Аналитика: методология, технология и организация информационно-аналитической работы - Юрий Курносов

Здесь перечислена лишь часть тех направлений философской мысли, которые обеспечили развитие информационно-аналитических технологий. Однако уже этот — неполный — перечень позволяет составить впечатление о том, сколь противоречивые походы образуют фундамент аналитики.

В одной из своих статей авторитетный отечественный ученый А.А. Зенкин, известный своими работами в области логики и теории систем искусственного интеллекта, заявил: «Лет тридцать тому назад ради спортивного интереса я начал коллекционировать различные «логики», используемые в современных логико-математических трактатах. Когда их количество перешагнуло вторую сотню, стало ясно: если логику можно выбирать «по вкусу» (или даже конструировать «по потребности»), то такое понятие, как «наука», становится здесь просто неуместным».

Возможно, что в качестве предисловия к подразделу, посвященному логике, как одному из основных методологических компонентов аналитики, эта фраза покажется не слишком уместной, но такой своеобразный старт позволяет взглянуть на логику несколько шире, нежели мы привыкли. Дело в том, что современная логика чрезвычайно многообразна и очень часто логические системы строятся в соответствии с конкретными задачами исследования. Соответственно, следует разделять классическую (аристотелеву) логику и, так называемые, неклассические или нетрадиционные логики. И, прежде, чем начать оперировать формальным аппаратом логики, необходимо определиться с тем, в рамках какого именно логического аппарата будут строиться рассуждения.

Долгое время логика развивалась в рамках философской науки и рассматривалась в качестве одного из ее разделов. Лишь позже, в связи с развитием математики и естественных наук, логика приобрела относительную самостоятельность.

В современной логике — как в ее философской ветви, так и в формально — математической — наблюдается все большая ориентация на прикладные проблемы, сопряженные с конкретными отраслями информационных технологий. Множество работ посвящено вопросам представления знаний в системах искусственного интеллекта, построения систем поиска данных, поиска логического вывода и т. п. Это свидетельствует о том, что по сложности решаемых логических задач практика (в первую очередь, благодаря активизации исследований в области прикладной математики, лингвистики, информатики и теории искусственного интеллекта) наконец-то «нагнала» долгое время опережавшую потребности практики теоретическую логику. Если аристотелева логика до конца XIX — начала XX века в целом отвечала потребностям практики, то, начиная с этого периода, исследования в области логики стали приобретать специфический характер, становясь откликом на потребности практической деятельности.

Памятуя классическое деление этапов решения задач: анализ и синтез (восходящее еще к Паппу Александрийскому), попытаемся определить, что именно понимается под аналитическим методом в логике. Классический подход состоит в том, что логика рассматривает аналитический способ как способ решения «снизу вверх»: от формулы к аксиомам, а синтетический способ — как решение задачи «сверху вниз»: от аксиом к выводимой формуле. Это позволяет рассматривать классификацию логических исчислений по степени привлечения в их рамках аналитического и синтетического подходов. Соответственно, все логические системы можно условно разделить на: «аналитические» системы — системы секвенциального исчисления, «синтетические» — аксиоматические системы, а также «смешанные» — системы натурального вывода.

Практика решения прикладных задач в области искусственного интеллекта показала ряд преимуществ аналитических и смешанных систем логических исчислений для задач представления знаний и построения выводов. Такая тенденция в сфере разработки и создания систем искусственного интеллекта наблюдается со времени опубликования работ С.Ю. Маслова — его идеи получили свое практическое воплощение и развитие в работах отечественных ученых В.К. Финна и Д.А. Поспелова, дополнивших и развивших положения его работ. В частности, было введено понятие квази-аксиоматических систем, система аксиом в которых обладает локальной областью определения и может подвергаться коррекции без переопределения всей системы аксиом, значимых для производства вывода в рамках целостной системы искусственного интеллекта. В настоящее время это направление интенсивно разрабатывается американскими специалистами в области построения искусственного интеллекта в рамках проектов министерства обороны, направленных на создание систем поддержки информационноаналитической работы.

Рассмотрим, какие именно практические потребности аналитики призвана решать логика. Здесь следует выделять два класса задач:

— задачи анализа рассуждений;

— задачи технологического обеспечения.

При решении задач анализа рассуждений логика выступает в качестве инструмента, с помощью которого устанавливается не «истина», как адекватность (т. е. соответствие) содержания рассуждений реальному миру, а факт их логической непротиворечивости (верификации рассуждений). Если построенная логическая система непротиворечива, то она для одной реальности или математической модели может быть адекватна и уже в силу этого истинна, а для некоторой другой — нет. Если же логическая система изначально противоречива, то разговора о ее адекватности чему бы то ни было (и истинности) в любом случае не может быть. Если говорить о естественнонаучных знаниях, то критерием их истинности является практика. Однако для того, чтобы логические методы могли быть применены для вывода истинных суждений о некой предметной области, она должна быть предварительно формализована и описана в виде некоторого набора суждений, поддающихся логическому анализу (эталонной модели фрагмента реальности). Методы логики могут быть также использованы для выявления противоречий в системе рассуждений и относительно этого эталона.

Задачи технологического обеспечения информационно-аналитической работы затрагивают проблемы использования логического аппарата для синтеза эталонных моделей предметной области и инструментария хранения и поиска данных. В том числе — для тех предметных отраслей, формализация в которых затруднена из-за действия комплекса ограничений объективного характера (например, естественно-языковых суждений, для которых характерны размытость границ состояний, полисемия /многозначность/ и иные явления).

К числу проблем, активно разрабатываемых в логике в настоящее время, относятся такие, как проблема построения логических систем, пригодных для решения задач формализации рассуждений на естественных языках, решения задач представления логики суждений или событий в условиях использования многозначных шкал, отображающих различную степень уверенности эксперта в достоверности факта, стадию изменения состояния между некими полярными исходами и т. п., для задач отображения развертки процесса во времени, отображения отношений не столько причинно-следственного, сколько временного плана (строгое предшествование, нестрогое предшествование и т. п.). Эти задачи, нетрадиционные для классической логики попали в центр внимания современной логики благодаря необходимости анализа больших массивов данных при моделировании рассуждений экспертов в рамках синтеза экспертных систем, систем искусственного интеллекта и иных приложений.

Как видим, направления исследований в логике продиктованы именно необходимостью построения средств, обеспечивающих возможность синтеза технологической базы для ведения информационно-аналитической работы. Классическая логика связана с формализацией строго корректных суждений, но такие суждения в практике человеческих коммуникаций и аналитической деятельности — большая редкость. Как следствие, основное внимание специалистов, решающих теоретические и прикладные задачи, связанные с технологическим обеспечением ИАР, нацелено на синтез специфических логических систем, компенсирующих специфику предметной области. Такие логические системы отвечают потребностям некоторой узкой области деятельности и неуниверсальны. К числу таких систем могут быть отнесены модальные и семантические логики:

— логика высказываний;

— временная логика;

— динамическая логика;

— логики веры и знания;

— логика предикатов;

— типизированная экстенсиональная логика;

— интенсиональная логика;

— логика модифицируемых рассуждений и другие.

Каждая из перечисленных выше логик отвечают решению специфических задач и имеют ограниченную сферу применимости. Например, временная логика нашла широкое применение при описании процессов, развернутых во времени (классический пример — линейное программирование, описание алгоритмов и сценариев); логика веры и знания — при анализе неполных систем высказываний или высказываний потенциально противоречивых (анализ полноты системы аргументов при рассмотрении сведений о предметной области, собранных методом экспертного опроса); логика предикатов используется при формализации рассуждений и синтезе гипотез; экстенсиональная и интенсиональная логики, предложенные Р. Монтегю, широко используются при представлении естественно-языковых суждений (системы искусственного интеллекта, предназначенные для автоматического перевода) и так далее.