ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И КОГНИТИВНАЯ ГЕРМЕНЕВТИКА
КАК ТЕОРИЯ ПОНИМАНИЯ СМЫСЛОВ
За последние примерно 25 лет появилось много публикаций в основном зарубежных авторов по теоретическому обоснованию возможности построения искусственного интеллекта (ИИ). В этих статьях обычно присутствуют ссылки на герменевтику, как на теорию понимания смыслов исследуемого языка (в частности, и массивов численных данных при исследовании сложных объектов). Обычно обсуждается проблема интерпретации и "понимания" компьютером таких текстов. Наиболее сложен и интересен анализ естественного языка, принятие затем соответствующих решений и действий, например, в области весьма важных политических или иных социальных исследований.
В этой работе будут показаны основные характеристики и особенности уже давно с успехом применяемой программы построения алгебраических моделей конструктивной (интуиционистской) логики (АМКЛ, [1] ), как одним из методов разработки в дальнейшем теории ИИ.
При исследовании сложных объектов с помощью интуиционистских моделей математической логики и, в частности, алгебраических моделей конструктивной (интуиционистской) логики, обращает на себя внимание следующий факт. Интуиционистские модели могут быть истолкованы как возможные состояния знания некоторого познающего субъекта, как модели творческого сознания. С помощью самой структуры или способа построения этих моделей удалось показать достаточно интересные алгоритмические интерпретации квантовой теории, теории калибровочных полей и общей теории относительности, квантовой теории калибровочных полей, квантовой теории гравитации, редукции квантованных когерентны состояний ультраструктур нейронов мозга, особых состояний сознания, структуры качественных выводов из астрономической модели Керра, сопоставить структуру библейских заповедей с этапами построения АМКЛ.
Возможно, любую достаточно интересную и сложную область познания можно интерпретировать с помощью этих достаточно гибких по своему построению интуиционистских моделей. Формализация этого подхода может по мере накопления опыта и новых данных постепенно уточняться и специализироваться при изучении отдельных областей знания. Можно рассматривать АМКЛ как некоторый "переводчик" терминов, взятых из специализированных областей знания на язык построения этих моделей; они здесь являются как бы некоторым формализованным познающим субъектом. Познание здесь осуществляется в виде алгебраических моделей интуиционистской логики (модели Бета-Крипке). Эти модели отображают динамику состояний ("свободно становящиеся последовательности") знания некоторого "познающего" субъекта [2] (алгоритма вычисления АМКЛ). Приведем краткое описание этого алгоритма, детальное его описание и множество примеров приведено в [1].
В исходном массиве действительных чисел (или чисел k-значной логики) Х(n+1, m), где n - число переменных (столбцов в Х), выделяется один или несколько столбцов Y, для которых Y = f(X). Значения Y разбиваются на k частей (обычно на 2 по медиане), и эти значения кодируются, например, Z = 0, 1, ... Далее каждое состояние, которому задано определенное целевое значение Z, сравнивается со всей своей окрестностью не целевых состояний, начиная с ближайших, и строятся конъюнкции К малого числа открытых интервалов значений переменных для этого целевого состояния. Эти К (по всем целевым состояниям) вычисляются таким образом, чтобы К были бы простыми импликациями (истинными формулами для Z, например: "если К, то Z = 1"). Аналогичные операции совершаются и в отношении не целевых состояний. Далее вычисляются оценки Г для каждой К (число состояний, где встречается данная К). Затем строятся тупиковые дизъюнктивные формы для каждого из Z = 0, 1, ... в отдельности. Начиная с наибольшей Г отбираются К и объединяются логической связкой "или"; предварительно отбрасываются те из них, множества состояний Г которых ("покрытия") уже входят в ранее выбранные К. После вычисления модели обычно проводится ее интерпретация - сопоставление ее с уже известными более общими теориями.
Иногда вычисляется также контекст отдельных наиболее интересных итоговых К, входящих в тупиковую форму (т. е. в модель). Это замкнутые интервалы целевых значений всех переменных, не включенных в К и соответствующие покрытию с оценкой Г для К. При необходимости аналитического отображения логической модели производится аппроксимация подмножеств, соответствующих К, рядами Эрмита.
Сопоставим теперь основные методы, термины и обсуждения проблемы построения и теории ИИ (обзор методов см. в [3] ) с методом (программой) построения АМКЛ. Так, понятие герменевтического круга считается подобным понятию процесса вычислительного бутстрапа [4] (этот термин можно приблизительно перевести как "натягивание ботинка за штрипки", наш научный жаргон здесь еще более ироничен: "притягивание теории за уши"). Этот вычислительный процесс использует компоненты более низкого порядка для построения компонента более высокого порядка, который в свою очередь используется для реконструкции и замещения компонента более низкого порядка для реализации общей цели понимания естественного языка и рассуждений, основанных на здравом смысле.
Здесь следует напомнить публикацию [5] Н. А. Шанина еще в 1973 году о иерархии способов понимания суждений в конструктивной математике. Он доказал, что существуют некоторые конструктивные алгорифмы А, которые по любому суждению F арифметического языка строят мажоранту М, являющейся некоторым приблизительным разъяснением F, открытым для последующих уточнений; алгорифмов , строящих "менее грубые усиления" суждений, чем те, которые строят А. Считается, что М для F сильнее, чем F в том смысле, что из нее может быть выведена импликация "если М, то F" (для наглядного представления можно воспользоваться диаграммой Вьена: малый круг F внутри большого круга М). Приведенный выше способ приблизительного разъяснения суждений следует рассматривать как способ понимания этих суждений, и этот способ играет роль самостоятельной семантической основы исследуемого арифметического языка.
Программа АМКЛ идет в этом отношении дальше. По отношению к наиболее значимым (по оценке Г) или по наиболее интересным для исследователя выводам (импликациям) К с помощью информационно-поисковых систем в требуемой области знаний ищется "мажоранта" для К. Это более общая теория или общие сведения, которые включают в себя К как частный случай (на языке [3] компоненты бутстрапа более низкого порядка используются для построения компонентов более высокого порядка).
В публикации [6] и в последующих по смыслу статьях (см. [3] ) представлена модель извлечения "эмоциональной" составляющей текста по принципу возрастания смысла, по движению смысла снизу вверх во времени по единицам сюжета ("молекул истории"). При этом считается, что некоторые единицы сюжета могут комбинироваться вместе и быть во времени условными предпосылками других единиц.
В этом отношении следует заметить, что программа АМКЛ может использоваться в своеобразном рекурсивном режиме во времени. Так, первоначально вычисляют модель (набор К) по исходному массиву Х1 (исходному фрагменту исследуемого текста), где в качестве целевой функции У является булева переменная Z1: наличие или отсутствие некоторой эмоциональной составляющей в каждой ситуации (в строке массива, предложении), эмоциональной составляющей, наиболее интересной для исследователя. Затем выбирается во времени новый фрагмент Х2, где Z2 = К1 (т. е. выбирается в качестве цели наиболее интересная эмоциональная ситуация в первой модели), затем выбирается Х3 и т. д. Таким образом, здесь осуществляется продвижение заданного "сюжета" во времени: выявляется, например, что некоторые К1 являются условными предпосылками К2 и т. д. Так здесь реализуется итоговая (объединенная) модель эмоциональной составляющей структуры всего текста по принципу возрастания смысла (выявление исходных эмоциональных событий К1 и превращение их во времени в новом массиве в К2 и т. д.).
Практически аналогичный подход представлен в вычислительной системе Relatus [7], приспособленной к исследованию международной политики. Эта система обнаруживает прецеденты в историческом смысле. Как и ранее [5] первоначально при исследовании ранних фрагментов текста целью Z является наличие или отсутствие заданного прецедента в каждой ситуации массива Х. Далее, продвигаясь рекурсивным путем (см. выше) признаки К этих первоначальных прецедентов уточняются (вычисляется "ограничивающая интерпретирующая референция"). При каждом очередном заходе (рекурсии) переписывается приблизительное содержание предложений в исследованных ранее фрагментах текстов ("семантическая инверсия"), что позволяет находить сходные места этих последовательно во времени следуемых фрагментов текста. Весь этот анализ можно производить с разных точек зрения (т. е. уже на первом этапе можно вводить и иные цели Z). Все эти операции выполнимы и в среде АМКЛ.
Ситуационный подход [8] основывается на необходимости учитывать контекст всех выводов ("коллективное фоновое знание"). Считается, что никакое свободное от контекста представление сознания не является возможным. (См. выше описание алгоритма построения АМКЛ. Здесь следует дополнительно заметить, что импликации К остаются истинными и после присоединения к ним контекста в виде повышения ранга соответствующей конъюнкции К: контекст берется из покрытия, в котором любое увеличение ранга К остается истинным).
Герменевтика, как теория понимания смыслов, может предложить разработчикам ИИ методы и критерии, способствующие пониманию как естественных языков и их роли в представлении знаний о социальном мире, так и лучшему пониманию (интерпретации) выводов, в частности, вычисляемых с помощью программы построения алгебраических моделей конструктивной (интуиционистской) логики при их использовании в области естественных наук.
В. Н. Щеглов. Творческое сознание: интуиционизм, алгоритмы и модели. Тула, "Гриф и К", 2004, 201 с.
А. Г. Драгалин. Математический интуиционизм. М., "Наука", 1979, 256 с.
Е. Н. Шульга. Компьютерная герменевтика// Вопросы философии, 2, 2007. С. 97 - 106.
G. L. Drescher. Genetic AI: Translating Piaget Into LISP// Al Memo No. 890, Artificial Intelligence Laboratory, MIT, February 1986 (цит. по [3] ).
Н. А. Шанин. Об иерархии способов понимания суждений в конструктивной математике// Труды математического института имени В. А. Стеклова. Проблемы конструктивного направления в математике, 6/ Изд. "Наука", Ленинград, 1973. С. 203 - 266.
W. C. Lehnert. Plot Units end Narrative Summarization// Cognitive Science 4, 293 - 331 (1981) (цит. по [3] ).
H. R. Jr. Alker and others. Text Modeling for International Politics: A Tourist*s Guide to Relatus// Valerie M. Hudson (ed.) Artificial Intelligence and International Politics. Boulder: Westview, 1991 (цит. по [3] ).
J. A. Bateman. The Role of Language in The Maintenance of Intersubjectivity: A Computational Investigation// G. N. Gilbert and C. Heath. Social Action And Artificial Intelligence. Grower, Brookfield, VT, 1985. 40 - 81 (цит. по [3] ).
(См. также все публикации автора в Интернете: http://lib.ru ("Самиздат") и http://publ.lib.ru . Новый адрес эл. почты автора [email protected] .