Вредоносное ПО (malware) - это назойливые или опасные программы,...
1. В чем отличие знаний от данных.
Информация (данные) явл-ся неотъемлемой частью материального мира, характериз-его его упорядоченность или структуру в мире, обусловлена их способностью распознавать стр-ру окружающего мира и использовать рез-т распознавания (знаний о мире). Знания – это информация, воспринятая из внешнего мира. Знание субъективно. Знание уникально, и обмен знаниями м/у индивидами не происходит без потерь, в отличие от данных, в кот. закодирована информация и кот. м. передаваться без потерь. Знание передается посредством к-л метода представления знаний, типичным естественным языком.
Отличаются:
Знания более структурированы;
В знаниях наибольшее зн-ие имеют не атомарные эл-ты знаний, а взаимосвязи м/у ними;
Знания более самоинтерпритируемые, чем данные, т.е. в знаниях содержится информация о том, как их использовать;
Знания активны, в отличие от пассивных данных, т.е. м. порождать действия системы, использующей их.
2. Каковы два основных направления исследований в ИИ
1. Нейронные сети.
Идея. «Единственный объект, способный мыслить – это человеческий мир»; 10 21 нейронов в мозгу, кот. связаны м/у собой. Розенблед, Мак-Каллок – 1936 – 1965 модель percepton
Модель перцетона:
каж. точка предыдущего слоя связана со всеми точками данного слоя
1 слой 2 слой
Распределенная ВС. Индексирование БД. Это синтаксические системы, основанные на формальном подходе. (Модель нервных цепей).
2. Семантические модели.
Идея. Противоположная нейронной идеологии: «не имеет зн-ия, как устроено вычислительное устройство, главное чтобы на заданные входные действия оно реагировало как чел. мозг » - концепция «черного ящика».
Тезис Тьюринга, кот. определил семантический подход (ф-ии мозга).
Языки: Lisp, Fortran.
3. Приведите примеры нечетких знаний.
а)
Молодой б) Пусть S – множество людей. Пусть «высокий» - нечетное подмножество S, кот. ответит на вопрос: «какой человек X явл-ся высоким?». Каж. человеку из области наследования нужно назначить степень принадлежности к нечетному подмножеству «высокий». Для этого используем ф-ию принадлежности, основанную на росте человека:
0, если рост(х)<5 футов;
Высокий(х)= (рост(х) – 5ft)/2ft, если 5 футов<= рост(х) <=7 футов;
1, если рост(х) > 7 футов.
Графически:
4. Приведите пример, характеризующий поверхностные и глубинные знания.
Поверхностные знания:
Я знаю, что на авиазаводе в цехе собирают самолеты;
Y = a 0 x 0 + a 1 (x 0 *2) + a 2 (x 0 *3) + . . .
Глубинные знания:
Я знаю как, с помощью чего собирается самолет;
5. В чем отличие процедурных знаний от декларированных? Приведите примеры.
Процедурные знания – хранят информацию о том, как надо действовать, чтобы получить нужный результат. Декларированные знания – хранят в себе информацию о том, над чем надо выполнить эти действия.
Чтобы собрать самолет необходимо скрепить его основные части (проц. знания), для его сбора необходимы крылья, носовая часть, хвостовая и т.п. и их нужно соединить (декларир. знания).
Различие между декларативным и процедурным предпочтением в том, что последнее определяет не только логические связи между головой предложения и целями в его теле, но еще и порядок в котором эти цели обрабатываются.
6. Охарактеризуйте морфологический, синтаксический, семантический и прагматический анализы в естественных языковых интерфейсах.
a) Морфологический анализ – анализ слова в предложении.
b) Семантический анализ – распознавание смысла в составных частях предложения на основе некоторой предметно - ориентированной БЗ.
c) Синтаксический анализ – анализ распознавания структуры предложения.
d) Прагматический анализ – анализ смысла предложения в реальном контексте на основе собственной БЗ.
7. В чем разница интенсионала и экстенсионала. Пример.
Интенсионал – способствует связи с выделением закономерностей.
Экстенсионал – способ перечисления фактографических сторон (описание на уровне данных)
Пр. : объект (философия): 1. Высокий уровень
2. Примитивный
8. Построить фрейм для следующего примера: “Пингвин и синица- птицы, однако пингвин не умеет летать, о умеет плавать и живет в Антарктиде”.
5.1. Отличия знаний от данных
Характерным признаком интеллектуальных систем является наличие знаний, необходимых для решения задач конкретной предметной области. При этом возникает естественный вопрос, что такое знания и чем они отличаются от обычных данных, обрабатываемых ЭВМ.
Данными называют информацию фактического характера, описывающую объекты, процессы и явления предметной области, а также их свойства. В процессах компьютерной обработки данные проходят следующие этапы преобразований:
Исходная форма существования данных (результаты наблюдений и измерений, таблицы, справочники, диаграммы, графики и т.д.);
Представление на специальных языках описания данных, предназначенных для ввода и обработки исходных данных в ЭВМ;
Базы данных на машинных носителях информации.
Знания являются более сложной категорией информации по сравнению с данными. Знания описывают не только отдельные факты, но и взаимосвязи между ними, поэтому знания иногда называют структурированными данными. Знания могут быть получены на основе обработки эмпирических данных. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
Для того чтобы наделить ИИС знаниями, их необходимо представить в определенной форме. Существуют два основных способа наделения знаниями программных систем. Первый - поместить знания в программу, написанную на обычном языке программирования. Такая система будет представлять собой единый программный код, в котором знания не вынесены в отдельную категорию. Несмотря на то что основная задача будет решена, в этом случае трудно оценить роль знаний и понять, каким образом они используются в процессе решения задач. Нелегким делом являются модификация и сопровождение подобных программ, а проблема пополнения знаний может стать неразрешимой.
Второй способ базируется на концепции баз данных и заключается в вынесении знаний в отдельную категорию, т.е. знания представляются в определенном формате и помещаются в БЗ. База знаний легко пополняется и модифицируется. Она является автономной частью интеллектуальной системы, хотя механизм логического вывода, реализованный в логическом блоке, а также средства ведения диалога накладывают определенные ограничения на структуру БЗ и операции с нею. В современных ИИС принят этот способ.
Следует заметить, что для того, чтобы поместить знания в компьютер, их необходимо представить определенными структурами данных, соответствующих выбранной среде разработки интеллектуальной системы. Следовательно, при разработке ИИС сначала осуществляются накопление и представление знаний, причем на этом этапе обязательно участие человека, а затем знания представляются определенными структурами данных, удобными для хранения и обработки в ЭВМ. Знания в ИИС существуют в следующих формах:
Исходные знания (правила, выведенные на основе практического опыта, математические и эмпирические зависимости, отражающие взаимные связи между фактами; закономерности и тенденции, описывающие изменение фактов с течением времени; функции, диаграммы, графы и т. д.);
Описание исходных знаний средствами выбранной модели представления знаний (множество логических формул или продукционных правил, семантическая сеть, фреймы и т. п.);
Представление знаний структурами данных, которые предназначены для хранения и обработки в ЭВМ;
Базы знаний на машинных носителях информации.
Что же такое знания? Приведем несколько определений.
Из толкового словаря С. И. Ожегова: 1) «Знание - постижение действительности сознанием, наука»; 2) «Знание - это совокупность сведений, познаний в какой-либо области».
Определение термина «знания» включает в себя большей частью философские элементы. Например, знание - это проверенный практикой результат познания действительности, верное ее отображение в сознании человека.
Знание есть результат, полученный познанием окружающего мира и его объектов. В простейших ситуациях знания рассматривают как констатацию фактов и их описание.
Исследователями в области ИИ даются более конкретные определения знаний.
«Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области» .
«Знания - это хорошо структурированные данные или данные о данных, или метаданные» .
«Знания - формализованная информация, на которую ссылаются или используют в процессе логического вывода» .
В области систем ИИ и инженерии знаний определение знаний увязывается с логическим выводом: знания - это информация, на основании которой реализуется процесс логического вывода, т.е. на основании этой информации можно делать различные заключения по имеющимся в системе данным с помощью логического вывода. Механизм логического вывода позволяет связывать воедино отдельные фрагменты, а затем на этой последовательности связанных фрагментов делать заключение.
Знания - это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода (рис. 5.1.).
Рис. 5.1. Процесс логического вывода в ИС
Под знанием будем понимать совокупность фактов и правил. Понятие правила, представляющего фрагмент знаний, имеет вид:
Если <условие> то <действие>.
Это определение есть частный случай предыдущего определения.
Однако признается, что отличительные качественные особенности знаний обусловлены наличием у них больших возможностей в направлении структурирования и взаимосвязанности составных единиц, их интерпретируемости, наличие метрики, функциональной целостности, активности.
Существует множество классификаций знаний. Как правило, с помощью классификаций систематизируют знания конкретных предметных областей. На абстрактном уровне рассмотрения можно говорить о признаках, по которым подразделяются знания, а не о классификациях. По своей природе знания можно разделить на декларативные и процедурные.
Декларативные знания представляют собой описания фактов и явлений, фиксируют наличие или отсутствие таких фактов, а также включают описания основных связей и закономерностей, в которые эти факты и явления входят.
Процедурные знания - это описания действий, которые возможны при манипулировании фактами и явлениями для достижения намеченных целей.
Для описания знаний на абстрактном уровне разработаны специальные языки - языки описания знаний. Эти языки также делятся на языки процедурного типа и декларативного. Все языки описания знаний, ориентированные на использование традиционных компьютеров фон-неймановской архитектуры, являются языками процедурного типа. Разработка языков декларативного типа, удобных для представления знаний, является актуальной проблемой сегодняшнего дня.
По способу приобретения знания можно разделить на факты и эвристику (правила, которые позволяют сделать выбор при отсутствии точных теоретических обоснований). Первая категория знаний обычно указывает на хорошо известные в данной предметной области обстоятельства. Вторая категория знаний основана на собственном опыте эксперта, работающего в конкретной предметной области, накопленном в результате многолетней практики.
По типу представления знания делятся на факты и правила, Факты - это знания типа «А - это А», такие знания характерны для баз данных и сетевых моделей. Правила, или продукции, - это знания типа «ЕСЛИ А, ТО В».
Кроме фактов и правил существуют еще метазнания - знания о знаниях. Они необходимы для управления БЗ и для эффективной организации процедур логического вывода.
Форма представления знаний оказывает существенное влияние на характеристики ИИС. Базы знаний являются моделями человеческих знаний. Однако все знания, которые привлекает человек в процессе решения сложных задач, смоделировать невозможно. Поэтому в интеллектуальных системах требуется четко разделить знания на те, которые предназначены для обработки компьютером, и знания, используемые человеком. Очевидно, что для решения сложных задач БЗ должна иметь достаточно большой объем, в связи с чем неизбежно возникают проблемы управления такой базой. Поэтому при выборе модели представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Однородность представления приводит к упрощению механизма управления знаниями. Простота понимания важна для пользователей интеллектуальных систем и экспертов, чьи знания закладываются в ИИС. Если форма представления знаний будет трудна для понимания, то усложняются процессы приобретения и интерпретации знаний. Следует заметить, что одновременно выполнить эти требования довольно сложно, особенно в больших системах, где неизбежным становится структурирование и модульное представление знаний.
Решение задач инженерии знаний выдвигает проблему преобразования информации, полученной от экспертов в виде фактов и правил их использования, в форму, которая может быть эффективно реализована при машинной обработке этой информации. С этой целью созданы и используются в действующих системах различные модели представления знаний.
К классическим моделям представления знаний относятся логическая, продукционная, фреймовая и модель семантической сети.
Каждой модели отвечает свой язык представления знаний. Однако на практике редко удается обойтись рамками одной модели при разработке ИИС за исключением самых простых случаев, поэтому представление знаний получается сложным. Кроме комбинированного представления с помощью различных моделей, обычно используются специальные средства, позволяющие отразить особенности конкретных знаний о предметной области, а также различные способы устранения и учета нечеткости и неполноты знаний.
Прежде чем продолжить рассмотрение проблематики управления знаниями важно определиться с ключевыми понятиями этой области: «данные», «информация», «знания».
В литературе, посвященной управлению знаниями, представлены различные подходы к их трактовке. Не претендуя на полномасштабный анализ, попробуем обозначить некоторые важные моменты.
Под данными понимаются неупорядоченные наблюдения, числа, слова, звуки, изображения. Это – набор дискретных, объективных факторов о событиях. При этом в организационном контексте данные трактуются как структурированные записи об актах деятельности. Организации обычно хранят данные в информационных системах, в которые они поступают из различных подразделений и служб.
Когда данные организованы, упорядочены, сгруппированы категоризированы, они становятся информацией . Она трактуется как совокупность данных, упорядоченная с определенной целью, придающей им смысл.
Сообщение - это текст, цифровые данные, изображения, звук, графика, таблицы и др
Сведения – практически синоним понятия “Сообщения”. Они чаще всего носят бытовой характер.
Знание же трактуется как информация, готовая к продуктивному применению, действенная, снабженная смыслом. Оно представляет собой совокупность оформленного опыта, ценностей, контекстуальной информации, экспертного понимания, составляющих основу для оценки и интеграции нового опыта и информации. Оно формируется и применяется в умах людей, а в организациях зачастую оказывается закрепленным не только в документах и в хранилищах, но также в организационных процедурах, процессах, способах выполнения работы и нормах.
В таблице на основе обзора литературных источников приводятся различные определения знания.
В большинстве рассмотренных определений подчеркивается, что знания – понятие более широкое, глубокое и богатое по сравнению с информацией. Они представляют собой подвижное соединение разных элементов – опыта, ценностей, информации и экспертного понимания - и постоянно меняются; они интуитивны; характерны для людей и являются неотъемлемой частью человеческой сущности с ее непредсказуемостью.
Все знают, что такое базы данных и как ими пользоваться. Созданы и постоянно расширяются самые разнообразные базы данных по любой тематике, от научной периодики до художественной литературы, от произведений искусства до справочников телефонных номеров.
Но это необходимое образование постепенно начинает терять свою былую значимость. Особенно это касается научной периодики. Главная проблема научных баз данных - это их избыточность. Любой запрос, выполненный по ключевым поисковым словам, выдаст столь огромное количество ссылок, что их просмотр становится отдельной работой. При этом многие материалы различаются столь незначительно, что трудно оценить полезность одного из них на фоне другого.
Вариантом выхода из этой ситуации является создание баз знаний или баз решений: систематезированной информации, которая обрабатывается по другим поисковым алгоритмам.
В чём главное отличие баз данных и баз знаний? В базе данных идёт поиск по ключевому слову, условно говоря - это ответ на вопрос “что?”. Например, задаём поисковый запрос “нанотрубки”. База данных выдаст всё, что касается этого запроса: и синтез, и окисление, и биоразложение, и спектральные характеристики. Число ссылок перевалит за тысячи. Можно задавать поиск по двум, трём и более ключевым словам. Это сократит вал ссылок, но может отсечь нужные. В базе знаний поиск проводится по нескольким вопросам, например: “Что?”, “Чем?”, “Как?”. При этом появляется следующий момент. В настоящее время написаны миллионы статей и патентов по всем областям знания. Но решений, отвечающих принципу базы знаний, только порядка 30 - 35 тысяч. Прирост числа решений, в отличие от прироста вала статей, протекает медленно. Подавляющее большинство статей - это лишь небольшие нюансы какого-либо решения. Например: закалка металла. Решение - что: металл, чем: охлаждающий материал, как: быстро. Это решение охватывает и все металлы и сплавы, и все типы закалочных жидкостей или газов, и все способы подачи хладагента. Далее из этого запроса может быть сформирована база данных, например, по типам хладагента (вода, масло, рассолы), вторая - по способам подачи материала (насосы, окунание детали, распыление раствора), третья - по маркам сталей. Может быть сформирована дополнительная база ссылок по второстепенным процессам: окислению поверхности металла, удалению нагара после закалки, специальным методам закалки. Поиск по базе знаний отличается от поиска по базе данных, для этого используются так называемые “ресурсы”. Ресурсы в понимании баз знаний - это материалы, катализаторы, поля и воздействия, приводящие к получению решения. Базы знаний могут обрабатывать также поисковые вопросы. Например, запрос “синтезировать сложный эфир” заданный в базу данных будет истолкован только по ключевому слову “сложный эфир”. В базе знаний можно также задать термины “синтез”, “распад”, “биоразложение” и семантические алгоритмы поиска по глаголам.
Теперь немного о минусах этой системы. Базы данных - это устоявшиеся правила формирования ключевых слов, единые (с небольшими вариациями) для всех научных изданий и унифицированные с алгоритмами поиска. Базы знаний необходимо будет создавать с нуля. Это немалая работа, ведь для того, чтобы вычленить ресурсы необходимо полное понимание процессов описанных в статье или патенте, что сильно усложняется при обработке мультидисциплинарных статей и защищённых от реинжиниринга патентов. Второй минус - базы знаний сейчас создаются “под инженеров”, то есть в основном прикладной направленности. Фундаментальные исследования, таким образом, в них не попадают.
Теперь немного о плюсах. Создание базы знаний - это великолепный процесс обучения. “Побочным продуктом” является значительное повышение уровня знаний разработчиков и получение высококлассных специалистов, умеющих решать поставленныезадачи. Второй плюс - при определённом алгоритме формирования запросов база знаний может быть источником новых решений, не описанных и ещё не созданных. Например, при запросе по закалке металла база знаний может выдать список ресурсов, которые обладают необходимыми свойствами (температура, текучесть) и подтолкнуть к созданию новых решений, таких как закалка в расплавах полимеров, закалка с одновременным окислением поверхности, точечная и неравномерная закалка. Третий плюс. Вероятно, многие даже не задумывались, что суть процессов изложенных в научной статье или патенте формулируется не более чем в сотне слов. В то же время, объём статей исчисляется минимум несколькими страницами, а патентов - до нескольких сотен страниц. Переработка материала под систему базы знаний позволит в дальнейшем не тратить время на чтение малозначащих подробностей и отличий от аналогов, непременно описываемых в исходных материалах.
Небольшой итог. Базы знаний исключительно полезны для прикладных разработок, особенно на передовых рубежах науки. Они позволяют получать готовые решения для той или иной задачи. Их создание в то же время, сильно повышает профессиональный уровень разработчиков и позволяет получать отличных специалистов.
Понятие, структура, классификация, особенности интеллектуальных систем.
Система называется интеллектуальной, если в ней реализованы 3 базовые функции:
1. Представление и обработка знаний.
2. Рассуждение.
3. Общение.
Пользователь
Функциональные механизмы База знаний
Структурные знания – знания об операционной среде. Метознания – знания о свойствах знаний.
1. Биохимическое (все, что связано с мозгом);
2. Программно-прагматическое направление (написание программ, заменяющих функции).
1. Локальный (задачный) подход: для каждой задачи специальные программы, достигающие результаты не хуже человека.
2. Системный подход, основанный на знаниях –создание средств автоматизации, создание самих программ.
3. Подход использующий метод процедурного программирования – создание алгоритмов на естественных языках.
Основные разделы ИИТ:
1. Управление знаниями.
2. Формальные языки и семантика.
3. Квантовая семантика.
4. Когнитивное моделирование.
5. Конвергентные (сходящиеся) системы поддержки решений.
6. Эволюционные генетические алгоритмы.
7. Нейронные сети.
8. Муравьиные и иммунные алгоритмы.
9. Экспертные системы.
10. Нечеткие множества и вычисления.
11. Немонотонные логики.
12. Активные многоагентные системы.
13. Естественное языковое общение и перевод.
14. Распознавание образов, игра в шахматы.
Характеристики проблемных областей, где необходимо применение ИИС:
1. Качество и оперативность принятия решений.
2. Нечеткость целей.
3. Хаотичность, флюктуируемость и квантованность поведения среды.
4. Множественность взаимозаменяющих друг на друга факторов.
5. Слабая формализуемость.
6. Уникальность (нестереотипность) ситуации.
7. Латентность (скрытость) информации.
8. Девиантность реализации планов, а так же значимость малых действий.
9. Парадоксальность логики решений.
Неустойчивость, нецеленаправленность, хаотичность среды
Понятие данных, информации и знаний. Свойства знаний и отличие их от данных.
Информация – это:
· любые сведения, принимаемые и передаваемые, сохраняемые различными источниками;
· это вся совокупность сведений об окружающем нас мире, о всевозможных протекающих в нем процессах, которые могут быть восприняты живыми организмами, электронными машинами и другими информационными системами;
· это значимые сведения о чём-либо, когда форма их представления также является информацией, то есть имеет форматирующую функцию в соответствии с собственной природой;
· это все то, чем могут быть дополнены наши знания и предположения.
Данными называют информацию фактического характера, описывающую объекты, процессы и явления предметной области, а также их свойства. В процессах компьютерной обработки данные проходят следующие этапы преобразований:
· исходная форма существования данных (результаты наблюдений и измерений, таблицы, справочники, диаграммы, графики и т.д.);
· представление на специальных языках описания данных, предназначенных для ввода и обработки исходных данных в ЭВМ;
· базы данных на машинных носителях информации.
Знание - в теории искусственного интеллекта и экспертных систем - совокупность информации и правил вывода (у индивидуума, общества или системы ИИ) о мире, свойствах объектов, закономерностях процессов и явлений, а также правилах использования их для принятия решений. Главное отличие знаний от данных состоит в их структурности и активности, появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений.
Для того чтобы поместить знания в информационную систему, их необходимо представить определенными структурами данных, соответствующих выбранной среде разработки интеллектуальной системы. Поэтому при разработке информационной системы сначала осуществляются накопление и представление знаний, причем на этом этапе обязательно участие человека, а затем знания представляются определенными структурами данных, удобными для хранения и обработки в ЭВМ.
Знания в ИС существуют в следующих формах:
· исходные знания (правила, выведенные на основе практического опыта, математические и эмпирические зависимости, отражающие взаимные связи между фактами; закономерности и тенденции, описывающие изменение фактов с течением времени; функции, диаграммы, графы и т. д.);
· описание исходных знаний средствами выбранной модели представления знаний (множество логических формул или продукционных правил, семантическая сеть, иерархии фреймов и т. п.);
· представление знаний структурами данных, которые предназначены для хранения и обработки в ЭВМ;
· базы знаний на машинных носителях информации.
Знания являются более сложной категорией по сравнению с данными. Знания описывают не только отдельные факты, но и взаимосвязи между ними, поэтому знания иногда называют структурированными данными. Знания представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
Знания получаются в результате применения к исходным данным некоторых методов обработки, подключения внешних процедур.
ДАННЫЕ + ПРОЦЕДУРА ОБРАБОТКИ = ИНФОРМАЦИЯ
ИНФОРМАЦИЯ + ПРОЦЕДУРА ОБРАБОТКИ = ЗНАНИЯ
Характерная особенность знаний состоит в том, что они не содержаться в исходной системе. Знания возникают в результате сопоставления информационных единиц, нахождения и разрешения противоречий между ними, т.е. знания активны их появление или недостача приводит к реализации некоторых действий или появлению новых знания. Знания отличаются от данных наличием следующих свойств.
Свойства знаний (из лекций):
· Внутренняя интерпритируемость (данные+методанные). Методанные -структурированные данные, представляющие собой характеристики описываемых сущностей для целей их идентификации, поиска, оценки, управления ими
· Наличие связей (внутренних, внешних), структура связи
· Возможность шкалирования (оценка соотношения между информационными единицами) – количественная
· Наличие семантической метрики (средства оценки плохо формализуемых информационных единиц)
· Наличие активности (неполнота, неточность побуждает их к развитию, пополнению).
Классификация знаний
Знание – форма существования и систематизации результатов познавательной деятельности человека. Знание помогает людям рационально организовывать свою деятельность и решать различные проблемы, возникающие в её процессе.
Знание (в теории искусственного интеллекта и экспертных систем) – совокупность информации и правил вывода (у индивидуума, общества или системы ИИ) о мире, свойствах объектов, закономерностях процессов и явлений, а также правилах использования их для принятия решений.
Главное отличие знаний от данных состоит в их структурности и активности, появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений.
Выделяют различные виды знания:
Научное,
Вненаучное,
Обыденно-практическое (обыденное, здравый смысл),
Интуитивное,
Религиозное, и др.
Обыденно-практическое знание носит несистемный, бездоказательный, бесписьменный характер. Обыденное знание служит основой ориентации человека в окружающем мире, основой его повседневного поведения и предвидения, но обычно содержит ошибки, противоречия. Научное знание, основанное на рациональности, характеризуется объективностью и универсальностью, и претендует на общезначимость. Его задача – описать, объяснить и предсказать процесс и явление действительности. Вненаучное знание продуцируется определённым интеллектуальным сообществом по отличным от рационалистических нормам, эталонам, имеют свои источники и средства познания.
Классификация знаний
I. по природе. Знания могут быть декларативные и процедурные .
Декларативные знания содержат в себе лишь представление о структуре неких понятий. Эти знания приближены к данным, фактам. Например: высшее учебное заведение есть совокупность факультетов, а каждый факультет, в свою очередь, есть совокупность кафедр. Процедурные же знания имеют активную природу. Они определяют представления о средствах и путях получения новых знаний, проверки знаний. Это алгоритмы разного рода. Например: метод мозгового штурма для поиска новых идей.
II. по степени научности. Знания могут быть научными и вненаучными .Научные знания могут быть:
1) эмпирическими (на основе опыта или наблюдения);
2) теоретическими (на основе анализа абстрактных моделей, аналогий, схем, отображающих структуру и природу процессов, т.е. обобщение эмпирических данных).
Вненаучные знания могут быть:
паранаучными знаниями – учения или размышления о феноменах, объяснение которых не является убедительным с точки зрения критериев научности.
лженаучными – сознательно эксплуатирующие домыслы и предрассудки.
квазинаучными – они ищут себе сторонников и приверженцев, опираясь на методы насилия и принуждения. Квазинаучное знание, как правило, расцветает в условиях строго иерархированной науки, где невозможна критика власть предержащих, где жестко проявлен идеологический режим. (В истории России периоды «триумфа квазинауки» хорошо известны: лысенковщина; фиксизм, и т.д.)
антинаучными – как утопичные и сознательно искажающие представления о действительности.
псевдонаучными – представляют собой интеллектуальную активность, спекулирующую на совокупности популярных теорий (истории о древних астронавтах, о снежном человеке, о чудовище из озера Лох-Несс)
обыденно-практическими – доставлявшими элементарные сведения о природе и окружающей действительности. Обыденное знание включает в себя и здравый смысл, и приметы, и назидания, и рецепты, и личный опыт, и традиции. Оно хотя и фиксирует истину, но делает это не систематично и бездоказательно.
личностными – зависящими от способностей того или иного субъекта и от особенностей его интеллектуальной познавательной деятельности. Коллективное же знание общезначимо (надличностно), предполагает наличие общей для всей системы понятий, способов, приёмов и правил построения. III. по местонахождению
Выделяют личностные (неявные, скрытые, пока неформализованные) знания и формализованные (явные) знания.
Неявные знания – знания людей, которые ещё не формализованы и не могут быть переданы другим людям.
Формализованные на некотором языке (явные) знания:
знания в документах;
знания на компакт-дисках;
знания в персональных компьютерах;
знания в Интернете;
знания в базах знаний;
знания в экспертных системах, извлечённые из неявных знаний людей-экспертов.
Отличительные характеристики знания все ещё являются предметом неопределённости в философии. Согласно большинству мыслителей, для того чтобы нечто считалось знанием, это нечто должно удовлетворять трем критериям:
a) быть подтверждаемым,
b) быть истинным,
c) заслуживающим доверия.
Похожая информация.
