К логике и методологии гуманитарного знания В.К. Финн Отделение интеллектуальных систем в гуманитарной сфере Института лингвистики РГГУ Института лингвистики. - презентация

1 К логике и методологии гуманитарного знания В.К. Финн Отделение интеллектуальных систем в гуманитарной сфере Института лингвистики РГГУ Института лингвистики РГГУ

2 1. Гуманитарное знание Знания в дисциплинах, изучающих человека и общество Знания в дисциплинах, изучающих человека и общество Гуманитарное знание (ГЗ) Гуманитарное знание (ГЗ) Естественно-научное знание (ЕНЗ) Естественно-научное знание (ЕНЗ)

3 2. Гуманитарное знание языки без явно заданных аргументативных и дескриптивных функций (для представления знаний) языки без явно заданных аргументативных и дескриптивных функций (для представления знаний) концепции (не теории) концепции (не теории) идеи (не понятия) идеи (не понятия) метафоры, аналогии метафоры, аналогии аргументация (не доказательство) аргументация (не доказательство) источники: тексты, наблюдение, эксперименты источники: тексты, наблюдение, эксперименты

4 3. Методы Качественный анализ данных Качественный анализ данных Семиотический анализ текстов Семиотический анализ текстов Измерения Измерения Историзм Историзм

5 4. Неформальная логика Аргументация Аргументация Индукция Индукция Аналогия Аналогия

6 5. З теории истины Соответствия Соответствия Когерентности Когерентности Прагматическая Прагматическая

7 6. Понимание науки Систематически организованное решение проблем посредством методов, выраженных в языках с дескриптивными и аргументативными функциями, результаты которых (методов) допускают фальсификацию и верификацию (если она возможна)

8 7. Новая парадигма в ГЗ (потребности и возможности) (1) логика – наука о правильном рассуждении и представлении знаний (2) компьютерная обработка данных (фактов, текстов) (3) открытые теории (КАТ) =,, R =,, R R = R p R d – открытое множество: гипотезы и факты – открытое множество: гипотезы и факты

9 7. Новая парадигма в ГЗ (потребности и возможности) (4) правдоподобные рассуждения – синтез познавательных процедур: (индукция + аналогия + абдукция) (5) абдуктивная схема Ч.С. Пирса D – множество фактов H – множество гипотез H объясняют D любая h из H является правдоподобной

10 8. Пример когнитивных рассуждений ДСМ-метод автоматического порождения гипотез (эвристика: индукция + аналогия + абдукция) Д.С. Милль (индукция – принцип сходства) Д.С. Милль (индукция – принцип сходства) Д. Пойа (правдоподобные рассуждения, в т.ч. аналогия) Д. Пойа (правдоподобные рассуждения, в т.ч. аналогия) Ч.С. Пирс (абдукция) Ч.С. Пирс (абдукция) К.Р. Поппер (фальсификация – критерий демаркации) К.Р. Поппер (фальсификация – критерий демаркации)

11 Общая схема ДСМ- рассуждений (1). Индукция. Порождение гипотез о причинах наличия (отсутствия) свойств объектов (( )-причинах) ( 2, БЗ 1 ) на основе анализа сходства примеров ( 1, БФ и БЗ 2 ). ППВ-I. (2). Аналогия. Порождение гипотез о ( )-эффектах ( 1, БЗ 2 ) на основе структурной аналогии с использованием гипотез о причинах ( 2, БЗ 1 ), полученных на предыдущем этапе. ППВ-II. (3). Итерация (1)&(2) до стабилизации. (4). Абдукция. Объяснение исходной БФ ( 1 ) на основе полученных гипотез о причинах ( 2, БЗ 1 ). АКП ( ). БЗ = БЗ 1 БЗ 2. 1 : БФ БЗ 2 2 : БЗ 1 индукция аналогия Итерация до стабилизации БФ объяснена выход да расширение БФ абдукция нет

12 9. ДСМ-метод АПГ (1) условия применимости (2) когнитивные рассуждения (КР) (3) представление знаний: КАТ (4) дедуктивная имитация КР (5) интеллектуальные системы (ИС) ИС = (БФ + БЗ) + Решатель задач + комфортный интерфейс

13 10. Примеры применения ДСМ-метода АПГ социология социология криминалистика криминалистика история история лингвистика лингвистика

14 Интеллектуальная система «Помощник криминалиста-почерковеда» Разрабатывается интеллектуальная система для криминалистов- почерковедов, призванная помочь следствию установить исполнителя рукописи или его свойства – пол, возраст, психофизический тип. Для системы создана единая база данных, позволяющая хранить необходимые для решения всех видов задач объекты. Разрабатывается интеллектуальная система для криминалистов- почерковедов, призванная помочь следствию установить исполнителя рукописи или его свойства – пол, возраст, психофизический тип. Для системы создана единая база данных, позволяющая хранить необходимые для решения всех видов задач объекты. Различные задачи почерковедческой экспертизы требуют применения различных стратегий ДСМ-метода. Различные задачи почерковедческой экспертизы требуют применения различных стратегий ДСМ-метода. Работа ведется в сотрудничестве с кафедрой исследования документов Государственного университета МВД. Работа ведется в сотрудничестве с кафедрой исследования документов Государственного университета МВД._____________________________________________ Гусакова С.М., Комаров А.С., Устинов В.В., Федорович В.Ю. Применение ДСМ-метода к решению задач почерковедческой экспетизы //10–ая национальная конференция по искусственному интеллекту с международным участием. Г. Обнинск, сентября 2006 г. Труды конференции.

15 Вариант ДСМ-метода для атрибуции исторических источников Разработан модифицированный вариант ДСМ-метода для решения задачи атрибуции исторических источников. Метод опробован на закодированном палеографическими признаками массиве берестяных грамот для определения их датировки. (См. В.Л. Янин, А.А. Зализняк «Новгородские грамоты на бересте»). Результаты сравнимы с результатами, полученными авторами указанной книги палеографическим методом, что доказывает применимость разработанного метода для решения задачи атрибуции исторических источников. Гусакова С.М. Подход к решению задачи атрибуции исторических источников с помощью ДСМ-метода // Новости искусственного интеллекта, 2004, 3, с

16 Социология Субъект 1 эффект поведения (действия, установки, мнения), X 1 Y Постулат поведения: имеются три множества дифференциальных признаков (SC), (BD), (IP). Det (SC) (IP) (BD) (SC) – социальные (BD) – слабо социальные (IP) – собственно психологические Для каждого эффекта поведения существует Det БФ для X 1 Y. Из БФ ДСМ-метод порождает V 2 W и W 3 V

17 Аргументация = {p 1, …, p n },, А = {p 1, …, p n },, А g + (p) А, g – (p) А, g + (p) g – (p) = g + (p) А, g – (p) А, g + (p) g – (p) = J p = t, если v[p]= ; J p = f, если v[p] J p = t, если v[p]= ; J p = f, если v[p] {1, –1, 0, }, шкала оценок «да», «нет», «да и нет», «неопределенность» {1, –1, 0, }, шкала оценок «да», «нет», «да и нет», «неопределенность» = J 1 p 1 &...& J n p n, 1, …, n – 4 n случаев = J 1 p 1 &...& J n p n, 1, …, n – 4 n случаев [ ] = {J 1 p 1,..., J n p n }

18 Аргументация Внутренняя аргументация J i p i i = 1, …, n J 1 p i = t g + (p i ), g – (p i ) = ; J 1 p i = t g + (p i ), g – (p i ) = ; J –1 p i = t g + (p i ) =, g – (p i ) ; J –1 p i = t g + (p i ) =, g – (p i ) ; J 0 p i = t g + (p i ), g – (p i ) ; J 0 p i = t g + (p i ), g – (p i ) ; J p i = t g + (p i ) = g – (p i ) = ; J p i = t g + (p i ) = g – (p i ) = ;

19 Аргументация Внешняя аргументация J,n (X 1 Y), n, n = 0 – факт, n > 0 – гипотеза, { 1, 0, }, n – число применений правил правдоподобного вывода (степень правдоподобия гипотезы), n, n = 0 – факт, n > 0 – гипотеза, { 1, 0, }, n – число применений правил правдоподобного вывода (степень правдоподобия гипотезы) Результат индукции: J,n (V 2 W), J,n (W 3 V) (n>0) V – причина, W – следствие Результат аналогии: J,n (X 1 Y) (n>0, { 1, 0, }). Предсказание: субъект (объект) X обладает множеством свойств Y

20 Аргументация Абдукция: если 2, 3 – гипотезы объясняют множество фактов D (J,n (X 1 Y), = 1, 0), то порожденные гипотезы h из H принимаются.

21 Аргументация Пример индуктивного правила вывода: 3 3 J (,n) (V 2 W), M + n (V,W)& M – n (V,W) J 1,n+1 (V 2 W) 3 3 Аналогично: M + &M – : –1, n+1 M + &M – : –1, n+1 M + &M – : 0, n+1 M + &M – : 0, n+1 M + & M – :, n+1 M + & M – :, n+1

22 Распознавание рациональности мнений Рациональность субъекта Х – непротиворечивая аргументированность в принятии решения, X 1 Y Рациональность субъекта Х – непротиворечивая аргументированность в принятии решения, X 1 Y 2 уровня мотивации 2 уровня мотивации

23 Формализация закрытого опроса О m = J m,,, K, B О m = J m,,, K, B B = {X| J,0 (X 1 Ŷ)&(Y K )}, = 1, 0, B = {X| J,0 (X 1 Ŷ)&(Y K )}, = 1, 0, Y= J 1 p 1 &...& J n p n, Ŷ = {J 1 p 1,..., J n p n } В – множество респондентов, – мнение, K – результаты опроса (мнения), |K| = m n, K K. С аргументацией: |K| = 4 n, оценки 1, 0, С аргументацией: |K| = 4 n, оценки 1, 0, (1) аргументы из А для Y (2) мотивация Х для принятия Y согласно постулату поведения

24 Рациональность опроса (1) { } непротиворечиво ( K, ) = 1 – (| K |/| K |) ( K, ) = 1 – (| K |/| K |) ( K, К + ) = (| K К + |/| K |) ( K, К + ) = (| K К + |/| K |) ( K, ) = ( K, К + ) – степень непротиворечивости мнений в опросе = 0, = 1, 0<

25 11. Уточнение идей Идея понятие (1) Q – терм, обозначающий идею I(Q) R 0, R – отношения релевантности: QR 0, R (1) Q – терм, обозначающий идею I(Q) R 0, R – отношения релевантности: QR 0, R X 0 = { | QR 0 } X = { | (( X 0 )& ( X 0 )& R } Cont(Q) = Cn(X 0 X) – множество всех следствий X 0 X

26 11. Уточнение идей (2)S(Q) – множество всех ситуаций (контекстов) употребления аспектов содержания Cont(Q) F(S) = Z, Z – аспект содержания, Z Cont(Q) F: S(Q) 2 Cont(Q) Е + – примеры, подтверждающие существование аспектов Cont(Q) идеи I(Q) Е – – примеры, близкие I(Q), но не относящиеся к I(Q) E – случаи неопределенности (не-Е + и не-Е – ) = Е +, Е –, E – экземплификация I(Q) = Е +, Е –, E – экземплификация I(Q)

27 11. Уточнение идей (3) C(S, Y, e) – предикат корреляции в ситуации S идеи I(Q) для аспекта содержания Y, имеющего экземплификацию e: (е Е + ) (е Е – ) (е E ) Предпонятие для I(Q): R 0, R, Cont(Q), S(Q), F(S),, C(S, Х, e), C (S, e) C(S, F(S), e) C(S, Х, e), C (S, e) C(S, F(S), e) Понятие для I(Q): предпонятие и отношение квазипорядка на Cont(Q) Consis(Cont(Q)), Consis(Cont(Q)) Concept(Q) небессмысленно, если Consis(Cont(Q)) Concept(Q) бессмысленно, если Consis(Cont(Q))

28 11. Уточнение идей Смысл I(Q) как понимание в смысле К.И. Льюиса: К.И. Льюиса: (a) возможность упорядочения Cont(Q) (b) указание на возможность употребления аспектов содержания Y Cont(Q), Y = F(S) (c) Consis(Cont(Q)) – непротиворечивость Cont(Q) Concept(Q) имеет смысл, если выполняются (a)&(b)&(с) Из бессмысленности Concept(Q) вытекает, что оно не имеет смысла. Но: если Concept(Q) не бессмысленно, то оно может не иметь смысла, если (а) или (b) ложны

29 12. Аналогия идеи сознания и ИС Сознание = система знаний + мышление + субъективный мир личности Сознание = система знаний + мышление + субъективный мир личности ИС = (БФ + БЗ) + Решатель + комфортный интерфейс ИС = (БФ + БЗ) + Решатель + комфортный интерфейс Внешний мир – сознание, пользователь – ИС Познавательный цикл: рост знания по К.Р. Попперу Р1 ТТ ЕЕ Р2 Р1 Решатель (БФ ) ЕЕ Р2 (эволюционная эпистемология ИС)

30 13. 3 задачи компьютерной лингвистики (1) Классификация текстов (2) Заполнение БД из множества текстов (3) Порождение логической структуры текстов

31 14. Выводы (1) Логика ГЗ: формальный язык с дескриптивной и аргументативной функциями формальный язык с дескриптивной и аргументативной функциями неклассические теории истины неклассические теории истины правдоподобные рассуждения правдоподобные рассуждения аргументация аргументация аппарат порождения гипотез аппарат порождения гипотез

32 14. Выводы (2) Методология ГЗ: уточнение идей – системы понятий, семиозис в понимании текстов уточнение идей – системы понятий, семиозис в понимании текстов концепции как квазиаксиоматические теории концепции как квазиаксиоматические теории формализованные эвристики формализованные эвристики объяснение фактов как абдукция объяснение фактов как абдукция использование логики рассуждений использование логики рассуждений сравнение и выбор гипотез (объяснительная сила, полнота и аргументированность в использовании источников) сравнение и выбор гипотез (объяснительная сила, полнота и аргументированность в использовании источников) ИС для обработки данных и знаний ИС для обработки данных и знаний эволюционная эпистемология анализа данных и знаний, основанная на трех синтезах: эволюционная эпистемология анализа данных и знаний, основанная на трех синтезах: (1)синтезе познавательных процедур (2)синтезе замкнутого и открытого знания (3)синтезе трех теорий истины

33 14. Выводы (3) ГЗ и образование образовательная ось: логика, методология истории, социология и социальная психология, философия науки и языка, введение в лингвистику, введение в информатику образовательная ось: логика, методология истории, социология и социальная психология, философия науки и языка, введение в лингвистику, введение в информатику образовательные циклы: образовательные циклы: социальный – экономика, право, социология, антропология, социальная философия социальный – экономика, право, социология, антропология, социальная философия филология и культурология филология и культурология когнитивный – когнитивная психология, философия, искусственный интеллект, лингвистика когнитивный – когнитивная психология, философия, искусственный интеллект, лингвистика Идея: междисциплинарный образ общества