Семантические сети определяют как граф общего вида, в котором можно выделить множество вершин и ребер. Каждая вершина графа представляет некоторое понятие, а дуга — отношение между парой понятий. Метка и направление дуги конкретизируют семантику. Метки вершин семантической нагрузки не несут, а используются как справочная информация.
Различные разновидности семантических сетей обладают различной семантической мощностью, следовательно, можно описать одну и ту же предметную область более компактно или громоздко.
Фреймом называют структуру данных для представления и описания стереотипных объектов, событий или ситуаций. Фреймовая модель представления знаний состоит из двух частей:
• набора фреймов, составляющих библиотеку внутри представляемых знаний;
• механизмов их преобразования, связывания и т.д. Существует два типа фреймов:
• образец (прототип) — интенсиональное описание некоторого множества экземпляров;
• экземпляр (пример) — экстенсиональное представление фрейм-образца.
|
|
В общем виде фрейм может быть представлен следующим кортежем:
<ИФ, (ИС, ЗС, ПП),..., (ИС, ЗС, ПП)>,
где ИФ — имя фрейма; ИС — имя слота; ЗС — значение слота;
ПП — имя присоединенной процедуры (необязательный параметр).
Слоты — это некоторые незаполненные подструктуры фрейма, заполнение которых приводит к тому, что данный фрейм ставится в соответствие некоторой ситуации, явлению или объекту.
В качестве данных фрейм может содержать обращения к процедурам (так называемые присоединенные процедуры). Выделяют два вида процедур: процедуры-демоны и процедуры-слуги. Процедуры-демоны активизируются при каждой попытке добавления или удаления данных из слота. Процедуры-слуги активизируются только при выполнении условий, определенных пользователем при создании фрейма.
Продукционные модели — это набор правил вида «условия — действие», где условиями являются утверждения о содержимом базы данных, а действия представляют собой процедуры, которые могут изменять содержимое базы данных.
Формально продукция определяется следующим образом:
(0; Q; Р; С; А-> В; N,
где (0 — имя продукции (правила); Q — сфера применения правила; Р — предусловие (например, приоритетность); С—предикат (отношение); А-> В — ящро; N— постусловия (изменения, вносимые в систему правил).
Практически продукции строятся по схеме «ЕСЛИ» (причина или иначе посылка), «ТО» (следствие или иначе цель правила).
Полученные в результате срабатывания продукций новые знания могут использоваться в следующих целях:
• понимание и интерпретация фактов и правил с использованием продукций, фреймов, семантических цепей;
|
|
• решение задач с помощью моделирования;
• идентификация источника данных, причин несовпадений новых знаний со старыми, получение метазнаний;
• составление вопросов к системе;
• усвоение новых знаний, устранение противоречий, систематизация избыточных данных.
Процесс рассмотрения компьютером набора правил (выполнение программы) называют консультацией. Ее наиболее удобная для пользователя форма — дружественный диалог с компьютером. Интерфейс может быть в форме меню, на языке команд и на естественном языке.
Диалог может быть построен на системе вопросов, задаваемых пользователем, компьютером, или фактов — данных, хранящихся в базе данных. Возможен смешанный вариант, когда в базе данных недостаточно фактов.
При прямом поиске пользователь может задавать две группы вопросов, на которые, компьютер дает объяснения:
1) КАК получено решение. При этом компьютер должен выдать на экран трассу в виде ссылок на использованные правила;
2) ПОЧЕМУ компьютер задал какой-то вопрос. При этом на экран выдается своеобразная трасса, которую компьютер хотел бы использовать для вывода после получения ответа на задаваемый вопрос. Вопрос ПОЧЕМУ может быть задан как в процессе консультации, так и после выполнения программы.
Специфичен алгоритм поиска, реализуемый логическими языками: он является фактически последовательным перебором по дереву сверху-вниз-слева-направо.
Выделим следующие характеристики ЭС: назначение, проблемная область, глубина анализа проблемной области, тип используемых методов и знаний, класс системы, стадия существования, инструментальные средства.
Назначение определяется следующей совокупностью параметров: цель создания экспертной системы — для обучения специалистов, для решения задач, для автоматизации рутинных работ, для тиражирования знаний экспертов и т.п.; основной пользователь — не специалист в области экспертизы, специалист, учащийся.
Проблемная область может быть определена совокупностью параметров предметной области и задач, решаемых в ней. Каждый из параметров можно рассматривать как с точки зрения конечного пользователя, так и разработчика экспертной системы.
С точки зрения пользователя предметную область можно характеризовать ее описанием в терминах пользователя, включающим наименование области, перечень и взаимоотношения подобластей и т.п., а задачи, решаемые существующими экспертными системами, — их типом. Обычно выделяют следующие типы задач:
• интерпретация символов или сигналов — составление смыслового описания по входным данным;
• диагностика — определение неисправностей (заболеваний) по симптомам;
• предсказание — определение последствий наблюдаемых ситуаций;
• конструирование — разработка объекта с заданными свойствами при соблюдении установленных ограничений;
• планирование — определение последовательности действий, приводящих к желаемому состоянию объекта;
• слежение — наблюдение за изменяющимся состоянием объекта и сравнение его показателей с установленными или желаемыми;
• управление — воздействие на объект для достижения желаемого поведения.
С точки зрения разработчика целесообразно выделять статические и динамические предметные области. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени (точнее, рассматриваются как не изменяющиеся за время решения задачи). Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных). Если ис-
|
|
ходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. Кроме того, предметные области можно характеризовать следующими аспектами: числом и сложностью сущностей, их атрибутов и значений атрибутов; связностью сущностей и их атрибутов;
полнотой знаний; точностью знаний (знания точны или правдоподобны: правдоподобность знаний представляется некоторым числом или высказыванием).
Решаемые задачи, с точки зрения разработчика экспертной системы, также можно разделить на статические и динамические. Будем говорить, что ЭС решает динамическую или статическую задачу, если процесс ее решения изменяет или не изменяет исходные данные о текущем состоянии предметной области.
В подавляющем большинстве существующие ЭС исходят из предположения о статичности предметной области и решают статические задачи. Будем называть такие ЭС статическими. ЭС, которые имеют дело с динамическими предметными областями и решают статические или динамические задачи, будем называть динамическими.
Решаемые задачи, кроме того, могут характеризоваться следующими аспектами: числом и сложностью правил, используемых в задаче, их связностью, пространством поиска, числом активных агентов, изменяющих предметную область, классом решаемых задач.
По степени сложности выделяют простые и сложные правила. К сложным относятся правила, текст записи которых на естественном языке занимает 1/3 страницы и больше. Правила, текст записи которых занимает менее 1/3 страницы, относят к простым.
Можно сказать, что степень сложности задачи определяется не просто общим числом правил данной задачи, а числом правил в ее наиболее связной независимой подзадаче.
Пространство поиска может быть определено по крайней мере тремя факторами: размером, глубиной и шириной. Размер пространства поиска дает обобщенную характеристику сложности задачи. Выделяют малые (до 3,6 • 106 состояний) и большие (свыше 3,6 • 106 состояний) пространства поиска. Глубина пространства поиска характеризуется средним числом последовательно применяемых правил, преобразующих исходные данные в конечный результат, ширина пространства — средним числом правил, пригодных к выполнению в текущем состоянии.
|
|
Класс задач определяет методы, используемые ЭС для их решения. Данный аспект в ЭС принимает следующие значения: задачи расширения, доопределения, преобразования. Задачи доопределения и расширения являются статическими, а задачи преобразования — динамическими.
К задачам расширения относятся такие, в процессе решения которых осуществляется только увеличение информации о предметной области, не приводящее ни к изменению ранее выведенных данных, ни к другой области задач.
К задачам доопределения относятся задачи с неполной или неточной информацией о реальной предметной области, цель решения которых — выбор из множества альтернативных текущих состояний предметной области того, которое адекватно исходным данным. В случае неточных данных альтернативные текущие состояния возникают как результат ненадежности данных и правил, что приводит к многообразию различных доступных выводов из одних и тех же исходных данных. В случае неполных данных альтернативные состояния являются результатом доопределения.
Большинство существующих ЭС решают задачи расширения, в которых нет ни изменений предметной области, ни активных агентов, преобразующих ее. Подобное ограничение неприемлемо при работе в динамических областях.
По степени сложности структуры ЭС делят на поверхностные и глубинные. Поверхностные ЭС представляют знания об области экспертизы в виде правил (условие—действие). Условие каждого правила определяет образец некоторой ситуации, при соблюдении которой правило может быть выполнено. Поиск решения состоит в выполнении тех правил, образцы которых сопоставляются с текущими данными (текущей ситуацией в РП). При этом предполагается, что в процессе поиска решения последовательность формируемых таким образом ситуаций не оборвется до получения решения, т.е. не возникнет неизвестной ситуации, которая не сопоставится ни с одним правилом. Глубинные ЭС, кроме возможностей поверхностных систем, обладают способностью при возникновении неизвестной ситуации определять с помощью некоторых общих принципов, справедливых для области экспертизы, какие действия следует выполнить.
По типу используемых методов и знаний ЭС делят на традиционные и гибридные. Традиционные ЭС используют в основном неформализованные методы инженерии знаний и неформализованные знания, полученные от экспертов. Гибридные ЭС используют
методы инженерии знаний, формализованные методы, а также данные традиционного программирования и математики.
Совокупность рассматриваемых выше характеристик позволяет определить особенности конкретной ЭС. Однако пользователи зачастую стремятся охарактеризовать ЭС каким-либо одним обобщенным параметром. В этой связи говорят о поколениях ЭС. В настоящее время выделяют ЭС первого и второго поколений. Однако, по-видимому, следует говорить о трех поколениях ЭС. К первому поколению следует отнести статические поверхностные ЭС, ко второму — статические глубинные ЭС (иногда ко второму поколению относят гибридные ЭС), а к третьему — динамические ЭС (вероятно, они, как правило, будут глубинными и гибридными).
В последнее время выделяют два больших класса ЭС (существенно отличающихся по технологии их проектирования), которые мы условно называем простыми и сложными ЭС. К простым можно отнести поверхностную и традиционную (реже гибридную) ЭС, выполненные на персональной ЭВМ и содержащие от 200 до 1000 правил. К сложным ЭС относятся глубинная и гибридная ЭС, выполненные либо на символьной, либо на мощной универсальной ЭВМ, либо на интеллектуальной рабочей станции, содержащие от 1500 до 10 000 правил.
Стадия существования характеризует степень проработанности и отлаженности ЭС. Обычно выделяют следующие стадии: демонстрационный прототип, исследовательский прототип, действующий прототип, промышленная система, коммерческая система.
Демонстрационным прототипом называют ЭС, которая решает часть требуемых задач, демонстрируя жизнеспособность метода инженерии знаний. При наличии развитых интеллектуальных систем для разработки демонстрационного прототипа требуется примерно 1—2 мес. Демонстрационный прототип работает, имея 50—100 правил. Развитие демонстрационного прототипа приводит к исследовательскому прототипу.
Исследовательским прототипом называют систему, которая решает все требуемые задачи, но неустойчива в работе и не полностью проверена. Исследовательский прототип обычно имеет в базе знаний 200 — 500 правил, описывающих проблемную область.
Действующий прототип надежно решает все задачи, но для решения сложных задач может потребоваться чрезмерно много времени и (или) огромная память. Число правил в такой системе равно 500-1000.
Экспертная система, достигшая промышленной стадии, обеспечивает высокое качество решения всех задач при минимуме времени и памяти. Обычно процесс преобразования действующего прототипа в промышленную систему состоит в расширении числа правил до 1000—1500 и переписывании программ с использованием более эффективных интеллектуальных систем.
Обобщение задач, решаемых на стадии промышленной системы, позволяет перейти к стадии коммерческой системы, пригодной не только для собственного использования, но и для продажи различным потребителям. В базе знаний такой системы 1500—3000 правил.
Диапазон возможных средств построения ЭС простирается от языков высокого уровня до средств поддержки низкого уровня.
Языки программирования, применяемые для работы в области ЭС, — это, как правило, или проблемно-ориентированные языки (Фортран, Паскаль и т.д.), или языки обработки текстов (Лисп, Пролог). Проблемно-ориентированные языки разработаны для специального класса задач. Например, Фортран удобен для выполнения алгебраических вычислений и чаще всего применяется в научных, математических и статистических вычислениях. Языки обработки текстов разработаны для прикладных областей искусственного интеллекта. Например, Лисп имеет механизмы для манипулирования символами в форме списковых структур. Список является просто набором элементов, заключенных в скобки, где каждый элемент может быть или символом, или другим списком. Списковые структуры являются удобным строительным материалом для представления сложных понятий. В языке Лисп все отношения между объектами описываются через списки, содержащие отношения объекта с другими объектами.
Добавим, что Лисп существует в разных версиях. Например, Интерлисп и Маклисп имеют различные средства поддержки (редакторы и средства отладки), но одинаковый синтаксис.
Языки программирования, подобные Лиспу, представляют максимальную гибкость разработчику ЭС, но никак не подсказывают ему, как представлять знания или как построить механизм доступа к базе знаний. С другой стороны, языки инженерии знаний, такие
как KAS, обладают меньшей гибкостью, поскольку разработчик системы должен пользоваться схемой управления, определяемой встроенным в язык механизмом вывода. Эти языки, однако, обеспечивают некоторое руководство и готовые механизмы вывода для управления и использования базы знаний.
Язык инженерии знаний является искусным инструментальным средством разработки ЭС, погруженным в обширное поддерживающее окружение. Языки инженерии знаний можно разделить на скелетные и универсальные. Скелетный язык инженерии знаний является просто «раздетой» экспертной системой, т.е. ЭС без специальных предметных знаний, включающей в себя только механизм вывода и средства поддержки.
Универсальный язык инженерии знаний может быть применим к проблемам разного типа в различных прикладных областях. Он обеспечивает более широкие возможности управления поиском данных и доступом к ним, чем скелетные системы, но может оказаться, что его труднее использовать. Разные универсальные языки значительно варьируют в смысле общности и гибкости.
Вспомогательные средства построения ЭС состоят из программ, оказывающих помощь в приобретении знаний у эксперта, и представлении их, и программ, которые помогают разрабатывать проекты экспертных систем.
Средства поддержки — это просто пакеты программ, которые прилагаются к средству построения ЭС, чтобы упростить его использование, облегчить диалог и сделать его более эффективным. Это — средства отладки, ввода-вывода, объяснения, редакторы баз знаний.
Интеллектуальные системы расчетно-логического типа предполагают организацию базы знаний в виде функциональной семантической сети. Рассмотрим кратко алгоритмы поиска решений на функциональной семантической сети (ФСС). Первой задачей, которая должна быть решена, является выбор представления, в котором реализуются процедуры поиска решений и организации вычислительного процесса. При этом целесообразно выбрать представление в пространстве состояний. В данном представлении задачу поиска решений можно формально записать следующим образом:
T=<S, So, Sk,F>,
где So — начальное состояние; Sk — конечное состояние; S — множество промежуточных состояний; F= {Fni} — множество операторов, которые переводят процесс поиска из одного состояния в дру-
roe. Каждому математическому отношению F„ поставим в соответствие список (кортеж) параметров, которые в него входят. Таким образом, рассматриваемый алгоритм предусматривает работу со списочными структурами данных.
При поиске решений на ФСС в качестве множества операторов выступают разрешения математических отношений fni реализуемые в виде отдельных программных модулей, совокупность которых для данной проблемной области составляет локальную (может быть, одну из многих) базу процедур. Здесь верхний индекс n указывает на параметр, который в данном разрешении выступает как функция, а нижний индекс i — на номер соответствующего математического отношения в совокупности математических отношений. Задание исходных даннных определяет начальное состояние.So, а искомое решение — конечное (целевое) состояние. Выбор на каждом очередном шаге некоторого конкретного оператора осуществляется в соответствии с некоторыми правилами, которые для данной проблемной области составляют локальную базу правил.
Первый алгоритм реализует стратегию обратной волны, начиная поиск решения задачи с целевого состояния, т.е. от искомого параметра. Суть алгоритма состоит в следующем. В соответствии с алгоритмом поиска решений Нильсона образуем следующие списки: Si — список параметров, которые должны быть рассчитаны;
Si — список параметров, для которых выбраны разрешения для расчета. Дополнительно образуем еще два списка: S3 — список разрешений, включаемых в план решения задачи,и S4 — список оценок сложности реализации разрешения, выбранного в план решения задачи. Данные оценки позволяют при наличии нескольких планов выбрать наилучший, т.е. реализовать классическую постановку задачи принятия решений.
Во втором алгоритме реализуется стратегия прямой волны, т.е. планирование идет от исходных данных к целевому параметру.
Многофункциональность разрабатываемых систем обработки интеллектуальной информации может быть обеспечена за счет современного подхода к хранению и использованию знаний проектировщиков.
Основной принцип данного подхода заключается в том, что задачи решаются на основе не просто данных, а знаний. Последние являются существенно более мощными и позволяют решать на их основе сложные задачи.
Традиционные ЭС имеют лишь один механизм поддержки принятия решений — логический вывод и лишь одно средство пред-
ставления знаний — правила. В последнее время активно развивается новое поколение ЭС — гибридные экспертные системы (ГЭС).
Для использования ГЭС в качестве средства поддержки принятия управленческих решений необходимо предусмотреть возможность учета характеристик лица, принимающего решение (ЛПР). В этом случае в экспертной системе должна присутствовать гибкая схема логического вывода, а поддержка принятия решений должна осуществляться в соответствии с конкретной аналитической моделью пользователя. На рис. 5.20 приведена упрощенная архитектура ГЭС.
Данная архитектура не претендует на полноту и характеризует отличие ГЭС от традиционных ЭС.
Эксперт соответствующей предметной области должен иметь возможность задавать оценки объектов, выявленные в результате его взаимодействия с подсистемой обработки экспертных знаний. Полученные таким образом экспертные знания будут храниться в базе экспертных знаний.
Одним из основных этапов решения задачи многокритериального выбора является настройка модели на систему предпочтений ЛПР. Она выявляется в результате взаимодействия ЛПР и подсистемы выявления предпочтений ЛПР. Найденные таким образом характеристики ЛПР сохраняются в базе характеристик ЛПР.
Банк моделей должен содержать широкий набор решающих правил, выражающих различные стратегии поведения пользователя.
В современную эпоху информационного взрыва и информационной революции человечество вынуждено за ограниченное время осуществить приспособление к новым условиям своего бытия. Это резко актуализирует необходимость философского обсуждения самой проблемы взаимодействия человека с информационной средой. На первый план выходит проблема успешной адаптации человека в современной информационной среде. Проблема адаптации человека неотделима от вопроса о самой его сущности, актуального для философов во все времена. Информационная среда, становясь все более важной и неотъемлемой частью окружающей среды, предъявляет к человеку возрастающие адаптивные требования. Человечество было вынуждено адаптироваться к природной и искусственно созданной информационной среде на всем протяжении своего развития, однако, жизнь современного человека определяется новыми реалиями, новыми экологическими и социальными обстоятельствами. Поэтому сейчас весьма актуальна задача анализа позитивных и негативных аспектов процесса адаптации, осмысления новых путей адаптации человека к среде обитания и новых форм построения информационной среды, максимально отвечающей запросам общества и личности.
Ныне необходимо искать контуры современной целостной концепции человека как адаптивно-адаптирующего существа на основе философского анализа единства и взаимозависимости социального и природного аспектов адаптации. Проблема адаптации человеческого социума осуществляется не столько за счет адаптивных физиологических способностей, сколько за счет построения надиндивидуальной адаптивной системы – культуры. Социум (сообщество людей, осознающих свое единство и стремящееся его сохранить) является саморегулирующейся системой, обладающей способностью к адаптивному поведению в окружающей среде. В отличие от активности животных человеческая деятельность представляет собой не просто адаптивный, а адаптивно-адаптирующий процесс, то есть приспособление к природной среде путем ее масштабной предметной переработки, ведущей к созданию искусственной среды существования человека или артефактной «второй природы». Все вышесказанное свидетельствует о том, что проблема адаптации человека к информационной среде является остро современной, очень актуальной, смысложизненной для нынешнего этапа цивилизационного развития человечества.
Прежде чем анализировать проблему адаптации человека в изменяющейся информационной среде, нужно четко определить, что же такое информационная среда, какие этапы прошла она в своем развитии – с древних времен до той эпохи, в которую живет современный человек – информационной эпохи. На заре человечества информационная среда совпадала с окружающей природной средой. Основным источником информации была природа, от которой полностью зависела жизнь людей. С развитием общества происходило накопление вторичной, социальной информации, которая на сегодня играет определяющую роль в развитии отдельной личности и общества в целом. Современную информационную среду можно определить как совокупность информационных условий существования субъекта (наличие информационных ресурсов и их качество, развитость информационной инфраструктуры), а также социально-экономических и культурных условий реализации процессов информатизации. Информационная среда со всеми своими составляющими (электронные средства массовой коммуникации – радио, телевидение, Интернет; компьютеризация всех сфер жизни) стала настолько глобальным явлением в жизни современного человека, что нынешнюю эпоху можно с полным правом назвать информационной эпохой.
Конечным результатом информационно-компьютерной революции, происходящей на наших глазах, должно стать создание новой информационной цивилизации. В основе процессов управления и самоорганизации в живой природе и в человеческом обществе лежит информация, поэтому возникновение информационного общества представляет собой качественно новый этап в процессах самоорганизации информационных структур. Возникающее информационное общество, по-видимому, будет характеризоваться:
а) усилением роли информации и знаний в жизни общества и человека, овеществлением информации и превращением ее в ведущий фактор экономического развития, в основную экономическую ценность;
б) интеграцией различных способов коммуникации (устных, письменных и аудиовизуальных) в интерактивные информационные сети. Информационное общество – это сетевое общество: оно создано сетями производства, власти и опыта, которые формируют «культуру реальной виртуальности» (М. Кастельс).
В) сосредоточением на технологии улучшения обработки информации, поэтому процесс воздействия знания на само знание является специфическим для информационного общества.
Г) развитием творческого потенциала личности и возрастанием роли сознания в историческом процессе. Информационное общество – это «высокоорганизованное креативное общество» (Й. Масуда, А. Турен).
Можно выделить следующие ключевые этапы развития информационной среды, различающиеся по основным способам адаптирования информации: бесписьменное общество, общество с появлением письменности и современное информационное общество. До изобретения алфавитного письма информация хранилась в виде образов, с изобретением алфавитного письма европейская культура отдала предпочтение кодированию информации в символьном виде. С наступлением информационно-технической революции для записи, хранения и передачи информации используются оба способа (образный и символьный). Таким образом, во все времена человек старался максимально использовать доступные для него способы накапливать информацию. Использование накопленной информации явилось одним из факторов, давших возможность человеку, как биологическому виду, выжить в борьбе за существование.
Особенности адаптирования информации современным человеком заключаются в следующем:
3) Развитие аудиовизуальных средств передачи информации (телефон, радио, кино, телевидение) и, в особенности, компьютерныхтехнологий во много раз расширило и качественно изменило поток обрушивающейся на человека информации, до крайности обострив проблему адаптации человека к этой информации. Средства информационного воздействия оказывают огромное влияния на сознание человека и культуру. В нашем обществе дети в значительной мере усваивают роли и правила поведения в обществе из телевизионных передач, газет, фильмов и других средств массовой информации. Символическое содержание, представленное в этих СМИ, оказывает глубокое воздействие на процесс социальной адаптации, способствуя формированию определенных ценностей и образцов поведения.
3) Появляются такие адаптивные механизмы, как образование социальных структур по группам идентичности и стереотипность массовой культуры и массового сознания. Образование социальных структур по группам идентичности можно рассматривать как адаптивный механизм в борьбе человека за сохранение своего коллективного «Я» в мире, где распадаются старые социальные связи. Массовая культура, как и стереотипизация, является адаптационным механизмом, выполняющим роль психологического регулятора в жизни общества и отдельного индивида. Без стереотипов человек не справился бы с тем объемом информации, который он получает из внешнего мира.
3) Выделяются проблемы экологии человека, связанные с бурным развитием информационных технологий. В этой связи наблюдается отрицательная адаптация как на биологическом (компьютерный зрительный синдром, нервно-мышечные заболевания), так и на социально-психологическом уровне (зависимость от Интернета и компьютерных игр, травмирование детской психики сценами насилия на экране). В последней четверти ХХ века развернулась индустрия досуга, обогатившая рынок развлечений компьютерными играми. Компьютер вытесняет традиционные формы игры и игрового общения, что имеет как позитивные, так и негативные последствия. Компьютерные игры с детских лет сопровождают подрастающее поколение, вызывая, с одной стороны, гиподинамию, атрофию опорно-двигательного аппарата и мышечной мускулатуры, что можно трактовать как отрицательную адаптацию, с другой стороны, - быстро развивая интеллект, логическое мышление и воображение человека. В отличие от традиционных игр, особенно в ходе какого-либо празднества, имеющего нередко ритуальный, нетворческий характер, электронные игры зачастую находятся на грани с искусством, требуя дополнения электронных образов воображением и включения в действие интеллектуальной активности. В то же время компьютерные игры могут вырабатывать у некоторых индивидов пассивную позицию, тогда как в реальных играх происходит контакт с живыми партнерами и развивается физический и духовный потенциал личности. Компьютерный игрок привыкает перемещаться из одного виртуального мира в другой, быстро воспринимать незнакомые ситуации и адаптироваться к ним. В бурно изменяющемся обществе 21 века развитая интеллектуальная гибкость обеспечит приспособление к новым, неожиданным реалиям. Компьютерные игры выполняют, таким образом, функцию социализации молодежи в постиндустриальном обществе, подобно древним мистериям.
В результате создания человеком новой окружающей среды (городской, информационной) возникает ситуация, при которой организм человека не имеет эволюционно подготовленной нормы реакции и, поэтому, реагирует на изменения среды появлением новых профессиональных заболеваний, хроническим напряжением адаптационных систем. Диапазон приспособительных возможностей человека, как любого живого существа, ограничен. Перечисленные проблемы, возникающие в ходе взаимодействия человека и современной информационной среды, требуют дальнейшего комплексного осмысления для поиска оптимальных путей их решения.
Подводя итоги, необходимо отметить, что информационная среда является фактором, требующим фундаментально новой адаптации человека. Специфика современной информационной среды ведет к коррекции существующих природных и социальных механизмов адаптации человека и выработке новых. Информационные технологии, став стержнем современной цивилизации, изменяют не просто качество и содержание жизни современного человека, они грозят трансформировать сам способ его бытия в мире.
Информационные технологии основаны на реализации информационных процессов, разнообразие которых требует выделения базовых. К ним можно отнести извлечение, транспортирование, обработку, хранение, представление и использование информации. На логическом уровне должны быть построены математические модели, обеспечивающие параметрическую и критериальную совместимость информационных процессов в системе информационных технологий.
В процессе извлечения информации основной акцент сделан на формы и методы исследования данных, позволяющих формализовать и абстрагировано описать предметную область. Процесс транспортирования информации рассматривается в рамках эталонной семиуровневой модели, известной как модель OSI. Большое внимание уделено протоколам различных уровней, обеспечивающих необходимый уровень стандартизации. Процессы обработки информации излагаются в аспекте поддержки принятия решений с выделением типовых компонентов. Хранение информации представляется с одной стороны, как совокупность моделей концептуального, логического и физического уровней, с другой — как набор методов и способов практической реализации. Большое внимание уделено эргономическим и психологическим факторам при распределении функции между человеком и техническими устройствами в процессе представления и использования информации.
Источниками данных в любой предметной области являются объекты и их свойства, процессы и функции, выполняемые этими объектами или для них. Любая предметная область рассматривается в виде трех представлений.
По аналогии с добычей полезных ископаемых процесс извлечения информации направлен на получение ее наибольшей концентрации. В связи с этим процесс извлечения можно представить, как прохождение информации через трехслойный фильтр, в котором осуществляется оценка синтаксической ценности (правильность представления), семантической (смысловой) ценности, прагматической (потребительской) ценности.
При извлечении информации важное место занимают различные формы и методы исследования данных:
§ поиск ассоциаций, связанных с привязкой к какому-либо событию;
§ обнаружение последовательностей событий во времени;
§ выявление скрытых закономерностей по наборам данных, путем определения причинно-следственных связей между значениями определенных косвенных параметров исследуемого объекта (ситуации, процесса);
§ оценка важности (влияния) параметров на развитие ситуации;
§ классифицирование (распознавание), осуществляемое путем поиска критериев, по которым можно было бы относить объект (события, ситуации, процессы) к той или иной категории;
§ кластеризация, основанная на группировании объектов по каким-либо признакам;
§ прогнозирование событий и ситуаций.
Следует упомянуть неоднородность (разнородность) информационных ресурсов, характерную для многих предметных областей. Одним из путей решения данной проблемы является объектно-ориентированный подход, наиболее распространенный в настоящее время. Кратко рассмотрим его основные положения. Декомпозиция на основе объектно-ориентированного подхода основана на выделении следующих основных понятий: объект, класс, экземпляр.
Объект — это абстракция множества предметов реального мира, обладающих одинаковыми характеристиками и законами поведения. Объект характеризует собой типичный неопределенный элемент такого множества. Основной характеристикой объекта является состав его атрибутов (свойств).
Атрибуты — это специальные объекты, посредством которых можно задать правила описания свойств других объектов.
Экземпляр объекта — это конкретный элемент множества. Например, объектом может являться государственный номер автомобиля, а экземпляром этого объекта — конкретный номер К 173 ПА.
Класс - это множество предметов реального мира, связанных общностью структуры и поведением. Элемент класса — это конкретный элемент данного множества. Например, класс регистрационных номеров автомобиля.
Важная особенность объектно-ориентированного подхода связана с понятием инкапсуляции, обозначающим сокрытие данных и методов (действий с объектом) в качестве собственных ресурсов объекта. Понятия полиморфизма и наследования определяют эволюцию объектно-ориентированной системы, что подразумевает определение новых классов объектов на основе базовых.
Полиморфизм интерпретируется как способность объекта принадлежать более чем одному типу. Наследование выражает возможность определения новых классов на основе существующих с возможностью добавления или переопределения данных и методов.
Для уменьшения избыточности используется процесс обогащения информации, например, при хранении в компьютере списка сотрудников организации иногда достаточно использовать первые 3-4 буквы их фамилий.
Среди методов обогащения информации различают структурное, статистическое, семантическое и прагматическое обогащения.
Структурное обогащение предполагает изменение параметров сообщения, отображающего информацию в зависимости от частотного спектра исследуемого процесса, скорости обслуживания источников информации и требуемой точности.
При статистическом обогащении осуществляют накопление статистических данных и обработку выборок из генеральных совокупностей накопленных данных.
Семантическое обогащение означает минимизацию логической формы, исчислений и высказываний, выделение и классификацию понятий, содержания информации, переход от частных понятий к более общим. В итоге семантического обогащения удается обобщенно представить обрабатываемую либо передаваемую информацию и устранить логическую противоречивость в ней.
Прагматическое обогащение является важной ступенью при использовании информации для принятия решения, при котором из полученной информации отбирается наиболее ценная, отвечающая целям и задачам пользователя