Читать книгу Социальная информатика - Ирина Соколова - Страница 4

I. Основы социальной информатики
Тема 2
Основные понятия теоретической информатики[45]

Оглавление

Принципиально важным для качественного анализа процессов информатизации общества является глубокое понимание и правильное использование в предметном поле социальной информатики теоретических подходов и понятий, заимствованных из теоретической информатики.

Приведем обоснование необходимости изучения в курсе «Социальная информатика» ряда понятий теоретической, а также «технической» информатики.

Любое уже сложившееся научное направление состоит примерно из 75 % собственно своих и 25 % заимствованных понятий как общенаучного характера, так и понятий из смежных научных областей, предметные же поля новых научных направлений, таких, например, как социальная информатика, содержат существенно большее число заимствованных понятий.

Упомянутые выше «заимствованные» понятия активно используются в своем предметном контексте социальной информатикой, и поэтому принципиально важным является их правильное понимание и применение при анализе информационных процессов в обществе.

Как уже отмечалось, наиболее адекватным возможности глубокого изучения социальных аспектов информатизации общества является определение информатики как научного направления, изучающего информационные процессы в трех средах – обществе, природе и технических устройствах (схема 2).


Схема 2


Общими для информационных процессов во всех трех средах являются такие понятия теоретической информатики, как информация, данные, знания, а также такое понятие «технической» информатики, как «интерфейс».

Часто термин «информация» используют, не задумываясь о его содержании, отождествляя, например, понятия «знание», «данные», «информация». Нередко также термин «информация» наполняется разным смыслом.

Приведем несколько определений понятия «информация» ученых с мировым именем.

Н. Винер: «Информация – это обозначение содержания, полученного из внешнего мира в процессе нашего приспособления к нему и приспособления к нему наших чувств»[46].

В.М. Глушков: «Информация, в самом общем ее понимании, представляет собой меру неоднородности распределения материи и энергии в пространстве и во времени, меру изменений, которыми сопровождаются все протекающие в мире процессы»[47].

С точки зрения А.И. Берга, информация – это отражение в сознании людей объективных причинно-следственных связей в окружающем нас реальном мире.

Таким образом, по мнению Н. Винера и А.И. Берга, информация тесно связана с субъектом восприятия (индивидуумом, социальной группой, обществом), т. е. информация является субъективной, а, по мнению В.М. Глушкова, – объективной категорией. Эти два подхода продолжают существовать и в современной науке[48].

Общая характеристика теоретических концепций и подходов к изучению закономерностей информационного обмена. В процессах информационного обмена нередко складываются ситуации, в которых качество информации зависит от того, насколько человек подготовлен к ее восприятию. Информация может характеризоваться с количественной (статистической) и качественной (ценностной) стороны. Ценность информации в свою очередь может оцениваться как объективно, так и субъективно. В соответствии с этим теоретические подходы к изучению закономерностей информационного обмена могут быть разделены на синтаксические, семантические и прагматические концепции. Аналогично называются основные разделы научного направления семиотики[49]: синтактика, семантика, прагматика.

Синтаксические концепции информационного обмена. Становление статистической теории информации относится к 50-х годам XX века, когда американским инженером Р. Хартли была введена количественная мера информации, передаваемой по каналам связи.

Рассмотрим простую игровую ситуацию. До получения сообщения о результате подбрасывания монеты человек находится в состоянии неопределенности. Сообщение партнера дает ему информацию, снимающее эту неопределенность. Заметим, что число возможных исходов в описанной ситуации равно 2, они – равновероятны, и каждый раз передаваемая информация полностью снимала возникавшую неопределенность.

Понятие «бит». Р. Хартли принял передаваемое по каналу связи «количество информации», снимающее неопределенность относительно результатов события, имеющего два равновероятных исхода путем указания на один из них, за единицу информации, в дальнейшем получившую название бит.

Создатель статистической теории информации К. Шеннон обобщил результаты Хартли. Его труды явились ответом на развитие в середине XX века радио, телефона, телеграфа, телевидения. Теория информации Шеннона позволяла ставить и решать задачи оптимального кодирования передаваемых сигналов с целью повышения пропускной способности каналов связи, подсказывала пути борьбы с помехами на линиях и т. д.

В работах Хартли и Шеннона информация представляется в виде отношений сигналов, знаков, сообщений – синтаксических отношений. Количественная мера Хартли-Шеннона не претендует на оценку содержательной (семантической) или полезной (прагматической) сторон передаваемого сообщения.

Кибернетическая теория информации. Новый этап теоретического расширения понятия информации связан с кибернетикой – наукой об управлении и связи в живых организмах, обществе и машинах. Кибернетика формулирует принцип единства информации и управления, который особенно важен для анализа процессов в самоуправляющихся, самоорганизующихся биологических и социальных системах.

Развитая в работах Н. Винера концепция предполагает, что управление в упомянутых системах является процессом переработки информации некоторым центральным устройством, получаемой от источников первичной информации и передачи ее в те участки системы, где она воспринимается ее элементами как приказ для выполнения действия. По совершении действия сенсорные рецепторы готовы к передаче информации об изменившейся ситуации для выполнения нового цикла управления. Так организуется циклический алгоритм управления и циркуляции информации в системе. При этом важно, что главную роль играет здесь содержание информации, передаваемой рецепторами и центральным устройством.

Таким образом, кибернетическая концепция подводит к необходимости оценить информацию как некоторое знание, имеющее одну ценностную меру по отношению к внешнему миру (<семантический аспект) и другую – по отношению к получателю, накопленному им знанию, его целям и задачам {прагматический аспект).

Семантические концепции информационного обмена. Попытки построить модели понятия информации, охватывающие семантический аспект знания, содержащегося в некотором высказывании относительно объекта, привели к созданию логико-семантических теорий (Р. Карнап, И. Бар-Хиллел, Дж. Г. Кемени, Е.К. Войшвилло и др.). В этих теориях информация рассматривается как уменьшение или устранение неопределенности. Естественно предположить, что средствами какого-либо языка с помощью создаваемых в нем высказываний можно описать некоторую совокупность возможных ситуаций, состояний, альтернатив. Семантическая информация, содержащаяся в каком-либо высказывании, исключает некоторые альтернативы. Чем больше альтернатив исключает высказывание, тем большую семантическую информацию оно несет.

В рассмотренных теоретических конструкциях – статистической и семантической информации – речь шла о потенциальной возможности извлечь из передаваемого сообщения какие-либо сведения. Вместе с тем в процессах информационного обмена очень часто складываются ситуации, в которых мощность или качество информации, воспринимаемое приемником, зависит от того, насколько он подготовлен к ее восприятию.

Понятие «тезаурус»: значение для информационного обмена. Понятие «тезаурус» является фундаментальным в теоретической модели семантической теории информации, предложенной Ю.А. Шрейдером и учитывающей в явной форме роль приемника.

Согласно этой модели, тезаурус – это знания приемника информации о внешнем мире, система категорий и понятий, которыми оперирует в своей мыслительной и практической деятельности человек, в итоге – его способность воспринимать те или иные сообщения. Уровень образования, образ жизни участника информационного обмена в значительной степени определяет глубину содержания и эффективность обмена.

Тезаурус, в широком смысле слова, – это словарный запас человека. Если тезаурус уже содержит информацию, заключенную в сообщении, т. е. он не изменяется с ее получением, то семантическая ценность этого сообщения является нулевой. Очевидно, что к подобной оценке прагматического содержания информации примешивается семантический аспект, скрытый в «установке» тезауруса на осмысление сообщения.

В прагматических концепциях информации этот аспект является центральным, что приводит к необходимости учитывать ценность, эффективность, экономичность информации, т. е. те ее качества, которые определяющим образом влияют на поведение самоорганизующихся кибернетических систем (биологических, социальных, человеко-машинных).

Прагматические концепции информационного обмена. Одной из наиболее ярких прагматических теорий информации является поведенческая модель коммуникации – бихевиористская модель Акоффа-Майлса. Исходным в этой модели является целевая устремленность получателя информации на решение конкретной проблемы и наличие альтернативных путей неодинаковой эффективности для достижения цели. Сообщение информативно, если оно изменяет «целеустремленное состояние» получателя.

Так как это состояние характеризуется последовательностью возможных действий, эффективностью действия и значимостью результата, то передаваемое получателю сообщение может оказывать воздействие на все три компонента в различной степени. В соответствии с этим передаваемая информация разделяется на «информирующую», «инструктирующую» и «мотивирующую». Таким образом, для получателя прагматическая ценность сообщения состоит в том, что оно позволяет ему наметить стратегию поведения при достижении цели. Для каждого типа информации бихевиористская модель предлагает свою меру, а общая прагматическая ценность информации определяется как функция разности этих количеств в «целеустремленном состоянии» до и после его изменения на новое подобное состояние.

Следующим этапом развития прагматических теорий информации явились работы американского логика Д. Харраха, построившего логико-прагматическую модель коммуникации. Одной из слабостей бихевиористской модели является ее неподготовленность к оценке ложных сообщений. Модель Харраха предполагает учет общественного характера коммуникации. В соответствии с ней получаемые сообщения должны быть сначала подвергнуты обработке для выделения подходящих сообщений, к совокупности которых должны быть применены критерии прагматической ценности.

Формализация знаний: характеристика методов и приемов. При поиске наиболее удобных, рациональных средств и форм информационного обмена человек чаще всего сталкивается с проблемой компактного и однозначного представления знаний – процесса, конечная цель которого поместить некоторый объем знаний в своеобразную «упаковку», в которой он может осуществлять движение по информационным каналам. Такой упаковкой может быть фраза устной речи, письмо, книга, географическая карта, картина и т. п.

Каждый вид упаковки имеет свои особенности, но всем им присуще одно качество, хотя и не в одинаковой степени: упаковка призвана обеспечить сохранность вложенного знания. Причем не только и не столько физическую, сколько смысловую (семантическую). Для этого необходимо, чтобы отправитель и получатель информации упакованных знаний пользовались некоторой общей системой правил для их представления и восприятия.

Основные проблемы языкового информационного обмена. Самым естественным, наиболее подходящим для человека вариантом формализации знаний является язык (устная речь и письменность).

Всякую ли мысль или знание можно выразить в языковой форме? По-видимому, нет. Например, существует множество определений таких понятий, как здоровье, счастье, любовь, дружба, интеллект, информация и т. п.

Мысль, которую нельзя выразить в языковой форме, не может быть включена в информационный обмен. Общение людей, таким образом, осуществляется с помощью языка как формы представления знаний. Одному и тому же содержательному знанию можно придать различную словесную форму, что проявляется в художественной прозе, поэзии и т. д. Богатство языка – это одновременно и богатство культуры того или иного народа.

Вместе с тем в различных сферах профессиональной деятельности это богатство и разнообразие выразительных средств естественного языка становится недостатком, а иногда – недопустимо, например, в армии, медицине, судопроизводстве и т. д.

В специальных отраслях науки формируются специфические языковые системы, являющиеся «сужением» естественного языка. Особо выделяется язык математики, как некоторая основа изложения системы знаний в точных, естественных науках. Свой язык имеют также химия, физика, философия, социология, педагогика, экономика, юриспруденция, психология и другие направления.

Целесообразность применения таких суженных языковых систем высока, они позволяют повысить надежность информационного обмена, так как возможность неправильного истолкования передаваемой информации существенно снижается. Главные достоинства такого языка – возможность создавать и использовать типовые упаковки знаний, а также в значительной мере снять полисемию (смысловую многозначность) естественного языка.

При этом, конечно, сужается и круг получателей, поскольку для восприятия информации необходимо владеть соответствующим языком – это, условно говоря, можно считать недостатком суженого языка.

Полисемия – основная проблема языковой формы информационного обмена, фактор внесения искажения и ошибок (семантического шума) на пути передачи информации. Поэтому устранение многозначности является одним из наиболее важных направлений в разработке формальных приемов представления знаний. Создание языка науки или языка деловой прозы, называемого часто «канцеляритом», является естественным шагом на этом пути. «Канцелярит» предназначен для объективизации изложения информации, использует, как правило, переводимые категории и языковые формы, лишен синонимии, оперирует конкретными фактами и понятиями, не избыточно информативен и логичен.

Все перечисленные выше свойства не присущи литературному языку, которому свойственна субъективность форм, возможность применения непереводимых конструкций, бесконечно богатая синонимия, образность высказываний и т. д.

Продвижение в сторону формализации знаний приводит к понятиям «класс» и «классификация».

Классификация – распределение предметов, объектов и понятий по группам (классам) в соответствии с обнаруженными свойствами.

В контексте информатизации общества ставится, например, вопрос о необходимости анализа и построения логических моделей сети Интернет с целью более полного извлечения содержащейся в нем информации: не фактической, как это делается в настоящее время, а аналитической, не представленной в сети явным образом[50].

Рассмотрим основные системы классификации знаний: иерархическую, морфологическую, древовидную, реляционную.

Классификация как метод научной систематики играет важную роль в формировании ядра знаний того или иного научного направления. Классификационные системы такого типа имеют выраженную иерархическую структуру, в которой все объекты (понятия, факты) разделены на уровни, связанные между собой отношением «старший – младший».

Классификация может проявить себя не только как инструмент организации научных знаний, но и как фактор социального порядка, способствующий активизации социальных отношений. Так, существующие системы тарифов и ставок, ученых степеней и званий, структура должностей и служебных постов в гражданской службе и армии играют не только организующую, но и стимулирующую роль. Подобная модель классификации знаний получила в науке и практике название иерархической.

Достоинства данной системы классификации заключаются в том, что она проста в освоении, легко обновляется и эффективно решает задачу разнесения новых понятий по иерархическим уровням.

Недостатки иерархической модели знаний: прямые связи между понятиями соседних уровней обозначены слабо, или вовсе отсутствуют; иерархическая классификация наиболее эффективна, когда при переходе от уровня к уровню работает один и тот же тип отношений, например, родовидовой.

Систематика, лежащая в основе классификации, может применяться как сильное средство исследования. Так, иногда оказывается полезным при рассмотрении группы объектов выделить несколько характерных для них признаков в качестве определяющих и ввести меру степени их проявления. Подобный подход называется морфологическим, так как использует идею разложения объекта на его части (признаки). Часто подобная группировка приводит к выявлению неизвестных закономерностей, связывающих объекты каждой группы.

Упомянутые выше недостатки иерархической модели классификации свойственны и морфологическим моделям. Их удается устранить, используя так называемые ветвящиеся (древовидные) структуры (модели) представления знаний, которые, в частности, лежат в основе актуальных в контексте развития Интернет гипертекстовых технологий. В последнее время исследователи активно разрабатывают способы автоматического построения гипертекстов. Идея динамического гипертекста состоит в том, что вместо разбивки текста на фиксированные узлы, текст связывается большим количеством связей между входящими в текст одноименными поисковыми единицами: словами, терминами, текстовыми константами и т. д. Разработанная в ИПИ РАН по концепции динамического гипертекста система ТЕРМИН-3[51] обеспечивает построение гипертекстовых сред в автоматическом режиме. Система предназначена для разработки конкретных гипертекстов, информационно-поисковых систем фактографического типа, электронных книг и тезаурусов, частотных словарей и т. п.

Отдельные понятия, факты, знания, связаны между собой отношениями, выражающими суть имеющихся между ними связей. Как и в иерархической модели, это могут быть родовидовые отношения, но также и другие типы отношений: «быть представителем», «иметь», «наследовать» и т. п. Однозначность связей в древовидной структуре и разнообразие охватываемых ею отношений позволяет повысить «динамизм» системы знаний. Действительно, система знаний, представленной иерархической или морфологической моделями, статична (декларативна).

В древовидной структуре можно прослеживать восходящие и нисходящие ветви связей, делая как индуктивные (от частного к общему) и дедуктивные (от общего к частному), так и индуктивно-дедуктивного выводы.

Благодаря такой организации представленные знания получают как дополнение к декларативности процедуральность, т. е. способность к выводу общих знаний из структуры отношений и понятий. Древовидная структура знаний, несмотря на ее простоту и распространенность в информационном обмене, все-таки специфична. В ней, как и в предыдущей модели знаний, заложена парадигма иерархичности. В то же время некоторая система знаний может не соответствовать этой парадигме.

Например, совокупность знаний, описывающих конкретный трудовой коллектив, многоаспектна, и часто не удается установить отношения иерархии (род-вид), хотя связь между ними имеет место. Вот один из возможных аспектов: все представители трудового коллектива могут быть включены в алфавитный список с указанием табельного номера, года рождения, специальности и т. п. – «Список 1». Другой аспект: все члены коллектива работают на условиях сдельной оплаты, и величина их заработка определяется единой тарифной сеткой. Поэтому список специальностей и разрядов с указанием стоимости часа рабочего времени дает представление о системе оплаты труда. Назовем этот список – «Список 2». Третий аспект: при начислении зарплаты необходимо учитывать фактическую выработку работника на протяжении некоторого периода. Поэтому список, состоящий из табельных номеров и фактически проработанного каждым времени, – это «Список 3».

Все три списка содержат необходимый объем знаний о трудовом коллективе в контексте начисления заработной платы. Подобные модели представления знаний, состоящие из связанных списочных структур, получили название реляционных[52].

В реляционных моделях удается представить более сложные области знаний. В них каждый из аспектов может рассматриваться как автономный блок, внутри которого допускаются изменения. Удобным средством является комбинация устойчивых и изменяемых знаний. Так, знания Списка 2 длительно устойчивы. В Списке 1 представлены знания, которые могут меняться с течением времени – текучесть кадров, изменение квалификации и т. п. Список 3 обновляется каждый раз по мере необходимости. Не вызывает трудностей задача пополнения реляционной модели новыми знаниями путем расширения уже имеющихся списков и добавления новых списочных структур.

Существуют и другие способы формализации знаний. Например, промежуточным между древовидной и реляционной моделями классификации являются так называемые семантические сети. С их помощью между понятиями, фактами, знаниями устанавливаются связи – отношения. Они как бы являются обобщением древовидных моделей, так как отличаются от последних снятием требований иерархичности. В то же время семантические сети могут считаться частным случаем реляционных моделей, так как именно из них могут быть построены связанные списочные структуры, когда понятие, являющееся узлом семантической сети, расширяется в список, а соответствующее отношение с другим списком из единичного становится групповым.

Все описанные приемы формализации знаний направлены на создание некоторого устойчивого каркаса, на который может быть надета оболочка системы конкретных знаний. В случае если между отправителем и получателем знаний достигнута взаимная договоренность относительно этого каркаса, то информационный обмен приобретает необходимую регламентирующую основу, что повышает его эффективность.

Традиционные и новые информационные технологии. Под традиционной информационной технологией, как правило, понимается информационная технология на базе «жестких алгоритмов». На таких технологиях построена практически вся так называемая офисная информатизация (текстовые и табличные редакторы, программы бухгалтерских расчетов, статистические программы и т. д.). Реализация данных технологий стандартна и практически не зависит от пользователя.

Под новой информационной технологией, как правило, понимается информационная технология на базе «мягких алгоритмов» с использованием достижений искусственного интеллекта. Именно за данным видом информационных технологий – будущее социокультурного варианта информатизации, ибо новые информационные технологии учитывают специфику, максимально «подстраиваются» при своей реализации под конкретного пользователя.

Реализации такого подхода к удовлетворению информационных потребностей людей способствуют, например, нейросетевые технологии – алгоритмы, имитирующие деятельность мозга. Подобно тому, как человек решает задачи на основе накопленных ранее знаний, нейросеть может, обучившись, строить структуры нейронов, способных давать оценки и прогнозы явлений, составляющих образ жизни конкретного пользователя.

Причины невозможности массовой информатизации общества без использования достижений искусственного интеллекта. Массовая информатизация общества возможна лишь после распространения компьютеров интеллектуального типа с так называемым «дружественным интерфейсом». Только тогда можно достичь необходимого уровня согласования растущего объема знаний с потребностями и возможностями людей.

Дружественный интерфейс компьютера не требует от пользователя ничего, кроме четкого понимания своей информационной потребности: ни знания программно-технической компьютерной специфики, ни владения иностранным языком. Предельным проявлением «дружественности» интерфейса компьютера можно считать голосовой ввод информации, а в перспективе – считывание компьютером мыслей человека. В этих вариантах дружественного интерфейса будет одновременно практически решена и проблема защиты персональной информации.

Развитие дружественного интерфейса должно обязательно сопровождаться процессом воспитания так называемого непрограммирующего пользователя, его интеллектуализации в своей профессиональной и досуговой (не машинной) предметной среде.

Принципиально важно подчеркнуть, что параллельно должно происходить два процесса: с одной стороны, развитие машинного (искусственного) интеллекта, позволяющего «подстраиваться» под информационные потребности пользователя, и, с другой стороны, развитие человеческого интеллекта. На практике же распространены два, одинаково опасных по социальным последствиям, подхода, сводящиеся либо к требованию всем специализироваться на компьютерной технике и программировании, либо к воспитанию неинтеллектуального, пассивного пользователя.

Материя, энергия, информация, знания – связь понятий*. Исходной посылкой является утверждение, что информация является семантической сущностью материи, т. е. информация считается объективной категорией. Понятие «материя» отождествляется с понятием «система», в которую входят составными элементами вещество, энергия, знание и информация. Эти элементы в соответствии с законом сохранения материи поддерживают систему в равновесном состоянии путем взаимных переходов из одной в другую субстанцию системы. При взаимодействии этих элементов системы вещество выступает носителем знания, а энергия – носителем информации, что может быть графически представлено следующим образом (схема 3).


Схема 3 [53]


Информационные процессы могут быть рассмотрены и как превращенная форма практически реализуемых человеческих отношений, и как фактор социальной самоорганизации социума и управления (самоуправления). Социальная информация является необходимым условием интеграции и гомеостаза[53] самоорганизующейся социальной целостности. Существует зависимость интегрального качества любой самоорганизующейся системы, эффективности ее функционирования, жизнеспособности и сопротивляемости внешним неблагоприятным воздействиям от качества ее информационной инфраструктуры и адекватности циркулирующей информации критериям устойчивости развития системы. Нарушение этого принципа чревато внутренними и внешними противоречиями, болезненными последствиями для социальной макро- и микросистемы.

Соотношение понятий информация, данные, знания. Понятия – «информация», «данные», «знания» часто используются как синонимы, в то время как их смысловое содержание различно.

Выше уже были приведены примеры того, как определялось понятие информации в трудах известных ученых – Н. Винера, А.И. Берга, В.М. Глушкова. Несмотря на различие этих определений, информация в них – как знак содержания, которое является предметом сообщения, направленного от источника к приемнику (например, источник – внешний мир, а приемник – субъект восприятия). Предметом сообщения может быть информация количественной (статистической), семантической и прагматической меры.

Знания и данные – формы представления информации, призванные способствовать повышению эффективности информационно-обменных процессов, приводящие информацию к удобному для передачи и восприятию виду.

Между понятиями «знания» и «данные» можно выделить отношения иерархии. Знания – результат преобразования данных. Одни и те же сведения могут выступать как данные, если в результате их преобразования получаются новые сведения, выступающие как знания, но могут пониматься и как знания, если они – продукт [54] преобразования первичных сведений. Например, при проведении социологического исследования объем сведений в анкетах содержит знания о выборочной совокупности. Вместе с тем после корреляционного анализа указанные сведения выступают как исходные данные для математических расчетов, приводящих к получению знания о взаимозависимости изучаемых свойств социального явления.

Таким образом, знания – это данные более высокой организации, достигаемой преобразованием исходных данных.

Структура исследований в области искусственного интеллекта. Научные исследования по искусственному интеллекту в настоящее время ведутся в двух взаимодополняющих областях:

 в области раскрытия механизмов мышления человека с целью их последующего моделирования (фундаментальные исследования в области искусственного интеллекта);

 в области создания технических (компьютерных) систем, обладающих не меньшими, чем человек, способностями продуктивно манипулировать имеющимся объемом знаний и порождать новые знания.

К области фундаментальных научных исследований искусственного интеллекта также относятся следующие понятия.

1. «Мягкие» вычисления. «Жесткие» вычисления – это работа по алгоритмам, «мягкие» же вычисления – это вычисления, при которых могут быть и новые задачи, и случайное нахождение того, что нужно. То есть речь идет об эволюционных алгоритмах, моделировании эволюционных процессов.

2. Когнитивная графика (пифограмма). Это не иллюстративная, а познавательная графика, которая порождает решения. Например, если оператор зафиксирует на экране закономерность в развитии светового пятна, являющегося визуальным отображением вычисления, – это «снимается» далее с ЭВМ как заготовка решения, т. е. когнитивная графика является визуальным изображением математики.

3. Виртуальная реальность. Средства информационной технологии и, в частности, человеко-машинного интерфейса, позволяют создать «виртуальный мир» – искусственное трехмерное пространство.

Первой фирмой виртуальной реальности явилась VPL Research (США), основанная в 1984 г. Д. Леньером, автором самого термина «виртуальная реальность».

Методологическое значение для анализа социокультурного развития процессов информатизации имеет различение и осмысление таких понятий, как «виртуальная реальность»[55] и «виртуальная жизнь».

Если виртуальная реальность – это некое смоделированное и предлагаемое любому пользователю «стандартное» искусственное пространство, то виртуальная жизнь (так называемая концепция Alife) – это смоделированное для конкретного пользователя, в предельном случае в перспективе смоделированное им самим (как непрограммирующим пользователем) искусственное жизненное пространство.

Уже сегодня общество сталкивается с серьезными социально-психологическими проблемами, связанными с виртуальной реальностью, особенно в результате массового распространения в молодежной среде компьютерных игр. Трудно представить всю глубину и сложность перспективных проблем, которые будут порождены распространением феномена виртуальной жизни. Очевидно, что необходимо готовиться в целом к феномену виртуализации общества во всех сферах[56].

Виртуализация рассматривается специалистами в настоящее время как инновационный феномен трансформирующегося российского общества, а процесс виртуализации социальной среды – как фактор социальных инноваций.

4. Моделирование человеческих рассуждений (прикладные семиотические системы). Основная проблема состоит в том, что человеческие рассуждения далеко не всегда имеют строго системный, логичный характер. Принципиально важно, с точки зрения многих ученых и специалистов, развести две составляющих интеллекта (в широкой трактовке этого понятия) – логическую и разумную. Если в плане компьютерного моделирования первой составляющей – логической – не возникает принципиальных проблем, то вопрос о возможности и необходимости моделирования второй – разумной, присущей только человеку составляющей, – порождает множество социально-мировоззренческих проблем, и лишь во вторую очередь – технических. Свидетельство этого – широкое распространение технократического подхода на современном этапе информатизации общества.

Человечество должно быть готово к появлению достижений в области разработок искусственного интеллекта путем создания социальных условий, при которых искусственный интеллект всегда будет только помощником при принятии человеком решений, но никогда его замещающим.

Понятия «экспертная система», «инженерия знаний». От исследований в области искусственного интеллекта отделилось направление инженерии знаний, занимающееся выявлением, структурированием, формализацией знаний для разработки интеллектуальных систем, систем, основанных на знаниях, или экспертных систем (ЭС).

ЭС – это компьютерные системы, аккумулирующие знания экспертов и фундаментальные знания в той или иной предметной области, обладающие способностью к логическим выводам и выступающие в качестве электронных консультантов для лиц, принимающих решения.

Использование в экспертных системах достаточно мощных баз данных и средств манипуляции этими данными – правил вывода – позволяет называть их системами, основанными на базах знаний, в отличие от систем управления базами данных.

Экспертные системы являются традиционным средством «интеллектуального» анализа информации. Методы искусственного интеллекта значительно ускоряют процесс разработки программ для решения конкретных задач и делают их самообучающимися в процессе работы.

Основную часть экспертных систем, использующих методы искусственного интеллекта, составляют экспертные системы реального времени, или динамические экспертные системы. Они применяются для анализа изменения данных, контроля взаимосвязанных процессов, а также моделирования реальных систем и прогнозирования их поведения в будущем.

Одним из новых методов анализа информации является использование нейронных сетей. Эти методы можно считать альтернативными распространенным ныне статистическим методам, так как они являются слабочувствительными к неполной и искаженной информации. Нейронные сети в настоящее время реализуются, например, с помощью специализированных нейрокомпьютеров.

Причины активного использования экспертных систем в обучении. Во всем мире, по оценкам ряда специалистов, в настоящее время насчитывается более 600 млн студентов, из них 30 млн. обучаются в рамках дистанционного обучения, под которым понимается совокупность передачи учебной информации студенту, стимулирование его учебной деятельности и, если необходимо, принятие корректировочных мер, т. е. речь идет об индивидуализированном обучении, в том числе на базе использования экспертных систем.

Экспертная обучающая система обладает целым рядом позитивных особенностей: возможностью построения индивидуализированного варианта обучения в зависимости от уровня исходных знаний и др. факторов; «терпеливостью», ибо повторение необходимой информации идет до тех пор, пока знания обучаемого не будут соответствовать принятому стандарту обучения, и другими достоинствами.

Примеры задач, выполняемых интеллектуальными системами. Это такие задачи, которые, выполняет представитель профессии интеллектуального типа: принятие решений в условиях постоянного изменения исходных данных и условий (управленческая, дипломатическая, преподавательская, воспитательная деятельность), перевод с одного языка на другой (деятельность переводчиков, особенно синхронистов) и целый ряд других задач.

Выводы

В данной теме были рассмотрены категории и понятия теоретической информатики, без осмысления которых невозможен глубокий, адекватный современным требованиям, анализ информационных процессов в глобализирующемся социуме. В дальнейших темах курса будут рассмотрены категории и понятия собственно социальной информатики как научного направления.

Контрольные вопросы и задания

1. Дайте общую характеристику концепций и подходов к изучению закономерностей информационного обмена.

2. В чем заключается явление полисемии?

3. Приведите примеры систем классификации знаний.

4. Материя, вещество, энергия, информация, знания. Определите связь этих понятий.

5. Каковы причины невозможности массовой информатизации общества без использования достижений искусственного интеллекта?

Дополнительная литература по теме[57]:

1. Бабенко В. С. Виртуальная реальность: толковый словарь терминов. – СПб., 2006.

2. Гиляревский RC. и др. Информатика как наука об информации: информационный, документальный, технологический, экономический, социальный и организационный аспекты. – М., 2006.

3. Дьяконов В.П. Новые информационные технологии. – М., 2005.

4. Информационное общество / Сост.: Лактионов А. – М., 2004.

5. Кармадонов О.А. Социология символа. – М., 2004.

6. Панин В.В. Основы теории информации. – М., 2006.

8. Фуркин Б.А. Виртуальность как способ бытия человека в информационном обществе // Вести. Моек. гор. пед. университета. Сер.: Филос. науки. 2013. № 1 (7). с. 54–60.

9. * Кубыъикин С.А. Виртуальная реальность как социокультурный феномен // Вести. Майкопск. госуд. технол. университета. 2013. № 2. С. 37–40.

10. * Майоров А.А., Седякин В.П. Об общей и теоретической информатике // Открытое образование. 2015. № 3. С. 4–7.

Сетевые источники

1. Институт проблем информатики РАН – http://www.ipiran.ru/

2. Институт философии РАН – http://www.iph.ras.ru/

3. Российский Научно-исследовательский институт искусственного интеллекта (РосНИИ ИИ) – http://l55463 L495.su

46

Винер Н. Кибернетика и общество. – М., 1958. С. 31.

47

Глушков В.М. Мышление и кибернетика // Вопр. философии. 1963. № 1.С. 36.

48

Подробнее см., наир.: Столяров Ю.Н. Сущность информации. – М., 2000; Чернавский Д. С. Синергетика и информация (динамическая теория информации). – М., 2004.

49

Семиотика (греч. semeiotikon, от semeion – знак, признак), семиология, наука, исследующая свойства знаков и знаковых систем (естественных и искусственных языков).

50

Шалак В.И. Логический анализ сети Интернет. – М., 2005.

51

Соловьева Н.С., Сомин Н.В. Термин-3 – система динамического гипертекста // Системы и средства информатики. 1995. № 5. С. 95.

52

Англ, relation – связь.

53

Шемакин Ю.И. Теоретическая информатика. – М., 1995. С. 10–11.

53

Шемакин Ю.И. Теоретическая информатика. – М., 1995. С. 10–11.

54

Гомеостаз (гомеостазис), греч. homoios – подобный и stasis – стояние – подвижное равновесное состояние системы, сохраняемое путем ее противодействия внешним и внутренним факторам, нарушающим это равновесие.

55

См., напр.: Кузнецов М.М. Виртуальная реальность – техногенный артефакт или сетевой феномен // Вирту ал истика: экзистенц. и эпистемол. аспекты. – М., 2004. С. 62–90.

56

Иванов Д.В. Виртуализация общества: Версия 2.0. – СПб., 2002; Айма-летдинов Т.А., Соколова И.В. Виртуальное экономическое поведение: социологические подходы к анализу // Навстречу будущему. Прогнозирование в социологических исследованиях: Мат. VII междунар. социол. Грушинской конф. 2017. С. 1697–1700.

57

Для источников, отмеченных *, на портале elibrary.ru – доступ к полному

тексту.

Социальная информатика

Подняться наверх