Журнал Ассоциации искусственного интеллекта
НОВОСТИ
ИСКУССТВЕННОГО
ИНТЕЛЛЕКТА
№4
Издается с 1991 года.
Периодичность издания — 4 раза в год*
Москва — 1992

Зарегистрирован Государственным Комитетом СССР по печати:
свидетельство о регистрации № 146 от 19 сентября 1990 года.
© Ассоциация искусственного интеллекта

СОДЕРЖАНИЕ
Страничка редактора 4
Официальные сообщения 5
Из неизданных книг
О.С.Молокова
"Программные системы приобретения знаний" 6
Искусственный интеллект в бывшем СССР
А.И.Галушкин
"О работах по нейрокомпьютерам в Научном центре
нейрокомпьютеров Российской Академии наук" 46
Искусственный интеллект за рубежом
Организация исследований по нечетким системам
в Японии 58
Дискуссионная трибуна
И.Н.Горелов
"Проблема общения: процессы и средства" 67
Приложение 1. Тезаурус к статье 81
Приложение 2. Схемы актов речепорождения и
речевого общения 87
Приложение 3. А. Н. Порт нов. Языки и языковая
коммуникация в контексте
биологического знания 88
И.Б.Штерн "В поисках новых когнитивных моделей:
Структура энциклопедического знания и
энциклопедической деятельности" 92
Не слишком верится, но...
С.А.Стебаков
"PLEXI (метакибернетическая повесть)" 101
Машинное творчество
М.Г.Гаазе-Рапопорт, Д.А.Поспелов, Е.Т.Семенова
"Новые сказки" 113
Книжное обозрение 127
Реклама но

Страничка редактора
В 1972 году вышла книга Фредерика Питера Брукса "Мифический
человеко-месяц и другие соображения по разработке математического обеспечения".
Книга мгновенно стала бестселлером и довольно долго будоражила мир
профессионалов-программистов. Одна из идей, высказанных в этой книге, касалась
коллективизма в программистском труде. В идеальном случае организация
работы над большой программной системой уподоблялась слаженной работе
хирургической бригады при сложной операции. И Брукс с оптимизмом говорил о том, что
профессионалы-программисты, возможно, будут первыми научными работниками,
которые продемонстрируют научной общественности силу коллективного разума.
Минуло два десятилетия, появились персональные компьютеры, появились
системные программисты, никогда в жизни не имевшие дела с ЭВМ первых
поколений. И резко сменилась психология тех, кто сейчас творит математическое
обеспечение для современных компьютеров. Оптимизм Брукса не оправдался.
Стремление к личному самоутверждению в среде
профессионалов-программистов возобладало над духом коллективизма. И как оборотная сторона медали
личных стремлений к самовыражению в создаваемых программных продуктах,
возникли вирусные диверсии, компьютерные преступления и хаккерство.
Последнее явление особенно примечательно, ибо оно выражает
определенное мировоззрение творцов наступающего информационного общества. В 1984 г.
в книжном магазине Schwarz Markt в Гамбурге был создан первый хаккерский
клуб ССС (Chaos Computer Club). В своем манифесте члены этого клуба
провозгласили лозунг, ставший моральным оправданием хаккерства: "Мы требуем
свободы доступа ко всем данным в компьютерных сетях, ибо международные
концерны, монополии и правительственные структуры, вводя цензуру на доступ к ним,
обрекают человечество на новый вид рабства". Члены ССС и других подобных
организаций на практике стали применять принцип вмешательства в
информационные системы. Сейчас идет настоящая война между хаккерами и
программистами, специализирующимися на создании защитных систем по охране данных.
И пока исход этой войны неясен.
Отвечая на вопрос корреспондента, один из членов ССС Петер Глазер
сказал: "Я верю, скоро наступит время, когда друзьями и помощниками человека
будут не живые люди, с которыми так трудно ладить, а роботы и компьютеры,
которые станут нашими домашними животными, дарящими нам радость, не
окрашенную какими-то подсознательными соображениями людей".
Как это непохоже на то, что говорил в своей книге Брукс:
"Программирование доставляет нам радость, потому что позволяет удовлетворить стремление к
творчеству, глубоко заложенное в каждом настоящем программисте, и это чувство
радости он разделяет с другими".
4

Официальные сообщения
О НАУЧНЫХ МЕРОПРИЯТИЯХ
АИИ В 1993 г.
Совет АИИ утвердил проведение следующих научных мероприятий АИИ:
1. Симпозиум "Когнитивные процессы - 93", посвященный пограничным
проблемам, лежащим на стыке психологии и искусственного интеллекта. Пере-
славль-Залесский, 5-9 апреля.
2. Коломенские чтения в память А.Ф.Блишуна. Коломна, 17-20 мая.
3. Национальный семинар с международным участием "Фрактализация,
когнитивная графика, образное мышление", Петербург, 21-24 июня.
4. "Рефлексивные процессы и модели", симпозиум с международным
участием, посвященный процессам рефлексии в поведении, управлении и
искусственных системах. Переславль-Залесский, середина сентября.
5. Симпозиум "Методы искусственного интеллекта в компьютерах новых
поколений", Рязань, 26 сентября - 2 октября.
Информация о всех мероприятиях можно уточнить у Ученого секретаря
АИИ Людмилы Васильевны Литвинцевой, тел. 135-32-98.
5

Из неизданных книг
О.С.Молокова
ПРОГРАММНЫЕ СИСТЕМЫ ПРИОБРЕТЕНИЯ
ЗНАНИЙ
/. Виды систем приобретения знаний
Системы, приобретения знаний - это "автоматические** инженеры знаний.
Обычно такие системы моделируют три функции инженера знаний: собственно
извлечение знаний из экспертов (или других источников), понимание
(концептуализацию) этих знаний и их формализацию. Обобщенная архитектура систем
приобретения знаний приведена на рис. 1.
Рис. 1. Обобщенная архитектура систем приобретения знаний
Для того, чтобы успешно справляться со своими функциями, системе
приобретения знаний необходимы те же профессиональные знания, что и инженеру
знаний. В существующих системах эти знания жестко встроены в программы. Нас
здесь будут интересовать виды систем приобретения знаний, различающихся
именно тем, какие знания в них встроены.
6

Необходимо подчеркнуть, что это очень важная, определяющая
характеристика. От того, что заранее "знает" система приобретения знаний, зависят многие
ее существенные особенности, такие, например, как [Motta et al - 1988] :*
- способность системы интерпретировать получаемую от экспертов
информацию на более высоких уровнях абстракции, чем уровень формализма
представления знаний;
- независимость от ПО / ориентированность на одну ПО;
- способность системы интегрировать знания, получаемые от разных
источников (от экспертов, из текстов, из примеров).
В зависимости от природы встроенных знаний мы выделяем три группы
систем приобретения знаний.
К первой группе относятся системы, основанные на знаниях о конкретном
формализме представления. В таких системах информация, вводимая экспертом,
интерпретируется сразу в терминах этого формализма. Примером является
известная система TEIRESIAS, созданная в середине 70-х годов (на русском языке
описание этой системы можно найти в [Хорошевский - 1984, Попов -1987]). Блок
концептуализации в таких системах совпадает с Блоком формализации.
Заметим, что от редакторов БЗ, входящих в состав оболочек ЭС, такие системы
приобретения знаний отличает наличие методики (методик) извлечения знаний и
большая "дружественность" интерфейса (например, в TEIRESIAS общение с
пользователем осуществляется на ограниченном естественном языке).
Системы первой группы относятся к первому поколению программной
поддержки приобретения знаний. Они создавались в то время (середина и конец 70-х
годов), когда еще не были осознаны многие проблемы приобретения знаний, и
поэтому методологии анализа знаний, рассмотренные в этой книге, еще не
появились. Исследования возможностей и ограничений систем приобретения знаний
первого поколения способствовали лучшему пониманию того, что же именно
должны делать такие системы.
Ко второй группе относятся системы, основанные на знаниях о предметно-
независимых методах (стратегиях) решения задач. Такие знания можно считать
интерпретационными моделями (ИМ) системы второй группы можно назвать
системами с встроенными ИМ. В этих системах знания, вводимые экспертом,
интерпретируются в терминах их ролей. Роль определяет, для чего или в качестве чего
знания используются в процессе решения задач (например, "гипотезы", "правила
порождения гипотез", "ограничения" и т.п.). Такие системы приобретения
знаний будем называть системами со встроенными ИМ.
В этих системах обычно еще имеются наборы эвристик, позволяющих
системе сопоставлять информацию, вводимую пользователем, с понятиями, зафик-
* Библиографию к статье см. "Новости искусственного интеллекта", N 3,
1992.
7

сированными в ИМ. Такие системы приобретения знаний могут использоваться в
любой ПО, если адекватен базовый метод решения задач.
Среди систем этой группы может быть произведено подразделение на две
подгруппы в зависимости от того, явно или неявно используется ИМ. Если система
приобретения знаний имеет дополнительные встроенные знания о некоторой
методике извлечения знаний и скрытым от пользователя образом интерпретирует
его сообщения в терминах ИМ, то можно говорить о неявном использовании ИМ.
В системах с явным использованием ИМ пользователь должен
самостоятельно определять, какие именно его знания могут играть роли, подобные названным
выше. Для того, чтобы успешно работать с такой системой, эксперт должен быть
согласен со встроенной в систему стратегией решения задач.
Третью группу составляют системы приобретения знаний, основанные на
детально проработанной модели решения предметных задач. Эти системы
предназначены для приобретения знаний, используемых только для решения той
предметной задачи, модель которой они "знают". Для создания таких систем
инженер знаний должен предварительно спроектировать такую модель.
Разрабатывая модель предметной задачи, инженер знаний должен сначала выбрать или
сконструировать ИМ, а затем сопоставить с предметно-независимыми терминами
ИМ понятия из данной ПО. Имея модель предметной задачи, система
приобретения знаний общается с экспертом в привычной для него терминологии и
интерпретирует получаемую от него информацию в терминах предметных понятий и
отношений.
2. Системы, использующие метод репертуарных решеток
При использовании для извлечения экспертных знаний метода
репертуарных решеток результат процесса извлечения знаний представляется в виде
репертуарной решетки. Эта решетка затем анализируется с помощью специальных
статистических алгоритмов. По результатам анализа формируются
продукционные правила, составляющие БЗ ЭС. Такова общая схема приобретения знаний
для ЭС методом репертуарных решеток..
Исторически впервые автоматическое извлечение из экспертов конструктов
и создание репертуарных решеток было реализовано в системе PLANET [Shaw -
1982, Shaw, Gaines - 1984], которая представляет собой комплекс программ для
интерактивного конструирования и анализа решеток. Ряд алгоритмов и программ
PLANET был использован при создании системы ETS [Boose - 1985А, 1985В,
1985С, 1986], обеспечивающей не только автоматическое создание репертуарной
решетки, но и преобразование ее в традиционные для ЭС формы представления
БЗ. Потомками ETS являются система NeoETS [Boose, Bradshaw - 1986] и
интегрированная среда для извлечения экспертных знаний AQUINAS [Boose, Bradshaw
- 1987]. Дальнейшим развитием системы PLANET является интегрированная
среда KITTEN [Gaines, Shaw - 1986, Shaw, Gaines - 1987], поддерживающая ряд
8

методов извлечения знаний. Здесь мы ограничимся рассмотрением системы ETS
- типичного представителя первого поколения систем извлечения знаний,
основанных на методе репертуарных решеток, - и среды AQUINAS - представителя
второго поколения таких систем.
Система ETS. Expertise Transfer System (ETS) была создана в 1984 г. в
Boeing AI Center (США). Система основана на использовании для извлечения
знаний метода репертуарных решеток. По сообщению [Boose, Bradshaw - 1987] с
применением этой системы эксперты могут создать БЗ для прототипа ЭС менее,
чем за два часа. В [Boose - 1985В, Boose - 1986] перечислены 100 прототипов ЭС,
для создания которых использовалась ETS, среди них: Советчик по выбору
инструментария для разработчиков ЭС; Консультант по языкам программирования;
Анализатор геологических данных; Советчик по отладке Фортран-программ;
Консультант по СУБД и другие. Область применения ETS ограничена
извлечением экспертных знаний для таких несложных задач анализа, которые не
требуют для своего решения процедурных, каузальных и стратегических знаний.
ETS взаимодействует с экспертом в диалоговом режиме, интервьюируя
эксперта и помогая ему анализировать создаваемую БЗ. В архитектуре ETS могут
быть выделены следующие подсистемы:
- извлечения элементов;
- выявления конструктов;
- построения репертуарной решетки;
- построения графа импликативных связей;
- генерации продукционных правил;
- тестирования БЗ;
- коррекции БЗ;
- генерации БЗ для различных инструментальных средств создания ЭС.
Информация, вводимая экспертом и порождаемая ETS, отображается на
экране в трех специально выделенных окнах. Экран имеет структуру,
изображенную на рис. 2.
Начиная работу, ETS предлагает эксперту ввести названия элементов. Для
этого предназначено окно 1. Диалог происходит следующим образом (вопросы и
сообщения системы отмечены ETS:, а ответы эксперта - Э:) (пример взят из
[Boose - 1985В]). ETS: Вы будете работать со старой БЗ (OLD) или строить новую
(NEW) ?
3:NEW
ETS: К какому типу относятся объекты, которые Вы хотите
классифицировать (например, СУБД, ЗАБОЛЕВАНИЯ и т.п.)?
Э: Специализированный графический инструментарий BTS: Имеется ли у
Вас список объектов, которые Вы хотите классифицировать?
Э:Да
9

Рис. 2. Расположение окон на экране при функционировании ETS
ETS: Введите список объектов, относящихся к типу "специализированный
графический инструментарий", по одному в строке. Когда закончите, нажмите
••ввод".
Эксперт ввел следующие объекты: TELL__A_GRAF, BIGS, DISSPLA,
GRAFMAKER, DI-3000, CUECHART.
На этом работе подсистемы извлечения элементов заканчивается и начинает
работать подсистема выявления конструктов. Диалог ведется также в окне 1.
ETS: Подумайте о важном свойстве, выделяющем два из следующих трех
объектов (TELL_A_GRAF, BIGS, DISSPLA). Как называется это свойство?
Э: MULTI-FONTS
ETS: Какое свойство, противоположное этому по смыслу, применимо в
данном случае?
Э: SINGULAR-FONTS
Аналогичным образом эксперт отвечает на вопросы о тройках (BIGS,
DISSPLA, GRAFMAKER), (DISSPLA, GRAFMAKER, DI-3000), (GRAFMAKER,
DI-3000, CUECHART). Для указанных троек эксперт ввел следующие пары
свойств соответственно: (NO MENU GENERATION - MENU GENERATION)»
MAPPING - NO MAPPING), (NON FORTRAN - FORTRAN). На этом работа
подсистемы выявления конструктов заканчивается и начинает работать подсистема
построения репертуарной решетки. Диалог по получению оценок ведется в окне
1, создаваемая решетка показывается в окне 2. ETS: Пожалуйста, оцените Ваши
объекты по шкале от 5 до 1, где 5 означает, что объект в значительной степени
обладает свойством MULTI-FONTS, 1 - свойством SINGULAR-FONTS. Если ни
10

одно из этих свойств не характеризует объект, то введите N. Бели оба свойства
кажутся применимыми) введите В.
Эксперт вводит оценки, после чего ETS повторяет приглашение ввести
оценки, но уже для конструкта (NO MENU GENERATION / MENU GENERATION).
Аналогичным образом ведется диалог и для двух других конструктов (MAPPING
/ NO MAPPING) и (NON FORTRAN / FORTRAN). В результате диалога создается
следующая оценочная решетка:
1 2 3 4 5 6 Конструкты
5 15 4 4 6 1: MULTI-FONTS / SINGULAR FONTS
5 15555 2: NO MENU GENERATION / MENU GENERATION
14 5 3 4 2 3: MAPPING / NO MAPPING
5 11516 4: NON FORTRAN / FORTRAN
Объекты
1: TELL-A-GRAF
2: BIGS
3: DISSPLA
4: GRAFMAKER
5: DI-3000
6: CUECHART
На этом работа подсистемы построения оценочной решетки заканчивается
и начинает работать подсистема построения графа импликативных связей. В этом
графе отражаются "вычисленные" системой отношения импликации между
различными полюсами личных конструктов. Например, для ПО "Рекомендации по
выбору СУБД" были в числе прочих установлены следующие зависимости:
"иерархическая" влечет "не реляционная", "достаточна невысокая
квалификация" влечет "не иерархическая", "работает на VAX" влечет "с неинвертированной
организацией", "необходима высокая квалификация" влечет "не реляционная".
В графе импликативных связей дуги имеют разный вес - в зависимости от
"относительной силы" каждой импликации. Обычно многие импликации,
открытые ETS, являются неожиданными для эксперта. В последующем в процессе
коррекции БЗ эксперту предоставляется возможность их пересмотра. Во время
функционирования подсистемы построения графа импликативных связей диалог
с экспертом не ведется. Результат работы подсистемы показывается в окне 3.
Затем ETS переходит к генерации продукционных правил. Правила порождаются
на основе графа импликаций, репертуарной решетки и опроса эксперта. ETS
генерирует правила двух типов: заключительные (для вывода рекомендаций) и
промежуточные (для установления связей между полюсами конструктов). С
каждым правилом ассоциируется фактор уверенности, вычисляемый по
эмпирическим алгоритмам. Для порождения правил ETS в окне 1 проводит диалог с
экспертом, в ходе которого эксперт сообщает системе имена понятий, описывающих
11

каждый конструкт. Например, для конструкта из области СУБД "с
инвертированной организацией / с неинвертированной организацией" таким понятием может
быть "инвертированность". Затем по шкале от 5 до 1 эксперт оценивает
относительную важность этих понятий для решения задачи. Эта оценка используется
при подсчете фактора уверенности.
Заключительные правила генерируются по два для каждой оценки в
решетке. Эти правила имеют вид:
ЕСЛИ < понятие, описывающее конструкт> - <полюс конструкта>
ТО рекомендация - элемент> (<фактор уверенности>)
Промежуточные правила генерируются для каждой импликации в графе
импликативных связей. Эти правила имеют следующий вид:
ЕСЛИ <понятие, описывающее конструкт А> - <полюс конструкта А>
ТО <понятие, описывающее конструкт Б> - < полюс конструкта Б>
Участвующие в правиле полюсы конструктов А и Б связаны отношением
импликации.
Для того, чтобы эксперт мог провести тестирование сгенерированных ETS
продукционных правил, в ETS имеется встроенный решатель, позволяющий
провести консультацию с использованием созданной БЗ. В ETS имеется также
специальная подсистема коррекции БЗ, позволяющая "проверять качество"
полученных от эксперта знаний и модифицировать БЗ с целью улучшения их качества.
Кроме того, эта подсистема позволяет эксперту при несогласии с какой-либо
выведенной импликацией внести необходимые изменения в БЗ.
Рассмотрим сначала случай коррекции БЗ по инициативе системы.
"Проверку качества" знаний ETS осуществляет путем вычисления степеней
"похожести" конструктов и элементов. Для "очень похожих" конструктов (элементов)
система предлагает эксперту разделить их путем ввода дополнительных
элементов или конструктов. Если эксперт вводит новый конструкт, то ETS предлагает
ему оценить по шкале от 5 до 1 степень наличия вновь введенных свойств у
известных объектов, что приводит к изменению репертуарной решетки, графа
импликативных связей и продукционных правил. Продолжая пример со
специализированным графическим инструментарием [Boose -1985B], рассмотрим
фрагмент соответствующего диалога (используется окно 1).
ETS: Степень сходства двух пар - NO MENU GENERATION / MENU
GENERATION и MULTI-FONTS / SINGULAR FONTS - составляет 83%. Это
означает, что почти всегда, когда Вы говорите NO MENU GENERATION, Вы
одновременно говорите MULTI-FONTS; а когда Вы говорите MENU-
GENERATION, Вы также говорите SINGULAR FONTS. Подумайте, можете ли Вы
назвать такой СПЕЦИАЛИЗИРОВАННЫЙ ГРАФИЧЕСКИЙ
ИНСТРУМЕНТАРИЙ, который либо имеет свойства NO MENU GENERATION и SINGULAR
FONTS, либо свойства MENU GENERATION и MULTI-FONTS?
Э:Нет
12

ETS: Нужно ли пары (NO MENU GENERATION / MENU GENERATION,
MULTI- FONTS / SINGULAR FONTS) скомбинировать в одну пару?
Э:Нет
ETS: Два объекта GRAFMAKER и TELL-A-GRAF имеют степень сходства
81 %. Можете ли Вы сообщить свойства, которые позволяют различить эти
объекты?
Э:Да
ETS: Как называется отличительное свойство?
Э: APPL-PROGRAM
ETS: Как называется свойство, противоположное по смыслу?
Э: NON-APPL-PROGRAM
Поскольку эксперт ввел новый конструкт, то ETS предлагает ему оценить
его и затем перевычисляет репертуарную решетку, граф импликативных связей
и продукционные правила.
Рассмотрим случай коррекции БЗ по инициативе эксперта. Если имеется
выведенная системой импликация, с которой эксперт не согласен, то подсистема
коррекции БЗ предлагает ему выбрать одно из действий: 1) проверить оценки, на
основе которых выведена импликация; 2) добавить объект, не согласующийся с
импликацией; 3) проверить, как используются свойства, не участвующие в
импликации. Модификация БЗ осуществляется при выборе действия 2. В этом случае
ETS предлагает эксперту ввести название объекта, после чего эксперт должен
оценить этот объект по всем конструктам. ETS реконструирует репертуарную
решетку, граф импликативных связей, продукционные правила и осуществляет
"проверку качества" знаний с учетом вновь введенного объекта.
Подсистема генерации БЗ для различных инструментальных средств
создания ЭС позволяет получать БЗ, совместимые со следующим инструментарием:
KS-300/MYCIN, МЛ, SI, OPS5, LOOPS, MRS, Prolog, Personal Consultant, KEE
[Boose -1985B, 1985C].
Версия ETS для работы с несколькими экспертами. В [Boose -1985С)
рассмотрена экспериментальная версия ETS, поддерживающая получение и
объединение знаний знаний нескольких экспертов в одной и той же ПО. Исследовались
4 сценария извлечения и комбинирования знаний.
Сценарий 1: независимые решетки. Эксперты используют ETS независимо
друг от друга. Каждый создает свою репертуарную решетку, затем ETS
генерирует продукционные правила для этих решеток и помещает их в одну общую БЗ.
Эта БЗ используется для решения задач в данной ПО. Эксперимент показал, что
использование общей БЗ приводит к лучшим результатам, чем БЗ каждого
эксперта по отдельности.
Сценарий 2: объединение решеток. Сначала каждый из экспертов с
помощью ETS создает свою репертуарную решетку. Затем ETS, используя
информацию из этих решеток (названия всех элементов и все конструкты), предлагает
каждому эксперту выделить nl наиболее важных элементов и п2 наиболее важ-
13

ных конструктов. Элементы и конструкты, выделенные экспертами,
объединяются для создания общей репертуарной решетки. Каждый эксперт сообщает свои
оценки для формирования такой решетки. ETS создает БЗ по этой объединенной
решетке. Эксперимент в той же ПО показал, что использование БЗ, построенной
на основе согласованного мнения экспертов, более эффективно, чем
использование БЗ каждого эксперта по отдельности.
Сценарий 3: анализ различий в знаниях экспертов. Эксперты создают
каждый свою решетку. ETS использует специальный алгоритм для вычисления
различия в оценках одних и тех же элементов относительно одних и тех же полюсов
конструктов. Затем строится сводная таблица различий, которую экспертам
предлагается использовать для того, чтобы договориться и придти к согласованным
оценкам.
Сценарий 4: совместное использование ETS. Согласно этому сценарию
эксперты не создают независимых решеток. Фактически ETS работает со многими
экспертами как с одним, а эксперты, одновременно использующие ETS,
сообщают только те элементы, конструкты и оценки, по которым у них имеется
согласованное мнение.
Интегрированная среда приобретения знаний AQUINAS. AQUINAS
представляет собой набор программных средств для извлечения экспертных знаний
различных типов различными методами. В состав AQUINAS входят:
- система Dialog Manager для помощи новичкам в работе с AQUINAS;
- система ETS для извлечения и анализа репертуарных решеток с
последующим преобразованием их в базу продукционных правил;
- средства конструирования различных иерархических структур знаний;
- средства извлечения, представления и использования неточных знаний;
- средства тестирования (inference engine) и коррекции БЗ;
- средства, позволяющие эксперту оценивать конструкты по наиболее
подходящим шкалам;
- средства работы с несколькими экспертами;
- средства автоматического пополнения и коррекции БЗ.
Dialog Manager [Kitto, Boose -1987A, 1987В] представляет собой ЭС,
специально созданную для того, чтобы консультировать эксперта о возможностях,
предоставляемых AQUINAS, и руководить экспертом при работе с AQUINAS.
Рассмотрим подробно средства, имеющиеся в Dialog Manager, и знания,
используемые этой системой. Это позволит составить представление о функциональных
возможностях системы AQUINAS в целом.
Прежде всего Dialog Manager рекомендует эксперту стратегию извлечения
знаний, подходящую для его задачи. С этой целью проводится начальный опрос
эксперта, в ходе которого устанавливается, к какому классу относится задача
эксперта. Диалог с экспертом осуществляется следующим образом (пример взят
из [Kitto, Boose - 1987В]):
DM: Проанализируем Вашу задачу. Дайте ее обобщенное описание.
14

Э: Диагностика реактивных двигателей.
DM: Детализируйте описание задачи
Э: Диагностика сбоев в реактивных двигателях на основе событий и
симптомов
Отвечая на вопросы системы, эксперт может воспользоваться меню, в
котором представлены примеры обобщенных и детализированных формулировок за -
дач из других ПО.
DM: Можно ли считать, что имеется конечное число возможных решений
Вашей задачи, и они все могут быть перечислены?
Э:Да
DM: Оцените, как много возможных решений существует
Э: 100
DM: Могут ли эти решения быть разбиты на классы?
Э:Да
DM: Оцените, как много решений относится к одному классу
Э: 10
DM: Можете ли Вы выбрать подмножество наиболее важных решений и
ограничить Вашу задачу этим подмножеством?
Э:Да
DM: Как много решений включает это подмножество?
Э: 15
DM: Ваша задача относится к классу ДИАГНОСТИКА. Подходящий метод
решения задачи - ЭВРИСТИЧЕСКАЯ КЛАССИФИКАЦИЯ. Подходящие
средства приобретения знаний: MOLE, TKAW, AQUINAS. Рекомендуется использовать
AQUINAS. Намерены Вы работать с AQUINAS?
Э:Да
Затем эксперт должен выбрать, в каком режиме он далее будет
взаимодействовать с Dialog Manager. Возможны три режима: автоматический, при котором
Dialog Manager полностью берет на себя руководство процессом извлечения
знаний; ассистирующий, при котором эксперту хотя и задаются рекомендации
относительно его дальнейших действий, но он может им не следовать; и, наконец, роль
Dialog Manager при работе в третьем режиме заключается в наблюдении за
действиями эксперта и сохранении их истории. Выбрав автоматический или
ассистирующий режим, эксперт должен также выбрать степень подробности
подсказок и объяснений, даваемых системой ("полностью", "на среднем уровне",
"кратко").
Пусть эксперт установил автоматический режим со средней степенью
подробности подсказок и объяснений. Dialog Manager последовательно предлагает
эксперту ввести набор элементов и особенностей, различающих эти элементы.
Интервьюирование эксперта осуществляет ETS. Затем Dialog Manager сообщает
эксперту, что далее он может:
- добавлять элементы;
15

- добавлять особенности;
- оценивать элементы относительно введенных особенностей.
Поскольку система работает в автоматическом режиме, то эксперт не
производит выбор деятельности; ему предлагается приступить к оценке элементов.
Эксперт имеет возможность указать для каждого конструкта наиболее
подходящую шкалу. В AQUINAS возможны следующие типы шкал: "поименная**
(например, конструкт ТИП ЭВМ может оцениваться по шкале, представляющей собой
неупорядоченное множество имен VAX, IBM, Apollo, ...); "порядковая"
(например, шкала от 1 до 5); "интервальная" (например, шкала от 32 до 42 для
конструкта ТЕМПЕРАТУРА ТЕЛА), "абсолютная" (например, для конструкта ВЕС,
оцениваемого по такой шкале, достаточно указать действительное значение
веса).
После того как репертуарная решетка построена, эксперт может
осуществлять следующие виды деятельности:
- добавлять элементы;
- добавлять особенности;
- протестировать созданную БЗ;
- проанализировать корректность созданной БЗ. В БЗ Dialog
Manager имеются эвристики, которые позволяют этой системе при
накоплении экспертом достаточного опыта перейти от автоматического режима к
ассистирующему. Dialog Manager информирует эксперта о переключении режимов.
Работая в ассистирующем режиме, Dialog Manager оставляет за экспертом выбор
деятельности, но на основе своих эвристик рекомендует наиболее подходящую. В
частности, если Dialog Manager считает, что эксперту следует заняться анализом
БЗ, то в рекомендации обычно указывается, какой именно аспект нуждается в
анализе. Так, эксперту может быть рекомендовано обратиться либо к процедурам
анализа сходства элементов (конструктов), либо к процедурам кластеризации
элементов (конструктов), либо к разбиению исходной решетки на несколько
иерархически связанных.
Рассмотрим более подробно возможности построения иерархических
структур знаний в AQUINAS. С методологической точки зрения AUINAS поддерживает
четыре способа структуризации знаний: SUB-SUPER - иерархия элементов; SUB -
SUPER - иерархия особенностей; структурирование знаний относительно
различных экспертов; структурирование знаний относительно различных
контекстов. Например, для БЗ, содержащей знания о средствах передвижения,
структурирование по контекстам может означать объединение в различные группы
знаний, относящихся к средствам передвижения по суше и по воде соответственно
[Boose, Bradshaw - 1987].
Средством создания SUB-SUPER - иерархии элементом (особенностей)
являются процедуры кластеризации. Например, если в ПО "СУБД" результат
кластеризации имеет вид как на рис. 3, то эксперт запрашивается об именах класте-
16

Рис. 3. Кластеры элементов в ПО "СУБД"
Рис. 4. Множество оценочных решеток б AQUINAS
17

ров (IDMS, TOTAL, SIR, IMS) (ответ эксперта: "СУБД с включающими языками")
и (EASYTRIEVE, SQL/DS, RIM) (ответ эксперта: "СУБД 4-го поколения").
Если с помощью системы ETS эксперт мог создать только одну репертуарную
решетку, то, используя AQUINAS, эксперт фактически создает создает множество
решеток, каждая из которых соотносится со своими узлами в соответствующих
структурах знаний (см. рис. 4. - взят из [Boose, Bradshaw - 1987]).
Интегрированная среда приобретения знаний KITTEN. KITTEN
(Knowledge Initiation & Transfer Tools for Experts and Novices) [Gaines, Shaw -
1986, Shaw, Gaines - 1987] подобно AQUINAS является интегрированной средой,
основанной на построении и анализе репертуарных решеток. Отличие KITTEN от
AQUINAS состоит прежде всего в том, что в KITTEN обеспечивается извлечение
элементов и конструктов из текстов, а кроме того имеются процедуры,
анализирующие примеры решения задач экспертом и генерирующие по ним
продукционные правила. Продукционные правила, порождаемые из примеров и из
решеток, могут быть загружены в БЗ ЭС-оболочки Nexpert. Тестирование созданной
БЗ проводится с использованием этой оболочки.
Так же, как и в AQUINAS, в KITTEN имеются средства структурирования
БЗ относительно разных экспертов и средства, помогающие экспертам понять
различия в их подходах и придти к согласованному мнению.
Для анализа текстов в KITTEN предназначена процедура TEXAN. Эта
процедура строит кластеры терминов, встречающихся в исходном тексте. Результаты
работы TEXAN помогают эксперту выбрать подходящие элементы и начальные
конструкты, с которыми начинается извлечение репертуарной решетки.
Техника извлечения решетки в KITTEN, чем в ETS и AQUINAS. В этой
системе широко используются возможности графики и ввода с устройства типа
"мышь". Конструкт изображается на экране в виде вертикальной полки, на
которой элементы размещаются ближе к тому или иному концу в зависимости от
оценок эксперта. Точнее говоря, выбранная экспертом точка привязки и
представляет собой оценку элемента по данному конструкту. В специальном окне
эксперт может увидеть "высоту" каждого элемента относительно каждого
конструкта. Фактически, в этом окне демонстрируется текущая репертуарная решетка.
На рис. 5 схематично показано такое окно. В штриховой рамке - элемент, на
который указал эксперт.
В KITTEN процедуры анализа БЗ, вычисляющие степени сходства между
элементами и конструктами, постоянно активны. Эксперту в специальном окне
демонстрируются текущие результаты работы этих процедур. Если эксперт
находит уровень сходства недопустимо высоким, то он может обратиться к процедурам
разделения элементов (конструктов), а затем продолжить формирование
репертуарной решетки.
18

Рис. 5. Окно для демонстрации состояния формирования оценочной
решетки 6 KITTEN
Аналогично постоянно активны процедуры вычисления импликативяых
связей между полюсами различных конструктов. Результаты работы этих
процедур также демонстрируются эксперту в специально выделенном окне.
В целом интерфейс в KITTEN спроектирован таким образом, чтобы как
можно меньше ограничивать инициативу эксперта и при этом не вызывать у него
затруднений. Интересно было бы сравнить мнения экспертов относительно
удобства работы с KITTEN и AQUINAS, но, к сожалению, в литературе нет
соответствующей информации. С точки зрения автора наличие в AQUINAS подсистемы
Dialog Manager делает эту среду более простой в использовании. Для успешного
использования KITTEN эксперт должен в некоторой степени быть одновременно
инженером знаний, поскольку здесь он выступает не только как носитель знаний
о ПО, но и вынужден принимать решения по управлению собственно процессом
извлечения знаний.
19

3. Системы ROGET, MOLE
Система ROGET. Система ROGET [Bennet-1984] создана в Стенфордском
университете в 1983 году. Она во многих отношениях является пионерской
работой. ROGET - это первая попытка заменить инженера знаний программной
системой на начальном, самом важном этапе приобретения знаний. Эта система
беседует с экспертом как инженер знаний, стремящийся понять, как
концептуально могут быть организованы экспертные знания, необходимые для создания
диагностической ЭС.
Под концептуальной структурой предметной задачи в ROGET понимается
ориентированный граф без циклов, вершины которого суть примеры некоторых
абстрактных категорий. Наличие дуги между двумя вершинами говорит о
существовании какого-либо типа вывода, позволяющего делать вычисления в
направлении, совпадающем с ориентацией дуги. В ROGET с каждым классом
предметных задач ассоциирована модель задачи (интерпретационная модель), описанная
в терминах абстрактных категорий. Различают два вида таких категорий: цели и
свидетельства (данные).
Распознаются следующие цели:
- "определение нарушения" - установить, к какому классу относится
имеющееся нарушение;
- "определение причин" - найти причины нарушения;
- "рекомендация действий" - найти действия, устраняющие нарушение;
- "оценка данных" - охарактеризовать надежность имеющихся данных;
- "определение дополнительных исследований" - установить, какие данные
необходимо еще собрать;
- "предсказание последствий" - установить, какие последствия нарушения
могут иметь место.
Виды свидетельств: "непосредственно наблюдаемые симптомы", "симптомы,
полученные путем опроса", "предрасполагающие факторы", "лабораторные
исследования", "воздействующие события" и др.
Начиная работать с экспертом, ROGET сначала выясняет, какая из
возможных категорий целей соответствует экспертной задаче. Для достижения
взаимопонимания с экспертом ROGET использует два основных приема. Первый состоит
в том, что эксперту демонстрируются примеры ответов на вопрос системы. Второй
прием традиционен для интерактивных систем: эксперт получает подсказку -
набор возможных ответов.
Например, если эксперт хочет создать ЭС для задачи антибактериальной
терапии (ЭС MYCIN), то начальный диалог с ROGET имеет следующий вид
(сообщения системы помечены R:, сообщения эксперта - Э:).
R: Как Вы хотите назвать свой консультант? Имя должно быть кратким и
иметь смысл в предметной области.
Э: MYCIN75
20

R: Введите простую фразу, описывающую главную задачу MYCIN75,
решаемую в типичном сеансе консультации.
Э: Примеры
R: В GLOT80 главная задача системы есть диагностика гематологических
нарушений у пациента.
В PUFF78 главная задача системы есть диагностика ульманологических
функциональных нарушений у пациента.
Возврат к заданному вопросу.
Э: Рекомендовать, какие лекарства назначать пациенту при инфекционных
заболеваниях.
R: Какие другие ЭС уже существуют для решения этой задачи?
Э. 99
• + •
R: Ожидаемые ответы: GLOT, HEADMET, CASNET,...
Э: Неизвестно.
В ROGET имеется простой анализатор, который разбирая ответ эксперта о
главной задаче системы, заключает, что MYCIN75 будет решать задачу,
относящуюся к классу диагностических, а именно: задачу рекомендации терапии для
пациента.
В БЗ системы ROGET имеются правила, которые на основе типа задачи,
распознанного в начале сеанса, предлагают набор подходящих категорий целей
для построения концептуальной структуры. В примере с MYCIN75 с основной
задачей сопоставляется цель "рекомендация действий", а также такие подцели,
как "определение нарушения" и "определение причин".
После того, как набор целей для создаваемой ЭС установлен, ROGET
проводит опрос эксперта, получая от него конкретные, связанные с рассматриваемой
ПО примеры этих целей. В MYCIN75 такими примерами, в частности являются:
для цели "определение нарушения" - "установить, какое инфекционное
заболевание имеется у пациента", для цели "рекомендация действий" - "указать
назначаемые антибиотики". Далее приводится фрагмент диалога ROGET с экспертом
по установлению того, как создаваемая ЭС сможет распознавать заболевание
пациента.
R: Какие основные типы выводов и/или данных могут быть использованы
для идентификации инфекционного заболевания пациента?
Э: Примеры
R: В GLOT80 "лабораторные исследования" и "непосредственно
наблюдаемые симптомы" обеспечивают определение того, какие гематологические
нарушения есть у пациента. В PUFF78 "лабораторные исследования" обеспечивают
определение того, какие пульманологические дисфункции есть у пациента.
Возврат к заданному вопросу.
Э. 99
• • *
R: Ожидаемые ответы: "непосредственно наблюдаемые симптомы",
симптомы, полученные путем опроса", "лабораторные исследования",...
21

Э: Лабораторные исследования
R: Теперь обсудим, какие лабораторные исследования могут быть
использованы для распознавания заболевания. Как называются лабораторные
исследования, используемые для идентификации заболевания?
Э: Микробиологические исследования.
На рис. 6 изображена концептуальная структура задачи, построенная с
помощью системы ROGBT.
{свидетельства}
Рис. 6. Концептуальная структура задачи
"назначение лечения при инфекционных заболеваниях"
Система MOLE. Система приобретения званий MOLE [Eeheuaaa et al -1987]
разработана в университете Carnegie Mellon (США). Первые соо!ицеш1я о системе
относятся к 19ве>.
Система MOLE состоит из двух частей - интерпретатора базы предметных
знаний и подсистемы приобретения таких знаний. Последняя поддерживает как
процесс первоначального заполнения БЗ, так и процесс отладки и уточнения БЗ.
22

Интерпретатор БЗ ориентирован на класс диагностических задач. Интерпретатор
осуществляет вывод решения путем сопоставления заранее определенного
множества гипотез (о причине неисправности, о заболевании и т.д.) с совокупностью
наблюдений (симптомов, показаний приборов и т.д.). Иными словами,
интерпретатор системы MOLE реализует некоторый вариант метода эвристической
классификации. Схема вывода определяется следующим описанием:
ШАГ 1. Запрос наблюдений, нуждающихся в объяснении.
ШАГ 2. Порождение гипотез, объясняющих наблюдения (каждое
наблюдение обязательно должно быть объяснено хотя бы одной гипотезой, для каждого
наблюдения таких гипотез может быть более одной).
ШАГ 3. Для каждого наблюдения устанавливается, какая дополнительная
информация необходима для выбора наиболее подходящей гипотезы.
ШАГ 4. Запрос дополнительной информации, потребовавшейся на шаге 3.
ШАГ 5. Попытка выявить по одной наиболее подходящей гипотезе для
каждого наблюдения. Если остаются гипотезы, для которых такая попытка неудачна,
то переход к шагу 2.
ШАГ б. Попытка объединить гипотезы, объясняющие отдельные
наблюдения, таким образом, чтобы были объяснены все наблюдения, если попытка не
удалась, то переход к шагу 7. Показ результатов конец работы в случае удачной
попытки комбинирования гипотез.
ШАГ 7. Установление того, какая дополнительная информация необходима
для продолжения процесса объединения гипотез.
ШАГ 8. Запрос потребовавшейся на шаге 7 информации. Переход на шаг 2.
Для осуществления вывода согласно приведенной схеме необходимы (1)
знания для объяснения наблюдений, (2) знания для выбора между несколькими
гипотезами и (3) знания для объединения нескольких гипотез. Объясняющие
знания (1) в рассматриваемой ИМ имеют вид ассоциаций "Гипотеза HI объясняет
наблюдение Р1". Дифференцирующих знаний (2) выделено 4 типа:
предсказывающие, свидетельствующие, уточняющие и ограничивающие.
Предсказывающие знания имеют вид "Наличие наблюдения Р1 позволяет предположить
гипотезу HI" или "Отсутствие наблюдения Р1 позволяет предположить отсутствие
гипотезы HI". Свидетельствующие знания имеют вид "Наблюдение Р1
свидетельствует в пользу /против гипотезы HI". К уточняющим знаниям относятся такие
различные характеристики наблюдений, что чем больше этих характеристик
объясняет гипотеза, тем более подходящей она является. Ограничивающие
знания представляют собой условия, задающие силу связи "наблюдение - гипотеза".
Подсистема приобретения знаний - в дальнейшем будем подробно
рассматривать ее возможности и ссылаться на нее как на систему MOLE, оправдывая свое
название (mole в переводе "крот"), взаимодействует с экспертом в ПО как
опытный инженер знаний, упорно и целенаправленно разрабатывающий БЗ
диагностической ЭС. Начиная общение с экспертом, MOLE ничего не знает о ПО, но
подобно квалифицированному инженеру знаний имеет представление о том, а)
23

какие типы предметных знаний необходимы для осуществления вывода согласно
приведенной выше схеме, и б) как распознать знания того или иного типа в
информации сообщаемой экспертом.
Прежде всего MOLE запрашивает у эксперта список объектов, играющих
роли гипотез и наблюдений. Эксперт также должен указать, какие пары
"наблюдение - гипотеза" и "гипотеза - гипотеза'' ассоциативно связаны. Результатом
этого этапа извлечения знаний является сеть объектов.
Затем MOLE пытается получить дополнительную информацию:
- о типе объекта (является объект наблюдаемым или выводимым);
- о природе ассоциативной связи (какой тип знаний лежит в основе
ассоциации - объясняющие, предсказывающие или иные);
- о направлении ассоциативной связи (Е1 объясняется В2 или же наоборот);
- о численной оценке "силы" ассоциативной связи. Однако MOLE понимает,
что эксперт не всегда может предоставить такую и информацию. Поэтому MOLE
не столько требует сведений от эксперта, сколько пытается вывести необходимую
информацию из сообщений эксперта на основе своих ожиданий.
Наиболее важно установить природу ассоциативных связей. Разработчики
системы MOLE справедливо полагают, что бессмысленно "впрямую" спрашивать
эксперта об этом, поскольку эксперт в ПО не мыслит в терминах
"объясняющие" /"предсказывающие"/ "свидетельствующие"/"уточюпощие"/"ограничива-
ющие" знания. В MOLE проблема выявления типов знаний, лежащих в основе
ассоциативной связи, решается эвристически: считается, если эксперт сам
сообщил о наличии связи между двумя объектами, то имеют место либо объясняющие,
либо предсказывающие знания. Все другие типы знаний считаются в MOLE
вторичными, они добавляются в БЗ либо по умолчанию, либо на этапе тестирования
и коррекции.
Для установления направления ассоциативной связи в MOLE используется
следующее эвристическое соображение: "если эксперт говорит, что Е2
поддерживает Е1 и Е1 во времени предшествует Е2, то будем считать, что Е2 объясняется
посредством El".
Однако, если эксперт не уверен относительно времени возникновения Е1 и
Е2, то MOLE пытается получить дополнительную информацию о природе
ассоциативной связи. Например, эксперт может испытывать затруднения в
определении временных соотношений между цветом, размером и температурой пламени.
Тогда MOLE выясняет, какой объект может рассматриваться как
непосредственное появление или указание на наличие другого. Получив информацию о том, что
маленькое пламя красного цвета свидетельствует о низкое пламени,
MOLE делает вывод, что "температура" объясняет размер и цвет пламени.
На этапе начального формирования БЗ MOLE не пытается получить от
эксперта численные оценки для ассоциативных связей. Такое решение было
принято разработчиками системы по ряду причин. Во-первых, такие оценки не
адекватны экспертным знаниям и потому эксперты сообщают их неохотно. Во-вторых,
24

как показал опыт, чаще всего эксперт "на всякий случай" вводит значение,
близкое к середине шкалы. Поэтому MOLE назначает такие оценки по умолчанию.
Метод вычисления оценок основан на следующих эвристических
предположениях: 1) каждое наблюдение должно быть объяснено некоторой гипотезой; 2) только
одна из гипотез, объясняющих данное наблюдение, является в каждом
конкретном случае наиболее вероятной; 3) сумма оценок для связей данного наблюдения
с объясняющими его гипотезами равна единице. Тогда по умолчанию MOLE
назначает для каждой связи данного наблюдения оценку, полученную как
частное от деления единицы на число гипотез, объясняющих данное наблюдение.
MOLE предполагает, что если эксперт сообщил несколько объяснений для
одного и того же объекта, то, вероятно, он может сообщить и знания,
позволяющие различать эти объяснения. Например, если эксперт сообщил, что плохая
подача воздуха может быть объяснена либо неисправностью двигателя
вентилятора, либо утечкой воздуха из воздухопровода, то MOLE спросит у эксперта,
какая из этих гипотез является причиной данного наблюдения. Эксперт может
указать, что если не слышно сильного шума из вентиляционной коробки, то имеет
место утечка. Это позволяет MOLE, по крайней мере в принципе, различать две
гипотезы.
Запрашивая объяснения для наблюдений, затем объяснения для этих
объяснений и т.д., MOLE стремится построить многоуровневую сеть. Например, в БЗ
для диагностики бойлерных установок (одна из ПО, в которых использовалась
система MOLE) было выделено 11 уровней в иерархии гипотез. В таких
многоуровневых сетях возникает проблема с избыточностью путей. MOLE находит пути
-дубликаты и предлагает эксперту оставить только один путь. Например, в сети,
показанной на рис. 7, имеются два пути между объектами "плохое
перемешивание" и "засорение". Вопрос состоит в том, что неизвестно, соответствует ли
непосредственный путь "плохое перемешивание - засорение" реальной каузальной
связи, или же он представляет собой компиляцию более длинного пути. Ответ на
этот вопрос может дать только эксперт.
Рис. 7. Фрагмент сети объектов, построенной системы MOLE
25

Очевидно, что БЗ, полученная MOLE, на этапе начального
формирования, нуждается в уточнении. Процесс проверки и коррекции БЗ организован в
MOLE следующим образом: эксперт дает MOLE тест - конкретный случай и
сообщает правильный диагноз. Если встроенный в MOLE интерпретатор выводит
из имеющейся БЗ другой диагноз, то MOLE пытается определить причины
ошибки и вырабатывает предложения по коррекции БЗ.
Сначала MOLE определяет "для себя", на каком шаге рассуждения допущена
ошибка, приведшая к неправильному диагнозу: на шаге 2, где гипотезы
порождаются, на шаге 5, где гипотезы дифференцируются, или на шаге 6, где гипотезы
объединяются.
Если правильный диагноз вообще на был порожден в качестве
гипотезы-претендента, то MOLE прежде всего исследует, почему был порожден неправильный
диагноз, т.е. для объяснения каких наблюдений понадобилась соответствующая
гипотеза. Установив такие наблюдения, MOLE обращается к эксперту с
предложением дать им альтернативное объяснение. Затем MOLE предлагает эксперту
ввести такие наблюдения, для объяснения которых нужна гипотеза - правильный
диагноз.
Если правильный диагноз был в числе тех гипотез, среди которых делался
выбор, но был отвергнут, тогда MOLE считает, что в БЗ есть ошибки, касающиеся
дифференцирующих знаний. Прежде всего MOLE проверяет, существует ли
такая объясняющая связь между наблюдением Е1 и правильным диагнозом Е2,
которая дала бы желаемый эффект, если бы интерпретировалась как
предсказывающая. Если такая связь обнаруживается, то MOLE предлагает эксперту
подтвердить, что наличие (отсутствие) Е1 позволяет предположить наличие
(отсутствие) Е2. В противном случае MOLE запрашивает у эксперта дополнительную
информацию о других видах дифференцирующих знаний.
Если причина ошибки связана со знаниями о том, как комбинировать
гипотезы, то MOLE предлагает эксперту уточнить соответствующие условия
комбинирования гипотез.
Система MOLE использовалась для создания БЗ диагностических ЭС в
десяти различных ПО и всюду продемонстрировала свою эффективность.
4. Системы SALT, SEAR
Система SALT. Система приобретения знаний SALT [Marcus -1987, Marcus,
McDermott -1989, Stout et al -1988] создана в середине 80-х годов в университете
Carnegie Mellon. Название этой системы (salt в переводе - соль) сконструировано
следующим оригинальным способом. Как известно, химическая формула
поваренной соли NaCl; оказалось, что именно такая последовательность букв может
быть выделена в словосочетании "a kNowledge Acquisition Language".
Система SALT относится к числу весьма немногочисленных систем
приобретения знаний для задач конструирования. Задача конструирования здесь пони-
26

мается как означивание всех параметров, входящих в проект устройства или
системы, таким образом, чтобы были удовлетворены все ограничения на значения
этих параметров. Система SALT разрабатывалась в предположении, что решение
этой задачи осуществляется методом пошагового распространения ограничений.
Метод пошагового распространения ограничений состоит в следующем:
ШАГ 1. Установить значение очередного параметра.
ШАГ 2. Проверить ограничения.
ШАГ 3. Если обнаружено нарушение какого-либо ограничения, то
предложить возможные действия по коррекции значения параметра.
ШАГ 4. Выбрать наиболее "дешевое" корректирующее действие из тех,
которые еще не применялись.
ШАГ 5. Оценить последствия корректирующего действия (проверить снова
ограничения в предположении, что корректирующее действие выполнено.
ШАГ 6. Вели обнаружено нарушение ограничения, то предложить
возможные корректирующие действия. Переход на шаг 4. Если на шаге 5 не обнаружено
нарушений ограничений, то переход на шаг 7.
ШАГ 7. Изменить проект (выполнить корректирующее действие и заменить
значение параметра).
ШАГ 8. Возврат на шаг 1.
Для решения задач конструирования методом пошагового распространения
ограничений необходимы знания следующих типов:
- процедуры установления значений параметров;
- процедуры проверки ограничений;
- процедуры коррекции значений параметров с указанием "цены" каждого
корректирующего действия. Важно, чтобы все эти знания составляли целостную
и непротиворечивую БЗ.
Обычно инженеры-проектировщики не испытывают затруднений в
формулировании знаний каждого типа по отдельности. Так, эксперт, не задумываясь,
перечисляет ограничения, которым должен удовлетворять конкретный проект.
Легко ориентируется в таблицах и формулах для вычисления значений
параметров. Несколько более трудно эксперту назвать подходящие действия по
устранению нарушений, поскольку здесь нужно учитывать возможные взаимовлияния
ограничений. Но наибольшую трудность для эксперта представляет
необходимость последовательно, шаг за шагом описать все свои действия при разработке
проекта.
Работая с системой SALT, эксперт избавлен от этой необходимости. Исходя
из того, как именно экспертные знания будут использоваться в ЭС при
составлении конкретных проектов, SALT анализирует текущее состояние БЗ и предлагает
эксперту-пользователю ввести или пересмотреть тот или иной фрагмент знаний.
Диалог с пользователем в SALT ведется либо посредством вопросов-
подсказок пользователю, либо посредством меню. Инициатива в диалоге принадлежит
системе.
27

Далее будем рассматривать пример работы с системой SALT [Marcus -1987,
Marcus, McDermott -1989]. В примере показан несколько упрощенный фрагмент
диалога, посредством которого SALT осуществляет приобретение знаний,
необходимых для проектирования элеваторов. При проектировании элеваторов
необходимо назначить значения различным параметрам с учетом требований,
предъявляемых заказчиком, например, относительно пропускной способности элеватора,
скорости движения, и с учетом различных ограничений, в частности, по
стоимости, по размерам имеющегося помещения и другим.
Начиная работать с пользователем, SALT предлагает ему следующее
головное меню:
1. ПРОЦЕДУРА Ввод процедуры для нахождения значения параметра
2. ОГРАНИЧЕНИЕ Ввод ограничений на значение параметра
3. ИСПРАВЛЕНИЕ Ввод исправлений при нарушении ограничения
4. ВЫХОД Окончание работы
Обычно пользователь начинает с описания процедур для нахождения
значений параметров (т.е. в меню делается выбор 1). SALT запрашивает обозначение
(имя) того параметра, для которого будет вводиться процедура. В нашем примере
этот параметр называется "Модель машины". Затем SALT обращается к
пользователю с запросами, необходимыми для полного описания процедуры. В результате
из ответов пользователя формируется следующее описание:
1. ИМЯ: Модель машины
2. ТИП ОГРАНИЧЕНИЯ: Действительный
3. ПРЕДУСЛОВИЯ: Нет
4. ПРОЦЕДУРА: Поиск в базе данных
5. ИМЯ ТАБЛИЦЫ: Машина
6. СТОЛБЕЦ: Модель
7. УСЛОВИЕ: Максимальная нагрузка>-Подвешенная нагрузка
8. ПРОВЕРКА: Всегда
9. УПОРЯДОЧЕННОСТЬ По возрастанию
10. ОПТИМАЛЬНЫЙ Минимальное значение
SALT анализирует полноту описания процедуры и обнаруживает, что
имеется ссылка на значение параметра "Подвешенная нагрузка". SALT предлагает
пользователю специфицировать этот параметр. Пользователь вводит следующие
описания процедур:
1. ИМЯ: Подвешенная нагрузка
2. ТИП ОГРАНИЧЕНИЯ: Действительный
3. ПРЕДУСЛОВИЯ: Нет
4. ПРОЦЕДУРА: Вычисление
5. ФОРМУЛА: Вес груза + Вес троса
28

1. ИМЯ: Вес троса
2. ТИП ОГРАНИЧЕНИЯ: Действительный
3. ПРЕДУСЛОВИЯ: Нет
4. ПРОЦЕДУРА: Вычисление
5. ФОРМУЛА: Вес отрезка троса * Количество отрезков
1. ИМЯ: Количество отрезков
2. ТИП ОГРАНИЧЕНИЯ: Действительный
3. ПРЕДУСЛОВИЕ: Нет
4. ПРОЦЕДУРА: Вычисление
5. ФОРМУЛА: Подвешенная нагрузка / Длина троса
После этого SALT строит сеть зависимостей между параметрами,
упомянутыми в процедурах. На рис. 8 показана построенная сеть. Стрелка, направленная
от параметра А к параметру В, означает, что значение параметра А используется
для вычисления значения параметра В.
SALT обнаруживает, что в сети зависимостей имеется цикл. Такая ситуация
считается недопустимой, поскольку значение каждого параметра может быть
найдено только после того, как найдены значения всех тех параметров, от
которых зависит искомый. SALT сообщает пользователю об обнаружении цикла и
предлагает ему оценить значение какого-либо одного параметра из входящих в
цикл. В нашем случае в цикл входят параметры "Вес троса", "Количество
отрезков" и "Подвешенная нагрузка". Пользователь сообщает, что будет оценивать
параметр "Количество отрезков".
Рис. 8. Пример сети зависимостей между параметрами
29

Для ввода оценки SALT предлагает стандартный экран ввода значения
параметра:
1. ИМЯ: Количество отрезков
2. ПРЕДУСЛОВИЯ: Нет
3. ПРОЦЕДУРА: Вычисление
4. ФОРМУЛА: 3
Указывая "3" в позиции формулы, пользователь тем самым сообщает
системе, что параметр "Количество отрезков" имеет эту величину в качестве
начального значения. Одновременно SALT интерпретирует это значение как ограничение
на этот параметр; при этом SALT нужно знать, максимальное или же
минимальное значение параметра задается этим ограничением. Пользователь сообщает,
что это минимальное значение.
Теперь SALT может построить скорректированную сеть зависимостей, в
которой появляется элемент "Минимальное количество отрезков*. Этот элемент
связан отношением "ограничивает" (показывается двойной стрелкой) с
параметром "Количество отрезков". Новая сеть зависимостей показана на рис. 9.
Сейчас SALT знает, что параметру "Количество отрезков" должно быть
присвоено начальное значение, равное трем, исходя из этого должен быть вычислен
параметр "Вес троса", затем параметр "Подвешенная нагрузка" и, наконец,
параметр "Минимальное количество отрезков". Если значение последнего параметра
окажется больше трех, то будет иметь место нарушение ограничения. SALT
необходимы знания о том, какие действия необходимы для устранения этого наруше-
Рис. 9. Сеть зависимостей после коррекции
30

ния. Заметим, что SALT не производит никаких из перечисленных вычислений,
это является функцией экспертной системы, порождаемой с помощью SALT.
Рассмотрим теперь, как SALT осуществляет приобретение знаний об
устранении нарушений ограничений. Одна из проблем состоит в том, что пользователь
может забыть, какие параметры влияют на значение того параметра, ограничение
на который сейчас исследуется. SALT по требованию пользователя демонстрирует
такие параметры. В нашем случае имеем:
Параметры, используемые для вычисления параметра
"Минимальное количество отрезков":
1 Длина троса
2 Подвешенная нагрузка
3 Вес груза
4 Вес троса
5 Количество отрезков
6 Вес отрезка троса
Пользователь указывает, что он будет работать с параметром 5 - "Количество
отрезков". В качестве способа коррекции возможного нарушения ограничения
пользователь предлагает увеличивать значение параметра "Количество
отрезков". Полная спецификация коррекции приведена ниже:
1 Нарушаемое ограничение Минимальное количество отрезков
2 Изменяемый параметр Количество отрезков
3 Тип изменения Увеличение
4 Шаг изменения Текущее значение
5 Оценка нежелательности изменения 4
6 Причина нежелательности изменения Влияет на отбор оборудования
Оценка нежелательности изменения используется при работе экспертной
системы в тех случаях, когда возможны различные способы коррекции
нарушения одного и того же ограничения. Причина нежелательности изменения
используется экспертной системой при выдаче объяснений.
На следующем этапе диалога SALT сообщает пользователю, что в БД
отсутствует информация об ограничении сверху для параметра "Количество отрезков",
и предлагает специфицировать соответствующую процедуру. Ранее SALT не
запрашивала максимальное значение этого параметра; необходимость в этом
возникла только после того, как пользователь указал, что значение этого параметра
можно увеличивать. Запрос SALT не обязательно должен быть удовлетворен.
Пользователь может отказаться от ввода требуемой процедуры и сохранить
текущее состояние БЗ.
Наиболее серьезная проблема,связанная с вводом знаний о коррекции
некоторого конкретного нарушения состоит в том, что исправление одного нарушения
может повлечь за собой возникновение нарушений других ограничений. SALT
помогает пользователю увидеть возможные взаимодействия между ограничения-
31

ми. С этой целью SALT анализирует текущее состояние БЗ и выводит список всех
таких ограничений, между которыми возможны взаимовлияния. Фрагмент
такого списка для нашего примера приведен ниже. Начальный элемент отмечен
звездочкой.
* Минимальное количество отрезков .
(Количество отрезков, Увеличение, 4)
Минимальное количество отрезков ПЕТЛЯ
Пользователь должен учитывать эту информацию о взаимодействующих
ограничениях при вводе сведений о способах коррекции нарушений.
На этом мы закончим разбор примера работы системы приобретения знаний
SALT.
С помощью системы SALT была подготовлена БЗ для ЭС VT,
проектирующей элеваторы. По состоянию на апрель 1985г. БЗ этой ЭС содержала 1300
правил, сгенерированных SALT. Затем SALT постоянно использовалась
экспертами для отладки и расширения БЗ. По состоянию на лето 1986г. БЗ ЭС VT
содержала 3062 правила, из которых 2130 были сгенерированы SALT.
В последующем система SALT использовалась для приобретения знаний,
необходимых для решения задачи составления расписаний. Эта новая область
применения потребовала некоторых модификаций как базового метода
пошагового распространения ограничений, так и системы SALT.
Задачи составления расписаний подобны задачам проектирования в том
аспекте, что возможные решения таких задач не могут быть заранее перечислены.
В задачах составления расписаний обычно требуется составить план или
расписание действий с учетом фактора времени. Именно необходимостью учета
временных ограничений такие задачи отличаются от задач разработки проектов.
Однако между этими двумя классами задач есть много общего, в частности, на
определенном уровне абстракции можно считать, что для решения задач этих
классов необходимы знания одних и тех же типов. Но является ли метод
пошагового распространения ограничений подходящим для задач планирования ?
Исследования, проведенные разработчиками системы SALT, показали, что
необходима модификация этого метода [Stout et al -1988].
Основные причины, по которым указанный метод не вполне адекватен
задачам составления расписаний, заключаются в том, что:
- могут существовать ограничения, определенные не на единственном
параметре, а на совокупности параметров вплоть до расписания в целом;
- невозможно заранее (т.е. не имея еще расписания в целом) оценить
последствия действий, корректирующих значения параметров при нарушениях
ограничений, вследствие этого невозможно априори задать - как это делается в
32

задачах проектирования - предпочтительность применения корректирующих
действий.
Разработчиками системы SALT был предложен следующий метод решения
задач составления расписаний, учитывающий указанные проблемы:
ШАГ 1* Установить значение очередного параметра (в задачах составления
расписаний в качестве таких параметров могут выступать моменты и интервалы
времени). Проверить ограничения. Бели какое-либо ограничение нарушено,
запомнить этот факт, но игнорировать его до тех пор, пока все другие ограничения
не будут проверены.
ШАГ 2. Предложить возможные варианты корректирующих воздействий
для всех обнаруженных нарушений ограничений.
ШАГ 3. Оценить последствия различных вариантов и выбрать наиболее
"дешевый" вариант из числа тех, которые еще не применялись.
ШАГ 4. Тщательно проверить последствия выбранного варианта
(исследовать его влияние на все другие ограничения).
ШАГ 5. Бели нарушения других ограничений сохраняются, то попытаться
устранить нарушение другого ограничения, для чего возврат на шаг 3.
ШАГ 6. Выполнение действий, проверенных на шаге 4.
Возврат на шаг 1. Процесс решения задачи заканчивается, если на шаге 1 не
обнаружено нарушений ограничений.
В настоящее время система SALT способна приобретать знания, как для
задач проектирования, так и для задач составления расписаний. Изменения,
внесенные в первоначальный вариант системы, касаются только деталей
механизма приобретения знаний о способах исправления нарушений ограничения. В
частности, эксперту предоставлена возможность описывать предпочтительность
корректирующих воздействий в виде функции, динамически
переупорядочивающей оценки предпочтительности.
Система SEAR. Система SEAR [Van de Brug, Bachant, McDermott -1985,
1986] является экспериментальной системой приобретения знаний, созданной с
целью исследования процессов расширения и коррекции больших баз знаний.
История ее создания тесно связана с широко известной ЭС XCON/R1,
выполняющей конфигурирование вычислительных систем, производимых в фирме DEC.
База знаний ЭС XCON/R1 очень велика - около 4000 правил, ссылающихся на
примерно 10000 комплектующих блоков. Добавление нового правила или
модификация существующего сопряжены с серьезными проблемами, т.к. правила не
являются независимыми и нет возможности явно указать, какое правило должно
использоваться, если с текущей ситуацией сопоставлено более одного. Создание
системы SEAR представляет собой попытку исследования подхода к упрощению
и облегчению этого процесса.
Разработчики SEAR исходили из предположения, что система приобретения
знаний должна "знать", какие роли могут играть различные виды знаний в про-
33

цессе решения предметной задачи. Иными словами, предметные знания должны
быть структурированы в соответствии с тем, для каких целей они используются.
Поскольку такая структуризация не поддерживается в ЭС XCON/R1, то
потребовалось предварительно разработать метод решения задачи конфигурирования,
позволяющий соответствующим образом структурировать базу правил. Так как
этот метод в корне отличен от используемого в SALT, рассмотрим его подробно.
Решение задачи конфигурирования осуществляется в иерархии проблемных
пространств. Каждое проблемное пространство соответствует некоторой
подзадаче, выделенной экспертом. Проблемное пространство состоит из множества
операторов и знаний, при которых операторы могут быть применены. Эти знания
могут иметь разную природу и по-разному использоваться. Цель, достигаемая
применением того или иного вида знаний, называется ролью. В каждом
проблемном пространстве существует шесть ролей знаний: "предложить_оператор", "от-
менить_оператор", "оценить_оператор", "применить_оператор", "распознать_ус-
пехи, ираспознать_неудачу".
Знания, необходимые для того, чтобы предложить оператор, - это знания о
том, какие операторы могут решить подзадачу и в каких обстоятельствах, а также
знания о безусловной предпочтительности одних операторов перед другими.
Знания, необходимые для того, чтобы отменить оператор, - это знания о том,
в каких обстоятельствах неприменим предложенный оператор.
Знания, необходимые для того, чтобы оценить оператор, - это знания о
дополнительных обстоятельствах, которые позволяют предпочесть какой-либо
один из предложенных операторов по сравнению с некоторым другим.
Знания, необходимые для того, чтобы применить оператор, - это знания о
действиях, которые должны быть выполнены, когда применяется некоторый
оператор.
Знания, необходимые для того, чтобы распознать успех в применении
оператора, - это знания о том, как определить, решена ли текущая подзадача.
И, наконец, знания, необходимые для того, чтобы распознать неудачу, - это
знания о том, как определить, что процесс решения текущей подзадачи зашел в
тупик.
Процесс решения каждой подзадачи состоит в одно- или многократном
осуществлении следующей последовательности из семи шагов.
ШАГ 1* Выбор операторов-кандидатов на исполнение.
Используются знания вида "предложить__оператор" и "отменить_оператор".
Результатом шага является исчерпывающая совокупность применимых к
текущей ситуации операторов.
ШАГ 2. Исключение заведомо худших операторов.
Используются знания о безусловной предпочтительности операторов.
ШАГ 3. Оценка оставшихся операторов.
Используются знания вида "оценить_оператор". Сравниваются все
возможные пары операторов. В каждой паре выбирается наиболее подходящий.
34

ШАГ 4* Случайный выбор единственного оператора.
Бели в результате выполнения шага 3 осталось более одного оператора -
кандидата на исполнение, то случайным образом выбирается единственный.
ШАГ 5. Выполнение действий, связанных с оператором.
Используются знания вида "применитьоператор". Бели оператор не
ссылается на другие проблемные пространства, то выполняются соответствующие
действия. В противном случае текущим становится указанное в операторе другое
проблемное пространство, работа в котором начинается с шага 1.
ШАГ 6. Конец.
Используются знания вида "распознать_успех" и "распознать_неудачу"
Если установлен любой из этих вариантов завершения решения текущей подзадачи,
то управление возвращается в родительское проблемное пространство на шаг 5.
ШАГ 7. Повторение. Осуществляется возврат на шаг 1.
На рис. 10 показана архитектура системы SEAR. "Интервьюер" получает
предметные знания от эксперта или инженера знаний и запоминает их в
промежуточном представлении. "Генератор правил" преобразует промежуточное
представление в правила на языке OPS5.
Эксперт / инженер знаний
Рис. 10. Архитектура системы SEAR
35

Знания о рассмотренных выше ролях знаний и методе решения задач
конфигурирования встроены в SEAR и позволяют этой системе автоматически
дополнять информацию, введенную пользователем. Процесс дополнения рассмотрим
на примере знаний "отменить_оператор" и "применить_оператор".
Для этих видов знаний генератор правил построит правила
соответствующих типов. Любое правило , сгенерированное SEAR, содержит условия и
действия. С условиями могут сопоставляться объекты, определенные посредством пар
"атрибут - значение". Действия создают или модифицируют объекты.
Левая часть правила отмены оператора содержит: тип правила ("отме-
нить__оператор"), описание отменяемого оператора и обычно три - четыре
условия, задающие ситуации, в которых применение оператора нецелесообразно. В
правой части такого правила указывается единственное действие "пометить
оператор как отмененный" и причина отмены оператора.
Правила для применения операторов устроены несколько иначе. В левой
части таких правил указывается тип правила и условия (как минимум, три -
четыре), описывающие тот объект, к которому должны применяться действия,
указываемые в правой части. Действий может быть более одного.
Для формирования правил любых типов SEAR нужно знать название
проблемного пространства, к которому должно быть отнесено правило, и тип
правила. Для правил отмены оператора SEAR запрашивает всегда формулировку
причины отмены, а для правил применения оператора - необходимые действия. То,
какая еще информация нужна системе, зависит от проблемного пространства
(т.е. от подзадачи).
Например, если проблемное пространство есть "включение модуля в
конфигурацию", то для формирования правила отмены оператора SEAR запрашивает
сначала атрибуты модуля, учитываемые при принятии решения об отказе
включать модуль в конфигурацию. Затем пользователь должен сформулировать
ограничения, которым должны удовлетворять эти атрибуты. В результате по
следующей, например, информации:
Проблемное пространство: включение модуля в конфигурацию Роль: отме-
нить_оператор Атрибут: допустимо 6 входов Ограничение: количество входов
Причина: количество входов больше, чем допустимо
SEAR создает правило:
ЕСЛИ активное проблемное пространство есть "включение модуля в
конфигурацию" И модуль предложен И он требует больше 6 входов, находящихся на
обрабатываемой в данный момент задней панели,
ТО следует отказаться от идеи включения этого модуля в конфигурацию,
т.к. количество входов больше, чем допустимо.
Для правил типа "применить_оператор", если, например, пользователь ввел
следующую информацию:
Проблемное пространство: конфигурирование панели
Роль: применить_оператор
36

Атрибут: позиция в контейнере
Контейнер: текущий, то SEAR создаст следующее правило:
ЕСЛИ активное проблемное пространство есть конфигурирование панели И
панель выбрана И существует элемент, который описывает отношение между
панелью и контейнером, но контейнер еще не идентифицирован И существует
контейнер, заполняемый в данный момент, И известно положение следующей
панели, помещаемой в этот контейнер, И панель еще не связана с контейнером
ТО увеличить значение позиции следующей панели в контейнере И указать,
что данная панель связана с контейнером И дополнить элемент, описывающий
отношение между данной панелью и контейнером.
5. Системы OPAL и KNACK
Система OPAL. Система приобретения знаний OPAL [Fagan et al -1985,
Musen et al - 1986,1987, Walton et al -1987] была создана в начале 80-х годов в
Станфордском университете. Эта система обеспечивает формирование и
наращивание базы знаний для ЭС ONCOCIN, дающей советы по лечению
онкологических больных.
Задача, решаемая ЭС ONCOCIN, состоит в том, чтобы на основе результатов
обследований пациента и с учетом ранее проведенного лечения рекомендовать
наиболее подходящее продолжение лечения этого пациента. Описание способа
лечения называется в онкологии протоколом. Оптимальные способы лечения
онкологических больных неизвестны. Каждый протокол соответствует одному из
возможных подходов к лечению. В протоколе могут быть указаны различные
режимы лечения и условия выбора режимов в зависимости от объективных
показателей или случайным образом. Режим может включать в себя комбинацию
химических (лекарственных) и радиологических воздействий на пациента. В
описании режима фиксируются виды лекарств, их допустимые сочетания, дозы,
длительность и цикличность приема, а также лабораторные исследования,
необходимые для контроля за состоянием пациента, и действия в случаях изменений
в состоянии пациента.
Система приобретения знаний OPAL основана на детально проработанной
модели медицинских знаний, используемых врачами-онкологами для
рекомендации лечения. Выделены девять типов знаний [Walton et al - 1987]: 1) схема
лечения (порядок и длительность режимов лечения); 2) критерий выбора
протокола; 3) химиотерапия (описание комбинаций лекарств, назначаемых в том или
ином режиме, их дозировка); 4) радиотерапия (локализация и дозировка
радиотерапии ); 5) изменения в составе крови, требующие модификации дозировки
лекарств; 6) негативные реакции на лечение, выявленные путем лабораторных
исследований (отличные от изменений в составе крови); 7) другие отрицательные
последствия проводимого лечения, требующие модификации дозировки
лекарств; 8) перерыв или прекращение лечения; 9) лабораторные исследования,
37

необходимые для обнаружения токсичности лечения и для сохранения истории
течения болезни.
Эти типы медицинских знаний связаны в иерархическую структуру,
показанную на рис 11. Отношением, связывающим типы знаний, является в данном
случае отношение 'определяется после", важное для организации процесса
приобретения знаний. Так, например, знания об изменениях в дозировке лекарств
(тины 5,6,7) должны определяться после того, как полностью описаны лекарства
(знания типа 3).
В системе OPAL для ввода каждого типа знаний разработан специальный
графический интерфейс, учитывающий то, как в ПО принято фиксировать
соответствующие знания.
Для записи схемы лечения онкологи используют графическую форму
диаграммы переходов с условиями на дугах. В системе OPAL ввод таких знаний
осуществляется с помощью визуального языка программирования. Схема лече-
Рис. 11. Иерархия категорий знаний в ПО
"назначение лечения онкологическим больным"
38

ния (схема протокола) создается как программа на этом языке. Пример такой
программы, взятый из [Musen et al -1986], приведен на рис 12. Возможности
визуального языка программирования будут несколько позже рассмотрены
подробно.
Для ввода знаний о том, как именно нужно модифицировать стандартные
дозировки лекарств в зависимости от состояния пациента (типы знаний 5,6,7) в
системе OPAL предусмотрены специальные графические формы. Эксперт
заполняет их или указывает на подходящие элементы. Эти формы похожи на типичные
бланки, заполняемые врачом при описании проведенного лечения, поэтому за-
Рис. 12. Пример схемы протокола, созданной с помощью системы
OPAL.
39

Рис. 13. Фрагмент формы для ввода знаний об изменении
дозировки в зависимости от состава крови
полнение таких форм с помощью системы OPAL не представляет трудностей для
онколога. Другим типам знаний также соответствуют свои графические формы.
Фрагмент формы приведен на рис. 13. Здесь эксперт указывает, что если
количество лейкоцитов ^3500 и количество тромбоцитов находится в интервале [ 100000
-150000], то пациенту должна быть назначена дозировка лекарства
PROCARBAZINE (компонент комбинации РОСС), составляющая 75% стандартной
дозировки (СТД).
Проводя диалог с экспертом, OPAL руководствуется иерархией типов
знаний, приведенной на рис. 11. Эксперт должен сначала сформировать визуальную
программу, описывающую схему лечения. Затем OPAL предложит ему формы
для описания лекарств. Только после того, как эксперт введет описание
лекарства, он сможет начать заполнять форму, подобную показанной выше (см. рис. 12,).
Рассмотрим, какие средства предоставляются в системе OPAL
эксперту-онкологу для ввода схем протоколов в виде, подобном показанному на рис. 11.
В распоряжении эксперта имеются следующие операторы: START, STOP,
STRATIFY, RANDOMIZE, XRT, CHEMO, DECIDE, REPEAT, CONCURRENT,
WAIT, SUBSCHEMA. Каждый оператор графически представляется в виде
прямоугольника, в который вписано название оператора. Эксперт строит схему
протокола, указывая "мышью" нужный ему оператор в меню операторов.
Соответствующий оператор становится текущим узлом диаграммы. Рассмотрим
назначение каждого оператора.
Операторы START и STOP обязательно должны открывать и,
соответственно, замыкать схему протокола. В противном случае система OPAL сообщит о
синтаксической ошибке.
Оператор STRATIFY используется, если в данной точке схемы возможны
ветвления, соответствующие различным режимам лечения. Выбор режима
производится случайным образом; возможные режимы указываются в операторе
40

RANDOMIZE. В примере на рис. 12 операторы STRATIFY и RANDOMIZE
использованы трижды.
Оператор XRT используется, если необходимо указать, что в описываемом
режиме пациенту должна быть назначена радиотерапия.
Оператор СНЕМО используется для указания химиотерапевтических
воздействий. При выборе этого оператора эксперт должен указать, какую именно
комбинацию лекарств необходимо назначить пациенту. Эксперт может указать
комбинацию, имеющуюся в меню, либо ввести название новой. Обычно название
каждой такой комбинации составляется из первых букв названий, входящих в
комбинацию лекарств. В примере на рис. 12 использованы комбинации лекарств
VAM, РОСС, PCI, CAVP, СсОМ.
Оператор DECIDE позволяет указывать такие моменты в схеме протокола,
когда необходимо проверить состояние пациента, и дальнейшее лечение
проводить в зависимости от результатов проверки. Применяя этот оператор, эксперт
должен сослаться по имени на условие, в котором в качестве параметров
выступают результаты обследования пациента. Условия задаются при заполнении
графических форм-бланков. В примере на рис. 12 оператор DECIDE использован
дважды в описании режима В, в частности, указано условие
что означает необходимость проверки состояния пациента для получения
значения условия, обозначенного как CR (Complete Response - полный ответ).
Оператор REPEAT используется, если необходимо указать циклы в
лечении. Выбрав этот оператор, эксперт должен указать те вершины в графическом
представлении схемы, которые соответствуют повторяемым лечебным
воздействиям. Кроме того, эксперт должен указать условия выхода из цикла или
количество повторений цикла. Повторяемые лечебные воздействия в схеме протокола
показываются в дополнительной прямоугольной рамке. В схеме протокола на рис.
12 имеются четыре цикла.
Оператор CONCURRENT используется, если необходимо параллельно
осуществлять различные лечебные воздействия. Выбрав этот оператор, эксперт
изображает с помощью "мыши" прямоугольную рамку и указывает параллельные
лечебные воздействия, помещая их внутрь этой рамки. Синхронизация
параллельных лечебных воздействий может быть обеспечена с помощью оператора
приостановки лечения WAIT. Выбрав этот оператор, эксперт должен указать
условие, при выполнении которого возможно продолжение приостановленного
лечения.
41

Оператор SUBCHEMA играет роль "графической подпрограммы". Он
используется в тех случаях, когда вводимая схема слишком велика для
расположения на одном экране. Выбрав этот оператор, эксперт получает возможность
описать фрагмент схемы подробно и затем вернуться на верхний уровень описания.
Схемы протоколов и заполненные формы транслируются системой OPAL во
внутреннее представление БЗ ЭС ONCOCIN. Этот процесс осуществляется без
участия пользователя. По схемам протоколов порождаются диаграммы
переходов, называемые генераторами; по формам-бланкам порождаются правила
продукций, присоединяемые к соответствующим состояниям в диаграмме.
Система приобретения знаний OPAL реализована на ЛИСП-машине серии
1100 фирмы XEROX.
Система KNACK. Система KNACK [Klinker et al -1987,1988] создана в
конце 80-х годов в университете Carnegie Mellon. Она представляет собой
ориентированный на экспертов в ПО инструмент для создания ЭС, помогающих
оценивать и улучшать различные виды проектов.
Единственными знаниями, изначально встроенными в систему KNACK,
являются знания о процессе оценки проектов вообще, т.е. независимо от
конкретного содержания проектов. Все остальные знания приобретаются системой KNACK
путем диалога с экспертом и путем анализа документов, называемых отчетами.
Отчет описывает процесс оценки какого-либо конкретного проекта.
Приобретение знаний, необходимых для оценки проектов определенного
класса, система KNACK осуществляет в два этапа (см. рис. 14). Первый этап - это
настройка на класс проектов. На этом этапе система KNACK с помощью эксперта
создает предварительную модель ПО. Следующий этап - создание полной модели
ПО, отражающей все структурные и функциональные свойства ПО, важные для
оценки проектов выделенного класса. На этом этапе система KNACK существенно
использует предварительную модель ПО. Фактически после осуществления пер-
Рис. 14. Два этапа приобретения знаний в системе KNACK
42

в о го этапа приобретения знаний эксперт имеет дело со специализированной
предметно-ориентированной системой, которая подобно системе OPAL ведет
извлечение знаний, руководствуясь моделью ПО.
Рассмотрим, что же представляют собой те знания, с помощью которых
система KNACK способна настраиваться на оценку проектов того или иного
класса. Сначала разберемся, как задача оценки проектов ставится авторами системы
KNACK.
Стандартной ситуацией, в которой возникает необходимость в оценке
проекта, является ситуация, когда несколько разработчиков создают один проект,
причем каждому из них известно только подмножество тех ограничений, которым
должен удовлетворять проект в целом. Поскольку создание сложного проекта -
дело трудное, требующее участия многих разработчиков, то такая ситуация
является гораздо более типичной, чем та, которая предполагается в системе SALT:
один разработчик знает все ограничения на создаваемый проект. Пусть,
например, создается проект сложного электронного устройства, в состав которого
входит механическая подсистема. Разработчик этой подсистемы предлагает ее
проект, но при этом он в силу специфики своих знаний не может учесть
ограничения, вытекающие из условий функционирования этой подсистемы в требуемом
окружении. Необходимо оценить проект механической подсистемы с точки
зрения ее совместимости со средой функционирования. Оценка проекта состоит в
проверке того, удовлетворяют ли параметры предложенного проекта
ограничениям, накладываемым средой. При нарушении ограничений необходимо
осуществить коррекцию параметров проекта.
Итак, задача оценки проектов состоит из двух подзадач, первая из которых
аналитическая, а вторая конструктивная. Первая подзадача заключается в
проверке того, будет ли спроектированная подсистема правильно функционировать
в заданной среде. Вторая подзадача имеет место, если необходимо изменить
проект с учетом условий функционирования.
Предметно-независимое представление о задаче оценки проектов,
встроенное в систему KNACK, сформулировано с помощью таких понятий, как проект,
подсистема проекта, проектное свойство подсистемы, параметры, среда, элемент
среды, свойство элемента среды. Отношения между этими понятиями схематично
показаны на рис. 15.
Всякий проект имеет структуру: он состоит из отдельных подсистем. Каждая
подсистема характеризуется некоторым требуемым свойством (свойствами).
Свойство может описываться совокупностью параметров. Аналогично, среда
состоит из элементов среды, каждый из которых также характеризуется некоторым
требуемым или заданным свойством. На свойствах подсистем проекта и
элементов среды определяется критерий оценки проекта как совокупность ограничений.
Некоторые подсистемы могут отличаться тем, что от них зависят параметры и
свойства других подсистем и элементов среды. Знания о таких зависимостях
43

Рис. 15. Предметно-независимое представление
задачи оценки проектов, встроенное
в систему KNACk
(стрелки с пометкой "влияет" на рис. 15) необходимы для выработки
предложений по устранению нарушений ограничений.
Система KNAC К использует это обобщенное предметно-независимое
представление о задаче оценки проектов для проведения диалога с экспертом по
построению предварительной модели ПО. Эта модель имеет структуру, подобную
показанной на рис. 15, но ее компонентами являются конкретные понятия,
относящиеся к выбранному классу проектов в конкретной ПО.
Использование обобщенного представления о задаче оценки проектов
осуществляется в системе KNACK в форме вопросов к эксперту. Типичный вопрос
выглядит следующим образом: "Как Вы ссылаетесь на различные подсистемы
проекта?". Ответ на этот вопрос вводит термины, являющиеся конкретными
примерами понятия "подсистема проекта". Так, когда KNACK использовалась для
создания ЭС, помогающей согласовывать спецификации проектируемого
программного обеспечения с условиями его будущей эксплуатации в некоторой
компании, то эксперт описал проект в терминах функций, их внешних и внутренних
входных данных и выходных данных. Среда определялась структурой компании
и видами ее деятельности, Ограничения на проект были заданы с учетом того, что
разрабатываемое программное обеспечение должно обрабатывать те данные, ко-
44

торые создаются в результате деятельности различных элементов среды. В
качестве элементов среды могут выступать другие используемые компанией
программные системы. Требования их совместимости с проектируемой системой так же
порождают совокупность ограничений.
Итак, на первом этапе приобретения знаний KNACK интервьюирует
эксперта и выясняет, с помощью каких понятий от описывает проект и среду.
Устанавливается не только используемый термин - имя понятия, но и нужные с точки
зрения эксперта характеристики. Например, для понятия "входные данные" это
могут быть такие характеристики, как объем, формат, надежность.
Второй этап приобретения знаний в системе KNACK начинается с анализа
отчета. Напомним, что отчет - это описание процесса оценки одного конкретного
проекта. Отчет поступает на вход системы KNACK в виде текстового файла. С
какой целью проводится анализ отчета? Во-первых, из отчета извлекаются
знания, позволяющие развить и уточнить структурную модель ПО, построенную на
первом этапе приобретения знаний. Во-вторых, анализ отчета позволяет
расширить структурную модель ПО путем добавления функциональных знаний. Под
функциональными знаниями понимаются способы, с помощью которых
создаваемая ЭС сможет получать конкретные сведения об анализируемом проекте. В
KNACK такие знания называются стратегиями. Возможные виды стратегий:
вычисление конкретных значений по формулам; поиск значения в базе данных;
заполнение заранее заготовленных форм или таблиц; выбор в меню; ответ на
вопрос; интерпретация графического изображения.
Рассмотрим, как KNACK работает с отчетом. Сначала отчет разбивается на
фрагменты, называемые параграфами. Выделяя параграф, KNACK использует
предварительную модель ПО: параграф - это такая часть текста отчета, в которой
содержится информация, относящаяся к одному понятию или характеристике
понятия из модели ПО. Затем система KNACK начинает обобщение каждого
параграфа отчета и его объединение с моделью ПО. Обобщение состоит в замене
переменными конкретных объектов, упоминаемых в отчете.
Для того, чтобы объединить обобщенный параграф с моделью ПО, KNACK
использует следующую технику. Вместо переменных подставляются имена и
характеристики понятий, взятые из модели ПО. Эксперту демонстрируются
получающиеся при этом предложения. Он имеет возможность отредактировать все,
что считает нужным. Если эксперт согласен с формулировкой, предложенной
KNACK, то соответствующая информация добавляется в модель ПО.
Подобным образом KNACK извлекает знания о том, как создаваемая ЭС
должна собирать данные об оцениваемом проекте. Эти знания также добавляются
в модель ПО. Расширенная таким образом модель ПО автоматически
транслируется в программу на языке OPS5.
45

Искусственный интеллект в бывшем СССР
А.И.Галушкин
О РАБОТАХ ПО НЕЙРОКОМПЬЮТЕРАМ В
НАУЧНОМ ЦЕНТРЕ НЕЙРОКОМПЬЮТЕРОВ
РОССИЙСКОЙ АКАДЕМИИ НАУК
Основное отличие нейрокомпьютеров от других типов машин заключается в
том, что алгоритмы решения задач и выполнение отдельных операций в них
представляются в нейросетевом логическом базисе, т.е. в виде нейронной сети
определенной структуры с определенным алгоритмом настройки в процессе
решения задачи. Это является основной предпосылкой резкого увеличения
производительности нейрокомпьютеров при выполнении отдельных задач по
сравнению с другими типами высокопараллельных вычислительных систем, в том числе
и транспьютерными.
Основные направления работ по созданию нейрокомпьютеров
Работы в области нейрокомпьютеров ведутся во всем мире (в том числе в
России) в течение более чем трех десятилетий [ 1 -49]. Многие работы в области
нейронных сетей не только не устарели, но и имеют важное значение в настоящее
время. Разработки конкретных образцов нейрокомпьютеров резко
активизировались в последние годы в результате развития полупроводниковой технологии и
появления принципиально новых физических принципов реализации элементов
и фрагментов нейронных сетей. Так как появилась возможность физической
реализации нейронных сетей с большим числом нейронов, то резко
активизировались работы в области нового раздела вычислительной математики (нейрома-
тематики) методов и алгоритмов решения задач в нейросетевом базисе. Структура
организации работы в области нейрокомпьютеров, проводимых в настоящее
время в НЦН РАН представлена на рисунке 1.
46

Работы в области теории нейронных сетей
Нейронные сети являются формальным аппаратом для описания алгоритмов
решения разнообразных задач. Количество работ и различных подходов к
описанию и использованию нейронных сетей невелико. В работах НЦН РАН
используется подход к синтезу многослойных нейронных сетей, развиваемый с середины
60-х годов и описанный в [32,37]. Здесь нейронная сеть, адекватная по структуре
и параметрам выбранной для решения задачи, рассматривается как многомерная
нелинейная система с некоторым алгоритмом настройки параметров, в процессе
функционирования которого формируется решение задачи.
Достаточно общий алгоритм синтеза нейронных сетей различной
структуры, одно-, двух- и многослойных нейронных сетей с последовательными связями,
нейронных сетей с перекрестными, обратными или случайными связями. Подход
к синтезу нейронных сетей является единым для различных режимов работы
(обучение, самообучение, обучение с учителеменк). Методика синтеза
многослойных нейронных сетей распространена на такой важный класс нейронных
сетей, как континуальные нейронные сети, т.е. нейронные сети с бесконечным
числом нейронов, признаков или слоев нейронов.
Разработанные методы анализа и синтеза структуры нейронных сетей,
адекватных задачам, а также алгоритмам адаптации для них, являются
идеологической основой нейроматематики.
Рис. 1. Структура организации работы в области нейрокомпьютеров
47

Введение нейросетевого базиса в алгоритмы решения задач требует
самостоятельного рассмотрения методов структурной диагностики и анализа нейронных
сетей.
По разделу Теория нейронных сетей" на международном Ростовском
симпозиуме 1992 года были представлены работы НЦН РАН по трем направлениям:
- формальные методы анализа и синтеза структуры разомкнутых нейронных
сетей;
- алгоритмы настройки в нейронных сетях;
- анализ свойств, в том числе динамики нейронных сетей в процессе
решения задач.
Доклад Галушкина Л.И. "Континуальные нейронные сети" является
развитием работы [32], в которой впервые была введена математическая модель
нейронных сетей с континуумами признаков, нейронное в слое и числа слоев.
Доклад Галушкина А.И. и Шмида А.В. "Оптимизация структуры
многослойных нейронных сетей с перекрестными связями" посвящен частному виду
структур нейронных сетей, детально исследованных еще в работах [1, 37], а
именно нейронным сетям с перекрестными связями. Введение перекрестных
связей в нейронных сетях приводит к резкому уменьшению числа нейронов при
некотором увеличении числа весовых коэффициентов и при сохранении
вычислительных возможностей нейронной сети. Доклад посвящен анализу и синтезу
нейронных сетей с перекрестными связями различной структуры, решению
оптимизационных задач сетей по различным критериям, определяемым
сложностью реализации.
Основной целью работы является построение нейронных сетей с структурой,
оптимальной с точки зрения взаимоотношения числа нейронов и связей. Эта
проблема весьма актуальна при реализации нейронных сетей в виде СБИС, где
на реализацию весовых коэффициентов и нейронов тратятся известные ресурсы.
Доклад Грачева JI.B, и Резницкого И.В. "Синтез систем распознавания
образов с переменной структурой на базе трехслойных нейронных сетей"
представляет результаты работ НЦН РАН по разработке эффективного пакета
программ обучения нейронных сетей распознаванию образов.
Работа алгоритма заключается в последовательном обучении нейронов 1 -го
слоя нейронной сети до достижения системой заданной вероятности ошибки
распознавания, а затем в расчете весовых коэффициентов нейронов 2-го и 3-го слоя.
Нейронная сеть наращивает свою структуру в процессе настройки.
Алгоритм эффективно работает при сложных многомодальных функциях
распределения образов, принадлежащих различным классам.
В докладе представлены как описание самого алгоритма, реализованного на
персональной ЭВМ, так и результаты некоторых экспериментальных исследований.
В докладе Грачева JI.B. и Симорова С.Н. "Статистические исследования
нейронных сетей" описываются два возможных направления исследований
трехслойных нейронных сетей с переменной структурой, применяемых для распозна-
48

вания образов. Первое направление - минимизация размерности пространства
признаков, второе - определение допустимого разброса весовых коэффициентов,
определяющего класс точности электрических характеристик элементной базы,
применяемой для реализации нейронной сети.
В докладе представлены алгоритм минимизации размерности пространства
признаков и методика определения класса точности. Представлены результаты
эксперементальных исследований.
В докладе Герасимовой А.В. и Грачева Л.В. "К вопросу о
представительности обучающей выборки для передигмы нейронных сетей с переменной
структурой" обсуждается вопрос о классификации задач распознавания образов по
способу получения обучающей выборки с возможностью ее математического
моделирования. Приведен алгоритм моделирования обучающей выборки и
результаты его экспериментальных исследований, показавшие высокое качество работы
алгоритма.
О роли нейрофизиологии в создании нейрокомпьютеров
Каждая новая технология рождает новый класс архитектур вычислительных
средств. Так было с архитектурой ОКМД в конце 70-х - начале 80-х годов с
архитектурой МКМД в начале-середине 80-х годов. Тоже сейчас происходит с
нейрокомпьютерами.
Проведение работ по изучению структуры реальных нейронных сетей и по
молекулярным ЭВМ приведет к появлению новых архитектурных прототипов
потому, что технологические принципы реализации и эволюции живых
нейронных сетей и молекулярные принципы коренным образом отличаются от
применяемых в настоящее время принципов реализации нейронных ЭВМ на СБИС и
оптических элементах.
На наш взгляд, изучение структуры живых нейронных сетей практически
бессмысленно без наличия программных средств обработки цитологических
изображений со специализированными программными средствами, позволяющими
не только быстро и качественно вводить реальные изображения срезов нейронных
тканей, но и проводить нейронную обработку их изображений.
В настоящее время разработчики нейрокомпютеров не чувствуют реальных
ограничений используемых нейронных структур, вследствии их относительной
простоты или простоты решаемых задач. Увеличение требований к сложности
используемых нейронных структур потребует развития нейрофизиологического
их исследований, и в первую очередь это произойдет для различного рода
применений, связанных с обработкой зрительной и слуховой информации.
49

Разработка нейросетевых алгоритмов решения задач
Разработка нейросетевых алгоритмов решения задач - нейроматематика
является важнейшим необходимым этапом создания современных
нейрокомпьютеров. Общий подход эффективно применялся в течение многих лет для решения
задачи распознавания образов - частной задачи аппроксимации функций многих
вещественных переменных, принимающей конечное множество значений.
Попытки расширить класс задач, решаемых с помощью нейросетевых
алгоритмов, делались еще в 60-е и 70-е годы. Эти попытки касались реализации
операций обращения матриц, двоично - десятичного преобразования и некоторых
других операций. Однако они не были достаточно успешными вследствии
ограничений технологической базы реализации нейронных сетей.
80-е годы стали рубежом резкого развития технологии реализации
нейронных сетей. Каждый раз, когда в истории развития вычислительной техники
происходил переход к новой архитектуре компьютеров с потенциально большой
производительностью, развивался соответствующий раздел вычислительной
математики, адекватный этой новой архитектуре. Развитие нейрокомпьютеров, как
универсальных суперпроизводительных вычислительных машин также приводит
к необходимости создания нового раздела вычислительной математики,
посвященного алгоритмам и методам решения различных математических задач в
нейросетевом базисе.
Развиваемый в связи с этим в НЦН РАН подход позволяет разработать
эффективные нейросетевые алгоритмы решение таких задач, как:
- задачи сортировки;
- обработка сигналов и изображений;
- распознавание образов;
- решение обыкновенных дифференциальных уравнений и
дифференциальных уравнений в частных производных.
Нейросетевые алгоритмы решения задач являются эффективными при
большой размерности решаемых задач, эффективным средством преодоления
"проклятия размерности".
Эффектная реализация нейросетевых алгоритмов требует разработки
структур нейрочипов, адекватных нейросетевому алгоритму, что является одним из
результатов работ по данному этапу.
Предполагается, что расширение круга работ по созданию нейросетевых
алгоритмов решения различных важных задач создает объективную основу для
разработки проблемно - ориентированных нейрокомпьютеров, таких, как
например супернейрокомпьютеры Навье-Стокса, нейрокомпьютеры обработки
изображений, сигналов, управления роботами, сопровождения многих целей и других с
реализацией их на проблемно-ориентированных нейрочипах.
50

Работы по нейроматематике ведутся сотрудниками НЦН РАН, совместно с
институтами РАН и учебными вузами. Сформирован вариант программы работ
по проблеме "Прикладная нейроматематика" в рамках институтов РАН.
На международный Ростовский симпозиум были представлены восемь
докладов сотрудников НЦН РАН в области нейроматематики.
Доклад Галушкина А.И., СудариковаВ.А., Шабанова Е.В.
"Нейроматематика"- методы и алгоритмы решения задач на нейрокомпьютерах" представ-
ляет собой изложение подхода к общей методологии решения задач в нейросе-
тевом базисе. При данном подходе нейронная сеть представляется частным
случаем многомерной нелинейной адаптивной системы, формирование
динамики которой и есть формирование алгоритма решения задачи. В докладе даны
основные определения и методика решения задач в нейросетевом базисе»
Дальнейшие доклады представляют иллюстрацию общей методики,
описываемой в данном докладе для решения отдельных задач.
В докладе Галушкина А.И., Сударикова В.А. "Адаптивные нейросетевые
алгоритмы решения задач линейной алгебры" излагаются нейросетевые
алгоритмы решения двух задач линейной алгебры. Алгоритмы строятся без применения
традиционных структур нейронных сетей, связанных с известными нейросетевы-
ми парадигмами, а формируются непосредственно из постановки задачи.
Доклад Сударикова В.А, "Адаптивные нейросетевые алгоритмы решения
задач линейной алгебры" является продолжением и конкретезацией предыдущего
доклада* В докладе приводится методика оценки эффективности решения систем
линейных уравнений и систем линейных неравенств, вычисляемая в виде
количества операций умножения, сложения и деления в зависимости от размерности
решаемой задачи. Приведено сравнение в этих показателях метода Гаусса и
предлагаемых нейросетевых алгоритмов.
В докладе Сударикова В, А. "Об одном подходе к построению нейросетевых
алгоритмов аппроксимации функций вещественного аргумента" описывается
параллельный нейросетевой алгоритм аппроксимации функций вещественного
аргумента (в основном, таких представляющих интерес функций, как 1/х, ех и
т.п.).
Доклад Тарасова Ю.А. "Синтез нейронной сети, реализующей операцию
сложения двух многоразрядных чисел" представляет метод построения
нейронных сетей с фиксированными весовыми коэффициентами для реализации
операций сложения двоичных чисел. Отмечается наличие проблемы точности
представления весовых коэффициентов при большой разрядности слагаемых.
Результаты могут быть использованы при построении специализированных
вычислительных устройств, а также фрагментов нейрочипов.
В докладе Логовского А* С. "Методы решения дифференциальных уравнений
в нейросетевом базисе" рассмотрено несколько новых методов решения
обыкновенных дифференциальных уравнений первого порядка, предназначенных для
реализации в нейросетевом базисе. Описан также метод решения дифференци-
51

ального уравнения на сети Хопфилда и итерационный метод решения
дифференциального уравнения. Развиваемые в докладе методы имеют значение для
разработки нейросетевых контроллеров сверхвысокой производительности.
Доклад Савушкина С. А. *'Нейросетевые экспертные системы44 посвящен
разработке экспертных систем с нейросетевой структурой, в которых процесс
принятия решений формируется нейронной сетью, обучаемой на
экспериментальном материале подобно тому, ак это делается в случае задачи распознавания
образов. Приводится описание известных и оригинальных нейросетевых экперт-
ных систем.
В докладе Галушкина А.И., Корнева Ю.П. чч Нейросетевые алгоритмы сор-
тировки" представлены несколько оригинальных алгоритмов сортировки чисел,
осуществляемы нейронными сетями. Алгоритмы делятся в основном на три части:
- адаптивные алгоритмы, в которых процедура сортировки сводится к
адаптивной настройке нейронной сети, входом которой являются исходные данные ,
а выходом отсортированные;
- нейросетевые алгоритмы, реализующие сортирующие нейронные сети с
фиксированными весовыми коэффициентами;
- известные нейронные сети типа сети Хопфилда, приспособленные для
решения задач сортировки.
Разработка СБИС нейрочипов
Эра нейрочипов, войдет в пору расцвета тогда, когда достаточно широко
развернутся работы по созданию универсальной и специлизированной под классы
задач или конкретные задачи элементной базы нейрокомпьютеров. Именно тогда
будет достигнута максимальная производительность при решении задач,
алгоритмы которых представлены в нейросетевом базисе.
В настоящее время реализуется попытка создать универсальный
каскадируемый нейрочип с перестраиваемой пользователем разрядностью операндов, пред-
назначенны для эффективной реализации широкого круга нейросетевых
алгоритмов. Оригинальная структура нейрочипа позволяет строить наращиваемые
поля обрабатывающих элементов без применения дополнительных элементов для
их соединения. Разработка универсального каскадируемого нейрочипа
проводится в заказном и полузаказном вариантах. Опыт разработки универсального
цифрового каскадируемого нейрочипа позволит создать научно-технический задел
для будущих разработок проблемно - ориентированных и специлизированных
цифровых нейрочипов.
Перспективным является переход в нейрокомпьютерах к аналоговой
обработке, что резко повышает их производительность по сравнению с цифровой
реализацией. Однако это возможно только в тех случаях , когда нейросетевой
алгоритм решения конкретной задачи позволяет использовать операнды с
достаточно точной степенью представления.
52

Изучаются и следующие направления развития элементной базы
нейрокомпьютеров:
- оптические нейрокомпьютеры,
- нейрокомпьютеры с реализацией на пластине,
- нейрокомпьютеры на элементах квантовой электроники,
- молекулярные нейрокомпьютеры.
На международном Ростовскм симпозиуме были представлены два доклада
по элементной базе нейрокомпьютеров.
Доклад Галушкина А.И., Кирсанова Д.В. "О разработке универсального
цифрового каскадируемого нейрочипа" дает информацию об архитектуре нейро-
чипа и средствах каскадирования, которые позволяют (подобно транспьютеру)
образовывать вычислительные системы большей производительности простым
соединением нейрочипов без применения дополнительных элементов. Описаны
варианты каскадирования нейрочипов при необходимости увеличения числа
входных каналов нейронной сети, количества нейронов при сохранении числа
входных каналов, а также при увеличении числа слоев нейронной сети.
Доклад Степанова М.В. "Разработка оптических нейрокомпьютеров"
представляет собой аналитический обзор развиваемых в мире разработок
оптических нейрокомпьютеров, их сравнение и выбор оптических технологий,
принятых для реализации в НЦН РАН.
Разработка нейрокомпьютеров
В НЦН РАН разработан универсальный нейрокомпьютер "Геркулес" на
отечественных БИС серии 1802 в одноплатном, двухплатном и четырхплатном
вариантах, а также в виде платы ПЭВМ.
В настоящее время формируется рынок сбыта нейрокомпьютеров
"Геркулес", а также реализуется вариант нейрокомпьютера в виде микросборки.
Законченной является разработка континуального нейрокомпьютера для
распознавания электрических сигналов по форме.
В процессе разработки находится высокопроизводительный
нейрокомпьютер на БИС серии Motorola 96002.
Делаются попытки наладить научно-технические и производственные
контакты с иностранными фирмами-производителями коммерческих нейрочипов с
целью организации совместных разработок нейрокомпьютеров, а также
системного, прикладного и программного обеспечения к ним.
В рамках создания конкретных образцов нейрокомпьютеров
разрабатывается программное обеспечение нейрокомпьютеров, состоящее из двух частей:
- единая операционная среда;
- специализированное программное обеспечение, ориентированное на
конкретную технологическую реализацию.
Единая операционная среда, в свою очередь, состоит из следующих частей :
53

- операционная система;
- инструментальные средства разработки программ нейрокомпьютеров;
- трансляторы со специальных языков программирования, являющихся
языками описания нейронных сетей;
- графические средства;
- библиотеки программ, включая программы, реализующие стандартные
нейросетевые парадигмы.
По разделу "Нейрокомпьютеры" НЦН РАН представил на международный
Ростовский симпозиум два доклада.
Доклад Галушкина А.И. "Нейрокомпьютеры и нейроматематика
(концепция развития)" представляет собой изложенные в виде тезисов основные
положения, принятые при разработке нейрокомпьютеров в НЦН РАН.
Рассматриваются свойства нейронных сетей, которые делают их основой создания
нейрокомпьютеров как вычислительных систем с массовым паралеллизмом. Описывается
место нейрокомпьютеров в ряду сверхвысокопроизводительных ЭВМ.
Отмечаются новые аспекты архитектуры, которые рождают нейрокомпьютеры, такие, как
форма представления чисел, методы оценки производительности. Описывается
тенденция развития элементной базы нейрокомпьютеров, инициированные ней-
росетевой архитектурой технологии реализации (налоговая, реализация на
пластине, биомолекулярная, оптоэлектронная).
Подчеркивается роль памяти в нейрокомпьютерах (причем, памяти с
организацией, иной чем в обычных одно- и многопроцессорных ЭВМ), а также роль
нейроматематики в развитии нейрокомпьютеров.
В докладе Грачева Л.В., Герасимовой А.В. "Нейрокомпьютеры для
распознавания образов на базе транспьютеров" описывается эффективная, с точки
зрения производительности, реализация нейрокомпьютера, предназначенного
для решения задач распознавания образов. Основная идея алгоритма изложена в
[32, 37]. В данном докладе представлен алгоритм для сети транспьютеров.
Экспозиция НЦН РАН на международном Ростовском симпозиуме
Транспьютерные системы являются предметом коммерческой поставки
через А/О "Трансборо", учредителям которого являются НЦН РАН,
Координационный центр вычислительной техники Болгарской Академии наук и два болгарских
предприятия "Проел" и "Парафлоу", специаизирующиеся на транспьютерных
системах и нейрокомпьютерах. Экспонировались и предлагались для продажи:
- транспьютерные платы для ПЭВМ (одно-, четырех- и десятитранспьютер-
ные);
- транспьютерные модули нескольких типов с материнскими платами для
ПЭВМ;
- транспьютерные комплексы на базе этих плат и ПЭВМ с системным
программным обеспечением;
54

- транспьютерная система APS-48 сверхвысокой производительности;
- проблемно-ориентированные транспьютерные системы;
- графическая станция.
Эти системы при реализации на них нейросетевых алгоритмов могут быть
мощными проблемно-ориентированными нейрокомпьютерами. Предметом
экспозиции являются также:
- нейрокомпьютер "Геркулес";
- континуальный нейрокомпьютер;
- нейропакет "Нейрон-Iм, предназначенный для изучения известных
нейросетевых парадигм на ПЭВМ.
Литература
Зарубежные издания по нейронным сетям и нейрокомпьтерам
1. F.Rosenblatt. Principles of neurodynamics. Spartan Book. Washington. 1962. Русск.
пер. Ф.Розенблатт. Принципы нейродинамики. - М.: Мир, 1964.
2. NJ.Nillson. Learning Machines. Mc. Graw-Hill Book Company. 1965. Русск. пер.
Н.Нильсен. Обучающиеся машины. - М.: Мир, 1967.
3. V.Dertouzos. Threshold logic. A synthesis approach. MIT Press. 1965. Русск. пер.
M. Дертоузос. Пороговая логика. - М.: Мир, 1967.
4. M.Minsky, S.Papert Perceptrons. An introduction to computational geometry. MIT
Press. 1969. Русск. пер. М.Минский, С.Пейперт. Персептроны. - М.: Мир,
1971.
5. T.Kohonen. Associative Memory: A System Theoretic Approach. Springer-Verlag.
1978. Русск. пер. Т.Кохонен. Ассоциативная память. - М.: Мир, 1980.
6. T.Kohonen. Content - Addressable Memories. Springer-Verlag. 1980. Русск. пер.
Т.Кохонен. Ассоциативные запоминающие устройства. - М.: Мир, 1982.
7. T.Kohonen. Self - Organization and Associative Memory. Springer-Verlag. 1984.
8. Neural Networks for Computing, Snowbird, 1986.
9. D.E.Rumelhart, J.L.McClelland. Parallel Distributed Processing. V.1,2. MIT Press.
1986.
10. R.J.MacGregor. Neural and Brain Modeling. Academic Press. 1987.
11. S.Grossberg (Ed.). The Adaptive Brain. V.1,2. 1987.
12. International Joint Conference on Neural Networks. ICNN-87, San-Diego. 1987.
13. Neural Information on processing systems. Denver. 1988 (ed. D.Z.Anderson).
14. International Joint Conference on Neural Networks. ICNN-88, San-Diego, v.l ,2.
15. T.Kohonen. Selforganization and associative memory Springer Verlag. 1989.
16.1.Aleksander (Ed). Neural Computing architectures. North Oxford Academic
Publishers Ltd, 1989.
17. International Joint Conference on Neural Networks. ICNN-89, San-Diego, v.l ,2.
18. LAleksander, H.Morton. An Introduction to neural computing. Chapman and Hall.
1990.
55

19. International Joint Conference on Neural Networks. ICNN-90, San-Diego, v.l ,2.
20. B.Muller, J.Reinhardt. Neural Networks. An Introduction. Springer-Verlag. 1990.
21. R.C.Eberhart, R.W.Dobbins (ed.). Neural Networks. PC Tools. A practical guide.
Academic Press. Int. 1990.
22. P.K.Simpson. Artificial Neural Systems. Pergamon Press. 1990.
23. International Joint Conference on Neural Networks. ICNN-90, Paris, v.l ,2.
24. International Joint Conference on Neural Networks. ICNN-90, Helsynki, v.l,2.
25. International Joint Conference on Neural Networks. ICNN-90, Seatle, v. 1,2.
26. International Joint Conference on Neural Networks. ICNN-90, Singapure, v.l ,2.
27. Ph Wasaerman. Neural Computing. Theory and Practice. Van Noetrand Reinold,
NY. Русое, пер. Ф.Уоссермен. Нейрокомпьютерная техника. -М.: Мир, 1992.
Отечественные работы по нейронным сетям и нейрокомпьютерам
28. Ф.Ф.Степанян, С.В.Архангельский. Построение логических схем на
пороговых элементах. Куйбышевское книжное иада-во, 1967. v. 1-4.
29. И.Б.Гутчин, А.С.Кузичев. Бионика и надежность. - М.: Наука, 1967.
30. И.В.Позин. Моделирование нейронных структур. - М.: Наука, 1970.
31. В.А.Батуков. Методы синтеза релейных устройствиз пороговых элементов. -
М.: Сов. радио, 1970.
32. А.И.Галушкин. Многослойные системы распознавания образов. - М.: МИЭМ,
1970.
33. Б.И.Вавилов и др. Синтез схем на пороговых элементах. - М.:Сов. радио, 1970.
34. Л.П.Крайзмер и др. Память кибернетических систем. - М.: Сов. радио, 1971.
35. Н.И.Пакулов и др. Мажоритарный принцип построения надежных узлов и
устройств ЦВМ. - М.: Сов. радио, 1974.
36. А.Г.Ивахненко. "ПерсептроньГ. - Киев: Наукова думка, 1974.
37. А.И.Галушкин. Синтез многослойных систем распознавания образов. - М.:
Энергия, 1974.
38. С.О.Мкртчян. Проектирование логических устройств ЭВМ на нейронных
элементах. - М.: Энергия, 1977.
39. А.И.Галушкин. Континуальные модели нейронных систем распознавания
образов. // Автоматика и вычислительная техника - 1977. - с. 43-48.
40. В.Л.Дунин-Барковсхий. Информационные процессы в нейронных
структурах. - М.: Наука, 1978.
41. А.А.Фролов, И.П.Муравьев. Нейронные модели ассоциативной памяти. - М.:
Наука, 1987.
42. А.А.Фролов, И.П.Муравьев. Информационные характеристики нейронных
сетей. - М.: Наука, 1988.
43. Дискуссия о нейрокомпьютерах. / Под ред. В.И.Крюкова. - Пушино, 1988.
44. А.Н.Горбань. Обучение нейронных сетей. - М.: СП "Параграф", 1990.
45. А.А.Веденов. Моделирование элементов мышления. - М.: Наука, 1988.
46. Итоги науки и техники. Сер. "Физ. и матем. модели нейронных сетей" / Под
ред. А.А.Веденова, - 1990-92-Т. 1 -5.
56

47. А.И.Галушкин, Ю.И.Фомин. Нейронные сети как линейные
последовательностные машины. - МАИ, 1991.
48.А.И.Галушкин, Э.Ю.Кирсанов. Нейронные системы памяти. 4.1,2. МАИ, 1991.
49. Транспьютерные и нейронные ЭВМ. / Под ред. В.К Левина и А.И.Галушкина
- Российский Дом знаний, 1992.
57

Искусственный интеллект за рубежом
ОРГАНИЗАЦИЯ ИССЛЕДОВАНИЙ ПО
НЕЧЕТКИМ СИСТЕМАМ В ЯПОНИИ
Ниже публикуются переводы трех статей по данной теме, выполненные
И.З.Батыршиным
Каору Хирота. Прошлая и настоящая деятельность
Японского нечеткого общества (СОФТ) (Kaoru Hirota. History and Current
Activity of Japanese Fuzzy Society (SOFT). - Joint Hungarian-Japanese Symposium on
Fuzzy Systems and Applications. Extended Abstracts, (ed. by L.T.Koczy and K.Hirota)
-Budapest, 1991, 16-18)
Японское нечеткое общество СОФТ (Японское общество нечеткой теории и
систем) (SOFT - Japan Society for Fuzzy Theory and Systems) образовано в июне
1989. Однако еще до его образования происходила большая научная деятельность
в Японском нечетком сообществе. Например, в начале 1970-х проф. Терано
(Тегапо) (Токийский университет) создал в Токио рабочую группу по нечетким
системам. Эта рабочая группа публиковала ежегодный отчет на английском языке
"Обзор работ по общим проблемам нечеткости". В районе Кансаи, включая Осаку
и Киото, проф. Танака (Tanaka) (Университет Осаки) и проф. Асаи (Asai)
создали другую рабочую группу по нечеткой науке в конце 1970-х. Обе эти рабочие
группы внесли большой вклад в Японское нечеткое сообщество на его ранней
стадии. В 1984 году было решено на Гавайях (FIP'80) образовать ИФСА
(Международную ассоциацию нечетких систем) (IFSA - International Fuzzy Systems
Association). После чего две японские группы были объединены в январе 1985 г. в
Японское отделение ИФСА.
Общее число индивидуальных членов Японского отделения ИФСА не было
большим (около 50-ти в 1985 г.) из-за следующих двух причин. Одна из них -
ежегодный членский взнос ИФСА был слишком большим по сравнению с
большинством других академических обществ. Вторая причина была в том, что сама
теория нечеткости не была популярной. Тогда Японское отделение ИФСА ввела
новую форму членства - "член отделения". Ежегодный взнос члена Японского
отделения ИФСА был очень маленьким (2 000 йен, т.е. $14). Естественно, что все
члены отделения не смогли получать журнал ИФСА FSS (Fuzzy Sets and Systems),
но вместо этого они смогли получать ежеквартально издаваемые на японском
языке новости Японского отделения ИФСА. Кроме этого Японское отделение
58

ИФСА сделало очень многое для того, чтобы популяризовать теорию нечеткости
среди инженеров японских компаний. Было организовано несколько групп по
таким направлениям как "нечеткое управление", "нечеткое исследование
операций** и "нечеткий вывод и экспертные системы". Эти исследовательские группы в
первую очередь ориентировались на практические приложения, и их
исследования были открыты для всех желающих. Обычно участники этих групп вечером
сразу после окончания лекций переходили в трактир в японском стиле, где они за
выпивкой обсуждали в чем суть нечеткости. Японское отделение ИФСА
проводило ежегодные симпозиумы по нечетким системам. Первый симпозиум по
нечетким системам проходил в университете Киото в мае 1985. Общее число докладов
было 30, а число участников - 110. Второй симпозиум собрал в июне 1986 - 60
докладов и 200 участников (около 50 % из компаний). В 1987 г. 2-й Всемирный
конгресс ИФСА проходил в Японии и это было большим успехом в
распространении нечетких идей (особенно в области промышленных применений нечеткого
управления) в Японии. В результате были запланированы такие большие проекты
по нечетким исследованиям как LIFE и STA, оба из которых стартовали в 1989 г.
Таким путем нечеткая теория была воспринята многими японскими
исследователями, включая инженеров компаний. Общее число членов Японского отделения
ИФСА возросло, что позволило образовать Японское нечеткое общество. Была
организована рабочая группа и в результате ее деятельности в июле 1989 г. на 5-м
симпозиуме по нечетким системам в Кобе было образовано Японское нечеткое
общество СОФТ (Японское общество нечеткой теории и систем).
Оффис СОФТ*а находится в ЛАЙФ (лаборатория международных
исследований по нечеткому конструированию) (LIFE - Laboratory for International Fuzzy
Engineering research). Адрес: Nihon Fuzzy Gakkal (японское название СОФТ'а,
Siber Hegner Building, 89-1 Yamashita-cho Naka-ku, Yokohama-city 231, Japan
(Phone: +81-45-212-8253, Fax: +81-45-212-8255). Общее число индивидуальных
членов около 1 700 и 99 членов компаний. СОФТ имеет 6 региональных
отделений: Хоккайдо, Канто, Чубу, Кансаи, Чугоку-Шикоку, Киушу (с севера до юга)
и 5 исследовательских групп по направлениям: нечеткое управление, нечеткое
исследование операций, нечеткий вывод и экспертные системы, нетехнические
(non-engineering) нечеткие приложения, нечеткое гражданское строительство
(civil engineering). Каждое региональное отделение и исследовательские группы
устраивают симпозиумы, дискуссии специалистов, семинары и т.д. (3-12 раз в
году). СОФТ создало новую исследовательскую организацию, которая
управляется непосредственно правлением СОФТ'а и изучает тенденции в нечеткости и в
СОФТ. Журнал СОФТ публикуется ежеквартально на японском языке объемом
около 130 страниц. В нем могут быть опубликованы несколько статей, значимая
информация, интересные сообщения. СОФТ имеет тесные связи с Японским
отделением IFSA. Японское отделение IFSA сейчас не такая уж большая
организация, т.к. она состоит только из членов правления IFSA (меньше, чем 50).
Крупнейшим событием СОФТ является симпозиум по нечетким системам. В
59

1991 году в Нагое состоялся 7-й симпозиум по нечетким системам (около 160
докладов). Наиболее важные вопросы решаются правлением СОФТ, состоящим
из президента, двух вице-президентов (один из компании), 10- ти директоров,
2-х менеджеров и одного секретаря. Оно собирается каждую первую среду
месяца. Уже прошло 2 года с даты образования СОФТ. Сейчас оно действует очень
успешно однако все его члены думают о том, как найти благоприятную дорогу для
СОФТ'а в XXI-й век.
Т. Те рано. Исследовательская деятельность в ЛАЙФ'е-
(T.Terano. Research activities in LIFE. Joint Hungarian-Japanese Symposium on
Fuzzy Sistems and Applications. Extended Abstracts (Ed. by L.T.Koczy and K.Hirota)
-Budapest, 1991,7-12)
/. История ЛАЙФ'а
Лаборатория международных исследований по нечеткому конструированию
(ЛАЙФ) (Laboratory for International Fuzzy Engineering Research - LIFE) была
основана в марте 1988 г. по разрешению министра международной торговли и
промышленности в соответствии с национальной программой исследований и
развития. Ее назначение - развивать с применением нечеткой теории системы
обработки информации, близкие к человеческим, которые, как представляется,
невозможно реализовать в рамках традиционной технологии искусственного
интеллекта. Сорок девять частных компаний поддерживают этот проект финансами
и кадрами с помощью бюджета в 33 миллиона американских долларов на б лет.
В ЛАЙФ работает 29 молодых исследователей.
2. Мотивация нечеткого конструирования
Мы думаем, что информационная технология должна стремиться к
человеко-машинным системам, где человек и компьютер объединяются для выполнения
очень трудных работ, которые невыполнимы для человека и компьютера в
отдельности. В этих системах от машины требуются по крайне мере два типа
способностей - это интеллект и средство общения. Машина должна быть достаточно умной,
чтобы понимать желание пользователя на основе его неполного запроса и строить
эффективный план на основе собственного анализа его ситуации. И
двухстороннее общение между пользователем и машиной на естественном языке необходимо
для беспрепятственной кооперации, аналогичной беседе между людьми.
Нечеткая теория является одним из наиболее мощных средств для этой цели, т.к. она
может моделировать обычный язык и мыслительный процесс людей
естественным образом.
Сравним нечеткую систему с традиционными системами искусственного
интеллекта с точки зрения интеллектуальности. В системах ИИ эффективно
оперирование глубоким знанием об ограниченной области, являющимся точным,
теоретическим, количественным, четким, непротиворечивым, локальным и т.д.
Мы называем этот тип знаний "микроскопическим знанием". В
противоположность этому, в нечетких системах есть все условия для представления широкого
60

знания о реальном мире, которое эмпирическое качественное, совместимое,
общее и т.д. Оно может быть названо "макроскопическим знанием".
Макроскопическое знание выглядит более удобным, чем микроскопическое, но его
приобретение, представление, изменение и вывод гораздо более трудны, чем для последнего.
Этот тип переработки информации может оказаться более важным и необходимым
для человека в настоящее время, чтобы успешно действовать в обществе.
Японское Агенство науки и технологии (Japan Adency of Science and
Technology) в 1989 году организовало национальный проект "Нечеткие системы и их
применение к проблемам человека и природы" ("Fuzzy Sistems & Their Application
to Human and Natural Problems") с бюджетом в 7 миллионов американских
долларов на 5 лет. Очевидно, что проект AST нацелен на информационную обработку
макроскопического знания.
5. Исследовательские проекты ЛАЙФ'а
В ЛАИФ'е выполняется 9 проектов. Первые три проекта (1)-(3) связаны с
системой поддержки решений, в которой компьютер и человек сотрудничают в
мыслительном процессе. Компьютер должен работать как внетелесный мозг
пользователя, что означает, что как компьютер, так и пользователь обсуждают
проблему и предлагают или пополняют свои планы в эквивалентных терминах.
Вторая группа также состоит из трех проектов (4) -(6), имеющих дело с
интеллектуальным роботом. Робот работает по командам пользователя, но его
движение должно быть автономным. Бели рассмотреть робота, помогающего по
дому, то он должен понимать намерения пользователя, распознавать ситуацию и
сам формировать план действий.
Ясно, что машинный интеллект и возможность общения являются наиболее
важными способностями в упомянутых выше двух группах.
Третья группа, состоящая из проектов (7)-(9), нацелена на развитие
аппаратного и программного обеспечения реализации нечеткого процесса,
необходимого для вышеупомянутых проектов.
(1) Система поддержки решений (Decision Support System)
Цель этого проекта - развитие системы поддержки обмена иностранной
валюты (foreign exchange trade), использующей теорию нечетких множеств,
выходящую за ограничения традиционных статистических методов. Эта система
организована из двух частей: распознавания ситуаций и оценки сценариев. В
подсистеме распознавания ситуаций на основе статических данных и данных,
отражающих особенности текущей ситуации, оцениваются перспективы
валютного рынка и возможные влияния на него действий дилеров и политиков. В
подсистеме оценки сценариев на основе нечеткой меры и нечеткого интеграла
оцениваются несколько возможных будущих сценариев и выбирается один из
них, имеющий наибольшую возможность появления.
(2) Система поддержки управления предприятием
(Plant Operation Support System)
61

В этом проекте исследуется система, способная понимать события на
предприятии, и любые меры, которые могут быть необходимы для оперирования
такими событиями. В качестве конкретного примера в этом проекте используется
электростанция, и эта система будет поддерживать решения оператора при
обнаружении неясных ненормальных признаков.
(3) Управление процессом на основе нечеткой динамической модели
(Process Control Based on Fuzzy Dynamic Model)
Основная цель - разработка модельно предсказующей системы управления
(model predictive control system). Она состоит из двух частей: 1) нечеткая
динамическая модель на основе серии наблюдений, совместно с обычными
статистическими моделями; 2) модельно предсказывающая система управления,
основанная на нечеткой динамической модели. Переменными в модели являются
нечеткие числа. С использованием макроскопического знания реляционное
пространство между входными и выходными переменными нечетко делятся на несколько
линейных участков, где применимы обычные статистические модели. Этот метод
применяется для идентификации динамических моделей процесса перегонки
(distillation) во вращающейся печи. Другое применение - оптимальное
управление процессом ферментации.
(4) Понимание словесного инструктажа
(Understanding Language Instruction)
Цель этого проекта - корректное понимание домашним роботом намерений
пользователя при всех возможных условиях. Он включает исследование
следующих областей: язык общения, управляющие команды, представление знаний,
рассуждение. Исследуется неопределенность, содержащаяся в перечисленных
областях. Нечеткая логика применяется для описания правил, основанных на
обучении по примерам. Робот может распознавать сходные ситуации и
использовать опыт. Эти проблемы исследуются например, для простого случая, когда
робота просят убрать комнату.
(5) Понимание образов (Image Understanding)
Цель этого проекта - создать удобную для человека систеиу расшифровки
смысла сложных образовб используя для этого методы нечеткой логики. В
качестве примера рассматривается система, распознающая части тела человека в
различных проекциях. Предполагается исследовать способы построения базы
знаний для систем понимания образов, обладающих цветовой окраской, а также
схемы нечетких рассуждений, которые можно использовать в качестве инстру-
менета при распознавании. Процедура распознавания состоит из трех частей:
нахождения подходящей модели, в которой может быть описан распознаваемый
объект, система учета ракурса объекта и описание анализируемого образа
"сверху-донизу". Предполагается, что язык описания образов может быть
вербализован в виде некоторого символического языка. Организация такого перехода
составляет суть еще одной проблемы, решаемой в рамках данного проекта.
62

(6) Автономное планирование и интеллектуальное управление
(Autonomous Planning and Intelligent Control)
Цель этого проекта - разработка высокоинтеллектуального робота,
способного к автономному управлению высокого уровня и имеющего способности к
макро-решениям. На первой стадии исследования мы создаем робота,
помогающего по дому, который передвигается и расставляет вещи в комнате согласно
командам пользователя. Основная часть этой системы имеет три компоненты:
алгоритмы принятия поведенческих решений, макроскопическое планирование
пути и распознавание препятствий чувствительными датчиками (sensor fusion)
Команда, подаваемая пользователем, состоит из целевой позиции, требуемого
поведения и дополнительных условий. Сначала в нечеткой форме выбираются
несколько подцелевых точек в результате анализа пространства передвижения и
ограничений. Далее команда и подцели интерпретируются в управляющие
команды для робота. Кроме этого разрабатывается система чувствительного датчика
для распознавания неопределенной ситуации.
(7) Система с нечеткой ассоциативной памятью
(Fuzzy Associative Memory System)
Этот проект разрабатывает нечеткие нейронные сети для интеграции
возможностей нечеткой логики и нейронных сетей. Нечеткое знание представляется
ЕСЛИ-ТО правилами, в которых антецедент и консеквент нечеткие. Нечеткая
ассоциативная память используется для автоматической генерации правил, а
также для определения функций принадлежности. Если некоторые
экспериментальные данные подаются на нейронную сеть, то наиболее подходящая форма
функции принадлежности или наиболее адекватное правило выбираются в
результате обучения. Другое преимущество нейронной сети в том, что
приближенное рассуждение, использующее много правил, осуществляется быстро, так как
наиболее сходное правило находится с помощью параллельного поиска.
Эффективность этой системы проверена на нескольких приложениях, таких как
адаптивное управление вертолетом дискового типа (disk type helicopter), интеллекту
альное управление дренажной насосной системой, распознавание образов с
использованием понятий высокого уровня и т.д.
(8) Нечеткие экспертные системы (Fuzzy Expert System)
Этот проект нацелен на разработку программного средства для построения
нечетких экспертных систем, основанных на опыте проектов (Пи (5). Его
название ЛАИФ ФЕШелл (LIFE FEShell). Создаваемая система может оперировать с
различными видами нечеткого знания, а также поддерживает редактирование
объекта, отладку, настройку и т.д. Проектирование версии 1.0 завершено.
Система манипулирования нечеткими множествами содержит нечеткую
продукционную систему и нечеткую фреймовую систему, описанную на Common LISP, a
редактор объекта и редактор фрейма используют X окно (adopt X window),
описанные на языке С. Текущие планы - использование нечеткой логики, нечеткой
меры и нечеткого интеграла в области интеллектуальной информации.
63

(9) Нечеткий компьютер (Fuzzy Computer)
Разрабатывается компьютер специально спроектированный для обработки
нечеткой информации. Будет предложена спецификация для полной
архитектуры компьютера и соответственно разработана технология, необходимая для
аппаратных и программных средств. Программное обеспечение способно к гибкому
представлению обработки нечеткой информации, а аппаратные средства могут
обрабатывать нечеткую информацию с высокой скоростью. Что касается
программного обеспечения, то способ представления различных нечетких множеств
в нечетком компьютере определен, исходя из возможности переноса технологии
на чип. Проектируется объектно ориентированная программная система MoNo.
Проектируется чип для обработки нечетких множеств, использующий метод
SIMD параллельной обработки. Также проектируется средство обработки
нечеткой информации, которое обрабатывает информацию параллельно на уровне
пульта (at the boad level).
4. Заключение
Сейчас положение вокруг ЛАЙФ'а меняется. Много компаний
интересуются нечетким конструированием и сами разрабатывают новые продукты. Мы
должны быть впереди них. Мы исследуем высокоинтеллектуальные
информационные системы, упомянутые выше, которые едва ли можно реализовать без
нечетких методов. Так как этот финансовый год является серединой срока жизни
ЛАЙФ'а, некоторые из наших результатов исследований будут представлены на
Международном симпозиуме по нечеткому конструированию (International Fuzzy
Engineering Symposium - IFBS-'91), который состотчя в Иокогаме (ноябрь 13-15)
и организован ЛАЙФ'ом.
Масаи Мукаидоно. Обзор всслсдовательсжгого проекта по
нечетким системам Японского агенства науга и технологии
(Мааао Mukaidono. An overview on fuzzy system research project at Science and
Technology Agency of Japan. - Joint Hungarian-Japanese Synuxjatai on Systems and
Applications. Extended Abstracts (Ed.by L.T.Koczy and КЛШот) - Budapest, 1991,
23-24)
L Введение
1мча^исагедоватедосий11воектго
ким системам и их применений к человеческому бытию и природной системе"
("Studies on fuzzy system and its applications to human being and natural system" (c
апреля 1989 г. на пять лет (три года на первый этап и два года на второй этап)).
В настоящее время в проекте принимают участиеб университетов и 6 институтов.
Цель проекта - всестороннее и систематическое развитие исследований нечетких
систем. В качестве результата мы ожидаем, что нечеткая теория станет
фундаментальным орудием решения проблем во многих областях науки и технологии.
64

Общий бюджет около 900 миллионов йен (около 6.5 миллионов американских
долларов) на пять лет.
2. Схема исследований
1) Исследования по обоснованию и фундаментальным технологиям
нечеткой теории.
(1) Обоснование нечеткой логики:
-систематизация многозначных логик, нечеткой логики и нечеткого
вывода как единой теории.
(2) Алгоритм нечеткого вывода:
- развитие новых алгоритмов и оценка метода нечеткого вывода.
(3) Фундаментальная технология нечеткого компьютера:
- языки программирования (нечеткий Пролог и т.д.).
2) Исследования по реализации различных функций человеческого бытия
и человеческого взаимодействия.
(1) Технология управления:
(а) Интеллектуальное управление высокоскоростными и неустойчивыми
системами:
- управление парением (hovering) вертолета.
(Ъ)Интеллектуальное управление неструктурированными системами:
- диагностика неисправной работы биопроцессов.
(2) Технология распознавания.
(а) Распознавание рукописных букв:
- разработка отличных и гибких методов распознавания, используя
нечеткую теорию.
(3) Моделирование процесса обработки чувственней (sense) информации
человеческого бытия:
- система обработки пространственного стереовидения и модель
восприятия глубины (depth perception) с границы поверхности с
бинокулярным обзором.
(4) Человеческое взаимодействие.
(a) Человеческое взаимодействие в ежедневной жизни:
- дружественный интерфейс, охватывающий нечеткие сообщения.
(b) Человеческий интерфейс для высокоскоростной и неустойчивой системы:
- факторы человеческого интерфейса в вертолете.
Исследования по прояснению процесса обработки интеллектуальной
человеческой информации.
(1) Технология обработки интеллектуальной информации.
(a) Интеллектуальная система оценки:
- оценка сценария на основе нечеткого интеграла для системы поддержки
решений.
(b) Нечеткое исправление (retrieval):
65

- новая система нечеткого исправления, использующая семантические
сети и нейронные сети,
(с) Нечеткая обработка для ассоциативного механизма:
- нечеткая обработка предсказания слов в распознавании речи.
(2) Прояснение человеческого поведения и социальных явлений.
(a) Оценка надежности больших (large scale) систем:
- анализ надежности человеко-машинных систем.
(b) Развитие нечеткой методологии и нечеткой системы в управлении и
социальных проблемах.
(3) Прояснение природных явлений.
(a) Нечеткий теоретический анализ в предсказании землетрясений:
- разработка нечеткой системы исправления каталогов землетрясений и
предсказаний.
(b) Разработка моделирующего устройства для предсказания проблем
с загрязнением воздуха в метрополитене:
- нечеткая система поддержки решений для систематической поддержки
анализа и управления проблемами окружающей среды.
(c) Моделирование роста растений:
- модель роста растений в соответствии с нечеткими знаниями и
неопределенными данными.
Литература
1. Материалы нечеткого симпозиума - Исследование нечеткой системы и ее
применений к человеческому бытию и природным системам, Исполнительный
комитет нечеткого симпозиума (на японском), февраль, 1990.
66

Дискуссионная трибуна
И.Н. Горелов
ПРОБЛЕМА ОБЩЕНИЯ: ПРОЦЕССЫ И СРЕДСТВА
1. В процессе своей жизни люди не только общаются друг с другом и не
только активно используют "ядерные" лексические единицы типа: "общение",
"язык", "понимание" ("непонимание"), "взаимодействие", "текст" и их синонимы,
но (с разной степенью глубины) давно постигли значения этих слов, ставших для
них очевидными по содержанию, форме, способу использования. Научное
постижение тех же (смежных, ассоциативно вызываемых) слов-понятий столь же
старо, как неудовлетворительно по результатам. Это не зачеркивает ценности
предложенных моделей общения. Однако имеющийся прогресс, по-видимому,
остается несоизмеримым с тем комплексом "зияний", который предстоит еще
когда-нибудь назвать "научным знанием". Ибо именно громадный всеобщий опыт
общения, древность языков (а в них - лексических единиц) является одним из
серьезнейших препятствий научного познания процесса общения. Позволим себе
простое наблюдение на доступном материале. Просмотрим, например,
еженедельник "Неделя" (16 страниц). Это издание представляет собой типичный
образец средства массовой информации. Через "Неделю" ее авторы и редакция ведут
опосредованный квазидиалог ("квази", т.к. читатели авторам "не видны",
подлинной взаимности реплик и реакций не достигается ни в реальном общем
пространстве общения, ни в реальном времени нормативного диалога) с читающими, т.е.
осуществляют с ними некую модификацию общения. Некое число писем в
редакцию, факты пересказов содержания ряда материалов в среде читателей,
возможные опросы читателей - все это доказательства факта общения. Легко себе
представить, что даже самый внимательный читатель если он не из группы
чичиковского слуги Петрушки, не сочтет необходимым ознакомиться со всеми текстами
еженедельника. Кто-то будет привлечен рекламными объявлениями, кто-то
(возможно, большинство) пропустит их. Какая-то часть будет решать кроссворды,
другая - нет. В редких случаях будут изучены выходные данные, состав
редколлегии. В этом проявляется качество избирательности , свойственное адресату. Но
этим же качеством обладают и авторы еженедельника, и редакционные работники
(кроме корректоров издательства). Каждый пишет и отвечает "за свое". Возникает
вопрос: не распространяется ли свойство избирательности на принципы порожде-
67

ния и восприятия текстов любого типа? Речь идет о том, что и как в текстах любой
типологии что будет наложено, что - не упомянуто, что - подчеркнуто и т.п.
Из всего корпуса словаря определенного номера "Недели** [1] выпишем и
подсчитаем единицы, входящие в семантические поля "ядерных" единиц.
Например, в поле "текст** попадают: "реклама", "сообщение", "прогноз", "справка",
"доктрина", "корреспонденция", "материал", "статья", "информация" и еще около 80
единиц (вплоть до "звонка", которого ждет редакция от читателей, и "заказов",
которые ждут фирмы).
В поле "общение" входят "разговор", и "выражение согласия", и
"доказательство читательской активности" и т.п. - тоже около 80 разных лексических единиц.
С учетом повторяемости получим около 1000 слов всех грамматических классов.
При этом междометия на 1-й странице ("Тик-так", "Тук-тук" и "Ку-ку") могут
быть интерпретированы вместе с фотоклише и как сигналы, и как тексты: "Тик-
так" - символ идущего времени, приближающегося к Новому году; "Тук-тук" -
символ проклевывающегося из яйца (фото) совсем юного цыпленка-93"; "Ку-ку"
- амбивалентное обозначение рокового отсчета времени жизни вместе с иронией
по поводу надежд и пр. Как видим, огромное число слов-понятий, слов-символов,
слов-сигналов составляет весьма внушительный арсенал средств метаописания:
язык о языке, текст о тексте, само общение ради придачи ему заданных свойств
общения же и т.д. Но все это найдено и использовано интуитивно, без изучения
научной стороны организации процесса общения. В связи с этим обратимся к
словарно-справочной статье, посвященной коммуникации [2]. Эта статья
принадлежит автору. Поэтому критические замечания, которые ниже последуют,
являются самокритичными.
КОММУНИКАЦИЯ (лат. Communicatio, от Communico - делаю общим,
связываюсь, общаюсь) - общение, обмен мыслями, сведениями, идеями и т.д. -
специфическая форма взаимодействия людей в процессе их
познавательно-трудовой деятельности. В отличие от К. животных (биологически целесообразного
совместного поведения, направленного на адаптацию к среде и регулируемого, в
частности, сигнализацией), человеческие формы К. характеризуются гл. обр.
функционированием языка - "важнейшим средством человеческого общения"
(В.И.Ленин).
В этом тексте, отражающем, в частности, и условия помещения статьи в
несколько конъюнктурном издании (необходимость ссылок и цитат, которые не
указывают на реальные первоисточники), хорошо заметны тенденции
"антиредукционистского" толка (следует "отделиться" от "биологизаторства" в пользу
социальной обусловленности в рамках исторического материализма). Поэтому
еще и по соображениям лаконизма, обязательного для данного жанра в статье нет
в дальнейшем никаких разъяснений по поводу коммуникации у животных.
Восполним этот недостаток с помощью разделяемых мной положений из
работы философа, лингвиста и семиотика А.Н.Портнова [3]. Он пишет: "В наше
время, когда интенсивно ведется поиск биологических основ нравственности,
68

биологических корней искусства,... в "биологический контекст" можно включить
многое, тем более, что существует достаточно большая литература, в которой
"язык" самыми разнообразными связями сопрягается с "биологией"... Коль скоро
мы принимаем происхождение человека из "царства животных", то мы должны
признать и "естественное" происхождение общения и языка. Но не случайно,
очевидно, бросается в глаза то обстоятельство, что специалисты, охотно и
свободно обсуждающие преемственность интеллектов высших животных и человека,
куда более осторожны, когда речь заходит о "языке". Более того, сплошь и рядом
преемственность между "животным" и "человеком" в этой части напрочь
отрицается. Не всегда, впрочем, последовательно. Известный лингвист Э.Бенвенист,
категорически отрицающий "язык" животных (птиц, рыб, млекопитающих),
готов признать существование эффектного коммуникативного средства у пчел
(после анализа известной работы К. фон Фриша [4]. Но так как это средство устроено
примитивнее человеческого языка, Э.Бенвенист предлагает термин "язык"
сохранить лишь применительно к человеку, а пчелиное коммуникативное средство
назвать "сигнальным кодом" [5]. Однако терминологические нюансы не снимают
проблему [6,7].
Вернемся к нашей статье и приведем из нее следующий абзац: "В
коммуникативной функции язык проявляет свою орудийно-знаковую функцию и
сущность, благодая чему К. становится важнейшим механизмом становления
индивида как социальной личности, проводником установок данного социума,
формирующих индивидуальные и групповые установки. Индивидуальные мотивации и
формы поведения могут быть приняты социумом, если они представляют собой
вариации в определенных границах; К. является средством коррекции
асоциального поведения (проявления) индивида или "группы". Но "сигнальный код" - по
Бенвенисту - также выполняет функцию регуляции поведения пчел (и любого
другого животного, в сообществе которого обнаружены коммуникативные
средства) , регуляцию поведения особи и ее "социализацию". Животный социум также
позволяет использовать идею индивидуального и группового, если они не
нарушают родо-видовых "установок". Заключительное в цитированном абзаце
предложение вполне последовательно "биологизировано": "К. служит формированию
общества в целом, выполняя в нем связующую функцию", замена "общество" на
"сообщество", "стаю" или "стадо" не приводит к изменению смысла сказанного.
Человек не перестал быть животным ("общественным животным"), ибо он
хочет остаться животным. Вместе с тем те средства общения, которые он
использует в своем социуме (а также в отношениях с животными), невозможно называть
полностью "естественными", т.е. унаследованными в эволюционном понимании
от животных. Часть этих средств естественна (действительно унаследована) и
понятна человеку и животному, которых он приручает или дрессирует. Эти
средства - фундамент кинесики, т.е. совокупность пантомических, жестовых,
мимических и фонационных (но не вербальных, т.е. не входящих в систему языковых
знаков, т.е. не "ку-ку", не "тук-тук", не "тик-так", которые мы нашли на первой
69

полосе ранее упоминаемого номера "Недели") средств. Сигналы-кинемы
выражают эмоциональные состояния. Они имитируют (как правило, в начальной форме)
намерения что-либо взять (указательный жест, редуцированный от жеста
обладания) , куда-либо передвинуться, что-то увидеть, на что-то отреагировать (жест
избегания, например, отдергивания руки от горячего, холодного или
неприятного) . Часто кинемы это то, что лингвисты называют имеждометиямии (фиксируя
их жесткие модификации в словарях). Реально они представляют собой некоди-
фицированные, чрезвычайно разнообразные и ситуативно (как и жесты)
значимые, даже конкретно значимые, фонации.
На эти кинемы (фоно-кинемы) со временем наслоились
национально-специфические кинемы и кинемы, имеющие функцию описания формы и размера
некоторого объекта. Эти кинемы наднациональны в своей основе и опираются,
очевидно, на когнитивную деятельность человека и на его практику
"ощупывания- обследования" объекта, привлекшего внимание. Но не исключено, что танцы
пчел (те "па", которые моделируют направление полета за взяткой и пр.) и жесты
направления (указания), которыми мы пользуемся - одной природы.
От описательного (и указательного) жеста недалеко до рисунка дописьмен-
ной истории. То и другое "воспроизводит" наблюдавшиеся объекты (причем в
первую очередь по контуру). Далее легко перейти от рисунка к рисунчатому
(иконографическому или иконическом) письму, где сообщение выглядит как
последовательность изображений того, о чем информируется. Позднее, вероятно,
возникает иероглифика с более сложными отношениями между значением и
формой его фиксации но все же с рудиментами рисунка). Наконец, возникает
алфавитное письмо, где знак-буква уже не является рисунком чего-то
конкретного и целостного, но, возможно, как-то все же связан с означаемым. Например, "о"
- изображает артикулирующий соответствующий этому звуку рот. Похожее по
форме птичье яйцо называется в древнегреческом тем же звуком (откуда
"оология" - научная дисциплина, изучающая птичьи яйца), в латыни название яйца
начинается также с "о" (по букве и по звуку). Существуют гипотезы и
относительно других букв, устанавливающие их связи с расположением органов
артикуляции в ротовой полости. От этой связи звука и буквы, графического и звукового
слова (что вовсе не всегда имело место, если вспомнить клинопись) можно
перейти к эволюции акустического (речевого), вторичного относительно языка жестов
и эмоциональных фонации, языка. Сейчас популярно мнение о произвольности
языковых знаков, об их конвенциональности (условности). Наиболее сильный
аргумент в пользу этого - наличие различных (в практическом и фонологическом
отношении) языков, число которых доходит до 3 тыс. Но со времен Блаженного
Августина (354 - 430 н.э.) не прерывается и поддерживается видными учеными
гипотеза об изначальной единой мотивированности звуковой формы обозначений
букв. Часть нынешних слов многих языков сохраняет корень, образованный от
эмоциональных фонации, бывших некогда первыми языковыми единицами.
Таковы, например, фонационные корни глаголов "ухать", "ахать", "хохотать" в рус-
70

ском, имеющие аналог в других языках. Корни других слов содержат имитации
звучаний (вспомним "тик-так" и "ку-ку" из "Недели"). С.В.Воронин и его
многочисленные ученики показали, разрабатывая фоносемантику (одну из самых
новых отраслей современного языкознания), что огромное число графических
единиц языков (их обследовано около 100) являются мотивированными по своей
звуковой форме, а не являются произвольными, чисто условными [8]. Логично
предположить, что каждый знак языка на начальных стадиях его развития
должен был быть понятным всем, кто им пользуется. Но на той древней стадии
формирования языка, когда абстрагированное от всего и вся обозначение (при
невозможности решить дело "общим собранием") некоторого предмета не могло
возникнуть само по себе и тем более принято сообществом. Напротив,
семантизированное по своей форме языковое выражение не могло соотноситься с
абстрактным понятием (в таких понятиях еще не могло быть нужды). Слова типа "хрю-
хрю" или "мяу-мяу" сразу вызывали представление о том, какое животное какие
звуки издает. И тем же самым знаком "мяу-мяу" можно было обозначить не только
фонацию, но и само животное. Не жесткая ограниченность, а изначальная
многозначность присуща и такому (казалось бы, примитивному) способу
словообразования. Не случайно также, что так называемые "междометные" или
"звукоподражательные" корни становятся во всех развитых языках продуктивными
основами, от которых возможно образование слов многих классов и форм: "хрип" -
"хрипеть - "хриплый" - "хрипящий" - "охрипнуть" - "охрипший" - охриплость" -
"хрипловатость" - "хрипяще" - "всхрипнуть" - "хрипло"... Отсюда следует, что в
языке как средства коммуникации не просто живы некоторые "рудиментарные"
механизмы, но они остаются продуктивными, хотя огромный позднейший
лексикон состоит, конечно, из конвенциально принятых единиц, не мотивированных
по означаемым или по способу образования (от эмоций, например). Это
обстоятельство заставляет задуматься и над тем, что имитация и эмоциональные
фонации - это ведь еще и уровень животных. Поэтому идея общего (в некотором
смысле) функционального базиса речи и общения в целом (т.е. для человека, его
предшественников и "смежников") не кажется абсурдной или совсем плохо
аргументированной.
2. А.Н.Портнов пишет: "После публикации книги Дж. и М.Бидлов [9]
генетический код (ГК) как язык трактовали многие исследователи. Мы не будем
останавливаться здесь на достаточно хорошо известных структурных параллелях
между ГК и национальным языком (НЯ) [10]. Отметим, что они действительно
значительны. (Мне кажется, что сейчас, почти тридцать лет спустя после
упомянутой работы, гипотеза о структурных и иных параллелях перестала быть
"достаточно хорошо известной"). Отождествление же ГК (и вообще "кода" с "языком")
и НЯ имеет очень давнюю историю; эта история продолжается, и взаимная
подмена терминов стала обычным делом, что доказывается, в частности, и бытовым,
газетным "синонимическим" рядом: "язык" - "код"; "информация" - "сообщение";
"язык" - "стиль"; "информация" - "текст" и т.д. и т.п. - все, как в "Недели", которую
71

мы анализировали выше - И.Г.). Вяч. Вс. Иванов, исходя из указанного сходства,
полагает необходимым в будущем специалистов по генной инженерии и
вычислительной лингвистике "готовить на общих факультетах, где в число курсов,
посещаемых будущими специалистами по этим наука о дискретных системах
передачи информации , должны войти и молекулярная теория эволюции, и
сравнительно-историческое языкознание; уже сейчас подобная программа
начала реализовываться на некоторых биологических конференциях [11]. Вяч. Вс.
Иванов считает, что в данном случае структурное сходство двух систем отражает
некоторые более глубокие механизмы эволюции средств фиксации и передачи
информации. Нетрудно заметить, что Вяч. Вс. Иванов усиливает здесь
экспликацию положения Р.Якобсона: "Это (ПС НЯ - И.Г.) два фундаментальных резерва
информации, передаваемой от предков к потомкам, хранилища молекулярной
наследственности и языкового наследия - двух необходимых предпосылок
культурной традиции". Как следует понимать сказанное? Здесь явно речь идет не о
констатации аналогий между ГК и НЯ в смысле языков с более жесткой
структурой (ГК) и менее жесткой (НЯ) [12], но в аспекте эволюционном допускается,
что структуры ГК каким-то (нам неизвестным) образом детерминируют
(программируют) основные характеристики структуры НЯ, в первую очередь:
построение языковых знаков из ограниченного числа исходных элементов, к которым
прилагается ограниченное же количество правил. В итоге возможно создание
бесконечного множества сообщений. Т.В.Гамкрелидзе закономерно (в логике его
построений) вспоминает теорию четырех первоэлементов языка (Н.Я.Марр),
считая, что теория эта, представляющая своеобразную структурную модель
языка, весьма близкую к генетическому коду, не иррелевантна для науки и может
служить иллюстрацией проявления в ученом интуитивных и неосознанных
представлений о структуре генетического кода [13,14]. И далее, указывая на
структурные параллели между ГК и древнекитайской символьной системой с ее
трансформациями четырех бинарных элементов, Т.В.Гамкрелидзе пишет: "Эта
символическая система, как и марровская модель языка, поразительно совпадает
вплоть до количественных параметров со структурой ГК, выступающего,
очевидно, в качестве их неосознаваемого субстрата. Здесь необходимо напомнить
читателям, что по Марру вся лексика всех языков образуется из четырех элементов
(сал, бен, йон, рош). Это не значит, конечно, что именно таков состав гласных и
согласных у всех корней всех слов всех языков. Огромное число вариантов,
однако, сохраняет те фонетические характеристики, которые представлены в каждом
из трехзвучных наборов обобщенно; например, "с" - это еще и "з", и V, и "ж",
входящие в класс спирантов (фрикативных, щелевых). "Н* - любой сонорный,
символизирующий также и "м", и "л" с их вариантами и т.д. Следует также
констатировать невозможность доказать иди опровергнуть реальным языковым
материалом современности (или с привлечением историко-языковых данных)
правоту теории четырех элементов. По мысли самого академика Н.Я. Марра, в
исторически обозримый (по письменности реконструируемый) период развития
72

языка можно наблюдать либо рудименты, либо намеки на них, едва
пробивающиеся сквозь толщи скрещений разных языков, формальных и семантических
сдвигов в сфере лексики и грамматики. И все же значительная (по количеству) группа
языковедов прилежно занималась "четырехэлементным анализом" на материале
лексики функционирующих языков современности. КПД этих исследований (об
этом говорилось и писалось неоднократно) - ниже, чем у тележки Кьюно. Но идея
совмещения двигателя (тогда еще парового) с колесным экипажем без лошади
привела менее чем через сто лет к первым автомобилям. Поэтому согласимся с
тезисом о "релевантности" теории Марра для науки, если не можем пока
безоговорочно его опровергнуть на основании противоположного тезиса. И продолжим
статью А.Н.Портнова. "Близка к точке зрения Т.В.Гамкрелидзе, - пишет он, -
позиция французского культуролога Ш.Моразе. Он считает, что мышление
человека на бессознательном уровне оперирует особым кодом, представляющим собой
комбинации некоторых базовых элементов. Всего существует 64 таких
комбинации, зеркально отражающих ГК. Он прослеживает проявления этого
комбинаторного кода в древнекитайской, древнеегипетской, халдейской традициях, в
некоторых философских учениях античной Греции. Ш.Моразе полагает, что ГК
не просто способен к бессознательной актуализации в филогенезе мысли, но что
мыслительный код и есть инобытие ГК" [15] *.
А.Н.Портнов пишет в начале своей статьи: "Процесс проникновения
биологических (отчасти и просто "биологизированных") понятий в семиотику,
лингвистику, теорию коммуникации и создание новых полей междисциплинарного
синтеза (нейролингвистика, нейросемиотика, биолингвистика, биосемиотика,
биопсихолингвистика и т.п.) происходит достаточно давно. И так же давно начался
процесс проникновения семиотического и лингвистического инструментария и
понятийного аппарата в отдельные отрасли биологического знания. Этот процесс,
как, видимо, чаще всего бывает на ранних этапах становления
междисциплинарных областей исследования, происходит без должного уровня методологической
рефлексии. Прежде всего - рефлексии над природой изучаемой реальности, над
границами применимости заимствуемых понятий, над характером знания,
получаемого в данном случае и, наконец, над целями такой работы. Достаточно редко
задумываются и над тем, что может дать такого рода синтез каждой из
"участвующих сторон", будет ли достигнуто (и если да, то как) более глубокое понимание
природы изучаемого объекта, природы двух областей знания".
Сказанное верно. Но вот решить или даже предположить, приступая к
работе в самом начале, "будет ли достигнуто" и - особенно - "если да, то как" нечто
значительное или даже просто значимое - невозможно. Либо создать все условия
для раскованности научной мысли, для обмена самыми фантастическими (и "бе-
* Заметим от себя, что странновато, конечно, 64 комбинаци и четырехэле-
ментный анализ Марра считать признаком аналогии все с тем же ГК в его
количественных параметрах. Но таковы мнения цитируемых авторов - И.Г.
73

зумными") идеями, либо возвращение к "выверенным" монопольными группами
постулатам. Другое дело, что нужна параллельная полная свобода критики с
любой стороны всего, что высказано, и навык модального (а не категоричного)
способа формулировки собственных идей. Такой навык обычен, если
присутствует "червь сомнения", если жива готовность к скептицизму, обращенному и вовне,
и внутрь. Плодотворнее, видимо, допущение "одновременного", дуального по
сути и направленности принципа рассмотрения любого объекта, и принципа
одностороннего, специализированного исследования • с задачей (после многих
"проб") этапного синтеза.
По этой причине, обсуждая проблему общения, мы не можем миновать
"попутного" обращения - ни к средству общения (поэтому говорим о языке и
других средствах), ни к формам общения (поэтому затронули ряд вопросов,
связанных с "косвенным диалогом" через газету). Уместно после гипотезы Ш.Моразе
о коде мышления как "о форме бытия ГК" вернуться к приведенной выше
словарной статье, к ее продолжению: "К. складывается из коммуникативных актов
(единица К.), в которых участвуют коммуниканты, порождающие высказывания
(тексты) и интерпретирующие их". Здесь не сказано, что в состав "текстов" -
высказываний входят все невербальные компоненты (жесты, мимика, фонации,
позы, социальные признаки коммуникантов, включая их возраст, пол, одежду и
пр.). Но об этом будет сказано подробнее несколько позднее. Далее: "Начальный
и заключительный этапы К. средствами нац. языка (порождение и
интерпретация текста, понимание) восходят к механизмам внутренней речи, ее глубинным
структурам на уровне УПК (универсально-предметный код по Н.И.Жинкину),
где нац. языковая специфика нейтрализована общечеловеческими схемами смыс-
лообразования. Напротив, в поверхностных структурах собственно К.
эксплицируется высказывание (текст), где все составляющие образуют нац. языковый
вербализованный продукт, призванный информировать о к.-л, идеях, интересах,
эмоциях коммуникантов" [2].
До сих пор автору этой работы представлялось, что УПК не есть и не может
быть формой инобытия ГК. Последний представлялся материальной
(молекулярной) структурой, ответственной за передачу (наследование) сложнейшей
биологической программы от предков к потомкам, программы не только родового, но и
видового способа существования. Наверняка программой предусмотрены
способности к "мышлению вообще", к "знаковому поведению вообще". Программная
передача конкретных специализированных склонностей, как представляется,
весьма сомнительна. Мы потому и знаем о феноменах типа музыкальной
одаренности нескольких членов семьи И.Баха, что такие феномены редки. Несколько
чаще, видимо, проявляются сходные одаренности двух родственников
(Брюлловы) . Но несопоставимо чаще наследуются биологические (расово-национальные
и морфологические) признаки. Можно сказать, что однотипная родинка, цвет
глаз или форма носа есть в ряду потомков признак "инобытия" данных фрагментов
программы данного ГК. Внутренний код мозга, УПК мышления несомненно со-
74

держит некие универсалии; в комплексе, который мы только что назвали
"способность к знаковому поведению", запрограммированы потребность в
контактировании (точнее - к поиску контакта и к сигнализации о своем присутствии, к
"призыву"). Крик, гуление ребенка - это безусловно унаследовано, ибо
наблюдается и у глухонемых от рождения (даже у слепоглухонемых). Однако уже
слоговая продукция (лепет) характеризуется системой слогов языка среды,
определенными НЯ. Понимание младенцем НЯ и начала его собственной речи - это
безусловный результат научения, хотя способности к научению (и в принципе, и в
фундаментальных подходах типа "сличи А с Б", "найди различное в А и Б", "найди
общее в А и Б" и т.п.) должны быть запрограммированы в ГК, а затем "запущены
к реализации" под воздействием внешних и внутренних стимулов.
3. Н.И.Жинкин показал, в частности, что структура УПК не изоморфна
структуре любого НЯ [6]. Сам УПК обязан обладать универсалиями (поэтому
мышление разных людей в принципе изоморфно), которые могут в чем-то быть
аналогичными структуре ГК. Но отсюда следует, что структура ГК не изоморфна
структуре НЯ. Скорее всего, речь может идти лишь о каких-то нестрогих
аналогиях.
В словарной статье, которая уже неоднократно использовалась, говорится:
"К. в любом случае обусловлена экстралингвистическими факторами
(ситуативная конкретность, пресуппозиция, нац.-культурная традиция)". И далее: "а в
структуре языка коммуникативных актов, в текстах вербальной природы, -
спецификой лингвистического ограничения, особенностями самого средства
общения". Теперь представим себе (в самом общем, резко упрощенном виде) каковы
могли бы быть перспективы создания искусственно-интеллектуальных устройств,
если бы структуры ГК, УПК и НЯ были бы изоморфны, и то, что ныне называется
"генной инженерией" вызвало бы "мозго-мыслительные" и "нейролингвистиче-
ские" действующие искусственные аналоги к жизни! Осталось бы лишь
предусмотреть возможность обучения таких аналогов программам будущей
деятельности и наделить их в ходе обучения (и самообучения) соответствующими базами
знаний, а также наделить ИИ-системы "потребностью общения", "личными
интересами" , "желаниями воздействовать на себя подобного", "потребностями в
самовыражении".
В нашей словарной статье нет ясного "личного момента" в связи с понятием
"общение". Сказалась приверженность автора к примату "социального" над
"личностным". Между тем, как сейчас уже ясно, именно биологический уровень
характеризуется принципом "особь ради рода и вида", а развитой социальный -
"социум ради личности". Гармонизация отношений этих двух реальных
составляющих, очевидно, является не только осознаваемой (или неосознанной)
социальной задачей, причиной конфликтов и т.п., но и сутью объективного движения
к гомеостазису системы в целом.
Возвращаясь к началу данной статьи, отметим, что указанная
избирательность авторов и читателей газет, избирательность в тематике и в способах изло-
75

жения информации, в оценках фактов (и в отборе самих фактов) - все это
обнаруживается в любой сфере общения, в любом диалоге. Причем, чем ниже уровень
интересов и сферы мотивации, тем проще ("специализированней") и уже шкала
выбора и тем беднее должен быть язык, все более приближающийся к "новоязу"
Оруэлла и к набору клише. Здесь уместно отметить свойство орудийности языка
(в смысле, близком к буквальному, - как "орудия мысли"). Язык используется как
орудие воздействия и взаимодействия, а в худшем случае как орудие
манипуляции сознанием и поведением. Важно подчеркнуть не бесспорную значимость НЯ
в процессе развития человека, в процессе становления его мышления, в процессе
общения, а как раз его "вторичность", подчиненность мыслительной системе,
потребностям. Важна также констатация генетической последовательности "от
мысли, от практической деятельности - к языку". Именно эта последовательность,
именно такая система "соподчинения" (а не система "рядоположения", тем более
- не система "диктата языка") заставила сформулировать положение, звучавшее
в середине 70-х в нашей специальной литературе вполне крамольно:"...
экспериментально опровергается бытующая до сих пор идея о том, что человеческая
психика рождается или просыпается только вместе с усвоением языка, речи. С
нашей точки зрения, язык на первых порах (а не вообще - И.Г.) лишь оформляет
уже сложившуюся в ее элементарном фундаменте человеческую психику,
возникшую в актах предметно-практического поведения" [17].
Можно сослаться и на [18], где, в частности, указывается на факты
сохранности интеллекта при афазиях тотального типа, на возможность решения задач
определенного уровня до или вне формирования речи индивида. Сходные
проблемы затрагиваются ив [19].
Как показано Н.И.Жинкиным, мышление реализуется не средствами НЯ, а
в коде УПК [16], хотя "средние и высшие уровни" самого УПК формируются
именно с помощью НЯ. Процесс порождения речи представляет собой процесс
"вербализации", т.е. процесс перевода с УПК в "поверхностные структуры", т.е.
в лексико-грамматическую форму данного НЯ. Только готовые клише быстро и
беспрепятственно "выскакивают" из памяти при речи. В нормальных случаях
проявляются паузы, их "заполнители", переформулировки, автокорреляции и др.
признаки вербализации. С другой стороны, коммуникант, воспринимающий
сообщение, должен иметь время и средства для эффективной "девербализации", т.е.
для "декодирования" вербального сообщения и превращения его (в коде УПК) в
то, что может быть расшифровано, понято, усвоено. Если, скажем, в простом
случае сообщение типа: "ИЗ США прислали альбом с репродукциями
модернистов - сплошные подражания Малевичу, только вместо "Черного квадрата" -
синий прямоугольник и красный круг" декодируется сразу (в УПК есть уже
нейроаналоги образов "квадрата", "круга", "прямоугольника", схема связей
между фамилией и аналогами понятий "художник", "модернизм", "США", "альбом",
"прислали" и т.д.), то в других случаях восприятие может быть затрудненным или
невозможным. В У ПК гуманитария нет (может не быть) ничего, способствующего
76

пониманию сообщения типа: "Читатель, возможно, заметил, что это правило дает
основание вспомнить возможность замены переменных, относящихся к квантору
существования, Сколемовскими функциям". Изложенного достаточно, чтобы
понять, почему в ходе косвенного общения (опосредованного книгой, газетой,
рукописью) или непосредственного может обнаружиться "эффект смысловых
ножниц" или "нуль - эффект понимания". По этой причине компонента общения -
установление обратной связи - является, по существу, всегда обязательной, а
коммуниканты постоянно (хотя и не всегда осознанно) контролируют эту
компоненту и корректируют себя как партнера по коммуникативному акту. Впрочем,
не исключены и специальные типы такой организации общения, при которых
важно (кому-либо) как раз и не допускать подлинного понимания высказывания,
маскировать его подлинный смысл.
4. Завершим цитирование словарной статьи. "К. может осуществляться
средствами вторичных семиотических систем: языки наук, музыкальная
нотация, правила игр, азбука Морзе, языки программирования в диалоге с ЭВМ или
же средствами "первичных языков", трансформированных в современные виды
хореографии, изобразтельного искусства, кино и т.п. Понятие К. используется
также в теории информации, в исследованиях, разрабатывающих проблему
"искусственного интеллекта", задачи создания диалоговых систем
"человек-компьютер". При этом "коммуникация" понимается как синоним "общения".
Математический и технический подход к проблематике К., наблюдаемый в концепциях
К.Э.Шеннона, К.Черри и большинства кибернетиков зарубежья, создававших
конмпьютеры 1-3 поколений, ограничивал содержание К. машинными
возможностями, условиями функционирования технических систем. Последующие
проекты и реализация компьютерных систем 4-5-го поколений показали в ходе их
теоретических обсуждений (Н.Нильсон, Д.А.Поспелов, А.Эндрю, Дж. Симоне и
др.), что при любой форме К. человеческого уровня или даже ее машинной
имитации невозможно ограничиваться пониманием К. только в связи с "кодом",
"шумом" (помехами в "каналах связи"), "информацией" и ее "трансляцией". При
таком подходе игнорируются и факт включенности любого коммуникативного
акта в совместную деятельность (речевая деятельность) (т.о. К. представляется
самодовлеющей, каковой она не является). И, наконец, игнорируются все
существенные составляющие К., влияющие на выбор конкретных средств "кода", на
порождение самой "информации" и на способы и результаты ее интерпретации,
на процесс коллективной деятельности и на функции когнитивных структур".
Несколько упрощая, можно было бы сказать, что понимание
"коммуникации" в кибернетике ориентировано на логику вычисления, а не на психологию
общения, тем более - не на психологию чувств, интересов и личностных мотивов.
И это при том, что для личности, которая скрывается за понятием "коммуникант",
этот психологический комплекс в одних случаях может быть единственно
существенным, а в других - одним из наиболее важных стимулов к общению.
77

Развитие коммуникативных средств начиналось с эмоциональных
фиксаций потребностей. Затем появился рисунок. Казалось, что с развитием
рационального в человеке условные средства символизации будут не только
доминировать, но и вытеснят "наивно-чувственное" из его натуры. Алфавитное письмо (в
особенности - книгопечатание) должно было бы завершить дело. Но почти сразу
же в книгу пришел рисунок. Фотография оказалась достовернее описания.
Фотография породила кино, которое стало цветным и стереоскопичным. И все это
ради иллюзии чувственно воспринимаемого мира. Постоянно происходит
движение в сторону "наивно-чувственного", желания видеть и слышать видимое. Наша
сенсорика, унаследованная от животных предков, не дает нам покоя, ибо мы
остаемся частью живой природы.
Интеллектуальный интерфейс, о котором так много говорят в искусственном
интеллекте, еще далек от совершенства. У него должно быть лицо, он должен
всматриваться в нас и понимать нашу мимику. Он должен обладать голосом и
понимать речь, сам обладая речью. Потребности, наверное, люди оставят за собой,
как и мотивы и цели, как страх перед смертью, как все эмоции вообще, связанные
с этим страхом и радостью жизни. Создавая компьютер будущего, мы должны
понять, наконец, как мы сами умеем мыслить, говорить и общаться друг с другом.
5. Завершая статью, подчеркнем еще раз, что в области изучения процессов
коммуникации сложилась несколько парадоксальная ситуация. Многие
проблемы, вроде бы уже решенные, утверждения относительно которых приобрели
характер "общих мест", сейчас, с позиции сегодняшних знаний, видятся под новым
углом зрения. Вот один из примеров такого рода.
Н.И.Жинкин неоднократно пояснял идею своего универсально-предметного
кода мышления, делая это приблизительно так. Вели признано, что язык -
знаковая система, а текст - знаковый продукт, то должно быть ясно: при чтении или
слушании мы можем что-то понять только в том случае, если в мозгу существует
некий "дешифратор". Он переводит знаки текста в особую кодовую систему.
Мнение о том, что мы "мыслим на языке" (имеется в виду родной или какой-либо
второй, третий НЯ) странно. Выходит в таком случае, что мы понимаем нечто
неизвестное (зашифрованное) с помощью того же самого неизвестного - текст
через текст или язык через тот же язык. Более логично предположить, что знаки
языка дешифруются с помощью системы особого рода. В ней "оживляются"
"образы", "следы", "нейрохимические аналоги" и т.п., но не слов НЯ, а семантики,
стоящей за словами НЯ: "следы" впечатлений о внешнем мире, "следы"
фантастических сущностей, "следы" реальных свойств реальных объектов или
приблизительных (или искаженных) представлений о них. Бели бы не было этих "следов",
то слово НЯ не выполняло бы функций той системы, которая была названа
И.П.Павловым "второй сигнальной". То есть, если бы мы "мыслили на языке", то
словосочетание "красный помидор" не могло бы вызвать в памяти ничего кроме
словосочетания же "красный помидор". Но реально-то вызывается зрительный
образ и вкусовые ощущения реального помидора!
78

Игнорируя положение о специальном внутреннем УПК, большинство
лингвистов (в том числе и занимающихся компьютерной лингвистикой) продолжают
говорить лишь о чисто языковых структурах. И то, что они называют "глубинными
структурами", оказывается, чаще всего, некими абстрактными схемами,
производными из "поверхностных структур" (т.е. из структур текстов на национальных
языках), а поэтому обладающими практически теми же свойствами,
характеризующимися теми же категориями, что реальные "поверхностные структуры".
Ошибка заключается в том, что в составе "глубинных структур" функционируют
два их типа. Один, как единица УПК, отражает когнитивные, универсальные, не
зависящие от специфики национального языка сущности ("семантический код").
Другой, функционирующий именно там, где есть мозговой аналог
"поверхностного" коммуникативного, национального языка, преобразует конструкцию УПК
в систему специфических знаковых структур - аналогов предложений,
словосочетаний, слов. Поэтому мы, в частности, можем, используя этот уровень,
мысленно о чем-то говорить, реализовать акт речевого мышления. Но, решая шахматную
или технико-конструктивную задачу, мы не можем прибегнуть к помощи
мозгового аналога НЯ - он нам не поможет: нам нужны образы конкретной позиции
фигур на доске или конфигурация деталей, плат, конденсаторов и т.п. К
сожалению, эти результаты работ Жинкина и его последователей как раз и игнорируется
большинством лингвистов, придерживающихся традиционных взглядов на
процесс общения.
А ведь следовало бы задуматься над тем, как происходит овладение речью у
ребенка. Оно осуществляется в раннем онтогенезе с легкостью (и без опоры на
лингвистико-дидактические пособия, при слаборазвитом мышлении, при
практически весьма слабой волевой сфере, при нетренированной памяти и т.п.) и с
результатами (за первые пять лет жизни!), разительно отличающимися от
результатов взрослых, изучающих второй язык. Необходимые эксперименты могли
бы дать, наконец, ответ на вопрос о том, что из предпосылок к овладению языком
наследуется, а что - присваивается через обучение. Ибо господствующая ныне
точка зрения не может считаться хорошо обоснованной. Утверждения типа: "Для
построения этого предложения необходимо выбрать из памяти 21 слово и
применить примерно 100 правил словообразования, словосочетания, словоизменения и
синтаксиса", весьма характерно для структурной лингвистики. Бели данное
утверждение (легко проверяемое) ошибочно, то только в сторону уменьшения числа
операций. Скорость порождения предложения, конечно, очень велика, что
объясняется автоматизированным навыком речи. Но для ребенка, усвоившего
сложнейший язык к моменту его пятилетия, число правил (якобы необходимых, но
взятых из наших лингвистических описаний "устройства языка") вдесятеро
меньшее, чем сто, все равно было бы совершенно непосильным в процессе нормальной
речи. И ответа на этот вопрос пока нет.
79

Литература
1. Неделя, N52, 1992.
2. Горелов И.Н. Коммуникация//Лингвитсический энциклопедический словарь,
М., "Сов. энциклопедия", 1990, с. 233 (см. также в этом издании статью того
же автора "Кинесика", с. 221).
3. Портнов А.Н. Язык и языковая коммуникация в контексте биологического
знания. Рукопись. (Извлечения из этой работы даны в Приложении 3 к
данной работе).
4. Frisch К. The Dancing Bees, London, Methuen, 1954.
5. БенвенистЭ. Общая лингвистика, М., 1974 (с. 97,102 - 103).
6. Панов Б.Н. Знаки. Символы. Языки. М., "Знание", 1980.
7. Хайнд Р. Поведение животных, М., "Мир", 1975 (особенно главы 15,17,25 и 27).
8. Воронин СВ. Основы фоносемантики, Л., ЛГУ, 1985.
9.Beadle G., Beadle M. The Language of Life: an Introduction to the Science of
Genetics, N4,1966.
10. Якобсон Р. Лингвистика в ее отношении к другими наукам//Якобсон Р.
Избранные работы, М., 1983, с. 369-420 (опубликовано впервые в 1970).
11. Иванов В.В. Взаимоотношение динамического исследователя эволюции
языка, текста и культуры (к постановке проблемы)//Изв. АН СССР, серия
литературы и языка, N 5, 1982, с. 409.
12. Налимов В.В. Вероятностная модель языка, М., Наука, 1974, с. 213-217.
13. Гамкрелидзе Т.В. Бессознательное и проблема структурного изоморфизма
между генетическими и лингвистическими кодами//Бессознательное, т. 4,
Тбилиси, 1985 (с. 263).
14. Гамкрелидзе Т.В. Р.Якобсон и проблема изоморфизма между генетическим
кодом и семиотическими системами//Вопросы языкознания, N 3,1988, с. 5-8.
15. Moraze Ch. Les originesdes des seinces modennes, Paris, 1986.
16. Жинкин Н.И. Речь как проводник информации, М., 1986.
17. Мещеряков А.И. Слепоглухонемые дети, М., Педагогика, 1974 (с. 317).
18. Горелов И.Н. Проблема функционального базиса речи в онтогенезе,
Челябинск, 1974.
19. Горелов И.Н. Невербальные компоненты коммуникации, М., Наука, 1980
(с. 26-104).
Дополнительная литература
Каган М.С. Мир общения. М., 1988.
Леонтьев А.А. Психология общения. Тарту, 1974.
Попов Э.В. Общение с ЭВМ на естественном языке. М., 1982.
Поспелов Д.А. Предисловие редактора к кн.: Эндрю А. Искусственный интеллект,
пер. с англ., М., 1985.
Новое в зарубежной лингвистике (компьютерная лингвистика), Вып. XXIY, М.,
1989. Ред. и состав. - Городецкий Б JO.
80

Skinner B. Verbal Behavior. N.-Y., 1957.
Ritche M. The relationship of verbal and nonverbal communication. The Hague - P. -
N.-Y., 1981.
Slama-Cazacu Т., Comunicarea in procesul muncii. Buc, 1964.
Webber B.L. Questions, answers and responses: Interacting with knowledge base
systems. - In: M. Brodie, J. My lopulos (eds.) "On Knowledge Base Management
Systems". Springer-Verlag, 1986.
Популярная литература
Войскунский А. Я говорю, мы говорим. М., 1990.
Горелов И.Н. Разговор с компьютером: психолингвистический аспект проблемы.
М. 1987.
Горелов И.Н., Енгалычев В.Ф. Безмолвной мысли знак, М., 1991.
Приложение 1
ТЕЗАУРУС К СТАТЬЕ
В следующем ниже тексте поясняются основные понятия, использованные в
статье автора, относящиеся к процессам коммуникации.
ЗНАК - системный, искусственно созданный (или естественный, но
искусственно используемый в заданной функции) элемент, призванный замещать
собственной материальной формой некоторое понятийное содержание
(относительно класса материальных или идеальных объектов, их свойств и отношений) и в
этом смысле наделяемый значением, явно отличным от материальной формы
самого знака Отсюда признание двусторонней сущности знака ("означаемое" -
семантика, "означающее - форма знака).
ЗНАК ИКОНИЧЕСКИЙ - напоминающий своей материальной формой
(статичной или динамичной) какое-то свойство означаемого. Например, "кря-
кря" - фонетический комплекс, имитирующий фонацию утки, а поэтому
могущий выступать в значениях "кряканье (крик утки)" самой "утки'* или чего-либо
"уткоподобного". Таким же иконическим знаком является жест, описывающий в
динамике некий мыслимый треугольник (значения "треугольник", "форма
треугольника", "любовный треугольник" и пр.), "жест размера" (значения: "такого
размера", "маленький", "большой" и пр.). Иконичными могут быть составляющие
искусства пантомимы, "изобразительные иероглифы", схемы пути,
топографические знаки, контурные характеристики, управляющие оркестром движения
дирижера (со значениями: "в таком темпе", 'интенсивнее", а в переносных
значениях - "громче", "медленнее" и пр.). ЗНАК ИКОНИЧЕСКИЙ является
мотивированным (в своей форме) по свойству означаемого.
81

КОНВЕНЦИОНАЛЬНЫМ (или ПРОИЗВОЛЬНЫМ) ЗНАКОМ является,
напротив, тот, чья форма не мотивирована по свойству означаемого. В цифровой
системе наблюдается смешанный принцип: "единица" символизируется в
"римской" системе как одна палочка, схожа с ней и единица "арабской" системы, т.е.
знаки-символы иконичны. Но в "римской" системе иконичны также II, III, Y
(обобщенное изображение ладони с отставленным большим пальцем, которых
пять) и X (две ладони, симметричные по вертикали), тогда как в знаках
"арабской" системы 2, 3, 4, 5 и др. иконичности нет.
Не лишенным основания кажется и предположение, что 0 (ноль) также
мотивированный знак (дыра, пустое место).
КОД - искусственно созданная знаковая система, характеризующаяся
конвенционально установленными формами и значениями своих единиц, набором их
возможных изменений и отношений друг к другу (парадигматика), правилами их
сочетания (синтагматика). КОД относительно закрытая система жесткого типа.
КОД вторичен по отношению к ЯЗЫКУ НАЦИОНАЛЬНОМУ. Введение кодовой
единицы в систему возможно первоначально лишь с помощью знаков НЯ,
которые, став в кодовой системе, как правило, терминами, извлекаются из различных
НЯ. Можно говорить об эволюции КОДА, но только в смысле изменений, которые
производятся по воле специалистов (носителей кода) через конвенции внутри
сообщества таких специалистов. КОД принципиально не может быть описан
лишь средствами своих единиц. Всегда требуется привлечение знаков ЯЗЫКА. С
помощью КОДА нельзя также описать более или менее полно и сущностно что-
либо, не входящее в понятийную систему данного кода. Так, например, используя
коды (термины) математической логики, невозможно описать суть и форму
музыкального выражения, стихотворения, скульптуры и т.п.
ЯЗЫК (национальный) - открытая (если данный НЯ не "мертв")
эволюционирующая знаковая система, безусловно искусственная (и творимая своими
носителями), чрезвычайно мощная и гибкая (если достаточно развита и имеет
богатую письменную традицию) настолько, что в состоянии предоставить
собственные ресурсы для метаописания, т.е. для описания самой себя, и для
объяснения (и введения) в коммуникативный процесс любой другой (вторичной)
семиотической системы. Оговоримся, что значения и способ употребления знаков НЯ
возможен лишь с опорой на экстенсиональные определения (т.е. при соотнесении
знака НЯ с фрагментом реальности вне самого языка) и в коммуникативных
ситуациях, где постоянно и многократно повторяются акты соотнесения данных
единиц ЯЗЫКА с уже знакомыми ранее или с опорой на экстенсиональные
определения, семантизирующие сказанное или неописанное. Только после
усвоения индивидом (и группой) большого запаса знаков и способов их сочетания
возможно оставить непосредственное соотнесение знака с фрагментами
объективного мира (до следующей "порции" введения субъективно новых знаков).
Наблюдения за живой речью неизменно фиксируют функционирующие в ее составе
знаки иной природы, иной системы (например, указательные жесты), позволяю-
82

щие семантизировать, т.е. уточнять и актуализировать значения многих единиц
НЯ, называемых лингвистами "дейктическими" (выделяющими,
указательными) : мтами, "тот", "этот", "такой**, "столько**, "здесь", "туда", "оттуда", "сюда" и т.п.
или заменять эти и подобные знаки НЯ вообще. НЯ не является (вопреки
общепринятым утверждениям) универсальной, всеобъемлющей и всемогущей
системой. Так, нельзя средствами НЯ передать мелодию и ритм музыкального
произведения. Междометия (вроде "хрю-хрю") не исчерпывают всех акустических
параметров реальных фонации, а "тук-тук" вообще, будучи артикуляторным по
природе, не может точно имитировать механические, неартикуляторные
звучания. Невозможно средствами НЯ описать вкусовые, обонятельные и многие
другие ощущения. Поэтому, скажем, словосочетания "вкус жареной курицы" или
"незрелого ореха", "запах миндаля" или "аромат фиалки" могут понять только те
из носителей языка, которые обоняли, ели, пробовали на вкус соответствующие
объекты. Весьма неточны так называемые "словесные портреты" (поэтому их
приходится заменять фотороботными), не сравнимые по достоверности с
фотографиями или художественными портретами. Отсюда ясна приблизительность,
иногда вынужденная, а то и нарочитая "зашифрованность" музыковедческих и
вообще искусствоведческих текстов, бессмысленных без знания анализируемого
произведения. В ряде случаев использование знака НЯ менее экономно, чем
имитирующий реальность объект, чертеж, схема. Сам факт функционирования
многочисленных вторичных семиотических систем (кодов), включая "языки
программирования" или "язык хореографической пластики" свидетельствует об
ограниченности номинативных и иных возможностей НЯ, остающегося, тем не
менее, наиболее мощнойизвестной нам знаковой системой.
ЕСТЕСТВЕННЫЙ ЯЗЫК - не существующий реально *' идеальный
конструкт, абстрактно объединяющий в своем понятийном содержании либо
инвариантные свойства всех языков, либо импликации, содержащие ссылки на
конкретные национальные языки, их свойства и подразумеваемые универсалии. Можно
сказать, что в любом НЯ есть грамматика, есть лексический состав, есть
фонетический аспект, есть (или может быть) письменная и устная форма
существования.
ОБЩЕНИЕ - этому процессу посвящена наша статья. Знакомство с ней
позволяет считать словосочетание типа "общение с природой", "общение с
искусством" нетерминологичными. Первое из указанных следует интерпретировать в
свете сказанного как словосочетание "язык природы". Второе требует конкретного
разъяснения, контекстуальных условий. Если речь идет об искусстве
сценическом, то общение имеет место, хотя оно более "однонаправленно" (от актера к
зрителю), чем обычный диалог, реализующийся в двух направлениях. "Общение
с киноискусством" предполагает некоторую метафоричность (и в определенном
смысле похоже на "общение с книгой", "общение с прессой"). "Общение с
искусством скульптуры" - метафора, если не учитывать легендарную любовь
Пигмалиона к статуе или известные (редкие) патологии. Таково же - "общение с живо
83

писью". В прикладной работе по проблемам общения легко в связи со сказанным
встретить классификацию "непосредственное общение", "опосредованное
общение" (с градациями от "телефонного разговора" до телевизора и книги). "Общение
с компьютером" - ("диалог с компьютером", "разговор с ЭВМ" и т.п.) -
разновидность опосредованного общения, имеющего признак двусторонней связи (в
отличие от кино, телевизора, книги), возможности взаимной коррекции, переспроса,
просьб об уточнении запроса информации, причем этот момент настолько
впечатляющ, что наблюдается непроизвольный антропоморфный подход оператора или
пользователя к ЭВМ. Известны реакции человека на работу системы ЭВМ,
практически не отличающиеся от реакций на поведение человека-собеседника
(выражение одобрения, восхищения, досады, гнева).
Вне зависимости от формы "очеловечивания" компьютера, перед
психологами стоит задача перевода этого взаимодействия в игровой (по типу Брехтовского
принципа "остраненности") план. Другими словами, необходимо добиться двух
целей, реализуемых одновременно: а) достижения привычного для человека
уровня обмена информацией при минимуме ее потерь (доказано, например, что
слушатель лекции, не видящий лица лектора и признаков его активной
заинтересованности в читаемом и в реакции слушателей, теряет до 20% информации,
объективно содержащейся в лекции), б) сохранения пользователем самосознания
своего статуса в каждый момент работы с компьютером, сохранения
коммуникативной и иной дистанции с ним.
"ЯЗЫК ЖЕСТОВ", "ЯЗЫК МИМИКИ", "ЯЗЫК ПОЗ" - дочеловеческая и
человеческая система значимых выразительных движений (каждое со своей
формой и возможным набором значений). На дочеловеческом уровне имеет
сигнальную сложную функцию, информирующую других особей стада (стаи, семьи) об
эмоциональном состоянии, о биологически целесообразных предстоящих
действиях (поединок самцов, коопуляция, отражение нападения извне, организация
погони и пр.). Часть знаков и их последовательностей животные наследуют
генетически, другую часть усваивают через обучение в сообществе, причем
обязательно в связи с ситуацией той или иной типологии и обязательно через имитацию
"старших", а затем и друг от друга (в "горизонтальной" страте). Без вмешательства
человека или представителей других видов такие "языки" остаются в большинстве
случаев закрытыми системами и имеют ограниченный набор "единиц"
("кинемы", например) с ограниченным же набором "значений" (устрашение, призыв,
сигнал опасности и пр.). Кавычки здесь использованы потому, что не ясно, в
состоянии ли животное осознавать свои сигналы, всегда (и все ли) сигналы есть
реализации осознанных животным собственных интенций, или же сигнализация
всегда (или по большей части) производится инстинктивно. Человек может
использовать любой знак (и сочетания знаков), включая и "дочеловеческие", вне
ситуации-стимула, по собственной (игровой, например) интенции, может в
широком диапазоне маскировать и варьировать выбор и форму знаков: может,
наконец, лгать, шутить, подавлять свои "знаковые проявления" вообще. Нет, по-види-
84

мому, строгих доказательств возможности действий такого рода у животных.
Замечено, однако, что в игре с младшими и животные "приглушают" позы,
фонации и другие знаки агрессивности.
У птиц-пересмешников и у певчих птиц фонационно-сигнальная система
более богата за счет заимствований у других видов и даже имитаций
механических звуков. Пока что нет точных данных о пределах "открытости" таких систем
и о точных функциях подражательных фонации. Однако известно, что дрессурой
можно добиться у попугаев имитации сотен (до 800) знаков НЯ, причем
ситуативно верно используемых (например, использование имени хозяев и членов
семьи, названий кормов и др.), включая ритуалы приветствия и прощания. Бели
обучение всегда подкрепляется лакомствами и лаской, то продуцирование
("инициативное") заставляет думать о мотивации, связанной с потребностью в
общении: сытый попугай часто отказывается от подкрепления "речи" лакомством, а
также обнаруживает избирательность в выборе "коммуниканта". Дрессура
млекопитающих обязательно включает демонстрацию требуемого движения
(поднятие ноги, поворот тела и пр.) самим дрессировщиком, т.е. налицо имитация
образца. При дрессировке животных люди пользуются своим НЯ. "Понимание"
команд и обращений (а также эмоциональной настроенности человека) в этом
процессе фиксируется непреложно. Кавычки же означают, что "глубина
понимания" и мотивы концентрации внимания к человеческой речи не могут быть
отождествлены с соответствующими человеческими свойствами. Утверждения, что
собака (кошка и др.) понимают слова НЯ исключительно в ситуации, скажем,
подготовки к прогулке, к кормлению и пр., не верны. Определенный набор слов
(включая кличку) вызывает соответствующие реакции и вне конкретных
ситуаций, распознаются животным в потоке "посторонних" слов - как в эксперименте,
так и в наблюдениях бытового характера. Все это, как и материалы
экспериментального обучения высших животных (обезьян) знаковой (жестовой, "бирочной",
"кнопко-компьютерной" и др.) деятельности показывает, что при вмешательстве
человека высшие животные могут выйти за пределы знаково-сигнальных
внутривидовых систем и реализовать потенциал межвидового общения, овладевая
набором средств коммуникации, предложенных им человеком. Пределы роста
"словаря" животного, возможности обучения животных животными же новым системам
коммуникации, до конца не выявлены. Но можно утверждать, что, по крайней
мере, обезьяны в своей знаковой деятельности с участием человека выходят
далеко за рамки обычной рефлекторной (включая и познавательный рефлекс)
концепции поведения.
На человеческом уровне нет причин отказываться от гипотезы относительно
"языка жестов" в качестве естественного и первичного. В генезисе порождения
речи (т.е. в каждом коммуникативном акте) сначала проявляются именно
невербальные компоненты (жест, мимика, изменение позы, изменение дистанции), и
лишь затем возникает вербальная часть высказывания. Поэтому мнение (широко
распространенное) о "дополнительном" или "сопроводительном" или "усилитель-
85

ном" характере невербальных компонентов коммуникации (НВК), ошибочно.
Другое дело, что в ходе общения начальный этап реализации НВК может быть
выражен слабо, а затем усилиться, дополниться и т.д. НВК могут оказаться
коммуникативно достаточными (заменяя не только отдельные члены предложения,
но и целые высказывания) и тогда они блокируют вербальную часть
высказывания. НВК-система не только не отмирает, но и усовершенствуется (в театральном
действе, в мимансе и хореографии, в ораторском искусстве), правда,
модифицируясь при этом. Изолированный НВК-знак, конечно, ограничен по своим
номинативным ресурсам и в этом смысле не может сравниться с полноценным
лексическим знаком. Большой натяжкой являются и утверждения о наличии
"синтаксиса кинем". Но с опорой на ситуацию, на коммуникативный опыт партнеров и
др. "семантизирующие" факторы оказывается возможным достаточно сложное
"объяснение без слов" (см. описание Н. Миклухо-Маклаем своего первого
"разговора" с папуасом Туем ).*
ЯЗЫКИ ЖИВОТНЫХ - сигнальные системы разной сложности, никогда
не достигающие уровня даже самых примитивных человеческих НЯ. Принято
различать в таких языках симптомы и сигналы. СИМПТОМ - неотделимый от тела
животного признак его принадлежности к полу, возрасту, а также
функциональный признак поведения животного. Например, окраска, оперение, "кормящее
движение" птицы-самки (и открытый клюв птенца), способные играть роль
стимула для изменения поведения другого животного. СИГНАЛ - производится
животным и не имеет сам по себе значения того действия или того объекта, о котором
"говорится в сигнале" (крик-призыв, крик-устрашение, обнажение зубов,
поджимание хвоста). Сигналы различаются по степени интенсивности, по возможности
варьирования ("синонимия"), по сочетанию последовательности коротких и
длительных сигналов одной семантики с сигналами другой семантики и пр. У высших
животных сигнальные системы часто различны по природе и функциям, но могут
выступать одновременно (фонации, позы, мимика, симптоматика).
Территориальные "метки" и др. "маркеры", воспринимаемые другой особью как "сигналы
присутствия" или "сигналы призыва" следует, видимо, относить к
промежуточному уровню между "симптомом" и "сигналом". Плохо изучены сигналы животных,
обращенных к человеку. Очень может быть, что здесь не только ярко выражена
"адресация", но и регулируется "интенсивность" и проявляется то, что следовало
бы связать с волевым моментом и видоспецифической интенцией, усиленными
опытом общения с человеком. Думается, что кавычки при слове "общение" здесь
не нужны, если отдавать себе отчет о недопустимости антропоморфного подхода
к животному, ясно видеть границы и "глубину" коммуникативных действий,
связывающих человека и животного.
"ЯЗЫКИ МОЗГА" - нейрохимический код, физиологическая структура
которого изучена довольно подробно. Но имеющиеся результаты не объясняют,
* Миклухо-Маклай Н.Н. Путешествие на берег Маклая. М., 1956, с. 18-19.
86

каким образом материальные носители сенсорной информации преобразуют ее в
"идеальное" - в образы, представления, абстрактные конструкты и схемы; каким
образом нейронные ансамбли и синапсные состояния преобразуются во внешний
НЯ и обратно, обеспечивая процессы вербализации и девербализации, мышления
в целом.
"ЯЗЫК НАУКИ" - см. КОД.
"ЯЗЫК ПРИРОДЫ" - метафора, подчеркивающая тот факт, что явление
природы может быть объективно и субъективно значимо, требует "понимания",
обладая собственными закономерностями существования и проявления. Бели
утверждать, скажем, что молния (не слово "молния", а само явление) есть "знак
природы" или "знак грозы" или "зловещее предзнаменование", то последнее
утверждение является мифологичной интерпретацией, а первые два - либо
метафорами, либо результатом неусвоенного понимания двусторонней природы знака.
Молния сама по себе не есть только "форма" или только "значение", не то и другое
"вместе", а как составляющая более общего явления (гроза) - нерасчленимое (в
семиотическом плане) явление физической природы с собственными
(электромагнитными, например) параметрами описания.
Приложение 2
ОБЩИЙ СЛУЧАЙ АКТА РЕЧЕПОРОЖДЕНИЯ (СХЕМА)
Уj * У2 ► Уз ► УПК- конструкт ► С ► ЛН ►
конт.
где У± - общая установка на общение (+ или -)
У2 - установка на общение с конкретным партнером (+ или -)
УЗ - смысло-тематическая утановка ("отсечение неподходящих тем")
УПК-конструкт - формирование замысла высказывания (семантическое
наполнение)
С - формирование синтаксического типа 1 -го предложения в зависимости от
мотива и интенции говорящего (запрос информации, повествование, оправдание
и т.п.)
ЛН - лексическое наполнение синтаксической схемы
К - очевидные коррекции (исправление ошибок, переформулировки)
КОНТ. - "фаза контроля", запускающая автокоррекции.
В норме У±, У2» Уз реализуются почти без интервалов.
Последующие стадии реализуются не в строгой последовательности, а с
наложением друг на друга. Моменты выбора ЛН манифестируются паузами и
хезитациями (проявлениями нерешительности иного рода - "заполнители" пауз,
случайные вводные и пр.). В норме от У| до момента окончания первого предло-
87

жения средней длины (7 +- 2 значимых слов в разговорно-устном общении)
проходит 2,1 сек (всреднем).
ОБЩИЙ СЛУЧАЙ АКТА РЕЧЕВОГО ОБЩЕНИЯ (СХЕМА)
Ki, К2 - коммуниканты
Кj - вербальная (словесная) часть коммуникации, собственно речь
?2 ~ невербальная (жестовая, мимическая и пр.) компонента (НВК)
ОБЩИЕ УСЛОВИЯ РЕЧЕВОГО ОБЩЕНИЯ, ВЛИЯЮЩИЕ НА ПРОЦЕСС,
Kl K2
« V2+V2
ХАРАКТЕР И СОДЕРЖАНИЕ ОБЩЕНИЯ (СХЕМА)
Самоочевидные: наличие коммуникантов и возможностей
непосредственного или опосредованного (телефон, письмо, газета) общения, умеренные "шумы".
Остальные:
1. Наличие общего или сопоставимого культурного контекста для выбранной
сферы общения (возможности взаимной адаптации в период общения).
Сопоставимость пресуппозиций.
2. Общность языка (и при разных уровнях владения).
3. Общность когнитивных возможностей - в рамках совпадения интенций
или их сопоставимости.
4. В ряде случаев - возможность опоры на экстралингвистические
фрагменты объективного мира, служащие объектами общего для коммуникантов
внимания и интереса.
Приложение 3
А.Н.Портнов
ЯЗЫК И ЯЗЫКОВАЯ КОММУНИКАЦИЯ В КОНТЕКСТЕ
БИОЛОГИЧЕСКОГО ЗНАНИЯ
(извлечения из статьи, [3])
... В ходе дискуссии между Ф.Жакобом, Р.Якобсоном, К.Леви-Строссом и
Ф.Л.Эритье об аналогиях между ГК и НЯ генетик Ф.Жакоб поддержал гипотезу
88

об аналогичной структурированности двух (в принципе - всех) информационных
систем при их аналогичных функциях * Ж.Монод в комментариях к работе Т.Си-
беока (где ГК рассматривается как "протоязык" для всех остальных
семиотических систем) высказал мнение о ложности декларируемых аналогий ** На наш
взгляд, дело вовсе не в том, является ли ГК прототипом НЯ, - выяснение
реальности здесь кажется неразрешимой задачей. Актуально, однако, выяснение
вопроса, можно ли в принципе считать знаковой системой (тем более - языком) любое
материальное образование, в котором невозможно различить "означаемое" и
"означающее"? Прав, на мой взгляд, философ* считающий, что молекулы ДНК - не
знаки, т.к. они не замещают элементов информации, но "воплощают" их своим
развивающимся содержанием, они управляют формированием зародыша и его
дальнейшим ростом не посредством "значений", а именно своим собственным
содержанием. Сказать, что само "тело" знака и есть его значение, неверно. По
аналогичным основаниям нельзя считать знаками и гормоны" ***
... Обратившись к механизмам передачи информации в живой природе,
отметим, что у общественных амеб описаны средства химической сигнализации
с целью агрегации. Оказалось, что два разных вида амеб, занимая одну и ту же
экологическую нишу, используют две различные системы сигнализации - нукле-
атидную и пептидную. Эти же химические вещества используются и у высших
животных, включая человека - нуклеатиды опосредуют многие сигнальные
реакции, как гормональной, так и нервной регуляции, в то время как в нервной ткани
в качестве медиаторов функционируют пептиды **** Иными словами, принципы
и механизмы передачи информации, выработанные на ранних ступенях
эволюции, оказываются интегрированы в высшие уровни организации живого + При
этом лингвистико-семиотическая терминология сама по себе не выступает
гарантией более глубокого осмысления изучаемого явления. Разумеется, она позволяет
включить интересующую нас проблему в новый смысловой контекст. Но здесь
* Leben und Sprechen. Ein Gesprach zwischen F. Jacob, R.Jacobcon, C.
Levy-Strauss, PhX'Heritier//R.Jacobson. Semiotik. Ausgewahlte Texte
1919-1982. Frankfurt-am-Main, 1988, S. 398-423.
** Monod J. Comments on Sebeok// Th. Sebeok (Ed.) The tell-tale sign. Lisse,
1975, p. 103.
*** Нарский И.С Образ и знак. Относительность их
взаимопротивопоставления на уровне чувственного познания//Категория образа и марксистско-
ленинская гносеология: структура и функция. Сб. научн. трудов.
Свердловск, 1986, с. 38.
♦♦♦♦Боннер Дж. Т. Химическая сигнализация у миксомицетов//В мире науки,
1983, N66 с 82-89.
+ На материале организации движений это прекрасно показано
Н.АБернштейном. См. Бернштейн Н.А. Очерки по физиологии движений
и физиологии активности, М., 1966.
89

нужна предельная осторожность. Включения такого рода создают видимость
нового, более глубокого осмысления. Так было, например, при обращении к идеям
из области общей теории связи в лингвистике (50-60 годы), при использовании
кибернетических представлений в психологии... Обладает ли "генетическая
метафора" эвристической ценностью? Видимо, да. Она, как и "кибернетическая
метафора" подводит к мысли о существовании универсального принципа
самоорганизации, который и обнаруживает себя в различных коммуникативных
системах животных и человека. Речь идет о кодовом принципе. Очевидно, что любая
живая система выживает лишь при обеспечении обмена ее со средой (и себе
подобными) веществами, энергией и информацией. Обмены собственно
веществами и энергией, очевидно, не надо смешивать с информацией, предполагающей
код. В любой сложно организованной системе "налицо многоступенчатая
иерархия кодовых зависимостей, отражющих ее историю (как в онтогенетическом, так
и в филогенетическом плане)" * Повышение уровня самоорганизации живых
систем предполгает усложнение кодов и кодовых зависимостей. В эволюции
живого имеет место дифференциация кодов; упрощая несколько - на "внешние" и
"внутренние". По понятным причинам "внешние" (интерактивные) коды изучены
лучше "внутренних" (интраактивных). Также обстоит дело относительно
коммуникативных систем человека и его "языков мозга". Последние ответственны за
построение внутренних представлений (моделей) внешнего мира, в котором
организм обязан существовать... Но все же и потенциал различных "внешних"
коммуникативных средств не выяснен вполне удовлетворительно... Многолетние
эксперименты по обучению высших обезьян знаковой деятельности показали, что
усвоенные в эксперименте знаковые ресурсы, по своей семантике
приближающиеся к языку человека, обязательно включаются в общий континуум естественных
знаковых средств животных. Организаторы последних экспериментов пришли к
необходимости учета не только тех ответов, которые происходят с помощью
вводимого человеком "языка", но и знаков видоспецифичных **...
...Высокие когнитивные уровни обезьян, позволившими им усваивать
достаточно сложные знаковые операции, опосредующие общение с
экспериментаторами, вызывают настойчивый вопрос: почему внутривидовой коммуникативный
ресурс тех же обезьян так отстает от их когнитивной потенции? Почему,
например, уже введенный человеком искусственный язык не используется в
кооперативной деятельности антропоидов, почему нечто подобное этому
коммуникативному средству не выработано в эволюции? Отчетливо выявляется, на наш взгляд,
зависимость коммуникативных систем (их уровней) от потребностно-мотиваци-
онной сферы и порождаемой ею прагматики общения. Существует, видимо, явная
* Дубровский Д.И. Информация, сознание, мозг. М., 1980, с. 214.
** Savage - Rumbagh S.E. Free conditional responses to symbols. Cambr., 1986.
(Начало экспериментов относится к середине 60-х годов, и за почти 30 лет
накопилась огромная литература на многих языках. Сколько-нибудь
подробных обсуждений ее на русском языке до сих пор нет - И.Г.)
90

асимметрия филогенетического развития семантики, синтактики и прагматики
на переходе животных предков человека к ранним ступеням человеческой
коммуникации...
...В последние полтора десятилетия за рубежом появилось много
исследований, где онтогенез и функционирование языка рассматривается сквозь призму
"биологических предпосылок", "биологических оснований". У истоков этого
направления стоит фундаментальный труд Э.Леннеберга (1921-1975), в
значительной степени определивший направления научного поиска *... Надо признать, что
определенная нестрогость методологии Э.Леннеберга, и его последователей и
противников как раз и позволяет достаточно свободно, не задумываясь ни о каких
ограничениях, исследовать то, что можно определить как биологический субстрат
речемыслительной способности и невербальных средств коммуникации **
...К.Лоренц, обсуждая проблему коммуникации животных, заметил, что
современный человек практически разучился иметь дело с живыми системами,
место которых в повседневной жизни заняли разного рода артефакты,
технические системы. Отсюда, по его мнению, проистекает колоссальное преувеличение
всего созданного человеком и вольное, а подчас, и невольное перенесение
технических критериев на изучение биологических объектов, с одной стороны, и языка
и коммуникации человека - с другой *** Так вот, включение языковых объектов
(в том числе сам "естественного" языка человека и его невербальной
коммуникации) в структуру биологического познания позволяет преодолеть техноморфные
иллюзии, достаточно характерные и для биологического знания, и для комплекса
наук о языке. С другой стороны, такое включение помогает преодолеть
одномерные трактовки человека как исключительно "социального объекта".
Общей методологией смыслопорождения в данном случае может выступать
идея глобального эволюционизма как "экстраполяция основных дарвиновских
понятий на различные области эволюционных объектов"
* Lenneberg E. Biological foundation of language. N.-Y. 1967.
** Marguard L.B. Die Sprache des Menschen und ihre biologischen
Voraussetzungen. Tubingen, 1983. См. также: Eigen M. Sprache und Lernen
auf molekularer Ebene//Der Mensch und seine Sprache. Frankfurt-am Main -
Berlin. Wien, 1979. Koch W. The biogenesis of language, literature and arts:
some principles for its reconstruction//Koch W. (Ed ) Semiogenesis - Essays on
the analysis of genesis of language and literatur. Bern, 1982, p. 447-480
*** Lorenz K. Kommunikation bei Tieren//Der Mensch und seine Sprache
Frankfurt-am-Main - Berlin. Wien, 1979, S. 177.

И.Б.Штерн
В ПОИСКАХ НОВЫХ КОГНИТИВНЫХ
МОДЕЛЕЙ: СТРУКТУРА
ЭНЦИКЛОПЕДИЧЕСКОГО ЗНАНИЯ И
ЭНЦИКЛОПЕДИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ
L Что общего у энциклопедий с искусственным интеллектом?
Цель данной статьи - привлечь внимание к проблемам исследования и
использования энциклопедических знаний (Энц Зн) в искусственном интеллекте (ИИ).
Обратимся к интеллектуальным системам, основанным на Зн, и
проанализируем различные канонические Зн, либо уже используемые в этих системах,
либо ориентированные на это по своей природе. Среди них оказывается
возможным выделить три следующие группы, которые мы назовем соответственно:
- Зн-императивы;
- Зн-суггестивы (предлагающие "пищу для размышлений");
- Зн-констативы.
Зн-императивы (сценарии, директивы, юридические законы, правила
социального поведения и др.) представляют собой "горячие импликации" и
рассчитаны на ситуации, требующие незамедлительной реакции.
Зн-суггестивы, аппелирующие к прецедентам, выражаются в
аллегорической или игровой форме. Это - басни, афоризмы, притчи и другие типы
"житейской мудрости", которые влияют на ход событий силой примера и убеждения, но
отнюдь не являются прямым руководством к принятию решений.
Зн-констативы запечатлевают законы природы, научную и обыденную
"картины мира" и др. Именно к этой группе принадлежат Энц-описания. Они
предельно инвариантны относительно ситуаций, в которых могут быть
использованы. В известном смысле это Зн "замедленного действия", заготавливаемые
впрок и "ждущие своего часа".
Зн-констативы, в свою очередь, также распадаются на две полярные группы.
Первую образуют Зн, организованные по "логическому принципу (типа
"естественных классификаций" по Любищеву; например, периодическая таблица
Менделеева) , а вторую - дескриптивные Зн, основанные не на логике, а на памяти. К
последним и относятся Энц Зн.
Теперь перейдем к конкретным факторам, определяющим актуальность
Энц-проблематики для ИИ.
92

Прежде всего, Энц открывается исследователю как большая картотека
разнообразных видов Зн - оболочек и сущностей, которые можно было бы использовать в
качестве естественных образцов для конструирования баз Зн типа Энц-памяти.
Далее, если локальные базы Зн, на которых сегодня строятся экспертные
системы, воплощают профессиональную компетенцию специалиста или группы
специалистов, то Энц-базы Зн можно охарактеризовать как глобальные объекты
и, кроме того, как внешние информационные аналоги человеческой эрудиции.
Следующей сферой пересечения Энц с ИИ является специфика потребления Зн.
Остановимся на некоторых преимуществах компьютерных Энц над
традиционными.
Основную функцию, или, точнее говоря, миссию Энц можно назвать
интеллектуальным информированием. Зн, транслируемые Энц, разбиваются на
информационные блоки по содержательным критериям - в зависимости от того, о
чем они информируют читателя. Здесь выделяются, в частности, следующие три
крупные фрагмента:
- ядерное Зн (непосредственная дефиниция и ее ближайшее семантическое
расширение, содержащееся в Энц-статье);
- пара-Зн (дополнительная Энц-информация - свойства, отношения, факты,
воссоздающие полный "Энц-портрет понятия" и содержащиеся как в Энц-статье,
так и рассеянные по всему Энц-пространству);
- предметное мета-Зн (Зн о том, каким путем получены два предыдущих
типа Зн: обоснование, генезис, эволюция понятия, его роль в парадигме и др.).
Здесь следует сделать некоторое терминологическое отступление. В данном
тексте термин "мета-Зн" используется в двух смыслах:
- " предметное мета-Зн" - как категория содержательного рефлексирования
специалистов-предметников по поводу определяемого понятия (см. выше);
- "репрезентационное мета-Зн' - как категория, относящаяся к
представлению содержания и структуры Зн в модели, т.е. к единицам, интерпретирующим
Энц-текст.
Мы надеемся, что это различие достаточно очевидно из контекста, поэтому
в дальнейшем, во избежании громоздкости, будем опускать квалифицирующий
эпитет.
Содержательно-информационный уровень разбиения Зн можно было бы
дополнить их типологией по четырем "пространственно-процедурным" критериям:
- характеру экспликации понятия;
- способу распределения в Энц-пространстве;
- способу извлечения;
- способу компоновки.
С этой точки зрения мы будем различать Зн двух типов:
- Зн, заключенные в Энц-статьях (мы назовем их "прямыми");
- Зн, рассеянные по всему Энц-пространству ("косвенные").
93

"Косвенные" Зн возникают в результате сопряжения ассоциированных Энц-
статей или их фрагментов, и естественной канвой для их формирования служит
ссылочная сеть.
Именно способность генерировать косвенные Зн, то есть создавать "Энц-
портрет" понятия в интерьере Зн об ассоциированных понятиях является
прерогативой Энц. Родственные лексикографические источники - (толковые
словари, справочники и др.), в отличие от Энц, предназначены для решения более
простой задачи, а именно выдачи локальной информации о понятии, или
"прямого" Зн.
При этом связи между Энц-статьями могут оказаться запутанными, а
цепочки ассоциированных статей - слишком длинными. Использование компьютерной
технологии для извлечения "косвенного" знания снимает эти и некоторые другие
проблемы и делает основную функцию Энц значительно более эффективной.
Наконец, компьютерно-ориентированные модели Энц могут оказаться
перспективными и для нетрадиционных приложений. Так, например, Энц-информа-
ция широко используется для разрешения омонимии фраз в системах понимания
естественного языка в современных проектах ИИ.
Но что же известно в самой структуре Энц Зн? Существуют ли какие-нибудь
точки опоры в теории? Трудно ответить на этот вопрос односложно, так как
Энц-феномен пока еще изучен недостаточно. В силу своей природы это,
несомненно, объект междисциплинарного исследования, затрагивающий интересы
таких гуманитарных областей, как лексикография, методология Зн, "классическая"
документалистика, библиотековедение и др. Отсутствие в них Энц-проблематики
в целом дает редкую возможность строить "непредвзятую" концепцию Энц Зн, о
которой пока известно лишь то, что она должна включать, по крайней мере,два
измерения - представление и обработку Зн.
2. "Базовый треугольник" энциклопедической модели: текст,
пространство знаний и энциклопедическая деятельность
Рассмотрим в самых общих чертах основные проблемы, возникающие при
построении Энц-модели, и наметим некоторые способы их решения.
Таких "горячих точек" будет, по крайней мере, три:
- собственно Энц-текст и мета-текст;
- организация Энц-пространства;
- типы и механизмы Энц-деятельности.
Как уже говорилось, текстовая "начинка" для компьютерных Энц может
быть изготовлена по разным рецептам. В простейшем случае, вообще говоря,
компьютерными энциклопедиями считают обыкновенные машиночитаемые
копии традиционных изданий. Кроме того, Энц-текст для компьютерной Энц
можно скомпилировать из нескольких различных традиционных источников. Нако-
94

нец, его можно создавать заново на пустом месте. В последних двух случаях
естественно и целесообразно использовать компьютерный инструментарий; в
идеале это мог бы быть специализированный Энц-АРМ, который бы не только
"подготавливал" текст, но и поддерживал некоторые традиционные Энц-функции
(чтение, просмотр и др.), а также мета-функции (анализ предметной области и терми-
нополей и др.). Такого рода АРМ будет сочетать возможности нескольких типов
АРМов, предназначенных, в частности, для извлечения и накопления Зн,
поддержки полнотекстовых баз Зн, фактографического информационного поиска и др.
В отличие от традиционных Энц, текст, подготавливаемый с помощью
компьютера и рассчитанный на компьютерное использование, интерпретируется и
маркируется в терминах мета-Зн, которые потребуются для дальнейших
операций с Энц.
Вели рассматривать Энц-модель как многофункциональный источник Зн и
Зн о Зн, то нецелесообразно строить мета-уровень ad hoc. Скорее всего, это
вообще невозможно сделать, не имея полной, "сквозной" концепции структуры
Энц Зн, которая бы включала, с одной стороны, Зн о структуре Энц-пространства,
а с другой - Зн о компонентах Энц Зн, операндах Энц-деятельности.
Задача, таким образом, состоит в том, чтобы реконструировать "целостный
скелет" Энц и свести разнообразие Энц-форм к ограниченному набору единиц и
структур. При этом мы исходим из гипотезы о том, что Энц-пространство
устроено как двухъярусная конструкция, где первый ярус образуют крупные
фрагменты знаний - "макросы" Зн, имеющие регулярную структуру, а второй - их
компоненты - "макросы", организующие эти фрагменты и участвующие в
операциях над Зн. И те, и другие выделяются по функциональным критериям в рамках
рассматриваемых типов Энц-деятельности и процедур.
Теперь следует уточнить, что мы понимаем под Энц-деятельностью, какие
ее типы, а также типы процедур избраны для моделирования. Это - третья и
последняя из проблем, образующих "базовый треугольник".
Здесь рассматриваются два типа Энц-деятельности: - составление и чтение.
("Аналитическая сфера" пока остается в стороне).
Составление Энц включает три интеллектуальных процедуры:
- формирование содержательной субстанции Зн ("чистого Зн**) для Энц-статей;
- упаковку содержательных субстанций в текстовые и словарные оболочки по
лексикографическим стандартам для Энц;
- аранжировку Зн в Энц-пространстве путем установления кросс-референций
между понятиями, то есть Энц-статьями.
Чтение Энц здесь рассматривается как "комплексный" интеллектуальный
акт, включающий, по крайней мере, две следующие операции:
- извлечение локальной Энц-информации ("прямого" Зн) из отдельно взятых
Энц-статей;
- генерацию больших фрагментов Зн ("косвенного" Зн), состоящих из
ассоциированных Энц-статей или их фрагментов.
95

Такие фрагменты Зн мы назовем Энц-дискурсами. Энц-дискурс
формируется самим читателем в ходе целенаправленного или спонтанного просмотра Энц.
Характер процедур, их "механика" существенно определяет архитектуру
Энц-пространства модели. В то же время механизмы конкретных процедур
зависят от того, насколько "прозрачно" Энц-пространство, и какие структурные
элементы удается вычленить в нем. В дальнейшем мы уточним соотношение между
структурами и процедурами.
J. От архитектуры энциклопедического пространства к
стратегиям обработки знаний
Строение Энц-пространства можно исследовать в двух ракурсах:
- 'извне и сверху";
- "изнутри и снизу", что определяет два различных направления и стиля
анализа.
Первый основывается на метафорах, и его цель - получить некоторую
достаточно полную картину Энц-пространства, выписанную "крупными мазками", где
были бы представлены "макросы" Зн в их взаимодействии.
Анализ второго типа предполагает проникновение в глубины
Энц-пространства с тем, чтобы извлечь и систематизировать базовые элементы, или "микросы" Зн.
Таким образом, как мы уже говорили, Энц-пространство предстанет в виде
двухъярусной конструкции, причем единицы первого яруса мы будем называть
концептами, а второго - конституэнтами.
В данном разделе мы рассмотрим строение первого яруса, или яруса
концептов, а в следующем - обратимся к анализу конституэнтов.
Необходимо пояснить, прежде всего, что подразумевается здесь под
концептом, поскольку этот термин многозначен. Идея концепта как Зн о понятии
используется нами для того, чтобы достичь достаточно абстрактного уровня рассуждений
об архитектуре Энц-пространства; при этом архитектура Энц-пространства
трактуется как структура концептного уровня. Сами же отрезки Зн двух типов (в основе
типологии лежат уже известные пространственно-процедурные критерии):
- интра-концепты, или локальные концепты (прямое Зн);
- транс-концепты, или пространственные концепты ("косвенное" Зн,
Энц-дискурсы),
Если интра-концепты суть стабильные фиксированные единицы Зн, то
транс-концепты существуют только потенциально. Они актуализируются самим
читателем в ходе просмотра Энц-пространства, то есть движения по ссылкам.
Развивая "архитектурную" метафору, мы прибегнем к еще одной фигуре -
образу "миров" - и будем рассматривать концепты как носители двух "миров"
понятий, толкуемых в Энц, которые мы назовем "внутренними" и "внешними".
96

"Внутренние миры" понятий заключены в Энц-статьях и замыкаются в их
рамках. "Внешние миры" рассеяны в открытом Энц-пространстве и строятся на
связях между понятиями (статьями). Оба "мира" одного и того же понятия и миры
разных понятий постоянно взаимодействуют, проникают друг в друга, вступают
в коллизии. Это происходит, например, при распределении Зн между Энц-стать-
ями и открытым Энц-пространством, а также вызывается необходимостью
оперировать одновременно концептами обоих типов. Основные коллизии,
возникающие при этом, разыгрываются между следующими Энц-сущностями:
- дискретными единицами Энц-пространства (статьями) и
континуальностью его содержания;
- жесткими оболочками Энц-статей и мягким текстовым наполнением;
- хорошо структурированным "телом" Энц-статьи и размытой фактурой
Энц-пространства.
По-видимому, эти эффекты восходят к некоторому более общему принципу,
который мы здесь назовем глобальным Энц-парадоксом. Он заключается в
антиномии между целостностью Зн и дробностью его представления, которая
программируется самим лексикографическим стандартом для Энц.
Чтобы сгладить эти противоречия, необходимо прибегнуть к гибридным
средствам представления Зн и к гибридным стратегиям обработки
"конфликтующих сущностей**. Очевидно, что манипуляции с интра-концептами, или
содержимым Энц-статей, потребуют жестких форм и процедур (семантическая сеть,
обход дерева и др.). Напротив, генерация транс-концептов (Энц-дискурсов) в
ходе свободной "навигации" в открытом Энц-пространстве достигается мягкими
средствами, одним из которых может стать гипертекст. Образно говоря, сама по
себе Энц-оболочка, буквально насквозь пронизываемая кросс-референциями,
являет собой образец естественной гипертекстовой сети, впрочем, как и Библия.
При составлении Энц эти стратегии комбинируются: формирование Энц-
статей сопровождается расстановкой ссылок и др.
4. Энциклопедический базис: энциклопедические примитивы и
глубинные конституэнты
Второй ярус Энц-пространства включает непосредственно составляющие
Энц-концептов (в дальнейшем, для краткости - конституэнты), которые в
совокупности образуют Энц-базис. В Энц-базисе, в свою очередь, можно выделить два
слоя компонентов:
- поверхностный
- глубинный
К поверхностному слою относятся элементарные конституэнты, которые мы
назовем Энц-примитивами. Это - традиционные лексикографические единицы,
регулярно используемые в Энц, например, заглавные понятия Энц-статей, дефи-
97

ниции, содержательные блоки, представляющие собой семантическое
расширение дефиниции, ссылки, иллюстрации и др.
Следующий глубинный слой составляют вторичные конституэнты,
выводимые из примитивов. Мы назовем их интерпретирующими, или глубинными
конституэнтами. Глубинные конституэнты будут здесь представлены в виде
структур и категорий. С их помощью мы надеемся проделать наиболее тонкое,
скрупулезное анатомирование Зн, заключенного в Энц-статье, замысел которого
состоит в том, чтобы отделить лексикографическую оболочку от текстового
наполнения, а само это наполнение расщепить на две составляющие: - собственно
текстовую упаковку и содержательную субстанцию ("чистое Зн").
В рамках данной модели глубинной интерпретации подвергаются всего три
примитива, которые являются основными "опорными точками" избранных здесь
процедур. Таковы:
- заглавное понятие, или имя Энц-статьи;
- ссылки;
■ "тело" Энц-статьи (текстовая оболочка и содержательная субстанция).
Какими же глубинными конституэнтами интерпретируются эти примитивы?
Для заглавных понятий Энц-статей такими конституэнтами являются
таксономические категории, поскольку они определяют, как правило,
содержательную структуру статьи. Эти закономерности используются в
информационно-лексикографических стандартах, необходимых для подготовки Энц-статей.
Ссылочная сеть является инструментом организации Энц-пространства;
она делает его обозримым и управляемым, прокладывая маршруты просмотра
текста и "траектории" Энц-дискурсов.
Для того, чтобы облегчить ориентацию в Энц-пространстве, ссылки
определенным образом упорядочиваются и локализуются. Поскольку Энц-оболочка
имеет сферическую конфигурацию, способ локализации, предлагаемый здесь, не
претендует на особую точность. Вместе с тем вводятся три пространственные
("векторные") категории, которые условно фиксируют их направления и делят
ссылки на:
- вертикальные;
- горизонтальные;
- диагональные.
Наиболее интересные результаты, не только с точки зрения моделирования,
но и лексикографической теории, дает глубинная интерпретация третьего
примитива - мтелащ Энц-статьи.
Здесь обнажаются два следующих пласта:
- структура субстанции Зн, или структура "чистого" Зн;
- структура текстовой упаковки Зн.
Им соответствуют два направления в интерпретации Энц-статьи:
- знание-ориентированное;
- текстоориентированное.
98

Знание-ориентированный подход включает четыре уровня анализа:
- уровень информационных зон;
- уровень информационных сегментов;
- уровень топиков;
- уровень фрейм-схем, по которым строятся сегменты и топики.
Процедура текстовой упаковки основывается на трех типах
логико-лингвистических конституэнтов, формирующих наиболее важные прагматические
особенности текста Энц-статьи. Это:
- уровень [квази] логических схем предикации и обоснования Зн;
- уровень риторических фигур;
- уровень фабулы и композиции.
Итак, для представления Зн, заключенных в Энц-статьях, потребовалось
семь типов конституэнтов. Всегда ли все они присутствуют в структуре Энц-
статьи? Как правило, это зависит от двух факторов - типа Энц и специфики
предметной области. Здесь же мы приведем лишь некоторые закономерности для
знание-ориентированных уровней.
Полный набор конституэнтов', (зоны - сегменты - топики - фреймы)
реализуется лишь в немногих случаях, а именно, в многопрофильных,
общеобразовательных, популярных Энц из области естественных наук с относительно
жесткой композицией и вне зависимости от объема материала.
Уровень информационных сегментов доминирует в статьях как
популярных, так и некоторых специализированных Энц по искусству, религии и
гуманитарным дисциплинам, выдержанным в классической парадигме с присущим ей
развернутым и мягким стилем.
Наконец, по топиковому принципу строятся статьи технических Энц и
особенно в их усеченных версиях.
Функции глубинных конституэнтов и примитивов можно
систематизировать с помощью следующей таблицы:
Таблица 1
Типы
Энц-деятельности
I. Составление Энц
II. Обработка знания
1. Чтение
2. Просмотр
Процедуры
1. Формирование Энц-статьи.
1.1 Конструирование субстанции
Зн ("чистого Зни).
1.2 Упаковка субстанции Зн
r T^vCTrtnvio f%/\f\ firm у v
2. Организация Энц-пространства.
Расстановка ссылок.
1. Поиск локальной
информации внутри Энц-статьи.
2. Навигация по Энц-пространству
Конституэнты
примитивы
1,2,3,4,5
6,7,8
1,9
2, 3, 4, 5
1,9
99

Примечание. Значение каждого конституэнта:
1 - таксонометрическая категория
2 - уровень информационных зон
3 - уровень информационных сегментов
4 - уровень топиков
5 - уровень фрейм-структур
6 - квазилогическая структура текста Энц-статьи
7 - риторические фигуры
8 - фабульно-композиционная структура
9 - "векторные" категории ссылок
5. Несколько заключительных замечаний
Концепция Энц Зн, представленная в данной статье, должна пролить свет
на такие до сих пор не изученные когнитивные структуры, как эрудиция и Энц-
память.
Представляется, что она могла бы стать основой дальнейших теоретических
поисков, а также "инженерии" Энц, в том числе и для создания Энц АРМ'а, о
котором шла речь.
Наши усилия по апробации данной концепции пока ограничились
разработкой отдельных принципов компьютерной поддержки для составления Энц-ста-
тей, а также написанием фрагмента некоторой специализированной
энциклопедии для готовой компьютерной оболочки.
Расширение сферы приложения Энц-модели, например, создание
Энц-АРМ'ов для мета-специалистов широкого профиля, будет стимулировать
развитие предложенной концепции в разных направлениях.
100

Не слишком верится, но...
55555555E5E5I5EE5EE5555555
Сергей Александрович Стебаков предлагает читателям еще одно
философское эссе, написанное раньше, чем новелетты, опубликованные в нашем журнале
в N1 за этот год, оно посвящено тому же кругу проблем, о которых говорится в
новелеттах. А предваряет эссе сжатое философское кредо, очень важное для
проникновения в творческую лабораторию С.А.Стебакова.
ФИЛОСОФСКОЕ КРЕДО
С давних пор мыслящие люди отмечали странность того, что человек, остро
переживая тягостность своего существования, упорно цепляется за жизнь. Когда
кибернетика стала модой, то странность объясняли тем, что человек - это робот и
что его иволя к жизни" запрограммирована (так что от нее никуда не денешься).
Впрочем, если робот окажется в экстремальных условиях (т.е. ему станет совсем
невтерпеж), то вызывается специальная подпрограмма, которой можно, по
понятным причинам, дать кодовое название "скорпион" и человек может остановить
выполнение своей жизненной программы. В нашу эпоху НТР "воля к жизни"
активизировала изыскания способов достижения неограниченного долголетия.
Сам я, не отставая от других, выступаю с докладами о "Теории Живых Систем",
предлагающей подобные рецепты. Цитирую (своими словами) Анатоля Франса -
"Почему они стремятся к неограниченно-длительной жизни, не зная на что
израсходовать имеющуюся, ограниченную?". Поэтому я считаю необходимым
дополнить теорию живых систем способом достижения полноценного
существования, без чего долголетие будет бессмысленно. Идеал такой полноценности я
извлекаю из учения Айседоры Дункан. Не ведая (отсутствующей в ее время) теории
живых систем, она мучилась, думая о бессмысленности жизни, ограниченной
неизбежностью смерти и говорила, что мыслящая интеллигенция осознает это и
в один прекрасный день коллективно покончит с собой.
Итак, теория живых систем бесцельна, если не добавить учения Айседоры,
а ее учение неполноценно, если не будет теории живых систем. Итак наука
должна сочетаться здесь с нашим жизнелюбием. Поэтому я выбрал эпиграфом к
одной своей популярной статье следующую, относящуюся к теории живых систем
сенсацию
ПРЕЖДЕ ЧЕМ ЭТО СТАНЕТ НАУЧНЫМ ПРОЕКТОМ,
ЭТО ДОЛЖНО СТАТЬ МЕЧТОЙ ЧЕЛОВЕЧЕСТВА.
Должен явиться новый Гомер и стать у колыбели этой мечты.
101

PLEXI
(метакибернетическая повесть)
В одном исследовательском институте, с целью проверить, сформированные
теоретиками, законы человеческой психики, была построена условная модель
человечества.
Пустив ее в ход, ученые, в условно-символической форме, наблюдали не
только процессы, свойственные искусственному интеллекту, но и взаимодействие
интеллектуального с эмоциональным, психического с физиологическим, обмен
информацией всякого рода, кооперирование трудовых процессов, любовные
треугольники и социально-психологические явления.
Искусственное человечество вело борьбу за существование и развивало свой
разум. Оно создало язык и литературу, науку и технику, искусство и философию.
Обязанное в соответствии с научными планами института, быть во всем
подобно своим создателям, искусственное человечество ощущало острый интерес
к тонкостям своей психологии и, после многих неудач и утомительных споров,
сформулировало законы интеллекта, эмоциональности (и взаимодействия
первого со вторым), связи психологического и физиологического, законы
социологических и сексологических явлений.
Также, как и мы, они прошли долгий путь от веревочных плясунов и театра
марионеток к науке об "играх автоматов" и обманчивому жизнеподобию
антропоморфных манипуляторов. Потом они свели поведение манипуляторов к
обозримой системе основных принципов, запрограммировали их и рассчитали
автоматизм промежуточных действий.
Все это радовало ученых, но главный свой успех, свидетельствующий о
правильности заложенных в модель принципов, они отметили после того, как
искусственное человечество построило модель самого себя для проверки своего
опыта самопознания.
Модель человечества, построенная настоящими людьми, была весьма
быстродействующая и, как трудовые процессы, так и эволюция возникавших там идей
происходили с головокружительной быстротой. Но самое интересное, из всего
этого, фиксировалось и разворачивалось в нормальном масштабе времени, а
споры и мысли искусственных людей переводились на естественный человеческий
язык.
Следя за чистотой эксперимента, ученые старались поменьше вмешиваться
в жизнь модели, ограничиваясь теми случаями, когда история искусственного
человечества заходила в тупик, или когда его взаимодействие с искусственной
природой приводило к бурным процессам, грозящим разнести всю систему
биогеоценоза.
"Догадывается ли искусственное человечество, что оно искусственное?" - вот
вопрос, который, с некоторого времени, стал волновать весь институт.
102

Догадка, относительно своей искусственности, уже не раз возникала в
некоторых искусственных умах, но глушилась другими умами, более трезвыми. И это
понятно. Ведь у них не было никаких способов выйти за пределы модели и
посмотреть на свой искусственный мир со стороны. Не было у них и чувственных
органов, способных реагировать на присутствие сотрудников института. Но,
сопоставляя материалы косвенных наблюдений и напрягая воображение, они
приходили к выводам, заставлявшим ученых неметь от изумления.
У искусственных людей было немало поводов заметить (и некоторые это
замечали) многие случаи вмешательства извне.
Обозревая историю своего мира (геологическую, биологическую,
социальную) они замечали, что им, вообще говоря, "везет", что стечения обстоятельств
благоприятствуют (когда, как будто, не на что и надеется), что гениальные идеи
внезапно возникают "ко времени" и "к месту", как некие "откровения свыше".
Заметим, что среди обитателей модели были искусственные личности,
заслуживающие особого внимания. Ученые подвергли их особым испытаниям и о
них же особо заботились. Бели, среди таковых, были верящие в свою
искусственность, то они генерировали сигналы бедствия при нежелательных прогнозов в
личной жизни. Всякий положительный отклик на такую мольбу убеждал их еще
больше, но только их самих и никого кроме.
За верой последовала религиозная концепция, мораль и, наконец,
обрядность. Появились и мистики.
Требование подобия заставило ученых наделить искусственных людей
способностью видеть сны и, так же как у нас, они были пленительным и несуразным
(а, порой, кошмарным) сплетением собственного сочинительства и чего-то вроде
сочинительства постороннего.
Заметившие, что в этом смысле, жизнь наяву чем-то подобна сноведениям
(что было вполне естественно, так как в модели сталкивалась инициатива из двух
источников), пришли в крайнюю растерянность и именно они придумали
мистицизм.
Но не религиозники и не мистики изумляли ученых, а, родственные ученым
по духу, их искусственные коллеги.
Они так искусно построили модель искусственного человечества, что эта
модель сама вознамерилась себя моделировать.
Эта преемственность идей побудила некоторых искусственных ученых
усомниться в первичности собственного мышления, а за этим последовало
подозрение в искусственности всего искусственного мира в целом.
Этим ученым (искусственным) было слишком трудно поднять
прозорливость других на тот же уровень. Трезвые умы настоятельно посоветовали им уйти
на пенсию и, мирно отдыхая, наслаждаться своей прозорливостью.
Вся эта история необычайно насмешила наших ученых и, поначалу, никто
не заметил, что Генеральный конструктор модели, который больше всех мог бы
103

смаковать успех этого занимательного и поучительного эксперимента, вовсе не
смеялся.
С каждым днем он становился все более необщительным и рассеянным.
Запершись в кабинете и отключив телефон, он отменял заседания и
отмалчивался, когда его спрашивали о здоровье.
А внутри модели, тем временем, жизнь кипела во всю.
*• *
Перед тем, как рассказывать дальнейшее, мне придется сообщить кое-какие
дополнительные сведения об искусственных людях.
Подобно своим прототипам они размножались, болели, старились, умирали,
сходили с ума, чудачили, терзались страхом смерти.
Подобно своим создателям, они знали законы собственной психики, но не
знали местонахождения и устройства своего психического аппарата. Однако,
создатели, не зная этого для самих себя, прекрасно знали, как и где это у их
созданий. И, со слов ученых, я могу поведать об этом вам.
* * *
Выше уже говорилось о быстродействии модели, то есть о молниеносности
поведения искусственных людей, а также, об условности сходства между нами и
ими.
Наше сходство с ними было, примерно, таким же, как сходство между
кругом и вписанным в него многоугольником. Это сравнение надо запомнить, чтоб
понять дальнейшее.
Как известно, поведение того руководящего психологического устройства,
которое надзирает за оперативностью нашего человеческого поведения, должно
быть поистине сверхчеловеческим. Как правило, причины всегда значительнее
следствий. Исключения из этих правил возникают тогда, когда смешиваются
понятия "причина" и "вывод").
Оно должно быть сверхоперативно, чтобы человеческое реагирование
обладало той легкостью непосредственности, которую именуют "инстинктивность".
А то, что надзирает над этим надзирающим устройством, должно обладать
способностью к еще более сверхчеловеческому поведению и т.д.
Каждое "надзирающее" снабжает "надзираемое" все более готовыми
полуфабрикатами решений, относительно реакции на окружающую обстановку, а
каждое "надзираемое" снабжает "надзирающее", соответствующими своему
уровню, полуфабрикатами анализа обстановки.
Можно сказать, что отношение между смежными "надзирающим" и "надзи-
раемым" подобно отношению между ЭВМ и заводом, этой ЭВМ управляемым.
Только завод и ЭВМ - это цепочка всего лишь из двух звеньев, а сколько
может быть звеньев в цепочке, образованной нашим сознанием и последователь*
ностью "подсознаний" различных рангов?
104

Страшно подумать, но вряд ли их количество может быть конечным *.
Такая попытка завела бы нас в дебри топологических свойств
бесконечномерного физического пространства.
В случае конечной цепочки нашему поведению была бы свойственна
"угловатость'4, напоминающая отличие многоугольника от круга.
Обитатели модели страдали угловатостью поведения, мышления,
переживания и, хотя они были похожи на нас, но юмор их был грубоват, музыка
немелодична, драматургия схематична, а в личных отношениях они были излишне
прямолинейны и, как с осуждением говорится, "очень принципиальны".
Главным же дефектом угловатости было лимитирование их способности к
саморазвитию.
Их исторический процесс был весьма неповоротлив и ученым то и дело
приходилось подпихивать его. Но загонишь ведь в конечную модель бесконечные
цепи подсознаний.
Однако, то "суфлирование", которое не слишком редко применяли ученые,
можно было рассматривать, как кратковременные "сглаживания углов", то есть
бесконечные удлинения конечных цепочек (которые были у их подопечных) за
счет подключения своих собственных бесконечных цепей.
Каждый случай такого удлинения воспринимался искусственными людьми,
как "внезапное озарение", "наплыв вдохновения", "метафизическое постижение"
или еще что-нибудь в этом роде.
Конечные цепочки, образованные сознанием (то есть первым звеном) и
"подсознаниями" возрастающих рангов, называли "душами" искусственных
людей, но в технической документации они выглядели весьма прозаически, как
некоторые машинные процедуры.
Когда искусственный человек умирал, то его "душу" (обогащенную
"памятью пережитого") на всякий случай сохраняли, выводя из модели во внешнюю
память.
Никаких поводов использовать "души покойников" для чего-нибудь, кроме
контрольных просмотров, не возникало.
Даже при возвращении их в активную память компьютера не было надежды
на их функционирование, как и в случае любой программы, при отсутствии
исходных данных.
Поскольку никто из наших ученых не познал "загробной жизни" (да,
признаться, и не стремился к этому) нечего удивляться, что для модельных людей
"загробная жизнь" не была запроектирована.
**#
* Вряд ли уместно пытаться здесь ответить на вопрос "а где же это
расположено?" •
105

Тут мы подходим к самому интересному. Настал день, когда в среде
искусственных людей сложилась занимательная концепция, якобы существующей
"ПОСТ-ЛЕТАЛЬНОЙ ЭКСИСТЕНЦИИ (PLEXI). Любопытство побудило
ученых-экспериментаторов соответственно усложнить модель (по инициативе самих
ее обитателей).
"Как поведет себя первый обитатель PLEXI-мира (если этот мир будет для
искусственного человечества организован)?" - вот что было основной темой
разговоров в каждой лаборатории во время перерыва, предназначенного для питья
кофе.
Кто-то предложил инсценировать миф об Орфее и Эвридике.
Дискуссионный пыл, не остывавший с самого начала эксперимента, достиг кульминации.
Идеям и предложениям не было конца.
Трудность была в том, что изобретатели PLEXI-мира далеко не были
уверены в своей идее и, внезапно обретя эту уверенность, были так ошеломлены, что
могли бы, так сказать, "посмертно сойти с ума", а в этом случае эксперимент
потерял бы смысл.
* * *
Поясним, хотя бы кратко, характер трудностей, связанных с PLEXI-экспе-
риментом.
Не имея предварительных накоплений соответствующего опыта, первый
новосел PLEXI-мира оказался бы в большей беспомощности, чем младенец,
сменивший уют материнского лона сперва на дискомфортность постоянно
намокающих пеленок, а потом на, с трудом познаваемый, мир колыбели и погремушек.
В общем, посовещавшись, решили отказаться от всей этой, чересчур
хлопотной, PLEXI-затеи.
* * *
Но тут произошло неожиданное. Генеральный конструктор, которого ,
подозревая какую-то ужасную и глубоко-личную трагедию, все оставили в покое,
внезапно вернулся к жизни и включился в работу с бешеной энергией.
* * *
Я вынужден снова отвлечься, чтобы рассказать про то, как развивался ход
мыслей первого PLEXI-изобретателя.
Это был искусственный человек, остро ощущающий придуманность самого
себя, осознанную им путем весьма косвенных соображений.
Его не покидало странное ощущение того, что за ним неотступно следит
чей-то пристальный взгляд, что его жизнь складывается под влиянием каких-то
неожиданных вмешательств, как будто кто-то, где-то нажимает какие-то кнопки
на пульте управления его существованием.
106

Так оно, конечно и было, но дошел он до этого сам, без какой-либо нашей
подсказки.
Он не спешил делиться всем этим с другими, чтобы не прослыть
сумасшедшим, а если и говорил, то только за чашкой чая или бутылкой вина с напускным
видом шутливой мистификации.
Да и как можно было говорить серьезно, когда нажиматели кнопок
представлялись ему порой не в образе МУДРОГО и ВСЕБЛАГОГО ТВОРЦА
ВСЕДЕРЖИТЕЛЯ, а как благожелательные и нечуждые беззлобному подшучиванию ..., как
их назвать, ну... ангелы что ли.
Он недоумевал, почему в процессе эволюции закрепились те анатомо-физи-
ологические и психические особенности, которые вовсе не были необходимы для
выживания, но (в интересах поэтов и художников) делали человека более
своеобразным и интересным.
Он знал, что фантасты-юмористы любят изощряться в описаниях
КОНСТРУКТОРСКОГО БЮРО ТВОРЦА ВСЕГО СУЩЕГО, где, в частности, были
спроектированы АДАМ и ЕВА (легенда о них сложилась и у искусственных людей).
Присматриваясь к телам себе подобных (которые, если не считать модельных
условностей, были такими же, как наши), изобретатель поражался величием
конструкторской мысли в целом, но при этом отмечал и удивительную наивность
в решении некоторых деталей.
Ему казалось, что их разработка была поручена начинающим
разработчикам (может быть даже разработчицам) и что их слабые решения были
утверждены только ради того, чтобы не задеть молодые самолюбия.
Он додумался даже до "души", так как без нее в его расчетах не сводились
концы с концами, а с "душой** все получалось логично, материалистично, научно.
Оставалось ответить на проклятый вопрос: "почему" все существует и
происходит или "зачем" все это нужно?
Однажды "прозрев", изобретатель уже не мог вернуться к успокоенности
теоретического самовнушения. Он переходил к попытке ответить на вопрос
"зачем"?
Он мучился от его безответности и бормотал стих, который в переводе на
человеческий язык, совпадал с известным стихом Омара Хаяма:
Во-первых, жизнь мне дали не спросись,
Потом невязка в чувствах началась,
Теперь же гонят прочь
- Уйду, согласен,
Но замысел неясен
- Где же связь?!...
В мучительных сомнениях изобретатель стал безудержно фантазировать,
вызывая дружелюбно-снисходительные усмешки наших ученых.
Он вообразил, что душа - это бесконечная цепь последовательно
подчиненных и усложняющихся сознаний, что его хорошо ощущаемое им сознание - это
107

только первое звено такой цепи, что смерть - это отмирание тела и превращение
сознания (обретающего при этом чувствительные и исполнительные органы) в
"тело", для которого роль сознания играет следующее звено цепи. Потом
происходит отмирание следующего (превратившегося в первое) звена и новое, еще
более сложное существование и так далее, все сложнее и сложнее.
- "Каждая жизнь" - рассуждал он, - "заряжает своим опытом всю
совокупность последующих звеньев, все это входит в понятие саморазвития материи и все
это сложилось в процессе эволюции, но не эволюции на основе случайных
толчков и механического отбора, не эволюции, автоматизм которой слагает с
человечества ответственность за результат, а сопровождаемая восхождением по
лестнице бессмертия, сознательная или подсознательная возможность проявлять себя на
каждой ступени. Вот ради чего надо мыслить и чувствовать, вот ответ на вопрос
"зачем"?
- "А кто же построил эту чудо-лестницу и, опять же, "зачем" построил?"
На этот вопрос собутыльника изобретатель не отвечал словами. Движением
плеча он показывал на висящую на стене, фотографию построенной ими самими
экспериментальной модели и полагал, что отвечает этим на оба вопроса ("кто?" и
"зачем?") сразу.
* * *
Вот это-то сочетание прозрений и нелепостей и взбудоражило ученых,
вообразивших, что наконец явился долгожданный образец "машины", которая
умнее своего создателя.
Как уже рассказывалось, они решили приготовить для него нечто вроде
"персональной PLEXI" в полном согласии с его фантастическими
представлениями, расконсерировать специально для него "души дорогих усопших" и
пристраивать все новые и новые звенья к его цепочке, имитируя "бессмертие души".
Все это было чертовски трудно и поостыв, они бы бросили все это, если бы
не вмешался Генеральный конструктор с энергией, устраняющей все
препятствия.
* ♦ *
Не могу удержаться от одного существенного замечания.
Ведь совершенно ясно, что всякая модель, являясь аналогом моделируемого
явления, всегда привносит еще что-нибудь от себя, то есть обладает собственной
спецификой, начинающейся за пределами достигнутой аналогии.
Ясно и то, до каких нелепостей можно дойти, если, незаконно расширяя эти
пределы, мы начнем искать в нашем собственном мире прообразы модельной
специфики.
Мало ли куда может заносить искусственных людей в хитросплетениях их
убыстренного раздумья.
108

Однако жертвы обратного аналогизирования появились и стали
проповедовать плексические идеи применительно к ним самим.
Плексистов было немного, но ребята это были горластые и коридоры
института огласились их яростными спорами с антиплексистами.
Мне ни разу не удалось пробиться на заседание семинара по плексилогии,
но я не жалею об этом.
Меня ужасно раздражало, что, оставаясь в явном меньшинстве, плексисты
разгуливали с видом победителей.
Потом среди заинтересованных лиц возникли споры о социально-этических
последствиях, которые может вызвать распространение PLEXI-идей в
искусственном обществе. Для обсуждения этих вопросов был организован специальный
PLEXI-социологический семинар.
Ну и так далее...
Не буду перечислять остальные примеры бурно нарастающего PLEXI-ажи-
отажа.
* ♦ *
Я не принимал никакого участия в этой шумихе, но я был бы неискренен,
если бы умолчал о своих собственных внимательных наблюдениях
искусственного человечества, невольных сопоставлениях, тяжелых и противоречивых
размышлениях в связи с их существованием.
Каждый из искусственных людей был снабжен не только возможностями
жизнеобеспечения и способностями к их использованию, но и чем-то вроде
внутреннего кнута, подгоняющего его инициативу, взбадривающего его активность и
заставляющего продираться через всякие щедро расставленные на его жизненном
пути препятствия.
Этот кнут больно стегал его на самом низком уровне телесной автоматики,
заставляя отклоняться от жгущих, колючих, режущих и т.п. раздражителей.
На уровне сознания тот же кнут побуждал его оптимизировать (в процессе
самообучения) свои стратегии, минимизируя дискомфорт, возникший в "игре с
природой" или с себе подобными противниками.
Фаворитами наших ученых были те (не слишком многочисленные), кто в
результате флюктуации параметров, были живы "не хлебом единым", то есть
подгонялись не столько своей нерасположенностью к дискомфорту, сколько
дополнительно стегающим кнутом, называемым "жаждой познания".
Нередко ученые посылали им подсказки и этим самым создавали им
репутации гениальных или юродивых.
Мудро используя стимулирующее сочетание кнута и пряника, создатели
искусственных людей вкладывали в подсознание каждого из них больший или
меньший запас той энергии, которая расходуется на создание иллюзий счастья,
надежды и мечты.
109

Снабжение этой энергией было подобно заводу проигрывателя с пружинным
механизмом - один раз на всю жизнь.
Иллюзии детства способствовали игре в куклы или скаканьям на деревянных
лошадках, иллюзии молодости убеждали в загадочной глубинности неких глаз и
в вечности первого чувства.
Более поздние иллюзии внушали веру в то, что "все к лучшему" или, что
"счастье вернется".
Когда пружина окончательно раскручивалась, то оказывалось, что и кнут
истрепался.
Тогда наступала старческая депрессия, милосердно обезболивающая акт
умирания.
Хуже было, когда пряник был уже съеден, а кнут все еще не утратил силы.
Учитывая, что под влиянием кнута искусственный человек может
перестараться в своей активности, ученые снабдили его некоторым ограничителем,
срабатывающим, когда активность становилась бессмысленной.
Это устройство предотвращало "всякие глупости" и было весьма полезно.
Оно побуждало к "поискам новых путей", возможность которых
подсказывалась той же иллюзией.
Зато, когда туман иллюзии рассеивался, то положение становилось
безвыходным. Ограничитель держал, а кнут свирепствовал.
И несчастные искусственные люди метались в камерах смертников или в
предоперационной тоске, корчились на больничных койках.
Конечно, все это вводилось в модельное устройство далеко не полностью и
вовсе не так буквально.
Вводился некоторый скелет исходных принципов, правил, условных
обозначений. И то, что обрастание этого скелета приводило к гармоничной психо-био-
логической и социально-психологической системе, следует считать триумфом
наших теоретиков.
Но к пылким восторгам примешивалось какое-то странное чувство не то
раздражения, не то брезгливости.
В этом упрощенном ("угловатом") копировании нас самих таилось
множество унизительных намеков. Пародия была слишком обидной. Как бы это
пояснить. ..
Однажды я посетил выставку самодеятельных художников-примитивистов.
Там были и пейзажи, но сейчас мне вспоминаются жанровые сцены. Это были
честные примитивисты. Примитивы не ради изыска, а примитивы от неумения.
Но каждый автор был в душе художник. Он имел острый взгляд и каждый раз он
подмечал частичку какой-то стороны жизненной правды. От уродцев,
изображающих членов семьи, родню, соседей, сослуживцев, разило тем душевным
убожеством, от которого спасались художники-самоучки, хватаясь на старости лет за
кисть и палитру и не смущаясь насмешками окружающих.
НО

Думая, что окружающим было обидно узнавать себя в этой бесхистростной,
но идущей от душевной искренности, мазне.
Я знал, что наше бытие куда богаче, чем бытие искусственного человечества,
но через духовное убожество модели проглядывали черты сходства, от которого
было не уйти. Я как бы видел свой портрет на выставке примитивистов.
Ничтожность этого искусственного, но столь похожего на человеческое,
существования (со всякими внутренними кнутами, пряниками, ограничителями)
такая наглядная, когда она перед вами вся как на ладони, и просматривается от
начала до конца в убыстренном темпе - эта ничтожность была заметна и нашим,
упомянутым выше, фаворитам.
Ничтожность существования усугублялась его краткостью.
Угнетающим и смехотворным было зрелище катастрофического падения с
возрастом жизненного тонуса, подобно падению уровня в бачке сан-узла, после
того как дернули за шнур (бурное начало и иссякание последней жалкой струйки
в финале).
Явное преимущество бачка, вновь накапливающего воду после очередного
спуска, выражало огорчительную неполноту аналогии.
Завидуя бачку, наши фавориты мечтали о восстановлении жизнетворной
разности потенциалов и в конце жизни старались вздохнуть поглубже, набирая
воздух для второго дыхания.
Так рождались их PLEXI-надежды.
Подобно Фаусту, они хотели в повторной жизни преодолеть ничтожность
бытия. Они были нашими подлинными братьями по разуму и чувствам. Но до чего
же они были слабы и малочисленны.
* * *
Всех, конечно, интересовало мнение Генерального конструктора о
проблемах искусственного человечества (и больше всего о знаменитом PLEXI), но,
воздерживаясь от философии, он ограничивался техническими указаниями.
Обратиться к нему с прямым вопросом мы не решались. Впрочем, нашелся один
смельчак (или простак). Говорят, что шеф полминуты смотрел ему в глаза как бы
разглядывая его душу. Потом, ничего не ответив, пошел дальше.
* * *
Словечко PLEXI вышло за пределы института, взбудоражило умы, стало
модным и было самым гнусным образом опошлено, засверкав аргоновым и
неоновым свечением на бродвеях всего мира.
"Пьющие PLEXI-кола лучшие в мире любовники*.
"Жующие резинку PLEXI живут дольше всех".
Был даже призыв пользоваться канцелярскими скрепками PLEXI и
никакими иными.
111

Потом появились совершенно порнографические купальники "PLEXI-герл"
и т.д. и т.п.
Я не "про" и не "анти-PLEXI-CT", но эта профанация меня коробит.
Впрочем, таковы люди. Появись среди нас ангелы, так сейчас же начнут
строить планы об их использовании в военных целях. А если они откажутся, то
будут стараться привлечь их к рекламированию PLEXI-колы, напоминающей
разбавленный зубной элексир и содержащей далеко не безвредные алколоиды
спорыньи.
ЭПИЛОГ
Говорят, что эта работа по созданию PLEXI-мира для искусственного
человечества продолжается с неослабным усердием, но мне нечего добавить к
сказанному.
Меня привлекли по-настоящему серьезные проблемы, связанные с
автоматизацией производства (согласование скорости валков прокатного стана,
регулирование скорости шахтного подъемника, управление скоростью бурения на
больших глубинах и т.п.).
Здоровая и вдохновляющая атмосфера этих подлинно-научных изысканий
отвлекла меня от "кибернетической потусторонщиыы", относящейся к тому же
лишь к "искусственным людям".
Вели я и поведал обо все с такими подробностями, то только потому, что хочу
дать самому себе отчет в загадочной метаморфозе поведения, хорошо мне
знакомого и глубоко уважаемого Генерального конструктора.
На этот счет у меня есть одна версия, но могут быть и иные и притом более
остроумные.
112

Машинное творчество
М.Г.Гаазе-Рапопорт, Д.АПоспелов, Е.Т.Семенова
НОВЫЕ СКАЗКИ
Компьютерное "творчество* продолжает привлекать внимание
исследователей. В работах этого направления на первый план все больше выходит не
удивление перед возможностью генерирования литературных, музыкальных или
живописных произведений, а серьезное исследование процессов, лежащих в
подсознании творца, стремление к вербализации тех из них, которые этому поддаются.
Наши многолетние исследования в области генерации волшебных сказок
[1-5], опирающиеся на гениальное открытие В.Я.Проппа, положившем начало
структурализму в литературоведение [6]. Генезис наших исследований связан с
семейством программ TALE, в котором каждая новая версия в чем-то улучшает
качество произведений, создаваемых этими программами.
Ниже приводятся результаты, полученные последней версией программы, в
которой была существенно расширена база знаний за счет введения в нее
информации, относящейся к двум направлениям:
1. Расширился набор свойств, приписываемых различным типам
персонажей и, соответственно, был увеличен список конкретных персонажей,
относившихся к тому или иному типу.
2. В базу знаний было введено множество фрагментов гипертекстов (из числа
часто встречающихся в элементах расцвечивания реальных сказок). Введенные
фрагменты были снабжены метками, указывающими, каким свойствам и
действиям персонажа этот фрагмент может соответствовать. Фрагментам также
приписывалась элементарная грамматическая информация (род, число), которая
использовалась при включении фрагмента в текст для согласования с уже
порожденной частью сказки. Так, например, если речь идет о поисках сына, то он
включается в содержание фрагмента и соответствующие местоимения
помещаются в мужском роде. Бели же речь идет о дочери иди принцессе, в фрагмент
вводятся изменения, соответствующие женскому роду.
Замечание: Указанная задача могла бы решаться с помощью специального
лингвистического анализатора, включенного в программную систему, однако в
нашем случае при относительно бедном анализе этот громоздкий путь был заме-
113

нен более простой системой правил с использованием элементарных
грамматических меток.
Выбор фрагментов из числа допустимых осуществляется, как и выбор
конкретных действующих лиц по случайному выбору.
Ниже приводятся 8 текстов порожденных расширенной описанным образом
системой TALE-92. В приведенных примерах прописными буквами напечатан
текст структуры сказки, а строчными выделены фрагменты, выделенные
программой из гипертекстовой базы знаний и (при необходимости) грамматически
согласованные. При выборе примеров мы стремились показать, как при
одинаковых или похожих завязках за счет жребия содержание сказки становится разным.
1
(Давным-давно, в одном городе ЖИЛ МУЖИК)
(МУЖИК НЕ _ИМЕЛ ДЕТЕЙ)
(Как-то ОТПРАВИЛСЯ МУЖИК на базар)
(В скором времени ВСТРЕТИЛ МУЖИК КОЛДУНА)
(КОЛДУН СКАЗАЛ
Знаю я твою беду. Возьми это зелье. Оно поможет тебе: у тебя родится
сын, но когда сыну исполнится пятнадцать лет, обещай отдать мне
его в ученье на три года. Да не пропусти срок! Приходи день в день, а
то не получишь своего сына!)
(ВЕРНУЛСЯ МУЖИК С.ВОЛШЕБНЫМ СРЕДСТВОМ ДОМОЙ)
(ОТ_ЗЕЛЬЯ РОДИЛСЯ У_МУЖИКА СЫН)
(Прошло время, СЫН ВЫРОС)
(ПРИШЕЛ КОЛДУН)
(УВЕЛ КОЛДУН СЫНА)
(Через три года ОТПРАВИЛСЯ МУЖИК ВЫЗВОЛЯТЬ СЫНА)
(НАШЕЛ МУЖИК КОЛДУНА В_ЗАМКЕ)
(ПОТРЕБОВАЛ МУЖИК СЫНА)
(КОЛДУН ОТВЕТИЛ Отпущу я твоего сына, если ты его трижды узнаешь.)
(СОГЛАСИЛСЯ МУЖИК СЫНА УЗНАВАТЬ)
(НОЧЬЮ ЯВИЛСЯ МУЖИКУ СЫН)
(ПОДСКАЗАЛ СЫН МУЖИКУ
Завтра колдун выпустит двенадцать голубей. Среди них я буду. Все как
один, да я нет-нет да повыше других взлечу.)
(ПОШЕЛ МУЖИК В_ЗАМОК)
(КОЛДУН ВЫПУСТИЛ двенадцать голубей)
(МУЖИК СМОТРИТ
Все голуби высоко летают, да среди них есть такой, что нет-нет да выше
других взлетит, от он!)
(ПОКАЗАЛ МУЖИК СЫНА)
(ГОВОРИТ КОЛДУН Первый раз угадал, приходи завтра.)
(НОЧЬЮ ЯВИЛСЯ МУЖИКУ СЫН)
114

(ПОДСКАЗАЛ СЫН МУЖИКУ
Завтра колдун выгонит двенадцать коней. Среди них я буду. Все как один,
да я нет-нет да правой ногой топну.)
(ПОШЕЛ МУЖИК В.ЗАМОК)
(КОЛДУН ВЫПУСТИЛ двенадцать коней)
(МУЖИК СМОТРИТ
Все кони смирно стоят, да среди них есть такой, что нет-нет да правой
ногой топнет. Вот он!)
(ПОКАЗАЛ МУЖИК СЫНА)
(ГОВОРИТ КОЛДУН Второй раз угадал, приходи завтра.)
(НОЧЬЮ ЯВИЛСЯ МУЖИКУ СЫН)
(ПОДСКАЗАЛ СЫН МУЖИКУ
Завтра колдун выведет двенадцать молодцев. Среди них я буду. Все как
один, да ко мне на правую щеку нет-нет да мушка сядет.)
(ПОШЕЛ МУЖИК В J3AMOK)
(КОЛДУН ВЫПУСТИЛ двенадцать молодцев)
(МУЖИК СМОТРИТ
Все молодцы похожи, да к одному нет-нет да на правую щеку малая
мушка сядет. Вот он!)
(ПОКАЗАЛ МУЖИК СЫНА)
(ГОВОРИТ КОЛДУН В третий раз угадал, забирай своего сына.)
(ОСВОБОДИЛ МУЖИК СЫНА)
(ВЗЯЛ МУЖИК СВОЕГО_СЫНА)
(ВЕРНУЛСЯ МУЖИК С_СВОИМ_СЫНОМ ДОМОЙ)
(КОНЕЦ)
2
(Давным-давно, в одном городе ЖИЛИ МУЖ__С_ЖЕНОЙ)
(МУЖ_С_ЖЕНОЙ НЕ.ИМЕЛИ ДЕТЕЙ)
(Как-то ОТПРАВИЛСЯ МУЖИК на базар)
(В скором времени ВСТРЕТИЛ МУЖИК КОЛДУНА)
(КОЛДУН СКАЗАЛ
Дам я тебе зелье. Родится от этого зелья у тебя сын. Но когда сыну
исполнится пятнадцать годков, обещай отдать мне его в ученье на семь
лет.)
(ВЕРНУЛСЯ МУЖИК С.ВОЛШЕБНЫМ.СРЕДСТВОМ ДОМОЙ)
(ОТ_ЗЕЛЬЯ РОДИЛСЯ У_МУЖИКА СЫН)
(Прошло время, СЫН ВЫРОС)
(ПРИШЕЛ КОЛДУН)
(УВЕЛ КОЛДУН СЫНА)
(ПРОЖИЛ СЫН У „КОЛДУНА Семь лет)
(ИЗУЧИЛ ОН ВСЕ)
(НАДУМАЛ СЫН ОСТАВИТЬ КОЛДУНА)
115

(РЕШИЛ СЫН БЕЖАТЬ)
(ОБОРОТИЛСЯ СЫН КОНЕМ вороным)
(БРОСИЛСЯ СЫН В_ПОЛЕ)
(ОБОРОТИЛСЯ КОЛДУН ВОЛКОМ вот-вот догонит)
(ОБОРОТИЛСЯ СЫН ЕРШОМ колючим)
(БРОСИЛСЯ СЫН В_ОЗЕРО)
(ОБОРОТИЛСЯ КОЛДУН ЩУКОЙ того-гляди проглотит)
(ОБОРОТИЛСЯ СЫН ЗЕРНОМ пшеничным)
(БРОСИЛСЯ СЫН В_ТРАВУ)
(ОБОРОТИЛСЯ КОЛДУН ПЕТУХОМ принялся клевать)
(ОБОРОТИЛСЯ СЫН ЯСТРЕБОМ быстрым)
(ЗАБИЛ ЯСТРЕБ ПЕТУХА)
(ВЕРНУЛСЯ СЫН С_КОЛДОВСКОЙ_НАУКОЙ ДОМОЙ)
(Я там был, мед пиво пил. По усам текло, а в рот не попало!)
(КОНЕЦ)
3
(Много лет тому назад, где-то ЖИЛ ЦАРЬ)
(ЦАРЬ ИМЕЛ ДОЧЬ)
(Как-то ОТПРАВИЛСЯ ЦАРЬ на войну)
(ЦАРЬ ЗАПРЕТИЛ ДОЧЕРИ ВЫХОДИТЬ_ИЗ_ДОМА)
(НАРУШИЛА ДОЧЬ ЗАПРЕТ)
(НАЛЕТЕЛ КОЩЕЙ)
(УНЕС КОЩЕЙ ЦАРЕВНУ)
(ЦАРЬ ОБЪЯВИЛ
Кто спасет мою дочь, тому отдам ее в жены, да полцарства в придачу.)
(Не долго думая, ОТПРАВИЛСЯ ИВАН ИСКАТЬ ЦАРЕВНУ)
(Долго-ли коротко, ВСТРЕТИЛ ИВАН СТАРУШКУ)
(СТАРУШКА ПОГИБАЛА под свалившимся деревом.)
(ПОМОГ ИВАН СТАРУШКЕ поднял дерево и выпустил.)
(РАССКАЗАЛ ИВАН СТАРУШКЕ КУДА ПУТЬ ДЕРЖИТ)
(ДАЛА СТАРУШКА ИВАНУ КЛУБОЧЕК, куда покатится, туда и иди)
(ПОКАТИЛ ИВАН КЛУБОЧЕК)
(ПОШЕЛ ИВАН ДАЛЬШЕ)
(Долго-ли коротко, ВСТРЕТИЛ ИВАН СТАРЕНЬКУЮ_СТАРУШКУ)
(СТАРЕНЬКАЯ_СТАРУШКА ПОГИБАЛА, попав в яму.)
(ПОМОГ ИВАН СТАРЕНЬКОЙ_СТАРУП1КЕ вытащил из ямы.)
(РАССКАЗАЛ ИВАН СТАРЕНЬКОЙ_СТАРУШКЕ КУДА ПУТЬ
ДЕРЖИТ)
(ДАЛА СТАРЕНЬКАЯ_СТАРУШКА ИВАНУ СЕРЕБРЯНЫЙ_КЛУБО-
ЧЕК, куда покатится, туда и ступай себе.)
(ПОКАТИЛ ИВАН СЕРЕБРЯНЫЙ.КЛУБОЧЕК)
(ПОШЕЛ ИВАН ДАЛЬШЕ)
116

(Долго-ли коротко, ВСТРЕТИЛ ИВАН СОВСЕМ_СТАРЕНЬКУЮ_СТА-
РУШКУ)
(СОВСЕМ_СТАРЕНЬКАЯ_СТАРУШКА ПОГИБАЛА, заблудившись в
лесу)
(ПОМОГ ИВАН СОВСЕМ_СТАРЕНЬКОЙ_СТАРУШКЕ вывел из леса.)
(РАССКАЗАЛ ИВАН СОВСЕМ_СТАРЕНЬКОЙ_СТАРУШКЕ КУДА
ПУТЬ ДЕРЖИТ)
(ДАЛА СОВСЕМ_СТАРЕНЬКАЯ_СТАРУШКА ИВАНУ ЗОЛО-
ТОЙ_КЛУБОЧЕК, клубочек покатится, а ты за ним иди.)
(ПОКАТИЛ ИВАН ЗОЛОТОЙ_КЛУБОЧЕК)
(ПОШЕЛ ИВАН ДАЛЬШЕ)
(ПРИШЕЛ ОН В_ПОДЗЕМНОЕ_ЦАРСТВО)
(ВИДИТ ИВАН ЗАМОК из золота и серебра.)
(ВОШЕЛ ИВАН BJ3AMOK)
(СИДИТ В_ЗАМКЕ КОЩЕЙ БЕССМЕРТНЫЙ)
(СПРАШИВАЕТ КОЩЕЙ ИВАНА зачем пожаловал ко мне?)
(ИВАН ОТВЕЧАЕТ Ищу дочку царскую, что ты украл!)
(ГОВОРИТ КОЩЕЙ:
Отгадаешь три моих загадки, отдам тебе царевну, не отгадаешь, век тебе
ее не видать.)
(СОГЛАСИЛСЯ ИВАН ЗАГАДКУ ОТГАДЫВАТЬ)
(КОЩЕЙ ЗАДАЛ ИВАНУ ЗАГАДКУ ЧТО_ВСЕГО_НА_СВЕТЕ_СИЛЬ-
НЕЕ_И_БЫСТРЕЕ)
(ИВАН ОТГАДАЛ ЗАГАДКУ ВЕТЕР)
(КОЩЕЙ ЗАДАЛ ИВАНУ ЗАГАДКУ ЧТО_ВСЕГО_НА_СВЕТЕ_ЖИР-
НЕЕ)
(ИВАН ОТГАДАЛ ЗАГАДКУ ЗЕМЛЯЗТО_НИ_РАСТЕТ_ЗЕМЛЯ_ПИ-
ТАЕТ)
(КОЩЕЙ ЗАДАЛ ИВАНУ ЗАГАДКУ ЧТО_ВСЕГО_МИЛЕЕ)
(ИВАН ОТГАДАЛ ЗАГАДКУ СОН)
(ОСВОБОДИЛ ИВАН ЦАРЕВНУ)
(ВЗЯЛ ИВАН ЦАРЕВНУ)
(ПОВЕЗ ИВАН ЦАРЕВНУ ДВОРЕЦ)
(ЖЕНИЛСЯ ИВАН НА_ЦАРЕВНЕ)
(ИВАН ПОЛУЧИЛ ПОЛЦАРСТВА)
(КОНЕЦ)
4
(Давным-давно, в одном городе ЖИЛ МУЖИК)
(МУЖИК ИМЕЛ ТРЕХ_СЫНОВЕЙ)
(КТО-ТО СТАЛ_ПОРТИТЬ ПШЕНИЦУ)
(Тогда МУЖИК ПРИКАЗАЛ
117

Сыны мои, надобно вам стоять на караулу: хлеб ночами поберечь, злого
вора подстеречь.)
(Первую ночь ОТПРАВИЛСЯ СТАРШИЙ_СЫН СТЕРЕЧЬ ПШЕНИЦУ)
(СТАРШИЙ_СЫН НЕ_ПОЙМАЛ НИКОГО)
(Вторую ночь ОТПРАВИЛСЯ СРЕДНИЙ_СЫН СТЕРЕЧЬ ПШЕНИЦУ)
(СРЕДНИЙ_СЫН НЕ_ПОЙМАЛ НИКОГО)
(На третью ночь ОТПРАВИЛСЯ МЛАДШИЙ_СЬШ СТЕРЕЧЬ
ПШЕНИЦУ)
(СПРЯТАЛСЯ МЛАДПШЙ_СЫН)
(ПРИСКАКАЛА КОБЫЛИЦА)
(КОБЫЛИЦА СТАЛА^КОПЫТАМИ^ТОПТАТЬ ПШЕНИЦУ)
(ПОДКРАЛСЯ МЛАДШИЙ_СЫН К_КОБЫЛИЦЕ)
(МЛАДШИЙ_СЫН ПОЙМАЛ КОБЫЛИЦУ)
(КОБЫЛИЦА ПОПРОСИЛА Отпусти меня, я тебе пригожусь.)
(МЛАДШИЙ_СЫН ОТПУСТИЛ КОБЫЛИЦУ)
(В те времена, неподалеку ЖИЛ ЦАРЬ_МАКАР)
(ЦАРЬ_МАКАР ИМЕЛ ДОЧЬ)
(ЦАРЬ_МАКАР ОБЪЯВИЛ
Кто выполнит работу, что я задам тому дочь в жены отдам, да пол царства
в придачу!)
(ЦАРЬ_МАКАР ЗАДАЛ МЛАДШЕМУ_СЫНУ РАБОТУ
За одну ночь вырубить дремучий лес, землю вспахать, пшеницу посеять,
муку смолоть, пирогов напечь и мне на стол подать.)
(МЛАДШИЙ_СЫН ВЫПОЛНИЛ РАБОТУ Принес пироги.)
(ЦАРЬ.МАКАР ЗАДАЛ МЛАДШЕМУ_СЫНУ РАБОТУ
За одну ночь пчел развести, воск собрать, да из воску дворец выстроить.)
(МЛАДШИЙ_СЫН ВЫПОЛНИЛ РАБОТУ К утру-свету был готов дворец
из воску.)
(ЦАРЬ_МАКАР ЗАДАЛ МЛАДШЕМУ_СЫНУ РАБОТУ
Прийти на зеленый луг, поймать там коня неезжалого, да приехать ко мне
на том коне!)
(МЛАДШИЙ_СЫН ВЫПОЛНИЛ РАБОТУ Объездил коня. Конь
шатается, изо рта пена.)
(ЖЕНИЛСЯ МЛАДШИЙ_СЫН НА_ЦАРЕВНЕ)
(МЛАДПШЙ.СЫН ПОЛУЧИЛ ПОЛЦАРСТВА)
(Я там был, мед пиво пил. По усам текло, а в рот не попало!)
(КОНЕЦ)
5
(Много лет тому назад, в одном городе ЖИЛИ МУЖ_С_ЖЕНОЙ)
(МУЖ_С_ЖЕНОЙ ИМЕЛИ ДОЧЬ)
(ЖЕНА ТЯЖЕЛО ЗАБОЛЕЛА)
(УМЕРЛА ЖЕНА)
118

(ЖЕНИЛСЯ МУЖИК НА_ВДОВЕ_С_ДОЧКОЙ)
(МАЧЕХА НЕВЗЛЮБИЛА ПАДЧЕРИЦУ)
(ДАВАЛА МАЧЕХА ПАДЧЕРИЦЕ РАБОТУ
да такую, что с утра до ночи будешь делать, не переделаешь)
(ПАДЧЕРИЦА ВЫПОЛНЯЛА РАБОТУ)
(НАДУМАЛА МАЧЕХА ИЗВЕСТИ ПАДЧЕРИЦУ)
(ВЕЛЕЛА МАЧЕХА МУЖИКУ Вези свою дочь в лес и оставь там!)
(ОПЕЧАЛИЛСЯ МУЖИК)
(Да что поделаешь, ОТВЕЗ МУЖИК ПАДЧЕРИЦУ В JIEC)
(Ночью ПРИШЕЛ МОРОЗ)
(ПОЗДОРОВАЛСЯ МОРОЗ С_ПАДЧЕРИЦЕЙ)
(СПРАШИВАЕТ МОРОЗ ПАДЧЕРИЦУ Не холодно ли? Не голодно?)
(ПАДЧЕРИЦА ОТВЕЧАЕТ Не холодно мне мороз, не голодно.)
(ДАЛ МОРОЗ ПАДЧЕРИЦЕ СУНДУК полный золота и серебра.)
(ПРИЕХАЛ МУЖИК В JIEC ЗА_ДОЧЕРЬЮ)
(ОБРАДОВАЛСЯ МУЖИК Что дочь жива)
(ВЗЯЛ МУЖИК ДОЧЬ)
(ВЕРНУЛСЯ МУЖИК С_ДОЧЕРЬЮ ДОМОЙ)
(УВИДЕЛА МАЧЕХА СУНДУК полный золота и серебра)
(НАДУМАЛА МАЧЕХА ОЗОЛОТИТЬ ДОЧЬ_МАЧЕХИ)
(ВЕЛЕЛА МАЧЕХА МУЖИКУ Повези-ка мою дочь в лес на ночь.)
(ОПЕЧАЛИЛСЯ МУЖИК)
(Да что поделаешь, ОТВЕЗ МУЖИК ДОЧЬ_МАЧЕХИ BJIEC)
(Ночью ПРИШЕЛ МОРОЗ)
(ПОЗДОРОВАЛСЯ МОРОЗ С_ДОЧЕРЬЮ_МАЧЕХИ)
(СПРАШИВАЕТ МОРОЗ ДОЧЬ_МАЧЕХИ Не холодно ли? Не голодно?)
(ДОЧЬ_МАЧЕХИ ОТВЕЧАЕТ
Аль не видишь, старый дурак, что меня заморозил-заморил! Давай скорее
сундук с золотом!)
(ДАЛ МОРОЗ ДОЧЕРИ.МАЧЕХИ СУНДУК полный грязи и лягушек.)
(ПРИЕХАЛ МУЖИК BJIEC ЗА_ДОЧКОЙ_МАЧЕХИ)
(ОБРАДОВАЛСЯ МУЖИК Что дочь жива)
(ВЗЯЛ МУЖИК ДОЧКУ_МАЧЕХИ)
(ВЕРНУЛСЯ МУЖИК С_ДОЧКОЙ_МАЧБХИ ДОМОЙ)
(УВИДЕЛА МАЧЕХА СУНДУК полный грязи и лягушек.)
(НАЧАЛА МАЧЕХА бранить и за волосы таскать ПАДЧЕРИЦУ)
(РАССЕРДИЛСЯ МУЖИК НА^МАЧЕХУ)
(ПРОГНАЛ МУЖИК МАЧЕХУ ИЗ JJOMA)
(ВСКОРЕ ПАДЧЕРИЦА ВЫШЛА_ЗАМУЖ ЗА_ХОРОШЕГО_ЧЕЛОВЕ-
КА)
(Я там был, мед пиво пил. По усам текло, а в рот не попало!)
(КОНЕЦ)
119

6
(Много лет тому назад, в одном городе ЖИЛИ МУЖ_С_ЖЕНОЙ)
(МУЖ_С_ЖЕНОЙ ИМЕЛИ ДОЧЬ)
(ЖЕНА ТЯЖЕЛО ЗАБОЛЕЛА)
(УМЕРЛА ЖЕНА)
(ЖЕНИЛСЯ МУЖИК НА СОСЕДКЕ)
(МАЧЕХА НЕВЗЛЮБИЛА ПАДЧЕРИЦУ)
(ДАВАЛА МАЧЕХА ПАДЧЕРИЦЕ РАБОТУ,
да такую, что с утра до ночи будешь делать, не переделаешь.)
(ПАДЧЕРИЦА ВЫПОЛНЯЛА РАБОТУ)
(ПРОГНАЛА МАЧЕХА ПАДЧЕРИЦУ)
(ДОЛГО-ЛИ, КОРОТКО-ЛИ, ИДЕТ ПАДЧЕРИЦА)
(ПРИШЛА ОНА В JffiCJHA^ТАНШШJOffiOTO JiJKEPTBOrO)
(ВИДИТ ПАДЧЕРИЦА ИЗБУШКУ_НА_КУРЬИХ_НОЖКАХ БЕЗ
ОКОН, БЕЗ ДВЕРЕЙ)
(ВЕЛЕЛА ПАДЧЕРИЦА ИЗБУШКЕ ИЗБУШКА, ПОВОРОТИСЬ К НАМ
ПЕРЕДОМ!)
(ПОВЕРНУЛАСЬ ИЗБУШКА__НА_КУРЬИХ_НОЖКАХ)
(ВОШЛА ПАДЧЕРИЦА В_ИЗБУШКУ_НА_КУРЬИХ_НОЖКАХ)
(СИДИТ В_ИЗБУШКЕ БАБА-ЯГА НОС_В_ПОТОЛОК_ВРОС)
(СПРАШИВАЕТ БАБА-ЯГА ПАДЧЕРИЦУ Зачем пришла?)
(ПАДЧЕРИЦА ОТВЕЧАЕТ Мачеха из дома прогнала. Можно я у тебя
поживу?)
(ГОВОРИТ БАБА-ЯГА
Живи. Только у меня много работы. Все убрать. Обед сготовить. А главное
хорошо перину взбить! Будешь успевать - награжу. Нет - съем!)
(ПРОЖИЛА ПАДЧЕРИЦА У_БАБЫ-ЯГИ сколько-то, не знаю сколько)
(СОСКУЧИЛАСЬ ПАДЧЕРИЦА ПО_ОТЦУ)
(ГОВОРИТ ПАДЧЕРИЦА Отпусти меня домой. Отца повидать.)
(БАБА-ЯГА ОТПУСТИЛА ПАДЧЕРИЦУ)
(ДАЛА БАБА-ЯГА ПАДЧЕРИЦЕ КОЛЕЧКО Потрешь колечко, что
задумаешь - исполнится.)
(ВЗЯЛА ПАДЧЕРИЦА ТО_КОЛЕЧКО)
(ВЕРНУЛАСЬ ПАДЧЕРИЦА CJTEM„КОЛЕЧКОМ ДОМОЙ)
(РАССЕРДИЛАСЬ МАЧЕХА НА ..ПАДЧЕРИЦУ)
(ГОНИТ ПАДЧЕРИЦУ уходи, откуда пришла!)
(Незаметно ДОСТАЛА ПАДЧЕРИЦА КОЛЕЧКО)
(ПОТЕРЛА ПАДЧЕРИЦА КОЛЕЧКО Пусть увидит отец, какая мачеха
злая.)
(УВИДЕЛ МУЖИК МАЧЕХУ Злая, недобрая!)
(ПРОГНАЛ МУЖИК МАЧЕХУ)
(ОСТАЛСЯ МУЖИК С_ПАДЧБРИЦЕЙ)
120

(ВСКОРЕ ПАДЧЕРИЦА ВЫШЛА_ЗАМУЖ ЗА_ХОРОШЕГО_ЧЕ-ЛОВЕ-
КА)
(Я там был, мед пиво пил. По усам текло, а в рот не попало!)
(КОНЕЦ)
7
(ШЕЛ СОЛДАТ домой)
(СОЛДАТ СМОТРИТ ТРИ_СТАРИКА, кричат, ругаются.)
(ГОВОРИТ СОЛДАТ Здравствуйте старые! Из-за чего спор идет?)
(ТРИ_СТАРИКА ОТВЕЧАЮТ
Получили мы от отца в наследство три диковинки: ковер-самолет, деньги
и огниво. Да вот уже семьдесят лет как спорим, а поделить не можем!)
(СОГЛАСИЛСЯ СОЛДАТ ПОМОЧЬ ТРЕМ_СТАРИКАМ:
выпущу я три стрелы. Пусть каждый принесет по стреле. Кто первый
принесет, тот получит ковер, кто второй, тот деньги, а третий - огниво.)
(СОЛДАТ ВЫПУСТИЛ СТРЕЛЫ)
(БРОСИЛИСЬ ТРИ_СТАРИКА ЗА_СТРЕЛАМИ)
(ВЗЯЛ СОЛДАТ ВОЛШЕБНЫЕ_ДАРЫ)
(СЕЛ СОЛДАТ HAjKOBEP-САМОЛЕТ)
(ПРИЛЕТЕЛ ОН В_ГОРОД)
(СОЛДАТ ИМЕЛ ДЕНЬГИ)
(СОЛДАТ ПОСЕЛИЛСЯ в хоромах)
(В те времена, в тех местах, ЖИЛ КОРОЛЬ)
(КОРОЛЬ ИМЕЛ ДОЧЬ)
(КОРОЛЬ ДЕРЖАЛ ПРИНЦЕССУ в башне и никуда не выпускал.)
(НАДУМАЛ СОЛДАТ ЖЕНИТЬСЯ НА_ПРИНЦЕССЕ)
(ВСПОМНИЛ СОЛДАТ ПРО_ОГНИВО)
(Ночью ДОСТАЛ СОЛДАТ ОГНИВО)
(УДАРИЛ СОЛДАТ ОГНИВО)
(Тотчас ЯВИЛАСЬ СОЛДАТУ СОБАКА)
(СПРАШИВАЕТ СОБАКА СОЛДАТА Что прикажешь, господин?)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Принеси принцессу.)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ принесла принцессу, спящую, вместе
с кроватью.)
(ПОЦЕЛОВАЛ СОЛДАТ ПРИНЦЕССУ)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Отнеси принцессу обратно во дворец.)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ отнесла принцессу.)
(РЕШИЛА ПРИНЦЕССА, что все это ей приснилось.)
(РАССКАЗАЛА ПРИНЦЕССА КОРОЛЮ свой сон.)
(РАССЕРДИЛСЯ КОРОЛЬ НА ПРИНЦЕССУ)
(ПОВЕЛЕЛ КОРОЛЬ СТРАЖЕ Глаз с принцессы не спускать!)
(На следующую ночь ДОСТАЛ СОЛДАТ ОГНИВО)
121

(УДАРИЛ СОЛДАТ ОГНИВО)
(Тотчас ЯВИЛАСЬ СОЛДАТУ СОБАКА)
(СПРАШИВАЕТ СОБАКА СОЛДАТА Что прикажешь, господин?)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Принеси принцессу.)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ принесла принцессу.)
(ПОЦЕЛОВАЛ СОЛДАТ ПРИНЦЕССУ)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Отнеси принцессу.)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ отнесла принцессу.)
(РЕШИЛА ПРИНЦЕССА, что все это ей приснилось.)
(РАССКАЗАЛА ПРИНЦЕССА КОРОЛЮ свой сон.)
(РАССЕРДИЛСЯ КОРОЛЬ НА_ПРИНЦЕССУ)
(ПОВЕЛЕЛ КОРОЛЬ СТРАЖЕ Пуще прежнего стеречь принцессу!)
(На третью ночь ДОСТАЛ СОЛДАТ ОГНИВО)
(УДАРИЛ СОЛДАТ ОГНИВО)
(Тотчас ЯВИЛАСЬ СОЛДАТУ СОБАКА)
(СПРАШИВАЕТ СОБАКА СОЛДАТА Что прикажешь, господин?)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Принеси принцессу.)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ принесла принцессу.)
(ПОЦЕЛОВАЛ СОЛДАТ ПРИНЦЕССУ)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Отнеси принцессу.)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ отнесла принцессу.)
(РЕШИЛА ПРИНЦЕССА, что все это ей приснилось.)
(РАССКАЗАЛА ПРИНЦЕССА КОРОЛЮ свой сон)
(РАССЕРДИЛСЯ КОРОЛЬ НА_ПРИНЦЕССУ)
(ПОВЕЛЕЛ КОРОЛЬ СТРАЖЕ Всех казнить!)
(ГОВОРЯТ МАМКИ-НЯНЬКИ
Не вели казнить, вели слово молвить. Прикололи мы к рубашке принцессы
мешочек с крупой. Если пойти по крупе, то можно найти где побывала
принцесса ночью.)
(БРОСИЛАСЬ СТРАЖА ЗА_КРУПОЙ)
(ПРИВЕЛА СТРАЖА СОЛДАТА)
(ПОВЕЛЕЛ КОРОЛЬ СТРАЖЕ казнить солдата.)
(СОЛДАТ ПОПРОСИЛ
Разреши, король, мне перед смертью трубку выкурить?)
(РАЗРЕШИЛ КОРОЛЬ СОЛДАТУ)
(Быстро ДОСТАЛ СОЛДАТ ОГНИВО)
(УДАРИЛ СОЛДАТ ОГНИВО)
(Тотчас ЯВИЛАСЬ СОЛДАТУ СОБАКА)
(СПРАШИВАЕТ СОБАКА СОЛДАТА Что прикажешь, господин?)
(ВЕЛЕЛ СОЛДАТ СОБАКЕ Разгони стражу!)
(СОБАКА ВЫПОЛНИЛА ПРИКАЗ разогнала стражу.)
(ИСПУГАЛСЯ КОРОЛЬ)
122

(ОТДАЛ КОРОЛЬ ПРИНЦЕССУ СОЛДАТУ)
(ЖЕНИЛСЯ СОЛДАТ НА_ПРИНЦЕССЕ)
(СОЛДАТ ПОЛУЧИЛ ПОЛЦАРСТВА)
(КОНЕЦ)
8
(ОДНАЖДЫ В_ТРИДЕВЯТОМ_ЦАРСТВЕ_В_ТРИДЕСЯТОМ_ГОСУ-
ДАРСТВЕ ЖИЛ СТАРИК)
(СТАРИК ИМЕЛ ТРЕХ_СЫНОВЕЙ)
(СТАРИК ТЯЖЕЛО ЗАБОЛЕЛ)
(УМЕР СТАРИК)
(Перед смертью СТАРИК ПРИКАЗАЛ
Дети мои! Как я умру, ходите три ночи ко мне на могилу спать!)
(СТАРШИЙ_СЫН НЕ_ИСПОЛНИЛ ПРОСЬБУ СТАРИКА)
(МЛАДШИЙ_СЫН ИСПОЛНИЛ ПРОСЬБУ СТАРИКА)
(МЛАДШИЙ_СЫН ПОЛУЧИЛ КОНЯ)
(СРЕДНИЙ_СЫН НЕ_ИСПОЛНИЛ ПРОСЬБУ СТАРИКА)
(МЛАДШИЙ_СЫН ИСПОЛНИЛ ПРОСЬБУ СТАРИКА)
(МЛАДШИЙ_СЫН ПОЛУЧИЛ СБРУЮ)
(МЛАДШИЙ_СЫН ИСПОЛНИЛ ПРОСЬБУ СТАРИКА)
(МЛАДШИЙ_СЫН ПОЛУЧИЛ ПЛАТЬЕ)
(НАДУМАЛ МЛАДШИЙ_СЫН ЖЕНИТЬСЯ НА ЦАРЕВНЕ)
(В те времена, неподалеку ЖИЛ ЦАРЬ_МАКАР)
(ЦАРЬ_МАКАР ИМЕЛ ДОЧЬ)
(ЦАРЬ_МАКАР ОБЪЯВИЛ
Кто спасет мою дочь, тому отдам ее в жены, да полцарства в придачу.)
(МЛАДШИЙ_СЫН ОТПРАВИЛСЯ куда глаза глядят, ИСКАТЬ ЦАРЕВНУ)
(ДОЛГО-ЛИ, КОРОТКО-ЛИ, ИДЕТ МЛАДШИЙ_СЫН)
(ПРИШЕЛ ОН В ЛЕС)
(ВИДИТ МЛАДШИЙ_СЫН ИЗБУШКУ_НА_КУРЬИХ_НОЖКАХ БЕЗ
ОКОН, БЕЗ ДВЕРЕЙ)
(ВЕЛЕЛ МЛАДШИЙ_СЫН ИЗБУШКЕ СТАНЬ КО МНЕ ПЕРЕДОМ, К
ЛЕСУ ЗАДОМ)
(ПОВЕРНУЛАСЬ ИЗБУШКА_НА_КУРЬИХ_НОЖКАХ)
(ВОШЕЛ МЛАДШИЙ_СЫН В_ИЗБУШКУ_НА_КУРЬИХ_НОЖКАХ)
(СИДИТ В_ИЗБУШКЕ БАБА-ЯГА КОСТЯНАЯ_НОГА)
(ГОВОРИТ БАБА-ЯГА фу, фу, фу! Русский дух ко мне в лес залетел)
(СПРАШИВАЕТ БАБА-ЯГА МЛАДШЕГО_СЫНА Дело пытаешь иль от
дела лытаешь?)
(ОТВЕЧАЕТ МЛАДШИЙ_СЫН БАБЕ-ЯГЕ
А ты старая, прежде чем ругаться, напоила бы, накормила, спать уложила)
(БАБА-ЯГА НАПОИЛА-НАКОРМИЛА МЛАДШЕГО_СЫНА)
(РАССКАЗАЛ МЛАДШИЙ_СЫН БАБЕ-ЯГЕ КУДА ПУТЬ ДЕРЖИТ)
123

(ДАЛА БАБА-ЯГА МЛАДШЕМУ_СЫНУ КОНЯ ВОЛШЕБНОГО)
(СЕЛ МЛАДШИЙ_СЫН НА_КОНЯ)
(ПЕРЕЛЕТЕЛ МЛАДШИЙ_СЫН ЧЕРЕЗ,ЛЕС ДРЕМУЧИЙ)
(ДОГНАЛ МЛАДШИЙ_СЫН ДРАКОНА)
(Первый день МЛАДШИЙ_СЫН БИЛСЯ С_ДРАКОНОМ)
(НЕ_ПОБЕДИЛ ДРАКОНА)
(Второй день МЛАДШИЙ_СЫН БИЛСЯ С_ДРАКОНОМ)
(НЕ_ПОБЕДИЛ ДРАКОНА)
(На третий день МЛАДШИЙ_СЫН БИЛСЯ С_ДРАКОНОМ)
(МЛАДШИЙ_СЫН ПОБЕДИЛ ДРАКОНА)
(НАШЕЛ МЛАДШИЙ_СЫН ЦАРЕВНУ В _ПОДЗЕМНОМ_ЦАРСТВЕ
ДРАКОНА)
(МЛАДШИЙ_СЫН ПОДСТЕРЕГ ЦАРЕВНУ)
(МЛАДШИЙ_СЫН СХВАТИЛ ЦАРЕВНУ)
(ПОВЕЗ МЛАДШИЙ_СЫН ЦАРЕВНУ во дворец)
(ДОЛГО ЕХАЛ МЛАДШИЙ_СЫН С_ЦАРЕВНОЙ)
(УСТАЛ МЛАДШИЙ_СЫН)
(ЛЕГ МЛАДШИЙСЫН ОТДОХНУТЬ ПОДДЕРЕВОМ)
(ЗАСНУЛ МЛАДШИЙ_СЫН КРЕПКИМ СНОМ)
(В ТО ВРЕМЯ СТАРШИЕ_БРАТЬЯ ВОЗВРАЩАЛИСЬ ДОМОЙ)
(УВИДЕЛИ СТАРШИЕ_БРАТЬЯ МЛАДШЕГО_СЫНА С_ЦАРЕВНОЙ)
(ПРЕЛЬСТИЛИСЬ СТАРШИЕ_БРАТЬЯ ЦАРЕВНОЙ)
(УБИЛИ СТАРШИЕ_БРАТЬЯ МЛАДШЕГО_СЫНА)
(РАЗРУБИЛИ СТАРШИЕ_БРАТЬЯ МЛАДШЕГО_СЫНА НА КУСКИ)
(ВЗЯЛИ СТАРШИЕ_БРАТЬЯ ЦАРЕВНУ)
(СТАРШИЕ_БРАТЬЯ ПОЕХАЛИ ДАЛЬШЕ)
(ПРИВЕЗЛИ СТАРШИЕ_БРАТЬЯ ЦАРЕВНУ ЦАРЮ-МАКАРУ)
(СТАРШИЕ_БРАТЬЯ ОБЪЯВИЛИ
Мы спасли царевну. Теперь один из нас получит ее в жены, а другой пол
царства)
(ПОТРЕБОВАЛ СТАРШИЙБРАТ ЦАРЕВНУ)
(ПОТРЕБОВАЛ СРЕДНИЙ_БРАТ ПОЛЦАРСТВА)
(ТЕМ ВРЕМЕНЕМ ВОЛК НАБЕЖАЛ НА_МЛАДШЕГО СЫНА)
(ПОЖАЛЕЛ ВОЛК МЛАДШЕГО_СЫНА)
(ДОСТАЛ ВОЛК ВОДУ_ЖИВУЮ_И_МЕРТВУЮ)
(ЛЕЖИТ МЛАДШИЙ_СЫН РАЗРУБЛЕННЫЙ)
(СПРЫСНУЛ ВОЛК МЛАДШЕГО_СЫНА МЕРТВОЙ _ВОДОЙ)
(СРОССЯ МЛАДШИЙ_СЫН)
(СПРЫСНУЛ ВОЛК МЛАДШЕГО_СЫНА ЖИВОЙ _ВОДОЙ)
(ОЖИЛ МЛАДШИЙ, СЫН)
(МЛАДШИЙ_СЫН ВСЕ ПОНЯЛ)
(СЕЛ МЛАДШИЙ_СЫН НА_ВОЛКА)
124

<МЛАДШИЙ_СЫН ПОЕХАЛ ДАЛЬШЕ)
(ПРИБЫЛ МЛАДШИЙ_СЫН К^ЦАРЮ-МАКАРУ)
(ПОДОШЕЛ МЛАДШИЙ_СЫН К_ЦАРЕВНЕ)
(ЦАРЕВНА ПРИЗНАЛА МЛАДШЕГО_СЫНА СРАЗУ)
(РАССКАЗАЛА ЦАРЕВНА ЦАРЮ-МАКАРУ что случилось в дороге)
(ИЗГНАЛ ЦАРЬ-МАКАР СТАРШИХ_БРАТЬЕВ)
(ЖЕНИЛСЯ МЛАДШИЙ_СЫН НА „ЦАРЕВНЕ)
(МЛАДШИЙ_СЫН ПОЛУЧИЛ ПОЛЦАРСТВА)
(КОНЕЦ)
Приведенные примеры показывают; что сказки, порождаемые системой
TALE-92 с расширенной базой знаний, оказываются существенно разнообразнее
создававшихся ранее структур и могут считаться достаточно полноценными
(настоящими) сказками. Возникает естественный вопрос о том, в какой степени
расширенная база знаний может считаться достаточно полной и в какой степени
следует продолжать ее выполнение? Ответом на этот вопрос является оценка
устойчивости к изменению или увеличению перечня конкретных персонажей,
используемых для порождения сказок. Практика показывает, что в этих случаях
иногда оказывается, что процесс генерирования текста прекращается, не дойдя
до конца. Анализ подобных остановок позволяет установить отсутствие тех или
иных признаков (свойств) действующих лиц, которое не позволяет программе
продолжать работу. Факт остановки, возникающей в результате появления
случайного сочетания признаков, выбранных по жребию, является сигналом о
неполноте исходных данных (свойств), которые введены в базу знаний, и используется
для соответствующего пополнения последней. Подобный способ пополнения базы
знаний обеспечивает ее достаточную полноту и избавляет от черезмерного ее
пополнения за счет введения практически не работающих свойств и признаков,
имеющих гипотетический характер.
Сформулируем некоторые заключительные замечания, вытекающие из
сказанного и нашего опыта работы с программами типа TALE.
1. Принципы построения системы TALE, изложенные в предыдущих
работах, оказываются достаточно продуктивными и при генерировании сказочных
текстов, выходящих за рамки полученных ранее структур сказок.
2. Использование гипертекстовой базы знаний позволяет относительно
просто решить проблему "расцвечивания".
3. "Расцвечивание" сказок определяется не наличием эпитетов и метафор,
как правило отсутствующих в реальных сказках, а глагольной структурой сказки
и, следовательно, поведением ее персонажей.
4. Представляет интерес исследование возможности применения
разработанных принципов, совмещенных с гипертекстовой базой знаний, для
генерирования других видов текстов и в первую очередь бытовых сказок, детективов и
газетных хроникальных заметок.
125

Литература
1. Гаазе-Рапопорт М.Г., Поспелов Д.А., Семенова Е.Т. Порождение структур
волшебных сказок /АН СССР. Науч. совет по комплексной проблеме
"Кибернетика". -М., 1980. 20с.
2. Гаазе-Рапопорт М.Г. Поиск вариантов в сочинении сказок // Зарипов Р.Х.
Машинный поиск вариантов при моделировании творческого процесса. - М.
"Наука", 1983. С.213-223
3. Гаазе-Рапопорт М.Г., Поспелов Д.А., Семенова Б.Т. Имитация сказочного
мира. - /Уч. записки Тартусского Г.У. N688. Принципиальные вопросы
теории знаний. Труды по искусственному интеллекту. - ТГУ, Тарту, 1984.
с.46-54.
4. Гаазе-Рапопорт М.Г., Поспелов Д.А., Семенова Е.Т. - Пути построения
связных текстов с помощью ЭВМ / Человек - Творчество - Компьютер.
Тезисы докладов к Ж Международному конгрессу по логике, философии и
методологии науки. Ч. 1, - М., 1987, с.40-41.
5. Haase-Rapoport M.G., Pospelov D.A., Semenova Е.Т. Generation of Fair! Tales./
Computers and Artiflcal intelligence, vol.3, n4, p.281-304.
6. Пропп В.Я. - Морфология сказки. - Изд.2-е. Главная редакция восточной
литературы изд-ва "Наука", М., 1969,168с.
126

Книжное обозрение
Автономная интеллектуальная система
Autonomous Intelligent system
Walter Fritz, Ramon Garcia Martinez, Javier R.Blanque, Rogelio Adobbati,
Alberto Rama and Mario Sarno
Grupo de Investigacion en Sistemas Inteligentes, Institute) de Investigasion en
Inteligencia Artificial, Sociedad Argentina de Informacia e Investigasion Operativa,
Uruguay 252-2 D.1015 Buenis Aires, Argentina
Robotics and automes systems, Vol.5,No.2, July 1989, pp. 109-125
Рассматривается автономный интеллект как единая система. Авторы
считают, что если система действительно интеллектуальна, то ей должны быть
присущи следующие основные функции: прием сенсорной информации и отражение
текущей ситуации; выбор подцелей; разработка плана на основании опыта;
выполнение действий, предписанных этим планом; прием достигнутой степени
удовлетворения (от тела системы) и обучения в процессе приобретения опыта. В
статье дается формальное определение терминов, включая понятие "автономная
интеллектуальная система".
Опыт работы с модельной программой, выполняющей перечисленные выше
функции убеждает, что после периода обучения протяженностью около 3000
моментов жизни в выбранном проблемном пространстве, система достигает
избранной ею подцели. Следует заметить, что автономная интеллектуальная
система с подобными характеристиками не ограничена каким-то специальным
проблемным пространством, но может достигать своих целей в любом проблемном
пространстве.
В настоящее время в области искусственного интеллекта выполнено много
работ по различным функциям мозга, таким как распознавание образов (картин),
представление знаний и естественным языкам, но очень мало сделано в части
определения понятия полная автономная интеллектуальная система. Полагая,
что целое превосходит простую сумму его частей и поэтому требует системного
подхода для изучения, авторы надеются создать каркас, в котором найдут свое
место все частные исследования.
При разработке теории "автономные интеллектуальные системы" изучались
как таковые, авторы не делают различий между естественными и
искусственными системами. Хотя все эксперименты были взяты из арсенала естественных
систем, так что построенная теория приложима к обоим.
После введения Винером термина кибернетика у Эшби появилась идея
искусственного построения мозга. Другими источниками, оказавшими сильное вли-
127

яние на ход работы» были: Ленат и его общее описание интеллекта, Сасердоти по
тактикам решения задач и персептрон Розенблатта. Как объяснял Бир требуется
непрерывное машинное обучение на основе собираемой информации и общая
теория такого процесса, не для частного проблемного пространства, а для космоса,
выступающего в роли такого пространства. Подобно Уолесу здесь предполагается,
что эмоции играют в интеллекте центральную роль, хотя в предлагаемой системе
они пока значительно менее детализированы» чем у него.
Суммируя вышесказанное, можно заключить, что целью работы является
развитие теории интеллектуальных систем, которая объясняет его внутреннее
функционирование, и подготовка компьютерных программ, которые включают
указанные функции, чтобы изучать поведение таких систем. Такая теория
должна описывать все интеллектуальные системы, как искусственные, так и
естественные.
Список используемых понятий и обозначений:
а - действие
ab - абстрагирование
е - эмиссия
f - порог
g - вещь (предмет)
i - образ
1 - обучение
п - ощущение
о - цель
О - подцель
р - план
s - ситуация
t - время
и - уровень удовольствия
v - обстановка
w - мир
х - опыт.
Объект, который изучается, есть "специальная система" (SP).
Определения:
Вещь g - место сосредоточения (концентрации) массы.
SP - вещь, обладающая особыми характеристиками, которые будут
определены в дальнейшем.
Мир w - множество всех вещей, распределенных в пространстве.
w - {те gi, которые находятся в пространстве}.
Эмиссия е - числовое значение. Это способ, которым вещи сообщают о своем
присутствии всему остальному миру, (световые волны, звук, пахучие вещества,
давление и др.)
e-/rg;.
128

Существование вещи g для остального мира, отмечается ее эмиссиями
g: (el,e2,...,en).
Обстановка v в SP - множество всех вещей g, эмиссия которых достигает SP.
v - (gl,g2,...,gn,J таких, что эмиссия каждой gi достигает SP. / ~ 1 до п.
Пороговая функция f - функция, результат приложения которой эмиссии,
полученной в определенный момент специальной системой SP, есть ощущение п,
воспринимаемое этой системой.
n - f(е).
Для множества эмиссий справедливо также:
N - f(E).
Поскольку динамические процессы разворачиваются во времени,
Nt - f(Et Л
Nt - множество ощущений, произведенных в определенный момент времени,
Et - множество эмиссий, полученных в определенный момент времени.
Теперь мир есть множество ощущений, произведенных эмиссиями,
приходящими из мест расположения вещей этого мира.
Образ i есть внутреннее представление ощущений, произведенных вещью g
i - (nl,n2,...,nnj.
Ситуация s есть множество одновременно существующих образов (и их
отношений), представленных в SP.
s - (ПЛ2,...,тЛ
Описывая динамику, следует использовать величину st - ситуацию в
заданный момент времени t.
st - (itl, it2,..., itn).
S - множество всех возможных ситуаций:
S - {те Si, которые могут иметь место в момент t).
Уровень удовольствия и это результат измерения того удовольствия, которое
данная ситуация вызывает в SP.
Действие а, произведенное SP, есть функция, которая переводит текущую
ситуацию в следующую.
a(st) - s(M).
Действия выполняет SP над обстановкой, изменяя ситуацию.
План р состоит из последовательности действий.
Предполагается, что план преобразует текущую ситуацию в одну из
будущих.
p(st) - s(t+n)t где п - число действий в плане.
SP обладает способностью накапливать опыт.
Единичный опыт х - это группа из четырех элементов:
ситуация - действие - уровень удовольствия - результирующая ситуация,
которую запоминает SP.
x-(stt a, u, s(t¥l)).
Часто две единицы опыта оказываются похожими.
129

Обе имеют высокий уровень удовольствия и одно и то же действие. Но
начальные ситуации - различны. В этом случае удобно извлечь общую часть
ситуаций с помощью операции абстрагирования.
Абстрагирование а есть функция, которая обобщает две единицы опыта jc/,
xj в новую абстрактную единицу опыта.
Эта абстрактная единица опыта сохраняется в памяти вместо двух исходных.
Опыт X есть множество всех единиц опыта.
X - {те xiy которые являются единицами опыта}.
Целью специальной системы является достижение ситуации,
соответствующей максимальному уровню удовольствия.
о - тах(и).
Только некоторые ситуации с высоким уровнем удовольствия могут быть
достигнуты с помощью заданных планов из текущей ситуации.
Максимальный уровень удовольствия, который может получить SP на
протяжении нескольких шагов, начиная с момента t> называется подцель О.
Обучение 1 - процесс построения и сохранения единиц опыта;
формирования из двух единиц опыта обобщенной единицы (абстрагирование); катологиза-
ция ситуаций.
Система есть автономная интеллектуальная, если она обладает следующими
свойствами:
(1) она воспринимает чувственную информацию от окружающей среды,
ощущает уровень удовольствия, и определяет текущую ситуацию,
(2) она формирует свои собственные подцели, исходя из общей цели,
(3) строит планы на основании своего опыта для достижения подцелей,
(4) выполняет выбранный план,
(5) имеет возможность обучения в любой момент времени.
Как только определенная выше специальная система (SP) обладает
отмеченными свойствами, она сразу попадает в множество автономных
интеллектуальных систем.
Далее в работе определяется связь между обучением, интеллектом и такими
свойствами системы как открытость и замкнутость. Показано, что система $
открыта тогда и только тогда, если она обучаема, что интеллектуальные системы
всегда открыты.
Авторы исходят из допущения, что главной функцией мозга является
принятие жизнеобеспечивающих решений. Среди подцелей находятся питание,
самозащита и социальная деятельность. Предполагается также, что сегодня,
благодаря эволюции, ситуации, которые способствуют выживанию вызывают
удовольствие, а препятствующие выживанию - боль. Таким образом, цель, заданная
мозгу — это выживание вида, а механизм, посредством которого эта цель
достигается — есть удовольствие (или его отсутствие), которое возникает под влиянием
определенных ситуаций.
В качестве вторичных функций мозга выступают:
130

1. Представление текущей ситуации.
2. Выбор подцели, отвечающей главной цели.
3. Разработка плана, соответствующего текущей ситуации.
4. Исполнение выбранного плана.
5. Обучение.
В рассматриваемой работе исследуются варианты систем, не имеющих
инстинктов, и варианты с одним единственным инстинктом любопытства.
Любопытство ускоряет обучение.
Только те идеи, которые представляют реальность наилучшим образом,
выживают в принятой модели мозга, поскольку только они будут иметь наиболее
частое употребление. Это и есть целеуказание, в частном случайном процессе
проб и ошибок, также как в природе. Новые идеи являются копиями старых, но с
некоторыми отличиями. Они—мутанты. Так происходит эволюция идей в модели.
Экспериментальные исследования проводились с программой, которая:
- ощущает окружающую обстановку
- имеет четыре органа чувств (зрение, слух, осязание и обоняние)
- распознает ситуации, которые уже накопились в опыте
- концентрирует внимание на той части обстановки, из которой поступает
наибольшее количество информации
- путем абстрагирования формирует новые понятия из группы подобных
ситуаций, т.е. осознает свой опыт
- чувствует голод, усталость и боль (отрицательное удовольствие при
избытке нервного возбуждения)
- устанавливает список подцелей (желаемых ситуаций)
- если не удается найти подходящий план, переходит к действиям на основе
любопытства (инстинкт)
- если все же не удается найти подходящие действия, переходит к
случайным действиям
- проверяет наличие отрицательного эффекта у выбираемых действий
- запоминает встретившиеся ситуации
- запоминает опыты
- обучается в процессе накопления опыта
- может есть, спать, поворачиваться направо и налево.
Все это она выполняет без какого-либо взаимодействия с человеком.
Было проведено множество экспериментов с программой, запуская ее с
различными параметрами и варьируя обстановку. Получены следующие результаты.
Когда система использует планы и абстракции, но не обладает
любопытством, требуемое для обучения число опытов значительно превышает число
ситуаций. После 1500-2000 тактов (моментов) жизни, количество распознаваемых
ситуаций остается приблизительно постоянным с ростом времени жизни. Новые
опыты правда все же появляются, но очень медленно. Это показывает, что даже
после того, как наивероятнейшие ситуации стали известны, интеграция знания
131

продолжается путем дальнейшего накопления опытов, связывающих ситуации с
действиями. Система размещалась в шести различных обстановках Ul - U6
увеличивающейся сложности. U1 содержала 3 источника пищи и одно дерево, a U6
- три источника пищи и семь деревьев.
Как показали эксперименты уровень голода при случайном поведении имеет
высокое среднее значение и большую амплитуду колебаний. Планируя свое
поведение и используя абстракцию (но без инстинкта любопытства) система
монотонно снижает уровень голода на протяжении около 2000 тактов жизни. В
дальнейшем она сохраняет низкий уровень голода с небольшими вариациями.
Способность генерировать абстракции существенно способствует достижению цели.
Начиная с 2000 такта жизни и далее это улучшение составляет около 70%. Наша
система имеет всего один инстинкт — любопытство. Однако любопытство
позволяет существенно снижать уровень голода в начале жизни, когда опыта еще мало.
В проведенных экспериментах VI был простейшим, U6 - наиболее сложным
для системы "миром". Оценка эффективности поведения производилась по
длительности интервалов между моментами питания. Более длительные в среднем
интервалы означают более высокий средний уровень голода. Опыты показали,
что и система с планированием, абстрагированием и любопытством так же как и
система без любопытства испытывали возрастающие трудности по мере
усложнения имиран. Тем не менее система с любопытством всегда оказывается лучше.
Сравнение эффективности работы человека в той же ситуации показало, что
после приобретения достаточного опыта программа оказывалась способной
продемонстрировать приблизительно половинный (по отношению к человеку)
интеллект.
Кандидат технических наук Л.Н,Волков
КНИГИ НА НЕМЕЦКОМ ЯЗЫКЕ, ПОСВЯЩЕННЫЕ ИИ
Учитывая, что немногие специалисты следят за литературой по ИИ,
написанной на немецком языке, мы предлагаем краткие аннотации таких книг из
фонда Библиотеки естественных наук РАН. Материал подготовлен М.Г.Гаазе-Ра-
попортом. Источники снабжены шифрами БЕН РАН, по которым они могут быть
найдены в этой библиотеке.
1. КИС С -88. Труды первой летней школы по ИИ. 1988.
KISS-88. Proceedings der 1. KI-Sommerschule-1988. Martin-Luther-
Universitat Halle-Wittenberg. Wissenschaftliche Beitrage 1989/48 (M57)
Halle(Saale). 1989. S.241
Ml о
3205
132

Сборник содержит 5 обзорных статей по материалам Первой летней школы
по ИИ 1988.
1) Х.Кизенгер (H.Kisenger). Дедуктивные системы: основы и примеры.
2) Я.Гробовский (J.Grobowski). Основы логического программирования.
3) Г.Бревка (G.Brovka). Формализации немонотонных выводов.
4) В.Дилгер (W.Dilger). Объектно-ориентированное представление знаний.
5) Х.Кемке (СкКетке). Новый коннектионизм. Обзор.
Приведена также полная программа школы с перечнем всех докладчиков.
2. Г.Хотц. Что такое искусственный интеллект?
G.Hotz. Was ist Kunstliche Intelligenz? Akademic der Wissenschaften und der
Literatur. Mainz. Franz Steiner Verlag. Stuttgart. 1990. S.43.
ТИ
9174 L
Лекция-брошюра серии "Естественно-математический класс". 1990. N2.
Рассматриваются следующие вопросы: автоматические методы
доказательства, качественная аргументация, учение и обучение, экспертные системы, ИИ
как междисциплинарный интегрированный фактор, ИИ как раздел
информатики, разумны ли экспертные системы?. Изложение популярное. Ил.8. Библ.38.
3. Конференция "компьютер как интеллектуальное рабочее средство"
Ред. И. Кротенхерд.
Konferenz "Der Computer als intelligentes Arbeitsmittet'. Herausgegeben von
J.Krotenheerdt Wissenschaftliche Be it rage 1991/11 (M61) H alle( Saale), 1991.
S.14L
K10
3513 D
Труды по переработке информации вычислительного центра университета
Мартина Лютера. Содержит 20 статей-докладов, охватывающих следующие
темы:
- Вычислительные сети как техническая основа коммуникаций и
распределенной обработки.
- Локальные сети в низко и высокоскоростных диапазонах.
- Гетерогенность в технике представления знаний.
- Промышленная поддержка систем программного обеспечения.
- Использование информатики в моделях аграрных экосистем.
- Применение распределенных программных систем.
- Интеграция и обработка информации в задачах.
- Модель конфигурирования, независящая от проблемной области.
- Компьютерные сети в медицинском обслуживании.
- Методические проблемы компьютерных рабочих мест с распределенной
обработкой.
133

- Математические методы эффективной обработки больших массивов
данных.
- Обработка и приобретение знаний в фармакологии.
- Обмен данных в графических системах.
- Системы обработки знаний в химии.
- Использование обучающих систем, основанных на знаниях.
Библиография дается постатейно. Приведен общий перечень авторов.
4. К.Фридрих. Основные концепты обработки знаний в экспертных
системах.
G.Friedricfu Basiskonzepte der Wissensverarbeitung fur Expertensysteme.
Technische Universitat Chemnitz. Wissenschaftliche Schriftenreihe. Heft
8/1990. S.128.
K10
3316
Рассматриваются следующие вопросы: основные понятия, классические
формы представления знаний и машинного вывода, продукционные и фреймовые
представления, специальные свойства баз знаний. Рассматриваются также
вопросы полноты, надежности и размытости. Доказан ряд теорем. Библ. 27.
5. Основы искусственного интеллекта.
Grundlagen der kunstlichen Intelligenz. Eine Einfuhrung in Einzelbeitragen.
Akademie Verlag. Berlin, 1989. S. 296.
812 .
3414 D
Книга представляет собой 31-й том известной серии "Информатика -
кибернетика - вычислительная техника". Содержит 9 глав, написанных известными
немецкими специалистами по ИИ и кибернетике. Несмотря на наличие многих
авторов, книга является цельной монографией, весьма полно освещающей основы
ИИ. В содержание входят следующие вопросы:
- Задачи и проблемы ИИ.
- Представление знаний - идеи, аспекты, формализмы.
- Математические проблемы ИИ.
- Монотонный и немонотонный вывод.
- Проблема вывода в логическом программировании.
- Теория унификации.
- Введение в автоматическое доказательство теорем.
- Алгоритмическое обучение.
- Банки знаний или банки данных?
134

6. В.Кой, Л.Бонзипен. Опыты и расчеты. Критика техники экспертных
систем*
W.Coy, L.Bonsiepen. "Erfahrung und Berechnung. Kritik der
Expertensystemtechnik.
Springer. Verlag. Berlin, Heidelberg,... 1989. S.208.
812
5076 A
Монография является 229-м томом известной Шпрингеровской серии
"Информатика. Профессиональные сообщения", издаваемой под общей редакцией
Общества информатики Германии.
Содержание:
- Особенное и общее в развитии техники экспертных систем
- Оценка техника: производительность - обозримость - совместимость -
желательность.
- Эпистемологические проблемы техники ЭС.
- Состояние техники ЭС в исследованиях и развитии.
- Техническая и экономическая осуществимость ЭС.
- ЭС в мире обработки данных.
- Технические перспективы техники ЭС.
- Следствия для мира труда.
- Общественная необходимость торговли (ЭС).
- Картина мира и ведущие идеи искусственного интеллекта.
В конце книги приведен сводный перечень цитат, использованных в тексте.
Библ. 381.
7. Р.Кунис, А.Гюнтер, Х.Штреккер /ред./* Книга о ПЛАКОН'е. Ядро
экспертной системы для задач планирования и конфигурирования в области
техники.
R.Cunis, A.Giinter, H.Strecker (Hrsg). Das PLAKON-Buch Ein
Expertensystemkern fur Planungs-und Konfigurirungsaufgaben in technischen
Domanen.
Springer - Verlad. Berlin, Heidelberg,... 1987, S.279.
812
5627 °
Книга является 266-м томом упомянутой выше Шпрингреровской серии.
Описывается экспертная система PLAKON и ее окружение. Книга содержит 15
глав, написанных разными авторами. Разбита на 3 части. Первая (гл. 1-3)
представляет собой введение и содержит описание проекта ТБХ-К, в соответствии с
которым разрабатывалась система, требования к ЭС для конструирования, а
также описание модульной архитектуры ЭС. Вторая часть (гл.4-11) содержит
описание системы, принципы организации знаний, вопросы управления,
ориентированного на понятия; управление динамическими базами знаний, моделирование
135

с помощью PLAKON'a, а также описание базового программного обеспечения
системы. Третья часть (гл. 12-15) - применение и последующие работы. Здесь
описывается формирование систем для рентгенологических испытаний,
использование в качестве инструмента для проектирования и другие применения ЭС. В
приложении помещен перечень отчетов по проекту ТЕХ-К (37), библ. 155, и
перечень адресов авторов 12.
8. В.Эмде. Формирование моделей, преобразование (ревизия) знаний и
представление знаний в обучающихся системах.
W.Emde. Modellbildung, Wissensrevision und Wissensreprasentation im
mas chine lien Lerneru
Springer - Verlad. Berlin. Heidelberg,... 1991. S.204
821
6032°
Монография является 281 -м томом Шпрингеровской серии по информатике
и представляет собой переработанную диссертацию автора по исследованию
обучающихся систем, основанных на индуктивных моделях. Книга содержит 6 глав,
включая введение, а также справочный аппарат (библ. 155, предметный и
именной указатели).
В основе книги лежит положение о том, что обучение машины является
непрерывным динамическим процессом, в ходе которого изменяются, как
гипотезы, так и конкретные знания, введенные в систему. Рассматриваются вопросы
ревизии и представления знаний в обучающихся системах. Во введении
приводятся основные понятия, используемые в работе, и дается определение
кумулятивного и некумулятивного обучения. Во второй главе излагаются подходы к
индуктивной ревизии знаний и рассматриваются связи с науковедческими
теориями Т.Куна и П.Фейерабенда. Третья глава посвящена машинному
формированию моделей, основополагающим гипотезам и методам улучшения моделей.
Четвертая глава содержит основные положения о машине логического вывода для
обучающихся систем. Рассматриваются требования к такой машине, вопросы
представления знаний, механизм логического вывода и управление данными.
Пятая глава посвящена кумулятивному обучению и его реализации в системах
МБТАХА.2 и МБТАХА.З. Наконец, б-я глава посвящена кумулятивному
обучению и использованию неконсервативной научной базы /базы знаний/ в системе
МЕТАХА.З.
9. Г.Хельм. Символьные и коннекцнонистскле модели переработки
информации человеком. Критическое противопоставление.
G.Helm. Symbolische und konnektionistische Modelle der menschlichen
informationsrerarbeitung. Eine kritische Ge&nuberstellung.
Springer - Verlag. Berlin, Heidelberg, 1991. S. 161.
136

812
6266 7
288-й том Шпрингеровской серии по информатике. Книга представляет
собой диссертацию, защищенную автором на семинаре по логике и научным
теориям университета Людвига-Максимилиана в Мюнхене. Сравниваются две
гипотезы обработки информации человеком: символьная и коннекционистская.
Рассматривая взаимоотношение души и тела, автор исходит из положения, что в
основе духовного лежат процессы обработки информации. На этой основе
рассматриваются два возможных подхода к переработке информации в сфере
духовного. Первый - символический, основанный на компьютерной, алгоритмической
модели, где представление информации реализуется в виде символьного языка.
Вторая - коннекционистская, основанная на сетевых нейронных моделях,
где информация представляется интегральными состояниями сети. Коннекцио-
нистский подход рассматривается более подробно. Сравниваются формы
представления информации в обоих случаях. Показана связь символьной обработки с
фреймовыми представлениями. Рассматриваются процессы обучения в сетевых
моделях. На основе критического рассмотрения обеих моделей делается попытка
из синтеза в некоторую "гибридную" систему. Библ. 101.
10. Т.Кристаллер (ред.). GWAI -91.15-я конференция по искусственному
интеллекту. Сентябрь, 1991. Труды.
TfiChristaller (Hrsg) GWAI -91. 15. Fachtagung fur kunstliche Inelligenz.
Bonn, September, 1991. Proceedings.
Springer - Verlag. Berlin, Heidelberg.... 1991. S.273
812
6059
Труды представляют собой 285-й том Шпрингеровской серии и содержат 29
статей-докладов, прочитанных 16-20.09
Доклады опубликованы, либо на немецком, либо на английском языках и
разбиваются на следующие 9 разделов:
- Дедукция - 5 (3 на англ.).
- Машинное обучение - 2 (англ.).
- Планирование - 1.
- Обработка языка - 6 (4 англ.).
- Представление знаний - (3 англ.).
- Экспертные системы - 5 (3 англ.).
- Автоматическое программирование - 1 (англ.).
- Коннекционизм - 3 (2 англ.).
137

11. В.Брауер, Д.Хернандес (Ред.). Распределенный искусственный
интеллект и кооперативные работы. 4-й международный конгресс общества инфор-
матиков. Системы, основанные на знаниях*
Мюнхен, октябрь, 1991. Труды.
W.Brauer, D.Hernandez. (Hrsg). Verteilte kunstliche Intelligenz und
/cooperatives Arbeiten. 4. Inter notionaler Gi-Kondress "Wissensbasierte Systeme*.
Munchen, 23-24. Oktober 1991. Proceedings.
Springer - Verlag. Berlin, Heidelberg.... 1991. S.546
6246
Труды конгресса общества информатиков Германии представляют собой
291-й том Шпрингеровской серии и содержат 51 доклад на английском или
немецком языках.
Доклады распределяются по следующим группам:
- Постановочные - 3 (2 англ.).
- Распределенный ИИ - 9 (7 англ.).
- Технология координации - 3 (англ.).
- Кооперативное развитие - 3 (англ.).
- Взаимодействие человека и машины - 3 (2 англ.).
- Представление знаний - 4 (2 англ.).
- Качественный вывод - 6 (4 англ.).
- Естественно-языковые системы - 9 (7 англ.).
- Нейронные сети - 6 (4 англ.).
- Нейроинформатика (в рамках Федерального министерства исследований
и технологии) - 5 (2 англ.).
Обширная библиография приведена в конце докладов. Приведен также
указатель авторов докладов.
12. Р.Штудер (ред.). Информационные системы и
искусственно-интеллектуальное моделирование. 2-й семинар, Ульм, Февраль, 1992. Труды.
R.Studer. Informationssysterne und kunstliche Intelligent: Modelllerung. 2.
Workshop, Ulm, 24-26 Februar. 1992. Proceeding.
812
6374 4
Springer - Verlag. Berlin, Heidelberg.... 1992. S.I68
Труды представляют собой 303-й том Шпрингеровской серим и содержат 12
статей-докладов, отобранных на 31, прочитанного на семинаре. В Трудах
помещены следующие статьи-доклады:
1) Х.-Д. Эрлих (H.-D. Erlich), Г. Сааке (H.Saake), А. Сернадос
(A.Sernados) - концепты объективной ориентации.
2) И.Важсмут (I.Wacksmmth). - Представление знаний и когнитивные
модели.
138

3) Ж.Ангеле (G.Angele), Д.Фензел (D.Fensel), Д.Ландес (D.Landes) - Два
языка, делающих тоже самое? (англ.)
4) К.Лаш (C.Laasch), М.Шоль (M.Scholl) - Генерирование
модифицированных операций для работы с содержанием объектно-ориентированных баз данных
(англ.).
5) П.Лер-Рихтер (P.Lehr-Richter) - Базовые элементы для процесса
разработки баз данных (англ.).
6) А.Майер (A.Maier), Б.Вальтер (B.Walter) - Образование типичных для ИИ
механизмов моделирования на технологиях банков данных.
7) Ж.-У.Меллер (J.-U. Moller) - Современное декларативное
программирование в концептуальных моделях (англ.).
8) А.Обервайс (A.Oberwais), П.Зандер (P.Sander), В.Штуки (W.Stucky) -
Формирование моделей процессов в банках данных NF2 с помощью высших сетей
Петри.
9) М.Раутенберг (M.Rautenberg) - Частичное формирование моделей для
оптимизации развития программного обеспечения.
10) А.Шванке (A. Schwanke) - Внедрение машинного проектирования
программного обеспечения при разработке систем конфигурирования.
11) В.Танк (W.Tank) - Моделирование задач конфигурирования с помощью
атомно-молекулярного языка представления AMOR.
12) А.Восс (A.Voss), В.Карбах (W.Karbach) - Осуществимые
концептуальные модели.
139

МНОГОПРОФИЛЬНАЯ
КОМПАНИЯ
1ЮСЙЮС

АССОЦИАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
НОВОСТИ
ИСКУССТВЕННОГО
ИНТЕЛЛЕКТА
Главный редактор:
д.тпн., проф., акад. АЕН РФ Д.А.Поспелов
Члены редколлегии:
к. т.н. М.Г.Гаазе-Рапопорт
Г.С.Осипов
д.пън., проф.» акад. АЕНРФ Э.В.Попов
к.т.н. А Б.Преображенский
д.тгин., чл-корр. АЕН РФ В.Л.Стефанюк
к. т.н. В.Б. Тарасов
Заведующая редакцией - Н.Н.Шишляева
НАШ АДРЕС: 129010, Москва, абонентный ящик №36, САМИ.
По заказу Ассоциации искусственного интеллекта
Оригинал-макет подготовлен в МК "КОСМОС"
Москва, 103030, Перуновский пер. 4-10,58
Типография ЦНИЭИуголь. Тираж 500 экз. Заказ N5 «3
Москва, 103012, пр. Сапунова, д. 13/15