Доклад "Теории понятий и представление знаний в современных технических системах" на методологической школе в Юрмале. 19 августа 2012г. Аудио: http://narod.ru/disk/59651696001.1b9de207403d4c7d7ebe84fc9f936c91/%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%20%D0%9B%D0%B5%D0%B2%D0%B5%D0%BD%D1%87%D1%83%D0%BA%D0%B0_19.08.WMA.html

1. Теории понятий в практике
представления знаний в технических
системах
Юрмала
19 августа 2012г.

2. Disclaimer
• Вопросами представления знаний в технических
системах я занимаюсь с 1981 года осознанно (именно в
такой формулировке).
• Знания, информация, данные – не заморачиваюсь.
Укритикую любого с его определениями (которые суть
гробик для усопшей мысли).
• Непонятно, что рассказывать в такой разношерстной
аудитории: от программистов до учителей, от
философов до биологов, от филологов до менеджеров.
• Поэтому: доклад как эклектическая рвакля (3 секунды
на кадр)
2

3. Знания
• Знания / информация / данные
• Программы /модели /онтологии / схемы
• Описания / модели
• База знаний = база данных, программы
работы с которой лежат в ней самой
• Наука – поиск наиболее компактных
(контринтуитивных) описаний
3

4. Технологизация мышления
• Производственное – вузовское – школьное –
дошкольное
• Человеческое – нечеловеческое
-----------------------------------------------------------------
Технологемы мышления ММК:
• Проблематизация
• Объективация (построение объекта)
• Схемы ММК
4

5. Объем новых идей
1970 1980 1990 2000 2010
5

6. Новые технологии
(это в том числе относится к методологам)
Не хочу видеть никаких сумасшедших торговцев –
ты что, не видишь, что тут битва идёт!
PP656.6
Источник: FIATECH

7. Основная мысль
• Знания всё более опосредуются техническими
системами
• В технических системах идут замены теории понятий:
– Аристотелевское/классическое представление
– Логическое представление / теория теорий
– Прототипное, теоркатегорное представления
– Плюралистичные представления
• Главная проблема: программа = алгоритм + данные.
Не умеем описывать данные. Не учим этому. Не
информатика, а алгоритмика.
• От информатики-в-малом переход к информатике-в-
большом. Этому не учат, об этом не могут говорить.
7

8. Пример передачи знаний о
предмете: упражнения
Ткачёв, Майер, Бахтияров: тайцзицюань и другие
психотехники:
• Кто не знает – пишет учебники
• Кто знает – творит миры и упражнения в них
Важно: автоматическая проверка выполнения
• ПиктоМир, КуМир
• VivoMind
8

9. «Сержантский метод» в
дошкольной алгоритмике
ПиктоМир КуМир
использовать Робот_Вертун
алг Главный алгоритм
нач
. нц пока клетка закрашена
..А
. . вперед
. кц
кон
алг А
нач
. если впереди стена то
. . повернуть налево
. . иначе выход
. все
кон
9

10. Пример: предмет аниме
• Anidb.net
• Tvtropes.org
10

11. Пример: PLM
• Инжиниринговая компания
–Основная деятельность
• Маркетинг
• Инженерия
• Операции PLM
– Организационно-техническое развитие
• Стратегирование
• Организационная инженерия
• Ведение проектов развития
11

12. Жизненный цикл объектов работы
(комплектующих/предметов снабжения)
IEC/EN 81346, RDS-PP, KKS
Ситуация
Объект
Спецификация
функции
Спецификация
компонента
Спецификация
модели
Индивидуальная
карточка экземпляра
Физический
экземпляр
Реальный,
Объект «мотор» функционирующий
Запланированный,
«Мотор» в обычном языке
историческая запись, и т.п.
PLM, ERP, EAM – по горизонтали, или по вертикали?
Неизмежный в IT «cистемный шовинизм».

13. Пример: PLM
Операционная деятельность (инженерный
менеджмент):
• Нарезка на объекты проекта -- управление
конфигурацией
• Проведение объектов проекта по маршрутам между
рабочими станциями всего жизненного цикла --
управление изменениями.
• Инженерная деятельность (изменения объектов проекта):
только в САПР и системах моделирования проекта под
контролем конфигурации и управления изменениями PLM.
• Операции с предметами снабжения, активами и другими
объектами, не входящими в проект: только в других системах
операционного менеджмента (ERP, EAM, системы управления
проектами и т.д.) под контролем конфигурации и управления
изменениями PLM.
13

14. Место PLM
• Инжиниринговая компания
–Основная деятельность
• Маркетинг
• Инженерия
• Операции PLM
– Организационно-техническое развитие
• Стратегирование
• Организационная инженерия
• Ведение проектов развития
14

15. Операционный менеджмент
Обеспечение бесперебойного потока объектов работы по предписанным
технологией рабочим станциям в ходе всего жизненного цикла системы.
• Нарезка на объекты работы (управление конфигурацией и
изменениями)
• Планирование графика прохода по рабочим станциям (минимизация
ресурсов)
• Исполнение и отслеживание графика (ограничения потока:
устранение очередей)
вывод из
инвестзамысел проектирование сооружение эксплуатация эксплуата
ции
15

16. Эко-система жизненного цикла:
«инжиниринговые киборги»
люди люди
программы программы
оборудование
оборудование
Многоуровневое
взаимодействие
• Данные
• Действия
• Энергия
• Масса 16

17. PLM «киборгов» в жизненном цикле
архитект как архитек как
требования рабочка требования рабочка
ура сделано тура сделано
Действия МОДЕЛЬ ИНЖИНИРИНГА Действия
(ПРЕДПРИЯТИЯ) МОДЕЛЬ ИНЖИНИРИНГА
(ПРЕДПРИЯТИЯ)
МОДЕЛИ СИСТЕМЫ И ЕЕ МОДЕЛИ СИСТЕМЫ И
ОКРУЖЕНИЯ ЕЁ ОКРУЖЕНИЯ
• Данные
• Действия
Мультимодельное
взаимодействие

18. Разнообразие интеграции данных жизненного цикла
в эко-системе инжиниринга
уровни структуры вещества * уровни воплощения
Замысел Архитектура «Рабочка» Изготовление Эксплуатация
Макро PLM1 PLM2 PLM3 PLM4 PLM5
Мезо PLM6 PLM7 PLM8 PLM9 PLM10
Микро PLM11 PLM12 PLM13 PLM14 PLM15
Нано PLM16 PLM17 PLM18 PLM19 PLM20
Специализация/профессионализация: в каждой клетке
Интеграция в продукте: вся таблица (эко-система!)
КРУПНЫХ ПРОЕКТОВ С ОДНОЙ PLM НА ВСЕХ – НЕ БЫВАЕТ!
ДВЕ РАЗНЫХ УСТАНОВКИ PLM одного вендора – РАЗНЫЕ УСТАНОВКИ!
PLM нуждается в интеграционном решении!
18

19. Неформальные знания
• Модель (model)
• Практика из справочника (reference process)
• Корпус знаний (body of knowledge)
• Подход (framework)
• Стандарт
• ...
19

20. Онтология: про то, что в жизни (а не про имена)
Отвечает на вопрос «что там?»
«Функция»
«Процесс» «Деятельность»
Консультант
Аналитик Менеджер
«Процедура» «Шаблон проекта»
Менеджер Планировщик
по качеству
По материалам
компании FutureModels 20

21. Особенности онтологии ISO 15926
• Факт-ориентированная («что для одного
проекта объект, для другого – атрибут»)
• 4D модель времени (можно описать смену
экземпляра оборудования, жизненный
цикл)
• Формат: semantic web (OWL-файлы, SPARQL
endpoints)
21

22. ISO 15926 и жизненный цикл
22

23. ISO 15926 и жизненный цикл
23

24. Product knowledge pyramid (ISO 15926)
201 type: ontological commitments
Enterprise-related (shared reality)
ISO 15926
data excluded only types
to clarity of a slide. Huge! Needs
R
RDL D
federation of
multiple sources!
L
But: one format
Catalogue
(standard classes)
Product lines
P
and project r
o
Debug, change management
d
u
c Needs federation
t even more!
Product configuration
baselines d Multiple formats
a
Historic data (product operations time t
rows) a
24

25. Федерирование справочных данных о:
• Модели предприятия
• Модели целевой системы
ISO/JORD
RDL
Национальная ассоциация
RDL (ГОСТы)
RDL (стандарты
отрасли)
Отраслевая ассоциация
RDL каталога
Данные каталога
RDL проекта Поставщик каталога
Проектная информация
Инжиниринговая компания 25

26. Почему онтология?
Качество
Онтология
результата
(свойства)
Тезаурус
(разные отношения)
Таксономия
(род-вид)
Словарь
(синонимы)
26
Сложность реализации

27. Этажерка представлений
• Двоичный код – физика
• Символы UNICODE
• XML – структура разметки
• RDF – тройки (факты)
• OWL – рудиментарная онтология/логика
• Шаблоны ISO 15926 – онтология из 201 типа
• Описание объекта в терминах шаблонов
• Вариант: описание на языке Python
(альтернативный синтаксис, другая этажерка
представлений)
27

28. Демонстрация: .15926 Editor
• http://techinvestlab.ru/ISO15926 -- freeware
28

29. Мифы и реальность
искусственного интеллекта
Миф Реальность
• Маршруты с учётом пробок
• SIRI, Quick Voice, Voice S
• IBM Watson
• Клинические отчёты CYC
• Переводчики текстов
• iRING
• И много-много
других маленьких
применений
Огромное золотое яблоко
Много мелкого изюма
29

30. Технологии искусственного
интеллекта
• Понимание естественного языка, перевод
• Онтологии (общая картина мира) и
представление знаний
• Экспертные системы (ответы на вопросы)
• Машинное обучение (включая распознавание
образов и открытие закономерностей)
• Синтез моделей, удовлетворяющих
ограничениям (в том числе -- генетические
алгоритмы)
• ...
30

31. Лето 2012 года
• Алгоритмы все уже есть: можно
опробовать на данных разных
предметных областей
• Как раз сейчас идёт переход от
игрушечных задач к настоящим: большим
объемам данных и вычислений
31

32. IBM Watson: обучение
32

33. Теории понятий
• Классика: определенческая
• Прототипы и экземпляры
• Теория теории
• Атомарная
• Плюралистическая
33

34. Спасибо за внимание
Анатолий Левенчук,
Директор по исследованиям Русского отделения INCOSE
http://ailev.ru
ailev@asmp.msk.su
Виктор Агроскин
vic5784@gmail.com
TechInvestLab.ru
(495) 748-53-88
34