Онтологические модели представления знаний Существует множество обстоятельств, которые затрудняют распространение и обмен знаниями между людьми, столь. Онтология как учение о мире в целом

1

В статье отражены вопросы, связанные с проектированием экспертной системы «Технология» на основе формируемой базы знаний проблемной области «Технология швейных изделий». Авторами рассмотрен методологический подход к разработке экспертных систем, определена область исследований, выявлены теоретические аспекты разработки онтологии предметной области, проведен сравнительный анализ моделей представления знаний и выявлено, что фреймовая модель в наибольшей степени отвечает предъявленным требованиям к моделям представления знаний для проектирования интеллектуальной системы данного типа. Произведена структуризация и формализация знаний проблемной области «Технология швейных изделий» на основе онтологического подхода на этапе принятия технологических решений. Определены характеристики элементов онтологии и описаны их значения. Сформирована классификация классов, подклассов, выявлены характеристики, описывающие данные понятия, и разработана понятийная структура онтологии области «Технология швейных изделий». Создана онтология предметной области «Технология швейных изделий» с помощью инструментального средства – программы Protégé 4.2 beta.

экспертная (интеллектуальная) система

предметная/проблемная область

база знаний

онтология

технология швейных изделий

технологический узел

срез детали

1. Гаврилова Т.А. Использование онтологий в системах управления знаниями [Электронный ресурс]. – Режим доступа: http://www.big.spb.ru/publications/bigspb/km/use_ontology_in_suz.shtml (дата обращения: 24.08.2013).

2. Ездаков А.Л. Экспертные системы САПР: учебное пособие. – М.: ИД «Форум», 2012. – 162 с.

4. Моделирование и экспертные системы [Электронный ресурс]. – Режим доступа: http://sdo.uspi.ru/mathem&inform/lek5/lek_5.htm (дата обращения: 22.08.2013).

5. Подшивалова А.В. Совершенствование автоматизированного проектирования одежды на основе интеллектуализации процесса конфекционирования материалов: автореф. дис. ... канд. техн. наук. – Владивосток, 2011. – 22 с.

6. Разработка онтологии 101: руководство по созданию Вашей первой онтологии / Наталья Ф. Ной (Natalya F. Noy) и Дэбора Л. МакГиннесс, Стэнфордский Университет, Стэнфорд, Калифорния, 94305.

7. Рыбина Г.В. Основы построения интеллектуальных систем: учебное пособие. – М.: Финансы и статистика; ИНФРА-М, 2010. – 423 с.

8. Цели создания онтологии [Электронный ресурс]. – Режим доступа: http://www.intuit.ru/department/expert/ontoth/1/2.html (дата обращения: 20.08.2013).

9. Protege 4.2 beta [Электронный ресурс]. – Режим доступа: http://translate.yandex.ru/translate?srv = yasearch&url = http %3A %2F %2Fprotege.stanford.edu %2F&lang = en-ru&ui = ru (дата обращения: 26.03.2013).

В настоящее время развитие автоматизации процессов проектирования, в том числе и одежды, не приводит к получению результатов, способных вывести данный процесс на качественно новый уровень . В современных САПР автоматизированы только отдельные проектные процедуры. Задачи, возникающие на ранних стадиях проектирования технических объектов, к которым относятся: формирование технического задания, разработка технического предложения и эскизное проектирование, составление конфекционной и технологической карт решаются в интерактивном режиме инженером-проектировщиком. Реализуемые при этом процедуры связаны с решением слабоструктурированных и трудно формализуемых задач и поэтому сложно поддаются автоматизации в рамках существующей методологии автоматизированного проектирования.

Постоянный прогресс информационных технологий, с одной стороны, и постоянные модификации и рост сложности проектируемых технических систем, с другой, приводят к необходимости рассматривать САПР как архитектуру, обеспечивающую проектировщикам возможность добавления новых свойств и компонент. Структурными компонентами САПР, в том числе одежды, эффективно повышающими качество процесса проектирования, могут стать экспертные системы (ЭС) , которые относятся к системам, основанным на знаниях (СОЗ), и образуют вместе с проектирующими подсистемами интеллектуальные информационные системы (ИИС).

Главное достоинство ЭС - возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации ЭС подходит объективно, что улучшает качество проводимой экспертизы. Цель создания экспертных систем ‒ концентрация знаний специалистов в конкретных предметных областях, упрощение процедуры принятия решений пользователями в трудно формализуемых предметных областях, улучшение качества и повышение эффективности принимаемых решений, тиражирование знаний экспертов, автоматизация некоторых рутинных направлений деятельности экспертов .

Ядром экспертных систем являются базы знаний соответствующих проблемных областей (ПО), например, ПО «Технология швейных изделий» (ПО ТШИ). Определенная организация знаний в БЗ позволяет их легко определять, модифицировать и пополнять.

Способ представления знаний в ИИС характеризуется моделью представления знаний. Фреймовая модель универсальна в использовании, имеет многоуровневую структуру представления данных, быстрый и прямолинейный доступ к информации, отображает взаимосвязи между объектами, что отвечает требованиям интегрированной системы автоматизированного проектирования одежды (ИСАПРо), ее подсистем, в том числе экспертной системы «Технология» .

Реализация фреймовой модели возможна посредством онтологического подхода, который заключается в разработке онтологии исследуемой проблемной области. Онтология - это точная спецификация некоторой предметной области, например, «Технология швейных изделий» (ТШИ). Использование онтологий наиболее активно происходит в области систем управления знаниями, а также в области многоагентных интеллектуальных систем .

Цель исследования - разработка онтологии предметной области «Технология швейных изделий» на этапе принятия технологических решений.

Методы исследования: системный подход, методы системного анализа, онтологический подход, методы интеллектуализации, поддержки принятия решений, средства и методы интерфейса пользователя.

Результаты исследования и их обсуждение

Потребность в разработке онтологий возникает по следующим причинам : для совместного использования людьми или программными агентами общего понимания структуры информации; для возможности повторного использования знаний предметной области; для того чтобы сделать допущения предметной области явными; для отделения знаний предметной области от оперативных знаний; для анализа знаний предметной области.

Онтология представляет собой формальное явное описание понятий в рассматриваемой предметной области (классов (иногда их называют понятия)), свойств каждого понятия, описывающих различные свойства и атрибуты понятия (слотов (иногда их называют ролями или свойствами)), и ограничений, наложенных на слоты (фацетов (иногда их называют ограничениями ролей)). Онтология вместе с набором индивидуальных экземпляров классов образует базу знаний, например, экспертной системы «Технология».

Процесс построения онтологии предметной области состоит из следующих основных этапов : определение области и масштаба онтологии; рассмотрение вариантов повторного использования существующих онтологий; перечисление важных терминов в онтологии; определение классов и иерархии классов; определение свойств классов - слотов; определение фацетов слотов; создание экземпляров.

Для преобразования данных предметной области ТШИ о методах технологической обработки (МТО) посредством онтологии, которая позволяет представить информацию в адаптированном для информационных технологий виде, в ходе исследования было принято решение отойти от общепринятой классификации МТО и названий срезов основных деталей, деталей прокладки и приклада. Это позволяет осуществлять поиск МТО по заданным параметрам (цельновыкроенность деталей, способы обработки среза, способы закрепления среза, вид материала, наличие вспомогательных деталей (планки, обтачки, тесьма, косая бейка, лея и т.д.), ориентации основных деталей (левая и правая части), способам установки фурнитуры и выполнения закрепок (специальные п/автоматы, вручную). В данном случае выбор методов обработки производится независимо от ассортимента (пальтово-костюмный, платьево-блузочный), группы (плечевая, поясная), вида изделий (брюки, юбки, платья, пальто, шорты и т.д.) и используемых материалов, что упрощает и ускоряет процесс принятия технологических решений.

В соответствии с правилами разработки онтологий, проведен анализ исследуемой предметной области и выявлены основные ее понятия - классы: срезы деталей и технологические узлы (ТУ); подклассы и экземпляры. Обобщенная структурная схема элементов онтологии предметной области «Технологии швейных изделий» представлена на рис. 1.

Рис. 1 Обобщенная структурная схема элементов онтологии предметной области «Технология швейных изделий»

В качестве примера результатов проведенного исследования рассмотрен класс «Срезы деталей» и подкласс «Обработка низа» класса «Технологические узлы». Построение структуры онтологии происходит по принципу соподчинения. На рис. 2 представлена структура класса «Срезы деталей», который делится на подклассы: «Срез низа» «Внутренний срез дополнительной детали», «Стабилизация», «Закрепление припусков швов». Каждый подкласс описан определенными экземплярами, например, подкласс «Внутренний срез дополнительной детали» включает следующие экземпляры: необработанный, подогнутый, обтачанный, окантованный, обработанный притачными деталями, обработанный накладным швом.

Рис. 2. Структура класса «Срезы деталей»

Класс «Технологический узел» делится на подклассы, один из них - «Обработка низа» (рис. 3). В подкласс «Обработка низа» входят определенные экземпляры, такие как низ (плечевых изделий, низ юбок), низ рукава, низ брюк.

Рис. 3. Структура класса «ТУ», подкласс «Обработка низа»

Каждое из понятий предметной области, то есть каждый из классов, подклассов и экземпляров имеет определенный набор характеристик, описывающих эти понятия. При этом для онтологии характерно выполнение принципа наследования, когда подклассы, следовательно, и их экземпляры, объединенные в иерархии общим классом, автоматически наследуют слоты, установленные для этого класса. Таким образом, классу «Срезы деталей» присваиваются слоты, общие для всех срезов. Затем выявляются и дополняются к общим слоты, характерные для каждого из подклассов класса «Срезы деталей», и далее в зависимости от степени детализации онтологии. Выявление слотов элементов онтологии необходимо для составления формы описания конечных экземпляров онтологии. В данном случае конечными экземплярами классов «Срезы деталей» и «Технологические узлы» являются методы технологической обработки низа.

Характеристики подкласса «Обработка низа» класса «Технологические узлы» представлены срезами деталей, а значение этих характеристик - способами обработки. Структура построена таким образом, чтобы исключить многократные повторения идентичных способов обработки различных технологических узлов (табл. 1). Характеристики класса «Срезы деталей» представлены способами обработки срезов и отображены в табл. 2 (фрагмент).

Таблица 1

Характеристика подкласса «Обработка низа» класса «Технологические узлы»

Наименование характеристики	Значение характеристики	Тип значения характеристики	Мощность характеристики
Срез низа	Цельновыкроенный Обтачанный Окантованный Обработанный с притачными деталями Обработанный накладным швом	Определение
Внутренний срез дополнительной детали	Окантованный Подогнутый Обработка среза ниточными строчками	Определение
Закрепление	В чистый край Отделочная строчка Положение отделочной строчки	Графическое изображение

Таблица 2 (фрагмент)

Характеристика класса «Срезы деталей»

Для проектирования БЗ экспертной системы «Технология» создана онтология предметной области «Технология швейных изделий», с помощью инструментального средства-программы Protégé 4.2 beta . Рис. 4 демонстрирует диалоговое окно программы Protégé 4.2 beta, в котором представлены экземпляры подкласса «Внутренний срез дополнительной детали» класса «Срезы деталей».

Рис. 4. Диалоговое окно программы Protégé 4.2 beta: экземпляры подкласса «Внутренний срез дополнительной детали» класса «Срезы деталей»

Произведена структуризация и формализация знаний предметной области «Технология швейных изделий» на основе онтологического подхода. Определены характеристики элементов онтологии и описаны их значения. Создана онтология предметной области «Технология швейных изделий», составляющая основу базы знаний исследуемой проблемной области. Полученные результаты позволяют перейти к разработке экспертной системы «Технология», объективизировать и на более высоком уровне автоматизировать процесс выбора методов технологической обработки.

Рецензенты:

Шеромова И.А., д.т.н., доцент, профессор кафедры сервисных технологий, ФГБОУ ВПО «Владивостокский государственный университет экономики и сервиса», г. Владивосток;

Бойцова Т.М., д.т.н., профессор, директор Института сервиса, туризма и дизайна, ФГБОУ ВПО «Владивостокский государственный университет экономики и сервиса», г. Владивосток.

Работа поступила в редакцию 18.09.2013.

Библиографическая ссылка

Королева Л.А., Подшивалова А.В., Панюшкина О.В. ОНТОЛОГИЧЕСКАЯ МОДЕЛЬ ПРЕДМЕТНОЙ ОБЛАСТИ «ТЕХНОЛОГИЯ ШВЕЙНЫХ ИЗДЕЛИЙ» // Фундаментальные исследования. – 2013. – № 10-5. – С. 986-990;
URL: http://fundamental-research.ru/ru/article/view?id=32438 (дата обращения: 28.03.2019). Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»

Курск 2007

ББК Печатается по решению

редакционно-издательского совета

Курского государственного Университета

Рецензент -

: Учеб. пособ. для студентов университета. – Курск: Изд-во Курск.гос.ун-та, 200 . – 84 с.

Учебно-методическое пособие посвящено наиболее перспективному подходу к моделированию предметных областей – онтологическому. Рассмотрены основные понятия, определения, методология разработки и построения онтологий на примере учебной базы знаний «Мир Животных». Рассмотрено одно из средств построения онтологий – Protégé.

Предназначено для студентов старших курсов, обучающихся по специальности …….. математическое обеспечение и администрирование информационных систем.

Введение................................................................................... 4

1. Теоретические аспекты построения онтологий................... 5

1. 1. Определение онтологии................................................. 5

1. 2. Модели онтологии и онтологической системы............ 14

1. 3. Применение онтологий................................................ 21

1. 4. Инструменты инженерии онтологий........................... 25

2. Создание онтологии предметной области в Protégé.......... 30

2. 1. Предварительные замечания....................................... 30

2. 2. Основные сведения о Protégé...................................... 37

2. 3. Создание онтологии предметной области в Protégé.... 40

3. Семестровое задание......................................................... 77

Порядок выполнения проекта:............................................ 77

Литература............................................................................. 82

Введение

Экспертная система представляет собой совокупность трех, взаимозависимы «модулей»: база знаний, машина вывода, интерфейс пользователя. Машину вывода и интерфейс обычно объединяют и называют оболочкой экспертной системы. В этом случае можно говорить о двух составляющих: оболочка и база знаний. Наиболее важным компонентом среди них, безусловно, является база знаний. Проблема адекватного метода, или способа, моделирования предметной области и как следствие формализация знаний с последующим занесением их в базу знаний является если не центральной, то, по меньшей мере, важной в теории искусственного интеллекта.

Существует множество методов представления знаний. Это широко известные логические и фреймовые методы, а также семантические сети и правила продукции. При создании систем основанных на знаниях (экспертные системы, несомненно, к ним относятся) применяются различные способы представления знаний.

Каждый из этих методов имеет свои достоинства и недостатки. На данный момент значительный интерес представляет использование онтологии в качестве базы знаний систем основанных на знаниях. Заметим, что в некоторой литературе база знаний отождествляется с онтологией. Вообще говоря, однозначного определения онтологии предметной области не существует, зачастую онтологию определяют так, как выгодно разработчику на данный момент. Этой, и некоторым другим интересным проблемам, связанным с онтологиями, а также вопросы их технической реализации рассмотрены в данном пособии.

Теоретические аспекты построения онтологий

Определение онтологии

Как было замечено ранее, представление знаний является важной проблемой в искусственном интеллекте. Под термином «представление знаний» может пониматься либо способ кодирования знаний в базе знаний, либо формальная система, которая используется для формализации знаний.

Практика разработки систем, основанных на знаниях, для сложных предметных областей и задач показала, что в каждой предметной области существует некоторая структура, занимающая промежуточное положение между представлением знаний, используемым в модели предметной области, и моделью предметной области (базой знаний).

Эта структура получила название "онтология предметной области".

В философии онтология это - термин, определяющий учение о бытии, о сущем, в отличие от гносеологии - учении о познании. С другой точки зрения, онтология - это формально представленные на базе концептуализации знания. Концептуализация предполагает описание множества объектов и понятий, знаний о них и связей между ними.

Онтологией называется эксплицитная спецификация концептуализации. Формально онтология состоит из терминов, организованных в таксономию, их определений и атрибутов, а также связанных с ними аксиом и правил вывода.

В простейшем случае онтология описывает только иерархию концептов, связанных отношениями категоризации. В более сложных случаях в нее добавляются подходящие аксиомы для выражения других отношений между концептами и для того, чтобы ограничить их предполагаемую интерпретацию.

Учитывая это, онтология представляет собой базу знаний, описывающую факты, которые предполагаются всегда истинными в рамках определенного сообщества на основе общепринятого смысла используемого словаря.

Выделим следующие интерпретации этого термина:

1. Онтология как философская дисциплина.

2. Онтология как неформальная концептуальная система.

3. Онтология как формальный взгляд на семантику.

4. Онтология как спецификация «концептуализации».

5. Онтология как представление концептуальной системы через логическую теорию, характеризуемую:

o специальными формальными свойствами или

o только ее назначением

6. Онтология как словарь, используемый логической теорией.

7. Онтология как (метауровневая) спецификация логической теории.

Говоря об онтологии в рамках первой интерпретации имеют в виду философскую дисциплину изучающую природу и организованность сущего.

Согласно второй интерпретации онтология является концептуальной системой, которая может выступать как базис определенной базы знаний. Согласно интерпретации 3 онтология, на основе которой построена база знаний, выражается в терминах подходящих формальных структур на семантическом уровне. Таким образом, эти две интерпретации рассматривают онтологию как концептуальную «семантическую» сущность, неважно, формальную или неформальную, в то время как интерпретации 5-7 трактуют онтологию как специальный «синтаксический» объект. Четвертая интерпретация - одна из наиболее проблематичных, так как точный смысл ее зависит от понимания терминов «спецификация» и «концептуализация».

Первый из подходов к определению понятия "онтология предметной области", условно названный гуманитарным, предполагает определения в интуитивно понимаемых терминах. Второй подход к определению понятия онтология условно назван компьютерным. В рамках этого подхода разрабатываются компьютерные языки для представления онтологий.

Основным достоинством компьютерного подхода является формальность предлагаемых средств для описания онтологий. Определение понятия онтология предметной области в рамках этого подхода не проясняет содержательную сущность этого понятия, а, наоборот, затемняет эту сущность многочисленными техническими деталями, связанными с компьютерной реализацией, и не отличает его от других понятий, в частности от понятия модели предметной области (базы знаний).

В рамках третьего, математического подхода делаются попытки определить понятие онтология в математических терминах или с помощью математических конструкций.

Онтология - это логическая теория, которая ограничивает допустимые модели логического языка. Онтология в этом случае должна обеспечивать аксиомы, которые ограничивают значение нелогических символов (предикатов и функций) логического языка, используемых как "примитивы" для определенных целей представления. Цель онтологии – характеризовать концептуализацию, ограничивая возможные интерпретации нелогических символов логического языка для установления консенсуса о том, как описывать знания с использованием этого языка. Концептуализация рассматривается как множество неформальных правил, которые ограничивают структуру части действительности.

Итак, под онтологией предметной области понимают:

1. Онтология предметной области есть та часть знаний предметной области, относительно которой предполагается ее неизменность. Относительно остальной части знаний предметной области предполагается, что она может изменяться, но должна оставаться согласованной с онтологией предметной области.

2. Онтология предметной области есть та часть знаний предметной области, которая ограничивает значения терминов предметной области. Значения терминов предметной области не зависят от остальной (изменяемой) части знаний предметной области.

3. Онтология предметной области является множеством соглашений о предметной области, другая часть знаний предметной области является множеством эмпирических и других законов этой области. Онтология определяет степень согласования значений терминов специалистами предметной области.

4. Онтология предметной области является явно заданной внешней аппроксимацией неявно заданной концептуализации. Концептуализация есть подмножество множества всех ситуаций, которые могут быть представлены. Множество ситуаций, соответствующих базе знаний, есть подмножество концептуализации. Это подмножество есть некоторая аппроксимация множества ситуаций, возможных в действительности.

В дальнейшем, для определенности, будем считать, что онтология – формальное явное описание понятий в рассматриваемой предметной области (классов (иногда их называют понятиями)), свойств каждого понятия, описывающих различные свойства и атрибуты понятия (слотов (иногда их называют ролями или свойствами)), и ограничений, наложенных на слоты (фацетов (иногда их называют ограничениями ролей)) . Онтология вместе с набором индивидуальных экземпляров классов образует базу знаний.

Приведем некоторые причины необходимости разработки онтологий. Итак, онтологии необходимы для:

· совместного использования людьми или программными агентами общего понимания структуры информации;

· возможности повторного использования знаний в предметной области;

· того чтобы сделать допущения в предметной области явными;

· отделения знаний в предметной области от оперативных знаний;

· анализа знаний в предметной области.

Совместное использование людьми или программными агентами общего понимания структуры информации является одной из наиболее общих целей разработки онтологий. К примеру, пусть, несколько различных веб-сайтов содержат информацию по медицине или предоставляют информацию о платных медицинских услугах, оплачиваемых через Интернет. Если эти веб-сайты совместно используют и публикуют одну и ту же базовую онтологию терминов, которыми они все пользуются, то компьютерные агенты могут извлекать информацию из этих различных сайтов и накапливать ее. Агенты могут использовать накопленную информацию для ответов на запросы пользователей или как входные данные для других приложений.

Обеспечение возможности использования знаний предметной области стало одной из движущих сил недавнего всплеска в изучении онтологий. Например, для моделей многих различных предметных областей необходимо сформулировать понятие времени. Это представление включает понятие временных интервалов, моментов времени, относительных мер времени и т.д. Если одна группа ученых детально разработает такую онтологию, то другие могут просто повторно использовать ее в своих предметных областях. Кроме того, если нам необходимо создать большую онтологию, можно интегрировать несколько существующих онтологий, описывающих части большой предметной области. Возможно повторно использовать основную онтологию, такую как UNSPSC, и расширить ее для описания интересующей нас предметной области.

Создание явных допущений в предметной области , лежащих в основе реализации, дает возможность легко изменить эти допущения при изменении наших знаний о предметной области. Жесткое кодирование предположений о мире на языке программирования приводит к тому, что эти предположения не только сложно найти и понять, но и также сложно изменить, не будучи программистом. Кроме того, явные спецификации знаний в предметной области полезны для новых пользователей, которые должны узнать значения терминов предметной области.

Отделение знаний предметной области от оперативных знаний – это еще один вариант общего применения онтологий. Мы можем описать задачу конфигурирования продукта из его компонентов в соответствии с требуемой спецификацией и внедрить программу, которая делает эту конфигурацию независимой от продукта и самих компонентов. После этого мы можем разработать онтологию компонентов и характеристик ЭВМ и применить этот алгоритм для конфигурирования нестандартных ЭВМ. Мы также можем использовать тот же алгоритм для конфигурирования лифтов, если мы предоставим ему онтологию компонентов лифта.

Анализ знаний в предметной области возможен, когда имеется декларативная спецификация терминов. Формальный анализ терминов чрезвычайно ценен как при попытке повторного использования существующих онтологий, так и при их расширении.

Зачастую возникает вопрос о различии между онтологией и базой данных. Укажем основные различия между ними.

Результатом запроса по базе данных обычно является совокупность данных об экземплярах и ссылки на текстовые документы, в то время как результат запроса по онтологии может включать элементы самой онтологии (например, все подклассы определенного класса).

Онтологии сами по себе включают семантику

Схемы баз данных и каталоги обычно не предоставляют внешнюю семантику для своих данных. Семантика никогда не определялась, либо семантика была определена внешним образом во время разработки базы данных, но эта спецификация не стала частью спецификации базы данных и больше недоступна. Следовательно, при использовании баз данных нам нужны определенные протоколы для решения проблемы конфликтующих ограничений при изменении базы данных. Однако онтологии являются логическими системами, которые сами по себе включают семантику.

Онтологии чаще повторно используются

Схема базы данных определяет структуру определенной базы данных и других баз данных, и схемы не так часто повторно используются напрямую или расширяются. Схема является частью интегрированной системы и редко используются отдельно от нее. С онтологиями ситуация прямо противоположна: онтологии обычно повторно используют и расширяют другие онтологии и они не привязаны к определенной системе.

Онтологии децентрализованы по своей природе

По традиции разработка и обновление схемы базы данных является централизованным процессом: разработчики исходной схемы (или сотрудники той же организации) обычно вносят изменения и поддерживают схему. В самом конце разработчики схемы базы данных обычно знают, какие базы данных используют их схему. По своей природе разработка онтологии – это гораздо более децентрализованный и объединенный процесс. В результате, над тем, кто использует конкретную онтологию, не существует централизованного контроля. Гораздо сложнее (а может быть, и невозможно) распространить или синхронизировать обновления: мы не знаем, кто использует онтологию, не можем сообщить им об обновлениях и не можем предположить, что они сами об этом узнают. Отсутствие централизованного и синхронизированного контроля также делает сложным (а часто и невозможным) проследить последовательность операций, которые преобразовали одну версию онтологии в другую.

Информационные модели онтологии богаче

Во многих онтологиях количество примитивов представления гораздо больше, чем в типичной схеме базы данных. Например, многие онтологические языки и системы позволяют спецификацию ограничения мощности, обратные свойства, транзитивные свойства, обратные классы и т.д. Некоторые языки (например, DAML+OIL) добавляют примитивы для определения новых классов как объединений или пересечений других классов, как перечисление их членов, как ряд объектов, которые удовлетворяют определенному ограничению.

Классы и экземпляры могут быть одними и теми же

В базах данных четко различается информация о схеме и информация об экземплярах. Во многих мощных системах представления знаний сложно определить, где заканчивается онтология и начинаются экземпляры. Использование метаклассов (классов, где в качестве экземпляров используются другие классы) во многих системах (например, Protégé, Ontolingua, RDFS) размывает или стирает границу между классами и экземплярами. Метаклассы – это множества, чьи элементы тоже являются множествами. Это значит, что «экземпляр» и «класс» - на самом деле лишь роли понятия.

Модели онтологии и онтологической системы

Понятие онтологии предполагает определение и использование взаимосвязанной и взаимосогласованной совокупности трех компонент: таксономии терминов, определений терминов и правил их обработки. Введем следующее определение понятия модели онтологии:

Под формальной моделью онтологии О понимается

Х – конечное множество концептов (понятий, терминов) предметной области, которую представляет онтология О;

R – конечное множество отношений между концептами (понятиями, терминами) заданной предметной области;

F – конечное множество функций интерпретации (аксиоматизации), заданных на концептах и/или отношениях онтологии О.

Естественным ограничением, накладываемым на множество X, является его конечность и непустота. Иначе обстоит дело с компонентами F и R в определении онтологии О. Понятно, что и в этом случае F и R должны быть конечными множествами. Укажем, граничные случаи, связанные с их пустотой.

1. Пусть и . Тогда онтология О трансформируется в простой словарь:

.

Такая вырожденная онтология может быть полезна для спецификации, пополнения и поддержки словарей ПО, но онтологии-словари имеют ограниченное использование, поскольку не вводят эксплицитно смысла терминов. Хотя в некоторых случаях, когда используемые термины принадлежат очень узкому (например, техническому) словарю и их смыслы уже заранее хорошо согласованы в пределах определенного (например, научного) сообщества, такие онтологии применяются на практике. Известными примерами онтологии этого типа являются индексы машин поиска информации в сети Интернет.

2. , . Тогда каждому элементу множества терминов из X может быть поставлена в соответствие функция интерпретации f из F. Формально это утверждение может быть записано следующим образом.

где - множество интерпретируемых терминов;

Множество интерпретирующих терминов.

такие что

Пустота пересечения множеств и исключает циклические интерпретации, а введение в рассмотрение функции k аргументов призвано обеспечить более полную интерпретацию. Вид отображения f из F определяет выразительную мощность и практическую полезность этого вида онтологии. Если функция интерпретации задается оператором присваивания значений (), где - имя интерпретации ), то онтология трансформируется в пассивный словарь :

Такой словарь пассивен, так как все определения терминов из берутся из уже существующего и фиксированного множества . Практическая ценность его выше, чем простого словаря, но явно недостаточна, например, для представления знаний в задачах обработки информации в Интернете в силу динамического характера этой среды.

Для того чтобы учесть последнее обстоятельство, предположим, что часть интерпретирующих терминов из множества задается процедурно, а не декларативно и вычисляется каждый раз при интерпретации термина из множества . В этом случае онтология преобразуется в активный словарь определений

Причем

Ценность такого словаря для задач обработки информации в среде Интернет выше, чем у предыдущей модели, но все еще недостаточна, так как интерпретируемые элементы из никак не связаны между собой и, следовательно, играют лишь роль ключей входа в онтологию.

Для представления модели онтологии, которая нужна для решения задач обработки информации в Интернете .

Рассмотрим возможные варианты формирования множества отношений на концептах онтологии.

Введем в рассмотрение специальный подкласс онтологии - простую таксономию следующим образом:

Таксономическая структура - иерархическая система понятий, связанных между собой отношением is_a («быть элементом класса»).

Отношение is_a имеет фиксированную заранее семантику и позволяет организовывать структуру понятий онтологии в виде дерева.

Классификация моделей онтологии

Компоненты модели	.
Формальное определение
Пояснение	Словарь ПО	Пассивный словарь ПО	Активный словарь ПО	Таксономия понятий ПО

Представления множества концептов X в виде сетевой структуры;

Использования достаточно богатого множества отношений R, включающего не только таксономические отношения, но и отношения, отражающие специфику конкретной предметной области, а также средства расширения множества R;

Использования декларативных и процедурных интерпретаций и отношений, включая возможность определения новых интерпретаций.

Введем в рассмотрение понятие онтологической системы. Под формальной моделью онтологической системы понимают триплет вида:

где - онтология верхнего уровня (метаонтология)

Множество предметных онтологии и онтологии задач предметной области

Модель машины вывода, ассоциированной с онтологической системой .

Использование системы онтологии и специальной машины вывода позволяет решать в такой модели различные задачи. Расширяя систему моделей , можно учитывать предпочтения пользователя, а изменяя модель машины вывода, вводить специализированные критерии релевантности получаемой в процессе поиска информации и формировать специальные репозитории накопленных данных, а также пополнять при необходимости используемые онтологии.

В модели имеются три онтологические компоненты:

Метаонтология;

Предметная онтология;

Онтология задач.

Метаонтология оперирует общими концептами и отношениями, которые не зависят от конкретной предметной области. Концептами метауровня являются общие понятия, такие как «объект», «свойство», «значение» и т. д. Уровни метаонтологии получают интенсиональное описание свойств предметной онтологии и онтологии задач. Онтология метауровня является статической, что дает возможность обеспечить здесь эффективный вывод.

Предметная онтология содержит понятия, описывающие конкретную предметную область, отношения, семантически значимые для данной предметной области, и множество интерпретаций этих понятий и отношений (декларативных и процедурных). Понятия предметной области специфичны в каждой прикладной онтологии, но отношения - более универсальны. Поэтому в качестве базиса обычно выделяют такие отношения модели предметной онтологии, как part_of, kind_of, contained_in, member_of, see also и некоторые другие.

Отношение part_of определено на множестве концептов, является отношением принадлежности и показывает, что концепт может быть частью других концептов. Оно является отношением типа «часть-целое» и по свойствам близко к отношению is_a и может быть задано соответствующими аксиомами. Аналогичным образом можно ввести и другие отношения типа «часть-целое».

Иначе обстоит дело с отношением see_also. Оно обладает другой семантикой и другими свойствами. Поэтому целесообразно вводить его не декларативно, а процедурно, подобно тому, как это делается при определении новых типов в языках программирования, где поддерживаются абстрактные типы данных.

Онтология задач в качестве понятий содержит типы решаемых задач, а отношения этой онтологии, как правило, специфицируют декомпозицию задач на подзадачи. Вместе с тем, если прикладной системой решается единственный тип задач (например, задачи поиска релевантной запросу информации), то онтология задач может в данном случае описываться словарной. Таким образом, модель онтологической системы позволяет описывать необходимые для ее функционирования онтологии разных уровней. Взаимосвязь между онтологиями показана на рисунке:

Машина вывода онтологической системы в общем случае может опираться на сетевое представление онтологии всех уровней. При этом ее функционирование будет связано:

С активацией понятий и/или отношений, фиксирующих решаемую задачу (описание исходной ситуации);

Определением целевого состояния (ситуации);

Выводом на сети, заключающемся в том, что от узлов исходной ситуации распространяются волны активации, использующие свойства отношений, с ними связанных. Критерием остановки процесса является достижение целевой ситуации или превышение длительности исполнения (time-out).

Применение онтологий

Суммируя различные типизации онтологии можно выделить классификации по:

Степени зависимости от конкретной задачи или предметной области;

Уровню детализации аксиоматизации;

«природе» предметной области и т. д.

Дополнительно к этим измерениям можно ввести и классификации, связанные с разработкой, реализацией и сопровождением онтологии.

По степени зависимости от конкретной задачи или предметной области обычно различают:

Онтологии верхнего уровня;

Онтологии, ориентированные на предметную область;

Онтологии, ориентированные на конкретную задачу;

Прикладные онтологии.

Онтологии верхнего уровня описывают очень общие концепты, такие как пространство, время, материя, объект, событие, действие и т. д., которые независимы от конкретной проблемы или области. Поэтому представляется разумным, по крайней мере в теории, унифицировать их для больших сообществ пользователей.

Примером такой общей онтологиии является CYC®. Одноименный проект - CYC® - ориентирован на создание мультиконтекстной базы знаний и специальной машины вывода, разрабатываемой Сусогр. Основная цель этого гигантского проекта - построить базу знаний всех общих понятий (начиная с таких, как время, сущность и т. д.), включающую семантическую структуру терминов, связей между ними и аксиом. Предполагается, что такая база знаний может быть доступна разнообразным программным средствам, работающим со знаниями, и будет играть роль базы «начальных знаний». В онтологии, по некоторым данным, уже представлены 10 6 концептов и 10 5 аксиом. Для представления знаний в рамках этого проекта разработан специальный язык CYCL.

Другим примером онтологии верхнего уровня является онтология системы Gene-railized Upper Model, ориентированная на поддержку процессов обработки естественного языка: английского, немецкого и итальянского. Уровень абстракции этой онтологии находится между лексическими и концептуальными знаниями, что определяется требованиями упрощения интерфейсов с лингвистическими ресурсами. Модель Generalized Upper Model включает таксономию, организованную в виде иерархии концептов (около 250 понятий) и отдельной иерархии связей.

Создание достаточно общих онтологии верхнего уровня представляет собой очень серьезную задачу, которая еще не имеет удовлетворительного решения.

Предметные онтологии и онтологии задач описывают, соответственно, словарь, связанный с предметной областью (медицина, коммерция и т. д.) или с конкретной задачей или деятельностью (диагностика, продажи и т. п.) за счет специализации терминов, введенных в онтологии верхнего уровня. Примерами онтологии, ориентированных на определенную предметную область и конкретную задачу, являются TOVE и Plinius соответственно.

Онтология в системе TOVE (Toronto Virtual Enterprise Project) предметно ориентирована на представление модели корпорации. Основная цель ее разработки - отвечать на вопросы пользователей по реинжинирингу бизнес-процессов, извлекая эксплицитно представленные в онтологии знания. При этом система может проводить дедуктивный вывод ответов. В онтологии нет средств для интеграции с другими онтологиями. Формально онтология описывается с помощью фреймов.

В настоящее время построены онтологии некоторых разделов молекулярной биологии, которые предлагают терминологию для определения множества химических элементов, описания процессов внутри клетки. Онтология TAMBIS (TaO) описывает биоинформатику, покрывает основные понятия молекулярной биологии и биоинформатики: макромолекулы, их предназначение, структуру, функции, клеточное расположение и процессы, в которых они взаимодействуют. ТаО онтологии построена с использованием языка OIL.

Существует также экспериментальная онтология для бионеорганических центров, известная под именем СОМЕ. СОМЕ состоит из сущностей трех видов: Молекула (MOL), Бионеорганический Мотив (BIM) и Бионеорганические Протеины (PRX).

Так же построены онтологии, представляющие понятия и отношения в более узко направленных областях – таких как химические кристаллы, керамические материалы, биоэнергетические центры. Примером таких онтологий может служить онтология Chemical-Crystals. Онтология Chemical-Crystals описывает различные типы кристаллической структуры веществ. Эта онтология построена с использованием методологии, известной как METHONTOLOG.

Другой пример онтологии – онтология чистых веществ. Определение чистых веществ дано через химический состав, т.е. через структурные правила, которые определяют чистые вещества в терминах химических веществ и натуральных чисел. Разработана иерархическая модель онтологии физической химии. Модульная онтология физической химии определяет множество разделов предметной области и связи между ними, описывает систему понятий каждого раздела и задает связи между понятиями разделов. Онтология физической химии состоит из восьми связанных друг с другом разделов: «Элементы», «Вещества», «Реакции», «Основы термодинамики», «Термодинамика. Химические свойства», «Термодинамика. Физические свойства», «Термодинамика. Связь физических и химических свойств», «Химическая кинетика». В основе онтологии данной предметной области лежит метаонтология, которая определяет метапонятия, используемые при определении систем понятий каждого раздела.

Прикладные онтологии описывают концепты, зависящие как от конкретной предметной области, так и от задач, которые в них решаются. Концепты в таких онтологиях часто соответствуют ролям, которые играют объекты в предметной области в процессе, выполнения определенной деятельности. Пример такой онтологии - онтология системы Plinius, предназначенная для полуавтоматического извлечения знаний из текстов в области химии. В отличие от других, упомянутых выше онтологии, здесь нет явной таксономии понятий.

Вместо этого определено несколько множеств атомарных концептов, таких как, например, химический элемент, целое число и т. п., и правила конструирования остальных концептов. В онтологии описано около 150 концептов и 6 правил. Формально онтология Plinius тоже описывается с помощью фреймов.

Выше уже отмечалось, что понятие онтологии предполагает определение и использование взаимосвязанной и взаимосогласованной совокупности трех

компонент: таксономии терминов, определений терминов и правил их обработки. Учитывая это, введем следующее определение понятия модели онтологии:

Под формальной моделью онтологии О будем понимать упорядоченную тройку вида:

X - конечное множество концептов (понятий, терминов) предметной области, которую представляет онтология О;

Конечное множество отношений между концептами (понятиями, терминами) заданной предметной области;

Ф - конечное множество функций интерпретации (аксиоматизация), заданных на концептах и/или отношениях онтологии О.

Заметим, что естественным ограничением, накладываемым на множество X, является его конечность и непустота. Иначе обстоит дело с компонентами Ф и 91 в определении онтологии О. Понятно, что и в этом случае Ф и 91 должны быть конечными множествами. Рассмотрим, однако, граничные случаи, связанные с их пустотой.

Пусть Тогда онтология О трансформируется в простой словарь:

Такая вырожденная онтология может быть полезна для спецификации, пополнения и поддержки словарей ПО, но онтологии-словари имеют ограниченное использование, поскольку не вводят эксплицитно смысла терминов. Хотя в некоторых случаях, когда используемые термины принадлежат очень узкому (например, техническому) словарю и их смыслы уже заранее хорошо согласованы в пределах определенного (например, научного) сообщества, такие онтологии применяются на практике. Известными примерами онтологий этого типа являются индексы машин поиска информации в сети Интернет.

Иная ситуация в случае использования терминов обычного естественного языка или в тех случаях, когда общаются программные агенты. В этом случае необходимо характеризовать предполагаемый смысл элементов словаря с помощью подходящей аксиоматизации, цель использования которой - в исключении нежелательных моделей и в том, чтобы интерпретация была единой для всех участников общения.

Другой вариант соответствует случаю но Ф 0. Тогда каждому элементу множества терминов из X может быть поставлена в соответствие функция интерпретации из Ф. Формально это утверждение может быть записано следующим образом.

где - множество интерпретируемых терминов;

Множество интерпретирующих терминов.

такие что

Пустота пересечения множеств исключает циклические интерпретации, а введение в рассмотрение функции к аргументов призвано обеспечить более полную интерпретацию. Вид отображения из Ф определяет выразительную мощность и практическую полезность этого вида онтологии. Так, если предположить, что функция интерпретации задается оператором присваивания значений где - имя интерпретации то онтология трансформируется в пассивный словарь

Такой словарь пассивен, так как все определения терминов из берутся из уже существующего и фиксированного множества Практическая ценность его выше, чем простого словаря! но явно недостаточна, например, для представления знаний в задачах обработки информации в Интернете в силу динамического характера этой среды.

Для того чтобы учесть последнее обстоятельство, предположим, что часть интерпретирующих терминов из множества задается процедурно, а не декларативно. Смысл таких терминов «вычисляется» каждый раз при их интерпретации. Ценность такого словаря для задач обработки информации в среде Интернет выше, чем у предыдущей модели, но все еще недостаточна, так как интерпретируемые элементы из никак не связаны между собой и, следовательно, играют лишь роль ключей входа в онтологию.

Для представления модели онтологии, которая нужна для решения задач обработки информации в Интернете, очевидно, требуется отказаться от предположения

Итак, предположим, что множество отношений на концептах онтологии не пусто, и рассмотрим возможные варианты его формирования.

Для этого введем в рассмотрение специальный подкласс онтологий - простую таксономию следующим образом:

Под таксономической структурой будем понимать иерархическую систему понятий, связанных между собой отношением («бытьэлементом класса»).

Отношение имеет фиксированную заранее семантику и позволяет организовывать структуру понятий онтологии в виде дерева. Такой подход имеет свои преимущества и недостатки, но в общем случае является адекватным и удобным для представления иерархии понятий.

Результаты анализа частных случаев модели онтологии приведены в таблице 8.1.

Таблица 8.1. Классификация моделей онтологии

Представления множества концептов X в виде сетевой структуры;

Использования достаточно богатого множества отношений , включающего не только таксономические отношения, но и отношения, отражающие специфику конкретной предметной области, а также средства расширения множества ;

Использования декларативных и процедурных интерпретаций и отношений, включая возможность определения новых интерпретаций.

Тогда можно ввести в рассмотрение модель расширяемой онтологии и исследовать ее свойства. Однако, учитывая техническую направленность данной книги, мы не будем делать этого здесь, а желающих познакомиться с такой моделью отсылаем к работе . Как показано в этой работе, модель расширяемой онтологии является достаточно мощной для спецификации процессов формирования пространств знаний в среде Интернет. Вместе с тем и эта модель является неполной в силу своей пассивности даже там, где определены соответствующие процедурные интерпретации и введены специальные функции пополнения онтологии. Ведь единственной точкой управления активностью в такой модели является запрос на интерпретацию определенного концепта. Этот запрос выполняется всегда одинаково и инициирует запуск соответствующей процедуры. А собственно вывод ответа на запрос и/или поиск необходимой для этого информации остается вне модели и должен реализовываться другими средствами.

Учитывая вышесказанное, а также необходимость эксплицитной спецификации процессов функционирования онтологии, введем в рассмотрение понятие онтологической системы

Под формальной моделью онтологической системы будем понимать триплет вида:

Онтология верхнего уровня (метаонтология);

Множество предметных онтологий и онтологий задач предметной области;

Е - модель машины вывода, ассоциированной с онтологической системой

Использование системы онтологий и специальной машины вывода позволяет решать в такой модели различные задачи. Расширяя систему моделей можно учитывать предпочтения пользователя, а изменяя модель машины вывода, вводить специализированные критерии релевантности получаемой в процессе поиска информации и формировать специальные репозитории накопленных данных, а также пополнять при необходимости используемые онтологии, о

В модели имеются три онтологические компоненты:

Метаонтология;

Предметная онтология;

Онтология задач.

Как указывалось выше, метаонтология оперирует общими концептами и отношениями, которые не зависят от конкретной предметной области. Концептами метауровня являются общие понятия, такие как «объект», «свойство», «значение» и т. д. Тогда на уровне метаонтологии мы получаем интенсиональное описание свойств предметной онтологии и онтологии задач. Онтология метауровня является статической, что дает возможность обеспечить здесь эффективный вывод.

Предметная онтология содержит понятия, описывающие конкретную предметную область, отношения, семантически значимые для данной предметной области, и множество интерпретаций этих понятий и отношений (декларативных и процедурных). Понятия предметной области специфичны в каждой прикладной онтологии, но отношения - более универсальны. Поэтому в качестве базиса обычно выделяют такие отношения модели предметной онтологии, как partjof, kindjof, contained_in, member_of, seealso и некоторые другие.

Отношение определено на множестве концептов, является отношением принадлежности и показывает, что концепт может быть частью других концептов. Оно является отношением типа «часть-целое» и по свойствам близко к отношению и может быть задано соответствующими аксиомами. Аналогичным образом можно ввести и другие отношения типа «часть-целое».

Иначе обстоит дело с отношением see also. Оно обладает другой семантикой и другими свойствами. Поэтому целесообразно вводить его не декларативно, а процедурно, подобно тому, как это делается при определении новых типов в языках программирования, где поддерживаются абстрактные типы данных;

Заметим, что и отношение see_also «не вполне» транзитивно. Действительно, если предположить, что (XI то можно считать, что (XI Однако по мере увеличения длины цепочки объектов,

связанных данным отношением, справедливость транзитивного переноса свойства connected_with падает. Поэтому в случае отношения see also мы имеем дело не с отношением частичного порядка (как, например, в случае отношения is_a), а с отношением толерантности. Однако для простоты это ограничение может быть перенесено из определения отношения в функцию его интерпретации.

Анализ различных предметных областей показывает, что введенный выше набор отношений является достаточным для начального описания соответствующих онтологий. Понятно, что этот базис является открытым и может пополняться в зависимости от предметной области и целей, стоящих перед прикладной системой, в которой такая онтология используется.

Онтология задач в качестве понятий содержит типы решаемых задач, а отношения этой онтологии, как правило, специфицируют декомпозицию задач на подзадачи. Вместе с тем, если прикладной системой решается единственный тип задач (например, задачи поиска релевантной запросу информации), то онтология задач может в данном случае описываться словарной моделью, рассмотренной выше. Таким образом, модель онтологической системы позволяет описывать необходимые для ее функционирования онтологии разных уровней. Взаимосвязь между онтологиями показана на рис. 8.6.

Рис. 8.6. Взаимосвязь между онтологиями онтологической системы

Машина вывода онтологической системы в общем случае может опираться на сетевое представление онтологий всех уровней. При этом ее функционирование будет связано:

С активацией понятий и/или отношений, фиксирующих решаемую задачу (описание исходной ситуации);

Определением целевого состояния (ситуации);

Выводом на сети, заключающемся в том, что от узлов исходной ситуации распространяются волны активации, использующие свойства отношений, с ними связанных. Критерием остановки процесса является достижение целевой ситуации или превышение длительности исполнения (time-out).

Эта страница представляет собой главу из нашего методического пособия
"Введение в онтологическое моделирование "
(нажмите для перехода к полной версии пособия в формате PDF).

Писателям-фантастам XX века казалось, что развитие вычислительных машин приведет к появлению интеллектуальных помощников человека, которые будут решать за него многие мыслительные задачи. Возможности сегодняшней техники превышают самые смелые прогнозы многих из этих авторов: компьютер умещается на ладони, всемирная сеть доступна практически везде. При этом для решения аналитических задач мы в большинстве случаев по-прежнему пользуемся в лучшем случае электронными таблицами вроде Excel. Это особенно заметно в бизнес-среде, где цена (не)правильно принятого решения имеет совершенно осязаемый эквивалент в виде многомиллиардных прибылей или убытков. Тем не менее, развитие информационной инфраструктуры бизнеса завязло на пути создания крупных «трехбуквенных систем» (ERP, CRM и т.д.), на которые тратятся огромные средства, но которые не способны дать организации-владельцу ничего особенно «интеллектуального». Современные системы «бизнес-аналитики» (BI) в основном заняты вычислением значений количественных показателей, часто имеющих весьма слабое отношение к описанию реальности, и манипулированию ими.

Отличным примером служит любимый бизнесом показатель EBITDA: он характеризует прибыль, и по этой причине часто используется, например, в качестве базы для начисления бонусов топ-менеджерам. Однако он не характеризует эффективность работы менеджера в том смысле, в каком ее интуитивно оценивает собственник: ведь путем уменьшения расходов можно увеличить значение EBITDA. Это всегда интересно менеджеру, но не всегда верно с точки зрения стратегического развития предприятия. А уж при расчете этого показателя по подразделениям компании возможности манипуляции открываются широчайшие. В большинство статей доходов и расходов вносят вклад сразу несколько подразделений, настройкой алгоритма расчета можно легко «награждать» фаворитов и «наказывать» неугодных. Разумеется, подобные маневры не имеют ничего общего с достижением реальной эффективности работы предприятия.

Еще рельефнее видны методологические проблемы при попытках решать оптимизационные задачи количественными методами. Типичный подход к этому вопросу состоит в формулировании «целевой функции», которая представляет собой описание какого-либо качественного состояния системы, представленного в виде числа – например, «обеспеченность населения такими-то услугами». Далее, также в количественной форме, задаются ограничения, варьируемые параметры, и после вычислений получается некий набор «оптимальных» решений. Однако их практическое воплощение часто приводит к результатам, противоположным поставленным целям, или имеет серьезные побочные последствия. Например, легко может оказаться, что «средняя температура по больнице» – обеспеченность услугами – достигла нужных значений, но определенным группам населения они стали вовсе недоступны. Или же качество этих услуг снизилось настолько, что они практически потеряли смысл для потребителей. Легко понять, что корень проблемы лежит в слишком серьезных модельных допущениях, которые были сделаны при формализации целевого параметра.

Указанные методические проблемы напрямую связаны с вычислительными возможностями – точнее, с ограниченностью той их части, которую освоило бизнес-сообщество. Ведь если более сложный и достоверный алгоритм расчета какого-либо показателя нельзя, по мнению бизнес-заказчика, реализовать в информационной системе – это обосновывает применение неверного, грубого, но технологически понятного способа расчета. Таким образом, в сущности, в сфере бизнеса человек пока по-настоящему доверил компьютеру только одну функцию – складывать и вычитать числа. Все остальное он по-прежнему делает сам, и делает, в большинстве случаев, не слишком качественно.

Разумеется, мы говорим только об общей тенденции; есть немало контрпримеров реализации по-настоящему эффективных систем, помогающих оптимизировать те или иные процессы, но почти все такие системы имеют узкую отраслевую направленность, и содержат жестко запрограммированные алгоритмы решения задач. Таким образом, системного влияния на положение дел они не оказывают.

Что же нужно сделать для того, чтобы компьютер стал по-настоящему помогать нам в решении интеллектуальных бизнес-задач, смог поддерживать принятие решений в любых сферах? Необходимо вдохнуть в него «искру разума», то есть научить его «думать», как мы. Фактически, для этого нужно воспроизвести в цифровом представлении те информационные структуры и процессы, которыми мы сами пользуемся в процессе мышления: понятийный аппарат, логические рассуждения. Тогда мы сможем реализовать и процессы обработки этих структур, то есть имитировать на компьютере отдельные фрагменты наших когнитивных способностей. После этого, получив определенные результаты, мы сможем критически посмотреть на смоделированные структуры и процессы, и улучшить их. В сочетании с недоступной человеку способностью вычислительных машин к быстрой обработке огромных объемов информации, такой подход обещает дать небывало высокий уровень качества поддержки принятия решений со стороны информационных систем.

Мы не случайно привели именно логическое мышление в качестве примера когнитивного процесса, который можно воспроизвести в вычислительной среде. Существуют и другие подходы, наиболее популярным из которых является использование нейросетей – то есть имитация процессов, происходящих при взаимодействии нейронов в головном мозгу. При помощи такого рода средств успешно решаются задачи распознавания образов, речи и т.д. Можно «обучить» нейросети и для применения в качестве средства поддержки принятия решений. Однако с ростом числа факторов, требуемых для оценки ситуации, сложности их структуры, способов влияния на ситуацию, возможности нейросетей становятся все менее убедительными: на обучение требуется больше времени, получаемые результаты носят вероятностный характер, не обеспечивают логической доказуемости. Выход за пределы заранее ограниченного круга ситуаций приводит к невозможности получить от нейросети результат, пригодный для практического использования. Имитация же логического мышления свободна от большинства этих недостатков, а коррекция логической схемы при изменении условий требует куда меньше усилий, чем переобучение нейросети. Зато при составлении логических моделей принципиально важным становится их корректность, непротиворечивость, релевантность, зависящая от человека – автора модели.

Одна из главных особенностей человеческого сознания состоит в том, что оно лениво. Наш мозг отсекает все «лишнее», сводя наше представление о событиях и явлениях к довольно простым определениям. Мы видим только черное и белое, и принимаем решения, исключив из рассмотрения подавляющее большинство объективной информации.

Этим же грехом человек страдает при анализе бизнес-процессов и сред. Вместо того, чтобы воспринимать бизнес как сложную систему, не поддающуюся упрощению дальше определенного предела без критической потери достоверности результатов аналитики, человек старается свести все критерии оценки и управления к нескольким числовым показателям. Таким образом удается упростить получаемую модель, снизить затраты на ее создание. Но поступающим так не следует удивляться, когда их прогнозы не оправдываются, а решения, принятые на основании моделирования оказываются неверными.

Главный принцип качественной аналитики, управления, основанного на знаниях, звучит так: НЕ УПРОЩАТЬ модель без необходимости.

Онтологическое моделирование: цели и средства

К сожалению, распространенные сегодня компьютерные технологии не благоприятствуют реализации этого принципа. Если в качестве инструмента анализа нам доступен только Excel или реляционные базы данных – описание бизнеса неизбежно придется сводить к ограниченному набору числовых показателей. Поэтому одной из наиболее актуальных проблем развития ИТ в настоящий момент является доведение до широкой промышленной эксплуатации таких технологий, которые позволяют строить действительно сложные и комплексные информационные модели, и решать с их помощью те оптимизационные, аналитические, оперативные задачи, перед которыми другие технические средства оказываются бессильны.

Многообещающим, но несколько недооцененным на сегодняшний день направлением решения этой задачи является использование так называемых семантических технологий. Идеи автоматизированной обработки концептуализированного знания неоднократно выдвигались мыслителями начиная с эпохи Возрождения, ограниченно использовались в лучшие годы советской плановой экономики, но до действительно функционального воплощения доросли только сейчас. На сегодняшний день созданы все необходимые компоненты методики и технологий, необходимых для работы с онтологическими моделями, которые являются предметом обработки с помощью семантических технологий. Слово «онтология» означает совокупность знаний; термин «семантические технологии» подчеркивает тот факт, что они обеспечивают работу со смыслом информации. Таким образом, переход с традиционных ИТ на семантические технологии является переходом от работы с данными к работе со знаниями. Разница между этими двумя терминами, которые здесь мы используем исключительно в применении к содержанию информационных систем, подчеркивает отличие в способе использования информации: для восприятия и использования данных необходим человек, субъект, которому приходится выполнять при этом операцию осмысления, выявления смысла данных, и его переноса на интересующую часть реальности. Знания же могут восприниматься непосредственно, так как они уже представлены при помощи того понятийного аппарата, которым пользуется человек. Кроме того, с представленными в электронном виде знаниями (онтологиями) могут выполняться и полностью автоматические операции – получение логических выводов. Результатом этого процесса являются новые знания.

Аналитики Gartner называли семантические технологии одним из наиболее многообещающих ИТ-трендов 2013 года, однако их оптимизм оказался преждевременным. Почему? Все по той же причине – человек ленив, а создание семантических моделей требует серьезных умственных усилий. Тем больше выгод и преимуществ перед конкурентами получат те, кто предпримет эти усилия, и трансформирует их в реальный бизнес-результат.

Понятие субстанции в онтологических системах. Понятие субстанции и бытие. Поиски субстанциальной основы бытия в истории философии. Субстанция как самодетерминирующаяся основа бытийных процессов. Общее представление о соотношении духа и материи, души и тела. Субстанция, дух и разум. Категории «абсолютное», «относительное», «всеобщее», «единичное», «сущность» и «явление» для решения вопроса о соотношении субстанции и форм ее проявления. Материализм и идеализм о природе сознания и мышления и их соотношения с материей.

Материалистический субстанциализм. Разновидности построения материалистической онтологии. Чувственно-материальный Космос как основная черта античной натурфилософии. Диалектический материализм как один из вариантов материалистического субстанциализма и его место в современной философии. Понимание материи как объективной реальности и как субстанции всех процессов в мире. Принцип материалистического единства мира. Наука и материалистическая философия. Современные представления о структуре материи, веществе и полях. Иерархия материальных систем в мире. Структурная бесконечность и вечность материи в качестве субстанции. Всеобщие атрибуты материи. Взаимоотношение всеобщих и специфических свойств материи. Структурные уровни материи и формы ее системной организации. Методы выявления всеобщих свойств материи и доказательство их универсальности. Взаимодействие и движение как атрибуты материи. Соотношение взаимодействия и связи. Типы взаимосвязей в мире. Асимметрия причинных связей в необратимых изменениях. Проблема распространения связей и взаимодействий в пространстве и времени. Является ли мир бесконечным или представляет собой связанное целостное образование, целостную систему? Взаимодействие и автономность материальных систем. Основные формы движения материи и критерии их классификации. Взаимосвязь живой и неживой природы.

Идеалистический субстанциализм. Разновидности идеалистического субстанциализма в истории философии. Идея универсализма мира и чувственно-воспринимающий Космос в античной философии. Античный идеализм. Религиозно-философские модели идеалистического субстанциализма. Особенности построения онтологической системы в логическом идеализме. Духовно-идеальные начала бытия. Соотношение идеального и материального в идеалистической интерпретации. Атрибуты идеальной субстанции: сознание, целеполагание, свобода, творчество. Сознание как идеальная субстанциальная основа мира. Понятие эйдоса как причинно-целевой конструкции мира, как самомыслящего существа в античной философии. Античное понятие Космоса как "мирового субъекта". Абсолютный дух в философии Гегеля. Концепция мирового космического разума. Понятие Бога в истории религии и философии в качестве идеальной субстанциальной основы мира. Логос и Бог.

Креационистские варианты онтологии. Соотношение Бога и Мира в онтологических системах средневековья. Разум и воля. Божественный дух и душа человека. Развитие представлений о душе. Душа как носитель сознания и всего духовного мира человека. Понятие духовности. Духовность и религиозность. Идеально-смысловое содержание сознания и его онтологический статус. Достижения и ограниченности идеалистической онтологии.

Персоналистский субстанциализм. Человек как микрокосм в философии эпохи Возрождения. Ценности человеческого существования и место Человека в Космосе. Творчество как главный признак особого места человека в мире. Монадология Лейбница и идеал-реализм Н.О. Лосского. Динамическое понимание материи. Антропный принцип в космологии. Космический подход к человеку и сознанию. Особенности онтологических исканий в русской философии.

Кризис онтологизма и антисубстанциалистские модели философии. Кризис онтологизма в истории философии, тезис о «смерти метафизики» (предпосылки, мотивы, декларации и аргументы). Бытие и сознание: проблема соответствия философских онтологических построений объективной реальности. Онтологическая картина мира, реальный мир и индивид. Конструктивная и творческая активность человеческого "Я" и критика онтологизма.

Онтологические модели в современной философии. Программы реабилитации метафизики и проекты «новой онтологии». Иерархические модели онтологии: Бытие как совокупность форм движения материи Ф. Энгельса. Слои бытия Н. Гартмана. Региональные онтологии Э.Гуссерля. Проблема выделения региональных онтологий: онтология социума. Онтология сознания и самосознания. Онтология языка. Онтология личного существования (экзистенция). Онтология телесности. Онтология культуры. Варианты экзистенциальной метафизики: фундаментальная онтология М. Хайдеггера. Мир трансцендентного бытия К. Ясперса.

Диалектико-материалистическая модель онтологии. Материалистическое решение основного вопроса философии. Понятие материи как объективной реальности. Структурные уровни бытия.

Проблема типологизации онтологических моделей. Монистическая, плюралистическая и дуалистическая онтологии. Эссенциалистские и антиэссенциалистские онтологии. Иерархические и неиерархические онтологические построения. Натурфилософские модели. Теистические модели. Экзистенциально-антропологические модели. Феноменолого-герменевтические модели.

Бытие и развитие

Проблема движения в истории философии. Соотношение движения, изменения и развития. Основные свойства движения. Философские модели развития: креационизм, теория эманации, преформизм, эмерджентизм, эволюционизм. Многообразие форм движения и структурные уровни бытия. Изменяющееся и неизменяющееся бытие. Проблема движения в истории философии. Проблема всеобщности движения. Парадоксы движения.

Развитие и возникновение новых форм бытия. Развитие и диалектика. Диалектические концепции развития. Их структура, законы, принципы, основные понятия. Парадокс возникновения нового. Проблема соотношения актуального и потенциального в развитии. Нелинейность развития. Законы и категории развития.

Виды диалектики. Источник, механизм и направленность развития. Философские законы, описывающие развитие мира (Г.В.Ф.Гегель, К.Маркс, диалектический материализм). Закон единства, взаимодействия и борьбы противоположностей. Закон взаимного перехода количественных и качественных изменений. Закон диалектического отрицания.

Современные взгляды на эволюцию человека, общества и Вселенной. Человек, природа, космос. Феномен жизни и ее место во Вселенной. Проблема иных форм жизни во Вселенной и гипотеза об уникальности человеческого разума (В.Шкловский). Глобальный кризис техногенно-потребительской цивилизации и концепция ноосферы. Черты антропокосмического поворота в современной науке и культуре.

Человек как "био-логосное" существо.

"Логосная" компонента человека. Человек как присутствие. Понятие "культурных машин". Основные феномены человеческого бытия. Человек как "символическое" существо. Структура "символического пространства". Исторические типы ментальности. Трансцендентальные условия порождения символов: декларативность и способность человека к синтетическим актам. Право человека на ошибку. Прогресс и обострение глобальных проблем человечества. Синергетика и процессы самоорганизации в открытых нелинейных системах. Глобальный эволюционизм в структуре современного сознания. Процессы самоорганизации в открытых нелинейных системах. Синергетика и ее основные понятия (аттракторы, точки бифуркации, флуктуации, фракталы). Глобальный эволюционизм.

Роль информации в процессах развития. Изменение системы коммуникационных средств в современном мире как важнейшее условие ускорения темпов развития.