Основы философии

На четвертой стадии происходит разворачивание выдвинутого предположения и дедуктивное выведение из него эмпирически проверяемых следствий. На этой стадии возможна частичная переработка гипотезы, введение в нее с помощью мысленных экспериментов уточняющих деталей.

На пятой стадии проводится экспериментальная проверка выведенных из теории следствий. Гипотеза или получает эмпирическое подтверждение, или опровергается в результате экспериментальной проверки. Однако эмпирическое подтверждение следствий из гипотезы не гарантирует ее истинности, а опровержение одного из следствий не свидетельствует однозначно о ее ложности в целом. Все попытки построить эффективную логику подтверждения и опровержения теоретических объяснительных гипотез пока не увенчались успехом. Статус объясняющего закона, принципа или теории получает лучшая по результатам проверки из предложенных гипотез. От такой гипотезы, как правило, требуется максимальная объяснительная и предсказатель-ная сила. Особую ценность имеют гипотезы, из которых выводятся так называемые "рискованные предсказания" (термин К. Поппера), которые предсказывают факты невероятные в свете имеющихся теорий или эмпирической интуиции. К числу таких рискованных предсказаний прежде всего относятся предсказание Менделеевым на основании гипотезы периодического закона существования неизвестных химических элементов и их свойств или предсказание общей теорией относительности отклонения луча света, проходящего вблизи Солнца, от прямолинейного пути. И то, и другое предсказания получили экспериментальное подтверждение, что способствовало превращению периодического закона и общей теории относительности из гипотез в теории.

Знакомство с общей структурой метода гипотезы позволяет определить ее как сложный комплексный метод познания, включающий в себя все многообразие его и форм и направленный на установление законов, принципов и теорий.

Иногда метод гипотезы называют еще гипотетико-дедуктивным методом, имея в виду тот факт, что выдвижение гипотезы всегда сопровождается дедуктивным выведением из него эмпирически проверяемых следствий. Но дедуктивные умозаключения -- не единственный логический прием, используемый в рамках метода гипотезы. При установлении степени эмпирической подтверждаемости гипотезы используются элементы индуктивной логики. Индукция используется и на стадии выдвижения догадки. Существенное место при выдвижении гипотезы имеет умозаключение по аналогии. Как уже отмечалось, на стадии развития теоретической гипотезы может использоваться и мысленный эксперимент. Что касается интуиции, о которой говорит Эйнштейн, то она вкраплена во все стадии метода гипотезы, начиная от анализа фактов, подлежащих объяснению, до принятия научным сообществом хорошо обоснованной гипотезы в качестве закона или теории. Именно интуитивное озарение может позволить ученому выделить из совокупности фактов главные, ведущие к выдвижению гениальной догадки. Интуитивное озарение может проявляться и в выборе аналогии, наводящей на эвристически ценную догадку, и т.д. Дискурсивное мышление в рамках метода гипотезы постоянно перемежается с интуитивными шагами мысли. Но способность к интуитивному озарению дается гениальному ученому не "от бога", хотя гениальность имеет и врожденные элементы. Как считал Эйнштейн, интуитивное озарение в значительной степени есть продукт "проникновения в суть опыта", что зависит преимущественно от высокого профессионализма и тяжелой постоянной работы ума над решением поставленной проблемы.

Объяснительная гипотеза как предположение о законе -- не единственный вид гипотез в науке. Существуют также "экзистенциальные" гипотезы -- предположения о существовании неизвестных науке элементарных частиц, единиц наследственности, химических элементов, новых биологических видов и т. п. Способы выдвижения и обоснования таких гипотез отличаются от объяснительных гипотез. Наряду с основными теоретическими гипотезами могут существовать и вспомогательные, позволяющие приводить основную гипотезу в лучшее соответствие с опытом. Как правило, такие вспомогательные гипотезы позже элиминируются. Существуют и так называемые рабочие гипотезы, которые позволяют лучше организовать сбор эмпирического материала, но не претендуют на его объяснение.

Важнейшей разновидностью метода гипотезы является метод математической гипотезы, который характерен для наук с высокой степенью математизации. Описанный выше метод гипотезы является методом содержательной гипотезы. В его рамках сначала формулируются содержательные предположения о законах, а потом они получают соответствующее математическое выражение. В методе математической гипотезы мышление идет другим путем. Сначала для объяснения количественных зависимостей подбирается из смежных областей науки подходящее уравнение, что часто предполагает и его видоизменение, а затем этому уравнению пытаются дать содержательное истолкование. Характеризуя метод математической гипотезы, С. И. Вавилов писал: Положим, что из опыта известно, что изученное явление зависит от ряда переменных и постоянных величин, связанных между собой приближенно некоторым уравнением. Довольно произвольно видоизменяя, обобщая это уравнение, можно получить другие соотношения между переменными. В этом и состоит математическая гипотеза или экстраполяция. Она приводит к выражениям, совпадающим или расходящимся с опытом, и соответственно этому применяется дальше или отбрасывается.

Специалист по методологии науки И. В. Кузнецов попытался выделить различные способы видоизменения исходных уравнений в процессе выдвижения математической гипотезы: 1) изменяется тип, общий вид уравнения; 2) в уравнение подставляются величины другой природы; 3) изменяется и тип уравнения, и вид величины; 4) изменяются предельные граничные условия. Все это дает основание и для типологии метода математической гипотезы.

Сфера применения метода математической гипотезы весьма ограничена. Он применим прежде всего в тех дисциплинах, где накоплен богатый арсенал математических средств в теоретическом исследовании. К таким дисциплинам прежде всего относится современная физика. Метод математической гипотезы был использован при открытии основных законов квантовой механики. Так, Э. Шредингер для описания движения элементарных частиц за основу взял волновое уравнение классической физики, но дал иную интерпретацию его членов. В итоге был создан волновой вариант квантовой механики. В. Гейзенберг и М. Борн пошли в решении этой задачи другим путем. Они взяли за исходный пункт в выдвижении математической гипотезы канонические уравнения Гамильтона из классической механики, сохранив их математическую форму или тип уравнения, но ввели в эти уравнения новый тип величин -- матрицы. В результате возник матричный вариант квантово-механической теории.

Метод гипотезы демонстрирует творческий характер научного исследования в процессе открытия новых законов, принципов и создания теорий.

Правила метода гипотезы не предопределяют однозначно результатов исследования и не гарантируют истинности полученного знания. Именно творческая интуиция, творческий выбор из многообразия возможных путей решения проблемы приводит ученого к новой теории. Теория не вычисляется логически и не открывается, она создается творческим гением ученого и на ней всегда лежит печать личности ученого, как она лежит на любом продукте духовно-практической деятельности человека.

14.3 Компьютер и философия

Возникновение и интенсивное развитие электронно-вычислительной техники при постоянно расширяющейся сфере ее использования, взаимосвязанное с изменениями в жизненно важных сферах общества, включая экономику, социальную структуру, политику, науку, культуру и повседневную жизнь людей, является объектом изучения различных гуманитарных дисциплин, в том числе и философии.

Первые систематические попытки выявления и изучения философских проблем, связанных с компьютерной техникой и открываемыми ею возможностями, были предприняты в рамках того, что может быть названо кибернетическим движением в широком смысле.

Основатель этого интеллектуального движения, американский математик Н. Винер, в годы второй мировой войны занимался разработкой математических средств для управления огнем с использованием вычислительных устройств, обеспечивающих расчеты для выстрела. Вынужденные в ходе этой работы исследовать выполнение человеком тех функций, которые предстояло передать электротехнической системе,-- прежде всего функции предсказания будущего,-- ученые обратились к проблемам сознательной деятельности человека и нейрофизиологии. Летом 1947 г. появился термин "кибернетика" -- так группа ученых, объединившихся вокруг Винера и Розенблюта, решила назвать "теорию управления и связи в машинах и живых организмах" (См.: Винер Н. "Кибернетика или управление и связь в животном и машине". 2-е изд. М., 1968. С. 56--57). Основными понятиями новой теории стали такие понятия, как "информация", "обратная связь", "кодирование", "адаптация", "гомеостазис" и др.

Идеи кибернетики получили большую популярность как среди ученых самых разных специальностей, так и в широкой публике. Употребление термина "кибернетика" не было однозначным. С кибернетикой связывались надежды на создание единой теоретической базы для множества дисциплин, изучавших различные процессы обработки информации в XIX и в XX вв.: теории проводной связи, теории радиосвязи, теории автоматического регулирования, теории математических машин и др. Нередко эти дисциплины стали называть кибернетикой (или технической кибернетикой),-- в то же время многие ученые продолжали работать в таких областях, не пользуясь кибернетической терминологией.

Кибернетика характеризовалась и как "общая теория управления, не связанная непосредственно ни с одной прикладной областью и в то же время применимая к любой из них" (Вир Ст. "Кибернетика и управление производством". Пер. с англ. М.: Гос. изд-во физико-математической литературы, 1963. С. 20), и как точная наука об управлении, непременно использующая количественные методы (Берг А. Предисловие к русскому изданию//Там же. С. 5).

Кибернетическое движение в целом включало самые различные направления, в том числе искусственный интеллект, различные типы моделирования, применения логико-математических методов в биологических, медицинских, социально-экономических (и в других гуманитарных) исследованиях. Это обстоятельство нашло выражение в характеристике кибернетики как "исследования процессов управления в сложных динамических системах, основывающегося на теоретическом фундаменте математики и логики и использующего средства автоматики, особенно электронные цифровые вычислительные, управляющие и информационно-логические машины" (Бирюков Б. В. "Кибернетика и методология науки". М., 1974. С. 13).

В русле кибернетического движения осуществлялись философские и логико-методологические исследования управления, информации, мышления, познания, структуры научного знания и перспектив его развития. Характерные для кибернетического движения идея общности (одинаковости или сходства) закономерностей, определяющих процессы управления и переработки информации в самых разных сферах реальности и идея плодотворности использования математических и логико-математических трактовок этих процессов на различных уровнях абстракции получили специфическое преломление в многочисленных сравнениях человеческого мышления и работы ЭВМ.

Появление компьютерных систем, которые стали называть интеллектуальными системами (ИС), и развитие такого направления, как искусственный интеллект (ИИ), побудило по-новому взглянуть на ряд традиционных теоретико-познавательных проблем, наметить новые пути их исследования, обратить внимание на многие, остававшиеся ранее в тени аспекты познавательной деятельности, механизмов и результатов познания. В ходе бурных дебатов 60--70-х годов на тему "Может ли машина мыслить?" были, по существу, представлены различные варианты ответа на вопрос о том, кто может быть субъектом познания: только ли человек (и, в ограниченном смысле, животные) или же и машина может считаться субъектом мыслящим, обладающим интеллектом и, следовательно, познающим. Сторонники последнего варианта пытались сформулировать такое определение мышления, которое позволяло бы говорить о наличии мышления у машины,-- например, мышление определялось как решение задач (См.: Ботвинник M. M. "Почему возникла идея искусственного интеллекта?"// "Кибернетика: перспективы развития". М., 1981). [Нужно отметить, однако, что и способность компьютерной системы к принятию каких-либо решений также может быть поставлена (и ставится) под сомнение]. Оппоненты сторонников "компьютерного мышления", напротив, стремились выявить такие характеристики мыслительной деятельности человека, которые никак не могут быть приписаны компьютеру и отсутствие которых не позволяет говорить о мышлении в полном смысле этого слова. К числу таких характеристик относили, например, способность к творчеству, эмоциональность (См.: Тюхтин В. С. "Соотношение возможностей естественного и искусственного интеллектов"//" Вопросы философии". 1979. № 3).

Компьютерное моделирование мышления дало мощный толчок психологическим исследованиям механизмов познавательной деятельности. Это проявилось, с одной стороны, в проникновении в психологию "компьютерной метафоры", ориентирующей на изучение познавательной деятельности человека по аналогии с переработкой информации на компьютере, и, с другой стороны, в активизации исследований, стремящихся показать плодотворность и самостоятельную ценность иных подходов -- например, изучение мышления в контексте общей теории деятельности. O.K. Тихомиров, специально исследуя "соотношение кибернетического и психологического подходов к изучению мышления", настаивал, что "широко распространенное сближение человеческого мышления и работы вычислительной машины не обосновано". Вместе с тем, отмечает он, "именно развитие кибернетики сделало очевидным неполноту господствовавших в психологии теорий мышления и поведения, выдвинув для изучения новые аспекты" (Тихомиров O.K. "Структура мыслительной деятельности человека. (Опыт теоретического и экспериментального исследования)". Изд-во Моск. ун-та, 1969. С. 4). Характеризуя значение аналогий между человеческим мышлением и компьютерной переработкой информации, английская исследовательница М. Воден пишет: "В той степени, в какой аналогия с компьютером может служить общим человеческим интересам более глубокого познания разума, осторожное использование "психологической" терминологии в отношении определенного типа машин должно скорее поощряться, чем запрещаться... аналогии дают возможность не только обозначить сходные черты между сравниваемыми объектами, но ведут к обнаружению действительно важных сходств и различий" (Boden M. A. "Artificial Intelligence and Natural Man". 2nd ed. L., 1987. P. 421).

Компьютерное моделирование мышления, использование методов математических и технических наук в его исследовании породило в период "кибернетического бума" надежды на создание в скором будущем строгих теорий мышления, столь полно описывающих данный предмет, что это сделает излишними всякие философские спекуляции по его поводу. Надеждам такого рода, однако же, не суждено было сбыться, и сегодня мышление, будучи предметом изучения ряда частных наук (психологии, логики, искусственного интеллекта, когнитив- . ной лингвистики), остается также притягательным объектом философских рассмотрении.

В последние два десятилетия в компьютерных науках заметное внимание стало уделяться такому традиционно входившему в сферу философии предмету, как знание. Слово "знание" стало использоваться в названиях направлений и составляющих компьютерных систем, а также самих систем (системы, основанные на знаниях; базы знаний и банки знаний; представление, приобретение и использование знаний, инженерия знаний). Тема "компьютер и знание" стала предметом обсуждения и в значительно более широком контексте, где на первый план вышли ее философско-эпистемологические, социальные и политико-технологические аспекты.

Что касается такой области, как ИИ, то не будет преувеличением сказать, что в 80-е годы понятие знания потеснило понятия мышления и интеллекта, традиционно занимавшие почетное место в рефлексии профессионалов ИИ над своей деятельностью. Теория искусственного интеллекта стала иногда характеризоваться как "наука о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать для решения задач" (Поспелов Д.А. "Ситуационное управление: теория и практика". М., 1986. С. 7.), а история искусственного интеллекта, исключая ее ранние этапы,-- как история исследований методов представления знаний (См.: "Представление и использование знаний"/Под ред. X. Уэно, М. Исидзука. М., 1989. С. 7).

Расширение сферы применения ИС, переход от "мира кубиков" к таким, более сложным областям, как медицина, геология и химия, потребовал интенсивных усилий по формализации соответствующих знаний. Разработчики ИС столкнулись с необходимостью выявить, упорядочить разнообразные данные, сведения эмпирического характера, теоретические положения и эвристические соображения из соответствующей области науки или иной профессиональной деятельности и задать способы их обработки с помощью компьютера таким образом, чтобы система могла успешно использоваться в решении задач, для которых она предназначается (поиск информации, постановка диагноза и т. д.). Это привело к изменениям в характере данных, находящихся в памяти компьютерной системы,-- они стали усложняться, появились структурированные данные -- списки, документы, семантические сети, фреймы. Для элементарной обработки данных, их поиска, записи в отведенное место и ряда других операций стали использоваться специальные вспомогательные программы. Процедуры, связанные с обработкой данных, усложнялись, становились самодовлеющими. Появился такой компонент интеллектуальной системы, как база знаний.

Термин "знания" приобрел в ИИ специфический смысл, который Д. А. Поспелов характеризует следующим образом. Под знаниями понимается форма представления информации в ЭВМ, которой присущи такие особенности, как: а) внутренняя интерпретируемость (когда каждая информационная единица должна иметь уникальное имя, по которому система находит ее, а также отвечает на запросы, в которых это имя упомянуто); б) структурированность (включенность одних информационных единиц в состав других); в) связность (возможность задания временных, каузальных пространственных или иного рода отношений); г) семантическая метрика (возможность задания отношений, характеризующих ситуационную близость); д) активность (выполнение программ инициируется текущим состоянием информационной базы). Именно эти характеристики отличают знания в ИС от данных -- "определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний". (См. "Искусственный интеллект. Справочное издание в 3 кн.". Т. 2. М., 1990. С. 8).

Пользуясь терминологией Л. Витгенштейна, можно сказать, что это понимание знаний как формы представления информации "работает" в рамках особой, характерной для ИИ языковой игры. В ходе этой языковой игры могут появляться формулировки, способные вызвать недоумение эпистемолога, пытающегося оценить их с точки зрения привычных философских интерпретаций знания. К такого рода формулировкам относятся ставшее "общим местом" утверждение, что данные не являются знаниями, а также предложения использовать в качестве знаний тот или иной язык или выражения типа "под знаниями будем понимать такого-то вида формулы".

Вместе с тем, только что приведенная характеристика знаний в ИС не является совершенно изолированной от того, что мы обычно понимаем под знанием. Такие черты, как внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность, присущи любым, более или менее крупным блокам человеческих знаний и в этом смысле знания в компьютерной системе можно рассматривать как модель или образ (в широком понимании данного слова) того или иного фрагмента человеческого знания.

Однако связь знаний в специфическом для ИИ смысле со знанием в более привычном, "обычном", смысле не ограничивается лишь сходством некоторых структурных характеристик. Ведь значительная часть информации, представляемой в базе знаний ИС, есть не что иное, как знания, накопленные в той области, где должна применяться данная система. Исследование этого знания (зафиксированного в соответствующих текстах или существующего как незафиксированное в тексте и даже неартикулированное знание индивида-эксперта) под углом зрения задач построения ИС и определяет технологический подход ИИ к знанию как таковому.

Технологический подход к знанию предполагает постановку, исследование и решение технологических вопросов о знании. К последним относятся вопросы типа "Каким образом следует (можно, допустимо) обращаться (иметь дело) со знанием, имея в виду достижение такой-то цели?". "Обращаться" или "иметь дело",со знанием предполагает здесь не только приобретение, хранение или обработку знаний, но и любые ментальные и речевые акты, осуществляемые в отношении знания,-- например, утверждение, что некто ("а") знает нечто ("р"), может быть истолковано как ментальный акт, совершаемый некоторым "наблюдателем" в отношении знания, которым обладает субъект "а" (в качестве "наблюдателя" может выступать субъект "а").

При самом широком истолковании технологический подход к знанию является неотъемлемым элементом жизни любого человека. В этом смысле и первобытный человек, использующий для передачи информации примитивные сигналы, и наш современник, выбирающий между почтой, телеграфом, телефоном и телефаксом, могут считаться решающими технологические вопросы относительно знания.

Примером технологического подхода к исследованию знания как особой сущности может служить характеристика сократовой майевтики в диалогах Платона. Искусство Сократа задавать наводящие вопросы таким образом, что собеседник в конце концов приходит к верным выводам относительно обсуждаемых предметов (во всяком случае, к таким выводам, которые считает верными сам Платон), характеризуется здесь как искусство пробуждения истинных мнений, живущих в душе человека, в результате чего мнения становятся знаниями. Пожалуй, наиболее выразительная иллюстрация этой процедуры дана в известном примере из диалога "Менон", где мальчик-раб решает геометрическую задачу. Вообще же говоря, все диалоги Платона демонстрируют сократову технику "пробуждения" знания. Однако собственно технологический подход к исследованию знания мы находим у Платона лишь в тех случаях, когда сама эта техника становится предметом осмысления, когда сама она рассматривается как средство для совершения каких-то действий над знанием. Фрагментарные характеристики данной техники встречаются во многих диалогах -- примером может служить тот же "Менон", где говорится о пробуждении знаний вопросами. Более подробного рассмотрения она удостоена в диалоге "Теэтет". Здесь Сократ говорил о своем искусстве как аналогичном ремеслу своей матери -- повитухи Фенареты, и то, что в "Меноне" характеризовалось как техника пробуждения знаний, здесь характеризуется как своеобразная техника родовспоможения "мужчинам, беременным мыслью" (См.: Платон. Соч. в 3 т. Т. 2. М., 1970. С. 234).

Технологические вопросы о знании могут быть до известной степени противопоставлены экзистенциальным вопросам -- т. е. вопросам о том, как существует знание, каково оно есть. К вопросам последнего типа относятся, например, вопросы о соотношении знания с мнением или верой, о структуре знания и его видах, об онтологии знания, о том, как происходит познание.

До второй половины нынешнего столетия экзистенциальный подход в исследовании знания был преобладающим. Это не означает, конечно, что не развивалась сама технология получения, передачи, хранения и обработки знания, а также оценки результатов познания, претендующих на статус знания. Достаточно вспомнить о развитии книгопечатания и технических устройств для передачи информации, о методах обучения и педагогических исследованиях, посвященных технике передачи знаний и воспитанию способности к самостоятельному приобретению и использованию знаний, развитие методов науки и исследований этих методов. Однако, даже когда эти способы работы со знанием становились предметом исследования, их соотносили не столько со знанием как особого рода сущностью, сколько с познаваемой реальностью (которая могла истолковываться как физическая, ментальная или психическая в зависимости от мировоззрения исследователя). Многие из этих рассмотрении могут быть после определенных интерпретаций квалифицированы как технологические, но это все же будет относиться скорее к результату нашей интерпретации, чем к самому исследованию.

Расцвет технологических (в указанном выше смысле) исследований знания связан с развитием эпистемической логики и искусственного интеллекта. Довольно типичной чертой исследований по эпистемической логике является разработка определенных средств для решения вопроса о том, будет ли такого-то вида формула (содержащая эпистемические операторы, соответствующие словам "знает", "полагает", "сомневается", "отрицает" и др.) доказуемой в таком-то исчислении или общезначимой для такого-то типа моделей. С точки зрения технологического подхода к знанию этот вопрос может быть понят как вопрос о легитимации (узаконении) с использованием определенного символико-концептуального аппарата результатов мертально-речевой деятельности в отношении знания некоторого субъекта (или группы субъектов), выраженных в форме, пригодной для применения данного аппарата. Характер легитимируемых результатов определяется как особенностями используемых формализмов, так и позицией исследователя по отношению к экзистенциальным вопросам о знании.

Технологические вопросы о знании, исследуемые в рамках ИИ, касаются, в значительной степени, способов представления знаний.

Проблемы представления знаний связаны, в свою очередь, с разработкой соответствующих языков и моделей. Существуют различные типы моделей: логические, продукционные, фреймовые, семантические сети и другие. Логические модели предполагают представление знаний в виде формальных систем (теорий), и в качестве языка представления знаний в таких моделях обычно используется язык логики предикатов. Продукционные представления можно охарактеризовать (упрощенным образом) как системы правил вида "Если А, то В", или "Предпосылка -- действие". Сетевые модели предполагают выделение некоторых фиксированных множеств объектов и задание отношений на них (это могут быть отношения различного рода: пространственные, временные, отношения именования и др.). Фреймовые представления иногда рассматривают как разновидность семантических сетей, однако для первых характерно наличие фиксированных структур информационных единиц, в которых определены места для имени фрейма, имен слотов и значений слотов. (Характеристику основных моделей представления знаний можно найти в упоминавшемся выше справочном издании "Искусственный интеллект", т. 2, а также, например, в: "The Handbook of Artificial Intelligence". V. 1. Massachusetts ets., 1986). Каждая из упомянутых моделей имеет свои достоинства и недостатки в отношении того или иного круга задач.

Преимущества логических моделей, использующих язык логики предикатов, связаны с дедуктивными возможностями исчисления предикатов, теоретической обоснованностью выводов, осуществляемых в системе. Однако такого рода модели в сложных предметных областях могут оказаться слишком громоздкими и недостаточно наглядными в качестве моделей предметной области или соответствующих фрагментов знания. Продукционные модели получили широкое распространение благодаря таким достоинствам, как простота формулировки отдельных правил, пополнения и модификации, а также механизма логического вывода. В качестве недостатка продукционного подхода отмечают низкую эффективность обработки информации при необходимости решения сложных задач. Преимущества семантических сетей и фреймовых моделей заключаются, с одной стороны, в их удобстве для описания определенных областей знаний ( и соответствующих фрагментов реальности, изучаемых в данных областях), когда выделяются основные (с точки зрения задач, для которых создается ИС) объекты предметной области и (или) система понятий, в которых будут анализироваться конкретные ситуации, а также описываются свойства объектов (понятий) и отношения между ними. И хотя в целом для этих типов моделей существуют значительные проблемы с организацией вывода, фреймовые системы многими были оценены как перспективные благодаря возможностям подведения под них достаточно строгих логических и математических оснований. Разумеется, в ИС вовсе не обязательно должна быть реализована только какая-нибудь одна из упомянутых моделей представления знаний "в чистом виде". Сочетание различных моделей может способствовать созданию более эффективных систем. На уровне теории ИИ это иногда находит отражение в разработке новых типов моделей представления знаний, сочетающих в себе черты моделей, ставших уже традиционными.

В рамках технологического подхода к знанию, осуществляемого ИИ, рассматриваются вопросы экономичности представлений знаний с помощью тех или иных средств, их дедуктивных возможностей, эффективности в решении задач. Вместе с тем влияние теории ИИ (и, в частности, представления знаний) на исследование знания как такового простирается далеко за пределы технологического подхода. Сравнивая влияние тех или иных моделей представления знаний на экзистенциальные исследования знания, мы не можем не заметить различия в той роли, которую играет, с одной стороны, логический подход и, с другой стороны, такие подходы, как продукционный, фреймовый и другие, объединяемые иногда под общим названием эвристического (См.: Попов Э. В. "Экспертные системы". М., 1987) или когнитивного (см.: "Представление и использование знаний"/Под ред. X. Уэно, М. Исидзука. М., 1989) подхода. Нужно отметить, что оба этих подразделения могут быть приняты лишь условно: подразделение "логический -- эвристический" или "логический -- когнитивный" вызывает сомнения, поскольку для логических моделей характерно наличие эвристик и, кроме того, модели эти могут содержать допущения относительно когнитивного поведения. Пример -- разработанная группой В. К. Финна ИС, которая рассматривается своими создателями как реализация логики здравого смысла, объединяющей естественный рационализм и естественный эмпиризм (См.: Финн В. К. "Об обобщенном ДСМ-методе автоматического порождения гипотез"//"Семиотика и информатика". 1989. Вып. 29).

Тем не менее в целом логический подход к представлению знаний в ИС не привел до сих пор к каким-либо серьезным изменениям в экзистенциальных рассмотрения« знания, к появлению новых влиятельных концепций в этой области. Прочие же подходы оказывают более заметное влияние на исследование экзистенциальных вопросов о знании -- в качестве примера можно сослаться на фреймовую концепцию строения знания, получившую известное распространение как в психологии, так и в когнитивной лингвистике. Сказанное было бы неверно истолковывать как аргумент в пользу преимуществ этих типов моделей представления знаний перед логическими.

Дело в том, что логический подход в представлении знаний, как и сами логические исчисления, возник на основе трактовок знания, складывавшихся в течение многих веков -- на основе того, что может быть названо классической рационалистической эпистемологией с характерными для нее пропозициональным истолкованием элементарного знания, рассмотрением теорий математизированных наук в качестве образцовых форм организации знания, строгими стандартами правильности рассуждений. Уровень классической эпистемологии и разработанности ее концептуальных основ столь высок, что за период времени, в течение которого ведутся исследования по представлению знаний в компьютерных системах (а этот период ничтожно мал в сравнении с "возрастом" классической эпистемологии), эти исследования, имеющие в качестве своей концептуальной базы саму классическую эпистемологию, закономерно должны были скорее демонстрировать ее возможности в применении к новому кругу задач, чем стимулировать существенные изменения в ней. Утверждение, что неклассические логики, все шире применяемые в представлении знаний, также развиваются на концептуальной основе классической эпистемологии, может, на первый взгляд, показаться парадоксальным. Тем не менее оно справедливо в той степени, в какой неклассические логики являются модификациями классических исчислений и разделяют с ними те глубинные концептуальные предпосылки, которые могут быть в известном смысле противопоставлены концептуальным основам иных подходов. С этой точки зрения, работы по логике естественного языка и рассуждений здравого смысла свидетельствуют о высокой гибкости инструментария, развиваемого на базе классической эпистемологии и о богатстве его возможностей.

Другие подходы в представлении знаний достаточно тесно связаны с развитием когнитивной психологии. Однако само это направление сложилось под влиянием "компьютерной метафоры", когда познавательные процессы стали рассматриваться по аналогии с работой вычислительных машин. Неудивительно поэтому, что происходящее в ИИ оказывало и оказывает заметное воздействие на когнитивную психологию (как и на еще более молодое направление -- когнитивную лингвистику). Это справедливо и в отношении собственно представления знаний. И фреймовые, и сетевые модели основываются на соответствующих концепциях структур человеческого восприятия и памяти. Показательно при этом, что концепция фрейма как когнитивной структуры была мотивирована задачами разработки ИС. Вместе с тем, эта концепция имеет самостоятельное значение как концепция психологическая и эпичтемологическая и используется в исследовании проблем, выходящих за рамки собственно разработок компьютерных систем (См., напр.: Филмор И. "Фреймы и семантика понимания"//"Но-вое в зарубежной лингвистике". М., 1988. Вып. 23. "Когнитивные аспекты языка").

Сегодня можно говорить о том, что представлению знаний в ЭВМ в виде систем правил ( что характерно, прежде всего, для продукционных моделей) соответствует новый подход в философско-эпистемологических исследованиях, придающий особое значение правилам и предписаниям, регулирующим человеческую деятельность. Этот подход представлен в работах А. И. Ракитова. В середине 80-х годов А. И. Ракитов и Т. В. Андрианова прогнозировали возможность появления новых тенденций в эпистемологии, касающихся прежде всего исследования познавательной функции правил как особой эпистемологической категории и выявления механизма рационализации и регулятивной трансформации интеллектуального творчества. Такого рода предположения (и постановка задачи развития эпистемологии в этом направлении) были обусловлены тем обстоятельством, что для построения баз знаний компьютерных систем потребовалось изучение механизмов функционирования знания под таким углом зрения, чтобы это позволило выявить правила работы данных механизмов, т. е. "инструкции, указывающие, какие классы действий или отдельные действия и каким образом должны быть выполнены" (Ракитов А. И., Андрианова Т. В. "Философия компьютерной революции"//"Вопросы философии". 1986. № 11. С. 78).

В книге "Философия компьютерной революции" (М., 1991) А. И. Ракитов выдвигает идею "информационной эпистемологии". "Возникновение "интеллектуальной технологии" и жгучий интерес к природе и возможностям машинного мышления, порожденный компьютерной революцией,-- пишет он, -- привели к формированию нового, нетрадиционного раздела эпистемологии -- эпистемологии информационной. Она исследует не те или иные виды научного знания, а знания вообще, но под особым углом зрения, с позиции переработки и преобразования информации в ее высшую форму -- знания. Информационная эпистемология исследует различные способы представления и выражения знаний и возможности построения знаний с помощью технических систем. В силу этого фокус информационной эпистемологии перемещается на обыденное познание и здравый смысл, поскольку они являются изначальной формой познавательной деятельности, к тому же формой универсальной, всеохватывающей, энциклопедической, наиболее сложной, разнообразной и богатой" (С. 149--150). Процесс познания и мышления, считает А. И. Ракитов, рассматривается в информационной эпистемологии под углом зрения "инженерного фундаментализма" как процесс машинной трансформации информации. К основным проблемам информационной эпистемологии он относит следующие: "что такое информация; как она передается, трансформируется; каковы функции и соотношения сигналов и кодов; какова эпистемическая функция компьютеров, могут ли они мыслить; как из информации создаются знания; как соотносятся информация, смысл и значение; каковы способы машинного представления знаний; какова связь информации и языка; как осуществляется машинное понимание и взаимопонимание машины и человека; можно ли редуцировать мыслительные процессы к вычислительным функциям или представить через них; в чем сущность инженерного подхода к познавательной деятельности; и, наконец, каково соотношение компьютера и мозга?" (Там же. С. 150).

Очевидно, что в круг перечисляемых А. И. Ракитовым проблем входят как технологические, так и экзистенциальные вопросы о знании. Соотнесенность между собой этих вопросов, обусловленная тем, что все они так или иначе связаны с проблемами компьютерной переработки информации, позволяет говорить об информационной эпистемологии как об объектно-формируемом спектре исследований. Вместе с тем, было бы неправомерно говорить об информационной эпистемологии как о существующей дисциплине. Одни из вопросов, обозначаемых А. И. Ракитовым в качестве основных вопросов информационной эпистемологии, исследуются в рамках ИИ (например, способы машинного представления знаний), другие -- в рамках преимущественно психологических работ (например, проблемы мозга), третьи (может ли компьютер мыслить?) являются по существу философскими проблемами, независимо от основного рода занятий людей, участвующих в их обсуждении. Нельзя согласиться с утверждением о том, что таким образом понимаемая информационная эпистемология "становится самостоятельным разделом философии познания" (С. 150), хотя бы потому, что осуществляемые в рамках ИИ работы по представлению и приобретению знаний не имеют, как правило, философского характера (да и не стремятся его иметь; попытки построения эпистемологических концепций людьми, активно работающими в этой области -- скорее исключение, чем правило для области в целом), хотя и представляют интерес для философа, исследующего проблемы знания.

Так или иначе, для осмысления происходящего в разработке компьютерных систем с позиций эпистемологии характерно также наличие тенденции к определенной трансформации эпистемологии с учетом потребностей компьютерной революции. Упоминавшаяся выше задача изучения познавательной деятельности как системы правил, которая ставится А. И. Ракитовым и Т. В. Андриановым (и получает дальнейшее обоснование в цитированной книге А. И. Ракитова) -- не единственное возможное направление развития эпистемологии под влиянием компьютерной революции.

Рассматривая проблемы представления знаний посредством семантических сетей, С. М. Шалютин приходит к не менее правомерному выводу о желательности исследования категорий с учетом потребностей моделирования знания. Дело в том, что базовые отношения, содержащиеся в семантических сетях, являются аналогами мыслительных категорий (например, категорий причинности, части и целого, единичного и общего). Это дает основание полагать, что "... для развития искусственного интеллекта важно создать формальные квазикатегории, которые были бы приближенными аналогами реальных категорий, функционирующих в мыслительном процессе человека. Это значит, что одной из задач гносеологии на современном этапе является, так сказать, разложение категорий в бесконечный ряд общенаучных и иных понятий, которые могли бы формализоваться средствами логики и методологии науки"(Шалютин И. С. "Искусственный интеллект: Гносеологический аспект". М., 1985. С. 160).

Взгляд на компьютер как на техническое устройство (артефакт), выполняющее скорее функцию посредника в передаче знания от одного человека к другому и скорее играющее роль своеобразного текста, чем являющееся автономной (т. е. не требующей дополнительного обращения к знаниям человека) моделью действительности, побуждает нас сделать акцент на неявной, личностной компоненте знания, а также на культурных предпосылках общения людей при посредстве ЭВМ. Заполнение базы знаний, осуществляемое инженером в результате работы с экспертом, предполагает, конечно, формулировку правил (например, правил продукций), которые входят в базу знаний и необходимы для выполнения системой ее функции. Тем не менее, эти правила обычно не могут претендовать на самостоятельный эпистемо-логический статус -- т. е. статус правил, в соответствии с которыми действительно мыслит эксперт и действительно функционирует "некомпьютеризованное" знание. Вполне оправдана в этом отношении аналогия между системой, основанной на знаниях, и обычным текстом, проводимая Ю. А. Шрейдером (См.: "ЭВМ как средство представления знаний"//"Природа". 1986. № 10). В обоих случаях "...владелец знания не может его адекватно выразить в тексте, рискуя получить нечто, отличное от того, что имел в виду автор. ...Знание не упаковывается в текст, а моделируется в нем в дискурсивной, а следовательно, упрощенной форме. Надежда на то, что оно будет адекватно воспринято адресатом, зиждется на вере в творческие способности последнего -- в то, что он воспримет текст не как буквальную инструкцию, но как "намек", позволяющий воссоздать архитектуру моделируемого знания" (Там же. С. 20).

В принципе утверждение о существовании невербализуемого, неэксплицируемого личностного знания не противоречит утверждению о возможности вербализации или иного рода экспликации той части неявного знания, которая это допускает. С этой точки зрения, развитие возможностей систем ИИ именно как автономных систем, сопоставимых с человеком по ряду выполняемых им функций в работе с информацией, совместимо с выполнением системами ИИ посреднической роли в передаче знания от человека к человеку, предполагающей наличие у людей того "общего резервуара" неявного знания, которое не может быть эксплицировано для представления в компьютерной системе. На практике, однако, тенденция к созданию автономных систем и тенденция к разработке систем-посредников иногда противопоставляются одна другой и конкурируют друг с другом. Проекция противопоставления этих подходов на уровень эпистемологии -- две крайние точки зрения на знание, одна из которых предполагает принципиальную эксплицируемость всей познавательной деятельности человека, а другая -- принципиальную неэксплицируемость того, что не эксплицировано на данный момент.

Философские проблемы, порождаемые разработкой и использованием компьютеров и компьютерных систем, изучаются не только с позиций теории познания и эпистемологии, но и в рамках такого формирующегося направления, как компьютерная этика.

Начало дискуссиям по этическим вопросам разработки и использования компьютерных систем было положено выступлениями Дж. Вейценбаума -- известного исследователя в области искусственного интеллекта. В книге "Computer Power and Human Reason", изданной в 1976 г. (русский перевод: Вейценбаум Дж. Возможности вычислительных машин и человеческий разум: От суждений к вычислениям. М, 1982) Вейценбаум выдвинул тезис о том, что важнейшие проблемы, возникающие в рамках дебатов на тему "Вычислительные машины и мозг" не являются ни техническими, ни математическими: это проблемы этические. Их нельзя ставить, начиная со слов "Можно ли...". Пределы применимости вычислительных машин, по существу, поддаются формулировке лишь в терминах долженствования. Дж. Вейценбаум полагает, что мЫ не имеем права заменить вычислительной системой человека в тех сферах, которые связаны с межличностными отношениями, пониманием и любовью (аморальна замена компьютером психиатра или судьи).

Известны различные попытки определить, исходя из этических соображений, ограничения на характер задач, решаемых компьютером, и на области его применения. Дж. Мур, например, предлагает ограничить круг задач, решаемых компьютером, таким образом, чтобы компьютер не мог решать, каковы должны быть наши базисные цели и ценности (и приоритеты среди них), считая, в то же время, этически неправомерным запрещение компьютеров там, где они могут способствовать сохранению человеческой жизни, например, в областях медицины (См.: Moor J. Fre There Decisions Computer Should Never Make?//Ethical Issues in the Use of Computers, Belmont, 1985).

К настоящему времени проблемы компьютерной этики, исследуемые американскими учеными, вышли далеко за рамки вопроса об этически допустимых пределах применимости компьютеров. Компьютерная этика рассматривает проблемы ответственности за неполадки в работе тех или иных компьютерных программ и за развитие компьютерной техники в целом, проблемы предотвращения доступа к приватной информации, накапливаемой в компьютерных базах данных, процессы централизации и децентрализации власти в условиях компьютеризации, этические основания авторского права, интеллектуальной собственности и коммерческой тайны. При этом рамки исследования ситуаций, порождаемых развитием современной техники, могут задаваться различными этическими теориями (этический релятивизм, кон-секвенциализм, деонтологические концепции, концепции права и справедливости и др.). Примером такого подхода может служить книга Д. Джонсон "Компьютерная этика", основную цель которой автор характеризует как "продвижение в понимании того, как должны вести себя люди, когда они используют компьютеры"(Johnson D. Computer Ethics. Prentice-Hall Series Occupational Ethics. Prentice-Hall, Inc., Engle-wood Cliffs, N. J., 1985. P. 7).

Один из разделов изданного в 1995 г. сборника "Компьютеры, этика и социальные ценности" (под редакцией Д. Джонсон и X. Нессельбаум) специально посвящен этическим проблемам в использовании компьютерных сетей. Помещенная в этом же сборнике статья Дж. Мура "Что такое компьютерная этика?" представляет попытку определить характер компьютерной этики как самостоятельной дисциплины. "На мой взгляд,-- пишет Мур,-- компьютерная этика есть динамичная и сложная область исследований, которая рассматривает соотношения фактов, концептуализации, типов политики и ценностей, связанных с постоянно изменяющейся компьютерной техникой. Компьютерная этика не является фиксированным набором правил, вывешенных на стене. Не является она и механическим приложением этических принципов к свободной от ценностей технике. Компьютерная этика требует переосмысления природы компьютерной техники и наших ценностей. Хотя компьютерная этика связывает технику с этикой и зависит от них, она является также дисциплиной со своими собственными правами, она осуществляет концептуализацию с целью понимания компьютерной техники и осуществления той или иной политики в отношении этой техники" (Moor J. What is Computer Ethics? // Computers, Ethics & Social Values. Edd. By D. Johnson and H. Nesselbaum. New Jersey, 1995, P. 9).

Важный спектр философских проблем, порождаемых компьютеризацией общества, касается характера общественного развития, его источников, ступеней и критериев прогресса.

Осмысление компьютеризации с общесоциологических позиций стимулировало выдвижение новых "триадических" схем развития общества. Одна из наиболее известных схем такого рода принадлежит американскому социологу Д. Беллу, выделившему в качестве основных социальных форм аграрное, индустриальное и постиндустриальное (которое впоследствии он стал называть также информационным) общества. В фазу постиндустриального общества, считал Д. Белл, к началу XXI в. должны вступить США, Япония, Советский Союз и страны Западной Европы (См.: Bell D. The Coming of Post-industrial Society. A Venture of Social Forcasting. N.Y., Basic Books, Inc., 1973. P. X).

Если индустриальное общество, по Беллу, есть организация машин и людей для производства вещей, то центральное место в постиндустриальном обществе занимает знание, и притом знание теоретическое. "Символом постиндустриального общества" и "агентом трансформации общества второй половины XX века" становится компьютер -- это "инструмент управления массовым обществом, поскольку он есть механизм обработки социальной информации, громадный объем которой растет почти экспоненциально в силу расширения социальных связей" (Bell D. "The Social Framework of the Information Society". Oxford, 1980. Цит. по: Белл Д. "Социальные рамки информационного общества" (Сокр. перевод)//"Новая технократическая волна на Западе". Под ред. П.С. Гуревича. М., 1986. С. 333).

Знание и информацию Белл считает "стратегическим ресурсом" постиндустриального, информационного общества, в связи с чем поднимает проблему информационной теории стоимости. "Когда знание в своей систематической форме вовлекается в практическую переработку ресурсов (в виде изобретения или организационного усовершенствования), можно сказать, что именно знание, а не труд выступает источником стоимости," -- пишет он. В этих условиях необходим новый подход к экономике, который, в отличие от доминирующих подходов, акцентирующих те или иные комбинации капитала и труда в духе трудовой теории стоимости, рассматривал бы информацию и знания в качестве "решающих переменных индустриального общества".

Идея информационного общества как общества постиндустриального в белловском смысле нашла как своих сторонников, так и противников. В книге С. Нора и А. Минка "Компьютеризация общества. Доклад президенту Франции" (впервые издана в Париже в 1978 г., пер. на англ. яз.: "Computarisation of Society/ Report to the President of France". Cambridge, L, 1980) выражено скептическое отношение к постиндустриализму. Авторы видят в нем вариант либерального подхода, "рассматривающего конфликты только в терминах рынка и стремящегося возвратить их в эту область, когда они выходят за ее пределы" (Ibid., Р. 133). При таком подходе, считают авторы, предвидение будущего заканчивается "транквилизованным постиндустриальным обществом", где изобилие и все большее равенство жизненных стандартов сделает возможным объединение нации вокруг огромного культурно-гомогенного среднего класса и преодоление социальных напряжений. Постиндустриальный подход "продуктивен в отношении информации, управляющей поведением производителей и покупателей", но "бесполезен при столкновении с проблемами, выходящими за сферу коммерческой деятельности и зависящими от культурной модели" (Ibid. P. 134).