ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: МЕТОДОЛОГИЯ И ЗАДАЧИ

(1)

«Қоғамды ақпараттандыру» III Халықаралық ғылыми-практикалық конференция

327

УДК 004:007:51-7 ПРОКОПЧУК Ю. А.

Институт технической механики НАНУ и НКАУ, Днепропетровск, Украина ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: МЕТОДОЛОГИЯ И ЗАДАЧИ

Введение и постановка задач. Многие сходятся во мнении [1 - 3], что ключевая способность человека, позволившая опередить остальные виды, заключается в умении быстро выявлять параметры порядка в разных ситуациях, следить за ними и использовать в организации когнитивно – поведенческих актов. Очевидно, опытный специалист, в отличие от начинающего, среди всего пространства параметров выделяет «главные», «нужные»,

«подходящие». Собственно, умение выделять подобные «параметры порядка» для разных ситуаций предметной области и является результатом профессиональной деятельности. В ходе работы происходит самоорганизация в информационном пространстве человека, позволяющая отделять главное от второстепенного. Динамика этого процесса плохо понята и изучена, поэтому и не удается учить быстро и хорошо [1].

Выделение параметров порядка в реальной жизни – творческий процесс, требующий высокой квалификации и профессионального опыта. Как правило, такой процесс протекает на подсознательном уровне, что затрудняет или делает невозможной его вербализацию. Обучить способности выделять параметры порядка значит научить быстро оценивать ситуацию и принимать качественные решения в своей профессиональной области, а чем выше чувство компетентности, тем больше у обучаемого появляется ощущение, что он выбрал «свое дело», следовательно, усиливается мотивация к обучению. Недаром Отто фон Бисмарк еще в XIX веке говорил, что «войны выигрывают не генералы, а школьные учителя».

Помимо умения выделять параметры порядка специалист-профессионал демонстрирует огромное разнообразие активностей при решении одной и той же задачи (феномен высокой пластичности). В силу большой избыточности профессиональных возможностей имеет место высокая стабильность в ситуации свободного выбора, в сочетании со способностью к быстрой реорганизации в условиях любого воздействия, затрудняющего достижение результата.

Подобная способность характерна и для большинства функциональных систем организма когнитивно-поведенческого уровня.

Основной задачей настоящего исследования является разработка научной методологии и формальных прикладных методов выявления параметров порядка на множестве эмпирических данных. Ожидается, что широкое внедрение методологии позволит существенно повысить качество аналитической работы специалиста, а также радикально ускорит процесс формирования профессионального опыта, предоставив специалисту значительно большую свободу выбора в ситуациях принятия решений. Разрабатываемые методы должны быть пригодны для использования в ИТ-приложениях, в частности госпитальных и телемедицинских системах [4].

Результаты исследований. В основу разрабатываемых моделей положен «Принцип предельных обобщений» (ППО) [3]. Суть Принципа такова: в любой ситуации анализа и синтеза природным путем на основе самоорганизации или с помощью осмысленных (интеллектуальных) действий формируется предельно обобщенная модель ситуации, образа, явления действительности. За счет предельной обобщенности модель оказывается пригодной для описания множества других схожих ситуаций, образов, а также трансляции решений в другие предметные области. Зачастую в качестве обобщенных моделей выступают параметры порядка развития сложных ситуаций. Основная гипотеза состоит в том, что ППО олицетворяет

«встроенную» оптимальность мышления. Эволюционная обоснованность гипотезы заключается в стремлении когнитивной системы к глобальному энергетическому минимуму.

(2)

328

Наряду с «Принципом предельных обобщений» важную методологическую роль играет

«Принцип полимодельной дополнительности, конкурентности и отбора». Данные принципы в полной мере характеризуют естественные (природные) процессы категоризации, позволяя выявить и сохранить в памяти конкурентные наборы параметров порядка образов, явлений и сценариев развития произвольных ситуаций действительности. В связке двух базовых принципов Принцип предельных обобщений играет роль движущей и направляющей силы самоорганизации, в то время как второй принцип создает необходимые предпосылки для возникновения самоорганизации и квантово-семантических эффектов. Следствием базовых принципов является Синдромный принцип управления [3], который означает, по сути, управление параметрами порядка развития сложных ситуаций [2].

Описание методологии. Предполагается, что произвольную ситуацию действительности (прецедент, систему, процесс) можно описать с помощью множества элементарных тестов, представимых в виде «тест = значение». Результаты любого теста  могут выбираться из разных доменов T (множеств значений), которые образуют орграф доменов G() = {TT’}. В совокупности орграфы образуют Банк тестов. Различные комбинации доменов для всех тестов определяют различные уровни общности описания ситуаций действительности. Банк тестов обеспечивает переход от физической к феноменологической реальности (ФП) и может служить системой координат ФП (с учетом квантово-семантических эффектов). Орграфы G() наиболее просто реализуются на основе нейронных сетей.

Для решения той или иной когнитивной задачи формируется множество прецедентов с известными исходами  = {({/T}, z/Z)}, где Z = {1,…, N} – множество заключений; {/T} – множество значений тестов. К числу важных категориальных структур, формирующихся в результате самоорганизации, относятся формальные синдромы, вероятностные закономерности, (предельные) синдромные и вероятностные модели знаний.

Под формальным синдромом понимается неизбыточная совокупность значений тестов, позволяющая однозначно установить заключение:

S = ({/T}  z/Z). (1) С каждым синдромом S связано «облако» предельных синдромов {S^*}, которое получается путем всех допустимых обобщений в рамках {G()}. Предельный синдром S^* является предельным в трех смыслах: его нельзя усилить, т.е. повысить ранг; его нельзя редуцировать и его нельзя обобщить ни по одному входящему тесту.

Предельные синдромы можно рассматривать в качестве параметров порядка развития сложных ситуаций. Действительно, смена одного предельного синдрома другим может привести к качественному изменению поведения системы или ситуации, которое вызвано сменой заключения z/Z. Наличие разных синдромов означает конкуренцию параметров порядка [2, 3].

Совокупность синдромов {S} образует синдромную модель знаний, если она позволяет определить заключение, как минимум, для любой ситуации действительности из ({/T0}) – априорного описания. Синдромная модель знаний минимальна, если из нее нельзя удалить ни один синдром без потери полноты охвата прецедентов из ({/T0}). Для любой синдромной модели знаний {S} можно построить сопряженную предельную модель {S^*}. Можно также найти все предельные синдромы на всех уровнях общности для каждой ситуации   . Их объединение представляет собой полную предельную синдромную модель знаний на <, {G()}>. которую обозначим {S^*}Full. На основе {S^*}Full могут быть построены (абсолютно) минимальные предельные синдромные модели знаний {S^*}^*_Min. Модель {S^*}_Full доминирует все другие модели. Можно найти все {S^*}^*Min, которые эквивалентны {S^*}Full.

Помимо синдромов речь также может идти о вероятностных закономерностях {R} и сопряженных предельных вероятностных закономерностях {R^*}, которые являются ранними предвестниками событий.

Для каждой модели знаний автоматически создается среда S-радикалов и R-радикалов [3]. Связка «Модель знаний – среда радикалов» представляет собой функциональную систему (ФС) когнитивно-поведенческого уровня. Иерархия задач выбора (принятия решения) приводит к иерархии ФС.

(3)

329

Синдромный принцип управления вытекает из базовых принципов и опирается на синергетический принцип подчинения, который определяет «подстройку» многочисленных факторов ситуации к параметрам порядка ситуации [2]. Процедурно он основывается на синдромных {S} и вероятностных {R} моделях знаний [3]. Каждый синдром может выступать как в роли диагностического критерия, так и в роли цели управления, задавая параметры порядка целевой ситуации. Таким образом, разрешается проблема целеполагания.

Само синдромное управление можно представить в виде:

U = S {’/T  /T}S  R {”/T  /T}R, S  {S}U, R  {R}U, (2) где {S}U – множество целевых синдромов, а {R}U – множество целевых вероятностных закономерностей (предвестников).

Основные задачи синдромного управления: накопление опыта решения заданного класса задач в ходе когнитивной самоорганизации (meta-cognition); синдромная диагностика состояния (развития) ситуаций действительности (например, клинической ситуации);

активное прогнозирование будущего (технологии управления будущим); выбор целесообразного управленческого решения – одного из конкурирующих наборов параметров порядка. Алгоритм реализации синдромного управления приведен в [3].

Высокая степень сложности ментального пространства агента проявляется в его способности создавать многомерные модели реальности, выделяя в ней множество взаимосвязанных сторон, включая конкурирующие наборы параметров порядка. Напротив, низкая степень сложности ментального пространства свидетельствует о понимании и интерпретации субъектом происходящего (в рамках любой задачи) на основе весьма упрощенных моделей и фиксации одних и тех же сторон действительности из-за использования ограниченного набора измерений (тестов) и ограниченного ресурса активности (моделей знаний). Мощности когнитивного ресурса может быть недостаточно для реконструкции адекватной модели задачи, что ведет к профессиональным ошибкам.

Заключение. Представленные исследования формируют единый теоретический базис процессов извлечения и представления знаний, обеспечивают полноту методов структурирования знаний и, в конечном счете, высокую адаптивность когнитивных (программных) систем.

Разработаны когнитивные приложения для медицины [4], социологии, металлургии, сельского хозяйства, космических исследований и других областей [3].

Литература

1. Малинецкий Г.Г., Маненков С.К., Митин Н.А. Когнитивные центры как информационные системы для стратегического прогнозирования. М: Препринт ИПМ, № 46., 2010.

2. Хакен Г. Информация и самоорганизация. Макроскопический подход к сложным системам.

Перевод с англ. Изд.2.Серия «Синергетика: от прошлого к будущему». – М.: КомКнига, 2005. – 248 с.

3. Прокопчук Ю. А. Принцип предельных обобщений: методология, задачи, приложения.

Монография. – Днепропетровск: ИТМ НАНУ и НКАУ, 2012.- 384 с.

4. Прокопчук Ю. А. Интеллектуальные медицинские системы: формально-логический уровень.

– Днепропетровск: ИТМ НАНУ и НКАУ, 2007.- 259 с.