Каждый признак содержит некоторую информацию, которая характеризуется с количественной (синтаксической) и качественной (содержательной, семантической) стороны.
Количественный и качественный аспекты информации существуют в органическом и неразрывном единстве. Это иллюстрируется следующим диалогом:
— Я только что сообщил тебе 8 бит информации.
— А о чем?
— Да ни о чем!
Невозможно сообщить никакого количества информации одновременно не сообщив при этом в чем состоит эта информация или какое содержание этой информации. Таким образом количественный аспект информации не может существовать без качественного, содержательного. Изучать количественные характеристики информационных потоков, совершенно при этом абстрагируясь от их содержательной стороны, невозможно. Содержательная сторона в теории информации изучается, как правило, с использованием понятия тезаурус, под которым понимается информация, которой обладает приемник сообщения и от количества и содержания которой зависит сколько и какой информации он может воспринять от источника. Приемник с нулевым тезаурусом вообще не является приемником, т.к. не может воспринять из информационного канала ни одного бита информации никакого содержания.
Таким образом, выражаясь свободно, количество (синтаксис) тащит за собой качество (семантику). Но, с другой стороны, и содержание, качество, семантика информации тащит за собой количество, причем вполне определенное в каждом конкретном случае.
Например, признак Цвет — красный имеет совершенно различный смысл, т.е. говорит о совершенно разных вещах в зависимости от того, к какому объекту относится данный признак: светофору, флагу в руках демонстранта или цвету лужи на асфальте около алкогольного ларька. Количество информации, которое мы получаем в каждом из этих трех случаев, узнав о наличии данного признака, также совершенно различно.
Следовательно, в различных случаях один и тот же признак может иметь совершенно различный смысл и нести нам различное количество информации, т.е. говорить о разных вещах и с различной определенностью.
Семантический анализ предполагает:
* изучение смысловой нагрузки признаков, т.е. того о чем и насколько определенно эти признаки говорят;
* изучение информационного содержания образов (обобщенных категорий объектов и ситуаций, классов распознавания), т.е. того, какой вклад (по величине и знаку) в полную информацию, содержащуюся в каждом образе, вносят различные признаки;
* изучение сходств и различий между признаками по их смыслу;
* изучение сходств и различия между образами, если рассматривать их с точки зрения их информационного содержания.
24.6. ОБЛАСТИ ВОЗМОЖНОГО ПРИМЕНЕНИЯ СИСТЕМЫ ЭЙДОС-6.2:
1. Исследования по политологии, социологии, прикладной психологии в том числе на основе обработки больших объемов информации, полученной в результате мониторинга в краткие сроки по распределенной многомашинной технологии,
2. Медицинская диагностика, мониторинг динамики состояний больных, изучение взаимосвязей между лечебными воздействиями и эффектом, определение гомеопатических типов, избыточности и недостаточности меридианов, и т.д.,
3. Определение профпригодности и оптимальной профессиональной принадлежности, в том числе в специальных областях, требующих от человека специфических способностей и адекватного поведения в экстремальных ситуациях, в том числе в измененных формах сознания,
4. Анализ и прогнозирование биржевых ситуаций, прогнозирование курсов валют и ценных бумаг, изучение тенденций фондового рынка,
5. Другие применения в любых областях, в которых возникают задачи идентификации и прогнозирования ситуаций, объектов или их состояний по внешним признакам;
6. Изучение влияния факторов различной природы на количество и качество результатов деятельности; использование выявленных зависимостей для разработки обоснованных рекомендаций;
7. Диагностика сверхспособностей (ясновидение, ретро и прекогниции, телекинез, психосинтез и т.п.), В том числе потенциальных;
8. Развитие, адаптация и привязка (локализация), разработка новых профессиональных методик специального назначения в области астрологии, психографологии, физиогномики (исследование фотороботов), дерматоглифики (хиромантии);
9. Выявление и изучения характера влияния факторов, связанных с переходами в осознанные сновидения и высшие формы сознания;
10. Прогнозирования способности человека адекватно действовать в экстремальных ситуациях и выйти из них с потерями или без потерь решив или не решив поставленные задачи (важно отметить, что данная методика может быть разработана по материалам исключительно личных дел, т.е. Заочно, без личного привлечения респондентов);
11. Прогнозирования места и времени аномальных явлений и катастроф различной природы.
ВЫВОДЫ
1. Рассматривая место и роль адаптивного распознавания и содержательного информационного (семантического) анализа в процессах восприятия окружающей среды (с точки зрения постановки цели и задач исследования) автор считает, что создание адаптивной модели распознавания является ключевым моментом в теоретическом решении исследуемой проблемы. Под адаптацией понимается гибкая перестройка механизма принятия решений, поддерживаемого Системой, за счет коррекции смысла (семантической нагрузки) признаков и информационного содержания образов, направленная на обеспечение их максимального соответствия фактическим изменениям предметной области. Такая подстройка интеллектуальной компьютерной системы к предметной области, призвана обеспечивать непрерывную адекватность разработанных и применяемых на ее базе приложений потребностям пользователей, работающих в динамичных предметных областях.
Дело в том, что продукты, созданные с помощью традиционных статических моделей, в связи с высокой динамичностью предметной области быстро морально устаревают, т.е. со временем работают все хуже и хуже, их адекватность падает. При их применении у пользователя , образно говоря, почва непрерывно уходит из-под ног, т.к. качество работы таких приложений постоянно ухудшается, постепенно они перестают давать корректные и сопоставимые даже друг с другом результаты и в конце концов снимаются с эксплуатации. Адаптивные же модели порождают приложения, практическая и научная ценность (и стоимость) которых непрерывно возрастают, т.к. они являются генераторами информации. Собственно говоря, ради этого они и создаются. Более того, адаптивные модели позволяют изучать динамику смысла признаков и информационного содержания образов, т.е. динамику самой предметной области.
Все отмеченные проблемы при прагматической оценке делают очень широкий класс математических моделей распознавания практически неинтересными (что не исключает их фундаментальную научную ценность), т.к. они дают либо интуитивно-непонятные, т.е. неинтерпретируемые результаты, либо приемлемые результаты, но требующие таких объемов вычислений, которые непосильны для обычных персональных компьютеров.
2. Таким образом целесообразно сформулировать следующие задачи исследования:
* проанализировать состояние и развитие современной теории и практики распознавания образов;
* оценить место и роль адаптивного распознавания и семантического информационного анализа в процессе восприятия и познания окружающей среды;
* разработать теоретические основы и технологию применения адаптивных автоматизированных систем распознавания образов;
* создать универсальную автоматизированной систему адаптивного семантического анализа, а также методики ее применения в правоохранительной сфере;
* разработать комплекс методик применения этой системы для решения задач в правоохранительной сфере.
3. Результатом решения указанных задач должно быть решение проблемы, исследуемой в данной работе.
4. Различные перспективные модели предлагают свои варианты решения некоторых из этих проблем, причем эти варианты в различной степени подходят (или, точнее, не подходят) для программной реализации. Очевидно, задача разработки адаптивной модели семантического распознавания и анализа, имеющей высокий уровень адекватности содержательной информационной интерпретации и реализуемой в виде реальной программной системы, работающей на обычном для России персональном компьютере, — это задача значительной научной и практической сложности, а также трудоемкости (достаточно сказать, что исходные тексты программ системы ЭЙДОС-6.2 составляет около 2Mb, т.е. около 2500 листов формата А4).
Авторский вариант комплексного решения вышеперечисленных проблем отчасти практически реализован в универсальной автоматизированной системе распознавания образов ЭЙДОС-6.2, в технологии и опыте ее применения, на основе которых выработано представление об определенной оптимальной инфраструктуре применения данной системы (степень развития этой инфраструктуры может быть очень различна: от одного человека до солидной организации, в зависимости от решаемых задач). Система ЭЙДОС-6.2 обеспечивает поддержку адаптивных алгоритмов распознавания и содержательный (семантический) анализ, т.е. позволяет измерять смысловую нагрузку признаков, изучать смысловые взаимосвязи между различными признаками, а также между смыслом признаков и категориями изучаемых объектов.
Система ЭЙДОС-6.2 обеспечивает поддержку когнитивных функций, характерных как для левого, так и для правого полушария, рассмотренных в перспективной когнитивной концепции (см. п.12 и п.13 таблицы функций полушарий, раздел 2.1.1). Структура Системы ЭЙДОС-6.2 отражает асимметричное распределение этих функций по полушариям мозга.
Левополушарные функции: Объекты рассматриваются как системы признаков (свойств). Формируемые системой обобщенные образы объектов выводятся в текстовом и графическом виде (информационные портреты классов распознавания) и представляют собой описания объектов на языке признаков (свойств) с указанием информационного вклада каждого признака в суммарное количество информации, содержащейся в данном образе. Сами признаки рассматриваются как метки, указатели на определенные объекты. В текстовом и графическом виде выводится информация о том, в какой степени каждый признак указывает на обобщенные образы объектов (информационные портреты признаков). Обеспечивается синтез объектов по их свойствам и признакам, распознавание и идентификация объектов.
Правополушарные функции: Объекты рассматривается как нечто целостностное. Изучается сходство и различие объектов (кластерно-конструктивный анализ классов распознавания). Признаки (свойства) рассматривается как нечто самостоятельное. Изучается сходство и различие между признаками по их смыслу (кластерно-конструктивный анализ признаков). Результаты конструктивного анализа признаков могут быть использованы для построения семантических сетей признаков, т.е. ориентированных графов, в вершинах которых находятся признаки, а ребра представляют собой семантические связи между признаками (каждая семантическая связь характеризуется величиной и знаком, т.е. является вектором).
В зависимости от преобладающего типа мышления (формально-логического или образного) пользователи отдают предпочтение соответствующим способам анализа данных, реализованным в Системе ЭЙДОС-6.2, которые лично для них более удобны, понятны и естественны.
Компьютерная лингвистика №4: семантический анализ
