Ментальная репрезентация: proetcontra

Итак, понятие ментальной репрезентации интерпретируется в современной
науке в двух смыслах: как содержание психического отражения и как фор-
мат психического отражения. В зависимости оттого, как используется дан-
ное понятие, организуется стратегия научного экспериментирования. Ис-
следователь вправе остановиться на любом из описанных толкований, по-
нимая, однако, что тем самым он добровольно и осознанно ограничивает
область изучения.

Ментальная репрезентация: pro et contra

Рис. 6.4. Модель оценки и принятия решения (цит. no: (Alamberti, Basien, Richard, 1995, p. 413]).

Трактуя ментальную репрезентацию в первом смысле, экспериментатор
оказывается в плену объяснительных схем, заимствованных, по сути, из би-
хевиоризма: содержание психического есть результат воздействия стимула.

Принимая вторую трактовку ментальной репрезентации как формата
отражения, исследователь сталкивается с проблемами выбора формата,
позволяющего построить экономную объяснительную модель. При этом
допустимо пользоваться либо одним форматом (алфавитом кодирования),
либо несколькими. В случае унитарных моделей неминуемо возникнет про-
блема «синтаксиса», т.е. проблема разработки детальной системы опера-
ций и правил, позволяющих свести все многообразие опыта к единствен-
ному формату. В том же случае, если выбор сделан в пользу нескольких
форматов, исследователь должен быть готов объяснить механизмы взаи-
модействия между ними.

Глава 6. Ментальная репрезентация

Репрезентация и знание в искусственном интеллекте'

В искусственном интеллекте, где переход от использования данных к ра-
боте со знаниями знаменовал собой новый этап, приведший к появлению
современных интеллектуальных систем, характеристике знаний было уде-
лено особое внимание. В работах Д.А. Поспелова знания описываются сле-
дующим образом.

• Внутренняя интерпретируемость знаний, т.е. понятность знания са-
мому его носителю.

Каждая информационная единица должна иметь уникальное имя, по ко-
торому информационная система находит ее, а также отвечает на запросы, в
которых это имя упомянуто. Когда данные, хранящиеся в памяти, были ли-
шены имени, отсутствовала возможность их идентификации системой. Дан-
ные могла идентифицировать лишь программа, извлекающая их из памяти по
указанию написавшего ее программиста. Что скрывается за тем или иным дво-
ичным кодом машинного слова, системе было неизвестно. При переходе к
знаниям в память ЭВМ вводится информация о некоторой протоструктуре
информационных единиц. Она может быть представлена, например, как таб-
лица; тогда каждая строка таблицы будет экземпляром протоструктуры.

• Структурированность знаний — знания устроены так, что представляют
собой некоторую иерархическую (точнее, гетерархическую) структуру.

Информационные единицы должны обладать гибкой структурой. Для
них должен выполняться принцип «матрешки», т.е. рекурсивная вложи-
мость одних информационных единиц в другие. Каждая информационная
единица может быть включена в состав любой другой, и из каждой инфор-
мационной единицы можно выделить некоторые составляющие ее инфор-
мационные единицы. Другими словами, должна существовать возможность
произвольного установления между отдельными информационными еди-
ницами отношений типа «часть—целое», «род—вид», «элемент—класс».

• Связность— знания находятся между собой в определенных отноше-
ниях (например, каузальных, функциональных и т.д.).

В информационной базе между элементами должна быть предусмотре-
на возможность установления связей различного типа. Прежде всего эти
связи могут характеризовать отношения между элементами. Семантика
отношений может носить декларативный или процедурный характер. На-
пример, две или более информационные единицы могут быть связаны от-
ношением «одновременно», две единицы — отношением «причина—след-
ствие» или отношением «быть рядом». Приведенные отношения характе-

' Данный раздел написан Н.И. Чудовой.

Репрезентация и знание в искусственном интеллекте

ризуют декларативные знания. Если между двумя элементами установле-
но отношение «аргумент—функция», то оно характеризует процедурное
знание, связанное с вычислением определенных функций. Различают от-
ношения структуризации, функциональные, каузальные и семантические.
С помошью первых задаются иерархии информационных единиц; вторые
несут процедурную информацию, позволяющую находить одни элементы
через другие; третьи задают причинно-следственные связи; четвертые со-
ответствуют всем остальным отношениям.

Между элементами могут устанавливаться и иные связи, например,
определяющие порядок выбора элемента из памяти или указывающие на
то, что две информационные единицы несовместимы друг с другом в од-
ном описании.

• Ассоциативность знаний или наличие семантической метрики в сфе-
ре знаний.

На множестве информационных единиц в некоторых случаях полезно
задавать отношение, характеризующее ситуационную близость элементов,
т.е. силу ассоциативной связи между ними. Это отношение можно было
бы назвать отношением релевантности. Такое отношение дает возможность
выделять в информационной базе некоторые типовые ситуации (например,
«покупка», «регулирование движения на перекрестке»). Отношение реле-
вантности при работе с информационными единицами позволяет находить
знания, близкие к уже найденным.

• Активность знаний, т.е. наличие побуждающей и направляющей фун-
кции у знаний, что фактически делает их квазипотребностями.

Как и у человека, в интеллектуальных системах актуализации тех или
иных действий способствуют знания, имеющиеся в системе. Таким обра-
зом, выполнение программ в информационной системе должно иниции-
роваться текущим состоянием информационной базы. Появление в базе
фактов или описаний событий, установление связей может стать источни-
ком активности системы.