засобів і методів.

Для досягнення мети дослідження розв'язувалися такі завдання:

вивчити можливість застосування для аналізу підходів до імітаційного моделювання наукового знання засобів та апарату моделювання знання у сучасній методології науки;

виявити і проаналізувати методологічні передумови та структуру наявних концептуальних і програмних засобів імітаційного моделювання;

дослідити тенденції у галузі імітаційного моделювання наукового знання;

визначити перспективи систематизації та узагальнення існуючих напрямків імітаційного моделювання знання.

Теоретично-методологічні засади дослідження. Дослідження грунтується на сучасних методологічних уявленнях про структуру та функції наукового знання, на використанні структурно-номінативного підходу, у межах якого розроблена класифікація підсистем та елементів теоретичних систем наукового знання.

Наукова новизна дослідження. Новизна дослідження полягає в аналізі концептуальних засад імітаційного моделювання з погляду сучасних методологічних уявлень про наукове знання. Головні результати дисертаційної роботи, що виносяться на захист, є такими:

на підставі виокремлення специфічних структур знання, що моделюються, визначено головні напрямки імітаційного моделювання. Показано, що предикатний підхід відтворює деякі логічні структури, продукційний і фреймовий - прагматико-процедурні, а семантичний - лінгвістичні і моделюючі;

у результаті аналізу засобів імітаційного моделювання встановлено, що висловлювальні структури складають лише підмножину структур знання, досліджуваних у предметному полі імітаційного моделювання. Крім них використовуються моделюючі, процедурні, проблемні та інші структури;

запропоновано розуміння проблеми як структури, за допомоги якої здійснюється розвиток знання, а завдання - як структури застосування вже отриманих знань;

проведено структурно-номінативну класифікацію поглядів на природу математичних міркувань в основах математики. У результаті встановлено, що формалізм робить наголос на прагматико-процедурному та логіко-лінгвістичному боці знання, логіцизм - на логіко-лінгвістичному боці, інтуїціонізм - на частині модельно-репрезентативної та прагматико-процедурної підсистем, а напрямок, пов'язаний з конструктивною семантикою завдань - на проблемно-евристичному боці знання;

введено й обгрунтовано поняття міркувань у вузькому розумінні як переходів від одних тверджень до інших згідно з правилами висновку і в широкому розумінні як перетворення будь-яких структур знання;

розкрито системний набір елементів знання і пов'язаних з ними процесів, які в імітаційному моделюванні досі практично не розглядали. До них належать процеси конструювання правил побудови виразів, алфавітів, правил висновку; виведення аксіом, оцінок; виокремлення та іменування об'єктів з предметного поля системи знання, їх властивостей і відношень; закони різних рівнів, зв'язки елементів різних підсистем тощо. Обгрунтовано тезу, що розгляд цих структур і процесів сприятиме створенню ефективніших засобів і систем моделювання.

Теоретичне і практичне значення дисертації. У дисертації розроблені філософсько-методологічні засади нового напрямку досліджень, що існує у межах штучного інтелекту, - імітаційного моделювання наукового знання. Аналіз розвитку імітаційного моделювання має важливе значення для дослідження філософських питань з тематики штучного інтелекту, а також проблем суміжних зі штучним інтелектом дисциплін, таких, як психологія, наукознавство, лінгвістика, історія науки, педагогіка, природничі науки.

Теоретична цінність дисертації полягає у виявленні методологічних передумов побудови програм та виокремленні головних елементів знання у предметному полі імітаційного моделювання.

Теоретичні результати дослідження можуть знайти застосування як у галузі самого імітаційного моделювання з метою побудови більш досконалих та потужних програм, так і у теоретичних та практичних дослідженнях з наукознавства, історії та філософії науки, у яких суттєву роль відіграють імітаційні моделі знання.

Результати дисертації можуть бути корисними при розробці навчальних курсів з використанням імітаційних моделей навчального призначення та при викладанні курсу основ імітаційного моделювання. Водночас наукові дослідження з природничих дисциплін, де застосовуються імітаційні моделі знання, можуть проводитися більш ефективно з урахуванням результатів методологічного аналізу конкретно-наукового знання, яке є об'єктом розгляду у кожному випадку.

Апробація роботи. Зміст дисертації обговорювано на засіданнях відділу системних досліджень наукового потенціалу Центра досліджень потенціалу та історії науки ім.Г.М.Доброва НАН України, на засіданнях відділу засобів навчання та навчального обладнання Інституту змісту і методів навчання МО України. Головні положення та результати проведених досліджень доповідалися на ХІV Київському симпозіумі з наукознавства та науково-технічного прогнозування (Київ, 1992), на конференціях молодих учених наукознавців та істориків науки (Київ, 1992, 1993), на засіданнях науково-дослідного семінару "Основи математики і інформатики" (Київ, 1997, 1998). Основний зміст дисертації викладено у 9 публікаціях.

Структура дисертації. Дисертація складається із вступу, чотирьох розділів, висновків та списку використаної літератури.

ОСНОВНИЙ ЗМІСТ ДИСЕРТАЦІЇ

У вступі обгрунтовано актуальність теми, дано стислий огляд міри розробленості проблеми дослідження, сформульовано мету та завдання роботи, наведені головні положення, що виносяться на захист.

У першому розділі “Сучасні методологічні уявлення про наукове знання” наведено опис головних особливостей будови і функцій систем наукового знання, який супроводжено прикладами застосування методологічних уявлень для цілей аналізу конкретно-наукового знання. Згідно із структурно-номінативним підходом в організації системи знання виокремлено підсистеми і рівні, що утворюють, так би мовити, "горизонтальний" та "вертикальний" зрізи у будові знання. Головних підсистем у складі реконструкції чотири - логіко-лінгвістична, модельно-репрезентативна, прагматико-процедурна та проблемно-евристична. Для цілей дослідження знання використовано апарат теорії іменованих множин.

У розділі наведено характеристику рівнів ієрархії кожної з підсистем наукового знання. У логіко-лінгвістичній підсистемі це: поняття; знакові форми вираження понять (словники); правила побудови виразів; мовні системи наукової теорії; аксіоми; правила висновку; теореми; числення; многовиди числень. У модельно-репрезентативній - назви об'єктів з предметної царини; назви їх властивостей та відношень; абстрактні властивості та відношення, що охоплюють властивості властивостей, властивості відношень тощо; сукупність базисних властивостей і відношень об'єктів; моделі об'єктів; модельні форми подання законів різних рівнів.

До проблемної частини проблемно-евристичної підсистеми входять описи проблемних ситуацій, можливі завдання, дійсні та актуальні завдання; до евристичної частини - гіпотези, евристики, стратегії розв'язання проблем та інші елементи. У прагматико-процедурній підсистемі до процедурної частини належать операції, процедури та процеси; в аксіологічній частині містяться різноманітні види оцінок інших елементів теорії.

Важливим об'єктом імітаційного моделювання є процеси математичних міркувань. Проте погляди видатних представників математики та філософії математики на будову та розвиток систем математичного знання значно відрізняються. До головних напрямків в основах математики належать логіцизм (Б.Рассел, А.Уайтхед), інтуїціонізм (Л.Брауер, Г.Вейль та ін.), формалізм (Д.Гільберт та ін.) та інші. Обгрунтовано тезу, що відповідно до структурно-номінативної реконструкції формалізм робить засадовими прагматико-процедурні і логіко-лінгвістичні аспекти математичних міркувань; логіцизм - логіко-лінгвістичні; інтуїціонізм - частково модельно-репрезентативні та прагматико-процедурні; а напрямок, пов'язаний з конструктивною семантикою завдань, - проблемно-евристичні аспекти.

Концептуальним підґрунтям імітаційного моделювання є такий об'єкт методологічного аналізу, як теорія алгоритмів. У результаті аналізу у складі теорії алгоритмів вичленовано головні елементи всіх чотирьох підсистем наукової теорії і досліджено поняття алгоритму. При аналізі алгоритму до розгляду бралися процедурний та процесуальний його боки.

У другому розділі “Дослідження зі штучного інтелекту та проблема моделювання знання” розглянуто головні підходи до моделювання знання. У певному розумінні система знання є об'єктом моделювання програм у галузі штучного інтелекту. Класифікацію програм можна провести щодо того, які різновиди процесів роботи зі знаннями вони заторкують. Показано, що експертні системи, що слугують для розв'язання прикладних завдань, можна розуміти як призначені для програмування процесів обробки і використання знання. Другий напрямок у моделюванні мислення пов'язаний з процесами здобування знання. Він містить у собі різноманітні програми самонавчання та програми відкриттів.

До головних моделей знання у штучному інтелекті відносять фрейми, семантичні мережі, продукційні системи, логічні предикати. Власне, ці моделі відіграють роль засобів штучного інтелекту, які потребують самостійного розгляду поряд із загальнометодологічними і загальнотеоретичними уявленнями, про що йшлося у першому розділі. Здійснено класифікацію засобів імітаційного моделювання стосовно того, які з елементів цілісної системи знання вони використовують.

Зроблено висновок, що предикатний підхід відображує логіко-лінгвістичний бік у будові знання, охоплюючи шерег компонентів відповідної підсистеми, а саме вихідні, а також вивідні твердження та формальні мови. Продукційний підхід віднесено до прагматико-процедурної підсистеми, оскільки правила як його засадові структури є різновидом знань процедурного типу. При звертанні до певного фрейму передбачено активізацію процедур використання відповідних об'єктів або понять, що є визначальною рисою функціювання фреймової системи, отже, цей підхід також можна віднести до прагматико-процедурного типу. Семантичні мережі, заторкуючи семантичні та понятійні аспекти оперування інформацією, відображують лінгвістичні та деякі модельні елементи наукового знання. Механізм умовиводу у більшості випадків охоплює проблемні та евристичні компоненти. Таким чином встановлено, що у предметній галузі імітаційного моделювання окрім висловлювань, що належать до логіко-лінгвістичного типу, досліджують також структури процедурного, проблемного, модельного та інших типів системності знання.

У третьому розділі “Головні об'єкти імітаційного моделювання наукового знання” визначено об'єкти моделювання. Показано, що ними є різноманітні види міркувань, які беруться у широкому розумінні, як перетворення будь-яких структур знання - понять, моделей, законів, правил тощо, а не лише висловлювань, як у підході формальної логіки. Визначення об'єктів імітаційного моделювання дає підстави для виокремлення головних напрямків моделювання.

Одним з типів міркувань, що є досить дослідженим у галузі імітаційного моделювання, є схеми міркувань. Кожна схема являє собою метаправило або процедуру, застосовувані для розв'язання певного типу завдань у деякій предметній галузі. Показано, що за допомоги схем моделюють як конструювання, так і застосування процедурних компонентів знання (наприклад, програма EURICA). Розглянуто напрямок у моделюванні міркувань, який стосується процесів класифікації та розпізнавання. Кожне правило класифікації відповідає визначеному підзавданню - виокремленню серед множини об'єктів різних класів, потім виокремленню представників підкласів серед кожного класу тощо. Відзначено, що під завданням класифікації часто розуміють застосування правил для класифікації об'єктів, а під завданням розпізнавання - конструювання правил. Зазвичай, класифікаційні системи передбачають можливість не лише здійснення класифікації, а й виведення правил у процесі самонавчання, наприклад, експертна система MYCIN, ілюстративна програма класифікації тварин щодо родів, класів та видів та інші. Існують також загальні алгоритми, наприклад ID3, призначені для виведення правил класифікації у довільній предметній галузі. Показано, що процеси евристичного пошуку, ще одного типу міркувань, заторкують проблемні та евристичні аспекти знання. Евристики являють собою емпіричні правила, що оптимізують та спрямовують пошук. Їх використовують в експертних системах для розв'язання прикладних завдань у деякій предметній галузі. Приклад такої програми - система DENDRAL, яка визначає молекулярну будову речовини за допомоги потужного набору евристик. У галузі моделювання наукових відкриттів імітують процеси не лише застосування евристик для розв'язання проблем, а й виведення самих евристик (наприклад, у програмі EURISCO).

На окрему увагу заслуговують два головних типи проблемного простору, застосовуваних під час імітаційного моделювання, - простір описів та простір станів. Простір станів складається із станів та операторів, що слугують для переходу від одного стану до іншого у процесі розв'язання завдання. Таким чином, головною компонентою, що визначає організацію простору станів, є завдання як засаднича структура застосування знання. Відзначено, що структура простору залежить від типів знань, використовуваних під час розв'язання. Так, у структурі простору можуть бути репрезентовані моделі (AFEX, DС), поняття (навчальна програма WHY) тощо. Оператори у просторі описів задають передбачувані описи шуканих структур знань (генерують переміщення у просторі), а евристики є засобами відбору кращих гіпотез. З'ясовано, що у будові простору описів відображується функціювання проблеми як головної структури розвитку знання.

Важливий напрямок досліджень утворюють імітаційні програми наукових відкриттів. За допомоги цих програм моделюють процеси виведення різноманітних елементів системи знання - моделей (DALTON), гіпотез (EC), понять (АМ), законів (BACON, GLAUBER), алгоритмів (“Program formation”), правил класифікації (GLAUBER), теорем (OTTER) тощо. Існують приклади програм, коли виведені знання у подальшому застосовують (наприклад, закони застосовують для формування систем рівнянь, GALILEO). Показано, що програми наукових відкриттів можна систематизувати стосовно елементів знання, які є об'єктами виведення.

Обгрунтовано можливість розуміння розвитку знання у галузі імітаційного моделювання як здобування знання зі зміною його структури та організації. Стверджено, що зміна структури наявних знань відбивається у зміні структури і організації простору станів. Цей простір вдосконалюється під час набування “досвіду” розв'язання завдань та самонавчання. З'ясовано, що шляхом зміни простору описів відтворюють формування та вдосконалення структури описів у процесі виведення нових елементів знань.

У четвертому розділі “Перспективи розвитку й використання методів імітаційного моделювання знання” показано, що структурно-номінативна реконструкція дає можливість систематизувати головні напрямки моделювання знання стосовно елементів та структур знання, які є об'єктами моделювання. Проведений аналіз виявив зв'язки елементів окремих підсистем та деякі процеси й боки знання, що залишалися поза увагою у галузі імітаційного моделювання знання. Їх розгляд можна вважати однією з перспектив розвитку цієї галузі.

Зроблено висновок, що програми імітаційного моделювання знання можна поділити на три різновиди. У процесі здобування нових понять, моделей, законів конструюють елементи логіко-лінгвістичної та модельно-репрезентативної підсистем. Для того, щоб одержати ці знання, необхідно використання певних різновидів метазнань - евристик, гіпотез, оцінок, стратегій та схем міркувань, які у свою чергу є елементами прагматико-процедурної та проблемно-евристичної підсистем. Метазнання також можуть бути об'єктом виведення. Нарешті, можна виокремити ще й метаметазнання, як, наприклад, евристику для виведення евристики або проблему постановки проблеми. Результати класифікації програм щодо структур знання, що ними застосовуються або конструюються, для випадку двох перших підсистем наведено у таблицях 1 і 2.

Таблиця 1. Логіко-лінгвістична підсистема.

Виокремлення, конструювання

Назва елементу знання

Застосування

Виокремлення та іменування AM

ПОНЯТТЯ

Класифікаційні (програма класифікації тварин; GLAUBER, ROSPECTOR, MYCIN)

Конструювання

СЛОВНИКИ

(АЛФАВІТИ)

Формальні мови, мови логічного програмування (PROLOG, LOGO); програми-перекладачі (RUTA, PARS, RUMP); програми наукових відкриттів (AM); програми класи-фікації, моделювання, доведення теорем тощо

Конструювання

ПРАВИЛА ПОБУДОВИ

ВИРАЗІВ

Формальні мови, мови логічного програмуван-ня (PROLOG, LOGO); програми-перекладачі

(RUTA, PARS, RUMP)

Формування

Формальні мови, мови логічного програмування (PROLOG, LOGO)

МОВИ

Формальні мови, мови логічного програмуван-ня (PROLOG, LOGO); алгоритмічні мови (PASCAL, BASIC, C та інші); декларативні та процедурні мови; програми на грунті семантичних мереж (ПОЕТ, WHY)

Впровадження

АКСІОМИ

Програми доведення теорем (OTTER, GTE)

Впровадження

ПРАВИЛА

ВИСНОВКУ

Програми доведення теорем (OTTER, GTE)

Виведення OTTER, GTE, BACON та ін.

ТЕОРЕМИ,

ТВЕРДЖЕННЯ

Програми розв'язання завдань (EURICA та інші); обчислення за формулами

Конструювання

Формальні мови; Навчальна програ-ма “моделювання числень”

ЧИСЛЕННЯ

Формальні мови;

Навчальна програма “моделювання числень”

Таблиця 2. Модельно-репрезентативна підсистема

Виокремлення, конструювання

Назва елементу знання

Застосування

Виокремлення та іменування

ІМЕНА ОБ'ЄКТІВ

Програми побудови моделей, законів; продукційні, фреймові системи; моделюючі середовища; семантичні мережі та інші

Виокремлення та іменування

ІМЕНА ЇХ ВЛАС-ТИВОСТЕЙ ТА ВІДНОШЕНЬ

Програми побудови моделей, законів; розв'язання завдань; продукційні, фреймові системи; моделюючі середовища та інші.

Співставлення

АБСТРАКТНІ ВЛАСТИВОСТІ ТА ВІДНОШЕННЯ

Програми побудови моделей, законів розв'язання завдань; продукційні, фреймові системи; моделюючі середовища та інші.

Виокремлення

Програми наукових відкриттів (DALTON); класи-фікаційні (GLAU-BER, програма класифікації тва-рин); навчальні предметно-орієн-товані середовища

БАЗИСНІ ВЛАСТИВОСТІ ТА ВІДНОШЕННЯ

Розв'язання завдань (AFEX, GALILEO); класифікації (програма класифікації тварин);

навчальні предметно-орієнтовані середовища

Конструювання та репрезентація

Програми розв'язання завдань AFEX); відкриттів (DALTON, GLAUBER); навчальні предмет-но-орієнтовані середовища

МОДЕЛІ

Розв'язання завдань (AFEX, DC); навчальні моделюючі середовища (“побудова многогранників”, GEOMETR'S SKETCHPAD) та інші

Виведення

Програми наукових відкриттів (GLAUBER, GALILEO)

ЗАКОНИ I РІВНЯ

GALILEO

Виведення

ЗАКОНИ БІЛЬШ

ВИСОКИХ РІВНІВ

Застосування

Виокремлені перспективні сфери застосування методів імітаційного моделювання знання у філософії, методології науки та наукознавстві.

У висновках підведені підсумки дисертаційної роботи.

У результаті дисертаційного дослідження автор дійшов таких висновків:

на підставі виокремлення специфічних структур знання, що моделюються, визначено головні напрямки імітаційного моделювання. Показано, що предикатний підхід відображає деякі логічні структури, продукційний і фреймовий - прагматико-процедурні, а семантичний - лінгвістичні і моделюючі;

результат аналізу засобів імітаційного моделювання свідчить, що висловлювальні структури складають лише підмножину структур знання, досліджуваних у предметному полі імітаційного моделювання. Крім них використовують моделюючі, процедурні, проблемні та інші структури;

запропоновано розуміння проблеми як структури, за допомоги якої здійснюється розвиток знання, а завдання - як структури застосування вже отриманих знань;

здійснено структурно-номінативну класифікацію поглядів на природу математичних міркувань в основах математики. У результаті встановлено, що формалізм робить наголос на прагматико-процедурному та логіко-лінгвістичному боці знання, логіцизм - на логіко-лінгвістичному боці, інтуїціонізм - на частині модельно-репрезентативної та прагматико-процедурної підсистем, а напрямок, пов'язаний з конструктивною семантикою завдань - на проблемно-евристичному боці знання;

введено і обгрунтовано поняття міркувань у вузькому розумінні як переходів від одних тверджень до інших згідно до правил висновку і в широкому розумінні як перетворення будь-яких структур знання;

розкрито системний набір елементів знання і пов'язаних з ними процесів, які в імітаційному моделюванні досі практично не розглядали. До них належать процеси конструювання правил побудови виразів, алфавітів, правил висновку; виведення аксіом, оцінок; виокремлення та іменування об'єктів з предметного поля системи знання, їх властивостей і відношень; закони різних рівнів, зв'язки елементів різних підсистем тощо. Обгрунтовано тезу, що розгляд цих структур і процесів сприятиме створенню більш ефективних засобів і систем моделювання.

З теми дисертації опубліковано такі роботи

1. Шишкіна М. До класифікації головних підходів в основах математики // Нові технології навчання. - 1997, вип. 19, с.24-30.

2. Шишкіна М. Комп'ютерне моделювання евристичних аспектів наукового знання // Нові технології навчання. - 1997, вип.21, с.42-46.

3. Шишкіна М. Застосування комп'ютерних технологій для розробки імітаційних моделей знань у наукових дослідженнях // Збірник статей Всеукраїнської конференції молодих науковців "Інформаційні технології в науці та освіті" / Черкаський державний університет, Національний педагогічний університет ім.М.П.Драгоманова. - Черкаси, 1997. - ч.І, с.89-95.

4. Шишкина М. Основные подсистемы научного знания в компьютерном аспекте // Методологические и теоретические проблемы математики и информатики. Труды научно-исследовательского семинара "Основания математики и информатики" / Под ред. М.Бургина. - Киев: Украинская Академия информатики, 1997, - с. 86-90.

5. Жук Ю., Шишкіна М. Про деякі аспекти оцінювання програм навчання, що реалізовані на базі нових інформаційних технологій // Нові інформаційні технології навчання в учбових закладах України (Інститут змісту і методів навчання). - Одеса, 1997, с.210-211.

6. Шишкіна М. Застосування програм штучного інтелекту у наукових дослідженнях // Науково-методична конференція "Застосування інформаційних технологій у навчальному процесі", - м.Харків, 1997, с.62-63.

7. Шишкина М. Компьютерное моделирование как средство исследования знання // Матеріали V наукової конференції молодих вчених наукознавців та істориків науки. - Київ, 1994, с.62-63.

8. Кузнєцов В., Шишкіна М. Рецензія на кн.: Пятецький-Шапіро Ж., Фроулі У. "Відкриття знань у базах даних" // Наука і наукознавство, 1994. - N. 1-2(4), с.234-237.

9. Шишкіна М. Про деякі аспекти класифікації програм навчання // Міждержавна конференція "Комп'ютерне моделювання". - Дніпродзержинськ: Дніпродзержинський державний технічний університет, 1997, с.86.

АНОТАЦІЯ

інтелект науковий знання імітаційний

Шишкіна М.П. Імітаційне моделювання наукового знання (методологічний аналіз). Дисертація (на правах рукопису) на здобуття наукового ступеня кандидата філософських наук за спеціальністю 09.00.09 - філософія науки. Інститут філософії імені Г.С.Сковороди НАН України. Київ, 1999.

Дисертація є теоретичним дослідженням філософсько-методологічних засад моделювання наукового знання у галузі штучного інтелекту. Виокремлено головні напрямки імітаційного моделювання та проведено їх систематизацію як таких, що відображають різноманітні аспекти цілісної системи наукового знання. Виявлено структури знання у предметній галузі імітаційного моделювання та показано, що висловлювальні структури складають лише їх підмножину. Введено й обгрунтовано поняття міркувань у вузькому розумінні як перетворень висловлювань згідно до правил висновку і у широкому розумінні як перетворень будь-яких структур знання. Проведено класифікацію засобів імітаційного моделювання. Запропоновано розуміння проблеми як структури, за допомоги якої здійснюють розвиток знання, а завдання як структури застосування вже отриманих знань. Визначено головні елементи знання й пов'язані з ними процеси, що в імітаційному моделюванні досі практично не розглядали.

Ключові слова: імітаційне моделювання, наукове знання, системність, умовивід, евристика, проблемний простір, база знань.

АННОТАЦИЯ

Шишкина М.П. Имитационное моделирование научного знания (методологический анализ). Диссертация (на правах рукописи) на соискание ученой степени кандидата философских наук по специальности 09.00.09 - философия науки. Институт философии имени Г.С.Сковороды НАН Украины. Киев, 1999.

Диссертация посвящена философско-методологическим проблемам, связанным с моделированием научного знания в области искусственного интеллекта. В центре исследования - определение методологических принципов построения компьютерных программ моделирования знания и выявление структур знания, которые используются при работе программ. В основу исследования положены современные методологические представления о структуре и функциях научного знания, в частности, структурно-номинативный подход, в рамках которого разработана классификация подсистем и элементов знания, входящих в состав теоретических систем научного знания. Использование структурно-номинативного подхода позволяет рассматривать имитационные программы с единой методологической точки зрения как отражающие различные аспекты строения и функционирования целостных систем научного знания. Проведенное исследование ведет к распространению современных методологических представлений о знании на новую область, а также проясняет в самой этой области концептуальные основы и объект изучения, что может способствовать ее дальнейшему развитию.

На основе выделения специфических структур знания в предметной области имитационного моделирования определены его основные направления. Показано, что предикатный подход отражает некоторые логические структуры, продукционный и фреймовый - прагматико-процедурные, а семантический - лингвистические и моделирующие. В результате анализа средств имитационного моделирования установлено, что предложенческие структуры образуют всего лишь подмножество структур знания, которые исследуются в предметной области моделирования. Кроме них используются моделирующие, процедурные, проблемные и другие структуры. Предложено понимание проблемы как структуры, при помощи которой осуществляется развитие знания, а задачи - как структуры применения имеющихся знаний.

Проведена структурно-номинативная классификация взглядов на природу математических рассуждений в основаниях математики. В результате установлено, что формализм делает акцент на прагматико-процедурной и логико-лингвистической стороне знания, логицизм - на логико-лингвистической стороне, интуиционизм - на части модельно-репрезентативной и прагматико-процедурной подсистемах, а направление, связанное с конструктивной семантикой задач - на проблемно-эвристической стороне знания.

Введены и обоснованы понятия рассуждений в узком смысле, как переходов от одних утверждений к другим, и в широком смысле, как преобразований любых структур знания. Раскрыт системный набор элементов знания и связанных с ними процессов, которые в имитационном моделировании практически не рассматриваются. К их числу относятся процессы конструирования правил построения выражений, алфавитов, правил вывода, аксиом; выделения и именования объектов из предметной области системы знания, их свойств и отношений; выведения оценок, моделей количественного типа; законов разных уровней, связей элементов различных подсистем и другие.

Теоретические результаты диссертации могут найти применение как в самом имитационном моделировании для построения более совершенных и мощных программ, так и в теоретических и прикладных исследованиях по науковедению, истории и философии науки, в которых ключевым объектом исследования является научное знание и его имитационные модели.

Ключевые слова: имитационное моделирование, научное знание, системность, логический вывод, эвристика, проблемное пространство, база знаний.

SUMMARY

Shishkina M.P. Simulation of scientific knowledge (methodological analysis). The dissertation (manuscript) is for the Degree of Candidate of Philosophical Science, speciality 09.00.09 - philosophy of science. G.S.Scovoroda Institute of Philosophy, Academy of Sciences of Ukraine. Kyiv, 1999.

The dissertation is a theoretical research of the philosophical-methodological basis of scientific knowledge simulation in the field of artificial intelligence. The main approaches to scientific knowledge simulation are separated and systematized as depicting different aspects of the whole knowledge system. The knowledge structures in the domain of simulation programs are revealed and propositional structures are confirmed to be a subset of them. A concepts of reasoning in narrow sense as propositions transformation and reasoning in broad sense as any knowledge structures transformation are introduced and justified. Simulation means classification is accomplished. Understanding of the notion of a problem as a structure of knowledge development and a task as a structure of knowledge application is proposed. Main knowledge elements and the processes connected to them which are not presented in knowledge simulation are separated.

Key words: simulation, scientific knowledge, system, inference, heuristic, classification, problem space, knowledge base.

Размещено на Allbest.ur

...

Подобные документы

  • Наукове знання як сплав суб'єктивного й об'єктивного елементів в концепції Е. Мейерсона, проблема дослідження еволюції наукового знання. Формування основних цілей та завдань філософії. Вплив кантівської філософії на наукові дослідження Е. Мейерсона.

    реферат [22,5 K], добавлен 21.05.2010

  • Зростання ролі техніки та технічного знання в житті суспільства. Філософські поняття в технічних науках у ролі світоглядних і методологічних засобів аналізу й інтеграції науково-технічного знання. Проблеми пізнавального процесу при взаємодії людини з ЕОМ.

    реферат [23,7 K], добавлен 24.10.2010

  • Історичний аналіз розвитку наукового знання з часів античності. Питання виникнення і розвитку науки і філософії. Наявність грецьких термінів у доказовій давньогрецькій науці. Розвитко доказових форм наукового знання. Формування філософського світогляду.

    реферат [32,0 K], добавлен 26.01.2010

  • Ефективним методом науки в адекватному вивченні реальних процесів й явищ навколишньої дійсності є моделювання як побудова аналогів реальних об'єктів дослідження. Поняття, що співвідносять із моделюванням: прогнозування, проектування, закони, теорії та ін.

    научная работа [35,8 K], добавлен 21.11.2010

  • Виникнення, предмет філософії та його еволюція. Соціальні умови формування та духовні джерела філософії. Філософські проблеми і дисципліни. Перехід від міфологічного мислення до філософського. Специфіка філософського знання. Філософська антропологія.

    реферат [27,4 K], добавлен 09.10.2008

  • Способи освоєння людиною миру та головні фактори, що на них впливають. Істотні особливості сучасної міфології. Границі наукового знання. Причини посилення взаємозв'язку між різними способами. Сучасні інтерпретації взаємин науки й ціннісних форм пізнання.

    реферат [24,0 K], добавлен 07.01.2010

  • Наука як продуктивна сила суспільства. Участь специфічної філософської детермінації у розвитку наукового знання. Тенденції та функції сучасної науки на Україні. Характерні риси сучасного етапу науково-технічної революції. Закономірності розвитку науки.

    контрольная работа [24,4 K], добавлен 23.07.2009

  • Зусилля передових філософів Нової епохи у напрямку боротьби проти релігії та схоластики. Матеріалістичний характер онтологічних концепцій. Використання раціоналізму та емпіризму для розв'язання проблеми обґрунтування знання і способів його досягнення.

    реферат [16,8 K], добавлен 18.05.2011

  • Основні риси сучасних фундаментальних досліджень. Проблема формування високої інноваційної культури всіх верств суспільства. Роль фундаментальних наук в інноваційному процесі в суспільному розвитку та на підприємстві, основні етапи його здійснення.

    реферат [34,3 K], добавлен 10.11.2014

  • Співвідношення наукових знань з різними формами суспільної свідомості. Характерні ознаки та критерії, що відрізняють науку від інших областей діяльності людини: осмисленність, об`єктивність, пояснення причинності явищ, ідеалізація, самокритичність.

    реферат [27,5 K], добавлен 21.12.2008

  • Філософські погляди Камю, індивідуалізм і всебічна розробка проблеми безглуздості людського існування. Прагнення до повного абсолютного знання, заперечення значення науки, що не може цього знання дати. Крайній ступінь відчуження, ворожість світу.

    реферат [34,8 K], добавлен 20.02.2010

  • Особливості природничо-наукового знання античності. Аналіз основних наукових програм античної науки: математичної, що виникла на базі піфагорійської та платонівської філософії; атомістичної теорії (Левкип, Демокріт) та континуалістичної - Арістотеля.

    реферат [28,4 K], добавлен 06.01.2014

  • Питання "гуманізму" для філософів. Розвиток гуманізму. Розвиток раціоналістичного і ірраціонального гуманізму в історії людства. Збереження раціоналізму як основного методу науки і освіти. Розвиток найважливіших принципів сучасного гуманітарного знання.

    реферат [20,1 K], добавлен 02.12.2010

  • Філософський аналіз сутності науки і її соціальних функцій. Динаміка науки: філософський сенс закономірностей і тенденцій розвитку знання. Онтологічні проблеми та методологічний арсенал науки. Філософські питання природознавства та технічних наук.

    курс лекций [208,4 K], добавлен 28.02.2013

  • Етапи становлення позитивістської філософії науки. Особливість спрямування еволюції уявлень про навчання від монізму до плюралізму. Аналіз суб’єктності та об’єктивності знання. Суть принципу верифікації, який відстоювали представники неопозитивізму.

    статья [27,3 K], добавлен 27.08.2017

  • Філософія як особлива сфера людського знання і пізнання, основні етапи її зародження та розвитку, місце та значення в сучасному суспільстві. Характеристика та специфічні риси античної філософії, її найвидатніші представники, її вклад в розвиток науки.

    контрольная работа [10,6 K], добавлен 23.11.2010

  • Проблеми філософії, специфіка філософського знання. Історичні типи світогляду: міфологія, релігія, філософія. Українська філософія XIX - початку XX століть. Філософське розуміння суспільства. Діалектика та її альтернативи. Проблема людини в філософії.

    шпаргалка [179,5 K], добавлен 01.07.2009

  • Життєвий шлях і творчість Френсіса Бекона - одного із філософів Нового часу, засновника англійського матеріалізму. Проблема могутності людського знання, експериментального дослідження природи, взаємозв'язок культури і природи як важливі питання філософії.

    реферат [12,6 K], добавлен 15.12.2010

  • Поняття методу, його відміннясть від теорії. Розгляд спостереження, порівняння, вимірювання, експерименту як загальних методів дослідження, а також абстрагування, аналізу, синтезу, індукції, дедукції, інтуїції, моделювання як специфічних емпіричних.

    презентация [165,2 K], добавлен 08.03.2014

  • Некласична філософія кінця XIX-початку XX ст. Психоаналіз і неофрейдизм як одна з найвпливовіших ідейних течій XX ст. Екзистенціальна філософія та її різновиди. Еволюція релігійної філософії XX ст. Проблема знання, мови і розуміння у філософії XX ст.

    реферат [85,4 K], добавлен 25.02.2015

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.