Чтение онлайн

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.

Интересный подход к анализу естественно-языковых рассуждений предложен нашим соотечественником Б.А. Куликом в предложенной им логике естественных рассуждений, явное приложение которой в аналитике — анализ полноты и непротиворечивости системы аргументов для построения выводов.

Кроме того, существует обширный класс многозначных логик (отображающих суждения не на двухкомпонентное множество исходов «Истинно/Ложно», а на множество большей мощности); начало развитию этого класса было положено польским логиком Яном Лукасевичем в 1921 году. Интересно, что трехзначная логика Лукасевича была предвосхищена еще в работах таких философов как Уильям из Оккама и Георг Гегель. Благодаря дальнейшим исследованиям трехзначной логики, было введено понятие класса многозначных логик, включающего и бесконечнозначную логику, отображающую высказывания на континуум от 0 до 1. Свойства многозначных множеств позволяют использовать их при описании вероятностных процессов.

Чрезвычайно интересно для решения задач аналитики направление нечетких логик (fuzzy logic), предложенных Л. Заде. Они также применяются для решения задач, связанных с формализацией описаний процессов, носящих нечеткий, лингвистический характер. Это направление взято за основу при разработке систем поддержки информационно-аналитической работы в интересах информационно-аналитических подразделений органов государственного управления США.

Как явствует из приведенных сведений, современная логика предлагает множество инструментальных логических систем, комбинирование которых позволяет отчасти решать сложные проблемы, сопряженные с информационно-аналитической работой. Это требует от аналитиков (особенно тех, кто по долгу службы выступает в роли постановщика задач перед разработчиками специализированных инструментальных средств поддержки ИАР) хотя бы минимальных познаний в этой сфере, обеспечивающих ему возможность оценить применимость тех или иных методов для решения конкретных задач.